由于业务流程模型在实际应用中的多变性和日志系统的负载,常出现事件日志与业务流程模型行为不一致的情况,即行为偏差。然而,关于对行为偏差的分析能有效提高模型的质量,为了提高事件日志与业务流程模型的拟合度,模型的配置分析和日志修复是很好的方法。模型配置分析技术不仅可以根据用户的特殊需求对活动设置不同的配置类型,还可以在保留原始模型价值的基础上优化和简化模型达到完全重放日志的目的。日志修复是业务流程管理方面的新技术（如:云计算、大数据）之一,针对不完备日志,通过使用相关方法修复日志与模型间的偏差部分,既保留了原始日志和模型的价值,又最大程度的保持两者间的相似性。因此,模型配置和日志修复是极其重要的。本文根据Petri网和日志活动之间的行为轮廓关系,对给定的初始流程模型和事件日志的行为关系进行对比,从而发现行为偏差、分析问题产生的原因,并根据模型配置分析和日志修复的方法达到优化的效果。本文主要内容包括:（1）针对业务流程模型与事件日志间的行为偏差问题,已有的研究主要集中于以个人经验理论分析配置且变化与配置分离,对如何正确反馈配置信息并正确配置还存在不足。因此,在已有的模型配置算法的基础上,对含有行为偏差的日志,提出了一种基于行为轮廓关系以提取行为偏差和实现模型配置的算法。从行为相似度出发检测行为偏差并定位偏差位置,通过逻辑命题算法反馈配置信息可有效实现模型配置。（2）针对业务流程模型的预测对齐问题,现有的对齐文献中,大多是通过暴力搜索的方法与流程模型进程进行对比分析实现最优对齐,忽略了对齐的效率。因此,为突破固定模式,实现预测,使流程管理更高效更准确,本文提出了一种基于序列模式的对齐预测方法。该方法利用条件概率有效地选择将要对齐的活动,活动划分技术的使用,保证了对齐的效率和准确性。（3）针对基于模型约束的日志修复问题作进一步的研究与分析。对于日志的修复问题,已有的研究主要基于迹对齐技术修复不完备日志,在修复效率和准确性方面还存在不足。因此,本文提出了一种日志的修复方法,该方法在模型约束下,利用条件概率和置信水平获得一个完备的最优修复结果,并且利用模型划分技术,有效提升修复方法的修复效率。图[18]表[19]参[85]