全球变暖背景下水文循环加速、极端水文事件频发，严重威胁全球和区域水安全，对径流和洪水的精准模拟提出更高要求。人工智能（Artificial Intelligence, AI）方法可学习水文气象非线性关系，但缺乏物理机制，难以准确模拟洪水等极端水文事件。本研究以长江源区为研究区域，构建了基准陆面水文模型和具备“编码-解码器”架构的基准AI方法，进一步提出了聚焦径流高值区间的优化损失函数，对2020年径流过程和洪水事件进行了模拟。结果显示：基准AI方法和基准陆面水文模型性能相当，但对极端事件的重现较差；应用聚焦径流高值区间的优化损失函数后，模拟洪水性能显著提升，相对基准AI方法峰现时差降低83%、洪峰误差降低44%、洪水总量误差降低61%。不过，新方法对径流中值区间的表现较差，说明优化损失函数需平衡对径流整体的刻画与对洪水的模拟。本研究期望为长江源区的径流和洪水模拟预报提供新的方法支撑。

人工智能,损失函数优化,洪水模拟,长江源区