20世纪90年代以来,商业活动变得越来越复杂,竞争愈演愈烈,企业需要得到更多信息进行战略决策以提高竞争力。数据仓库是一种能够提供重要战略信息的新范例。它可以提供一些复杂的聚集、分析、数据比较等特性支持决策,使决策者越来越依赖数据仓库来获取历史数据,以支持组织的战略决策。数据仓库最重要的用途是使用数据的多维度视图进行联机分析处理(OLAP),并按照应用领域相关的维给出聚集和比较数据。OLAP系统可以有效处理度量上的变化,当使用OLAP进行分析时,可以在多个维上考虑多个度量,以完成某一连续时间的趋向分析、数据子集切片,并创建一个表示这个切片的新视图。然而,没有时态支持的多维数据模型只能记录数据仓库模式的一个快照状态,维度结构的变化不能得到很好的展现,也将导致在动态变化领域中产生不正确的查询分析结果。自从“数据仓库之父”的WilliamH.Inmon在1993年系统地阐述了数据仓库的思想和相关理论后,学者在如何有效处理时变数据和维度变化上做了许多探讨,然而到目前还没有一个被广为接受的时态数据仓库模型。本文提出了一种多维数据模型的时态扩展,这种扩展基于时态数据库的研究成果之上。提供了4中时态类型支持:有效时间、事务时间、生命周期、装载时间。多维数据模型是数据仓库中重要的概念模型,在此基础上作者探讨了维度层、层属性、层级、度量加上时态支持后的特性,使其能够记录维度变化历史,更准确地描述数据仓库业务逻辑。包含时态支持的多维数据模型仍然是一种概念模型,构建完善的概念模型是数据仓库实施中的重要一环,它能直接反映出业务部门的需求,因此,逻辑建模是建立时态数据仓库理论的第一步。本文首先对时态数据仓库理论的发展、国内外研究现状及研究意义、时态模型理论基础进行了研究,并对数据仓库中多维数据模型相关概念和联机分析处理方法进行了分析,指出了非时态多维数据模型存在的问题;其次针对多维数据模型的构件分别进行了时态扩展,重点对维度层、层级、度量的时态扩展进行了研究。再次对时态多维数据模型向可操作的数据模型映射进行了研究,重点讨论了向ER模型映射过程中时态类型、时态维度层、时态父子关系的转换问题,并且为多维数据模型的时态扩展提供一个使用UML符号描述的原型。在时态数据仓库管理策略方面,对目前物化视图维护策略进行研究总结,定义了物化时态视图,并在此基础上,提出一种在非时态数据源上基于物化视图的时态数据仓库框架,可以自动地维护时态视图,并允许用户使用这些视图进行时态查询。最后探讨了物化时态视图的维护及计算过程。通过对比分析,使用时态数据仓库概念模型描述数据仓库业务,并使用物化时态视图进行模型管理,能够减少数据仓库业务复杂度,并能更准确地进行联机分析处理。本文还将提出的时态数据仓库框架迁移到著名的WHIPS数据仓库之上,具体应用于一个商业案例中,通过描述销售概念模型的业务逻辑和时态视图管理策略,再次验证了模型的有效性。