隧道项目施工环境具有高动态风险特征,复杂的危险因素使传统安全培训难以量化评估人员的实时风险认知能力.为此,提出一种基于虚拟现实(VR)与脑电信号(EEG)的多模态评估框架,通过构建高沉浸度隧道施工VR场景,采集30　名被试的脑电数据及风险识别行为,并利用Stacking集成模型预测其风险识别能力.结果表明:Stacking模型识别准确率达69.49%,AUC值为0.713　8,F1　分数为0.788　3,优于其他模型;复杂场景下,(θ+α)/β相对功率值对风险识别贡献最大,简单场景下,F3　通道α波功率占主导地位;额叶和顶叶区域的脑电特征对风险识别具有显著预测作用,尤其是F3、F4、C3　通道特征影响突出.基于VR和EEG的融合研究可为隧道项目施工人员风险认知评估及动态安全预警系统开发提供技术支撑.