时间序列数据挖掘是数据挖掘研究的一个重要组成部分,是计算机技术研究的热点之一,多维时间序列数据挖掘更是一个比较前沿的研究课题。目前,时间序列数据挖掘在金融、电信、医疗、电力和生命科学等领域得到了广泛应用,极大的推动了各个领域的发展。本文在国内外时间序列数据挖掘最新研究成果的基础上,以气象领域中地面自动站常规观测数据的分析处理为研究背景,提出了一种基于气象数据的多维时间序列数据挖掘模型。模型运用改进的维度冗余消减法对气象数据序列进行维度选择,剔除和研究目标不相关的维度及冗余维度,降低了挖掘复杂度;模型使用本文提出的极值斜率分段线性拟合法对气象数据序列进行线性化分段处理、数据压缩、特征值提取及序列趋势变化分析,进一步减少了序列数据,降低了挖掘难度;模型运用k-means聚类算法对分段后的序列进行聚类分析,根据聚类结果使序列符号化,通过规则提取获得有用的知识并进行实验验证。在实验中运用基于气象数据的多维时间序列数据挖掘模型对降雨天气中的各气象要素进行分析,初步获得了降雨天气的规则模型。该模型很好的解释了降雨天气现象与相关气象要素之间的关系,如果对模型作进一步的改进,它还可以运用于临近天气预报上。实验证明该模型具有很好的实用价值。