作为知识推理的一个应用子集，健康知识推理在实际应用中存在体量大、结构相对复杂、不同类型的参数多（模糊、概率、时间等）等特点。而随着我国人口的逐渐老龄化，社会对于以心脑血管疾病为主的健康问题越来越重视。本文以传统Petri网及其拓展模型为理论基础，讨论了健康知识规则网络化推理的具体方案，并最终通过实例验证了方案的可行性。　　根据实际应用的需求不同，健康知识可以分为状态识别、风险预测和方案管理三个部分，其中状态识别类知识具有的共同特点是不确定性较大，根据相同或相似的前置状态（病症），可以推理出的疾病情况可能有几十上百种。面对状态识别类知识的不确定性，我们采用模糊Petri网（FPN）建模，并以《中国高血压防治指南》中的高血压危险分层知识为例，验证了FPN应用于状态识别知识推理的可能性。　　与状态识别类知识不同，风险预测类知识具有概率性和时间性的特点，此时相同的建模方法将不再适用，在此我们基于健康知识规则网络化的特点（变迁多、库所共用），改良了传统的时延概率Petri网，将时延参数和概率参数赋予给变迁，从而完成风险预测类知识的网络化建模，并使用《Framingham危险评分》中的节选表格进行建模，验证其有效性。　　最后，在实际操作中我们发现，面对海量的健康知识原始规则，传统的手工建模方法将难以应对，为解决这一难题，我们针对健康知识原始规则库的特点，设计了健康知识网络化自动建模的技术路线和具体算法，并最终通过程序实现了自动建模。与手动建模相比，自动建模具有效率高、不易出错的特点，这将有利于Petri网模型在健康知识推理领域的应用。