全球范围内，由极端降雨引发的城市内涝现象日益增加，从而加剧了生命损失和财产损毁。准确且实时更新的预报对于城市洪水响应和防御至关重要。大数据为复杂城市环境中的洪水淹没深度预测开辟了新途径。在本研究中，提出了一种新的城市暴雨洪水分类方法，通过分为三种类型：持续性城市暴雨洪水（PPFs）、常规性城市暴雨洪水（PNFs）和突发性城市暴雨洪水（PFFs），采用洪水淹没深度变化指数（IDCI）进行分类。使用来自中国深圳市109个雨量站和80个洪水深度站的数据，为这三种洪水类型识别出预测模型。结果表明，反向传播神经网络（BPNNs）和长短期记忆（LSTM）在深度预测方面表现良好，但两者之间没有显著差异，而包含LSTM的模型产生的偏差值要低得多。此外，PPFs需要更长的降雨序列才能获得更好的预测。所有站点深度预测结果的纳什-萨特克利夫效率（NSE）为0.86。讨论了该方法的普遍应用前景及其使用。