摘要：传统方法解决大规模时序曲线的预测建模问题，需要对每条曲线逐一建模，这使得建模工作量相当庞大，在实际应用中缺乏可操作性．为此，提出了一种解决此问题的新方法——曲线分类建模方法．该方法先减少曲线的模型种类，再进行曲线分类和分类建模，在尽可能保留原始信息的前提下大大降低了建模的工作量．文中阐述了该方法的原理和计算过程，并应用于多国家和地区GDP曲线的预测案例，说明该方法的实用性和有效性．

关键词：曲线分类 预测建模 大规模曲线 自组织映射神经网络 

单位：中国科学院虚拟经济与数据科学研究中心 北京100080 中国科学院研究生院 北京100080 北京航空航天大学经济管理学院 北京100083