在隧道施工中，许多灾害威胁着工地现场施工人员的生命安全，一旦灾害发生，很难救援。但通过人员的早期干预，可以防止许多灾害的发生，这有赖于施工人员的危险预测能力。基于虚拟现实场景，研究了隧道施工人员的脑电数据与危险预测能力之间的关系，并通过自动机器学习框架比较了16种分类模型之间在危险预测能力上的优劣情况；然后，以获得的脑电数据集为基础，建立了Logistic回归分类模型，以判别施工人员危险预测能力的3个不同阶段。结果表明，该分类模型识别效果较好，F_1为0.602　8。在分类识别中，最关键的特征是脑电δ波和γ波的功率谱密度，这与传统的危险知觉研究不同。提出的分类模型将有助于隧道施工人员更好地了解施工中危险源的变化，减少不安全行为，实现更大的安全性。