信息物理系统(CPS)是通过计算(Computation)、通信(Communication)与控制(Control)技术的有机与深度融合,实现计算资源与物理资源的紧密结合与协调的下一代智能系统。CPS已被运用于医疗、能源、交通等多个重要发展领域,具有广阔的应用前景。CPS技术和农业的有机结合被称为农业CPS,农业CPS可能包含类型繁多的、相互连接的设备,这些设备不断产生大量的原始数据,同时目前的CPS系统大都是分布式部署,不同层次数据源的数据具有海量、异构和分散等特征,而传统的数据处理技术难以对其进行有效处理,可以引入基于事件的处理方法。农业CPS采集的事件流中,单个事件表达含义有限,用户更加关心的是反映农业智能控制逻辑的符合特定模式的事件序列,如何从事件流中识别这些有意义的事件序列是农业CPS数据处理中的一个难点,复杂事件处理(CEP)技术作为CPS的核心技术可以有效解决这个问题。而噪声、传感器误差、时钟不同步、网络负载和延迟以及其它原因,都会造成农业数据的不确定性,因此需要对不确定性的复杂事件处理技术开展研究。事件的不确定性可以量化为概率,因此不确定事件流的处理转化为对概率事件流的处理。概率复杂事件是由多个概率原子事件按照特定的模式复合后生成,在复合的过程中复杂事件的概率如何由原子事件概率计算生成以及如何按特定模式进行事件的匹配检测是需要研究的两个主要问题。本文在对目前CPS中CEP技术的研究现状和面临的挑战进行深入分析的基础上,以农业CPS为背景,用温室大棚作为实例,针对这两个问题,从复杂事件的概率计算、基于树的属性不确定时的复杂事件检测算法、以及基于概率时间Petri网的时间不确定的复杂事件检测模型几个方面开展了深入的研究。本文的工作主要包括以下方面:(1)研究了农业CPS中复杂事件的概率计算问题,提出了一种基于近似世系的概率计算方法。不确定复杂事件处理是要检测出满足概率阈值的事件序列,因此如何计算不确定原子事件流组成的复杂事件的概率是进行复杂事件处理时面对的主要挑战之一,本文加入数据世系管理理论,为了应对不断产生的海量的概率原始事件,引入充分近似世系计算算法,提出离散多项式近似世系计算算法,对两种算法进行分析和比较,实验证明两种算法均可进行数据压缩后再计算,从而减少计算量,提高计算效率,后者相较于前者压缩比例更高,更有优势。(2)研究了基于树的农业CPS中不确定复杂事件检测算法的问题,提出了针对一般属性不确定的PUCEP算法和时间属性不确定的编码ESI-tree解决方案。农业CPS系统中因为传感器误差、采集精度、网络通讯技术等等原因会造成事件属性的不确定性,本文提出一种解决一般属性不确定事件流的复杂事件查询检测方法--PUCEP算法,它在二叉树基础上融合了NFA方法,并将概率阈值引入其中进行优化,通过实验对比证明优化后的算法在多项性能上都有所改进;时间是事件众多属性中比较特殊的属性,针对其特殊性本文提出树形解决方案ESI-tree,再根据树的特点对树进行压缩,然后采用编码方法对其进一步优化,通过实验对比证明编码后的匹配算法在执行效率和内存占用等方面都具有优势。(3)研究了基于Petri网的农业CPS中不确定复杂事件检测建模的问题,提出了一种基于概率时间Petri网的复杂事件检测模型的方法。农业CPS中复杂事件由原子事件组合形成,原子事件的产生与CPS各个部分的采集、传输、转换等过程紧密相关,在这个过程中,由于系统误差或随机误差导致原子事件的时间不确定,本文针对时间的不确定性,以温室大棚为实例,利用概率时间Petri网对系统的原子事件建模,形成原子事件的模型,再将原子事件概率时间Petri网模块组合形成复杂事件模型,利用这个模型可以准确分析复杂事件语义,检测匹配过程中对复杂事件的误判、漏判,最后通过实例分析证明了该方法的正确性,并通过编程测试证明延时偏移概率越高,复杂事件检测的误判可能性越大,系统开销也越大。