随着我国城市化进程的推进，自然灾害、事故、火灾、恐怖活动等突发性危机事件不仅对个人、群体和组织的正常洁动构成了巨大威胁，也严重影响了整个社会的正常运行。对各种突发事件的快速响应和应急处理，将能够有力地保障人们的生命财产安全，维护社会持续稳定的发展．进行关于城市危机管理应急决策的研究与应用，尽量避免危机发生或减少危机带来的损失，有着十分重要的理论和现实意义。 目前，全国各大中城市多已建立面对危机管理的应急指挥中心并已投入使用，取得了良好的经济和社会效益。然而“非常规突发事件”的高风险和低概率导致集成处理能力弱，预警不足、辅助决策有限成为困扰城市危机管理的瓶颈问题。究其原因，现行应急指挥中心多致力于城市各职能部门的业务集成，而“非常规突发事件”的高风险和低概率决定了辅助决策更多的是依赖外部突发事件知识。本文对基于外部知识体系的城市危机管理智能决策支持系统的相关理论、技术支撑以及工程化实践进行了初步探索。 机器学习是近年发展起来的重要的决策问题优化方法，将预案推理与人工智能结合起来用于城市危机管理决策问题求解的方法，是本文研究的重点和核心。其涉及管理科学、人工智能、运筹学、计算机科学和决策科学等诸多领域，是决策技术和优化理论的结合。 具体的研究内容和主要贡献包括： 1.在详细分析城市危机管理需求的基础上，对城市危机管理中的数据与数据库进行较深入研究，提出了基于外部信息流交换的“城市突发事件知识交流虚拟联合体”的概念，基于伙伴关系和异地备援系统实现突发事件特性和规律的把握与认识，它把城市危机管理网络扩展到全社会。通过城市突发事件内外知识体系特征比较，结合工程应用，提出了“1+1”辅助决策支持模式，即基于内部知识体系的叠加决策支持系统和基于外部知识体系的通用决策支持系统相集成。 2.城市突发事件知识交流的目的是实现知识共享。从利益相关者的角度来看，联合体知识中事件特征数据、案例(预案)库、知识库易于且可能交流。数据挖掘具有格式的标准化和通用性及处理不完备信息和定性定量问题的能力，良好的智能性，适合开发通用程度高、数据交换容易、处理过程简单、处理方法传统的外部知识体系案例型通用决策支持系统。在此基础上，提出了一种基于数据挖掘机器学习的CWJ-IDSS框架。 3.探讨了三种属性优化技术，研究了CWJ—IDSS中交通突发事件案例的属性信息熵优化选择学习方案，得出一些结论，有利于交通突发事件不完整属性案例的预测和知识获取；通过突发性水污染事件案例的数据库和经典算法相结合的方法，对主分量分析和随机投影降维方法在突发性水污染事件案例中的表现进行评估初步得出以下结论：算法不同对学习方案性能影响较大，朴素贝叶斯与随机投影结合较好，主分量与C4.5算法组合性能佳，随机投影学习精度低于主分量分析，但随机投影的计算成本较低；融合特征选择算法的包裹模型，提出了一种基于C4.5及遗传算法的CWJ-CGA特征选择方法。通过突发性水污染事件案例实验得出CWJ-CGA方法在突发性水污染事件中的学习方案性能表现良好。它在极大的减小属性数目的同时，对分类准确率上升的有正面影响。 4.对案例推理的不确定性技术进行了研究，最近邻是基于案例推理的核心算法之一，针对运算中经常遇到的由于类的重叠引起训练样本的模糊不确定性，以及属性不足引起类边界的粗糙不确定性，对于这两类不确定性可以用模糊-粗糙集理论来处理。本文在前人研究的基础上提出一种改进模糊-粗糙集分类算法。突发性水污染事件案例实验证明了和其他经典算法相比，运算精度高且计算成本低，自然聚类质心的选择为城市危机管理案例知识挖掘提供了多个基准点。 5.开发了CWJ-IDSS突发事件知识挖掘子系统原型，实现了预案推理在火灾突发事件智能决策中的应用，仿真运行结果表明了其可行性。