供应链金融为破除中小企业融资难的问题做出了巨大的贡献,核心企业因此巩固了市场地位提高了竞争力,而银行也获得了新的利益增长点。但在皆大欢喜的同时,供应链金融业务的风险问题也备受关注；人们不仅要求能够检测到风险的存在,还要求能够推算其演化方向和影响的后果,更重要的是,人们希望能看到这一切过程。　　 因此,本文在分析供应链金融风险特点的基础上,重点研究了如下四个部分内容:　　 1、探求供应链金融风险可视化管理的实现方法,将其抽象成风险的感知和风险的推演两部分。在风险感知方面,从生物学和工程学角度审视感知的方法和原理并考虑将其映射成风险感应器；在风险推演方面,研究情景的构成及其表示,以此为基,研究基于情景预测和情景演算的推演方法。　　 2、研究应用于风险可视化管理的人工智能专家系统,在风险可视化理论,即风险感知和推演理论方法的基础上,结合人工智能的相关理论,探求从风险感知和风险推演模型到专家系统,尤其是专家系统知识库的映射方式。　　 3、研究知识库建设和管理的相关方法,讨论如何将涉及到风险感知和推演过程的领域知识、实例数据和推理知识有效的组织管理起来；分析基于产生式规则专家系统中产生式的生成规则和应用方法,讨论如何在风险感知和推演模型的知识库中抽象出产生式规则；并在此基础上,说明如何利用Prolog语言工具去实现推理机。　　 4、在知识库的实例数据中,设定了一些与事实高度相符的假定数据,并以此做数值仿真测试,将结果可视化的输出,验证风险感知和推演模型的有效性,从而间接论证了该方法的可靠性。　　 本研究成果可以很好的为供应链金融的风险管理活动服务,因为风险将不再是一个数字化的概念,决策者们可以切切实实地观察感应器传达的风险信号,也可以清清楚楚地看到风险在系统中的传播演化过程。