摘要：提高工業取用水監測數據質量是目前國家水資源監控能力建設的重要內容,而奇異值問題已成為影響監測數據質量的關鍵短板。本文在解析現階段工業取用水監測數據奇異值主要類型基礎上,以國家水資源管理系統數據庫中工業取用水監測數據為樣本,利用小波變換模極大值模型提取工業取用水監測數據時頻變化特征,并利用傅里葉函數對其殘差序列進行修正,進而運用相對誤差控制方法挖掘監測數據奇異值。在此基礎上,采用混沌粒子群優化的最小二乘支持向量機模型重構填補奇異值數據。研究結果表明:小波變換模極大值模型能夠較好地提取工業取用水監測數據序列的時頻變化特征,但是同時容易導致監測數據的信息損失,利用傅里葉函數對小波變換進行殘差修正則可進一步提升取用水監測數據序列的特征提取效果;以小波變換模極大值特征序列為基礎,通過相對誤差控制可實現對監測數據奇異值的高效挖掘;對于挖掘出的奇異值重構填補問題,可選取混沌粒子群優化的最小二乘支持向量機模型,其重構精度要優于多項式曲線擬合等傳統統計學方法和普通最小二乘支持向量機模型。上述工業取用水監測數據奇異值挖掘重構策略為現階段國家水資源監控能力建設的推進提供了重要技術方法支持。