本研究在理论上的价值在于为工程项目投标风险分析提供一种新的研究思路，其实践意义在于辅助投标商对实际经验数据进行深层次的总结，提高投标决策的效率和质量，促进工程项目投标决策向着智能化、科学化、定量化的方向发展。本文首先分析了投标风险分析模型的研究现状，指出如何从现有数据中自动获取有价值的知识是一个重要的研究方向，进而阐明了粗糙集理论在投标风险知识发现领域的适用性及优势。接着，研究了标准粗糙集在投标风险知识发现中的具体应用。对工程项目风险影响因素进行了系统分析和分类，给出了基于粗糙集的投标风险知识表达方法。其三，研究了不一致投标风险决策表的处理。其四，研究了不完全投标风险决策表的处理。 其五，为了克服单纯依赖规则推理（RBR）的投标风险知识获取瓶颈和推理的脆弱性等缺陷，采取合作推理策略，将RBR与事例推理（CBR）集成起来，构建了基于粗糙集的RBR+CBR投标风险合作推理模型，并利用粗糙集作为CBR系统的预处理器，提出了基于粗糙集的投标风险事例特征属性权重确定方式和基于粗糙集的投标风险事例检索算法。最后构建了一种以GIS为支撑的工程项目自然环境风险分析模式，并以近似集为主要工具，研究了基于粗糙精度的工程项目自然环境风险GIS属性数据的不确定性表示，不确定性度量，以及图层叠置中的不确定性传播问题，为客观度量工程项目自然环境风险GIS属性的不确定性提供了一个合适的工具。