【摘要】可靠完整的水资源消耗历史时序数据是对其进行准确预测的基本前提。文章在参考现有数据异常值检测与缺失值处理方法的基础上,选取偏最小二乘法提取水资源消耗及社会经济相关指标数据主成分,并绘制其累计贡献度的Q2椭圆图辨识其存在的异常值,利用最小残差回归法对含有实际突变的时序数据进行预测分析,再构建基于粒子群优化的最小二乘支持向量机模型对其缺失数据进行填补。结果表明,通过偏最小二乘测算出主成分累计贡献度及绘制Q2椭圆图方法可借助异常值对整体数据的拉伸效应实现对异常点的检测;基于最小残差回归法对含有水资源消耗突变数据序列的预测要比传统最小二乘回归具有更高的精度;而运用粒子群优化的最小二乘支持向量机可进一步提升数据拟合效果,实现对水资源消耗缺失数据的合理填补。