小型水利工程是我国各地维护水利安全的重要措施,也是促进我国农业生产发展的关键所在。我国在加大建设小型水利工程的同时,现有预算定额在实际运用中也出现了一些差异和不符合工程实际的地方,已不能满足小型水利工程建设的要求,快速准确的编制符合小型水利工程特点的专用预算定额已十分迫切。为解决小型水利工程工程预算定额缺失及编制过程耗时费力、子目缺失等问题,本文提出依据施工现场测定的典型工序定额消耗量,结合现行的《辽宁省水利水电建筑工程预算定额》建立BP神经网络,通过构建工序在不同时期的生产力水平关系,进而反演分析出其他相关定额子目对应的定额消耗量。本文研究结果表明:（1）经过分析小型水利工程施工定额消耗量与预算定额的种类、统计方法及适用场景等,得出在施工现场,采用写实记录法、观测法进行消耗量观测,能科学、全面地测量整个作业过程中工时和材料消耗。（2）采用格拉布斯法、狄克逊检验法等数据处理技术筛除原始数据异常值并进行方差分析,对原始调研数据进行预处理是提高预算定额准确度的核心,并对后续提高BP神经网络的预测精度和可信度是十分有必要的。（3）通过MATLAB建立BP神经网络,实现由《辽宁省水利水电建筑工程预算定额》中预算定额到小型水利工程施工定额消耗量的反演分析,考虑到神经网络结构设计缺乏理论基础等局限性,根据实例寻求最合适的训练函数及隐含层节点的最优个数,得出BP神经网络的最优结构,可以有效提高BP神经网络的拟合效果。（4）结合思维进化算法强大的全局快速寻优能力,进而对BP神经网络结构进行初始权阈值的优选,建立MEA-BP人工神经网络,并与BP神经网络就测试数据与预测数据的相关性系数等进行比较,MEA-BP模型与BP模型的相关性系数值分别为0.99991与0.99976,因此表明MEA-BP神经网络与BP神经网络相比,具有更好的拟合性能和稳定性。通过两种神经网络能够进一步分析出其他工序的定额消耗量,建立适合当前生产力水平并且子目完整的定额体系,进而提高定额编制水平。