时间序列是一组按时间顺序排列的数据集合,它广泛存在于商业、交通、工业等各个行业,对时间序列数据进行分析,可以揭示事物运动、变化和发展的内在规律,对于人们正确认识事物并据此作出科学的决策具有重要的现实意义。本文的具体研究背景为热轧控制。在轧制过程中很多异常情况大多由多个原因引起,原因之间存在着相互关联的关系。针对此,本文提出了一个多时间序列上的挖掘框架。框架首先采用模式表示的方法将数据进行压缩,在压缩后的数据上进行异常检测。然后在检测到的异常模式基础上进行挖掘,从中发现一些对企业决策有决定性或者指导性的信息。框架中模式表示部分,通过借鉴数字图像研究领域中边缘算子的基本思想,将边缘算子与时间序列的特点结合起来,得到了时间序列的一种分段线性表示。框架中异常检测部分,在TOD异常模式发现算法的基础上加入了滑动窗口的思想,以进行局部异常的检测。在序列模式挖掘中,本框架采用一种基于PrefixSpan序列模式挖掘的改进算法(PSD算法),通过删除非频繁项以及判断投影序列数与最小支持数的关系,减少不必要的存储空间,提高查询速度。本框架的多时间序列上的挖掘,采用了非同步多时间序列中频繁模式的发现算法。针对上述算法的实验证明了各个算法的可行性和有效性。实验证明,本框架较好地完成了钢轧制过程中的异常模式发现,以及多种因素间相互影响关系的挖掘,可以为企业提高钢产品质量,控制钢生产数量起到指导作用。