数据挖掘是新崛起的一个研究方向,也是近年来科技工作者热衷于研究的一个重点之一.从已有知识挖掘未知信息,需要大量先验知识,但是处理这些大量的知识本身就是一件很繁琐的事情.21世纪是一个"知识爆炸"的时代,每天都有很多新的知识诞生,同时,每天都有很多旧的知识消亡.所以,想要把所有的知识都进行分析来进行知识挖掘,是不明智也是不必要的.我们着重要做的,就是找到合适的算法,约简冗余的知识,提炼重要的数据,以期达到去粗存精,去伪存真.该文主要是应用数据挖掘理论以及人工神经网络、粗糙集理论的新成果,开展模式识别,质量预测,进一步可用之进行故障诊断,股市预测研究,初步探索了数据挖掘的新途径.主要研究工作包括以下几个部分:第一部分,重点讨论粗糙集的理论以及其实际应用.重要研究约简算法,并将该方法应用于汉江武汉段水质监测.将影响水质的属性量化,发掘其内在的规律,有很实际的意义.第二部分,主要讨论神经网络的基本算法.神经网络经过几十年的发展,到现在已经在众多领域得到广泛的应用,其算法也是多种多样,针对具体问题,该文采取BP前馈网络的基本框架,经过网络训练,构建预测系统.第三部分,通过粗糙集属性约简的研究,提炼"精华"知识,运用已经构造的神经网络进行预测,其目的是将粗糙集和神经网络有机的结合在一起,形成一个基于粗糙集和神经网络的集成数据挖掘模型,以期改进后应用于模式识别,质量预测,故障诊断等数据挖掘问题.