随着全球气候变暖和城市化进程的加快,全球城市洪涝灾害越发频繁,给经济、交通、环境等带来了一定程度的影响,同时也给居民生活带来了很多的不便。为了进一步提高城市化建设,城市洪涝灾害风险已经成为一个亟待解决的难题。在实际生活中,从生命和财产安全的角度出发,对城市洪涝灾害风险预警至关重要。然而,城市洪涝灾害发生的风险是不容易预测的。现有的研究存在着数据获取难度大、类型多等问题,并且更多倾向于以历史洪涝灾害事件及水文地质数据为基础来展开研究。为了提高城市洪涝灾害风险预警模型的精度,就更需要融合各种数据资源来训练一个性能更加强大的模型,以便对城市洪涝灾害风险进行预警预测,及时提醒居民做好防灾准备,减少灾害带来的损失。因此,本文在分析我国城市洪涝灾害现状的基础之上,借助微博平台,获取与城市洪涝灾害相关的微博文本数据,采用自然语言处理技术提取文本中的淹没点信息,并采用实体标注的方法获取其具体位置;采用两种不同的文本表示方法把与城市洪涝灾害相关的微博文本数据转换成计算机可以自动识别的语言,提取文本中的灾害风险特征;利用深度学习方法来建立城市洪涝灾害风险预警模型,并使用独立的数据集以及高德积水数据对该风险预警模型的性能进行评估。本文主要的研究结论和成果如下:（1）数据获取。通过新浪微博API接口,采用数据挖掘技术收集了2017-2018年两年的与城市洪涝灾害相关的微博文本数据。采用自然语言处理技术对庞大复杂的数据进行处理,并采用两种不同的文本表示方法将与城市洪涝灾害相关的微博文本数据转换成计算机能够自动识别的语言,以便建立城市洪涝灾害风险预警模型。（2）城市洪涝灾害风险预警模型构建。本文选取循环神经网络模型来建立城市洪涝灾害风险预警模型,为了突出循环神经网络模型的预警性能,本文选取了两种传统的机器学习模型来与之对比。实证结果表明,循环神经网络模型与Word2Vec方法组合能够取得最高的准确率。为了突出该组合模型的风险预警性能,又使用高德地图中南京地区的积水点对其进行验证,进一步表明了循环神经网络模型能够很好的用于城市洪涝灾害风险预警。（3）城市洪涝灾害淹没地图和预警小程序。为了将提出的风险预警模型应用到实际生活中,本文依据已获取到的与城市洪涝灾害相关的微博文本数据,提取淹没点的具体位置,绘制全国范围的城市淹没地图,并开发了一个基于微信平台的风险预警小程序。（4）对策建议。城市洪涝灾害是亟需解决的难题,以本文的研究为依据,提出了相应的对策建议,对降低城市洪涝灾害带来的损失起到一定的帮助,即:构建城市洪涝灾害数据库、完善预警模型、建立城市洪涝灾害监测系统、建立跨行业管理和协调机制。