数据已经成为了核心的战略资源之一,无论是社会进步还是企业成功,越来越依赖于对数据的分析。数据一致性和数据时效性作为数据质量管理中重要组成部分,一直是相关领域的研究重点。数值数据在医学和金融等领域内广泛存在,提高数值数据的数据质量无论是作为企业数据储备、高质量数据分析的基础还是用于开发相关应用,都有足够广泛的应用前景。改善数值数据的一致性与时效性一直是领域内的研究热点和重点。数据的时效性错误和一致性错误并不是独立存在的,两个问题可能会混合起来形成更加难以处理的数据错误。迄今为止已经有了一些研究成果,但是这些成果对于数值数据的清洗能力尚显不足。规则约束是数据质量管理领域的一项重要技术。现实世界中数据之间存在着关联关系,基于时效规则的关联数值数据的清洗作为领域内热点问题,不仅有重要的理论意义,同时也有广泛的应用价值。本文的主要工作如下:（1）提出基于关联内容的数值函数依赖。在分析了数值函数依赖的优点和局限性后,本文通过分析数据之间存在的关联关系,提出了一种基于关联内容的数值函数依赖,对其定义、规则发现方法等做出了说明;针对使用基于关联内容的数值函数检测到的不一致数据,提出了一种数据一致性清洗方法;（2）提出了时效约束与基于关联内容的数值函数依赖混合规则的数据清洗方法。证明本文提出的基于混合规则的最小代价问题是一个NP完全问题;提出了一种基于混合规则清洗数据的框架,包括错误数据检测和错误数据修复;（3）在多个真实数据集和人工数据集上,通过与传统规则约束清洗方法进行对比实验,验证本文提出清洗框架的效果和性能。实验结果证明本文提出的方法相比传统的规则约束具有更好的清洗效果。