可靠的过程测量数据是化工过程正常有效运行的关键,随着日益增加的信息计算机的使用,大量的数据被获得并且用于生产控制和优化的整个过程。化工过程中经常是利用这些测量数据来对过程进行改进和提高,但由于实际化工过程中存在很多因素,所以得到的测量数据通常是含有误差的。由于测量数据的不够准确、不可靠和不一致性,不能够正确的反应实际的化工过程,这就是所谓的测量数据的不平衡性,对于解决这个问题就需要用到数据校正这个方法。一般对于数据校正来说都是应用在化工稳态过程中的,但是由于实际化工过程中出现的仪器、设备和外界各种因素的影响,要得到稳态过程中的数据是进行数据校正技术的重要考虑因素,也是影响数据校正能够顺利进行的重要原因之一。本论文中主要从时间冗余和空间冗余两个角度来研究显著误差的检测方法。时间冗余方面,主要针对的是数据的积累效果,分别采用改进型小波包和改进型Bayesian方法；空间冗余方面,主要考虑测量网络的显著误差检测问题,对传统的检测方法进行改进,并考虑测量方差的影响,通过改进的NT-MT方法来进行数据校正的过程,在结合贝叶斯和小波包的基础上,在对MT-NT方法进行改进的数据校正技术,利用多种方法结合在一起对数据进行时间和空间上的校正处理,尽一切可能降低测量误差对数据的影响。通过这些方法的实施,得到一组可靠的准确的稳态数据。本文的主要研究内容如下：1)讨论了数据校正技术的基本原理和内容,重点研究了数据协调和过失误差检测的基本概念和主要方法。2)提出时间冗余下去除随机误差的改进型小波包方法,运用了香农熵准则和heursure阈值相结合的用于小波包的分解和去噪,并做了显著误差检测的仿真实验。3)提出了时间冗余下的贝叶斯分类的理论,结合数据库中的历史数据,并把其作为先验信息,利用贝叶斯准则计算出后验概率,去除含有误差的一些数据,通过这个方法的加入能够更迅速的对数据降噪。并通过仿真分析了其优点。4)对数据进行空间冗余性的分析。讨论了传统的显著误差检测方法,并在此基础上提出了改进型的NT-MT方法,改进了测量协方差的计算,并结合控制过程进行了数据仿真,证明了方法的可行性和有效性。最后,对全文进行了总结,并且对数据校正方法进行了进一步分析,也相应的提出了自己的一些看法。