用户的用水类型是供水企业对用户用水收费的重要标准。用户用水类型标签作为供水企业对用户定价的关键凭证,在用户的用水类型申报、供水企业的运营减负及利润保障上起着极为重要的作用。然而随着供水产业改革以及用户规模扩大,用户用水标签错标、标签无法随用户用水性质自动更新等问题日益加剧。供水企业客户基数大、用户长期流动、变动频繁,同时运营资金投入少、人工维护困难等问题使大数据量下用水用户标签的更新和清洗难以实现,对供水企业造成巨大的成本损失,同时也对用水用户群体带来极大的不便。针对供水企业已有用水用户数据维度单一、用水类型标签人工核验成本高昂等问题,本文从供水企业提供的真实数据出发,结合用户个人信息、历史用水数据、经纬定位信息等,实现了一种基于聚类特征与主动学习的用水用户标签清洗方法CFAL,为供水企业的用户用水类型标签更新、清洗提供决策支持。本文首先采集了江西省上饶市信州区下的用户用水历史数据及用户基本信息数据,并根据国家《用水分类标准》及当地供水企业的三级用水分类对采集的真实用户数据进行分类。其次基于箱线图关键阈值对原始用水数据进行离群点处理,借助数据库对原始数据进行转置,通过特征工程生成用水用户的统计特征模型。然后将用户的地址信息转换为经纬度数据,以用户的经纬坐标为基础生成用户的聚类特征,并使用独热编码（One-hot Coding）的方式将聚类算法的类簇预测标签映射为数值特征,从而构建用水用户的聚类特征。最终基于已经过人工实地标签核验的数据集,对比了随机采样和CFAL对错标样本的筛选能力,并对比了传统主动学习方法和基于聚类特征的主动学习方法CFAL在不同分类器及样本选择策略下的性能。比较得出,基于聚类特征的主动学习方法CFAL可以显著降低用水类型标签人工采样核验的成本,寻找错签样本的能力提高了8.2%,同时对分类模型的Micro F1及Macro F1指标性能最高提升了8.7%和1.8%。