随着世界经济全球化,尤其是现代物流的发展,港口对周围地区和腹地产生巨大的辐射作用,港口逐渐成为现代综合物流中心。但是,由于港口之间的竞争不断加剧,港口企业和客户对所提供数据的内容和质量要求也越来越高。业务量的急剧增长使港口企业很难凭感觉分析和发现数据中隐含的有用规律,无法准确及时地获取决策支持信息。因此,有必要采用有效的分析工具和挖掘方法从繁杂分散数据源抽取有价值的关联关系为港口企业的科学的决策提供数据和理论支持。本文构建港口煤炭生产数据的OLAP分析平台,主要工作如下。首先,提出基于时间序列指数平滑模型的港口煤炭业务预测算法。该算法使用时间序列指数平滑预测方法对数据进行预处理,采用上期实际数和预测值,用指数加权的方法进行预测,经过ETL过程进一步清洗数据,转换装载到数据仓库中,使数据适合OLAP分析技术的应用要求,并实现对港口煤炭吞吐量的预测。其次,提出港口煤炭业务设备维修的关联规则挖掘算法。该算法针对煤炭业务设备维修业务的不同维度进行频繁模式挖掘,以及时准确预测设备发生故障的时间。通过挖掘港口生产业务中各个数据字段之间的关系,得出隐藏在数据背后的强关联关系,为港口的日常决策提供理论服务。最后,将OLAP分析方法应用到煤炭生产业务主题中的各个方面,用于处理港口煤炭主题数据仓库中的庞杂数据。结合数据预处理技术和关联规则挖掘方法,实现港口OLAP系统的设计及生产数据的智能分析。本文中各算法均采用Java语言编写程序,实验结果证明了算法在港口业务数据分析中的有效性。