过程挖掘是现代组织用来管理复杂运作流程的一种重要工具。过程挖掘旨在从企业信息系统的事件日志中提取有价值的过程相关信息并构建过程模型。在过程模型和现代信息系统产生的事件日志之间建立有效的关联。过程挖掘有三类应用场景:过程发现,一致性检查和过程增强。过程模型可以描述系统的特征,验证系统的正确性,并向系统设计者提供反馈。然而,由于系统升级或业务流程改进,事件日志中的活动和过程模型之间可能存在一些偏差。过程挖掘的过程增强应用场景可以解决偏差问题,修正偏差的过程称为模型修正。现有的模型修正方法将修正的重点放在拟合度这一质量维度上,对于其他的质量维度考虑较少。从而修正得到的模型包含重复的子过程或者自循环,模型存在冗余部分。修正的模型虽然可以重演事件日志,但模型与实际业务流程有很大的不同,而且不能正确反映实际业务流程的变化。为此,针对不同的模型结构,本文基于逻辑Petri网提出了不同的过程模型修正方法。(1)对于包含选择嵌套并发结构的模型,提出了一种基于逻辑Petri网的具有选择嵌套并发结构的过程模型修正方法。首先,为了找到偏差在模型中的位置,提出了最简校准的概念,并且引入Petri网的可达标识,通过可达标识集合来帮助确定偏差的位置。然后,在发生偏差的位置挖掘变迁之间的逻辑关系,添加逻辑函数控制变迁的触发,构造逻辑Petri网。修正后的模型能正确反映实际的业务流程。由于逻辑关系的加入,活动之间的关系用逻辑Petri网表达得比经典Petri网更准确。(2)对于包含非自由选择结构的模型,提出了一种基于逻辑Petri网的具有非自由选择结构的过程模型修正方法。首先,提出了变迁对、后序关系和后序变迁矩阵的概念帮助识别非自由选择结构。然后从事件日志中得到变迁对,根据变迁对中的后序关系得到后序变迁矩阵。在最优校准中,遍历变迁对,得到后序变迁矩阵中的异常变迁对。通过这些异常变迁对,可以确定待修正的位置。最后,挖掘变迁之间的逻辑关系,基于逻辑Petri网对原模型进行修正。由于添加了逻辑关系,活动之间的关系可以被简明地描述,使得模型的简洁性提高,避免了复杂冗余的结构。最后,通过仿真实验,例证了本文中针对两种特殊结构修正方法的正确性和有效性,且得到的模型在精确度和简洁度上结果更加理想。