时间序列挖掘是在传统时序分析的基础上形成的,是数据挖掘中最具挑战性的研究方向之一。在各个领域中,时间序列挖掘技术都得到了广泛应用,但因应用背景的不同对挖掘技术的实际要求也不同,仍需不断深入的研究序列挖掘算法和模型。时间序列挖掘中的一个研究内容是异常检测,其在很多领域中都是一项重要技术,受到越来越广泛的关注,成为研究的一个热点问题。南水北调中线工程是缓解北部地区水资源短缺问题,优化我国水资源配置的一项战略性工程。南水北调中线干线工程沿线复杂的地质条件及复杂的气象情况使南水北调工程安全受到了严峻挑战。为了保障工程安全,南水北调工程沿线已布设数量巨大的传感器来实时采集工程安全数据,在对南水北调中线工程安全监测数据的分析中还存在着问题,即传感器工作环境的复杂性导致安全监测数据存在异常现象。为了保障南水北调中线工程的安全,本文对监测数据进行异常检测的研究,主要工作如下:(1)通过引入动态时间弯曲方法,完成对分段监测数据的异常检测。算法首先采用基于关键点的分段线性表示方法将原始时间序列分割为长度不等的模式,然后采用动态时间弯曲方法对分割的模式进行异常检测。通过在南水北调中线工程安全监测数据上的实验,验证了算法的可行性和有效性。(2)采用时间序列分形分析法中的交叉相关分析法,对南水北调中线工程安全监测数据进行相关性分析。把交叉相关分析中的Pearson系数法、Sparkman Rank相关系数法和消除趋势交叉相关系数法分别应用到南水北调中线工程中的安全监测数据上,进行不同传感器数据的相关性分析,得出具有高度正相关关系的传感器序列。(3)采用随机森林算法对上述得出存在高度正相关关系的传感器数据进行异常检测,又采用消除趋势交叉相关系数法计算监测数据间的相关性系数,通过实验和结果对比,准确检测出异常,验证了算法的有效性。