近年来随着国家加大环保治理力度,颁布了新的工业污染物排放标准,对于原油炼化企业催化裂化装置的达标排放提出了更高的要求。大数据时代下,需要切实提升监测手段,结合机器学习方法进一步挖掘和发挥污染源在线监控系统作用,减少或避免环境污染事件及其他重大环境问题的发生。污染排放数据在采样、传输与存储过程中,会受多种因素影响而产生异常值。为避免异常值对后续数据分析与预测的影响,数据清洗是必不可少的重要环节。本文首先分析了国内外数据清洗方法的研究现状,归纳总结了现有的异常数据检测方法和缺失数据修补方法,为后续的研究奠定基础。其次,在异常数据检测阶段,针对催化裂化装置排污数据的特性,提出一种改进的孤立森林算法,该算法结合分裂准则和相对质量方法优化了孤立森林算法的分支步骤,提高了孤立森林模型的准确性,并通过实验对改进算法的性能进行了测试和验证。利用改进算法建立异常数据检测模型,剔除数据中的离群数据。最后,在数据修补阶段,利用神经网络强大的学习和非线性映射能力映射催化裂化排污数据之间的关联性。BP神经网络中,输入为某时刻之前的N个数据点,输出为该时刻数据点,通过学习模型预测输出结果与实际输出结果的损失函数来训练BP神经网络,完成异常检测后期的数据修补工作。本文针对炼化现场通过污染源在线监控系统平台采集到的催化裂化排污数据开展的数据清洗工作。可以有效地改善数据质量,为催化装置外排污染物监控预测体系提供可靠的数据支撑。