近年来,信息技术高速发展,数据采集和存储技术不断进步,国防科技化、现代化步伐不断加快,并且随着“智慧军工”概念的提出,对于军工领域信息化建设的要求也越来越高。各国对于军事的投入带来了军工领域的蓬勃发展,同时该领域也积累了大量结构复杂的数据。因此如何从海量数据中快速、有效地提取有价值的信息成为了近年来该领域的研究热点。而数据挖掘就是提出潜在有价值信息的有效技术。随着挖掘异常数据的工作越来越重要,异常数据挖掘任务越来越受到广泛关注。军工领域自身特点使得数据明显带有时序特点。时间序列异常检测作为异常数据挖掘方向中的难点和重点方向成为近年研究热点。本文从数据挖掘的角度出发,通过对测控目标运行数据进行深入分析,识别数据异常并分析其产生原因,来研究军工领域测控目标运行质量评价问题。首先,我们通过分析测控目标运行数据,利用测控目标运行数据间存在的时序关系,得到多维运行时序关系曲线。接着,通过大量调查和分析时序关系曲线,确定观测设备异常表征和测控目标运行异常表征,分析其中的相同点和不同点,并以此构建测控目标运行数据模型。通过该模型,我们识别出正常数据和异常数据,同时,我们区分了异常产生原因进行,分析其是观测设备导致异常还是测控目标运行导致的异常。最后,基于测控目标运行数据模型,我们提出一种测控目标运行质量评价算法。该算法基于决策树模型,从粗粒度级和细粒度级两个方面对测控目标运行质量进行评价,同时我们设计了一系列评价指标来完善该评价体系,为军工领域测控目标运行质量评价提供参考意见。我们在某军工单位提供的真实数据集上进行了一系列实验,证明本文提出的数据模型能够快速而且准确地识别异常值,较好地描述观测设备导致异常的特征和测控目标运行异常的特征,并进行区分。同时,实验还表明,本文提出的测控目标运行质量评价算法与现实中专家对测控目标运行质量的评估基本一致,并且算法的评估时间要明显少于专家评估所需时间。本文从异常检测的角度出发,建立测控目标运行数据模型,提出测控目标运行质量评价算法,很好地解决了测控目标运行质量评价单纯依靠专家经验的问题,使评价自动化实现成为可能。