水质安全对于国家稳定非常重要，潜在的水质污染物事故将造成严重后果。建立水质污染物防范机制和监测系统是对水质事故有效的预警手段。水质异常检测算法作为污染物监测系统的关键组成部分，是准确定位异常发生时点、进行后续事件诊断和定量分析的基础。常见的水质异常检测算法包括统计分析、聚类分类以及人工智能算法等，目前这些时域水质异常检测算法受到水质时序本身非平稳性、指标间可能存在的相关性等特性影响，往往导致异常检测困难、误判率偏高等问题。　　为了进一步挖掘水质指标时序波动特性，结合事件发生过程中时域、频域双重瞬时变化，融合多维水质指标，提高水质事件局部异常的检出能力和信息利用率，本文提出了基于希尔伯特-黄变换及瞬时时频因子的水质异常检测方法，通过理论研究、实验和仿真分析等工作，验证了算法在异常波形提取和提高检测性能方面的有效性，并初步完成了多维指标融合的时频检测方法。　　本文的主要工作和创新点如下:　　1.研究分析了水质指标的多尺度组成特点及波动的非平稳性，选取不同浓度的铁氰化钾和硫酸铁铵溶液进行静态实验研究，分析了污染物浓度变化与常规指标关系，并着重论证了水质指标间的相关性。　　2.提出了基于时域多尺度分解的水质异常检测方法。首先应用经验模态分解(EMD)方法对水质时序进行分解，并对不同指标对应频段使用多维控制图(MCC)进行融合，通过判断观测值统计量与控制限关系，实现水质异常检测。多尺度分解使水质时序中不同组分相互分离，保证各个模态满足MCC的实施前提。该方法可以缓解宏观检测中水质非平稳性对结果的影响，提升异常定位能力;此外，提取敏感频段可以提高异常波形相对噪声和背景变化的信噪比。　　3.研究了水质时序在污染物事件发生时段，时频谱中瞬时幅值和瞬时频率的双重变化特性，提出了基于时频因子的单指标水质异常检测方法。在传统瞬时能量密度级(IE)定义的基础上，通过对各频段瞬时幅值的标准化，以降低IE中低频高幅的影响，提高异常频谱的表征能力。　　4.提出了基于时频因子多指标融合的水质异常检测方法。在基于单指标IE异常检测的基础上，应用多维经验模态分解(MEMD)进行多元指标联合分解，并参考MCC选择马氏距离对多维模态进行融合，并根据标准化IE进行异常检测。本文研究的水质异常时频检测方法已在城市供水水质预警系统中进行了初步应用，算法的有效性得到了验证。通过与传统水质异常检测算法相对比，本文提出方法加强了对异常的表征能力，可以在一定程度上提升检测的准确性并降低误报率。