1、房地產(chǎn)數(shù)據(jù)倉庫中存儲大量歷史數(shù)據(jù)，OLAP對此歷史數(shù)據(jù)進行復雜的查詢，查詢優(yōu)化是提高OLAP響應速度的關鍵。目前，最有效的方法是增加綜合數(shù)據(jù)的存儲，但存儲空間限制了綜合數(shù)據(jù)的存儲量。本文從數(shù)據(jù)倉庫的概念模型和邏輯實現(xiàn)兩個層面對系統(tǒng)優(yōu)化問題進行了深入細致的研究，得出一個有意義的數(shù)據(jù)立方體優(yōu)化方法。另外，對于房地產(chǎn)數(shù)據(jù)來說，常用的統(tǒng)計預測模型不夠精確。為了準確地對房地產(chǎn)投資盈利情況做出預測，文中對灰色模型進行優(yōu)化，提出一種新型的高精度時間序

2、列預測模型。 首先，定義了一種多維數(shù)據(jù)模型，并從理論上證明了當所有維的結構滿足有界格特點時，該多維數(shù)據(jù)模型的結構也是有界格，為基于搜索格結構的優(yōu)化方法奠定了理論基礎。 接著，文中提出了一種分庫變粒度動態(tài)物化策略，將大量訪問率低的詳細數(shù)據(jù)存儲在備份數(shù)據(jù)倉庫上，并將這些數(shù)據(jù)聚集成粒度相對較粗的綜合數(shù)據(jù)，存儲在聚集數(shù)據(jù)倉庫中供OLAP查詢處理。同時，采用了動態(tài)調(diào)整算法，根據(jù)OLAP查詢分析所讀數(shù)據(jù)的頻率來調(diào)整需要在聚集數(shù)據(jù)倉庫