Web数据挖掘就是采用数据挖掘等信息处理技术从Web信息资源及Web使用记录中挖掘对特定用户感兴趣的、有用的信息或知识的过程，其结果可以为用户决策所使用。在企业管理信息化业务系统的建设中，采用Web数据挖掘技术，提升决策支持处理能力，可以发掘潜在的市场或客户群，极大地提升企业的业务质量，准确把握市场未来发展趋势，增强企业的市场竞争力。在企业管理信息化建设中，应用基于Web数据挖掘的决策支持系统，对提升企业决策支持处理能力，以及业务管理质量，准确把握市场未来发展趋势，增强企业的市场竞争力，有较强的学术价值和现实意义。针对现状，本文主要研究了了以下几个方面的工作：首先，对当前几种主要Web数据挖掘技术，包括聚类分析、决策树、神经网络、支持向量机和遗传算法进行了系统的分析研究。结合基于Web数据挖掘的特点，重点分析了最小二乘法以及线性回归方法的原理，将二者进行有效地融合，引出数据挖掘中的分类预测问题，对线性回归预测流程展开了研究。其次，基于上述算法的研究，论文将最小二乘法以及线性回归思想引入系统设计中，通过Java语言设计实现了一个基于Web数据挖掘的决策支持原型系统，在设计中分别对功能结构、系统的物理结构等相关方面进行了分析，给出了决策支持系统中数据挖掘的过程。系统实现了系统管理、数据管理、数据挖掘、辅助分析四大功能模块，能满足基于web数据挖掘的功能需求。论文最后对决策支持原型系统进行了测试，测试目标数据为某货运企业在近些年来对年度货运量与年度工业总产值数据，通过这两类数据来对未来该企业基建投资数据作预测，测试结果表明，该系统具有较强的稳定性，能对相关决策起到支持作用。