数据校正技术利用过程测量数据的冗余性进行网络冗余性分析,显著误差校正和数据协调,减小误差数据对过程数据的影响,以获得更加精确的测量数据。但是传统的数据校正算法都有一些缺陷和局限性,例如物料平衡建模过程中有用信息大量丢失,显著误差检测会对测量数据造成污染,算法时间复杂度较高等。本文对物料平衡系统中的数据校正问题进行了研究。具体研究工作如下：1)针对以往过程建模方法的不足,提出了分层次物料平衡建模方法,分别在装置层、调度层和统计层对系统进行建模,给出了各个层次直接的数学约束关系,最大化的利用了测量信息。2)针对以往的MT-NT算法存在的矩阵降秩,数据污染的问题,提出了改进的NT-MT联合算法,充分利用了NT先判断不会对数据产生污染的优点,在求解过程中更新测量值和协方差,不会造成矩阵降秩的同时也减少了含有显著误差的数据对其他测量值的影响,减小了数据污染。3)对证据理论进行了研究,考虑了测量仪表的可靠度等信息,通过引入证据重要性的概念,提出了一种新的基于改进的D-S证据理论的显著误差检测方法,避免了求解过程中的数据污染问题,而且能给出测量数据的可靠度等信息,在工业的应用中取得了良好的效果。