作为知识推理的一个应用子集,健康知识推理在实际应用中存在体量大、结构相对复杂、不同类型的参数多(模糊、概率、时间等)等特点。而随着我国人口的逐渐老龄化,社会对于以心脑血管疾病为主的健康问题越来越重视。本文以传统Petri网及其拓展模型为理论基础,讨论了健康知识规则网络化推理的具体方案,并最终通过实例验证了方案的可行性。根据实际应用的需求不同,健康知识可以分为状态识别、风险预测和方案管理三个部分,其中状态识别类知识具有的共同特点是不确定性较大,根据相同或相似的前置状态(病症),可以推理出的疾病情况可能有几十上百种。面对状态识别类知识的不确定性,我们采用模糊Petri网(FPN)建模,并以《中国高血压防治指南》中的高血压危险分层知识为例,验证了FPN应用于状态识别知识推理的可能性。与状态识别类知识不同,风险预测类知识具有概率性和时间性的特点,此时相同的建模方法将不再适用,在此我们基于健康知识规则网络化的特点(变迁多、库所共用),改良了传统的时延概率Petri网,将时延参数和概率参数赋予给变迁,从而完成风险预测类知识的网络化建模,并使用《Framingham危险评分》中的节选表格进行建模,验证其有效性。最后,在实际操作中我们发现,面对海量的健康知识原始规则,传统的手工建模方法将难以应对,为解决这一难题,我们针对健康知识原始规则库的特点,设计了健康知识网络化自动建模的技术路线和具体算法,并最终通过程序实现了自动建模。与手动建模相比,自动建模具有效率高、不易出错的特点,这将有利于Petri网模型在健康知识推理领域的应用。