由于生产工艺、技术及设备的日趋复杂化，经典控制理论中依据物理化学机理建立精确数学模型对生产过程进行控制的传统方法已变得越来越困难。在此背景下，数据驱动思想得到快速发展，然而采集于生产过程中的监测数据往往存在含有缺失值、异常值等数据质量问题，如果直接利用这些未经处理的数据进行数据驱动作预测或决策，所建模型的准确性会受到极大影响，甚至产生错误的分析结果。因此，在数据驱动建模前必须对数据进行预处理。本文首先对数据驱动以及数据预处理的发展进行了回顾和总结，介绍了数据驱动建模的相关理论知识，对数据预处理的基本任务和相应的主要方法作了详细阐述。然后，本文对缺失值填补问题进行了重点研究。在总结分析现有主要填补方法的基础上，针对工业过程监测数据的实际特点，提出了一种基于遗传优化的自适应填补算法，并成功运用于电站锅炉监测数据的缺失值填补，对于不同工况下产生的缺失值以及在缺失率较高的情况下，该算法都具有较为理想的准确率与稳定性。之后，着重研究了异常值检测问题。在比较学习异常值检测主要算法优缺点的基础上，给出一种基于全局距离和的异常值检测算法，不仅消除了经典的基于距离的异常值检测算法对参数设置的敏感性，而且降低了数据分布不均对检测算法的影响，同时量化了异常值的异常程度。在电站锅炉监测数据上仿真分析，结果表明该算法具有较高查全率和较低误报率。最后，分别利用未经预处理和经本文所提算法预处理的数据建立基于最小二乘支持向量机的电站锅炉烟气含氧量软测量模型，通过对比所建模型的准确度，表明本文所提的基于遗传优化的自适应缺失值填补算法和基于全局距离和的异常值检测算法等数据预处理算法有效改善了数据质量，为监控电站锅炉的运行、提高其燃烧效率及降低污染排放奠定了坚实的数据基础。