随着我国改革开放的不断深化和市场经济体制的逐步建立，项目的规模和复杂性日益增大，项目风险也日益增多，对项目管理要求越来越高。工程项目由于工期长、投资大，参与主体多，组织关系复杂，全过程中不确定性因素很多，因此，风险管理就显得极为重要。在进行工程项目决策时，需要可行的工程项目风险评价方法。因此，对工程项目风险评价方法进行研究具有重要的理论与实践意义。本文首先介绍了工程项目风险管理的一般内容，重点分析了风险识别和风险评价的常用方法。介绍了专家调查法、层次分析法、蒙特卡罗、模糊评价法、BP神经网络法等常用的风险评价方法，并评价了它们的优缺点。针对这些缺陷，引进统计学习理论的最新研究成果，提出基于支持向量机的工程项目风险评价方法。为提高评价效率，本文利用粗糙集方法在数据处理方面的优势，结合支持向量机，给出了基于RS-SVM的工程项目风险评价的模型。通过与BP神经网络的比较，验证了该方法的有效性。通过算例计算，说明了它的优势和广阔的推广价值。