应急决策支持系统要求能够集中系统内所有资源信息，利用多元信息网络达到对突发事故信息的正确获取和对环境态势瞬变需求的合理匹配，实现并发挥整体在突发应急或持续作战对抗中的最大效能。关联规则挖掘是描述数据集中项目之间存在的关联关系。因此，采用关联规则来描述决策系统案例库中各案例属性之间的关系，为决策者提供准确、可靠、容易被计算机处理的决策知识具有重要的应用价值。本论文以消防应急为背景，对基于本体知识的关联规则挖掘进行了研究。 首先，在详细分析面向关联规则挖掘的背景知识的基础上，研究面向关联规则的本体知识表示技术，建立消防应急领域内的本体，从这个本体出发去引导数据挖掘过程，从而加快数据挖掘的进程，提高获取知识的效率和质量。 其次，对决策数据的相关性分析技术进行了研究，针对关联规则挖掘中，模式计数代价太高、I／O效率低下问题，提出了一种基于本体知识的关联规则挖掘算法。该算法通过本体知识剪枝掉不符合约束条件的候选频繁模式集，仅生成用户感兴趣的频繁模式，有效地减少了模式计数代价，提高挖掘质量，同时通过对算法采用基于划分的方法、基于散列的方法及事务压缩等方法进行了改进，使得在每次数据库扫描过程中都能生成不同长度的频繁模式，能够在较少的数据库扫描次数中挖掘出全部的频繁模式，这对于提高关联规则挖掘的效率和质量，实现应急系统的决策过程，具有重要的理论和实际意义。 在上述研究成果的基础上，以DELPHI7.0、VC++6.0、protégé3.0和SQLSERVER2000作为开发工具，设计与实现了基于关联规则的应急决策支持系统。论文中给出了该系统的软件体系结构和模块功能，并对消防案例相关数据的预处理、本体知识的表示技术、关联规则挖掘算法