时态数据库是对传统关系型数据库的扩展，因此时态数据库对时态聚集查询的支持是非常重要的。由于时态聚集查询在数据仓库应用中的重要性，时态聚集查询已经成为时态数据库技术中的研究热点之一。现有的时态聚集算法存在着查询内存空间需要较大、处理开销较高、基于复杂的数据结构(不能适用于现有的商业产品中)等缺点。基于这些缺点，本文提出了两种基于有限误差近似技术的改进算法。第一种是基于多版本B树的改进算法，针对查询内存空间占用大和时间开销大的缺点，由于引入了近似技术，该算法的空间开销大大减少，因此在最坏情况下的查询开销为对数级，但该算法并没有解决基于复杂的数据结构，因此并不适合在商业产品中实现；第二种算法采用B-树和R-树相结合的算法，针对现有算法查询内存空间需要较大、处理开销较高、特别是基于复杂的数据结构的缺点，采用现代广泛应用于商业产品中的数据结构B-树和R-树，并结合近似技术来解决这个问题。该算法查询开销也可以达到对数级，因此在现代商业产品中实现的可能性大大提升。本文对于以上两种算法的结果，分别进行了理论证明和实验证明，结果表明这两种算法的确在空间开销上有了数量级上的优化，并且其时间复杂度达在很大程度上得到了提高。以往用户对于历史数据的检索都是基于精确查询的，但是事实上并不需要那么精确，有时仅仅是想了解一个趋势，因此近似技术的应用使用户能够高效的查询历史数据，了解趋势的发展，以便制定发展方向。