现今社会信息技术飞速发展,人们在日常工作中会积累大量的多种类型的时序数据。所谓时序数据是指按时间顺序排列的观测值的集合。对于这些大量的时序数据进行分析处理,挖掘其背后蕴涵的价值信息,具有重要的实际意义。粗糙集理论是波兰数学家Pawlak.Z于1982年提出的一种分析模糊和不确定知识的强有力的数学工具。它能够有效地处理不完整、不确定知识的表达和推理。这个特点使得粗糙集理论非常适合应用于时序数据的分析处理。首先,本文研究了时间序列信息系统的获取方法,它是转换为非时序信息系统的前提,同时也是属性约简和规则提取的基础。时序信息系统可以从原始离散数据中获得,也可以从实时时序信息系统转换得到,然后将时序信息系统转化成可以使用粗糙集进行属性约简的信息系统。其次,对转化后的决策表进行属性约简,同时也是数据挖掘的基础。本文详细介绍了几种约简算法的处理过程并且举算例进行验证分析,得出基于集合近似质量的属性约简算法较其他几种算法简单明了,约简效果令人满意。另一方面,由于基于差别矩阵的约简策略使用范围广,但算法计算复杂度大且效率低,所以针对这些问题,本文对一种基于差别矩阵的算法进行改进,以属性频率作为选择属性的启发信息,用过滤差别矩阵替代差别矩阵得到属性频率,避免了低效率大复杂度的计算,同时也可以得到很好的约简效果。最后,本文研究了规则获取的方法。由于数据库中的时序信号数据在实际情况中大部分是动态变化的,因此一般的基于静态数据库的规则获取方法显然存在不足。本文给出了一种基于粗糙集和决策树的增量式规则获取方法,并与基于静态的知识系统的规则获取方法和现有的动态规则获取算法进行分析比较,实验结果表明该方法表现令人满意。