随着我国经济水平和科研能力的不断提高,信息及电子计算机技术得到了快速发展和广泛应用,各行各业的生产力水平也有了显著的提升。与此同时,快速的信息化造成广泛的“信息孤岛”及数据冗余问题,数据集成是目前解决这些问题的重要途径。数据集成通过消除数据间的物理差异和逻辑差异,以统一的存储和表示方式为用户提供优质可信的集成数据服务。然而,随着数据集成技术的发展,数据质量问题日益突出,严重影响集成效果,其中,数据集成中的数据不一致问题是目前亟待解决的数据质量问题之一。不一致数据问题表现在数据集成中的方方面面,主要体现在模式层和实例层两个层面。论文主要针对实例层的数据不一致问题进行研究,从数据质量的角度对不一致数据进行评价分析,并通过对模糊集理论、神经网络理论和决策论的综合应用,提出解决方案,实现了数据的高质量集成并解决了数据的不一致问题。同时,论文结合中国石油运输公司实际业务需求,研究设计了石油运输系统数据集成平台,并采用上述数据不一致解决方法,构建一个合理、标准、灵活的数据集成系统,为上层决策应用提供科学、可靠的数据支撑,有效提升了中石油运输公司的业务竞争力。论文以中石油运输公司数据集成平台项目为契机,对数据集成中的数据不一致问题展开如下研究:1)分析了不一致数据产生的原因,并对其解决办法予以分类,给出了数据不一致性的一般数学模型。2)提出了基于模糊多属性决策及数据依赖关系的数据不一致性解决方案,创新性的增加了函数依赖质量属性,弥补了原方案忽视数据内在联系的不足,并通过实验证明此方案具有更好的不一致数据处理效果。3)提出了基于模糊神经网络的多属性决策方案,新方案在基于模糊多属性决策及数据依赖关系方案的基础之上,对不一致数据进行二次清洗,实现了模糊神经网络理论在处理不一致数据上的应用,提升了不一致数据的整体处理效果。4)设计了石油运输系统数据集成平台方案,并融入了论文数据不一致性研究成果,构建了高效率、可扩展的数据集成系统。