随着数据挖掘技术的发展,人们对时态信息的关注日益提高。时态数据库中既反映被处理事件的历史信息又体现系统中元事件时态信息的双时态数据库日益受到人们的重视。随着双时态数据库的不断发展,双时态数据库的模型、索引等技术趋于成熟。通常情况下,在时态数据库的一个元组中只有若干属性与时间紧密相关。随着人们对时态信息的重视,这些与时间紧密相关的属性越来越多地成为了研究热点。传统的双时态关系模型虽然标记了有效时间和事务时间,但其有效时间和事务时间是约定在整个元组上的,不能唯一地约束某一属性。人们无法区分哪些属性与时间紧密相关、哪些无关;在属性随时间变化时,规模过大的元组会带来更多的10压力,影响效率的提高。要在传统时态模型之上进行一些时态数据挖掘的话,工作往往变得复杂、甚至难以进行。本文提出一种改进的表示数据模型。改进的表示数据模型基于属性的时变性,将双时态关系分为多个时间粒度关系,引入分类关系来实现对多关系的管理。使得与时间相关属性的数据分析工作更具针对性和灵活性。此外,文章详细阐述了模型之上的查找、更新等操作。为验证模型在时态数据挖掘中的性能,以时态关联规则挖掘为例,使用Apriori改进算法,在表示数据模型和改进的表示数据模型上进行了测试。测试数据表明改进表示数据模型在该应用领域的有效性。模型的不足之处是过于简单,没有考虑索引技术和对TSQL2语言的支持。这些都是今后努力的方向。