统计数据是正确判断与决现的重要依据.统计数据中的所谓"异常数据"是指超乎规的数据.这些异常数据或显示了新的典型、新的模式,或者揭示了统计数据中所隐藏的错误、甚至虚假.异常数据的识别至关重要,它对于建于数据之上的研究与实践具有重大影响.在分析国内外的研究概况的基础上,该是出异常数据识别的关键在于揭示大多数数据所呈现的规律,并以此为依据找出偏离它的异常数据.如何寻找其规律,各种方法的原理和途径不同;该文对异常数据的识别方法进行了研究,探索了某些新的方法.该文阐明,应用线性回归分析的方法识别异常数据,就是检查其中的异常点和强影响点,对它们的检查,主要是建立数据变量间的线性回归方程,计算检验统计量,并辅以图示分析.针对线性回归分析只适用于线性模型数据的局限性,该文进一步采用基于人工神经网络(ANN)的识别异常数据方法.对于无先验知识的数据,其训练样本难以构造,该文提出分组训练,逐步识别异常数据的方法,解决了这一问题.对于庞大的数据系统,用一个线性回归方程或ANN表示其内在联系,可能会不准确.该文采用对样本聚类分析,然后再分别用回归分析或ANN建模的方法,以便更准确识别异常数据;且将聚类分析与基于ANN的方法并用,减少了训练ANN的工作量.最后,对全文作了总结,指出有待于进一步研究的工作.