工艺品交易行业的日益繁荣和电子商务的普及发展催生了许多工艺品线上交易平台,这些线上交易平台积累了大量的用户浏览数据。用户对工艺品的浏览量(点击数)可以较为准确地反映用户需求,可为改进营销策略提供客观真实的参考依据,对工艺品销售具有很强的正向作用。通过先进的数据分析与挖掘技术分析工艺品线上交易平台的浏览数据,可以充分挖掘工艺品交易行业潜在的销售热点与趋势,为销售决策提供可靠支持。本文在分析当前工艺品交易行业销售趋势预测现状的基础上,利用网络爬虫技术和Web信息抽取技术,获取典型工艺品线上交易平台的浏览数据并构建工艺品浏览量时间序列,将销售趋势预测问题转化为非平稳时间序列预测问题。针对现有单一模型预测精度普遍不高的实际,引入小波分析技术,对具体类别工艺品的浏览量所形成的原始非平稳时间序列进行小波去噪预处理后得到消噪数据;通过Mallat算法分解得到高频信息和低频信息;对具有平稳特性的高频信息采用自回归滑动平均(ARMA)模型进行预测,对具有非平稳特性的低频信息采用支持向量回归(SVR)模型进行预测;将ARMA模型和SVR模型的预测值进行重构,从而预测出原始非平稳时间序列的值。实验结果表明:基于小波分析和ARMA-SVR的组合模型比基于小波分析的ARMA模型预测精度高出10.28%,比基于小波分析的SVR模型预测精度高出49.97%;未经小波分析,直接对归一化后的原始序列采用ARMA模型预测和SVR模型预测的精度较差,并不能很好地反映原始序列的特性;基于小波分析和ARMA-SVR的组合模型对非平稳的浏览量时间序列具有较高的预测精度,可在工艺品短期销售趋势预测中应用。