近年来,随着互联网和信息技术的飞速发展,许多城市陆续建设了各种政务服务平台,为“数字政府”的建设以及政务大数据的开放和开发利用奠定了良好的基础。然而,当前各部门、各层级的业务系统和政务大数据还存在各自为政,整合力度不够,综合性、系统化、一体化的政务大数据服务平台尚未建成,导致政务服务方面仍然存在多填、多跑、多等、多报、多查等问题。本文借助发达国家在政务大数据建设方面的实践经验,对我国省级政务大数据中心的功能与框架结构进行了整合与重构,进而运用先进的大数据融合理论对省级政务大数据的数据和业务进行了深度融合,运用科学的数据挖掘方法对政务大数据进行深度挖掘,对潜在的政务事件进行科学预测,对企业违法经营事项进行关联规则挖掘,提升政府部门在企业审查和监管时的效率。主要研究内容如下:(1)阐明了本论文的研究背景和意义,并对核心概念进行了界定,总结并分析了政务大数据相关领域的国内外研究现状及存在的问题,介绍了本论文的主要研究内容。(2)阐述了西方国家数字政府建设与应用的历史发展进程,对发达国家在政务大数据建设方面的实践经验进行了梳理与总结,并对中西方在数字政府建设中解决资源共享的措施进行了比较,为后续政务大数据中心功能与框架的设计奠定基础。(3)对我国省级政务大数据中心的功能与框架结构进行了整合与重构,明确了省级政务大数据中心的建设目标、总体架构及业务体系。(4)对省级政务大数据中心涉及的数据融合和业务融合概念、特征和架构进行了分析,对政务大数据中数据挖掘和融合技术进行了研究,研究了带有滚动路径属性的数据挖掘方法,基于此方法,设计了政务系统融合算法。采用特征时间自动机模型对业务的时间约束和可变性进行了建模,采用产品时间计算树逻辑对业务的性质进行统一描述,然后用一个案例详细分析了政务融合技术的具体实现流程。(5)针对省级政务大数据中心,提出了一种新的事件预测框架——基于反馈机制的事件预测(Event Prediction with a Feedback Mechanism,EPFM)。EPFM增强了政务事件的信息特征和演化特征,提高了事件预测的性能,能对潜在的政务事件进行科学预测。仿真测试结果表明,该方法优于目前其他的先进方法。(6)在省级政务大数据中心的支撑下,建设社会信用体系,企业的征信数据获取和展示,运用GSO(Glowworm Swarm Optimization,GSO)算法来改进传统关联规则Apriori算法,得到的G-Apriori算法进行数据挖掘,从而得到企业经常违法经营的事项,并将这些高发事项进行挖掘得到关联规则。分析得出的结果发现企业违法经营事项之间的关联性,最终将得到的有用信息应用到社会信息体系建设中,对企业是否有违法经营情况进行精准排查,进而提升政府部门在企业审查和监管时的效率。本文研究成果对于进一步推进政务大数据建设,促进资源整合和共享应用,开展政务大数据的融合创新,提升政务大数据挖掘效率和预测水平,打造整体政府形象,提升政府的工作效率以及预测预警能力等具有重要的理论意义和现实意义。