在所有的林业灾害中,森林火灾对社会环境、自然环境、经济发展的破坏性最大影响范围也最广。森林火灾发生地点是随机的,在很短的时间内会造成巨大的损害,因此是森林最大的敌人。据资料统计,随着全球气候变暖,森林火灾可能还会加剧,林火俨然已成为一个全球性的问题。为了减少火灾给人类带来的损害,需要在林火发生时,迅速的判断林火的蔓延趋势,及时采取有效的扑救措施并能掌握和控制现场的状况。为了达到这个目的,就必须借助专家系统这一高科技的手段来实现。　　 近年来,虽然已经成功的开发了一些森林防火专家系统,但是采用的都是确定性的推理机制,根本不能处理不确定性的问题。而在森林防火实际应用中许多的知识都是带有不确定性的,所以,本文将不确定性推理技术应用到专家系统中,结合BP神经网络技术、Web技术,以ASP.NET为开发工具,设计了一个不确定性推理的森林防火专家系统。论文主要研究内容与工作如下:　　 本文重点阐述了专家系统的两个核心组成部分,即知识库和推理机。在森林防火专家系统的知识库的设计中,本文首先采用CF模型来表示不确定性知识,其次使用BP神经网络技术,通过MATLAB仿真实验,结果表明BP网络利用其“自学习”的能力学习专家的典型经验,从而实现了知识库的自动维护,改变了以往的手动维护方式。在推理机的设计中,在已有的系统模型基础上加入了不确定性的推理机制,以解决防火实际应用中各种各样的不确定性问题,为决策者提供了更合理更实用的扑火方案。　　 本系统能为扑火指挥者提供科学有效的辅助决策信息,具体包括:扑火智能辅助决策、清理火场辅助决策、看守火场辅助决策、主要火场参数计算等功能。为森林防火决策机构提供了智能化、数字化、科学化的管理方法,大大减少火灾带来的损失。