随着全球气候的变化,海洋灾害频繁发生,其对沿海地区造成的损失规模不断扩大,严重威胁着该地区经济社会的可持续发展以及公共安全。在这种情况下,防灾减灾及灾害补偿工作日益受到国家和各级政府的重视,灾害的风险管理及监测预警也提升到国家公共安全与社会稳定的战略层面。海洋灾害的风险评估及区划问题成为关系沿海地区经济发展的重要战略问题,关系到我国海洋强国战略和区域发展总体战略的成功实现。因此,开展海洋灾害风险区划工作对于摸清我国海洋防灾减灾底数,最大限度规避灾害风险具有十分重要的意义。本文选取风暴潮作为主要灾种,以沿海11个省市为研究对象,采用粗糙集和修正的投影寻踪动态聚类模型对灾害的风险进行区划分析。文章首先界定风暴潮灾害和风险区划的相关概念,并在此基础上阐述了风暴潮灾害风险的形成机理以及后文所要借鉴的灾害风险区划理论；其次是对投影寻踪动态聚类方法的修正,其主要是用遗传算法和粒子群算法结合所形成的混合算法来优化投影寻踪动态聚类模型中的投影指标,实现对该模型的修正；然后,在对沿海省市风暴潮灾害风险辨识以及风险要素因子分析的基础上,综合考虑灾害风险相关理论及指标体系的设计原则,建立较为全面的沿海地区风暴潮灾害风险评价指标体系；最后,基于粗糙集理论筛选指标以确立的最终指标体系,利用修正的投影寻踪动态聚类模型对沿海11省市风暴潮灾害风险进行区划分析。结果显示：沿海11省市风暴潮灾害风险主要分为三类,广东和福建归为一类,属于风暴潮灾害高风险地区；山东、浙江、海南和广西归为一类,属于风暴潮灾害中风险地区；江苏、天津、辽宁、河北和上海归为第三类,属于风暴潮灾害低风险地区。论文在以下方面进行了创新性探讨：一是区别于以往风暴潮灾害风险评价指标体系的建立,本文引入粗糙集理论消除冗余指标,确立出最为简洁且能反映灾害风险的最终指标体系,提高了风险评价的有效性；二是针对单一算法(如粒子群算法)优化投影寻踪动态聚类模型中的投影指标函数时所存在的缺陷,本文利用混合算法来优化其投影指标函数,避免了采用单一算法时易陷入局部最优的困境,有效提高了寻优的精度和速度,实现了对该模型的修正,同时也提高了风险区划结果的准确性和可信度。