地震前兆观测数据是对地震进行分析和预测的重要依据。但是当前往往是以人工处理为主要手段，面对海量的前兆观测数据，迫切需要切实可行的异常挖掘算法。提出了基于误差和关键点的自顶向下(error and key-point top-down, EKTW)分段算法以及基于时间邻域的局部异常因子(time-neighbourhood local outlier factor, TLOF)分析方法。相比于传统的分段算法在高分辨率下近似效果不佳、对发现短时高频异常会造成一定程度影响的缺陷，EKTW分段算法通过对时间序列中的关键点的识别和保留进行了弥补和加强。而基于时间邻域的局部异常因子（TLOF）则考虑到了地震前兆观测数据中的时间属性，在异常挖掘中以时间邻域对象作为参考来评价离群程度。实验表明，以上算法对发现地震前兆观测数据中的两类典型异常具有较好的效果。
