时间序列在数据集中十分普遍,对时间序列进行数据挖掘已成为当前研究的焦点之一,对于时间序列数据挖掘的研究目前主要集中在相似性搜索和模式挖掘上。在模式挖掘方面,趋势预测是一个比较新的思路,它从时间序列数据中挖掘规则,以对行为发展趋势做出预测。本文将时序分析技术与数据挖掘理论相结合,研究了一种新的基于时间序列的数据挖掘方法用于对未来数据的预测。该方法在挖掘过程中结合时序分析技术,建立起适合于数据挖掘中BP神经网络的输入样本模型,通过反复学习从时序中发现其背后系统的规律,并将其用于未来趋势的分析和预测。同时,针对原有的BP算法的不足,对其做了进一步改进。本文以电力系统的实时数据为主要的时间序列研究对象,针对阜新地区电网运行实际,开发了相应的电力负荷预测应用软件。通过仿真试验,结果表明本文建立的模型合理,大大提高了电力负荷预测的准确度,对基于时序的数据挖掘理论的推广和应用做了有益的探索。