近日，山东大学智慧国家治理实验室研究员费立国团在JCR1区期刊《Neurocomputing》上发表题为《A state-of-the-art survey on neural computation-enhanced Dempster-Shafer theory for safety accidents: Applications, challenges, and future directions》的研究成果。该论文系统回顾并总结了神经计算增强的Dempster-Shafer（DST）证据理论在安全事故应急管理中的应用研究进展。费立国为该论文的第一作者。

本研究聚焦于工业化快速发展背景下频发的安全事故问题，指出传统安全管理方法在面对高维度、复杂和不确定信息时存在显著局限。为此，团队提出通过引入神经计算方法提升DST的推理能力，构建了一种更加智能、适应性强的多源证据信息融合机制。该综述基于“4R”危机管理理论框架（即Reduction、Readiness、Response、Recovery），梳理了DST在安全事故预防、应急响应与灾后恢复等阶段的核心作用及最新研究成果。

通过系统文献综述与多维度框架分析，论文归纳了DST与神经网络融合在环境风险评估、预警系统优化、资源调配决策、恢复计划制定等方面的具体路径，展现出其在提升不确定性处理精度、模拟危机演化过程、增强应急管理决策支持能力方面的强大潜力。此外，研究也指出当前该交叉领域在冲突证据融合、计算效率、场景迁移等方面仍面临挑战。该论文的发表为应急管理理论研究与实际应用提供了系统性的知识图谱和研究指南，也为智能化安全管理系统的构建提供了理论支持与方法创新。未来，研究团队将进一步拓展神经计算与证据理论的深度融合应用，推动其在城市安全、工业生产、公共健康等多类高风险领域的智能应急响应体系建设。