在工程项目管理中,成本和进度直接关系到项目效益。面对项目建设过程中长期性、动态性、不确定性等特点,使成本、进度的监控预测更加困难。故在项目建设的实际管理过程中,需要提高成本、进度预测精度,更加准确地评估成本偏差和工期偏差,并及时采取纠偏措施来确保项目效益最大化。伴随着大型工程建设项目管理信息化及精益化的需求,项目管理的复杂性和不确定性日益提升。挣值分析法主要用于项目执行绩效评价和完工趋势预测,集进度、成本和范围的控制为目标的管理方法,且可以对成本进度同时进行绩效和监控。在本文的研究中发现挣值管理法在管理实践中表现出一些缺陷,如计算容易受奇异数据点影响而产生错误趋势预测结果,影响管理者的判断;项目实时评价指标仅考虑当前监控时点数据值,未考虑各历史监控时点数据的综合效率,容易造成对项目未来执行效率进行预判与评价时出现较大误差。针对上述问题,论文在项目挣值管理体系中引入了一种最优线性估计的学习算法一一卡尔曼滤波法。这种方法的优势在于:能够综合考虑历史数据的变化规律,对项目未来执行趋势做出正确判断,另外,该方法通过滤除量测过程中存在的随机干扰噪声,以获得最接近真实值的最优估计值。本文首先设计了“卡尔曼滤波法”在挣值管理评价与预测过程中的运算逻辑顺序,根据对项目当前和历史执行量测值的测算,可以降低传统挣值管理对项目执行绩效的动态评价与未来趋势预判时的计算误差;进一步将“卡尔曼滤波法”引入“多级挣值管理”中,结合传统挣值管理理论、工作分解结构(WBS)及project项目方案管理设计了算法实现流程,可以进一步提高挣值管理评价与预测的准确性,并获得更多项目执行分析信息;最后,通过采用某房地产建设项目实证数据验证模型和算法的可行性。实证结果表明,随着项目执行深入,可用于测算的项目执行数据越多,经卡尔曼滤波优化后的挣值管理的评价与预测误差逐渐减小。