现代社会是信息化的社会，人们的日常生活已经离不开信息化。而通信网络是信息化的基础，当通信网络产生故障时，会给人们的经济活动和日常生活带来严重影响。所以，为了保证网络的可靠工作，必须拥有强有力的、高效的故障检测与解决方案，以便及时准确地检测到故障，恢复网络的正常稳定运行，使得网络故障对用户造成的干扰最小化。网络发生故障时，会引发相邻节点产生大量的告警，网络故障诊断的关键就是要找出这些告警之间的相关性，但如何在众多的告警数据中找出这种相关性，是目前研究的难点之一。由于数据挖掘技术对海量数据处理的独特优势，近年来，科研工作者们对基于关联规则数据挖掘的网络故障诊断技术进行了大量的研究工作，虽然取得了一定的研究成果，但仍存在一些不足之处。具体表现在：一方面，告警与故障源之间具有一种模糊的对应关系，在传统的方法中，没有考虑这种模糊性，而是将告警强硬的划分到与故障源的某个对应关系上，最终影响网络故障的准确诊断。另一方面，由于通信网络具有分层的结构，网络的层次结构决定了网络告警的传播特性，使得各层告警之间存在一定的依赖关系，而传统的方法中很少考虑到这种层间关系。针对上述问题，本文将近年来发展成熟的模糊理论、模糊逻辑与关联规则挖掘结合起来，并考虑到网络的层次结构特点，研究了基于模糊关联规则挖掘的网络告警相关性分析方法。在论文中，首先提出了一种将不确定性和不完整的网络告警信息进行模糊化处理的算法，在此基础上，进一步研究了一种新的多层模糊关联规则的挖掘算法，并重点探讨了算法中模糊支持度的计算方案和模糊最小支持度的设置策略，最后，本文对提出的算法进行了实验仿真，并对算法的有效性、运行效率、精度等等进行深入分析。仿真结果表明，算法能够有效、准确地完成告警的多层模糊相关性分析，为最终网络故障诊断提供告警相关性数据。