近年来,环境变化实时动态监测系统采集了大量的数据,日益丰富的环境监测数据在一定程度上已超过了传统数据处理方法所能处理的程度,发现隐藏在海量数据中有用的知识,不仅是时空数据挖掘研究领域的重要任务,而且能够为环保工作者提供环境规划、决策的科学依据。数据挖掘是指抽取隐藏在海量数据中的有用知识的过程与方法,研究内容包括关联规则挖掘、聚类与分类等。时空数据挖掘是抽取时空数据中知识的过程与方法,通常包括时空关联规则挖掘、时空聚类分析、时空预测等。针对环境保护应用领域,论文研究时空数据挖掘理论在抽取大气环境保护相关知识中的应用方法。论文首先在总结时空数据挖掘研究成果的基础上,系统地阐述了时空数据挖掘的理论、框架和过程。由于传统的环境统计分析方法仅能简单分析环境变化与相关因素的关系,不能直观表示环境指标变化规律,论文利用经典算法挖掘出空气质量与气象条件的关联规则,定量、直观地表达了空气质量与气象条件变化的关系。为了发掘污染源空间分布与空气污染指数间的关系,论文研究了基于Voronoi图的空间关联规则挖掘方法,该方法首先依据空气质量监测点位建立Voronoi图,将研究区域进行离散化,并使用空间谓词构建空间事务数据库,然后在空间事务数据库中利用经典的关联规则挖掘算法抽取空气质量与污染源空间分布之间的空间关联规则。论文还研究了基于时空事件的空气质量变化的时空关联规则挖掘方法,该方法依据时空事件影响的时空域,将研究的时空区域离散成时空事务单元,然后在时空事务单元中,利用时间谓词、空间谓词构建基于时空事件的时空事务数据库,最后在事务数据库中挖掘空气污染指数与时空事件的时空关联规则。论文最后总结了研究成果,讨论了需进一步研究的工作。