摘要
由暴雨引发的灾害链具有突发性强、破坏力大以及传播机制复杂的特点。传统的静态评估方法依赖固定参数，难以描述这类灾害的动态演变过程。现有的动态模型大多基于预设结构，缺乏整合多源数据及量化不确定性的能力，从而限制了对暴雨灾害链的精准预测。为解决这些问题，本研究提出了一种暴雨灾害链预测模型（SW-DBN），该模型将经过大型语言模型优化的滑动窗口机制与动态贝叶斯网络相结合。首先，该模型通过滑动窗口机制对多源时间序列数据进行动态分割和特征提取，进而构建一个由大型语言模型驱动的模块，用于对多源信息进行语义理解并挖掘潜在参数。借助大型语言模型对窗口内数据模式变化的深入分析，该模型能够挖掘出潜在参数，动态调整DBN网络结构，并反馈以优化窗口宽度及滑动步长，从而确保滑动窗口的特征提取与灾害链的动态演变保持同步。最终，通过DBN对暴雨灾害链的级联传播过程进行建模、推理与验证，形成了“感知–推理、动态调控与级联验证”相结合的集成预测框架。在西安地区的案例研究表明，所提出的模型能够有效模拟暴雨灾害链的时间演变过程。对于四种主要类型的灾害节点，其平均预测准确率可达84.8%，相比标准DBN模型提升了7.5个百分点，在关键节点的预警时效性方面具有明显优势。该模型为暴雨灾害链的概率预测及灾害预防决策提供了技术支持，兼具动态适应性与可解释性。
