地震灾害是我国自然灾害的主要类型之一,我国一半以上的大中型城市位于5级以上的地震区,震灾对社会经济和群众生命财产安全造成了巨大损失。当破坏性震灾发生后,救援活动需要大量的物资支持,而救援物资的及时供给在很大程度上影响着应急救援工作的质量与效率。本文在当前救援物资需求研究的基础上,根据震后救援阶段划分及不同阶段信息特征,以提高救援物资需求预测的精度与效率为目的,选用相应模型对各阶段救援物资进行预测。在进行物资预测前先对救援过程进行阶段划分,在科学理论与实践经验基础上将其分为黑箱期、灰箱期与白箱期三个阶段,其中黑箱期为信息基本未知状态,持续时间为0至3天;灰箱期为信息模糊混乱状态,持续时间为4至10天;白箱期为信息基本已知状态,持续时间为11至30天。在此基础上对各阶段主要数据特征进行梳理,为后续各阶段预测模型的构建打下基础。论文的主要工作有:（1）考虑到震后黑箱期信息匮乏,通过对地震灾害历史案例库进行分析,筛选地震灾害主要情景表示要素,利用知识元模型构建震灾情景要素表示框架。通过云模型启发式算法获取情景检索特征属性的权重,再运用改进的最近邻检索算法对案例间情景进行检索,最后利用派生重演法对检索出的最相似案例进行重用修正。以中国地震历史数据作为具体案例进行模型验证,结果显示出情景案例推理方法的精确度达到了71.3%,较传统案例推理方法的精确度提升了18.6%,说明该模型对震后救援物资预测具有一定的合理性与较为可靠的精度。（2）针对震后灰箱期救援信息统计混乱易导致数据形成类型不一致、时间间隔不等、不兼容的非等时距灰色异构序列,为使数据利用率最大化,通过非等时距灰色异构序列进行预测。首先以异构序列中所包含的区间灰数核序列为基础,建立NEDGM（1,N）模型;再基于灰度不减公理将异构序列中最大灰度值对应信息域作为预测信息域,构建非等时距灰色异构序列预测模型;最后,将该模型应用于玉树7.1级地震救援实例中,检验预测模型精度,结果表明平均相对误差小于5%,精度等级接近Ⅰ级,拟合及预测精度较高,说明构建的模型合理有效。（3）震后白箱期的统计数据仍为小样本数据,但灾区对于救援物资的需求量随时间推移趋于饱和,符合Verhulst预测模型曲线特征。为提高预测精度,将Verhulst中的参数估计转化为LS-SVM回归系数估计,使Verhulst预测模型与最小二乘支持向量机（LS-SVM）相结合,对救援物资需求量进行预测,实现了小样本Verhulst预测模型的建立和参数估计。通过玉树震灾救援实例进行预测模型检验,结果表明Verhulst-LS-SVM预测方法是可行且有效的,并且比传统Verhulst预测模型精度有所提高。基于救援阶段划分的震后救援物资需求量预测模型,为突发性地震的救援物资供给提供科学参考,从而提高救援物资保障系统的效率,尽可能减少震灾造成的人员伤亡和财产损失。