证据理论由于其特有的表达方式和处理模糊信息的方法,在处理不确定信息方面具独特的优势,近年来受到人们越来越多的关注。随着证据理论在信息融合、目标识别、决策、预测和人工智能等领域的应用日益广泛,证据理论中相关概念的物理意义及与其它不确定性理论之间的关系也引起了一些学者的兴趣。目前大多数关于信息融合的研究都是在空域开展的,然而,在信息融合中,受干扰信息和传感器性能的影响,单个测量周期内各传感器所获取的信息并不一定准确,在信息融合中,往往还需要综合利用多个时间节点的识别信息进行时域信息融合,因此信息融合应该是基于多传感器的时空序贯融合的过程。虽然基于证据理论的时域信息融合受到了一些研究者的关注,但目前仍缺乏有针对性的时域证据组合方法。时域证据组合方法还有待于进一步深入研究,需要基于时域信息融合的特点构建有针对性的时域证据组合方法。从证据理论的相关研究中可知,证据组合的关键在于冲突信息的处理,证据可靠性评估是一种重要的冲突处理方法,时域证据组合的重点也在于如何处理证据间的冲突。因此,本文将围绕时域证据序列的动态可靠性展开研究。本文首先对证据的融合模型进行研究,对已有的证据动态衰减模型方法做出一些合理的改进。接着根据时域融合的特点,将证据理论的时间衰减模型应用到人因分析当中,对人因分析中事件的依赖程度的影响因素进行分析。最后,基于广义TOPSIS的方法,在动态决策评估中,我们相应作出修改并应用了时间衰减模型,为动态分析多属性决策提供了一种科学的方法。为了体现我们所修改和提出的这些方法的有效性和科学性,我们将这些算法应用到实际的数据当中,与已有的认可的算法进行比较说明。本文的工作主要包含以下三个方面:(1)根据时域融合的特点,提出了一种改进的时间衰减模型在时域融合的过程中,受到传感器可靠程度的影响,我们在修改传感器接收到的信息时,这些信息不仅会受到时间的影响,而且还有可能受到自身所携带的信息量的影响。因此,在考虑时间衰减模型时,我们加入了信息量这一影响因素,融合了香农熵的差值,对模型进行了修改。最后通过实验数据与传统的时间衰减模型进行对比,我们所提出的基于信息量的时间衰减模型,更加的倾向于识别目标,更加科学的阐释了在时域融合过程,信息衰减的影响因素。(2)基于时间衰减模型,提出了一种新的事件依赖性评价模型在人因分析过程中,最重要的一个关键环节就是对事件的依赖程度进行分析。而直接影响事件依赖程度的因素有三个。其中一个为“时间的接近程度”,本文采用时间衰减模型,更加科学的表达方式去分析这一影响因素,将时间具体化,数字化,而非传统的时间模糊化,概念化。最后我们用具体的实验数据去分析这三个影响因素,对依赖程度所造成的影响。我们使用证据理论,来融合这三个直接的影响因素,得到事件的依赖程度表达式,最后根据数学模型,来计算得到,条件下人出错的概率。我们采用控制变量的方法,分析某一影响因素对依赖程度造成的影响时,另外两个影响因素的数据值保持不变。最后我们对实验结果进行了合理性的分析。(3)基于时间衰减模型的特性,我们提出了一种动态的广义多属性决策方法在动态多属性决策中,我们给出的时间节点的历史数据,时间上距离我们越近则对于我们的帮助就越大,即这些时间节点较近的数据越有用。这与我们时间衰减模型的思想相同,但是形式刚好相反,所以我们对时间衰减模型做了一定的修改,使其满足动态多属性决策的特点。广义的多属性决策是相比较传统的多属性决策而言,传统的多属性决策,要求属性的评价模型及评价规则即框架必须相同,而广义的决策,不要求框架相同,给了专家更大的自由度。我们结合改进的时间衰减模型与广义的多属性决策,去处理动态多属性决策问题。最后,我们使用决策的一些数据,来对我们所提出的方法的合理性和科学性做出说明。