城市公共设施是城市运行的基础,也是城市职能正常运转的保障。其安全程度关系着全市人民的日常生活,也关系着整个城市的正常运转和宜居水平。城市公共设施突发事故的发生会造成人民日常生活的不便、会造成人身和财产上的损失,更有甚者,还会危害人民的生命安全并引发灾难。因此,及时有效地处置北京市城市公共设施突发事故对保证北京市经济正常运行和维护社会稳定起着重要的作用。然而目前城市公共设施突发事故的处置主要是依赖人工经验,包括各个领域的专家、管理人员以及一线工作人员等,尚未建立起智能系统,难以科学积累并提升曾经发生过的事故处置经验,难以综合、提升城市公共设施各个领域的专家经验。基于案例推理(Case-Based Reasoning,CBR)是一种基于记忆,利用过去的案例和经验来解决新问题的一种方法,它可以看作是从问题到经验案例的类比推理。由于CBR具有易学易用、知识获取容易、适应性强等优点,受到人工智能研究者的高度重视,是人工智能领域的一种重要推理技术。然而城市公共设施突发事故的处置经验具有结构不易确定、难于抽象、来源多种多样等特性,不适宜采用传统CBR中将案例结构化处理的方法。针对这些特性,本课题采用CBR的一个分支:基于文本案例的推理(Textual Case-Based Reasoning,TCBR)技术,来完成城市公共设施应急管理决策支持系统,并研究在该系统中如何实现文本案例表示、信息实体(Information Entities,IEs)解析、案例的提取以及案例学习等内容。本文主要研究TCBR技术在城市公共设施应急管理决策支持系统中的应用,主要结构如下:首先对决策支持系统的发展背景和现状进行了阐述,并对本课题的研究内容和意义进行了介绍。之后详细介绍了决策支持系统,TCBR,案例推理网(Case Retrieval Net,CRN)和其中关键术语的概念和定义。在CRN构造过程中,描述了一种案例与问题相关度评价的计算模型并进行了详细的分析。然后本文详细说明了CRN在本系统中的实现算法,数据结构和推理过程,包括信息实体的解析、案例的相关值计算方法等内容。并提出了一种案例学习的方法,对案例学习过程中可能产生的案例冗余问题,提出了一种可行的解决办法。在文章的最后,对系统的优势和缺陷进行了介绍,主要进行了现有的城市公共设施应急管理系统和本系统的比较,以及传统基于关键字的查找和本系统基于信息实体的CRN案例提取之间的性能和特点比较。