随着信息化技术不断提高，时序数据规模呈指数级增长，为时间序列异常检测算法发展提供了契机和挑战，也使其逐步成为数据分析领域新增的研究热点。然而，这一方面的研究仍处于初步阶段，研究工作的系统性不强。为此，通过整理和分析国内外文献，将多维时间序列异常检测的研究内容按照逻辑顺序分为“维数约简”“时间序列模式表示”和“异常模式发现”三个方面，并对其主流算法进行梳理和归纳，以全面展现当前异常检测的研究现状和特点。在此基础上，还指出了多维时间序列异常检测算法的研究难点和研究趋势，以期对相关理论和应用研究提供有益的参考。

针对运维大数据维度高、形式多样化和变化迅速等特性，为提高数据融合效率以及平台的数据统计和决策分析性能，降低抽取-转换-加载（ETL）执行时间开销和数据中心负担，面向智慧管养需求提出一种多层次任务调度（MTS）ETL框架（MTS-ETL）。首先，将数据仓库分为数据临时区、数据仓储区、数据分类区和数据分析区，并根据所分区域将完整的ETL过程划分为4个层次的ETL任务调度环节，同时设计了多频率ETL运行调度以及顺序和非顺序两种ETL工作模式；接着，基于MTS-ETL框架的非顺序工作模式进行数据融合的概念建模、逻辑建模和物理建模；最后，利用Pentaho Data Integration设计ETL转换模块和工作模块以实现数据融合方法。在交通流量数据融合实验中，该方法融合136754条数据的时间仅为28.4s；在千量级的数据融合实验中比传统ETL方法的总平均执行时间降低了6.51%；报表分析结果表明其在融合400万条数据时依然能保证ETL过程的可靠性。所提方法能够有效融合运维大数据，提高平台统计分析性能，并维持ETL执行时间开销在较低水平。

针对免疫克隆选择优化算法晚期收敛速度慢的不足，通过引入搜索空间自适应缩放的思想，提出一种新的空间自适应免疫克隆选择优化算法(SAIS)。算法利用不完全演化搜索优化解的分布特性，以精英个体为中心收缩搜索空间，并采用空间扩张机制帮助算法跳出局部最优。通过对高维基准测试函数实验表明，SAIS能显著提高收敛速度和优化解的质量。

针对非线性、不确定复杂系统控制困难的问题，借鉴生物免疫系统面临不确定的外来抗原呈现出的超强识别能力，模拟后天免疫中主要对象间的关系模型，提出了一种基于免疫系统的多模型控制新算法IMMC。通过计算机仿真实验，显示出算法在系统发生突变时具有良好的适应性能，并在双圆盾构法隧道施工对地面沉降控制中，取得了良好的效果，说明算法具有很强的推广应用价值。