水运是整个交通运输体系中最为廉价的一种运输方式,随着我国经济的快速发展,水运运量急剧上升,水上交通密度迅速提高,给水上交通安全管理和应急保障提出了严峻的挑战。如何及时有效地处理水上交通事故、提高应急救援的成功率,关乎到人民群众生命财产安全和社会和谐稳定。但是,在现有的水上交通事故应急管理中,大多使用纸质的应急预案文档,而缺少一个高效运行的信息支持和科学决策机制,不能对各种应急力量信息进行综合处理,救助决策靠人工凭经验完成,经常会造成决策不合理、不迅速、不全面的现象,影响了救助的成功率。因此,水上交通事故应急管理亟需一个有效的辅助决策工具。　　 基于案例库的推理(Cased Based Reasoning-CBR)是一种新兴的人工智能推理技术,它基于认知科学,根据以往解决问题的经验来处理新的问题并且学习新的知识。这种全新的推理方式与基于规则的推理有着很大的区别,它将案例作为整体进行模糊推理,不需要应用领域完整的知识体系,摆脱了基于规则推理中知识难以获取的瓶颈。因此,CBR技术引起了广泛的关注,在众多行业中得到了应用,并已取得了一定成效。　　 本文将CBR技术引入到水上交通事故应急处理中,使其自动生成应急处置方案。首先,以已有的纸质应急预案为指导,对实际案例进行形式化描述,并使用层次分析法为案例的每个属性评定权值；其次,利用模糊匹配和最邻近法相结合的方法,匹配相似度最大的案例,将匹配案例作为本次应急的指导,并有取舍地学习有效的经验。最后,利用J2EE技术对上述案例库的建立和推理过程进行了实现,并通过三峡库区水上交通应急管理的典型案例进行了验证。本文成果已在重庆市水上交通应急指挥系统中得到初步应用。