本文提出一种基于统计学相关性分析的多维时序异常数据检测分析方法，以对检测中表现为异常的数据进行溯源：对反映系统故障的数据和传感器质量问题的数据进行分类，进而识别出真正的系统故障，避免误检。首先根据相关关系构建时序相关图，再进一步归纳为时序相关环模型，通过在时序相关图上搜索并确定时序相关环的过程提取时序相关环中的特征，得到时间序列相关性集合。进而利用时间序列相关性集合进行时序数据异常来源检测，根据检测结果评估时序传感器数据对应的系统故障的几率。本文在真实的工业设备传感器序列数据集上进行大量实验，实验结果验证了本文方法在高维时序数据的异常检测任务上的有效性。通过对比实验，验证了本文方法从稳定性和效率上优于基于统计和基于机器学习模型的基准算法，时间序列的维度越高，本文方法较基准算法的提升越明显。本文方法通过对多维时序数据相关性知识的挖掘，既节约了计算成本，又实现了对多维异常数据来源的精准识别。