随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力大幅度提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了广泛的关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数据挖掘已成为当前研究的焦点之一。本文在综述国内外数据挖掘研究发展概况后，对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规则发现等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下：1．对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量，即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一个新的优化技术：忽略重叠优化。2．对时序模式挖掘算法进行了研究。由于闭序列有着良好的性质，故本文利用闭序列的特性，提出了一种更好的优化算法。该方法避免了候选项的生成，提高了挖掘效率。3．研究了在大型数据库中进行增量挖掘的问题，我们提出了一个新的InCloSpan闭序列增量挖掘算法。4．利用新得到的闭序列模式挖掘算法，讨论了寻找基于时间段的时序规则的问题。利用得到的时序规则，可以对数据库的数据进行预测分析。