应急决策是政府工作的重要内容,将与突发事件相关的信息和事件处置相关的经验知识及时提供给决策者,是达成正确、高效事件处置的关键。传统决策引擎大多基于“硬”计算,满足确定性决策需要,但是,针对突发事件的应急临机决策本身是一类具有不确定性的决策,且决策相关信息繁杂、异构,具有不完备、多粒度等特点,使得传统决策方法在处理这类问题时面临困难。解决这一问题,需要决策引擎能够表示不确定性知识,并能针对突发事件的不确定情景推荐信息。目前,针对应急临机决策的研究还处于探索阶段,还没有成熟的理论和技术。本文围绕应急临机决策过程中面临的不确定环境下的信息支持问题展开了深入的研究,重点关注应急知识表示和应急决策方法这两个关键问题,主要完成如下方面工作:1、扩展经典描述逻辑,提出了粗糙描述逻辑Rough-SHOIN,作为应急临机决策知识表示基础。将粗糙相似关系引入描述逻辑,定义概念的粗糙上近似和下近似,扩展描述逻辑对于不确定概念,特别是不完备概念的表达能力。同时,在Rough-SHOIN语义中,引入概念解释的上下文环境,为概念在不同上下文环境中给出不同的语义描述,实现多粒度表达。针对应急临机决策地理空间知识表示的需要,对Rough-SHOIN的具体域进行扩展,给出了空间粗糙描述逻辑Rough-SHOIN(S)。扩展空间拓扑关系,将RCC-8在粗糙区域中重新定义,同时在空间拓扑关系中引入高度关系,可达关系等,增强Rough-SHOIN(S)对于空间关系的表达能力;给出空间方位关系,扩展Rough-SHOIN(S)对于空间对象在方位关系上的表示和推理。2、以Rough-SHOIN为基础,设计了ROWL语言,扩展OWL对于应急临机决策粗糙知识本体的表达能力。在此基础上,构建了应急临机决策知识本体EDOM,建立应急临机决策知识体系。EDOM包括上层本体和应用层本体。以ABC本体为基础扩展形成eABC作为上层本体,应用层本体则从应急主体、客体、发展过程、救援过程等方面建立应急临机决策概念、关系、函数、公理和实例的五元组。3、在应急知识表达的基础上,提出了面向事件感知的临机决策模型(EADM)。EADM基于逻辑表达,建立事件感知形式化模型,设计情景匹配OSMA算法;给出基于本体的决策知识获取模型,发现和整合异构信息;设计决策信息推荐模型,将感知获取的事件信息作为输入条件,计算当前事件与历史案例的概貌相似度与过程相似度,然后针对不同的用户角色对案例效用进行评分,实现针对不同用户提供不同粒度的案例信息。实验证明,利用情景匹配与过程匹配相结合的相似度算法,可以有效提高应急临机决策知识推荐的准确率。4、最后,在上述研究的基础上,本文开发了应急临机决策引擎原型系统,对成果进行了验证。