数据挖掘就是从大量数据中提取、挖掘出未知的、有价值的模式或规律的复杂过程。时间序列数据挖掘是数据挖掘领域的研究热点之一,由于时间序列数据一般维数都很高,高维时间序列数据的知识发现更是一个比较热门的课题。当前,时间序列数据挖掘在维数简约、相似性度量、周期模式发现、特征表示等方面研究取得了很大的进展,同时推动在金融、水文、股票、生命科学等领域的研究。在冰川学领域中,冰川学家在研究冰川物质平衡遇到极大的困难和挑战,传统的方法是根据海拔梯度在冰川表面钻洞打滑竿的方法进行物质平衡研究,这种方法实施起来是非常困难的。本文在此背景下提出利用数据挖掘技术对冰川物质平衡进行研究,目前在地理学方面的研究主要集中在水文相似性搜索、天气预测、空间遥感时间序列。本文根据时间序列数据挖掘的理论知识以及研究现状,利用玉龙雪山冰川上的气象自动观测站采集的气候数据为研究背景,提出了一种冰川物质平衡预测模型。使用极值斜率线性特征关键点拟合法对冰川数据进行线段化处理、特征值提取及时间序列数据趋势分析,并利用提出的相关性去除法进行降维处理;运用当前比较成熟的K-means聚类算法对经过分段后的数据序列进行聚类分析,根据聚类结果找出降水规则。最后,本文获得物质平衡模型与专家获得物质平衡模型进行模型验证。本文通过对采集到的气候数据进行挖掘,分别获得山上降水规则模型和物质平衡预测模型。根据周围气象站采集到降水和温度数据对海拔4800米的降水和温度进行恢复,利用降水模型解释冰川区域降水和相关气候对象要素的关系。我们对冰川进行实际观测,可以从中分析出降水和温度是影响冰川退缩变化的原因,其中温度对冰川的变化起主导作用。进而,通过最近几十年温度的变化来对冰川物质平衡进行预测,为当地旅游管理部门进行可持续的旅游开发工作提供理论依据。根据物质平衡模型分析物质平衡指数变化,发现物质平衡在近几十年都处于负的状态,即每年冰川的消融量都大于积累量。此方法与中国科学院寒区旱区环境与工程研究所玉龙雪山冰川环境观测站的冰川专家研究的结果相一致,因此可以利用此方法预测冰川物质平衡未来的变化趋势。数据挖掘在物质平衡方面的应用还处于起步阶段,相应的方法和技术还不是很成熟,今后要更加深入的研究数据挖掘在冰川物质平衡预测上的方法和技术。