为提高银行运营效率与服务质量,数据挖掘、机器学习等技术已被广泛应用于银行系统数据分析中。银行柜面业务系统作为商业银行日常运营与管理的重要交易渠道,每日运行产生大量操作日志,其中蕴含了银行客户的业务信息和潜在业务需求。通过分析柜面日志,一方面可以挖掘出交易操作之间的次序关系,有助于柜面系统开发测试人员还原实际业务场景;另一方面可以构建出交易预测模型,用于预测下一步交易操作,辅助柜员快速、准确地达成客户的业务办理需求。为此,论文设计并实现了基于柜面日志的交易挖掘与预测系统,重点研究实际生产场景中交易操作间的顺序依赖、并行等次序关系,以期获得更有效的交易挖掘和预测结果。本文主要工作如下:（1）通过分析某农商银行柜面日志结构,编写脚本进行交易轨迹提取。利用Prefix Span算法对交易轨迹序列进行频繁序列模式挖掘,筛选出具有潜在联系的交易操作序列。（2）通过构建Petri工作流网络完成交易间关系挖掘,并将结果存储于Neo4j图数据库中。针对交易挖掘结果使用一致性检查工具Co Be Fra进行评估,验证了过程挖掘方法解决交易挖掘问题的有效性。（3）设计一种融合交易间关系的紧凑预测树（Compact Prediction Tree,CPT）算法,通过与原CPT算法、马尔科夫算法及融合交易间关系的马尔科夫算法进行实验对比,证明该算法具有较好的预测效果。（4）在上述研究的基础上,以Spring Boot框架实现系统基本功能,利用Apache Shiro框架保障系统安全,借助Quartz框架完成定时任务调度,实现了基于柜面日志的交易挖掘与预测系统,其中核心功能模块包括数据管理模块、系统管理模块、交易挖掘模块、交易预测模块、定时任务管理模块。（5）对系统功能及性能进行了测试。测试结果表明,系统成功通过对柜面日志数据进行挖掘,为银行科技人员提供交易间关系网络图,为柜面业务系统提供较为准确的柜面交易操作预测结果供柜员参考。