过程挖掘被认为是连接数据挖掘和业务过程管理的桥梁。随着大数据技术的飞速发展,过程挖掘技术越来越多地应用于信息系统对业务过程的实现和支持。过程挖掘典型的应用场景包括过程发现、一致性检测和过程增强。过程发现作为一种从数据(如企业信息系统生成的事件日志)中发现过程模型的技术,能够指导业务管理者更加准确直观地了解其服务的业务过程。一致性检测能发现事件日志和过程模型之间的偏差。为了解决原模型中无法正确描述系统更新和改变的问题,在过程挖掘的过程增强应用场景诞生了一种称为模型修正的技术。循环结构的过程发现和模型修正是过程挖掘的重要研究课题。本文以Petri网作为建模工具,分别提出与自由循环结构相关的过程发现算法和模型修正方法。提出了一种基于α算法的过程发现算法,能够从非完备事件日志中发现包含自由循环结构的过程模型。由于缺少一些数据,实际业务过程中生成的事件日志可能变得非完备。针对非完备事件日志,现有的过程发现算法不能构建合适的过程模型。本文通过预处理非完备事件日志,提出识别算法发现事件日志中存在的重复活动。在此基础上,提出对不同长度自由循环结构中活动的区分算法,获得所有自由循环结构中的活动。通过分析活动之间的关系,发现包含自由循环结构的过程模型。提出了一种新的基于Petri网的模型修正方法,使得只能发生一次的变迁能够发生任意次。通过构建自由循环结构,能够改变过程模型中变迁的发生次数。利用校准方法发现事件日志和原模型之间的偏差,能够确定存在问题的变迁。通过构建自由循环结构,获得基于Petri网的修正过程模型。最后,利用一些仿真实验,例证了本文方法的正确性和有效性,而且得到的过程模型在保证高拟合度的同时拥有较理想的精确度和简化度。