随机序列的统计监测问题一直是统计学领域的研究的一个热门课题，目前它不仅在工业质量控制领域中有广泛的应用，而且在金融，社会科学，生物技术，计算机网络等领域也有大量的应用.随着数据采集技术及处理能力的进步，我们所面临的数据集具有更高的复杂性，例如金融市场中的金融数据所表现出的非正态分布特性，以及在网络环境下数据流的高维度，强相关等特性.因而现在的统计监测的研究趋势需要与时俱进地适应这些发展和变化，更好地利用现代的科技资源处理复杂数据问题.本论文正是在这样的背景下，在一些重要的问题上做一些研究工作.　　在本文的第一章中，我们对随机序列的统计监测的发展现状进行概述，对于网络及网络一致性，动态网络结构的监测的发展也做了相应的阐述.　　第二章我们讨论了稳定分布随机变量序列的统计监测问题，对于稳定分布多个参数同时变化提出了基于参数的多重控制图，并通过研究稳定分布参数的无偏估计来建立控制图，从而解决了稳定分布由于概率密度函数的解析式不存在而导致的传统的基于对数似然的控制图无法实施的问题.　　第三章中我们提出一个控制线随着样本观测值所反映的“变化的大小”而改变的控制图，充分利用过去的观测值所反映的概率分布的变化趋势，通过一个单调递减的函数来调控在不同变化趋势下的控制线.这样做的好处在于增加了控制图对数据的敏感性，从而可以获得更短的报警时间.特别的在大样本理论框架下，我们建立了变控制线与ARL关系式.　　第四章中我们讨论了当变点后状态转移概率未知的有限状态Markov链的统计监测问题，通过推广CUSUM控制图提出并研究了两类统计监测算法.并且从理论上给出了关于ARL的界渐进估计值.最后将Markov链的统计监测方法应用于金融网络的结构变化的监测上.　　在第五章中我们讨论了随机网络的一致性模型，提出了一类新的考虑到节点间间接影响的网络一致性模型，并且从理论上证明了模型达到一致的收敛性.在此基础上，我们给出了两类基于一致性的随机网络的结构变化的统计监测方法，并通过仿真的方法对提出的方法进行了研究.