监测数据的质量对预警模型的准确性有较大影响，为识别由于环境干扰等因素导致的土石坝渗流数据粗差，提出了一种基于多层传感机(MLP)、长短期记忆神经网络(LSTM)和水位滞后效应(WLLE)的土石坝渗流历史数据治理算法。该算法利用渗流数据滞后于库水位数据的特点，通过滞后影响效应函数计算滞后时间，利用LSTM-MLP模拟库水位数据与渗流数据的关系式，通过比对监测数据与模拟数据进而治理渗流数据。以新疆某土石坝为例，对WLEM(Water Level Lagging Effect and MLP-LSTM)算法与传统算法在土石坝渗流历史数据治理中的性能进行了对比验证。结果表明，该算法在查准率、查全率、平均绝对误差、归一化平均绝对百分比误差等重要指标上相较于传统算法均提升20%以上，为土石坝历史渗流数据治理提供了新思路。