粗糙集理论是一种处理不精确和不确定性知识的数学工具,已被广泛的应用在数据挖掘、机器学习、软计算等相关领域。其中,基于粗糙集理论方法进行的时间序列数据分析研究已经取得一定的成果,这些研究方法实质上是除去时间序列上的数据对于时间的依赖性,然后将已转化为静态的数据序列中决定各种规则的相关属性提取出来,组成一个决策表信息系统,从而利用粗糙集理论对形成的静态决策表信息系统进行属性约简和规则提取,其最终落脚点依旧是静态表,忽略了在时间序列下,当前时刻决策表信息系统所产生的决策规则同相邻时间点的决策表信息系统所产生决策规则间的联系。　　 本文针对决策表信息系统进行的时间序列研究,是在经典粗糙集理论的基础上研究其在时间序列下的动态演化特性。立足点不是孤立时间点下的静态表,而是在整个时间序列下决策表信息系统的演化过程。本文的主要研究工作如下:　　 (1)在经典粗糙集理论的基础上,研究决策表信息系统作为整体在时间序列下随着数据对象的增加其属性核变化的特点,并给出决策表信息系统在时间序列下的最终形态概念,结合实例和数学仿真研究分析了在最终形态时决策表信息系统的性质。　　 (2)针对决策表信息系统在时间序列下整体演化会进入最终形态这一现象,本文在经典粗糙集理论的基础上,引入多粒度时间序列概念,对决策表信息系统整体在时间序列上进行粒度划分,确保每个时间子粒都不是最终形态。在此基础上,研究各个时间子粒产生的决策规则之间的联系,并对这些决策规则进行整理,将相同决策规则按照时间先后顺序组成新的序列,建立多粒度时间序列下粒度决策的演化模型,给出了模型的相关性质。　　 (3)利用建立的多粒度时间序列下粒度决策演化模型及其相关性质,制定预测规则,并利用回归分析的方法,设计多粒度时间序列下粒度决策演化模型的预测算法,建立该算法的评价机制。