随着海洋观测技术的不断发展,海洋环境观测数据呈现爆炸式增长,是典型的时序大数据,具有多要素、长时序、时空特征明显的特点。分析海洋时序数据,从而发现异常特征或模式,挖掘异常背后对应的自然现象,对海洋数据的研究具有重要意义。海洋事件的发生往往在各环境要素的观测数据中都有所体现,如何发现海洋环境多要素时序数据中蕴含的由海洋事件导致的异常模式,进而实现对海洋事件发生的有效预测,如何准确量化异常模式下多要素之间的相关性,进而实现对海洋时序数据的全面分析,是一个亟待解决的问题。本文提出两种方法来解决上述问题,主要研究如下:（1）基于多视图海洋异常模式发现可视分析方法针对海洋中存在异常特征或模式,提出上述方法。首先计算出多要素数据间的相似性矩阵,通过多维标度法（Multi-Dimensional Scaling,MDS）投影降维,将投影结果通过密度聚类（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）生成时序MDS聚类视图,表达多要素数据的时序特征,用于发现多要素叠加后的异常模式;其次,再基于相似性矩阵计算每个要素熵值,生成与时序MDS聚类视图对应的多要素信息熵视图,表达每个要素在时序上的不确定性,用于确定不同要素对异常模式的贡献度;最后,针对异常模式,提供由对应原始数据投影生成的焦点平行坐标视图,进一步的分析要素之间的相关性强弱和数据内部具体的变化趋势。将本文方法应用于东山台站（23.9N、117.5E）、遮浪台站（22.6N、115.5E）附近海洋数据,发现数据由台风造成的异常模式和要素之间的相关性,证明本文提出的多视图可视分析方法的有效性,方法具备发现多要素时序数据蕴含的异常模式的能力。（2）面向海洋异常模式要素关联关系可视分析方法为准确量化异常模式下多要素之间的相关性,进而实现对海洋时序数据的全面分析,提出上述方法。首先将异常模式对应的原始数据投影到焦点区域平行坐标视图中,计算要素之间符号矩阵;用角度和面积度量多要素之间的差异性,计算两轴之间的任意线段的角度和面积,得到差异性矩阵,通过MDS算法投影至二维平面,将投影结果和符号矩阵结合生成径向图,结合符号矩阵量化数据之间的相关性大小。通过径向图可视化方法,让海洋多要素数据之间的相关性得到量化的表达。