现行工程造价投资估算、决策、控制理论方法的线性、确定性、简单性、滞后性的缺陷,导致投资目标确定误差大(预测不准)和控制可靠性极不稳定(三超问题),引发了现实中一系列的质量、工期,超支等问题,运用智能融合技术、复杂系统动力学、和全面造价集成理论等方法寻求有效的造价估算和控制,是解决问题的一个出路。本文在全生命周期造价(WLC)和显著性理论(CS)的基础上,深入探讨和寻找在不同情况下复杂系统的高精度估算和控制模型,以期提高造价估算和控制的水平,从根本上解决由于造价估算与控制方法的不当所引发的各种不良后果。课题以实际大量已完工程工程量清单为研究对象,以高速公路造价计算为例,深入分析、研究了公路工程的特点,由粗糙集从客观上提取工程特征,并确定同类工程;在传统的粗糙集基础上给出抗噪声能力强的变精度粗糙集模型(VPRS),进一步深入挖掘类似工程。结合神经网络与粗糙集机器学习估算,通过实例进行分析,证明粗糙集-神经网和粗糙集机器学习估算方法是有效可行的。将智能计算领域中的两种基本方法:人工神经网络和遗传算法相结合,建立智能融合计算的遗传神经网络造价估算模型,通过仿真试验验证了其稳定性和有效性,在深入研究神经网络的基础之上,建立径向基(RBF)神经网络结构模型,针对其结构特点,应用粒子群(PSO)智能优化算法对其进行优化,完成了基于智能融合计算的造价估算,通过仿真表明了该方法在全生命显著性造价(WLCS)估算方法中的可行性。将混沌动力系统与神经网络进行结合,融合两种智能算法的优点,在已获价值EVM的基础上,利用混沌神经网络对显著性项目的ACWP(已完工程量实际造价)、BCWP(已完工程量预算造价)进行动态估算,以便在发生偏差之前进行准确度高的估算,分析原因,并给出控制措施。仿真实验表明,该方法是有效、可行的。