随着计算机信息技术的飞速发展,出现了一种新数据模型——流数据。流数据以连续的、快速的、随时间变化的并且可能是不可预测和无限的流的方式到达。目前,流数据在通信、金融证券和零售业等领域已得到广泛应用。流数据的出现从本质上对适用于静态数据的数据库技术和数据挖掘技术提出了新的挑战。由于流数据是无限、连续到达的大量数据,不可能存储所有的数据,因此,许多传统的数据挖掘算法不适合于流数据的挖掘。本文通过对流数据时序模式挖掘算法和应用的研究,提出了一个在动态股市行情数据上进行股价数据流时序模式依赖挖掘的模型和算法,并以实例对具有模式依赖的股票进行了短期预测,从而,为投资者进行股票交易提供理性指导。本文首先分析了股价数据进行流数据时序模式依赖挖掘的可行性,构建了一个在动态股市行情数据上进行时序模式依赖挖掘的模型,然后,在此基础上进行股价数据流时序模式依赖挖掘算法的设计,提出了基于滑动窗口和概要数据结构的股市行情时序模式依赖挖掘算法,最后,以实例验证了该时序模式依赖算法的有效性,并对有模式依赖的股票进行了短期预测。该算法满足股价数据的挖掘要求,有效适应股价数据的非线性和实时动态变化特征,并能有效进行流数据时序模式依赖挖掘和预测,可以满足用户对股市行情的实时查询和分析需求。