研究目的：知识获取和知识推理是智能系统开发中的两大环节。基于知识的非机理性建模方法已成为复杂过程建模的一种趋势。为解决建模过程中对经验知识的依赖问题，进一步完善推理机制，本文基于粗糙集和区间值模糊集理论，研究知识建模及近似推理方法，并将其应用于船体结构焊接变形预报。对建模与推理中的理论、方法和实际问题的研究有助于认识焊接变形规律，并可进一步推广至其他复杂过程，促进系统建模理论的发展。
创新要点：将区间值模糊集与粗糙集理论结合，通过引入新的包含度来构造区间值模糊粗糙集模型，经过数据采集、区间值模糊化、属性约简、规则抽取等步骤，从信息系统中提取出一个简化的模糊知识模型，给出获取模糊知识模型的完整算法；通过对经典的合成规则推理与现有的相似性推理的机理分析，提出一种新的相似性推理--基于合成规则的相似性推理方法。
方法提亮：与现有的智能方法相比，本文的知识建模方法不依赖于经验知识，所构建的模型易于理解和编辑，运行速度快，计算精度较高，对复杂过程建模有较强的适应性。改进的相似性推理方法，既考虑规则前提与结论之间的内在关联，又把相似性匹配作为必要环节，这样，输入和前提所发生的变化均能在输出中反映出来，推理结果更趋合理。
重要结论：将上述方法应用在焊接变形预报方面，实验结果验证了算法有效性，表明算法对复杂过程建模具有较强适应性。

关键词： 知识建模,  区间值模糊粗糙集,  相似性推理,  焊接变形预报