随着我国城市化的发展,伴随而来的是大规模的城市建设,建筑垃圾的产量也逐年递增。为了更好地实现建筑垃圾减量化、资源化和无害化的目标,住建部开展了全国建筑垃圾治理试点工作。受住建部委托,项目团队研发了全国建筑垃圾管理平台信息上报系统,以支撑住建部与试点城市之间信息收集和交互。但是,在系统运行过程中,我们发现各试点城市的上报数据质量各异,一定程度上存在不准确、重复、缺失等情况,已影响到住建部试点工作的统计分析。在此背景下,本研究针对试点城市上报的建筑垃圾时空数据开展清洗策略与质量控制方法研究。主要研究内容及结果如下:（1）针对建筑垃圾时空数据的属性特征,构建多约束组合模型,利用TOPPIS算法计算各类数据与清洗模型的匹配度,并据此进行最优清洗模型的选择。（2）针对上报系统中的“脏数据”类型,构建自然语言重复清洗模型、异常数据清洗模型和缺失数据填充模型,实现数据的一致性检查、无效值和缺失值的处理。（1）基于N-Gram算法构建了自然语言重复清洗模型,并与编辑距离算法与Smith—waterman算法进行对比实验。结果表明,在查准率方面,本文提出的清洗模型最低为87.5%,最高为96.1%,相比于其它两种算法的准确率更高;在查全率方面,本文提出的清洗模型查全率最低为87.42%,最高为93.2%,精度远高于其它两种算法。（2）基于拉依达准则构建了异常数据清洗模型,并针对多个试点城市存量排查数据进行异常值检测;分析不同城市异常值出现次数,采用忽略元组法进行异常值排除。（3）基于改进的LSTM清洗算法构建缺失数据填充模型,并与传统的LSTM算法对比实验。结果表明,本文提出的填充模型平均RMSE精度为11.708,传统的LSTM算法为22.653;本文提出的填充模型平均MAPE精度为9.064%,传统的LSTM算法为16.942%,故本文传统的LSTM算法精度更高。（3）为检验各试点城市上报数据的整体质量,构建建筑垃圾数据质量评估模型。依据准确性、唯一性、一致性、完整性等一级指标,采用AHP-熵组合权重法进行指标权重计算,并基于模糊综合评价法对数据等级进行划分,最后设计了相对合理的上报数据处置方案。针对35个试点城市2019年9月上报数据开展了数据质量评估实验,将实验结果与试点城市进行沟通反馈,各试点城市对于本文得出的数据质量等级无异议,证明本模型评估结果较为可靠。（4）为固化数据清洗模型与数据质量评估模型,研发了建筑垃圾上报数据清洗平台,实现了建筑垃圾上报数据清洗和质量评估的自动化。通过本平台,住建部可及时获取上报数据质量信息,向试点城市反馈数据质量分级结果,督促其进行数据整改。系统应用后表明其有效地提高了建筑垃圾上报数据的整体精度。综上,本研究针对建筑垃圾试点城市上报的时空数据,设计了一套数据清洗与质量评估相结合的处置体系和软件系统,实现了清洗模型的精确匹配,问题数据的自动填充,数据质量的科学评估。在敏感词检测,数据预填充等方面提出了改进方法,为上报数据的质量提升提供了可靠保障。实际应用结果表明,该处置体系和软件系统高效可用,有效支撑了建筑垃圾治理试点工作。