时序概率推理（temporal probability reasoning），理学-计算机科学技术-人工智能-机器学习-知识表示-时序概率推理，在时序概率推理的研究工作主要着眼于建设可以随时间动态变化的模型，并且在统计学、运筹学、决策学和人工智能等领域得到了很大的发展。很多系统需要在动态和不确定性方面进行模型分析。但在很多情况下，这两点都没有被全面考虑，主要是人们普遍认为概率动态模型或者难于抽象和建设，或者计算起来非常昂贵。在对不确定推理的结构化表示方面的进展使得概率推理更易处理，也让更有效的时序概率推理变得可能。人们主要聚焦在3方面：①模型。系统对状态、变化、时间和不确定性等因素的表达，原则上可以表达的变化和不确定性以及可以回答的推理问题。②表达。模型可以有各种表达，对于状态、变化和不确定性的不同刻画会影响分析的有效性。③算法。模型定义了推理的任务，表达制定了信息的存储和传递，算法在此基础上完成时序概率的推理。当已知事件的性质和秩序，时序概率推理的问题可以通过图模型来表达，每一个节点代表时间范围状态的变量和事件，边代表事件之间的历时的或者同步的关系。