随着我国信息技术的迅速推进和更新，外包型软件产业也得到前所未有的发展，其需求量在不断扩大，其原因是企业为了提高竞争力和经济效益，纷纷通过投资软件项目来开展和加强自身的信息化建设。软件项目一直是一种高风险的投资项目，又加之外包型产品的复杂度较高，所以其风险更不能忽视。准确的识别、评估和处理该过程中的风险是提高其成功率的有效方法。在外包型软件项目的整个生命周期中，风险因素复杂多样，且历史数据具有不完整和不精确的特点，而且数据量也在持续的增长，传统的风险评估方法在处理这个问题上存在着局限性。在这种情况下，本文通过研究相关文献，提出了在粗糙集和BP神经网络结合理论基础上的软件项目风险评估方法，其目的是帮助外包型软件公司在立项阶段作出正确的决策。该模型是采用粗糙集和BP神经网络的弱耦合结合方式，粗糙集的主要作用的通过对样本集进行属性约简和值约简来将数据降维，这样能够简化BP_神经网络的网络拓扑结构，从而能缩短BP神经网络的训练时间，并能提高该模型预测的准确率。本文首先评述了国内外软件项目风险的含义和分类，又分析比较了几种经典的风险识别方法。然后通过研究文献和走访几个软件外包公司来构建IT项目风险因素指标和历史性的样本数据。最后，对该模型进行训练，并验证该模型优于单一的BP神经网络风险评估模型。