水质安全问题事关民生,在全球范围内都受到了高度的重视。水质污染异常事件往往发生突然,而且易于在短时间内带给人们巨大危害。因此,准确、快速地检测出水体中潜在的水质异常,实现及早预警是保障民生的前提,也是当前大家共同关注的重大课题。由于供水管网中的水质异常发生时会在水质指标时间序列上有所反映,为此本文主要基于小波分解和经验模态分解方法,在时域和频域上对水质时间序列进行分析,提取出水质异常发生时水质指标时间序列在时频域上的特征,采用阈值法、能量谱分析法等进行特征判别,从而实现更为有效的水质异常检测。本文的主要研究工作和成果如下：(1)针对水质时间序列中所隐含的不同时频特性,引入并研究了基于小波分析的水质监测数据预处理和阈值超标异常检测方法,进行了水质单指标和多常规指标融合的异常事件判断,并用受试者工作特征曲线(ROC)对其检测效果进行评估。论文首先通过小波变换对水质信号中存在的离群点与基线漂移等进行预处理,然后利用小波包分析方法分解水质单指标和多指标时间序列,再根据各频段上水质信号的强度分布进行信号异常与否的判断。此后,论文利用美国国家环保署Canary软件模拟的管网水质数据,进行了单指标和多指标异常检测仿真分析,以验证该方法对水质异常检测的有效性。(2)为了充分利用水质信号在不同频段上体现出的能量特征,在进行水质数据小波分析预处理的基础上,研究了基于小波包能量谱(能量特征向量)的水质时间序列分析方法。论文将水质监测数据和背景数据(正常数据)在不同时频段内的能量谱进行比较,以统计分布标准差大小为判断准则来综合判断水质波动是否隐含异常事件。论文利用多指标水质数据对算法准确率等性能进行了讨论。(3)针对水质信号常常表现出的周期性特征,研究了面向周期性水质波动和异常的分析和检测方法。论文首先研究了基于傅里叶频谱分析的水质监测数据周期性波动判定方法,利用基于经验模态分解的水质信号周期性分量提取和周期模式判断技术,以统计分布标准差大小为判断准则,实现了周期模式的匹配与判断。最后采用水质时间序列数据,展开了水质周期性波动异常事件检测实验,并与时间序列递增、线性滤波等算法的检测结果进行了对比分析。论文工作分别从水质时间序列不同时频段特征分析、不同时频段能量谱分析以及不同时域周期性特征分析的视角,研究了相应的水质异常检测方法,并进行了验证实验,为各型水质异常波动的有效检出提供了技术积累。