针对黄河流域中游黄土高原中小流域洪水突发性强，洪水形成呈暴涨陡落趋势，流域内的防洪工程标准偏低、洪水预报精度不够，应急体系建立不够完善等问题，以洪水防御体系的“预报、预警、预演、预案”建设为出发点，构建半干旱半湿润的山区中小流域的洪水预警体系，取得了原创性的突破和创新：①从流域特征出发，利用降雨、流量资料探索精准超前防洪体系，研发直观的降雨、产流在线HEC-HMS 模型，利用Python进行数据可视化分析，精准呈现洪水动态演进过程。②通过建立流域的数字模型来实现对流域物理环境的模拟。建立的水文模型由若干个彼此树状相连的水文组件构成，采用30m×30mDEM数据产品，采用HEC-HMS模型中的GIS模块对DEM数据进行处理并提取数字流域。③利用深度学习框架Pytorch构建一个包含LSTM（长短期记忆网络）的神经网络模型进行水文数据的训练、验证及测试，最后利用训练好的模型对洪水进行实时预警。
项目先后在黄委西峰勘测局测控中心、洪德、庆阳、雨落坪等一个中心、十个水文站得到实际应用。共发表学术论文69篇，其中SCI 收录48篇，已编制并发布水利行业标准2项，已获授权专利10项，软件著作权8项，培养博士/硕士研究生18名。项目的研究为中小流域的洪水提前预报和洪水量级预演提供重要的技术支撑，取得了显著的经济与社会效益，很大程度减少了暴雨洪水灾害造成的人员伤亡及经济财产损失。