随着信息技术的迅猛发展，网络在极大地丰富人们日常生活的同时，也产生了大量的用户上网行为记录数据。因此，如何有效地从海量的用户上网行为记录数据当中，提取出潜在的、隐藏的、有价值的信息，是当前数据挖掘领域研究的一个热点，也是当今信息化时代亟待解决的一个问题。由于网络数据的数据量非常大，且形式多样，结构复杂，若采用传统的关系型数据库如SQL Server、MySQL等，则很难进行准确地分析，而且效率很低。作为关系型数据库的发展，数据仓库技术常用来组织和存储海量网络异构数据。在对数据进行分析的时候，只需要从数据仓库中提取出相应字段的数据，通过构建相应的挖掘分析模型和多维数据立方体，可以很直观很方便地得到相应地统计数据以供进一步挖掘分析。本文以实际开发项目为背景，以从数据堂上采集的Web日志数据集为实验数据，通过利用OLAP联机分析处理的技术构建数据立方体的方法，从不同的维度和粒度对数据集中的数据进行了挖掘分析，成功地挖掘出了网络内用户的上网时长和时段、用户访问的文件类型等上网行为特征。同时，利用ARMA(p, q)时间序列预测算法，以网络内访问电影站点这一上网行为为例，对其建立了预测模型，并对未来半个月内访问电影站点的人数进行了预测。实验结果表明，该模型在步长较小的情况下，对未来较短时期内访问电影站点的人数的预测效果很好，预测值与实际观测值之间的拟合度较高，是一个可靠的用户上网行为预测模型。通过对用户上网行为的分析和预测，从而为网络的管理、维护和优化提供了决策支持和科学依据。