工程项目管理过程中包含着大量的风险，工程项目的成本、时间和质量都受到风险的影响。所以，主动管理风险，及时、准确地识别、评估风险，有效地处理风险，把风险损失降低到最小程度，就显得非常重要。但同时，工程风险和工程风险管理的特点决定了风险管理过程中的某些问题无法用传统的统计方法或者数学方法来解决，必须找到合适的方法来确定和表示大量不确定因素和风险损失之间的非线性关系。本文在分析工程风险管理主要内容和神经网络特点的基础上，提出用神经网络方法进行工程项目风险管理的思想。 因为工程项目风险管理是一个庞大的系统，本论文截取两个不同的侧面——工程项目风险综合评价和工程项目变更索赔风险管理来运用人工神经网络方法，分别建立了风险综合评价的BP网络模型和变更索赔率预测的RBF网络模型。最后，本文搭建了基于神经网络的风险管理专家系统框架，并以工程项目风险综合评价为例，进行系统的详细设计，其中包括知识库设计、主界面设计和风险综合评价模块设计。 本文得出的主要结论有： (1) 利用ANN的非线性映射和模式识别能力，可以动态识别风险、预测风险、评价风险，为风险决策提供依据。 风险综合评价的BP神经网络模型具有一定的精度，可以用于和样本工程类似工程的风险综合评价，但风险指标的选取和量化方法还有待改进。变更索赔率预测的RBF神经网络模型具有一定的精度和实用性，但该模型的应用范围有所限制，因为影响变更索赔率的风险因素因风险承担主体、工程类型、工程所在地等的不同而有所差异。 (2) 开发基于神经网络的风险管理的专家系统是可行而且有意义的。 基于神经网络的风险管理的专家系统的知识库中存放神经网络模型的权值和阈值，数据通过关系型数据库来组织，推理过程即神经网络的正向计算过程，知识获取过程即通过样本训练神经网络的过