时间序列相似性度量领域中，现有的算法对各类相似性变形的识别能力有限。为了能有效支持识别多种相似性形变，提出涨落模式（FP）的概念，以涨落模式保存原序列的趋势变化信息，利用最长公共子序列算法计算涨落模式的相似度，消除振幅伸缩、振幅漂移和线性漂移等对相似性挖掘带来的影响，实现基于涨落模式的时间序列相似性度量。实验设置仿真数据和真实数据两组实验，对算法的相似性形变识别能力和鲁棒性进行验证。实验表明，此方法能有效地识别各类相似性形变，且在真实数据环境下具有较强的鲁棒性。