森林火灾是在开放系统中自由蔓延的。由于受地形、可燃物类型及气象条件的影响,其燃烧过程复杂多变。因每起森林火灾,都具有不同的特点,在扑救中扑火人员的扑救知识和技术也有差异,所以单凭指挥人员的经验进行决策很难得出一个合理的方案。本论文对森林火灾扑救智能决策支持系统的整体结构做了规划,采用了火情信息采集、火行为预测、火灾扑救智能决策、用户界面显示、数据总库五大核心模块并行工作的模式,完成了系统的整体布局。在预测模型方面,采用了知识库、综合数据库、推理机构和模型库循环工作模式,建立了一种以产生式规则为基础的林火蔓延多模型预测体系;给出一种以王正非林火蔓延模型为基础的矢量叠加林火蔓延简单构型和灰色GM(1,1)模型的变等步长应用方法。并根据王正非模型与灰色模型的特性,提出了多模型预测智能选择方法。在预测过程中,利用专一性就近原则,对预测数据进行构造。本文对资源竞争的决策方法进行了深入研究,并采用这种决策方法作为森林火灾扑救的决策机制,使系统能够在有限的灭火资源条件下完成最佳的灭火方案决策。综合灭火时间、过火面积、火灾损失等各方面因素,提出了一套决策结果评价体系。对传统的扑火路径进行了优化。并通过对林火地形特征的分析,建立了一种由坡度值来判断陡坡、单口山谷、鞍状山谷等危险地理环境的决策函数,使系统生成的扑火方案更加科学、合理。在知识获取方面,本文在分析了大量历史森林火灾扑救案例的基础上,通过对知识库中知识的表示与结构的研究,根据森林火灾扑救智能决策支持系统的特点,确定了基于“规则架+规则体”的知识表示方法,建立了知识库。对自动学习算法进行研究,开发了基于模型匹配的自然语言理解的知识自动获取学习机,建立了为自然语言理解提供支持的专业字典,通过对关键词的二次定位,提高了学习机的学习效率。