时间序列数据挖掘的方法广泛应用于气象、金融、医学、电力、水文、工业控制等诸多领域，具有重要的研究价值。传统时间序列挖掘技术采用的是统计学或者人工神经网络的方法。近年来，回归分析逐渐成为最常用的数理统计方法，该方法可以用来处理变量之间的关系，并用于解决预测、控制、优化等问题。回归算法可以被分为线性回归算法和非线性回归算法。非线性回归算法必须先验地提出一个由符号表达式组成的回归模型，其回归的过程就是确定表达式系数的过程。本文主要工作和结论有：1．介绍数据挖掘技术产生的背景和数据挖掘常用的方法。随后介绍可视化的技术和方法。预测的最终结果需要呈现给用户，因此用一种直观的方法将结果显示出来显得尤为重要。本章不仅介绍可视化的方法，还介绍发展可视化的重要意义及其应用。2．介绍时间序列的概念和时间序列分析，接着讲述时间序列数据挖掘相关的研究现状。3．详细阐述支持向量回归方法、已有常用支持向量回归算法和用于函数拟合的支持向量回归机。4．介绍基于分类支持向量回归算法，并在此算法基础上设计出一个时间序列预测模型，提出一个简易但有效的模型初始参数计算方法：其次给出了模型的预测验证实验，实验结果显示此方法具有可行性，具有一定的实用价值；本章最后对实验的结果进行可视化，验证基于CSVR的时间序列可视化的可行性。