一个规则的前提条件可以是一个对象的事实也可以是两个或两个以上对象事实经过逻辑“与”（AND）、“或”（OR）的连接表达。但后续结果只能包含一个对象事实。
规则的一般结构：
（RULE rule-name
IF（antecedent-part）
THEN consequent-part
）CERTAINTY IS certsinty-factor·
规则的特殊结构：
（RULE rule-name
IF<object1><operator1><valuel>and/or
IF<object2><operator2><value2>and/or
……
THEN <object n>is<value n>
）CERTAINTY IS certainty-factor·
操作符（operator）可以是一般常用的运算符号，如>，<，=，≥，≤等；也可以是模糊运算符号，如>～，<～，=～，≥～，≤～等，其中“～”表示“大约”的意思。可信度（certainty-factor）可以是[-1，+1]之间的一个取值，也可以是一个模糊值或一个语言概率值（Linguistic probability），它表示了规则的确信程度。
4）规则中的函数调用
规则中的前提条件和后续结果除了可以表示不同对象事实之间的关系以外，还可以表示对象事实和函数之间的关系。如：
（RULE1
IF（altitude>mean（“land-dat．dbf”，“altitude”））
THEN land-type is high-plain
） CERTAINTY IS 0.9．
（RULE 2
IF（altitude>50）
THEN depth=calc depth（altitude）
）CERTAINTY IS 0.8．
在规则1中，前提条件的“高度”（altitude）对象与调用函数mean（）的返回值进行比较。mean（）函数中的参数“land-dat·dbf”、“altitude”分别表示该函数的数据处理文件和函数计算后的返回值。
在规则2中，后续结果的“深度”（depth）对象与调用函数calc depth（）的返回值进行比较。
在规则的前提条件和后续结果中都可以调用函数。由于“实时”的空间信息分析是空间决策的基础，而空间信息模型可以通过编程，转化为函数形式，以供空间决策程序的函数调用，所以，空间信息模型是空间决策模型在决策过程中所需“实时”空间信息的重要来源。在空间决策的推理过程中，由于空间信息模型是通过规则调用的，因此，我们称空间决策过程是基于规则的模型推理过程。基于规则的模型推理正是空间决策模型有别于其它学科的决策或诊断模型的重要特点，如医学上的病情诊断模型就是完全基于病情事实的推理。
2．知识推理
知识推理方法有前向推理（数据驱动）和后向推理（目标驱动）。由于空间决策问题的复杂性，在空间决策分析过程中，两种推理方法经常结合起来使用。规则推理经常使用后向推理方法，而模型推理则使用前向推理方法。
基于模糊逻辑的规则推理方法如下：
Rule：IF distance to city center（X） is short（A）
THEN rent（Y） is high（B） (CF1)
Fact：Distance to city center(X) polygon K is very short(A)
(CF2)
______________________________________________________
Approximate conclusion：Rent(Y) in polygon K is very high(B1) (CF2)
这里，规则和事实都包含了语义模糊变量“distance”（X）和“rent”（Y），它们的取值可以是short，high，very short，这些取值分别定义为模糊子集A，B，A1。按照模糊逻辑，可以由“距离”事实的“ very short”推理出一个近似的结论：“租金”的“ veryhigh”。按照模糊逻辑，结论的近似取值B1按如下方法求的：
B1=A1°（A→B）
CF3=CF1*CF2
其中，A→B表示A与B之间的模糊推理关系；
°表示组织规则；
* 表示模糊运算符。