人力资源是现代企业生存与发展的第一资源，每个企业在生产经营过程中都难免会遭遇到人力资源危机，给企业带来损失甚至更大的打击。有效的危机预警体系可以帮助企业在人力资源危机发生前做到防患于未然，从而把由于人力资源危机造成的企业损失减至最低。　　本文通过对人力资源危机的内涵和类型的归纳总结，结合对前人已设计的企业人力资源危机预警指标体系的分析，构建了一套较为细致的企业人力资源危机预警指标体系。运用粗糙集理论对繁冗的指标进行简化，并结合RBF神经网络，建立人力资源危机预警模型，并通过实证分析验证了该方法的可行性和有效性。最后，通过对企业人力资源管理各环节进行分析，对可能出现的危机提出了防范措施，防范或避免因人力资源管理不善而造成的人力资源危机。　　在文献研究和专家指导的基础上，构建了以人力资源开发状态、人力资源组织状态和人力资源管理状态为一级指标，招聘、培训、规划、绩效、薪酬、协调、参与为二级指标，以及32个三级指标的人力资源危机三级预警指标框架。为解决大量指标数据使RBF神经网络训练负担加重，且降低网络误差的收敛性能，影响网络训练的稳定性等问题，本文基于粗糙集理论，以最少的信息丢失为前提，对预警指标进行优化，将原有的32个三级指标变量简化成13个综合指标，作为RBF神经网络的输入，构建出了适用于人力资源危机预警的3层RBF神经网络，并且对10个样本进行了训练和仿真，得出人力资源危机预警模型。另外选取10个样本，在运用RBF神经网络进行判断后，分析这10个样本单位的人力资源危机状态，结果与RBF神经网络判断一致率为90％，验证了该预警系统模型对测试样本危机判断效果，体现了预警模型对企业人力资源危机具有较好的识别能力，也说明了基于粗神经网络的企业人力资源危机预警系统的较好的可行性和较强的实用性。