时间序列作为一种常见的数据表现形式,广泛存在于现实世界的许多应用领域。人类通过对观测和采集到的时间序列数据加以处理,可以解决决策和预测等诸多方面的问题,尤其对于国民经济宏观控制、气象预报、地震前兆预报等现实应用具有重要意义。由于不确定性数据的普遍存在,当前基于对确定性时间序列数据的存储和管理理论已经无法适用于实际需要。首先,传统时序数据库普遍采用在分布式环境下的列式存储,以这种形式存储不确定时间序列数据会造成存储资源的浪费。其次,相比于精确数据,不确定数据中一个时间点上对应多个数据,使用传统时序数据库存储容易造成数据的混乱。目前,针对不确定时间序列数据的存储少有研究成果发表。本文致力于对不确定时间序列在关系数据库中的存储方法进行研究,试图在克服传统数据库缺陷的基础上,寻找一种简单高效的数据存储方式,实现不确定时间序列数据的有效存储。论文的主要工作包括两点:1.提出一种基于关系数据库的不确定时间序列存储方法。首先,利用传统结构化表示语言对非结构化不确定时间序列进行描述,并分析其存储到关系数据库所带来的问题。其次,通过分析这些问题并结合传统时序数据库的存储特点,提出了针对不确定时序存储框架。然后,为了实现不确定时间序列有效存储,在关系数据库的逻辑层设计存储模型以及在物理层选择最佳数据组织方式。最后设计并开发一个用于存储不确定时间序列的原型系统,并对存储结构进行分析与对比,验证本文提出的存储方法的可行性。2.提出对不确定时间序列存储系统优化的方法。写入效率与查询效率是对于不确定时序存储的重要指标,为了提高存储的写入速率和查询效率,针对不确定时序特点建立了一个双缓存机制,将读写操作分离,并在达到一定操作量时,通过触发提交策略减少系统申请的I/O资源,进而提高写入效率。此外,运用热数据选取策略,将比较热的不确定时序数据放入查询缓存,用以提高查询效率。实验结果表明,相比于未添加缓存机制的存储系统,论文提出的添加缓存机制后的存储原型系统优化方法在写入和查询方面具有更高的效率。