本文提出了一种新的、完整的时间序列数据厍知识发现方法。该方法是基于Shannon信息理论中的互信息理论、概率统计方法、voronoi图滤波及模糊逻辑等理论上，包含了对时间序列数据库进行知识发现的一般步骤：时间序列数据库构建，清洗和过滤时间序列数据，特征提取，构造互信息网络并提取规则，和模糊方法解决规则冲突并简约规则。知识发现的结果——规则可以用来预测时间序列的未来行为。 论文首先介绍了时间序列数据库与一般数据库的差别及定义，说明时间序列数据库的在用于知识发现的目标：趋势分析，相似性搜索和序列模式挖掘。讨论并分析了专门数据库的不同构建方法，在此基础上，引出如何把现有的数据库重组成时间序列数据库。 接着，文章提出了一种多层次互信息网络，用它来进行知识发现。文章从Shannon信息理论的互信息概念和意义出发，利用事件集的先验熵(独立事件集信息量)和后验熵(条件信息量)之间的差(也就是互信息)来检测输入属性和目标属性之间的关联程度，逐层构造和控制网络的结构，从而推导出输入属性和目标属性之间的关联规则。 在上述基础上，文章叙述了如何利用互信息网络模型对时间序列数据库进行知识发现的系统方法。1)分析用来滤波的移动平滑技术及其缺点，为了克服这些缺点，提出了用voronoi图进行滤波的方法，阐述该方法的进行自适应滤波的优点：2)对于提取特征属性，本文介绍了两种时间序列数据的重要特征属性：趋势段(用于发现事件)和信噪比；3)说明用互信息网络进行时间序列知识发现的详细步骤；4)在结果处理上，用模糊逻辑对互信息网络中提取的规则进行冲突处理和归约，提高结果的可解释性。 我们利用浙江电信时间序列数据进行实验和验证，结果表明基于互信息网络模型的时间序列数据库知识发现是有效的。文章最后指出时间序列知识发现的重要应用意义和进一步发展方向。