近年来,随着计算机技术、Internet、信息技术和数据库技术的迅速发展,计算机在各行业的应用也越来越广泛,产生了大量的数据,积累的数据越来越多。海量的数据里面隐藏着许多重要的信息,但目前的数据库系统无法发现数据内在的联系,无法根据现有的数据预测未来的发展趋势,导致了“数据爆炸但知识贫乏”的现象。在此形势下,数据挖掘(Data Mining, DM)应运而生。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。经济系统是一个不断演化的、动态的复杂系统,要对我国特有的社会主义市场经济系统实现准确的预测,就必须采用新的预测方法。由乌克兰科学院A. G. Ivakhnenko提出的自组织数据挖掘的方法,应用数据分组处理方法(Group Method Data Handling,GMDH),实现数据挖掘过程的自组织控制,并以客观的方式建立一个最优复杂度模型。自组织数据挖掘过程减少了用户干预,使数据挖掘过程更加自动并使预测结果更客观。本文首先阐述了自组织数据挖掘的基本思想和基本原理,重点分析了自组织数据挖掘的核心算法——GMDH算法,并在此基础上提出了一些改进。应用自组织数据挖掘的方法与技术,自动建立预测模型,对成都市的国内生产总值(GDP)等经济指标作了预测,并进行分析。以上应用证明了自组织数据挖掘方法在短期预测经济中取得了良好的效果。同时也有效地减少用户在建模过程中的干预,提高了建模的质量。