随着社会、经济的发展,人们认识问题的复杂性、不确定性持续增加,这就导致表征事物行为特征的数据往往不是一些确切的数,而是一些带有一定误差的取值范围,我们称之为区间数,数据属性值为区间数的信息系统称为区间值信息系统。区间数能够较好地表示很多不确定类型参数,区间值信息系统能充分的考虑数据的不确定性,是在科学研究、工程建设、智能决策、股票分析和故障检测等领域广泛使用的数据描述模型。因此,区间值信息系统框架下的知识发现问题得到了学术界的关注。本文利用粗糙集理论对区间值信息系统的知识获取方法进行了系统的研究,主要包括以下三个方面：(1)在两个区间数上定义了交、并、补和包含度运算,并讨论了它们的性质。利用所定义的区间数运算,在区间值信息系统上构造了一种α相容关系,进而提出了α相容关系下α极大相容块的相关概念和性质。(2)属性约简一直是粗糙集理论研究的热点和核心问题,本文利用α极大相容块构造区分矩阵进行属性约简,简化了区分矩阵的规模,提高了运算效率。同时运用α极大相容块,给出了对于论域中某个对象的相对约简算法。对于α区间值决策信息系统,经过属性约简,获取最简决策规则,从而达到预测的目的。(3)多属性方案排序问题,如果某些属性值不能精确给定,只能得到一个大致范围描述,我们将这类方案排序问题用区间值信息系统描述。本文基于区间数包含度运算,提出偏离度概念用以构造方案间的偏离度矩阵,并给出了一种基于总体偏离度优化的属性权重确定方法。利用区间数向量的相对贴近度概念刻画一个方案接近于另一个方案的程度,进而对方案优劣排序。本文基于粗糙集理论对区间值信息系统的知识获取方法进行了一些研究,文中提到的方法都有实例进行验证,进一步说明了方法的有效性和实用性。