大坝带来效益的同时,其风险问题也一直是人们关注的重点。其中,关于大坝溃坝模式和溃坝概率的研究一直是研究热点,取得了许多成果。但关于溃坝后果的研究,尤其是溃坝生命损失和溃坝风险后果综合评价的研究,成果仍十分匮乏,处于较弱水平。因此,本文对溃坝生命损失以及溃坝后果的综合评价展开研究,这对于提升我国大坝风险管理技术水平和完善风险管理体系有着科学意义。本文通过机器学习和数学评价模型,对溃坝风险后果的生命损失和综合评价展开了系统研究,取得的主要研究成果如下:（1）查阅相关文献和资料,统计了我国历史上（截止2020年）已发生的水库溃坝事件,依据年均溃坝率将我国溃坝历史划分为溃坝高发（1954～1980年）、快速下降（1981～1999年）、趋于平稳（2000～2020年）三个阶段,其中平稳阶段的年均溃坝率为0.45× 10-4,表明我国达到世界低溃坝率水平。并从坝型、库容、坝高、溃坝成因等角度对溃坝事故进行了统计分析,研究发现小型水库、土石坝以及坝高小于30m的大坝更容易溃坝,在日常的水库安全管理中要极为重视,且超标准洪水（2000～2020年占比高达96.15%）导致的水库漫顶是溃坝的最主要原因。同时,近年来中型水库溃坝数量明显增加,这可能与忽视中型水库的安全管理以及极端气候频现有关。此外,对我国一些典型溃坝事故的生命损失进行了统计研究,发现溃坝生命损失与库容和坝高并无直接关系,其除过溃坝洪水因素外,主要与水库的安全管理水平和风险人口的灾害意识以及溃坝发生时间等因素有关。（2）通过研究确定溃坝生命损失影响因素并进行标准等级划分,同时引入模糊理论对其定性与定量因素进行量化处理,建立了一个溃坝生命损失量化数据库,并依据构建的融合支持向量回归机（HHO-SVR）模型和灰色关联度分析确定的模型最佳输入变量,最终建立了基于机器学习理论的溃坝生命损失评估模型。根据模型留一法交叉验证的结果,SVR、GA-SVR和PSO-SVR模型的生命损失率平均绝对误差分别为0.0556、0.0413和0.0411,而HHO-SVR为0.0338,故HHO-SVR模型更优;与经典的Graham法相比,本模型对生命损失估算结果的绝对误差平均值约为786人,而Graham法却高达2529人,这表明本文提出的模型精度更高,可以更加有效地对溃坝生命损失进行估算。（3）针对溃坝后果系统具有的动态模糊性与灰色性,根据建立的评价指标体系和等级标准,以及指标权重计算方法,提出了一种灰色聚类评估和可变模糊评价耦合方法,建立了基于灰色—可变模糊耦合方法的溃坝后果综合评价模型。将模型应用于江西省5座水库大坝,计算得到龙山、石壁坑、灵潭和下栏水库溃坝后果评价等级为Ⅳ级,长龙水库为Ⅲ级,并与其他评价方法进行对比,验证了本模型的适用性和准确性。（4）以射月沟溃坝水库为工程实例,利用建立的模型对其进行研究,验证了所提方法的合理性,揭示了下游群众死亡的主要原因,且其生命损失评估结果的相对绝对误差仅为6.25%,比其他模型精度更高。同时研究确定了其溃坝后果严重性程度等级为Ⅱ级,为“较大事故”。