Para detectar valores atípicos en datos de series temporales de temperatura y mejorar la calidad de los datos y la calidad de la toma de decisiones relacionadas con el diseño y la operación, propusimos un algoritmo basado en la predicción con ventana deslizante. En primer lugar, las series temporales se segmentan en función de la ventana deslizante. Luego, se establece el modelo de predicción basado en los datos históricos para predecir el valor futuro. Si la diferencia entre un valor predicho y un valor medido es mayor que el valor umbral preestablecido, se juzgará que el punto de la secuencia es un valor atípico y se corregirá. En este artículo, se discuten la ventana deslizante y la configuración de parámetros del algoritmo, y se verifica el algoritmo en datos reales. Este método no necesita clasificar previamente los puntos anómalos, es rápido y puede manejar datos a gran escala. Los resultados experimentales muestran que el algoritmo propuesto no solo puede detectar eficazmente valores atípicos en la serie temporal de datos meteorológicos, sino que también mejora notablemente la eficiencia de corrección.