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，特别是加入WTO后，投资项目的规模和复杂性日益增大，项目风险也日益增多，对项目管理要求相对更高。工程项目投资成功率日益降低，项目质量问题严重，其中一个重要的原因就是因为在工程项目投资决策时，忽略了项目风险，没有进行工程项目投资的风险分析，缺乏切实可行的工程项目投资风险分析方法。因此，对工程项目投资风险分析方法进行研究，具有重要的理论与实践意义。在理论上，促进工程项目投资风险分析方法体系的逐步建立和完善；在实践上促进工程项目投资决策的科学化和规范化，提高工程项目风险投资的成功率。 本文首先剖析工程项目风险分析的三个步骤：风险识别、风险估计和风险评价。在介绍专家调查法、故障树分析方法、筛选—监测—诊断技术、风险来源表等常用的风险识别方法，并评价了它们的优缺点。结合工程项目投资风险的一般特点和构成项目投资经济评价与风险的关系，对工程项目投资风险因素进行了分析，提出了按照可行性研究报告进行风险因素的分析方法。即从技术措施、人为因素、社会环境、财务和经济四个方面，对工程项目投资风险因素进行分析。 其次，在总结概率估计方法、层次分析法、影响图法、CIM方法、决策树方法、解析法和蒙特卡罗模拟等风险分析方法的基础上，分析了当前传统评估方法存在的不足。本文针对这些缺陷，引进统计学习理论的最新研究成果，提出了基于支持向量机的项目投资风险评价方法。支持向量机模型比BP神经网络通常需要更少的样本数据，对数据要求低和更加稳定的性能，提高了工程项目投资风险分析的客观性和精确性，具有评价成本费用低、易操作性和批量分析的能力。在实例研究阶段，编制了相应的计算程序，给出了基于支持向量机的项目投资风险评价的基本步骤，通过与BP神经网络的比较分析，验证了该方法的有效性。在解决学习样本数据的问题上，提出以项目原始资料为基础、以项目研究可行性报告为主进行项目投资风险分析，可以增加项目分析的可靠性和准确度，在实际应用中易于操作。