探井生产管理决策支持系统试图应用人工智能技术完成计算机智能辅助决策功能,以提高探井生产管理中决策的准确性和决策速度,降低探井生产成本。在该系统的研发过程中,由于专家知识获取困难,因此,利用了知识发现技术从大量的勘探开发数据中获取对辅助决策有用的知识规则,作为不完备的专家知识经验的补充。本文以探井生产管理决策支持系统为研究基础,分析其数据特征和使用特点,研究选择了更有效的数据预处理方法,并针对已有的决策树算法在系统中应用存在计算准确率低、多值取向等问题,结合粗集理论提出基于属性加权和基于粗糙分类度两种不同的决策树算法,两种算法从不同角度对决策树算法进行改进。基于属性加权的决策树算法利用属性约简进行属性加权,根据不同属性对决策影响程度的不同对属性赋予不同的权值,在建立决策树过程中选取权值最大的属性作为分裂属性。基于粗糙分类度的决策树算法结合考虑了属性分类精度和属性之间依赖性对分类结果造成的影响。经实验证明,基于属性加权和基于粗糙分类度两种决策树算法有效提高了分类的准确率和决策结果的准确性。