近年来，几乎在各种领域都需要处理时态数据，对时态的研究也涉及很广。时态数据中包含着很多有用的信息，蕴含着许多潜在的事物发展的规律。为了进行预测，必须挖掘时态数据中隐含的、先前未知的、潜在有用的知识，以掌握事物发展的规律与趋势。很多文献给出了时态型、时间粒度的概念、定义和性质，但如何将这些性质运用在实际应用中，以便充分利用这些性质，提高数据挖掘的深度和广度，这是一个需要解决的问题。本文提出的时态关系模式在这方面作了初步研究，在时态数据理论上的定义、性质和实际应用之间建立了一个转换的机制, 并且运用了粗糙集理论对时态数据挖掘进行了研究。本文的第一章讨论了粗糙集理论和时态数据挖掘的研究现状，并给出了本文的研究内容；第二章给出了与本文研究相关的粗糙集概念和性质；第三章论述了时态数据与时态知识表达系统，第四章研究了基于粗糙集的时态数据挖掘的几个算法，第五章给出了一个车流量统计分析上的应用。本文获得的主要成果如下：针对粗糙集理论在知识获取上的特点，提出了时态知识表达系统，并研究了时态知识表达系统的周期性，多时间粒度性；给出了设定时态关系模式应遵循的规则；提出了应用粗糙集在时态决策表上进行多时间粒度周期模式挖掘各个环节的七个算法。