过程挖掘技术能够从现代信息系统产生的事件日志中提取过程信息,从而完成对流程的监测、分析和改进,实现增强企业业务流程的目的。各企业和组织能够根据生成的日志信息检测业务流程,为业务流程优化提供了方便。一致性检测技术和模型修正技术是过程挖掘研究的重要内容。现有的一致性检测方法不足以找到准确的偏差位置,以致于不能精确定位需要修正的位置。同时,现有的模型修正方法仅着重于考虑拟合度,对精确度等指标考虑较少。原有方法修正后,模型存在不同部分描述相同行为的情况,且活动之间复杂的业务逻辑关系用传统Petri网难以简洁准确的表示出来。因此,本文以Petri网和逻辑Petri网作为描述过程模型的形式化方法,分别针对业务流程中修正的不同情况,提出不同的一致性检测方法和模型修正方法。针对常见的业务流程中所涉及的模型修正的情况,提出一种基于扩展足迹矩阵的一致性检测方法。通过对比两个扩展足迹矩阵,得到了日志和模型之间精准的偏差位置。由于原模型变迁之间关系错乱,修正后模型可能存在混惑,变迁之间会产生冲突。逻辑Petri网可以很好的解决这一问题,使得修正结果更加简洁,更贴合事件日志。在此基础上,提出了一种基于逻辑Petri网的非循环模型修正算法。该方法简洁并准确的表示了活动之间的逻辑关系,提高了修正结果的拟合度和精确度。针对模型修正中存在复杂循环结构的情况,比如在模型中的选择结构或者循环结构处,需要添加一系列的复杂逻循环结构,提出了一种基于最优校准的一致性检测方法。通过计算最优校准及其标识所在库所准确定位偏差,能够根据连续的日志动作准确找到循环子日志。在此基础上,提出了一种基于逻辑Petri网的循环模型修正算法,能够更好地定位到循环结构的起始和终止位置修正循环结构,并挖掘产生的逻辑变迁的逻辑函数,达到简化模型并进一步提高模型的拟合度和精确度的目的。最后,通过仿真实验验证和修正方法比较分析,证明了本文方法的有效性,而且得到的修正结果更加简洁,拟合度和精确度更高。