为了准确识别跨境供应链内的多源风险,在全球化经济背景下获取更大的利益与竞争力,对跨境供应链风险与预警模型进行了研究.首先考虑跨境供应链结构特性,结合文献总结与专家调查法构建了跨境供应链风险指标体系表,对跨境供应链风险进行了识别,并将风险指标体系相关数据进行了归一化处理.为了更好地对跨境供应链所识别出的风险进行预警,建立了一个基于粒子群优化算法(PSO)优化卷积神经网络(CNN)的跨境供应链风险预警模型(CNN-PSO),参考LetNet-5网络结构对CNN-PSO网络结构进行了设定.通过对比分析CNN-PSO、支持向量机、高斯过程回归、Elman神经网络4种跨境供应链风险预警模型,得到如下结论:当跨境供应链风险训练数据为45组时,CNN-PSO的风险预警值拟合效果最好且误差最小,达到-5％～5％,风险预警准确率最高,达到96.9％;当训练数据为63组时,CNN-PSO的风险预警值拟合效果依旧最好且误差最小,达到-4％～5％,风险预警准确率最高,达到100％.CNN-PSO跨境供应链风险预警模型训练速度快、效率高,对于跨境供应链风险预警具有稳定性与准确性,可为我国跨境供应链建设与稳定发展提供理论依据.