随着城市化进程的加快,城市生产要素高度集中,产业链供应链变得日趋复杂。不同中心城市之间关联度极高,城市变得更强大也更脆弱。各类灾害风险相互交织,使得城市可持续发展受到制约。此外,洪涝灾害日益频发,给社会和人们的生活带来极大影响,造成了严重的经济损失。中国是全球洪灾发生最频繁的国家之一。20世纪90年代至今,中国因洪灾造成的直接经济损失几乎是美国的40倍。这就迫切需要提高城市抵抗洪灾风险的能力。因此,提高城市洪灾韧性已经成为城市管理的一个关键问题。随着城市面临的压力越来越大,提高城市韧性已成为全球共识,以实现城市的可持续发展。韧性思维为如何提升城市灾害韧性提供了一套新的思想、工具和方法。它区别于以往防灾减灾研究中着眼于受灾过程的某些环节,而是提供一个全过程理解城市灾害反应的视角。在2020年提出的第十四个五年规划以及2030年长期目标中,首次提到了韧性这一概念。在对过往研究梳理的过程中,发现从韧性角度选取城市洪灾评估指标的研究很少,这意味着需要一个新的框架来建立韧性评估指标体系。现有的研究采用 TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution,逼近理想解法）方法进行灾害评估,缺乏对位于正负理想方案中间点的评价方案的考虑。此外也需要有良好的预测模型能够准确预测城市未来的韧性状况,以便提前采取措施。为了解决这些问题,本研究建立了城市洪灾韧性新型评估模型,该模型包括评估模型和预测模型两部分,主要工作如下:（1）本文采用 TOSE（Technical,Organizational,Social and Economic）框架,从技术、组织、社会、经济4个维度选取了 9个指标,作为城市洪灾韧性评估的影响因素,这9个指标分别为年均降水量、道路总公里数、人口密度、老年和青少年人口数、床位和医疗技术人员数、受教育程度、地方财政收入、人均GDP、人均可支配收入。（2）为了弥补TOPSIS本身的不足,本文引入VIKOR（VlseKriterijumska Optimizacija I Kompromisno Resenje）方法构建城市洪灾韧性评估模型。采用VIKOR排序时,可能出现未能全排序的情况,因此引入GRA（Grey Relational Analysis,灰色关联分析）法进行辅助排序,从而使得所有方案可以全排序。综上,建立了基于VIKOR-GRA的城市洪灾韧性评估模型。（3）为了进一步提高神经网络的预测精度,本文采用遗传算法（Genetic Algorithm,GA）对 BP（Back Propagation）神经网络的权值和阈值进行优化,构建了基于GA-BP神经网络的城市洪灾韧性预测模型。最后,本文以河南省18个市为例,对文章提出的城市洪灾韧性新型评估模型进行验证和分析。结果表明,在所有的指标中地方财政收入（L7）和道路总公里数（L2）所占权重最大。在韧性评估方面,郑州市和洛阳市韧性水平最高,濮阳市和信阳市韧性水平最低。在韧性预测方面,通过将2020年河南省各市韧性的预测排名和实际排名相对比可知,本文所建立的预测模型能够有效的预测城市洪灾韧性。通过评估结果可以为城市提出切实可行的提高韧性的措施。通过对实际案例的分析,可以看出该模型具有良好的适用性,能够较好地反映实际情况。有关洪灾韧性评估方法的知识对于政策制定者、研究人员和行业专家评估潜在风险和认识防洪机制具有特殊的价值。