随着通信网络的不断扩大和通信设备数量的急剧增加,通信行业能源监督管理问题逐渐受到社会的广泛关注。本文以通信基站的时间序列能耗数据为研究对象,在已有数据挖掘算法基础上改进并提出新的时间序列预测方法,包括趋势预测和事件预测。本文对已有时间序列趋势预测模型进行研究,发现其单纯使用历史数据建模,具有一定局限性。在此基础上,本文提出了结合外因序列的能耗数据预测模型(NARX模型)。它的主要思想是通过外因序列获得更多的有效信息使得预测性能得到改进。NARX模型中的两个重要参数是:有效的且有意义的外因序列,合适的时间序列输入延迟值。它们是通过相关性理论确定的,保证了 NARX模型在获得更多有用信息的同时减少冗余信息。实验证明算法模型具有很好的准确性和稳定性。本文提出了一种时间序列能耗事件预测模型,包括三个步骤:(1)时间序列显著特征提取,将数据集降维到二维空间;(2)对上一步中得出的特征集合运用聚类算法,得出特征类;(3)对特征类向量进行分类,得到事件预测序列模式。本文详细描述了每一步中算法的实现和参数的调优。其中,显著分段线性法中的斜率阈值δ、基于显著特征距离聚类算法中的聚类数目K、以及分类算法中事件发生前的观察时间M,这三个重要参数可通过实验结果对比得出。实验证明能耗事件预测模型能够达到很好的效果。本文结合实验室现有能源分析系统,将研究的两种能耗预测算法模型封装成预测分析模块集成到系统中,弥补系统在未来数据预估方面的不足,更好的为能源管理机构和人员提供有效的科学依据。运用软件工程思想完成预测分析模块的集成工作,包括模块需求分析、逻辑流程设计、数据库设计、模块类设计等。最后对预测分析模块的界面以及运行结果进行展示。