铁路工程作为促进国民经济发展的关键基础设施项目,具有投资额度大、技术复杂、工期较长、专业及工序接口繁多、受自然环境影响大等特点,是一个复杂的系统工程。传统的铁路工程项目设计、采购、施工等业务一直分开,铁路工程设计企业、施工企业分别投标参与相应标段任务,项目参与各方之间存在沟通不顺畅、信息孤岛、项目变更难以及时反馈等问题。而采用铁路工程EPC（Engineering Procurement Construction,简称EPC）总承包项目风险管理,相比传统施工总承包,总承包商还需承担工程设计、材料设备采购环节等各类风险,这就使得风险种类及因素更加多样和复杂。为有效预防与控制工程风险,减少不必要的损失、确保项目管理各主要目标达到预期。本论文把知识本体理论引入到铁路工程EPC总承包项目风险管理中,为新增铁路工程EPC总承包风险应对提供新思路。具体内容包括:（1）基于RBS的铁路工程EPC总承包项目风险因素系统识别。通过对比不同的EPC项目风险管理方法,整理出不同识别方法之间的优缺点和适用范围,并确定了本文采用RBS风险识别方法及流程,对铁路工程EPC总承包项目风险进行识别,并建立风险分解结构及n维RBS风险矩阵,对铁路工程EPC总承包项目风险进行详细分类和表述,计算各风险发生的概率,得到风险识别结果,并对多层次风险进行统计,最后对识别结果进行分析,形成了可以弥补传统风险应对方法不足的RBS的铁路工程EPC总承包项目风险因素系统识别方法,为进一步研究铁路工程EPC总承包项目风险的知识本体构建做了基础工作。（2）基于知识本体的铁路工程EPC总承包项目风险分析模型构建。对铁路工程EPC总承包项目风险知识进行搜集、加工、提炼,结合语义网络和XML思想对相关概念进行分类和定义属性,用概念化的语言对知识本体进行描述,通过对比国内外优秀的本体开发软件,选择运用protégé4.3软件,结合铁路工程EPC总承包项目风险知识的基本信息,构建风险知识本体,并且运用Fa CT++推理机进行一致性检验。（3）基于风险知识本体贝叶斯网络的铁路工程EPC总承包项目风险诊断模型构建。在风险知识本体的基础上,提出风险知识本体向贝叶斯网络转换的规则,实现概念到节点、关系到弧及属性值的转换。重点针对贝叶斯网络参数学习算法中的非完备信息的情况,提出运用极大熵原理改进的信息扩散理论进行数据集修补,提高贝叶斯网络条件概率表构建的精度。详细阐述了贝叶斯网络条件概率表的构建过程,提出运用消息传播搜索算法对复杂贝叶斯网络进行处理,及对铁路工程EPC总承包项目风险进行近似诊断,实现铁路工程EPC总承包中的风险征兆和风险事件之间的概率转换。（4）基于风险知识贝叶斯网络的案例推理,利用灰色关联度改进粗糙集识别关键属性。提出了铁路工程EPC总承包项目风险控制措施推理的基本流程,运用灰色关联度改进粗糙集理论,对冗余属性进行约简,并确定铁路工程EPC总承包项目风险案例的属性权重。通过基于风险知识贝叶斯网络计算新建铁路工程EPC总承包项目风险案例与案例库中源案例之间的综合相似度,进行案例匹配,检索出相似度最大的源案例,并对比关键属性的相似度是否超过事先设定的经验阈值（δ）,从而确定参考源案例的风险控制措施,或进行规则推理生成风险控制措施,最终达到新建铁路EPC工程项目风险管控的目的。（5）以某铁路工程EPC总承包项目为例,验证风险诊断模型与案例推理模型的合理性,并针对该项目提出了具体建议及对策。在前文研究的基础上,运用RBS法识别出该案例的风险因素并构建相应的知识本体,利用贝叶斯网络训练出风险因素和风险征兆之间的概率关系;在此基础上,基于探测的风险因素和诊断的风险事件,结合已构建的知识本体,计算该案例与源案例的概念语义和特征属性之间的综合相似度并进行推理,从而得出相应的风险管控措施与对策,实现事前管控。基于知识本体的铁路工程EPC总承包项目风险管理研究,通过贝叶斯网络诊断,把风险因素和风险事件的因果关系进行概率转换,将贝叶斯网络与案例推理的深度融合,实现了铁路工程EPC总承包项目风险的超前管控;有利于规避铁路工程EPC总承包项目的各类风险、降低风险损失,弥补了当前铁路工程项目管理中风险量化管控的不足。设计开发出基于知识本体的铁路工程EPC总承包项目风险管理系统平台,实现风险管理知识的存储和再利用,为铁路工程EPC总承包项目风险管理提供了借鉴。