随着社会经济的发展，环境监测行业已经进入大数据时代。要想在环境监测管理的过程中应用大数据，首先就要对环境监测的数据特点进行分析与研究。由于区域的环境监测系统具有一定的稳定性、连续性以及分布性，其具体的空气环境质量会受到地形、气候条件以及污染源热分布等影响，因此在审核环境监测数据的过程中，要利用当地的环境数据来建立科学的智能分析系统，充分挖掘数据间的规律，并进行智能审核，最终得到准确度较高的审核结果。在智能审核的过程中，人们应该做到以下几点。

1.自动剔除可预知异常数据

由于环境监测设备在日常的重启、校准、停电以及维护的各个环节中会经常出现数据异常的情况，预设相关条件能够辅助系统进行自动剔除。

2.若出现数据异常的现象就要及时反应

通过对获取到的环境监测数据进行分析，人们可以准确地预设出异常数据出现的根本原因。在数据异常的情况下，环境监测系统就可以把预设原因、图形以及提醒方式立刻传送给相关环境监测人员，这不仅可以让环境监测人员简单明了地掌握数据异常的原因，也有助于及时解决故障。如果出现连续3个以上相同的PM2.5监测数据，就代表要对纸袋进行检查，若PM2.5与PM10出现倒挂情况就要立刻维修加热系统。

3.合理挖掘与应用气象因素

天气系统能够在一定程度上影响到环境监测数据的正确性，因此有必要将气象因素引入审核智能化系统的建设过程中。例如，在静稳天气下，系统控制的临近监测站点，PM2.5数据十分相近；在风速比较小的情况下，城市下风向监测点的污染情况会加重；在风速比较大的情况下，同一监测站点的PM10可能会上升，PM2.5可能会下降。因此，气象条件的记录有利于提高异常监测数据的判断准确率，并促进人们及时做出正确处理。

3.合理利用相关性对异常数据进行判别

根据整个区域内不同监测站点的同一监测因子之间、同一监测站点不同监测时间以及监测因子之间的相关性进行分析，环境监测人员可以根据当地的地形特征以及污染源来整合环境监测数据的相关性。在审核期间出现关联特性变化与离群数据时，就要再次分析与判断异常数据。