相似时序检索技术在数据挖掘、天气预报、股票走势的分析和预测等方面有着广阔的应用前景.常见的相似时序检索技术包括:时域法、频域法、段化法和波形描述法等.扩展时序数据的距离,是一种对原始距离的扩展,前人提出的扩展相似时序的检索技术有进一步改进的空间.该文试图解决扩展相似时序检索的若干问题:1.解决时序各窗口数据增量式DFT(Discrete Fourier Transform)的问题,从而提高相似时序检索技术预处理的效率;2.给出新的基于频域的相似时序检索算法,该算法能够给出扩展距离满足相似条件的时序,而且由于其在降维后的频域空间上计算,效率较高,综合代价较低;3.给出一种快速的离散属性序列检索算法;4.结合相似时序检索技术与CBR(Case-Based Reasoning)技术,构建一种有效的时序数据预测系统.该文还给出了一种计算离散序列距离的快速算法,该算法的一个主要思想是通过对离散属性值进行人工赋值,将其变换到数值空间,从而可以利用DFT、小波等维度简约技术,结合多维索引技术能够大大提高相似离散属性序列检索的效率.最后该文结合相似时序检索技术和基于范例推理的技术,进行相似气象数据的检索和适航气象类型的预测.该技术的主要思想是:利用相似时序检索技术从历史气象数据库中检索出和当前气象数据类似的若干个气象序列,利用CBR技术进行适航气象类型的预测.实验表明,该技术预测精度令人满意.