在大数据化时代背景下,通过数据分析从复杂数据中提取有价值的信息是非常必要的,数据趋势分析则是其中重要的一部分。通过对数据趋势的分析,不仅可以对比数据当前状态与历史知识库中真实状态之间的差别,还可以对数据未来的变化状态进行预测。定性趋势分析(Qualitative Trend Analysis,QTA)是目前数据趋势分析中的常用技术,本文针对其存在的问题展开了如下工作:1、针对传统的定性趋势分析中存在窗口长度自适应差和误差阈值人为设定,导致趋势提取不准确的问题,本文研究了定性趋势分析中七种基元的分类特点,提出了一种基于自适应窗口的数据局部趋势自动提取方法。该方法平衡了数据局部与整体的关系,使得提取的趋势既不会太细致,陷于数据的局部细节;也不会太粗糙,丢失数据的真实信息。并以列车轴温数据为对象,与传统的固定窗口和可变窗口提取趋势的方法进行了对比,通过实验分析证明,本文方法能够针对数据自身特点准确地实现数据趋势的自动提取与分析。2、针对传统的定性趋势分析在实际应用中存在趋势基元匹配不精确的问题,本文提出了一种定性与定量结合的方法对现有的七种定性基元进行了扩充,修正了现有的匹配度矩阵。该方法避免了定性基元非量化的单一性表示,实现了对相同类型基元的准确区分。3、针对现有的定性趋势分析方法关注点都在局部趋势分析上,未考虑到数据整体趋势的问题,本文提出了将数据局部趋势与Mann-Kendall(M-K)趋势检验算法相结合实现了数据整体趋势的准确提取与分析,获得了数据在整个时间轴上的大致变化,有利于从全局角度出发把握数据的整体状态,并通过实验分析验证了方法的有效性。4、在实际中研究人员更偏向于用图形曲线的方式观察数据的历史趋势状态,因此本文提出了一种将数据域转化到图像域分析数据趋势的新思路。研究了基于尺度变化的趋势提取方法,首先引入一个尺度因子伸缩图像来表示局部与整体的关系,其次经过图像处理过程提取出趋势片段后,再将图像域映射到数据域,最后通过实验分析验证了该方法能够准确提取趋势,并且能直观地表示出趋势状态。