论文从地震数据的特点和约简需求出发，分析传统的粗糙集和基于优势关系的粗糙集在约简算法方面存在的问题，对经典粗糙集算法作出改进，提出一个基于优势关系的粗糙集模型，并把它集成到地震数据挖掘平台PDMPS中。 论文首先介绍Pawlak粗糙集模型以及决策表、可辨识矩阵和约简等基本概念，然后结合地震数据的特点，引入启发式属性约简算法对海量地震数据进行预处理。根据属性重要性的判定方式，论文结合实际应用对三种典型的属性约简算法进行了研究和改进。(1)相对可辨识矩阵的属性约简是以相对可辨识矩阵为基础的，把对可辨识矩阵进行逻辑运算的计算转化成代数运算，从而在一定程度上简化了计算，提高了约简效率。(2)基于信息嫡的相对属性约简算法，把条件属性和决策属性之间的互信息用信息熵表示出来，并以此判定属性的重要性。(3)基于灰色关联度的属性约简算法。论文把灰色关联度研究因素之间关联性的特性引入到属性约简算法中，根据条件属性与决策属性的条件．决策关联系数和条件．决策关联度来判定属性重要性。 在讨论经典的基于不可分辨关系的粗糙集理论及其约简算法的基础上，进一步探讨了应用于多准则决策分析的基于优势关系的粗糙集扩展模型。首先针对现有约简算法中存在的缺点，提出了一个新的优势区分矩阵的定义，在该定义的基础上给出了相应的求核和求约简算法以及规则提取算法。随后，给出了一个应用实例，对全国小震目录数据利用基于优势关系的粗糙集理论进行分类挖掘，最终从44381条样本数据中得出272条确定性规则。 最后，对本课题小组实现的一个地震数据挖掘平台PDMPS进行了简要的介绍。此平台基于自强2000高性能集群系统构造，由数据挖掘引擎和算法库、数据仓库、数据预处理部件、并行数据管理中间件、领域知识库及用户接口等几大部分组成。