我国地铁行业发展势头迅猛,为人们出行提供了极大便利,地铁工程项目建设为各大城市基础设施规划核心。项目施工成本管理动态分析是地铁工程项目建设顺利进行和实施的重点,地铁工程项目建设周期长、人力资源消耗巨大、专业系统复杂,这使得建设方在项目建设初期只能通过既往案例和工程管理人员的主观经验来粗略估算工程管理成本;在工程建设期间,采用的数据分析手段滞后,不能充分反映出引起施工成本剧烈波动的关键性影响因素,结果就会导致在施工过程中对施工施工成本分析不够精准,影响项目的全过程成本管控。由于地铁工程整个项目建设框架庞大,本文仅选取其中一关键部分即地铁机电工程项目进行施工成本动态分析。本文拟通过数据挖掘技术与人工智能技术,动态分析与地铁机电工程项目成本相关的关键影响因素,并给出各影响因素对应的权值,从而定量地描述不同数据指标对地铁机电工程项目成本的影响程度。本文研究内容归纳为以下几点:（1）针对当前的国内外研究现状进行分析,重点分析主成分分析法、贝叶斯网络等技术方法在地铁过程施工成本分析中的适用性。（2）基于主成分分析方法对系统2.0中的地铁施工数据进行处理,归纳影响地铁施工成本的主要因素,并分析其中的关键因素。（3）基于主成分分析、贝叶斯网络的相关理论和方法,通过对地铁机电工程施工成本组成及关键影响因素的分析,构建相应的成本动态分析模型,以此来达到对地铁机电工程施工成本的控制。（4）对建立的动态分析模型进行验证和修正,通过真实地铁机电工程项目,实际验证所构建的成本分析与预测模型的有效性,分析该模型在控制工程施工成本方面的实际效用。本文以呼和浩特地铁一号线建设工程的月份和季度施工成本数据作为案例进行实证分析,验证了贝叶斯网络在地铁机电工程施工成本动态分析过程中的有效性和实用性。实验结果表明,基于贝叶斯网络的地铁机电工程施工项目成本预测方法逻辑清晰,方法简洁,验证结果与真实结果吻合度良好,可靠性高,在此类领域具有较好的应用场景。