近年来随着互联网的快速发展,人们浏览互联网的方式渠道更加多样,微博、微信、抖音等网络社交及短视频平台的兴起也大幅降低了社交成本。互联网成为了民众发表观点意见的主舞台,随之而来的网络舆情相关问题越发严峻。网络事件传播引发的网络舆情可以在短时间内造成远超社会舆情的巨大影响力,并且有从网络空间向现实世界蔓延的趋势。因此,分析网络舆情产生的原因、对网络舆情做出准确判断、从理论以及相关技术方面分析网络舆情演化机制,研究其影响因素以及传播规律并采取适当的应对方法具有较强的现实意义,成为各方学者关注的热点。网络事件传播是一个极其复杂的动力学过程,当前对于网络事件的研究忽略了传播过程中不同事件间存在的相互影响,同时现有关于网络事件仿真建模领域研究也几乎都针对单一事件进行模型构建。但是,网络世界中,同处于传播过程中的不同事件间存在相互影响并表现为竞争关系,事件的传播过程会因其他事件的干扰而变化。基于此种理论,本文首先对网络事件干扰过程进行了描述,构建了具有平台通用性的网络事件干扰模型框架。针对现有模型单一事件容量的问题,本文基于元胞自动机以及SIR传染病模型理论,将用户兴趣偏好个体差异化矩阵与改进后的用户状态分类定义以及状态转换规则结合,提出了具有多事件容量的mSIR-CA（multiple SIR-Cellular Automata）模型,经过模型推演对网络事件干扰传播规律进行了研究,同时mSIR-CA模型因其多事件容量的特征,在辟谣信息传播过程推演方面也可以达到较好的效果。此后,针对不同目标事件,本文研究了基于事件类型的网络干扰事件选取方法,在多个备选干扰事件中快速判断出能够有效抑制目标事件传播趋势的干扰事件。经过真实事件数据整理得到的网络事件数据集和粒子群算法,对干扰事件选取方法中的人为设定过程参数进行合理寻优后,网络干扰事件选取方法在真实事件训练集与验证集中均具有较好的准确率。本文的研究有助于相关部门更好地了解网络事件以及网络舆情传播过程,为网络监管与引导提供了新的参考。