随着社会用电需求增长,输变电工程项目建设数量和规模不断扩大,但受项目建设外部环境、设计深度和政策法规等繁多因素的影响,投资计划管理人员难以做出精确度高的可研估算,导致决算投资与计划投资偏差较大。如何合理预估工程造价,对输变电建设工程进行造价管控,提高投资资金利用效率,已成为相关领域热门课题。针对电网工程的造价预测问题,选取变电站工程作为研究对象,分析了其具有的数据量小、影响因素繁杂和非线性关联等特点,实现并比较了遗传算法寻优的支持向量回归、多元线性回归以及神经网络模型在真实变电站数据上的表现,得出了支持向量回归在变电站工程造价预测中具有操作简便、准确率高以及泛化能力强的特点,能够满足辅助投资决策的需求,在实际工程项目的造价预测中是最合适采用的模型。提出了一种改进的遗传算法用于支持向量回归模型的参数选择,改进内容包括结合了最优个体保留和轮盘赌方式的选择操作,以及交叉和变异概率的自适应动态调整。通过对比分析,表明了改进的遗传算法能够加快种群的进化速度并抑制种群的退化,在参数寻优时具有稳定、效率高的特点,提升效果明显。