本文从时间序列分析的角度结合数据挖掘技术在海量数据处理中的优势,将时间序列模型与数据挖掘技术相结合,提出了"ARIMA-Bernstein"组合预测模型,在原油价格预测的算法改进上进行了一些有意义的尝试。首先,本文介绍了影响原油价格的因素、石油价格在工业和经济方面对国家的影响、各国在石油价格预测研究中的发展现状,以及预测中常用的一些理论和方法。本文较详细的推导了从自回归模型(AR模型)、移动平均模型(MA模型)到自回归移动平均模型(ARMA模型)再到求和自回归移动平均模型(ARIMA模型)的演变过程,为新模型的建立奠定了理论基础；其次,本文针对原油价格数据的特点,引入了数据挖掘技术中的Bernstein基函数的理论对石油价格进行了预测。通过对ARIMA模型和Bernstein基函数模型两种预测方法进行比较发现,虽然Bernstein基函数拟合方法在预测效果上好于ARIMA预测模型的预测效果,但是这些预测结果与真实值之间仍然存在着很大的差异,为此考虑将两种预测方法结合起来,利用Bernstein基函数拟合的方法对ARIMA模型预测后的残差值进行拟合,再根据平行四边形法则对残差结果进行预测,将两次预测结果叠加构成联合函数,得到最后的预测结果。实例结果证明联合函数的预测结果更接近真实值。本文将时间序列方法与数据挖掘技术相结合,通过实例证明组合模型的预测效果是非常显著的。时间序列模型能够将非平稳的数据集平稳化并使数据的周期性能够得以体现,而数据挖掘技术则体现了对海量数据的强大筛选功能,因此两种技术的融合具有相当广阔的发展前景。