泥石流是一种常见的自然灾害现象，也是汶川地震后地震灾区最主要的一种次生地质灾害。这种灾害暴发突然、破坏性强、群发性高，对灾区人民生命财产安全和基础设施建设构成了严重威胁。泥石流灾害是短历时突发事件，目前还不能准确预测预报泥石流的具体发生时间和规模，但可通过对泥石流易发区域进行监测，利用监测数据和泥石流历史暴发记录研究确定激发泥石流的临界降雨量，直接为受泥石流灾害威胁地区提供泥石流早期预警信息，最大限度地减少因灾造成的人员伤亡。而在确定泥石流临界雨量的过程中，我们常常面对两方面的问题:一方面是关于监测数据，在实际监测系统中，数据信号传输常常受到气候异常或设备故障的影响，往往存在数据缺失或数据异常的情形。在样本数据不多的情况下，利用这样不完整、不精确的监测数据确定泥石流临界雨量存在较大误差。另一方面是关于预警模型，目前已建立了适用于不同尺度区域的形式多样的暴雨泥石流预警模型，但这些模型要么是以降雨强度I与降雨延时D（I-D型）为参数的预警模型;要么是以降雨强度I和累积雨量R（I-R型）为参数的预警模型，前者没有考虑前期降雨对泥石流暴发的影响，后者虽然考虑了前期降雨，但绝大多数研究都采用简单的线性关系式R+aI=c来建立泥石流预警模型，在泥石流样本资料不多甚至缺乏泥石流发生资料的地区，要同时推估两个待定参数（a和c）往往是很困难的。为此，台湾学者詹钱登、李明熹等人建立了RTI=I·R这个非线性预警模型，但从陈龙和尹国龙等人在汶川地震区清平、映秀、龙池“三大片区”的实际使用效果来看，该模型还存在不少问题。近些年发展起来的粗糙集理论区别于经典的康托尔集合理论，具有强大的数据分析功能，能有效分析处理不完备、不确定和不精确问题，且分析和处理都完全依赖于所提供的原始数据，不需要任何数据以外的预备或者额外的信息，是一套处理复杂数据分类问题的严密数学工具。　　本研究主要内容包括：⑴利用粗糙集算法对缺失数据进行补齐。本文采用基于粗糙集的数据补齐方法对离散化处理后的监测数据进行补齐，得到了接近现实的完整数据。⑵利用粗糙集属性约简算法找到了影响泥石流临界雨量的关键因素。以三大片区泥石流的统计资料作为源数据，分别采用粗糙集中基于分辨矩阵和属性重要度的属性约简以及基于灰色系统的关联度分析等算法，对泥石流临界雨量的影响因素进行了属性约简，获得了影响泥石流临界雨量的关键因素。⑶提出了一种新的数据规范方法。大范围大规模的泥石流总是发生在“异常”的降雨事件过程中，也即泥石流发生时特定空间的降雨已超过该地区通常的降雨水平。本文提出采用雨季日均降雨量规范处理降雨参数，使对降雨水平的刻画更加科学。⑷建立了基于粗糙集属性约简所得模型指标的泥石流综合预警模型。本文在粗糙集属性约简的基础上，定义了三种基于雨季日均降雨量的雨强指数，并将泥石流活动性系数、沟谷动力系数和区域气候环境系数综合描述为环境背景指数。提出采用雨强指数和环境背景指数的乘积来定量刻画泥石流暴发的综合驱动值。⑸分别利用年均降雨量和雨季日均降雨量改进了泥石流预警RTI模型。充分考虑到三大片区降雨的空间分布与泥石流分布的相关性和短历时雨强参数在泥石流形成中的重要性，分别利用年均降雨量和雨季日均降雨量规范相应的有效累积雨量R，再与相应雨强相乘，得到改进的RTI模型。⑹利用粗糙集中基于距离的异常检测算法对短历时雨强时间序列进行异常检测。采用5分钟降雨强度的动态变化对降雨事件进行动态描述，并采用基于距离的粗糙集异常检测算法对雨强时间序列进行“异常检测”，在累积雨量达到一定数量后，这些异常的雨强变化与泥石流的暴发密切相关。