近年来,人们认识到在一些应用中数据不是形成持久性的关系模型而是表现为一种瞬时的数据流。诸如此类的应用有很多,例如,金融,生产制造,网络管理,安全,通信数据管理,web应用,传感器网络等领域的应用。在分析数据流在这些应用领域中的特点,进而提出数据流上的模型和算法的特点和要求的基础之上,一种数据流管理的新方法,复合窗口模型,被首次提出。这种模型能很好地满足用户对数据流操纵的需求,并且对数据流速的变化有很强的适应能力。随后,一种基于复合窗口的连续聚集查询算法被提出来。这种算法符合数据流应用的特点和要求,能够得到近似的聚集查询结果并满足实时性的要求。传统的预测建模方法有曲线拟合,线性回归分析等,这些方法通常只适用于求解结构简单的函数,且多数情况下是多项式函数。作为一种新的智能,并行,自适应性的算法,基因表达式程序设计方法(GEP)算法简便,易于遗传操作,并且其搜索空间广阔,函数复杂度高,能更广泛的适用于各种类型的数据流预测。在此基础上,当预测模型失效时,大变异策略被应用于预测模型,收到了很好的效果。