随着经济的快速发展,各种环境问题日益突出并且环境事故呈现多事态,尤其是突发水环境污染,给人民的生命和财产安全造成威胁,那么建立一种简洁、方便的应对突发水环境污染专家系统是非常必要的,能够提高应对突发水环境污染决策的成功率。专家系统是指在某一特定领域内能对针对性的问题给出正确合理的专家知识及解决方案,是能够以专家的水平解决实际问题的智能计算机系统。目前专家系统多是基于CBR和RBR推理模式,本文采用CBR和RBR相结合的推理策略,为突发水环境污染提供专业有效的解决方案。对于专家系统开发的先导工作—建立知识库,知识库的建立需要知识获取、计算机语言表示等。知识获取主要采用查阅文献、期刊、书籍阅读、网络查询、专家经验等的途径,将获取到的知识事件,进行精简整理。分析所有事件的特征并总结它的占比,得到污染物、事故地理位置等一系列占比高的特征。有了对于事件特征的描述接下来就是将特征的人类语言转化为计算机语言,不同的特征下有划分细类,用1至n不同数字表示。同理,不同事件也有其对应的解决方案,它对应不同数字。一个完整的事件是由特征和解决方案构成。共收集484个事件,其中363个用于专家系统的训练,剩下的用于测试。然后进行CBR和RBR推理算法研究,CBR采用的是标准欧氏距离和K近邻,融合了标准欧氏距离和K近邻的优点,保证了距离测量的有效性,并且避免了最近邻算法中的“独断专行”弊端。并且在该框架中使用了人机交互接口对新发生事件进行特征化。但是CBR推理的欧式距离存在不主动学习、泛化能力差等的缺点,因此加入RBR推理。RBR推理采用ID3、C4.5和CART树,通过准确率、精确率、召回率和F1-Measure对三种算法进行性能评估,得到CART树相比ID3、C4.5更优越,因此RBR采用CART树。最后在UBUNTU系统下完成CBR和RBR的设计实现,该系统充分模拟人类专家在分析与解决问题的过程,有效的完成智能推理,为突发水环境污染事件提供应急的解决方案,依托两种不同的推理相互互补,获得最有效的解决方案。通过本文的研究,在应对突发水环境污染事件处理上提供了技术与解决方案的支持。