计算模型、测量系统和信息技术是当今时代人们用于分析和预测复杂系统特片及行为的主要手段。然而大多数用于预测系统状态及特征的模型在系统运行时都是依据静态数据输入实现的。这种测量方法及模拟预测是连续及静态执行的,不能反应系统的动态变化。由于没有将系统发展的实时状态数据输入模拟系统中,因此无法捕捉到系统状态及性质变化,导致模拟精度不高。基于动态数据驱动的应用仿真系统将仿真过程与实际系统有机地结合起来,为复杂系统的预测模拟提供更为准确的分析、预测与控制方法,进而得到更为准确的模拟结果,从而为科学决策提供行之有效的决策依据。当前动态数据驱动模拟已经成为了系统仿真模拟的热点。本文以动态数据驱动应用系统的基本思想为基础,以森林火灾蔓延为对象,研究了动态数据驱动应用系统的理论及实现方法。森林火灾严重破坏生态系统及人类的生命财产安全,因此研究林火蔓延机理,对林火蔓延发展进行准确地预测和模拟,可以有效地制定扑火决策,控制火场的持续蔓延。然而作为一种复杂系统,准确地预测林火蔓延依赖于很多因素,包括地理信息数据,可燃物数据、气象条件、高效准确的林火蔓延模型等。但由于林火蔓延的动态性和复杂性,很难准确地获得这些数据。动态数据驱动应用系统理论的建立、发展及应用,为林火蔓延预测精度的提高提供了新思路和理论支持。本文首先研究了动态数据驱动系统的基本概念和系统实现原理,建立了动态数据驱动应用系统的技术框架,确定了应用系统模型、测量系统、数据同化系统及软件系统为其基本结构,在此基础上建立了面向林火蔓延模拟的动态数据驱动应用系统。通过分析当今世界广泛使用的林火蔓延模拟系统模型的功能、适用条件以及影响因子,建立了适合于实现动态数据驱动系统的林火蔓延模型库,完成了面向对象数据驱动的系统模型计算类库的建立,以此为基础建立了基于离散事件的林火蔓延模拟模型。测量模型是动态数据驱动系统中动态数据的源泉,它不仅负责数据的采集、传输和使用,同时具有能够实现应用系统模型的状态参数,与从实际系统中获取的测量数据之间的比较及转换功能,以便调整模拟状态,提高模拟精度。本文将火场的外围火线作为林火蔓延发展的状态参数,火线及火场周围温度作为系统模型与实时数据之间的同化参数,研究了火场温度的采集原理及系统测量模型的实现方法。在动态数据驱动应用系统中,数据同化过程实现了在应用系统模拟过程中,模拟结果与实际系统观测数据比较后的模型、参数及测量过程的实时调整,以达到提高模拟精度的目的。本文根据序贯蒙特卡洛算法的原理及方法,设计了样本的重要性采样及重采样的计算方法,研究了基于离散事件的林火蔓延模拟过程中,数据同化算法原理及其实现过程。论文最后选择影响火场蔓延的主要因子“风”参数作为动态数据,分别以风速、风向作为模拟因子,设计并实现了林火蔓延模拟的动态数据驱动应用系统计算,验证了具有数据同化过程的动态数据驱动算法,较传统的静态数据模拟算法,计算精度更高。通过传感器的不同部署策珞,说明了传感器部署中密度大小对火场蔓延的精度的影响程度。最后根据对实验结果的分析研究了应用序贯蒙特卡洛算法的林火动态数据同化的收敛性、粒子退化和贫化问题。综上所述,本文根据动态数据驱动应用系统模拟技术范式的基本思想,将林火蔓延系统作为研究对象,研究了动态数据驱动系统的模拟仿真方法,通过实验验证了该方法可以有效地改进系统模拟精度,为今后复杂系统的仿真模拟方法提供了参考,同时为今后林火蔓延预测的研究提供了新思路。