棉纺成本分析是目前棉纺经营管理的热点,棉纺行业的原料成本占成本的80%以上,所以成本核算更是成本管理的重中之重。中国棉纺企业多年来处于亏损边缘,整个行业利润偏低,另外,由于中国棉纺织行业企业数量较多,在国际市场占有重要地位,决定了有必要对其棉纺企业的成本进行动态预测研究。建立数据库和数据仓库是成本分析研究领域中的一个重要手段,利用时间序列回归预测模型和序列模式挖掘(GSP)则是进行成本预测的重要方法。其研究目的是将成本预测应用在棉纺企业日常生产管理过程中,形成成本分析预测报告。在海量数据中正确地提取成本信息是成本分析和成本预测的关键,获取成本信息既需要快速高效的挖掘算法,又需要较高的处理能力来满足海量数据计算速度的要求。传统的成本核算只是粗略地解决了接单时的报价问题,其所利用的数据有限,不能对成本走势做出很好的判断,无法进一步提出降低成本的方法和管理思路,更无法及时提供成本发展趋势。并且经营者单纯从经验出发得到控制成本的管理手段,由于缺乏理论支持和科学依据。因此,没有抓住成本分析的主要矛盾。本文实现了棉纺企业很难实现的动态成本核算,值得行业内其他企业借鉴和推广。本论文在充分研究现代棉纺业的背景知识和目前先进的计算机技术后,针对棉纺行业的需求设计并开发了基于数据仓库和数据挖掘技术的棉纺成本管理系统,同时,采用基于时间序列的回归预测模型和改进的序列模式挖掘算法QIMS对成本进行预测,提高了成本预测的准确率和及时性。本文最后对研究成果进行了总结,提出将本文研究结果运用于其它经济领域的积极意义,同时指出了基于数据挖掘技术的智能棉纺企业预测决策支持系统的未来研究和发展方向。