位置预测技术是移动计算领域的一个关键技术，基于用户移动模式的位置预测方法具有高效灵活、简单易行、不受硬件条件限制等优点，得到了广泛关注和研究。本文针对移动环境下的位置预测，主要研究序列频繁模式挖掘和模式匹配算法，以有效减少频繁模式挖掘的计算复杂度、提高频繁模式与用户当前序列的匹配准确性。主要研究内容包括：(1)针对蜂窝移动位置更新序列的频繁模式挖掘，提出一种基于GSP算法的改进频繁模式挖掘算法。该算法通过位置映射和序列合并的方法减少GSP算法每次迭代的初始结果集，来降低GSP算法的计算复杂度以克服GSP算法在挖掘大规模短频繁模式时的性能瓶颈。以浙江联合网络通信集团有限公司的信令数据信息为实验数据，通过与Apriori类算法和基于投影技术的PrefixSpan算法的对比实验，表明改进后的GSP算法具有较高的计算效率。(2)针对蜂窝移动位置预测，研究提出一种基于置信度和相似度的匹配度模型，该模型通过匹配频繁模式与用户当前移动序列以有效确定最能反映用户当前移动行为的频繁移动模式。目前的移动模式匹配算法通常只考虑置信度，而没有考虑移动模式与当前移动序列的匹配度，针对这个问题，该匹配度模型首先通过序列挖掘找出频繁移动模式；然后计算移动模式和当前移动序列的编辑距离得到它们的相似度，并结合置信度得出移动模式的匹配度；最后将该模型应用于基于用户移动模式的位置预测来验证该匹配度模型的有效性及准确度。实验结果表明该模型有效提高了位置预测的准确度。(3)在匹配度模型基础上，引入序列层次树，提出一种优化的匹配度计算方法。该方法首先根据移动序列的层次性特征，对移动模式建立层次模型，然后利用匹配度模型计算出各层次的序列匹配度，最后综合各层匹配度加权计算来确定移动模式的匹配度。该方法在匹配度模型的基础上进一步提高了序列模式匹配的准确性。最后，基于上述研究成果实现了移动用户出行规律分析系统，并以绍兴新昌县内的联通3G基站的用户位置更新信息为数据源，针对用户出行规律进行了分析和预测。通过实际案例的应用，对算法的有效性进行了验证，结果表明本文研究成果对户外广告的投放、交通管理等方面具有一定的参考价值。