金融危机往往都伴随着贸易争端的高发。近一时期，随着全球经济形势恶化，一些国家自危、自利、自保倾向抬头，贸易保护主义和经济孤立主义蔓延。越来越多国家以产业安全、保护环境和保护本国人民健康等为由设置技术性贸易措施（Technical Barriers to Trade，简称TBT）进而阻碍我国企业出口，为了合法、有效地保护我国产业和企业的正当权益，维护公平竞争，建立技术性贸易壁垒预警系统已经迫在眉睫，特别在电子信息产品出口方面，我国企业受TBT影响遭受了很大损失。因此，对电子信息产品TBT预警的研究将有利于我国企业做到对TBT的早评估，早预防，从而达到降低企业出口损失的目的。　　 关于TBT预警模型的研究，或者应用综合评价方法进行预警，或者通过案例推理进行预警，或者通过对新闻评论的文本挖掘得到媒体关注热点进行预警，基于数据挖掘的预警模型的研究尚不多见，本文的研究内容和主要贡献如下：　　 首先，结合主要的电子信息产品贸易，运用灰色关联方法，分析TBT对我国主要电子信息产品出口的影响程度，TBT对我国各类电子信息产品的影响都很大，并且对我国通讯设备类产品的出口影响程度最大，从而进一步说明了研究电子信息产品TBT预警的必要性。　　 接着，对电子信息产品TBT预警原理进行了分析，构建了基于模糊粗糙集与BP神经网络的电子信息产品TBT预警模型，首先，利用模糊粗糙集理论对BP神经网络的输入即电子信息产品TBT预警的警兆指标进行预处理，利用模糊粗糙集属性约简的技术对电子信息产品TBT预警指标进行重要度的提取，消除冗余信息，降低神经网络的输入维数；其次，运用Matlab软件对训练样本按照BP神经网络算法进行迭代和处理，确定神经网络的权值等相关参数，最终确定模型；最后，运用检验样本对该模型进行有效性检验。　　 最后，面向专利进行文本挖掘，分析某一时期内专利的热点领域及其技术的发展趋势，以此判断TBT的警情。利用文本挖掘技术对进口国专利进行分析，及时发现进口国技术的动向，是TBT预警中的有效方法，能够很好的弥补目前TBT预警系统的不足。