近年来,我国应急管理领域发展迅速,国务院机构改革组建应急管理部,社会关注度不断提升,其中,突发事件的应急决策是应急管理研究的重要方向之一。随着科学技术进步,人类生产生活中各个领域积累了大量的突发事件案例信息和数据,记录了突发事件的发展过程及特性。探索发现这些历史事件中的经验规律将帮助人们获取并积累相关应对知识,并应用于未来遇到的新问题,推动第四范式下人类认知发展。目前,“情景-应对”模式已得到学术界的广泛认可,成为主流应急决策范式。因此,从决策者所处情景出发,如何将历史数据蕴含的事件演化规律知识应用于当前突发事件发展态势的推理,就成为决策主体制定科学有效的应急方案所面临的重要科研问题。为了更好地辅助应急决策,识别大量历史数据中蕴含的事件演化模式,解决突发事件情景建模及演化推理过程中的不确定性问题,实现基于实时情景的高效推理过程,本文提出了一种突发事件情景间演化关系建模及推演方法。首先,从致灾因子、承灾体、应急活动和孕灾环境四个维度出发,从认知科学的角度对事件系统内部的各类客观事物及复杂的作用关系进行共性描述,基于共性知识元模型构建了突发事件情景模型,分析了突发事件情景演化过程的共性特征与机理;其次,基于突发事件情景模型对历史数据进行离散化、归一化处理,选取两个情景构建BP神经网络的拓扑结构,利用Levenberg-Marquardt算法训练网络模型得到最优参数,实现突发事件情景间复杂非线性作用关系的建模过程;然后,面对突发事件实时情景,结合专家的主观经验和BP神经网络的计算结果来构建置信规则库,通过属性间的相关系数确定置信规则的前提属性权重,引入基于证据推理算法的置信规则库推理方法(belief rule-base inference methodology using the evidential reasoning approach,简称RIMER),基于模糊理论将实时情景信息转化为推理过程的输入,通过置信规则的激活和组合过程推理输出目标情景状态,实现突发事件情景推演过程。最后,以National Fire Incident Reporting System的森林火灾数据为例,建立了林火事件情景模型,阐述了突发事件情景间演化关系建模以及情景推演方法的实现流程。相较于其他算法,BP神经网络在对历史数据中蕴含的演化关系建模时具有更高的准确性。在突发事件情景推演过程中,充分利用专家主观经验和客观的演化规律知识解决了情景建模和推理过程中的各种不确定性,通过与实际值和其他方法的对比证明所提方法的可行性和有效性,为快速响应和科学决策提供理论支撑。