目前,关于海洋水质监测的评价方式还不完善,有些评价是以海洋数据监测样本聚类结果作为水体质量的评价依据。而海洋大数据分析更加注重系统整体运行和数据累积效果产生的影响,需要更为合理的分析工具。本文在分析海洋数据异常检测相关因素的基础上,一方面,针对目前常见聚类算法的不足之处,设计了一种基于BP神经网络的C均值模糊聚类算法(简称BP-FCM算法);另一方面,将BP-FCM算法与Spark平台相结合,解决聚类过程中大数据处理速度缓慢的难题。本文利用大数据技术,选用分布式文件系统HDFS和列数据库HBase进行储存大量异构海洋信息数据,采用Spark平台,分析计算速度更快。本文对海洋信息监测系统的需求进行详细分析,设计出了基于大数据的海洋信息监测系统。系统主要分为四层结构,分别是表现层、应用层、服务层和数据层。本文采用MVC框架,数据层负责从数据源获取数据和数据的储存,服务层采用Spark为计算引擎,应用层是采用soa模式,表现层是用户界面,将处理完成的信息进行展示。本文根据设计方案实现了基于大数据的海洋信息监测系统,系统具有采集数据、计算数据、展示数据和数据挖掘等功能。系统采用HDFS分布式文件系统和面向列的数据库HBase以及My SQL数据的储存方式,使用Spark作为计算引擎。使用传感器等收集设备将各个监测海域的数据收集完毕后,上传到系统的储存系统,每天固定时间进行数据分析,分析结果通过echarts实现表格和散点图展示,在系统大屏上通过警告图来显示污染情况,以便及时处理海洋污染情况,对海洋信息监测具有重要的现实意义。