随着智能信息社会的发展,科学信息数据的复杂性也与日俱增,最具代表为数据类型以康托尔集转型为模糊集合,则如何科学的将模糊性、不确定性、复杂性、不完备性、不精确性的科学信息数据处理为知识或人类需要的决策信息是现代学者必须面对和解决的问题之一。粗糙集理论的问世代表人们开始以不同于其他处理信息数据工具的思维来看待和整合信息数据,不再需要任何先验知识对信息数据归类或预判,而是基于数据之间的客观关系进行数据类别的划分,更客观、有效的从科学信息数据中提取规则和知识。但传统的粗糙集模型所处理数据的类型和数据的关系过于单调和严苛且信息域只能是单论域,为了适应现代高速发展的需要,将传统的粗糙集理论和正交模糊集进行结合,形成正交模糊粗糙集理论模型以从正交模糊科学信息数据的不确定性、模糊性、复杂性、不完备性中寻求较为确定的知识和决策信息。本文主要工作如下:1.建立基于单论域下的等价正交模糊关系,构建正交模糊近似空间,并推导其上近似和下近似定义并证明其相关数学性质。为进一步完善模型理论,讨论和研究该模型的不确定性度量并举例说明,最后通过实际案例证实该模型的可行性和优势。2.基于单论域拓展为双论域的信息数据域,建立双论域下的一般正交模糊二元关系,构建正交模糊近似空间,并推导出其上近似和下近似定义并证明其相关数学性质,在此基础上,讨论并研究该模型的交运算、并运算和合运算并推导出相应数学性质并加以计算和证明。最后为进一步完善双论域正交模糊粗糙集模型理论,通过知识粒度和粗糙熵的概念对模型的不确定性进行度量。基于单论域等价正交模糊近似关系的正交模糊粗糙集模型和基于双论域一般正交模糊二元关系的正交模糊粗糙集模型可以有效处理科学正交模糊信息数据的模糊性和不确定性,模型的应用前景具有极其广阔的应用前景。