模型库人机接口是开发智能系统和管理决策领域中一个非常重要而且相当复杂的课题，本论文作为国家自然科学基金(70271002)《面向智能性管理决策系统异构知识表示及知识管理研究》的系列研究之一，主要致力于这方面的研究，旨在进一步推动智能化模型库人机接口的研究进展。模型系统作为智能决策支持系统的核心部分，一直以来受到学术界与工程界众多学者与专家的关注。模型系统的主要任务不仅是模型的存储、运行与维护，而且应以一种易于接受的、灵活的方式向决策者提供各种各样的模型，使决策者在应用这些模型时不必考虑模型技术实现上和过程上的细节，从而起着决策问题与相应模型间的桥梁作用。然而相较于模型系统模型操纵的热点研究领域，却甚少有学者致力于模型库人机接口的理论与应用研究，对模型库人机接口的智能化研究就更是寥寥无几。少数模型库人机接口研究仍停留于系统局部功能模块的研究，如模型类型选择功能或模型结构选择功能，而没有提出过完整的模型库人机接口。与此相反，近年来随着人工智能的各种思想方法被引入计算机管理系统，数据库人机接口的智能化研究却得到了长足发展，其中数据库自然语言接口(简称NLIDB)以其可确定性与实现性更是取得了大量的研究成果。鉴于此，本文提出了一种人工智能与决策支持系统相结合的智能化模型库人机接口——模型库自然语言接口(简称NLIMB)，它提供了决策者灵活便捷的人机交互方式，同时也将决策者从熟知模型库中各种存储决策模型类型、结构、使用范围及计算机实现技术中解放出来，从而将重点集中于决策问题本身的理解与分析中，旨在进一步推动模型库人机接口的智能化发展。NLIMB首先对决策者的决策问题进行自然语言理解识别，采用N元语法模型和概率上下文无关文法进行词性标记与句法分析，然后采用有限自动机进行语义及潜在语义分析；接着在模型自动选择阶段，采用本文提出的基于规则推理与基于范例推理相结合的混合推理框架进行模型类型的选择；待模型类型选择完毕之后，采用基于Gauss损失函数的Elman反馈型人工神经网络进行模型的结构选择；最后对模型结构进行参数估计，计算确定模型实例并返回最终问题求解结果。同时，本文作了大量的实验工作。相较于以往模型库人机接口的实验领域仅限于预测模型等领域，为了扩展模型库自然语言接口的应用领域，本文将NLIMB应用于企业库存决策管理，从而检验NLIMB决策问题求解的效果，以验证NLIMB的有效性。相关的实验结果表明，NLIMB可以取得很好的决策问题求解效果，具有使用灵活简便、运行效率高、高智能化、易于理解等优点，从而填补决策支持系统模型库人机接口研究领域的空白之处。总的来说，本文作了大量的理论和实证研究，其研究内容符合智能系统研究的发展趋势，既具有十分重要的科学意义，同时又有其实际价值，并有潜在的广泛的应用前景。