围绕城市污水处理过程数据存在连续噪声和缺失的问题,提出一种基于动态融合局部异常因子(dynamic　fusion　local　outlier　factor,　DFLOF)的污水处理过程数据清洗方法.首先,设计一种基于滑动窗口的数据动态分段方法,通过计算每个子段数据的均值、最大值和峰值区间信息获得数据异常属性值;其次,建立一种基于DFLOF的数据可信度评价模型,利用基于动态融合局部异常因子算法评估数据的可信度,保证异常数据检测和剔除的准确率;最后,提出一种基于径向基函数(radial　basis　function,　RBF)神经网络的数据补偿方法对缺失数据进行补偿,实现污水处理过程数据的清洗.将...