本发明涉及基于机器学习的大坝监测数据的异常数值分析、校正方法，包括：通过各类传感器获取大坝各类监测数据；对大坝各类监测数据分别聚类分析，筛选出大坝监测数据中异常的样本数据；判断异常的样本数据是否有效，筛选过滤无效数据；分析异常的样本数据产生的原因并对其分类；对各类异常数据分别修正；构建大坝监测数据的机器学习模型，利用修正前后的数据对其训练；将实时的大坝监测数据作为机器学习模型的输入，利用模型得到大坝监测数据的校正数据。本发明通过综合运用传感器技术、数据分析、机器学习等方法，显著提升了大坝安全管理的智能化和精细化水平，有助于及时发现并处理潜在的安全隐患，保障大坝的长期稳定运行。