进出口贸易是拉动国家经济增长和实现对外交流的重要工具,东盟是我国对外贸易的第三大伙伴,分析并预测我国与东盟进出口贸易额也是中国-东盟海洋大数据平台经济综合里外贸部分的主要内容。而目前多采用基于计量经济学的方法,但伴随机器学习和数据挖掘技术不断发展、趋于成熟,在实践中沉淀下来大量经典算法,因此本文结合机器学习方法探索能有效预测中国东盟进出口贸易额的预测模型,既实现中国-东盟海洋大数据平台对外贸分析的需求,也为我国对东盟的经贸合作进行宏观调控提供智力支持。本文首先分析了影响中国东盟进出口贸易额的经济指标,利用主成分分析方法对其进行影响因子的分析,得到可替代原经济指标超过99.9%信息量的七个影响因子。随后,提出了基于线性回归的中国东盟进出口贸易额预测模型,应用基于多元线性回归、基于岭回归和基于弹性网络回归模型对中国东盟进出口贸易额及影响因子的历史数据进行训练,构建预测模型,通过七个经济影响因素的预估值计算未来中国与东盟的进出口贸易额。紧接着,由于中国东盟进出口贸易是经济指标因素、双边关系及政策影响等因素综合作用的结果,因此将中国东盟进出口贸易额历史数据转化为时间序列,挖掘数据内部变化规律,提出了基于时间序列ARIMA的预测模型。其次,为深入挖掘中国东盟进出口贸易额数据序列变化规律,提出具有学习长期依赖信息能力的基于LSTM网络的预测模型。再次,为使预测中国东盟进出口贸易额更为准确,基于数据预处理和优化参数组合预测的思想,提出基于时间序列ARIMA和LSTM网络的组合预测模型。实验表明其预测中国东盟进出口贸易额的准确率和相关系数都明显提高,所以基于此预测模型预测了未来短期内中国与东盟的月度进出口贸易额。最后,将本文研究成果应用在中国-东盟海洋大数据平台经济综合数据库模块。该模块可以帮助平台用户了解中国与东盟国家进出口贸易的历史数据,可以让用户通过对各个经济指标的年度预估值预测中国与东盟的年度进出口贸易额,也可以直接对未来短期内中国与东盟的月度进出口贸易额进行预测,通过实践应用检验了中国东盟进出口贸易额预测模型的有效性。