最为高效、经济的危机管理方法是把危机事件扼杀于萌芽状态。目前我国政府公共危机管理的应对思路仍然处于:“重应对,轻预防”的阶段。使得原本可以在潜伏期被发现并通过一系列有效公关手段处理掉的危机发展成了严重的社会问题。以新浪微博为首的社交网络平台的诞生使得所有公民都能“零门槛”地表达自己的意见和观点,也正因如此,越来越多的社会危机事件开始在微博里酝酿并且爆发。目前国内针对微博环境下的公共危机预警的研究可谓凤毛麟角,且大多数集中于对危机事件的结果性梳理、事后趋势性预警研究,缺乏事前预防性预警方面的研究,基于预防性预警的指标及模型的设计构建也停留在对传统模式的探讨之上,缺乏适应于WEB2.0网络环境下的研究,因此在前人探索的基础上继续丰富和完善公共危机预警的研究是可行并且很有必要的。笔者所构建的微博环境下的公共危机预警模型由两个子模型组成。分别是:事件识别子模型以及指标诊断子模型。事件识别子模型的工作原理是利用基于突发词频域分析算法的微博事件监测技术从新浪微博获取原始数据生成热点话题摘要并且锁定那些可能发展为危机事件的突发事件,为后续的诊断分析工作确立好监测对象。指标诊断子模型分两部分内容,首先是从两个层次(事件、用户)、四个方面(微博事件强度、微博事件热度、事件舆论状态、事件舆论发展走势)构建包含十一个具体指标(真实性、敏感性、微博数、微博转发量、点赞数、发布者影响度、观点倾向度、主体容忍度、舆论变化频度、舆论变化拐度、舆论变化活度)的微博环境下的公共危机预警指标体系,再通过BP神经网络算法分析计算该事件在潜伏期的各项指标,对样本进行充分的训练,输入预测样本的相关指标,对其下个时间点的发展走势进行预测分析并且最终输出一个预警状态。笔者不仅构建了微博环境下的公共危机预警模型,还通过新浪微博API端口和“大连PX项目群体事件”对两个子模型进行了有效性验证。论文的主要贡献和创新:(1)把微博环境下的突发事件识别过程引入到了预警过程之中,并且对其进行了实证研究。(2)提出了全新的能够适用于微博环境下的公共危机预警指标体系。(3)通过分析对比各类常运用于预警模型的算法,并且结合微博载体的自身特点,笔者选择了BP神经网络算法来计算和预测预警指标,这是技术上的创新。