随着城镇化速度的不断加快,地下管线的普查与建设等工程发展极为迅速,地下管线数据也随之大量堆积,如何合理挖掘、充分利用这些数据成了一个越发重要的问题,而目前,针对该问题的相关研究却极为稀少。由于地下管线测量数据的质量分析和评价问题常常带有强烈的模糊性与随机性,经典数学“硬计算”在该类问题处理上已显不足。而随着基于模糊数学的聚类理论,以及模糊数学的延伸理论——云模型的广泛使用,使得大数据挖掘分析和模糊性评价问题有了一种新颖且有效的解决方法。于是本文围绕以上问题和相应解决方法进行了相关研究,主要工作如下:(1)系统的介绍了模糊数学理论和云模型理论,并分析了其在管线测量数据挖掘上的可行性。经分析发现,影响各管线探测质量的因素具有一定的模糊性和随机性,而探测质量评价也带有强烈的模糊性与随机性,于是,对基于模糊数学的聚类理论和延续并扩展了模糊数学的云模型理论进行研究并应用成为了本文的重点。(2)针对各管线探测质量影响因素的相似性与差异性,以及其强烈的模糊性,建立了影响因素分析的模糊聚类模型,并结合探测实验深入研究了影响因素指标的特点与重要性。对于在以上随机因素影响作用下的管线探测质量,提出了基于模糊理论的云模型分析和云模糊评价方法,提出了适用于管线物探数据分析挖掘的逆向云算法,以及评价指标权重的确定方法。(3)将以上研究成果及模型在大连某区域探测工程上进行了应用。经应用发现,模糊聚类分析法在寻找影响管线探测质量的主要因素上,有着独特的优势,其以聚类的方法得出了在影响因素上各专业管线的差异性和相似性,通过模糊聚类,有效减少了分析的工作量,更多更好地利用了管线成果数据,且为提高管线探测质量提供了理论依据和决策支持。利用云模型对以上随机影响因素作用下的探测成果进行分析和评价发现,云模型在分析挖掘物探数据方面,能够根据云数字特征提供多角度多层次的决策知识;在测量质量评价方面,云模型解决了模糊综合评价的固有不彻底性及最大隶属度问题,为管线质量评价提供了一个新颖且更加科学合理的方法。