如何快速有效对历史数据进行统计建模和规律挖掘具有重要意义. 鉴于模型在实际数据挖掘应用的局限及.马尔科夫模型的良好统计特性, 设计实现了基于后缀数组和后缀自动机的变阶马尔科夫模型. 算法在后缀树形结构.实现的基础上, 引入后缀链, 实现各状态子序列的快速跳转, 能动态自适应计算不同阶长概率的需求. 实验结果表.明: 相比传统马尔科夫模型, 模型能在线性时间和空间复杂度内, 构建历史数据的概率统计特征及各状态后缀子序.列之间的链接关系, 大大降低了存储空间和时间, 能实现大规模数据的在线学习和应用