信息不完全状态下重大突发事件态势感知研究

张海涛，周红磊，李佳玮，张鑫蕊

（1.吉林大学管理学院，长春 130022；2.吉林大学信息资源研究中心，长春 130022；3.吉林大学国家发展与安全研究院，长春 130022）

1 引 言

近年来，国际环境错综复杂、新冠疫情影响深远，国家发展面临深刻复杂的变化，我国正处于传统安全与非传统安全的威胁之中。同时，我国正处于社会转型阶段，人民矛盾变化迫使各种利益诉求增多，各类突发事件频繁发生，对人民生命健康和社会经济发展带来严重危害，我国进入了一个充满风险的社会时期。习近平总书记强调，“建设更高水平的平安中国意义重大，各地区、各有关部门要认真贯彻党的十九届五中全会精神，要落实总体国家安全观，坚持共建、共治、共享方向，聚焦影响国家安全、社会安定、人民安宁的突出问题”①http://www.gov.cn/xinwen/2020-11/11/content_5560493.htm。在当前形势下，对于自然灾害、事故灾难、公共卫生事件和社会安全事件等各类重大突发事件的研究，已经成为总体国家安全观的重要组成部分。重大突发事件特有的复杂性演变方式、动态不确定性以及多方面快速蔓延等性质，都会对应急决策造成阻碍。凡事预则立，不预则废，在哲学上反映的是原因和结果的关系，如果无法感知当前事件发展态势、判断事件间演变关系，那么会导致相关部门在实际工作中处于被动状态。然而，传统的数据处理及决策支持等技术方法难以满足现实需求，仅靠专家经验进行态势研判也存在较多的局限性，导致事件态势的预测与真实值存在偏差。因此，如何实现重大突发事件的态势感知及理解预测，判断重大突发事件发生、发展过程中衍生的国家安全风险，在信息不完全状态下，实现重大突发事件的演变态势分析，已经成为突发事件态势感知与应急决策亟待解决的问题。

2020年，我国气候年景偏差，自然灾害以洪涝、地质灾害、台风灾害为主，雪灾、森林草原火灾等灾害也有不同程度的发生。为全面贯彻落实习近平总书记关于总体国家安全观、开创新时代国家安全工作新局面的重要思想，有效应对各类风险挑战，充分发挥情报工作的风险研判和防范能力，本文基于事理图谱开展重大突发事件的态势感知研究，从态势要素感知、态势理解及态势预测三个层面构建理论模型。基于数据和知识的双向驱动，研判事件演变态势及可能衍生的重大风险，旨在立足“总体国家安全观”及“国家治理体系和治理能力现代化”的战略视角，实现信息不完全状态下重大突发事件的有效应对，辅助应急决策实施，深入思考防范化解国家安全风险的思路举措，研究逻辑如图1所示。

图1 研究逻辑

2 相关概念与理论基础

2.1 重大突发事件

朱力[1]认为，突发事件是事物内在矛盾由量变到质变发展过程中的一个关节点，通过偶然的契机，以独特的形式表现出来，在时空上有很大的不确定性。范维澄等[2]认为，突发事件是指可能对人、物或社会系统带来灾害性破坏的事件，通常表现为灾害三要素的灾害性作用，灾害要素本质上是一种客观存在，其超过临界量或遇到一定的触发条件就可能导致突发事件。本文所研究的重大突发事件，是指国家发展进程中，突然发生、危害程度高、影响范围大、可能会危及人民生命安全和社会稳定的重大级别事件。重大突发事件研究存在众多难点。首先，重大突发事件的信息不完全状态对于事件处置带来严重影响，事件的理解和分析需要丰富的基础知识。其次，应急响应决策是非程序化的、信息不完全的、后果高度不确定的决策，更加强调动态性[3]。同时，现有研究多缺乏有规律的实践智慧，如何基于知识驱动的思想挖掘事件间复杂的关联关系，将重大突发事件的历史经验和已有知识应用到事件管控中也亟待考虑。最后，在实际的重大突发事件应对中，还存在网络舆情的管控、应急管理主体协同、衍生风险量化等难点。

2.2 事理图谱理论

哈尔滨工业大学刘挺团队提出了“事理图谱”这一概念[4]，并采用有向图模型形式化地表征人机物行为演化机理，推进了事理概念与金融产业的深度融合。李纲等[5]认为，事件的组成要素间存在着复杂、固定的逻辑关系，这种关联关系意味着网络分析与社会管理存在逻辑契合点。Li等[6]构建了叙事事理图谱，并基于该图谱进行网络表示学习，对事件未来发展作出预测。王军平等[7]认为，事理是人类识别、推理和理解社会发展的重要概念，提出了事理认知图谱，采用五元组<事件,状态,行为,时间,关联影响>概率图模型，对事理逻辑进行分析。周京艳等[8]从“事理图谱”的视角去解读“过程数据库”，认为情报事理图谱通过分析事件之间的顺承、因果等关系，揭示事件演化规律及逻辑。于强等[9]提出了一种基于事理知识图谱的舆情事件推演方法，通过神经网络挖掘事件因果逻辑，对舆情事件的演化趋势做出预测，为舆情监管提供一定支持。

综上可知，事理是事物的道理，是事物运动规律的描述；事理图谱是基于事件级别的理解，是一种高度概括的事理逻辑知识，重大突发事件的事理图谱是一套蕴含事理逻辑的方法论。事件图谱是以事件为核心，包含了事件、事件属性和事件间关联关系的一种知识网络，事理图谱是事件图谱的抽象化表达，更加关注泛化的事件信息，以及事件之间抽象的逻辑关系知识。事理图谱及事件图谱为重大突发事件的应急决策提供支撑，通过挖掘事件之间隐含的、深层的关联关系，提高应急管理决策效率，与重大突发事件的研究思路相吻合。

2.3 态势感知理论

态势感知（situation awareness）的概念源于军事需求，最初运用在航空、国防领域的态势感知系统中，是评估战场复杂形势从而做出预测行动的过程。Endsley[10]将态势感知定义为：在一定的时空范围内，提取环境中的要素、理解要素内涵，并预测未来可能发生的情况，包括感知、理解和预测三个层次，未来态势感知研究要模拟的是人的决策过程。2016年，国际关系学院和对外经济贸易大学发布了共同研究成果“国际安全态势感知指数”[11]，围绕安全外交理论与实践、领土冲突与国际安全秩序、跨境安全议题与全球治理三个议题对国际安全问题进行量化评估。杨峰等[12]认为，情报感知是在数据、信息和知识被刺激，并在被激活下形成的一种新的认知，面向应急决策的突发事件情报感知是以情报资源为基础，对突发事件风险及其演化态势的认知洞悉。徐绪堪等[13]针对城市洪涝突发事件态势演化迅速、难以控制的特征，基于粒度原理构建了一种融合情景的动态响应模型，实现了从决策高层到基层的情景细化。Turoff等[14]提出突发事件的信息态势预测极为重要，认为各类应急信息的获取和判断应纳入例行的应急管理活动中。

态势感知相关研究多存在理论层面，由于态势感知、理解和预测的相关内容量化较为困难，在重大突发事件的实际应对中缺少切入点。重大突发事件的演变态势多基于单一维度进行分析，对重大突发事件的态势感知缺乏系统思考，未能实现多维度衍生风险的全面考量，同时，将重大风险和事件演变在总体国家安全观的背景下整体把握。

2.4 混沌理论

动力系统理论（dynamics）关注对系统的描述和预测，研究相互作用的、组分的集体行为涌现出宏观层面的复杂变化，混沌学作动力系统理论的分支，在近年来广受关注。混沌理论（chaos theory）是一种兼具质性思考与量化分析的方法，用来探讨动态系统中（如人口移动、化学反应、气象变化、社会行为等）必须用整体的、连续的数据关系，才能加以解释和预测的行为，是关于非线性系统在一定参数条件下展现分叉、周期运动与非周期运动相互纠缠，以至于通向某种非周期有序运动的理论[15]。混沌理论解释了看似混沌的行为有可能来自确定性系统，由于混沌系统对初始条件具有敏感依赖性，使得混沌系统的具体变化及长期预测难以实现，但在大量混沌系统的普适共性中存在一些“混沌中的秩序”。例如，通往混沌的倍周期之路及费根鲍姆常数。因此，虽然在细节上“预测变得不可能”，但在更高的层面上混沌系统却是可以预测的。吸引子是微积分和系统科学论中的重要概念，系统具有朝着某个状态稳定发展的趋势，该稳态就叫作吸引子，吸引子分为平庸吸引子和奇异吸引子。其中，奇异吸引子表现了混沌系统中非周期性，多用于解释无序的系统状态，如天气预测等系统[16]。重大突发事件的发生、发展态势涉及众多内容，受到环境属性、应急处置决策、承灾区域的区域弹性和饱和度及承灾主体的应急素质等内外部因素的影响，是一个复杂的动态系统[17]，存在非线性和信息不完全状态，事件演化的长期预测存在困难。因此，为了更好地进行重大突发事件研究，借助事理图谱及系统动力学的技术方法，从中发掘规律和知识，提炼各因素间的非线性关系进行态势预测，通过周期倍化、间歇阵发和环面分岔以及同宿和异宿分岔等混沌先兆作出判断[18]，为重大突发事件应对提供参考。

2.5 信息不完全状态

重大突发事件的应急处置具有很强的时效性，决策者需要在有限时间内利用部分信息快速采取响应措施，信息不完全状态下的应急决策是实际管理工作的重点和难点。本文基于混沌理论及应急管理过程中遇到的实际问题解释重大突发事件的不稳定性和不确定性，初步考虑以下三种信息不完全状态。

2.5.1 初始状态的不确定性

随着风险社会的演化，突发事件的模糊性、复杂性和不确定性不断升高，各级应急主体获取的数据可能存在误差或缺失。由于混沌系统对于初始值具有敏感的依赖性，事物运动中任何初始条件的微小改变都可能会引发严重后果，系统的非线性、复杂性、多样性以及不确定性都会导致系统的长期变化在原则上难以预测[19]。因此，政府部门不仅要从碎片化的信息中研判危机态势，同时，要面临启动响应可能引发的社会恐慌、舆情危机以及应对不力带来的追责等现实问题[2]。

2.5.2 事件链路信息缺失

应急管理通过预测事件未来态势辅助决策实施，只有清晰事件的真正状态后，才能采取针对性措施，但突发事件演化过程中信息高度缺失，所观察到的往往是事件部分现象，应急决策者需要通过事件外在表现研判事件的真实状态，根据现有的观测值，预估未来事件演变趋势。由于实际运算中存在信息不完全现象，重大突发事件观测值和真实值多存在偏差，易导致事件逻辑驱动链路等关键信息缺失，如图2所示。利用这些参数进一步分析可能会忽略未知的因果关系和演变链路，在实际的应急处置中如果未采取相应的应急措施，那么极易导致更严重的未知风险。

图2 事件链路信息缺失状态

2.5.3 系统的混沌特性

有学者认为，一个事件在社会复杂网络中是一个随机变量[8]，事件本身具有不确定性质。同样，非线性系统也具有多样性和多尺度性，任何一个时间序列都可以看作一个由非线性机制确定的输入输出系统，可以利用混沌现象的决策论非线性技术实现短期预测[20]。突发事件是事物内在矛盾由量变到质变发展过程中的一个关节点，事物以一定的时空契机为诱因，以爆发的形式表现出来，而这个契机是偶然的，表现的是一种不确定性[1]。因此，由于对初始条件的敏感依赖性，重大突发事件的演变态势，原则上也无法长期、准确预测，即对于其初始测量如果有极其微小的不精确，都会导致对其后续的预测产生巨大误差，这是提高数据的全面性、准确性或通过各种技术手段进行信息补全等，都难以解决的问题，是实际应对难点所在。然而，根据观测资料进行短期预测是可行的，研究人员提出了多种混沌时间序列预测方法，常见有全域法、局域法、加权零阶局域法、加权一阶局域法等[21]，可以作为认识重大突发事件的重要手段。

3 重大突发事件的态势感知模型

针对当前研究目标，将重大突发事件的态势感知视为一种可以洞悉国家安全风险的能力，通过事理逻辑挖掘实现事件演变态势的精准研判，是从数据到信息再到情报，从而辅助决策的升华过程[22]，理论模型如图3所示。首先，整合历史事件信息、应急决策信息和领域知识等内容，构建重大突发事件的事理图谱，构成态势感知模型的事理层，即挖掘事件来龙去脉的事理知识层，是高度凝练、泛化的蕴含事理逻辑关系及内在知识的层级。事件层是针对具体事件即时数据的实例化，从事理层到事件层的映射可以实现事件发展态势的初步研判。因此，某一重大突发事件爆发后，在事理图谱和海量数据的基础上推演事件的演变脉络，实时获取事件要素的属性值，基于事件演变的逻辑链路进行动态建模，分析倍周期分叉过程，判断系统进入混沌的周期窗口，继而分析重大突发事件的演变路径、衍生风险及关键管控节点等内容，即从数理层面实现重大突发事件的态势感知。

图3 理论模型

本研究将重大突发事件态势感知模型理解为在信息不完全的状态下，感知“需要获取哪些态势要素”，理解“当前事件态势及事件发生、发展的关键原因和逻辑驱动链路”，预测“事件可能会如何演变”“会衍生哪些重大风险”，对当前发展态势进行分析研判，实现“应该如何应对”的目标导向。以灾害事件为例，洪涝是已经出现的事件状态，首先，通过态势要素感知判断需要获取哪些要素及其具体属性，如降雨量、风力等级、降雨时间以及环境要素（大坝、水库、排水系统等实际情况）。其次，根据构建好的事理图谱，初步推断当前状态的根本原因及事件间逻辑关系，并根据要素值进行动态建模及混沌时间序列分析。最后，预测的是事件演变的趋势及衍生风险，如土地受灾、粮食减产、人员伤亡、房屋坍塌等灾害后果，继而提前采取应对措施，具体实现思路阐述如下。

3.1 事理图谱构建

事理图谱构建主要包括事件抽取及事件关系抽取。本文使用哈工大讯飞联合实验室发布的中文预训练语言模型BERT-wwm-ext模型[23]对文本语料进行处理，利用BERT（bidirectional encoder representations from transformers）强大的语义表示能力，将文本映射成一个词向量或者字符向量[24]；然后，将词向量输入双向长短期记忆网络，再使用条件随机场对BiLSTM（bidirectional long short-term memory）的输出序列处理，得到一个全局最优序列，从而得到事件触发词和事件元素，BERT+BILSTM+CRF（conditional random field）模型原理如图4所示。事件的泛化是将抽取出来的事件表示成向量，然后利用BERT-wwmext和K-means++对事件进行聚类泛化处理。事件关系的抽取采用模式匹配的方法，根据句法模式和匹配规则，抽取出句子中的原因子句和结果子句。

图4 BERT+BiLSTM+CRF模型

3.2 态势要素感知

态势要素感知，即为掌握事件全貌，获取的事件关键要素及其属性等。应急决策者需要在环境复杂、时间紧迫、信息缺失和压力巨大的特殊背景下快速制定应对方案。因此，判断获取哪些要素对于重大突发事件态势感知极为重要。事件发生、发展过程中涉及的具体事件要素为定性和定量两种类型。要素属性值的获取主要以数据的易获取、可量化及准确性为原则。本文根据课题的相关研究成果，以重大突发事件情景要素包含的事件要素、事件对象要素、事件环境要素为依据，确定态势感知要素，重点关注有关重大突发事件安全风险的相关内容，态势要素感知示例如表1所示。

表1 态势要素感知示例

3.3 态势理解

态势理解，即对情报资源进行深度加工，理解事件演变的动因、过程及性质等。本文主要通过事件演变动因挖掘、事件演变过程分析、系统混沌性质判别进行态势理解研究，可以有效避免信息不完全状态导致的重要事件演化链路缺失等问题，为态势预测奠定基础。态势感知模型中，事件及事件关系抽取后构成重大突发事件的事件层，有助于实现事件更细粒度的把握，提升态势感知能力。态势理解，即通过挖掘突发事件的核心动因将因果事件关联起来，同时整合事件驱动链路，挖掘多条逻辑链路构成事件演变过程，将出现的若干事件情景进行组合分析，判断当前事件在事理逻辑链路中的所处状态，进而构成整个事件的演变过程，全面理解当前重大突发事件的演变态势。同时，将事件以网络节点和边的形式进行分析，可以基于网络结构分析视角，挖掘事理图谱中重要的事件节点[25]，进一步发现处于网络中核心位置的关键事件。

3.4 态势预测

重大突发事件态势预测，即情报深度推理的过程，重点关注重大突发事件应急管控切入点的相关内容。本文基于点-线-面视角开展态势预测的研究。点，即事件演化的关键管控节点；线，即事件演变的驱动径分析；面，即事件发生、发展的全过程。突发事件的发生地点具有偶然性，发生时间具有随机性，是灾难酝酿过程中可能产生的风险。突发事件的风险是一种不确定性损失，更加强调潜在的威胁[26]。重大突发事件态势预测重点关注有关国家安全风险的重要内容，在科学构建重大突发事件事理图谱，并深入挖掘事理逻辑的基础上，对事件的演变趋势进行预测，从事理和数理两个层面，实现关键管控节点识别、事件衍生风险预测及事件演变趋势研判等，为事件决策治理者提供科学有效的治理依据。

4 模型应用及结果分析

2020年2月，习近平总书记对全国春季农业生产工作作出重要指示强调，“越是面对风险挑战，越要稳住农业，越要确保粮食和重要副食品安全”“保障国家粮食安全是实现经济发展、社会稳定、国家安全的重要基础”。本文以干旱事件为例，根据上述重大突发事件态势感知模型进行实证研究，进一步阐释本文的研究思路。

4.1 重大突发事件事理图谱构建

本文主要通过两类信息源构建事理图谱。第一类为政府官方提供的突发事件新闻服务的网站，如中国政府网、国家突发事件预警信息发布网、中国应急信息网以及各地方应急管理厅（局）等；第二类为特定领域的学术期刊论文，以“干旱”“旱灾”等主题词为例，获取的相关文献知识。图5为经过高度泛化的干旱领域事理图谱，“发生干旱”事件为中心节点，其他节点为与该事件相关的原因事件和结果事件，边代表事件之间的因果逻辑关系。其中，有向边的两端连接着一组因果事理，方向代表了其间的因果指向，事件之间形成了完整的逻辑演变链路，构成了关于干旱事件的动态逻辑知识库，为后续的突发事件应急管理提供辅助。

图5 干旱事件事理图谱

4.2 重大突发事件态势要素感知

以本团队的研究成果“重大突发事件情景模型”为依据，从干旱类事件要素、干旱事件对象要素以及干旱事件环境要素三个方面进行态势要素感知，获取其属性值。其中，事件包括干旱、农作物减产、全球变暖、粮价上涨、降水量减少、高温天气等，其属性值包括时间、地点、日均温度、干旱程度、受灾面积、受灾人口、绝收面积、降水量等。

4.3 重大突发事件态势理解

4.3.1 事件演化动因挖掘

模拟森林干旱事件发生情景，进行事件因果关系抽取，如表2所示。其因果事件包括“大气环流异常→发生干旱”“森林面积缩减→河流水位降低”“持续干旱→森林覆盖率降低”“降雨减少→土壤失墒”“土壤水分亏缺→形成旱灾”“破坏自然植被或陡坡→水土流失”等，可以得出驱动“森林干旱”事件发生的相关原因，包括高温天气、气温降低、土壤水分流失等，此类事件是整个演变过程中的直接驱动原因。在实际的重大突发事件发生时，应急决策人员可以借助事件知识，挖掘可能导致事件发生的原因事件，从而进行事件应对。

表2 森林干旱因果事件

4.3.2 事件演变过程分析

事理图谱可以分析重大突发事件的演变逻辑，基于知识驱动实现事件逻辑知识库的建立，将事件发展的各个链路按照逻辑关系关联起来，构成事件的发生、发展全过程。事件图谱关注具体的事件信息，可以更细粒度地解释当前事件的演变过程。调用以森林干旱相关数据构建的森林干旱事件图谱，如图6所示。以粮食减产事件为例，除“全球变暖”“持续干旱”等直接驱动原因外，还可以进一步分析其整体演变过程，如从最初的“社会经济快速发展导致森林植被降低、进而导致粮食减产”等，通过整合多条事件驱动链路构成事件演变过程，将出现的若干事件进行组合分析，辅助相关部门从全局把控事件应急管理流程。

图6 森林干旱事件图谱(局部)

4.3.3 系统混沌性质判别

Rossler吸引子[27]是著名的混沌吸引子之一，其微分方程组为

其中，x为干旱程度；y为水分缺失值；z为降水减少量；a、b、c是系统参数。该方程也适合对旱灾现象进行系统动力学分析。本文以事理图谱中的事件链路为支撑，构建局部干旱事件演化链路的动力学演化机制。由于篇幅有限，本文仅以“土壤水分缺失，降水减少，干旱”三条事件链路构建微分方程组。其中，土壤水分缺失及降水减少是干旱的主要动因，而干旱会引发更加严重的水分缺失。

判断系统的动态行为是否具有混沌特征，通常关注混沌吸引子的两个突出特征：系统对初始值的敏感性及相空间吸引子的特征[21]。吸引子是一种用以刻画状态空间中长期行为的几何形式，是耗散系统长时间演化的最终归宿。吸引子可以反映混沌系统的运动特征，在混沌没有进入分叉期时，事件的短期预测成为可能。如图7所示，通过改变方程系数，模拟事件不同情景，可以发现事件进入演化周期倍化，事件的混沌特征也是应急管理的难点所在。

图7 系统进入混沌状态

4.4 重大突发事件态势预测

4.4.1 关键管控节点识别

基于动力系统学理论视角，突然的周期倍增被称为分叉。倍周期分叉过程是一条通向混沌的典型道路，即从周期窗口中进入混沌的一种方式，是大量非线性系统中普遍存在的“混沌中的秩序”。因此，混沌强弱不同时，系统演化行为的预测完全是不同的，虽然重大突发事件在细节上的预测变得极为困难，但在更高的层面上是可以预测的。由图7可知，事件处于经过一定规则的连续变动后，可能演变出始料所未及的后果，进入无规律震荡的混沌状态，而如图8所示，调整系统参数可以看到随着时间的不断变化，干旱程度在有规律的区间内发生震荡变化，其演变趋势有着可以预见的秩序。因此，在实际的应急管理工作中，基于事理图谱得到事件演变的逻辑驱动路径，进而构建演化动力学机制，判断事件进入混沌的关键节点，可以为事件管控提供参考。

图8 不同参数的混沌周期倍化

4.4.2 事件演变趋势研判

事理图谱是高度抽象的、可以在宏观层面指导事件的演变趋势研判。事件图谱对事件和事件之间关联关系进行细粒度描述，将事件的即时状态进行数据化呈现。由图9可知，“移民开垦高峰→造成移民潮”“大规模移民开垦→气候变化影响与政策响应”“大规模移民开垦→政策调整”“产生旱灾→饮水困难”“持续干旱→粮食减产”等事件的未来演变趋势，可以通过事理图谱及事件图谱知识挖掘而来；其中的“产生旱灾”“温高雨少”“全球气温升高”等原因事件都链接着多个结果事件，可以较为全面地追踪其未来发展趋势。因此，通过实时数据获取可以判断事件所处的位置及驱动路径，进而研判事件的未来演变方向，辅助应急管理人员精准施策。

图9 干旱事件图谱(局部)

4.4.3 事件衍生风险预测

重大突发事件一旦扩散，将引发社会连锁反应，给整个社会系统带来严重的影响。事理图谱可以分析重大突发事件的事理逻辑，基于知识驱动实现事件逻辑知识库的建立，判断当前事件未来演变趋势，避免因信息缺失而导致遗失重要链路。在总体国家安全观的战略指导下，事件衍生的军事安全风险、经济安全风险、文化安全等风险均会影响国家安全和社会稳定。图10为干旱事件的事理逻辑图，是在干旱事件事理图谱的基础上归纳而成的。可以看出，此类重大突发事件是人类社会和自然社会相互影响的作用结果，除了关注事件本身以外，其中形成“干旱→农作物减产”“农作物减产→粮食安全危机”“干旱→用水困难”“饥荒瘟疫→社会动荡”等事件，会成为直接影响社会稳定的重要风险因素，衍生出经济和政治等安全风险。因此，在突发事件的实际应对中，事理逻辑图可以辅助相关部门研判事件发展衍生的风险事件，及时规避其他衍生事件导致的重大风险，从而构建更为完善的应急管理机制。

图10 干旱事件事理逻辑图

5 结论与展望

首先，本文分析了重大突发事件的三种信息不完全状态，包括初始状态的不确定性、事件链路信息缺失以及系统的混沌特性；构建了重大突发事件态势感知模型，主要是通过事理图谱的技术方法，从数据和知识的双向驱动，实现模型的态势要素提取、态势理解以及态势预测功能；基于事件演变视角，降低信息不完全状态导致的事件演变风险和不确定性，是在重大突发事件应急管理工作中的一次尝试，也是对重大突发事件精准决策的路径探索。其次，本文将混沌理论与重大突发事件研究相结合，为解释信息不完全状态和情报工作提供可行路径和参考思路，得出在实际的应急管控中，随时间的推移可能较难实现重大突发事件的准确预测。因此，应把握事件应对的关键周期，及时更新应急方案，将各类重大风险事件实时报送至各级应急主体，防止因情报工作失效而造成更大的损失。

理论贡献方面，事理图谱能够从大量的显式事件中识别事件要素及关联关系，为事件应对提供事理知识，本文基于事理图谱，为事件演变研究提供新的视角，创新了依靠主观思辨的突发事件演变分析思路，可以辅助应急决策主体追踪溯源，引发重大突发事件的多方面动因，研判事件演变趋势及衍生风险，这是知识驱动思想的重要实践。在应用实践方面，本文面向国家需求战略开展重大突发事件的应急管理研究，旨在科学认识重大突发事件的演变过程，降低重大突发事件造成的风险损失。

本文由于涉及内容较多，相关技术和概念在本研究团队的其他论文中有所提及，故适当省略。此外，本文也存在一定的局限性：第一，因数据源有限，未能实现更细粒度的事件未来发展趋势预测，未来会获取更全面的数据来源，完善各类重大突发事理图谱，构建更加完整的动力学机制及事件风险测算指标，深入挖掘数据背后的实践规律。第二，有关混沌理论的应用问题，多为初步思路和想法，未来如何实现重大突发事件的有效应对，提供更优质的情报服务辅助相关部门决策，仍是本研究团队关注的重要课题。