近年来,世界各地公共突发性事件频频发生,对人们的人身安全、健康和财产安全造成了严重威胁。突发事件爆发时由于民众没有防备,对信息的需求尤为迫切,因而容易引发各种来源的信息爆炸式增长,其中夹杂着很多内容不准确甚至是误导和欺骗的信息,这类信息的广泛传播无疑加重了民众的恐慌情绪,从而给突发事件的应急管理带来了巨大的挑战。目前,社交网络得到越来越广泛的使用,特别是其用户基础庞大,操作简单,并具有明显的开放性和互动性,用户可以随时随地发表和浏览最新消息。因此,成为了不实信息传播的主战场。本文以新浪微博为研究对象,分析突发事件下不实信息的传播规律和影响因素,为突发事件应急管理和信息监管提供参考。本文基于SEIR传染病模型,结合微博转发规则和传播特征,构建微博不实信息传播模型,并基于多主体仿真建模理论、复杂网络理论,从微观个体传播的角度,对改进模型进行仿真实验,分析各影响因素的影响作用。主要工作包括:（1）从不实信息、传染病模型、复杂网络、多主体仿真等方面进行了理论和文献的梳理以及述评。（2）对SEIR模型的概念,传播机制,基本假设、传播动力学方程,优势和应用价值进行分析,结合微博转发规则和传播特征对模型进行改进,将微博网络用户划分为无知者（U）、浏览者（V）、评论者（C）和转发者（T）4类,构建微博不实信息传播模型。（3）通过多主体仿真软件Netlogo对微博不实信息传播模型进行仿真,对上述四类网络用户属性和交互规则进行设定,初始化不实信息传播网络,添加仿真主体组件和运行程序,实现主体间交互。仿真结果表明:随着初始用户节点数量、初始节点度、浏览概率、直接转发概率、评论转发概率的增大,都会加快不实信息的传播,评论概率会减慢不实信息的传播。基于仿真实验结果并结合实际情况,为微博的信息监管提出建议。