随着世界区域经济的不断发展,外商直接投资己然成为了不可忽视的主导力量。研究中国和东盟国家外商直接投资趋势,不仅丰富了我国关于外商直接投资方面的理论研究,还满足中国-东盟海洋大数据平台对经济分析的需求,为我国和东盟国家政府制定外商直接投资方面政策和战略提供参考。目前关于外商直接投资的研究大部分还基于传统方法。近年来,机器学习和数据挖掘等技术日趋成熟,在很多领域都取得了不错的研究成果。因此,本文结合机器学习方法探索研究外商直接投资趋势具有一定的理论意义和实际价值。本文主要围绕中国与东盟各国在中国-东盟海洋大数据平台投资数据库中外商直接投资特征数据是否完整提出了两个外商直接投资预测模型。首先,针对外商直接投资特征数据完整的情况,本文提出了基于特征分析的多模型融合的外商直接投资预测模型--MP-RBP-FDI预测模型。该预测模型采用MP算法对外商直接投资特征进行处理,并结合了随机森林算法和BP神经网络这两个算法的优势。通过与单一的MLR、RF和BP神经网络预测模型进行对比分析得出,本文提出的MP-RBP-FDI预测模型在预测精度和泛化能力方面相较其它模型都有所提升。其次,针对外商直接投资特征数据缺失的情况。本文提出了基于时间序列分析的多模型融合的外商直接投资预测模型--ALS-FDI预测模型。该模型是在ARIMA模型和LSTM网络的基础上提出的。通过与单一的GM(1,1)、ARIMA以及LSTM网络预测模型进行对比分析得出,本文提出的ALS-FDI预测模型有效地解决了外商直接投资数据序列中既存在线性部分又存在非线性部分的问题,相较其它预测模型精度要高。最后,将本文提出的两个预测模型应用到中国-东盟海洋大数据平台上。用户可以针对外商直接投资特征数据是否完整,选择基于特征数据预测子模块或基于历史数据预测子模块查看预测值,充分体现了本文研究成果的实际价值。