随着科学技术的不断发展,与人们生产生活密切相关的信息系统和城市基础设施也变得更加庞大,例如交通系统,社会网络和电网系统等。这些系统可以建模为不同结构的复杂网络,对人们的生活产生了巨大影响,并激发了越来越多学者的研究兴趣。随着研究的不断深入,研究人员发现这些网络通常不是单独运营的,不同的网络之间相互影响、相互作用,例如交通系统中的铁路网络和高速公路网络以及电力网络和通信网络等。传统仅仅适应于单一网络的研究由于缺乏网间因素分析容易忽视掉一些关键信息,导致分析出现偏差。这种紧密联系在一起,相互作用、相互影响的一对复杂网络被称为耦合网络（或互依网络）。耦合网络可以使系统运行效率更高,管理更加方便,为人们提供便利的同时也带来了一些问题。例如,当这种相互依存的耦合网络发生故障时,由于故障在耦合网络间级联传播,会造成比单一网络更为严重的后果。因此,在网络安全性和鲁棒性十分重要的背景下,对耦合网络进行适当的故障管理尤其重要。本文主要从耦合网络的故障预测和故障传播两个方面进行了研究,故障预测作为故障管理的源头环节,对网络的正常运营有着非常重要的作用;同时,耦合网络中故障传播作为故障管理的关键环节,也对异构网络的健壮性提出了挑战,因此对耦合网络中故障预测和故障传播两方面展开研究有重要的理论价值和现实意义。目前,对于故障预测的相关研究中,多数研究者提出的模型或解决方法仅适用于单独特定的网络结构,且并未详细考察网络的一些特殊性质,例如电网的电负荷,供水网络的受攻击情况等等,同时缺乏耦合网络之间的影响分析,导致模型和方法不能较好地适合应用。对于耦合网络故障传播的相关研究部分,不同学者从多种角度对耦合网络的故障传播进行了研究,包括社区结构、图结构等。但是多数研究未提及耦合网络中节点的非对称依赖特性。非对称依赖特性不仅和耦合网络本身有密切关联,而且对故障在耦合网络中的传播具有重要影响。同时,大多数研究忽视了耦合模型对于故障传播的影响,不同的耦合模型下,耦合网络在面对故障传播时的反应是不同的,因此耦合模型对于故障传播影响的研究也是一个具有意义的方向。论文的主要研究内容如下:（1）论文针对影响故障传播的不同耦合方式,基于非对称依赖特性,考察了耦合网络下网络鲁棒性对故障传播的影响。具体地,首先构建了多对多耦合网络,以智能电网结构为例,比较了目前网络节点的一对一耦合与多对多耦合的鲁棒性。基于异构网络节点的非对称依赖特性,研究了网络鲁棒性和非对称依赖特性之间的关系,探索了影响网络鲁棒性的非对称依赖特性在故障传播中的作用。通过仿真实验表明,选择适当的非对称依赖参数,多对多耦合模型比一对一耦合在面对故障级联时,有着较好的耦合网络鲁棒性。（2）论文针对耦合网络中故障预测问题,基于协同过滤的思想,提出一种耦合网络中的故障预测算法。具体地,首先提出一种定义方式用来衡量智能电网中的两次节点故障是否具有相关性。并且利用协同过滤的思想,提出矩阵分解模型用来对智能电网的节点故障概率进行预测,并对其进行改进,进而提出一种能够适应于在线实时预测的故障概率模型。通过真实数据和模拟数据共同对提出的模型进行仿真实验,实验证明了所提出模型的有效性和准确性。论文从故障预测和故障传播两个角度对耦合网络进行了研究,提出了一种故障预测模型能够较好地完成对耦合网络的故障预测问题,通过实验证明了模型的有效性,为耦合网络的故障预测问题提供了一种新的解决方案;对于耦合网络的故障传播,本文聚焦于耦合模型以及耦合网络的非对称依赖特性对于故障传播的影响,通过仿真实验验证了结论,为耦合网络故障传播的研究提供了新的角度。