随着计算机技术和现代工业分析测试技术的发展,在化学化工领域积累了大量的数据。数据挖掘技术的产生和发展为从这些数据中获取有用知识提供了有力的工具。数据挖掘分析了化工生产过程的复杂性,对实验数据进行了挖掘并得到了时间及产率的控制。本文介绍了数据挖掘方法和决策树的基本理论,并针对二苯乙烯系列化合物的数据具有高维、复共线性和带有噪音的特点,利用决策树及其预处理过程,对连续属性的离散化、属性筛选、规则获取等进行了研究,解决化学化工数据挖掘所面临的问题。由于化学分类数据集大多为连续型数据集,若要提高决策树分类器的性能,须先将连续型数据离散化,以方便进一步的处理,本文介绍了决策树方法的基本原理和几种常用决策树算法。通过分析、比较各算法的优缺点,结合化工生产的实际特点,选择了一种ID3算法。在详细讨论了ID3算法特点的前提下,针对具体的实例建立ID3决策树。结果证明该方法分类性能良好,与其他方法相比,由决策树发现的分类规则表达方式直观,便于理解,生成速度也较快。在对二苯乙烯系列化合物的数据挖掘后,总结并开发较强功能的数据挖掘工具和算法,这有利于控制各种化工生产过程可能性、优化性。以便更好地处理大量、多变的生产数据,达到化工生产过程优质、高产、低耗的目的。文章最后指出了数据挖掘必将对化学工业控制水平的发展产生较好影响,以及影响这一趋势需要解决的若干问题。