几十年来,随着中国的经济飞速发展,桥梁的建造数量越来越大,但桥梁的坍塌事件也是时有发生,因此对桥梁的安全极为重视,桥梁健康监测系统也应运而生,并已成为国内外学者的研究热点。桥梁健康监测系统通过安装的传感器获取桥梁的各种状态,并据此进行安全评估,因此传感器数据的正确性是监测系统的基础和关键。为此需要对传感器数据的可信度进行评价,检测并剔除异常数据,以及对剔除数据进行插补。虽然桥梁健康监测技术经过多年的发展取得了较大的进展,监测数据的采集、存储技术也日臻完善。但现有的数据可信度评估的研究还不多,而目前针对桥梁健康监测数据异常检测方法也存在着一些问题,数据插补技术还需要做针对性改进。同时监测数据中还有很多隐含待挖掘的信息,时间序列分析和数据挖掘技术已经成功应用在这上面,但还存在一些问题需要进一步研究。本文研究了桥梁健康监测数据的预处理和分析,主要针对数据可信度评估、数据插补技术、监测数据的时间序列分析。对于数据的可信度评估,提出了基于灰色关联度分析的传感器数据可信度评估方法,并用灰色关联度分析定位不可信数据的时间段,为桥梁结构预警提供依据。针对监测数据的异常值,采用基于统计特征的方法对异常值进行剔除。为了对剔除异常值的数据进行插补,提出了基于灰色关联度分析的预测模型与时间序列ARMA模型预测的结合方案。长期的桥梁监测数据的趋势反映了桥梁的健康状况的变化趋势,本文以多种时间角度的对监测数据的整体发展趋势进行了观察分析,并利用ARMA模型对其建立了最佳的拟合模型,利用此模型对桥梁进行预警。并利用此预测模型结合基于关联度分析的预测模型对异常值做了预测分析实验,表明基于灰色关联度分析的预测模型与时间序列ARMA模型结合的预测方法的预测效果比单独ARMA模型预测效果好。本文的主要创新点是把灰色关联度理论应用于数据的预测上,并把这种预测方法与时间序列模型预测结合起来,消除了时间序列模型预测的误差。最后通过实验验证了论文所提出的数据处理和分析方法,结果符合预期要求,并且已成功应用于多座桥梁监测系统中。