过程挖掘可以根据企业信息系统生成的事件日志建立业务过程模型。当实际业务过程发生变化时，过程模型与事件日志之间会产生偏差，这时需要对过程模型进行修正。对于含有并行结构的过程模型修复，由于加入自环和不可见变迁等因素，有些现有的修正方法的精度会降低。因此提出一种基于逻辑Petri网和托肯重演的并行结构过程模型修复方法。首先根据子模型的输入输出库所与日志的关系，确定子模型的插入位置；然后通过托肯重演的方式确定偏差所在位置；最后根据基于逻辑Petri网提出的方法进行过程模型的修复。在ProM平台上进行了仿真实验，验证了该方法的正确性和有效性，并与Fahland等方法进行对比分析。结果表明，所提方法的精度达到85%左右，相比Fahland、Goldratt方法分别提高了17和11个百分点；在简洁度方面该算法没有增加自环和不可见变迁，而Fahland和Goldratt方法均增加了不可见变迁和自环；三种方法的拟合度均在0.9以上，而Goldratt方法略低一些。以上证明用所提方法修正后的模型具有更高的拟合度和精度。
