粗糙集理论是一种处理不精确、不确定和不完备信息的数学工具,它能有效地从数据本身提供的信息中发现有效的、潜在的知识。将粗糙集应用于数据挖掘领域,能提高对数据进行分析和学习的能力。本文基于粗糙集理论,针对时间序列数据处理技术涉及的关键问题进行了较为深入的研究和探索。用粗糙集理论来进行时间序列数据分析,关键是将时态信息系统转化为适用粗糙集方法处理的传统信息系统。本文探讨了基于粗糙集方法的时间序列挖掘问题,主要包括时态信息系统转换成信息系统以及实时时态信息系统转换成时态信息系统的各种方法。在时态信息系统转换成信息系统转换过程中回溯时间片长度的确定是一个重要的问题,本文在现有的方法基础上提出了一种基于时间粒度的时态信息系统转化方法,有效地减少了转换后信息系统属性个数。属性约简是粗糙集理论研究的一个重要内发。在实际运用中,时序数据库往往是动态变化的,本文针对时间序列数据动态变化的特性,对动态变化的决策表属性约简进行了深入研究,在改进的区分矩阵的基础上,提出了一种增量启发式属性约简算法,能有效的处理不一致数据集的动态更新。论文最后选取UCI数据集进行实验仿真,对动态数据库增量式约简算法进行实验分析,有效地验证了上述算法的有效性。