1.国内研究现状
1.1关于时间序列数据挖掘的研究
时间序列顾名思义就是按照时间顺序的一组数字序列。我们通过对一个区域或者一段时间内的监控和观测，在所选时间段内提取相关数据进行分析从而解读其变化过程与发展方向。时间序列在很多学科中发挥着重要作用，最早可以追溯到7000年前古埃及人对尼罗河涨落情况的记录。但由于当时科学环境和条件的限制，人们对这些重要数据进行分析时，只是依赖于对于数据直观的比较或者通过最简单的测绘观察。虽然这样的方法较为简单可操作，但是它的误差太多，有较多的主观因素可以左右其结果，导致结果的偏差较多不能够满足科学调研的要求。在这样的背景下，时间序列得到了空前的发展，在相应的条件下时间序列分支衍生出来比如差分，指数平滑，百分数偏差等等。
赵伊婷（2018）指出随着信息技术的发展, 互联网逐渐普及, 以天猫、京东等为首的电商开始渗透到我们的生活中。于是商店之间的竞争也日趋激烈, 如何为客户提供更加及时便利的服务, 抢占先机成为各大商店极为重视的问题。而信息技术普及的同时产生了大量的数据, 数据挖掘就是利用统计学、数据库、人工智能等一系列学科的相关技术进行大数据处理。基于此, 主要以对数据挖掘进行销量预测为目的, 选用时间序列模型, 多方面预测商店商品销量并构建模型。在此研究下我们电子商务的数据处理可以得到更加快速的方式方法。王培屹（2018）在研究中发现随着信息技术的快速发展,时间序列的数据量增长速度也逐步加快。与此同时,数据挖掘技术在时间序列数据库中的应用也越来越普遍。通过将把相同长度和不同长度的时间序列作为对象进行深入的研究,探讨各种表示方法的内涵与特征,使这些表示方法更加完善以及更好地应用于时间序列数据的挖掘工作中,从而能够更加方便有效地获取有价值的信息。 同时由于时间序列数据能够随着时间而变化，它的产生过程极易受环境的影响，而且会伴随一定的噪声。由于数据极为繁杂，研究的难度很大，然而其中蕴含着有非常价值的信息，这类信息对于社会实践具有重要的意义。时间序列数据相较于普通数据而言，它是高维的，在实践过程中，针对时间序列数据，通常都必须对其进行降维，具体方法有两种：其一是进行全局特征分解；其二是局部特征提取。时间序列相似性度量的作用是挖掘时间序列据中存在的有价值的信息，使其更好地应用于社会生产实践。李忠武（2016）通过把时间序列分解为趋势成分、季节成分、随机成分的例子,演示如何在R中建立自回归综合移动平均(ARIMA)模型,并使用ARIMA模型预测未来值。然后介绍动态时间规整(DTW),以及基于欧式距离和DTW距离的层次类聚,同时用三个时间序列分类例子举例说明时间序列的数据挖掘。 通过相应的计算机语言对大量数据进行处理，并对未来进行预测这是一种十分高效的分析方法。在林意、孔斌强（2015）的研究中我们了解到通过用固定分段数的表示方法不仅较好地保留时间序列的全局特征,而且拟合后的时间序列和原时间序列之间的拟合误差更小。
1.2关于时间序列分析法的研究
陈启平、王彬（2018）在北京测绘中指出通过用BP神经网络对时间序列对时间序列模型的预报残差进行分析,体现了BP时间序列误差自适应补偿的优势,使其预报结果的稳定性更高。他们的这种方法优化了传统的时间序列模型的区域预报精度较低的不足，使得测绘工作更加精确。燕超源、李斌、顾新桥、夏琨、李强（2018）发现现有的MCMC算法对马尔可夫链的搜索效率不高和运算时间过长，他们通过基于Bayes计算的MCMC方法来对ATGH模型进行估计,以Gibbs抽样算法作为内核,提出新的MCGS算法,对数据建模后的参数进行迭代运算,分段对链的最小距离进行计算,并且取其最小值，并与其他模型所得数据相比较证明了ATGH模型的优越性。张春露、白艳萍（2018）在对铁路客座率的研究中，通过将ARIMA时间序列模型和BP神经网络进行组合使用，并且与单一模型预测进行比较后发现组合预测模型的精度较单一模型预测的精度要高出不少。因此在我们研究中为了提高预测的精确度可以使用组合模型。仇红剑、李宝树、林华德（2018）在对行业用电市场的调研发现，通过使用稀疏自回归时间序列的方法, 能够进行科学合理地预测行业用电情况。
2.国外研究现状
2.1关于时间序列数据挖掘的研究
数据挖掘和知识发现是随着人工智能、数据库和机器学习的发展而兴起的。KDD一词首选出现在年月在美国底特律召开的第届国际人工智能联合会议的专题讨论会上。随后在年、年和年都举行专题讨论会,汇集来自各个领域的研究人员和应用开发者,集中讨论数据统计、海量数据分析算法、知识表示、知识运用等问题。随着参与人员的不断增多,国际会议发展成为年会。年在美国纽约举行的第四届知识发现与数据挖掘国际学术会议不仅进行了学术讨论,并且有多家软件公司展示了他们的数据挖掘软件产品,不少软件己在北美、欧洲等国得到应用。在国内,宝钢是为数不多的被报导采用数据挖掘技术的厂商之一。宝钢的BGMiner1.0(宝钢数据挖掘系统第一个版本)已经成功地应用于宝钢配矿优化。在97至98年间,BGMiner1.0为宝钢降低成本达6000万元。BGMiner2.0也已投入使用,并成功地发现一些可为技术人员利用的规律。Imielinski和Mannila在年提出了第二代数据挖掘de概念。Virmani在98年实现了第一个第二代数据挖掘系统。Grossman在98年提出了四代数据挖掘系统的概念。Hongjun Luo在PAKDD上进一步提出数据挖掘系统与数据库管理系统集成的趋势。Jiawei Han在2001年提出数据挖掘与应用结合开发纵向的数据挖掘系统的发展方向。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
