داده کاوی تلاش برای استخراج دانش از انبوه داده های موجود است. داده کاوی به کمک مجموعه ای از روشهای آماری و مدلسازی می تواند الگوها و روابط پنهان موجود در پایگاه های داده را تشخیص دهد. امروزه سازمان ها قادرند با هزینه کم اطلاعات وسیعی از وضعیت کسب و کار خود را جمع آوری و نگهداری کنند و این موجب شده است که استفاده از روشهای داده کاوی ارزش قابل توجهی را برای این سازمانها به دست آورد. از جمله این سازمانها شرکت ملی پخش فرآورده های نفتی ایران می باشد که طی دو سال اخیر با راه اندازی سیستم هوشمند سوخت موجب ایجاد پایگاه داده ای با حجم وسیعی از اطلاعات گردیده است. در این تحقیق با هدف کشف دانش در پایگاه داده سیستم هوشمند سوخت به ارائه مدلها و الگوریتمهایی پرداخته شده است که موجب کشف یکسری الگوهای مصرف می گردد. ما در اینجایک سیستم کمک تصمیمی جهت کشف دامنه مصرف با راه کار داده کاوی، طراحی کرده و برای ساخت مدل روشهای مختلف داده کاوی و میزان موفقیت هر کدام از روشها را مورد بررسی قرار داده ایم. در نهایت اهدافی که از اعمال راه کارهای داده کاوی بر روی دادههای کارت هوشمند سوخت انتظار می رود شامل : شناسایی الگوی مصرف، پیش بینی میزان مصرف آینده هر خودرو، تصمیم گیری جهت بهبود توزیع منابع، تشخیص ساعات و جایگاههای پر مصرف، تشخیص مناسب جایگاه عرضه سوخت، مدیریت بهتر مصرف سوخت، بهینه سازی مصرف، اجرای سیاستهای مقابله با تخلفات و سوءاستفاده از مصرف سوخت، نظارت بر ترافیک و آلودگی شهری، نظارت بر میزان مصرف هر خودرو و کمک به سایر ارگانها مانند نیروی انتظامی سازمان ترافیک و شهرداری جهت شناخت نقاط ترافیکی شهر، می باشد.با توجه به اهداف ذکر شده و تجزیه و تحلیل تکنیکهای مختلف داده کاوی ثابت کردیم که تکنیکهای مناسب جهت حصول این نتایج تکنیکهای خوشه بندی و سری زمانی می باشد. تکنیک خوشه بندی جهت دسته بندی میزان مصرف، و تکنیک سری زمانی جهت پیش بینی میزان مصرف آینده مورد استفاده قرار گرفته است. در ادامه انواع تکنیکها و روشهای خوشه بندی را مقایسه کردیم و به پیاده سازی الگوریتمهای خوشه بندی kmeans و em پرداخته شده است.