应急事件的应对与处理是我国开展较晚、发展较缓的一个研究领域。其中,地震灾害作为影响最严重的自然灾害之一,是应急事件处理中一个长期存在的难题。由于我国地理位置的独特性致使地震灾害频繁发生,鉴于地震应急救援具有极大的必要性,应急物资需求的预测对于应急救援以及灾后重建有着不可替代的地位和作用。当前的应急物资需求预测研究中,使用案例推理的方法较适合当前数据,其中对于属性权重选择的分析较少,很少有模型分析不同权重下的模型鲁棒性;在案例推理的研究中,对于数据的特征研究较少,应急数据是具有时间属性的,以往的研究中少有考虑时间属性的模型。为了在初期获得合理的物资量供应方案,针对应急数据的特点,选取地震发生初期较易获得的影响因素,给出一种案例消耗的基本理论并采用案例推理的直接预测方法,以此为核心构建一种应急物资需求预测模型,对应急物资需求问题进行研究。首先,在属性选择方面,为了适应地震救援的紧迫性,选择在初期易获得的属性更符合实际情况;其次,针对地震应急数据维度高且易存在多个次要属性的特点,引入一种较新的专门针对应急数据的权重计算方法——粗糙集属性依赖度强化法,在数据预处理后对属性权重进行赋值;再考虑到应急物资需求预测的实时性与应急数据的时间特性,本文通过对新陈代谢思想的理解,提出一种在案例推理计算相似度时弱化老旧案例相似度权重的思想,以该思想为核心给出案例消耗理论,构建案例消耗推理模型;最后,考虑到本文方法的鲁棒性以及权重计算方法对案例消耗策略效果的影响程度,本文给出在应急物资需求预测中常用的两种权重计算方法,即熵权法和变异系数法,以进一步证明案例消耗策略的有效性。实验证明,在应用案例推理进行应急物资预测时,使用消耗策略的物资预测结果与实际结果的平均相对误差为0.354较传统方法更低;在消耗策略中给出一个重要的变化参数——消耗区间参数,该参数决定了消耗能力的强弱,实验发现,消耗区间参数对于整体的预测效果有极大的影响,合理的消耗区间参数的选择可以优化案例消耗推理的预测结果;最终的鲁棒性实验表明,权重方法的改变不影响案例消耗推理的优化结果,另外两种权重选择方法在使用消耗策略时均优于传统的案例推理方法,但粗糙集属性依赖度强化法的平均相对误差均值更低,更适用于本文数据集的案例消耗推理。通过对应急物资需求预测的创新性研究,能够较好的对地震初期的物资供应实现快速预测,为相关部门的决策方案提供依据。