在当今人类社会，无论组织、社会或者个人所面临的决策问题都具有多目标、多属性的特点，多目标属性决策问题的目标之间具有关联性、不可公度性甚至是矛盾性。洪灾风险评价与决策问题同样具有多目标、多属性的特点，属于多目标属性决策的范畴。洪灾风险评价与决策是防洪减灾的重要环节之一，反映了洪灾发生的可能性及灾害发生之后可能造成的损失后果，本质上具有多属性，多目标的特点，涉及众多研究领域。将目前多属性决策分析的先进理论与方法引入洪灾风险因素建模、洪灾灾后损失评价和洪灾综合风险分析等决策过程中，无疑将为洪灾风险评价提供一个新的研究思路。本文针对洪灾风险分析的特殊性，进行了多属性决策数学模型分析、洪灾风险建模分析、洪灾灾后损失等级评价、洪灾综合风险决策四个方面的深入研究，取得了一些具有理论意义和实用价值的研究成果，相关研究成果已应用于973项目的工程应用示范中。论文的主要工作及创新性成果如下：（1）针对洪灾综合风险决策的研究需求，深入研究了多属性决策的基本理论与方法、多属性决策常用算法分析、洪灾风险评价的研究机理与动因分析，以及多属性风险决策模型的分析与描述，为洪灾风险评价各个环节的进一步研究打下了坚实基础。（2）针对洪灾风险评价中风险因素复杂众多、定量指标与定性指标同时存在、各指标的不相容性和不确定性、量化描述困难等问题，采用三角模糊数（TFN）合理解决了不确定定性指标的量化问题，提出一种基于TFN-AHP多属性决策方法的洪灾风险因素建模方法，对洪灾风险因素进行合理辨识，构建洪灾风险因素决策综合评价指标体系，对洪灾风险因素相对重要性作出合理评价排序，并对相对重要度较高的风险因素作出风险应对措施分析，结合典型洪灾多发地区——分蓄洪区的实际背景，以水文条件及地形环境都相当复杂的荆江分洪区为例，论证了洪灾风险因素决策建模的必要性和可行性，为洪灾综合风险整体评价提供了有效决策依据。（3）针对洪灾风险评价的另一个重要组成部分——洪灾灾后损失评价，利用信息论中对信息不确定性概率判断方法的研究，提出了基于熵值法的属性识别模型，从多属性决策的角度对洪灾灾后损失等级进行了评价分析，利用信息熵反映出的数据效用值来刻画指标的权重系数，合理客观地解决了洪灾灾后风险指标多属性的权重分配问题，分别给出了洪灾样本的洪灾灾损等级评价和灾损大小排序；同时，将人工智能技术引入多属性决策领域，提出了一种基于BP神经网络的洪灾灾损等级评价模型，并将两种评价模型的评价结果与物元分析评价法得出的结果进行对比分析，验证了本文提出模型的客观性与合理性。（4）针对洪灾风险因素间相互依存相互影响的特点，研究分析了多属性决策中经典的理论算法及多种算法的融合应用问题，包括模糊数学与网络分析法的融合、模糊数学与逼近理想解法（TOPSIS）的融合，以及离差最大化法在混合权重分析中应用等。以洪灾风险评价区域为单位，依据有限个风险评价对象与理想化目标的接近程度对评价对象的相对洪灾风险程度进行合理排序。在此研究基础上，本文提出了基于三角模糊数、ANP、熵值法、离差最大化法和TOPSIS的模糊多属性决策模型（FMADM），并将该模型应用于洪灾综合风险的完整评价，从风险因素识别到指标属性权重确定，再到洪灾风险值确定与风险大小排序，为洪灾综合风险评价提供一个新的途径。另外，将该模型应用于荆江分洪区内8个乡镇进行洪灾综合风险分析，并通过三种模型对比分析，验证了FMADM模型在洪灾综合风险评价中的应用符合洪灾实际情况，并且合理可行，能客观地反映荆江分洪区的洪灾综合风险分布情况，为防洪减灾灾前指挥提供了科学合理的决策支持。