数据挖掘是一个涉及多学科领域的新兴学科，并随着这些学科的发展而不断发展，应用领域非常广泛，目前已经成为十分活跃的研究课题.关联规则的挖掘是数据挖掘课题中的一个重要分支，它被用来描述事务数据库中属性间存在的潜在关系.数量属性作为事务数据库中一种很自然的属性，有着广阔的研究前景和巨大的应用价值，所以，研究基于数量属性的关联规则就显得尤为重要. 本文对事务数据库中数量属性之间的关联规则展开研究，提出一种关联规则新模型：上界弱比例规则，并对模型、性质、挖掘、推理和应用五个方面进行研究和探讨，取得了如下研究成果： 1.研究了布尔关联规则与上界弱比例规则的关系，得出结论：作为数量关联规则问题的特例，上界弱比例规则是布尔关联规则的推广，任意一个上界弱比例规则都以一个布尔关联规则作为支撑规则，上界弱比例规则可以按照其支撑规则进行划分. 2.给出了一种深度优先的上界弱比例规则挖掘算法：UBBoundary算法，算法分析和实验结果均表明：UBBoundary算法能够胜任上界弱比例规则的挖掘工作.此外，还定义了上界弱比例规则的基，它可以代表一类上界弱比例规则. 3.上界弱比例规则表示了前件与后件之间一种不确定性推理关系，基于这种不确定性推理关系，本文给出了上界弱比例规则的两种不确定性推理方法，并阐述了它们的直观意义.利用这两种不确定性推理方法，在已知一些上界弱比例规则和事实的前提下，能够得到相应的结论.该结论可以用于数据猜测和异常值检测. 4.将上界弱比例规则与下界弱比例规则的不确定推理方法进行整合，得到新的WRR方法，从试验的结果看，该方法在重构丢失数据、预测和异常值检测的应用中表现出了令人满意的效果.