浙江省是我国经济发达的沿海省份之一,受自然灾害尤其是台风影响较为严重,台风造成的强降雨诱发洪涝灾害,给人民生活和社会经济造成巨大的损失,因此开展洪涝灾害风险评估与预测具有重要意义。为探索有效预测评估浙江省“台风-暴雨”洪涝灾害风险的方法,本文分别从数据驱动角度和知识驱动角度,构建“台风-暴雨”洪涝灾害风险动态预测评估模型,对不同暴雨情景下的洪涝灾害进行风险评估。本文的主要工作如下:（1）本文针对识别“台风-暴雨”洪涝致灾灰色系统不同时段降雨累计主控因子的任务,利用灰色关联法结合对比实验确定了时段降雨累计主控因子。（2）从数据驱动角度出发,提出了利用基于一个台风事件生成人工神经网络来泛化预测另一个台风事件的方法,构建了山洪灾害风险预测模型,该模型旨在依托实时的降雨预报数据以提高灾害预测准确率;对永嘉县和临安区2个案例建模及验证,利用接受者操作特征曲线（ROC）评价了人工神经网络（ANN）的性能和结果,ROC曲线下面积均在0.8以上,验证了模型的可靠性。（3）以永嘉县为研究区,基于浙江省快速更新循环预报系统（RUC）逐时预报降雨数据,利用先验莫兰蒂“台风-暴雨”山洪发生时刻训练好的人工神经网络泛化预测利奇马台风的不同暴雨情景,生成动态预报成果。结果表明随着时间节点的推移,预测结果与实际灾情发生的时间地点较为接近;因此本文构建的山洪灾害预测动态模型可以对台风暴雨将造成的洪涝灾害影响进行有效动态预测。（4）从知识驱动型角度利用层次分析法（AHP）,构建了一个客观评价指标体系因子权重随台风暴雨情景变化而动态更新的内涝灾害风险动态评估模型。案例结果表明,相比权重不动态更新的模型,对不同的暴雨场景更新相适应的因子权重得到的评估结果与灾情实况吻合度更高。以上方法对灾害风险评估应用具有一定的应用价值和参考价值。