工程建设行业争端频发，许多学者已经对如何预防争端、解决争端进行了较为深入的研究。随着人工智能技术在其他领域的普及和应用，工程建设行业也逐渐对人工智能技术进行了探索性研究与应用。其中已有不少学者试图通过人工智能技术对工程中潜在的争端风险进行预测，并对争端解决进行智能化决策。但在工程争端诉讼领域应用人工智能技术进行的研究较少，由于诉讼成本高昂、破坏双方友好合作关系并影响公司声誉，因此有必要对工程争端诉讼结果进行预测研究，避免争端双方盲目通过法律途径解决争端，从而使争端双方在诉诸法律之前能够认识到自身行为的合理性。本文在已有研究的基础上，从项目管理模式、争端发生的项目阶段、争端双方主体和诉的确定等角度对本研究中的工程争端进行了定义。并在详细分析了我国115个工程争端诉讼案例的基础上，从构建CBR-RBR工程争端诉讼结果预测模型的角度出发，将整理出的492项工程争议归纳为27类，从而为工程争端诉讼案例库的构建提供了依据。通过对CBR与RBR结合方式的分析，本文选择了以CBR为主RBR为辅的结合方式。在对CBR相似案例检索机制的设计、诉讼结果数量化可行性验证、RBR规则推理介入方式等分析论证的基础上，系统提出了基于CBR-RBR的工程争端诉讼结果预测模型，并尝试对工程争端诉讼预测结果进行数量化处理，以期提高CBR-RBR系统的实际应用价值。在此基础上，本文以“工程缺陷争端”为例进行了实证研究，结果表明该方法对工程缺陷争端诉讼结果的预测准确率高达93.75%，并且最终数量化预测结果的偏差也在预期范围之内，说明本文提出的CBR-RBR预测模型可以有效地应用于工程争端诉讼结果的预测，具有较好的应用价值和应用前景。