人口老龄化加剧的时代背景下，中国基本养老保险基金面临巨大的压力，收支平衡与否是衡量该基金运行健康与否的根本，而有效的评估、预警基本养老保险基金收支失衡风险是实现基金可持续发展的必然要求。本文尝试通过3δ原理及因子分析法对该基金风险进行评估，在评估的基础上，根据实证分析结果，选择将粗糙集与BP神经网络模型组合，利用粗糙集克服神经网络结构复杂等缺点，构建出基本养老保险基金收支失衡预警模型。　　第一，通过资料的搜集和整理，分析关于养老保险基金风险评估以及预警的国内外研究现状;第二，对基本养老保险基金的理论基础进行展开，并详细介绍文章研究所涉及的关键技术;第三，根据中国养老保险制度特征，界定了我国养老保险基金的风险，并提取了风险因素，利用3δ原理及因子分析法对我国基本养老保险基金进行风险评估。第四，构建预警指标体系之前，尝试从中国国情出发，改进现有预警指标体系，构建了“统账分离”制度下的养老基金风险指标体系和非线性网络状态下的预警指标体系;基于风险分析及数据的可得性构建了一套适用、可靠、有效的基本养老基金风险预警指标体系。第五，在预设定预警模型的基础上，首先进行单一BP神经网络训练与验证，接着利用粗糙集属性约减指标，进行粗糙集与BP神经网络结合的混合模型的训练与验证，综合比较两者的结果。研究发现加载了粗糙集约简功能的BP神经网络的稳定性和准确性要高于单一BP神经网络，波动程度较小，且预警结果拟合程度较高，能良好的刻画基本养老保险基金的收支能力。因而文章利用该混合模型，预警了2013-2018年的基本养老保险基金收支失衡风险。、在此基础上，提出有效政策建议。