过程挖掘技术能够通过现代信息系统从记录的事件日志中提取知识,该技术为各种应用领域中的过程发现、监测和改进提供了新的手段。当今社会越来越多的企业使用业务流程管理系统为其商务流程提供支持,过程挖掘技术作为工作流再设计与分析方法的一项关键技术,能够自动地重构过程模型,计算事件日志中日志记录与过程模型的匹配程度,以及对过程模型进行修复与扩展,使之更加符合现实生产过程。过程挖掘的起点是事件日志,对事件日志的处理作为模型发现的基础对过程挖掘起着至关重要的作用。真实生活事件日志可能包含混沌活动,混沌活动的存在严重影响过程模型的质量,目前的混沌活动过滤方法只是从事件日志中简单地过滤不频繁的活动,无法发现精确的过程模型,进而影响过程模型的审计、分析与改进。此外,对于已发现的过程模型,已有的模型修复方法无法有效的解决事件日志与模型之间的偏差,并且修复过程复杂。针对上述两个问题,本文提出了基于混沌活动过滤的模型发现方法和基于偏差约减的模型修复方法,经验证有效地解决了上述两个问题。本文的主要贡献如下:(1)过程挖掘技术从业务流程的执行数据中自动的发现业务流程,真实的业务流程事件日志中通常包含混沌活动,传统的事件数据日志过滤方法无法有效的过滤事件数据日志中的混沌活动。本文提出了一种基于双向因果依赖关系的混沌活动过滤方法,通过分析模型与事件日志之间的双向因果依赖关系,以模型与事件日志之间的精确度作为约束条件,实现了事件日志中混沌活动的过滤。该方法通过与基于信息熵的混沌活动过滤方法进行对比实验,并分析多组事件日志与混沌活动过滤前后产生的过程模型之间精确度与时间复杂度,进一步验证了该方法的有效性与正确性。(2)针对大数据交易平台的构建过程以及传统的模型修复方法无法有效发现和约减流程执行与流程规则之间存在的偏差的问题。本文提出了一种基于偏差约减的大数据交易模型修复方法,通过过程模型的可达标识图发现事件日志与模型之间的偏差关系,对事件日志与模型之间偏差进行约减,实现基于有效偏差的模型修复。该方法应用于天元大数据网大数据平台,通过与基于模型校准和基于迭代的修复方法进行对比实验,对修复结果开展模型拟合度、精确度、简洁度及时间复杂度评估,最终使得过程模型能够更好的反应现实业务。