近年来,非常规突发事件问题已经得到了全球广泛性的关注。非常规突发事件具有罕见性、高度非结构性、灾难后果不可预测性等特征,同时具有“涟漪效应”,容易导致次生衍生灾难,给社会带来严重的直接或潜在危害。由于非常规突发事件在发生频率、演化状态、潜在影响、预测性以及处置方式上,和常规的灾害或者危机存在很大区别,因此,如何应急处理非常规突发事件成为一个亟需解决的重要问题。非常规突发事件应急管理决策的紧迫性、非常规性和复杂性,要求决策主体必须对事件立即响应、实时决策,因此常规的决策理论、优化技术很难处置具有罕见性、动态性、复杂性等特征的非常规突发事件,非常规突发事件的特征突破了常规处置方法的能力范围,而“情景-应对”型处置方法可以针对其不可预测性、高度非结构性等特征对其进行处置。人工智能技术如人工神经网络算法、蚁群算法等具有较强的自学习和自适应能力,能有效处理复杂性、非线性难题,适合非常规突发事件应急决策。基于这一思路,本文根据非常规突发事件系统结构特征及推演阶段具有的不同特点与要求,选择优化理论、演化理论及多属性决策理论作为研究的理论基础,着重研究了非常规突发事件基于情景推演的决策支持模型与方法。本文根据非常规突发事件应急决策情景要素及其作用机理提取与表示,利用本体来创建领域知识模型,使同一领域的信息标准统一,更便捷的实现信息共享和集成;提出了非常规突发事件本体在此阶段的情景构建与推演方法,建立了非常规突发事件情景模型与情景再现与态势推演模型,定量化描述了非常规突发事件演化过程中事件的耦合特征和耦合规律,建立了非常规突发事件情景模型及情景推演随机网络共力耦合模型、互力耦合模型和驱力耦合模型,识别各关键要素之间的耦合作用,并且给出应用示例。本文研究了非常规突发事件应急决策问题模型体系,构建了应急决策问题综合集成框架。在考虑部门协同、动态决策基础上,提出了部门协同网络、协同矩阵、协同系数等新的概念,基于多目标优化的思想,建立了多阶段多目标多部门的应急协同决策模型,该模型能够结合多部门意见,并随着事态的发展对决策进行动态调整,考虑到对非常规突发事件灾情进行评估,既是制定减灾决策的基本依据,也是评价处置突发事件决策工作成效的重要指标之一,本文针对RBF神经网络的局部搜索能力不强、未成熟收敛等缺陷,提出了基于混沌蚁群算法的非常规突发事件致灾因子的改进模糊神经网络模型(CACO-FNN),并且给出了相应的设计和算法实现。实例证明,CACO-FNN能够很好地反映样本数据输入与输出之间的非线性函数关系,基于CACO-FNN的非常规突发事件致灾因子评估模型有较好的应用前景。本文提出了一种基于群组决策理论的改进AHP组合决策方法,建立了IAHP决策模型,以煤矿瓦斯爆炸事故为例,建立了一种基于改进的熵权法的复杂性测度的应急方案决策模型;并且结合“7.23”甬温线特大交通事故实例,对各章主要内容进行梳理与运用,分析了该事故情景演化过程与演化路径,根据CACO-FNN模型对事故进行致灾因子评估,并且运用基于改进IAHP算法的多属性群决策模型,对“7.23”动车重大事故决策进行实例分析,为决策主体提供决策依据。