决策是决策者通过运用领域知识,控制某些可控变量以达到特定目标,从而实现最大效用的方案选择过程。在信息量巨大,决策所面临的环境越来越复杂,知识表现出更大的不确定性的条件下,关于智能决策方法与决策系统的研究具有重要意义。在数据挖掘和知识发现领域,模糊集与粗糙集理论和方法都被证明非常有效,两种理论的互相融合可以构成基于模糊粗糙集的信息系统,利用两种理论在处理完整性和准确性较低的知识中的优势,我们可以很有效的在大量数据集中进行知识发现,同时保持较低的系统复杂度。本文主要研究并实现了基于粗糙集和模糊聚类的气象灾害智能决策系统,具体如下：(1)对基于点密度的模糊聚类算法进行了研究：经典的模糊聚类算法可以对现实生活中具有模糊性的事物进行很好的分类,但对于信息密度不同的分类,该算法的分类效果不太理想,本文采用了基于点密度的调节因子对原来的欧几里德距离度量做出了改进,使得算法在不同点密度的数据中也能取得较好的分类效果。通过模糊聚类算法,可以得到每个样本对于各个分类的隶属度,最终可以得到一个模糊信息系统。(2)对基于模糊粗糙集的决策树归纳算法进行了分析：在得到模糊信息系统之后还要对其进行模糊决策树推导,从而得到决策规则。粗糙集理论可以对信息系统进行降维处理,本文将粗糙集理论应用到模糊ID3算法中,使用模糊粗糙集理论中模糊属性的重要度代替模糊ID3算法的模糊分类熵对模糊信息系统进行决策树归纳,从而在减少分类规则个数的同时可以保证决策的准确性。(3)最后本文将模糊聚类算法和基于模糊粗糙集的决策树算法应用到对气象灾害的决策中,并通过实际数据对系统进行了验证。