随着自动监控系统和实时数据库在工业应用中的推广，氧化铝生产行业中积累了大量的历史数据。如何从这些历史数据中发现蕴含的、对生产和管理具有重要指导作用的规律，已成为企业目前迫切需要解决的问题。本文基于粗糙集理论，主要针对氧化铝种分领域应用中的一些关键问题进行研究和探索。离散化是粗糙集建模的重要过程。针对已有离散化方法众多、用户难以选择的问题，给出以分类预测正确率为衡量离散化方法优劣的评价标准，分析不同离散化方法对种分过程粗糙集模型分类预测正确率的影响，将粗糙集与领域知识相结合，提出一种以近似精度作为反馈信息适用于氧化铝晶种分解领域的数据离散化方法，使其能产生更有效和实用的决策规则。详细分析种分领域的数据特点，建立氧化铝种分领域的粗糙集数据分析模型，并将该模型应用于某二段法生产砂状氧化铝的工业试验数据的分析处理，实现附聚效率预测的知识发现过程，得到良好的附聚效率预测效果。针对粗糙集方法获取规则无法预测某些样本以及神经网络处理种分数据预测准确度不高的问题，构建一种基于粗糙神经网络的数据分析模型，并将该模型应用于某二段法生产砂状氧化铝的工业数据处理，降低了模型预测的平均误差，且该模型由于消除冗余属性和噪声样本，大大减少了时间和空间复杂度，较好地实现了氧化铝种分过程的调控和预测。