受影響頂點預測是信息傳播研究的一個基本問題，在廣告推薦、流行病預測和社交網絡的信息傳播等研究中都有廣泛的應用。對于廣告商而言，在廣告發布后需要獲知被該廣告影響的用戶，從而進行廣告評估，制定營銷策略。在流行性疾病和計算機病毒傳播中，需要快速確認并處理感染者，從而控制病毒傳播。但由于信息傳播具有隨機性和不確定性，有效預測出受影響者較為困難，因此本文將受影響頂點預測與頂點狀態驗證相結合來預測發現受影響頂點，從而確定信息的擴散范圍。但頂點狀態驗證需要對頂點的屬性進行分析，這會耗費大量計算資源，且在許多應用中允許的驗證次數往往是有限的。

　　本文研究時間傳播網絡（ Temporal Diffusion　Network．TDN）中受影響頂點的預測問題。首先給出受影響頂點預測問題的形式化定義，然后設計基于頂點受影響概率的啟發式預測算法IPH，并在此基礎上，結合廣度優先遍歷（ Breath First Search，BFS）頂點選擇策略進一步提出相鄰頂點受影響概率啟發式預測算法AIPH，最后在模擬數據集和真實數據集上進行實驗。