近年来，数据挖掘技术的研究引起了国际人工智能和数据库等领域专家与学者的广泛关注。在事务数据库中挖掘关联规则是数据挖掘领域中一个非常重要的研究课题，目前其实际应用主要集中在零售业，比如超级市场的销售管理等，在流程工业领域中的实际应用尚不多见。除零售业之外，流程工业中也存在着大量的关联规则，比如：某种产品产量的提高引起另一种产品产量的提高，等。如何将关联规则挖掘技术应用到这类问题中，挖掘出流程工业中有用的关联规则，从而为流程工业中的生产决策提供良好的依据，为本文的主要研究内容。 本文以关联规则挖掘理论为基础，以实际工程应用为最终目标，在广泛查阅相关文献、了解相关研究进展的基础上，深入进行了关联规则挖掘算法的研究与改进，并系统地提出了关联规则挖掘算法在流程工业中进行实际应用的方略。全文由以下五章组成： 第一章为绪论，阐述了数据挖掘研究内容，特别对数据挖掘技术的发展和现状进行了完整的综述。 第二章介绍了关联规则挖掘技术的基础，阐述了关联规则挖掘发展状况及其基本概念。 第三章提出了一种基于自适应支持度的布尔式关联规则挖掘算法，包括布尔式挖掘原理及挖掘算法的自适应支持度框架。 第四章探讨了基于自适应支持度的布尔式关联规则挖掘算法在流程工业中的应用问题，并以某农药厂三唑磷合成过程为实例，阐述了关联规则挖掘算法在流程工业中进行实际应用的整套方案。 第五章针对复杂工业大系统的特点，提出了一种基于关联规则的故障诊断方法。对尿素生产过程的仿真实验结果表明，该方法能够有效地挖掘隐藏在大量数据背后的故障模式知识，有效的突破了故障诊断专家系统在知识获取方面的瓶颈，增强了故障诊断系统的推理诊断能力。 第六章总结全文并讨论了进一步需要研究的问题。