本文首先分析选题背景和意义,梳理国内外研究现状,针对我国目前高速公路项目工程投资估算的现状,找出当前高速公路投资估算存在的问题;详细介绍了高速公路方面的投资定义以及相关的投资估算理论,并对比了已有投资估算方法的优缺点;同时,从工程项目的投资结构、主要特征、有关文献记载等三个方面,利用灰色理论深入分析高速公路项目投资预算特征参数,建立了投资估算工程特征参数体系;将灰色关联分析法与单隐层前馈神经网络极限算法结合起来,通过对影响高速公路投资因素的全面考虑,建立相关模型,将7个工程特征参数引入高速公路概念,并将其定义为模型的自变量,基于最小二乘原理,直接将误差确定在允许范围内,各种参数不需反复地多次训练求得,最后快速估算出拟建高速公路工程的投资,利用实际数据对此算法进行科学验证,以突出其良好的应用灵活性与适应性,更加直观的反映研究结论,因此该模型具有很强的理论和现实意义;与其他网络估算方法相比,单隐层前馈神经网络极限算法更能符合高速公路建设项目的要求,其预算准确度与广泛应用性较强,在估算流程与速度方面具有明显的优势。利用单隐层前馈神经网络极限算法在计算速度方面的优越性质,给高速公路投资估算提供了一种新的估算方法,具有重要的创新意义。但是,文中亦存在一定的不足。在资料的收集方面,由于应用单隐层前馈神经网络的算法的研究比较少,参考资料不多,这给研究带来一定的难度,可能收集的资料不够全面;经过大量的实践证明,工程特征对其投资的总值具有一定的影响作用,然而在实际预算过程中,难免会遗漏一些影响因素,进而产生误差;在实践证明过程中,与高速公路项目有关的资料、数据、文献、概况等信息(竣工项目、待建项目)是必不可少的,这就加重了信息收集的工作量。所以,获得的案例信息覆盖的地区可能不够广。