提高数据的完备与真实性是水资源监控能力建设的关键。针对国家水资源监控能力建设项目实施以来其监测数据呈现出的异常特征,按照"先粗筛后精选"逻辑,并考虑取用水季节性周期波动的特点,提出采用拉依达准则-模态分解-傅里叶残差修正的水监测数据异常值识别方法,并根据粒子群优化最小二乘支持向量机模型实现对异常数据的重构恢复。通过对企业取用水数据的实例分析,结果表明分段式拉依达准则在其监测异常数据的粗筛中具有较好的适用性,利用傅里叶修正集合模态分解的监测数据序列可取得更佳的拟合效果,从而达到异常数据精选的目的;而粒子群优化最小二乘支持向量机模型对异常数据重构恢复的可信度高于普通最小二乘支持向量机及传统曲线拟合数据重构方法,即该类取用水监测异常数据重构方法可有助于进一步推进其监测数据对实际水资源状态的客观反映。