隨著全球氣候變遷加劇，洪水災害發生的頻率不斷上升。在台灣，颱風與極端降雨引發的洪水災害帶給社會極大的經濟損失。然而，特別是在經濟價值最大的工業區，災損資料多不容易即刻取得，或者基於商業考量無法公開資料。因此，仍然缺乏有效的快速評估洪水損失方法。本研究基於資料不足的架設前提下，提出了三種基於貝葉斯定理(Bayes Theorem)的洪災損失模型，分別是(1)淹水損失曲線模型(Stage-Damage Function, SDF)、(2) 多因子迴歸模型(Multivariable Bayesian regression, BR)，以及(3)貝葉斯網路模型(Bayesian Networks, BN)，根據公開容易取得與假設之資料，快速進行災前洪水損失之評估，並將此資訊作為災害規模判斷與救災資源配置依據參考。上述三種模型第一種是單變數迴歸模型，假設洪水損害率是水深的函數。第二種是考慮不同影響因子的多變數迴歸模型。最後一個則是基於貝葉斯推論(inference)建立的BN的洪災損失模型，其中影響因子與影響結果的關係(casual effect)以有向無環圖(directed acyclic graph, DAG)結構表示。本研究的重點就是不論是前兩種模型的權重因子，或是第三個BN模型的因子間的依附關係，都是透過貝葉斯定理中先驗知識(prior knowledge)與後驗條件(posterior probability) 來預測機率分布，並取其最大可能之結果來試用。本研究首先使用德國GFZ Helmholtz Centre for Geosciences維護的 HOWAS21 資料庫中的洪水災損數據，進行上述模型的理論校準和驗證，確認方法知可行性。最後，選擇台灣的龜山工業區2012年6月10日的淹水事件，藉由記載的損失資料比較三個模型模擬結果的表現來評估本研究提出之架構與方法在未來其他地區擴大應用之可行性。