随着商务活动日趋频繁和企业信息化程度的提高，有越来越多的信息积累，其中大部分均以时态数据形式存在。这样，时态数据挖掘作为数据挖掘的一个新的课题出现，引起了人们极大的兴趣。国内外时态数据挖掘的研究起步不久，面向时态数据的挖掘算法目前效果还不是非常理想，还存在许多问题亟待解决。本文对此进行了研究。 首先，我们介绍了数据挖掘有关的概念、技术和研究现状，论述了时态数据挖掘的研究背景和进展，给出了本文研究的内容。 然后，介绍了时态型、时态因子和时态粒度的基本概念和性质，给出了一种时态关联规则的数学模型，并对给出了几个具有实际意义的时态关联规则。 其次，讨论了单事件相同时态、周期时态内关联规则挖掘的两个算法，并给出了相应的试验结果。同时针对双事件时态关联规则挖掘提出一个增量算法，并给出了实验结果。另外还给出一个基于兴趣度的关联规则挖掘算法和试验结果。 最后，我们论述了Markov Chain在时态数据挖掘中的应用。 本文所获得的主要成果为：1、给出了一种时态关联规则的数学模型，2、提出了单事件相同时态、周期时态内时态关联规则挖掘的两算法，以及双事件时态关联规则挖掘的一个增量算法和一个基于兴趣度的时态关联规则挖掘算法。