RS理论是上世纪八十年代初由波兰数学家Pawlak提出的一种处理不精确知识的数学理论。其主要思想是利用已知的知识或信息来近似不精确的概念或现象。为快速高效地对海量GIS数据进行知识约简,分析了现有常见的约简算法及各自适用的范围。在此基础上,提出了新的基于遗传算法的约简方法,通过选取有效的适应度函数,很大程度上提高了对于大规模数据集的约简性能。并引入了自适应遗传算法的思想,使适应度函数中的因子能够随适应度的改变自动改变,从而增强了算法的全局寻优能力。通过对属性数据的实例分析,证明了该算法在海量数据约简方面的可行性和有效性。VPRS理论则是对传统粗糙集理论的一种扩充,它通过设置阈值β,放松了对标准粗糙集理论近似边界的严格定义,增强了粗糙集模型的抗干扰能力,噪声阈值β的不同,将对约简结果产生不一样的影响,因此要在实际应用的时候合理选择。针对传统RS理论不能完全处理不完备信息系统的瓶颈问题,将经典RS理论进行了不同的扩充,促进了其在实用化方向的发展。RS与其他技术的相互融合是今后发展的一个方向,能够有效地解决RS应用过程中遇到的一些瓶颈问题。如近几年发展迅猛的云模型、粒计算以及概念格等,作者重点关注的是它们在解决GIS-SDM方面的成就。通过在电网可视化管理系统(GVMS)平台中引入粗糙集理论的思想,可以在很大程度上增强系统的决策分析能力和电网的智能化管理。