国有企业是我国国民经济的支柱产业，国有资产的监管也是国家政府部门关心的问题。尤其在国有资产风险预警的及时性和准确性方面，是国有企业资产保值增值和防止国有经济流失的重中之重。导致国有企业经济信息滞后的问题根源在于风险预警的及时性。国资委综合绩效评价管理办法中国有企业经营绩效风险预警方案人为控制因素太多，有待改善。随着信息技术应用领域的不断扩展，应用现代智能信息技术构建国有资产实时监管系统是必然趋势，是国有企业监管的未来发展方向。国有资产实时监管系统中的风险预警模型要求从静态分析向动态分析转变，从单一变量判定模型向多变量判定模型转变，使国有资产风险预警具有前瞻性和可靠性。论文主要是针对国有资产绩效风险预警的研究，其主要内容结构如下：首先概述国内外学者对企业资产风险预警的研究，介绍国内外研究企业资产风险的主要方法及其预警的优缺点，设计了论文结构。其次论述机器学习的方法；主要讲述粗糙集属性约简的理论方法，时间序列分析的理论模型，神经网络的理论算法和小波理论基础定义。然后主要介绍基于粗糙集的神经网络模型，针对国有企业目前的经营绩效进行分类。采用国泰安数据库中的国有资产绩效指标数据作为试验样本，对输入样本预处理，再利用粗糙集的条件信息熵属性约简方法进行指标约简。BP算法极易陷入局部最小点的缺点，而小波理论改进的BP算法对样本数据进行仿真实验，能够有更好的收敛性和准确率。对指标约简后的样本数据集和原数据集进行小波BP网络训练，得到网络学习结果并进行比较，得到最佳的模型参数。实验结果显示约简后的国有资产指标集可以很好地反映国有企业的财务风险情况。根据指标的约简结果，对国有企业未来的绩效风险进行预测建模，主要采用时间序列分析的方法。从数据库中提取属性约简后的样本指标序列，再运用时间序列分析模型，预测国有资产绩效指标的未来走势；预测值经过小波神经网络(WNN)进行训练分析，得到风险预警值。对原样本序列进行网络训练，对实验仿真结果进行对比。实验结果表明，约简后的国有资产绩效指标数据经过时间序列分析预测，能够较准确地进行风险预警。最后，把本文的时间序列分析模型算法应用到智能信息技术的国有资产风险监管系统中。简单介绍了系统的设计架构及系统实现用到的技术方法；展示了风险预警模块实现后的功能界面。