本文从时间序列的数据挖掘角度出发,着重探讨了从时间序列数据中发掘有价值信息的算法及实现技术,其研究内容包括相似性查询、趋势分析、周期性分析、挖掘时段模式等多方面。水文数据库中存在大量时间序列数据,发现水文时间序列中蕴藏的规律,有利于掌握水文数据变化规律和趋势,在水资源管理和水文预报方面有重要的现实意义。本文结合时间序列数据挖掘知识,重点使用时间序列多尺度分析、时间序列的线性回归模型和时间序列曲线的相似性匹配,对阿克苏河径流的时间序列过程进行分析。主要研究工作包括:(1)利用Morlet小波变换对阿克苏河沙里桂兰克站的径流量过程进行多时间尺度变化特性分析,得到该站年、日径流量的Morlet小波变换系数模平方的时频分布图,Morlet小波变换系数实部的时频分布图,小波方差图,找到主周期、次主周期,得到主周期、次主周期下的Morlet小波实部变化过程线。探索在资料缺乏的干旱区,如何充分利用各类实测资料(包括调查和遥感信息),研究降水规律,以及山区冰雪累积和消融规律,建立和完善第二章提出的多元线性回归模型。(2)根据沙里桂兰克站和协合拉站与西大桥(合成)站逐日流量的紧密关系,建立好三个站之间的多元线性回归模型,以西大桥站和阿拉尔站逐日流量建立回归模型,并得到两个线性回归模型的率定期和验证期的R~2。(3)提出一种新的时间序列预测方法,即通过拐点识别,构造子过程,对子过程分类,在此基础上,用子过程匹配做第一次匹配,用动态时间弯曲方法做第二次匹配,最后达到预测的目的。分别以1958.1.1-1992.5.31……1958.1.1-1992.8.30新疆沙里桂兰克站连续日径流量数据建立模式库,分别预测1992.6.1……1992.8.31的日径流量。