应急资源调度属于智能调度系统中子方向之一,应急资源调度目的是为了能够处理生活当中可能会出现的应急事件,例如火灾、堵车等。应急事件具有突发性、变化性以及不可确定性,这就导致应急调度部门不能及时掌握应急事件当前状态。不同事件类型对于资源需求种类不同,这就导致算法在计算不同资源的调度方案时复杂性较大。因此,为了解决上述问题,本文分别对具有变化性应急事件的状态预测和事件的实时资源调度算法提出了解决方案,具体如下:(1)针对现有应急事件状态序列回归模型忽略事件变化性导致的预测精度较低的问题,本文提出了一种基于隐马尔科夫模型的事件状态预测模型。首先通过对事件情况进行数据采集和处理,得到事件需求量变化与事件的状态变化之间的关联性。其次,通过模型的学习阶段得到事件变化概率。最后,通过预测算法解决了事件的状态变化序列的预测问题。通过实验,本文提出的模型对变化性的事件状态序列预测具有较高的准确率,在预测效果和事件变化预测上均优于现有的算法。(2)针对现有的资源调度算法的动态计算能力不足的问题,本文提出了一种基于改进的遗传算法的资源调度方案。根据不同事件具有不同资源种类需求这一特点,设计了一种自适应编码方式,在不同资源种类和数量需求条件下同步更新算法的个体特征矩阵,减少了冗余特征对算法的影响。另外,本文将资源选址引入算法流程,提升了调度过程中的运输效率。在与现有的算法对比中,体现出了本文所提出算法的动态计算能力以及调度优化的优越性。