决策是人们为了实现特定目标，而从多种可供选择的策略中做出决断以求得最优或较好效果的过程。关于决策支持系统的研究一直是一个研究热点，有各种各样的推理模型和推理方法。其中贝叶斯网络是一种重要的不确定推理模型，由于贝叶斯网络的计算量较大，与其他方法相比较显得效率较低。为了成功的将它投入到实际应用。本文针对预测问题，提出了一种基于贝叶斯网络的应用模型：证据目标(E-D)模型。证据目标模型(E-D)是对贝叶斯网络进行了节点标注和多状态指定(贝叶斯模型节点一般只允许两个状态)而产生的。它是对包括了观察事实和未知情况问题的映射，从而在一定程度上简化了贝叶斯模型，同时更精确地表达了待求解问题的实质。同时，本文提出了基于E-D模型的多线程推理算法。试验证明，该算法具有很高的推理速度，特别适合于复杂网络的推理。 论文中，作者首先描述了关于决策支持系统的基本概念和相关知识，然后就E-D模型及算法进行论述。然后提出了通用决策模型及推理系统的具体设计和实现。在论文最后，给出了若干基于E-D模型的具体应用及其进一步的发展方向。