建筑工程的造价估算值是项目在前期进行投资决策时尤为关键的一个数据参考,造价的估算工作也是贯穿在项目投资估算、设计概算、施工图预算等各个阶段,在做可行性研究报告和设计任务书时都必不可少。近年来应用较为广泛的工程造价估算方法有定额计算法、多元回归分析法、灰色预测法、时间序列法、模糊数学法和BP神经网络预测等方法,目前这些方法都各有利弊单一的预测方法用于预测都存在其不足之处。计算速度和精确度是评定工程造价估算方法好坏的两项重要指标,快速而准确的工程造价估算方法不仅可增加项目经济比选的速度提高投资决策的效率,还对工程造价信息数据库的建立具有指导和促进作用,因此尤为重要。本文旨在提高工程造价预测模型的计算精度,提倡快速估算法。首先,分析了建筑工程造价的特点,介绍了模糊逻辑方法和神经网络方法的基本原理,从理论上定性说明模型方法选择的合理性和适用性。然后,分两步建立了基于模糊逻辑和神经网络方法的建筑工程造价预估模型,第一步应用模糊逻辑分析方法计算出各建筑工程造价影响因素的影响程度系数,筛选出预测模型的输入向量,第二步建立神经网络,确定网络拓扑结构、激活函数、训练函数和误差,调用MATLAB工具箱对网络进行训练。最后,用同一样本数据,分别在模糊逻辑+神经网络方法预测模型、多元线性回归预测模型和传统BP神经网络预测模型中进行实证应用。通过分析得出以下主要结论:影响建筑工程造价的因素众多,其中一些因素是相关的、冗余的,相同的预测模型用不同的输入向量进行预测,所得模型的预测精确度和泛化能力不尽相同;根据影响程度系数筛选出的,对建筑工程造价影响较大的指标:建筑层高、建筑层数、结构类型以及埋深这五项作为预测模型的输入向量,有效简化了预测模型加快了计算速度,提高了预测精度;多元线性回归模型的预测精度比最差;神经网络模型预测结果的泛化能力较差,性能不稳定;糊神经网络+神经网络方法的预测模型的预测精度最高,同时克服了多元线性回归模型精度低的缺点和神经网络模型泛化能力差的缺点。