铁路系统中大量新技术和新设备的投入使用使得电务部门的安全生产压力日益增大。同时，电务部门为此投入使用的信息系统也因存在一系列问题而使得其效果不尽人意。本文面向现有工作流挖掘算法无法准确识别的电务生产活动中的复杂结构，设计了一种新的挖掘算法，从信息系统记录的事件日志中提取相关业务流程的客观控制流信息，并生成更高准确度的过程模型。基于此模型驱动工作流引擎运转，实现对生产活动执行过程的全面监督和管理，从而提高生产活动的执行效率和质量，更有效地保障行车安全。论文主要工作如下:　　(1)分析了工作流挖掘领域的国内外研究现状，总结了形式化算法、启发式算法、搜索算法和区域理论算法四类工作流挖掘算法，对比了各类算法的优劣势。描述了工作流挖掘的概念与应用场景，介绍了Petri网和工作流网等基础理论。　　(2)面向既有算法无法检测直接循环和间接关联两类复杂结构的问题，基于Petri网和工作流网分别给出了两类结构的基本定义，分析了两类结构在事件日志中隐藏的行为特征，基于Alpha算法的基本次序关系设计了复杂次序关系以检测两两任务间可能存在的单一或合并、单一或分叉、延迟执行、共存、间隔跟随、重复执行、单向循环、直接循环和间接关联等关系，并分别给出了两类复杂结构的检测定理以及理论证明，解决了既有算法存在的问题，为后续设计新算法奠定基础。　　(3)为了消除两类复杂结构共同存在时对检测方法产生的影响，确定了两个方法的检测顺序，设计了事件日志处理方法。面向间接关联结构串联造成的冗余关联，设计了冗余关联消除方法，克服了冗余关联对构造工作流网造成的影响。基于检测方法从事件日志中识别的任务关系，结合因果关系矩阵构建工作流网，设计了Alpha-KD算法，生成包含直接循环和间接关联复杂结构的过程模型。通过Java编程实现了该算法，并以插件的形式集成在ProM框架中。　　(4)基于一致性检查方法，使用实际业务和合成案例两类数据集，将Alpha-KD算法与既有算法进行评估对比。结果表明Alpha-KD算法能构建具有更高适应性和精确性的过程模型。在电务生产管理信息系统中部署了Alpha-KD算法构建的过程模型，实现了待办任务的提醒、业务状态的跟踪和流转历史的查看，验证了算法的有效性和可行性。