水电工程以投资规模大、资金占用时间长而著称，其对国民经济和社会发展的影响不可忽视，因此做好水电工程的投资控制工作是水电工程建设过程中一个非常重要的问题。而由于长期以来深受计划经济体制的影响，水电工程在项目建设过程中多表现为重建设而轻管理，特别是政府投资项目，投资控制工作非常粗放，最终导致工程建设投资失控，结算超预算、预算超概算、概算超估算的现象极为普遍，造成这一现象的一个非常重要的原因就是人工、材料、机械设备价格上涨。当前水电工程概（估）算编制规定中规定：在编制价差预备费时，价格指数以每年2％的固定比例增长。然而，价差预备费是受市场经济环境影响的，而市场是一直处于波动状态的，某一段时间内价格指数可能超过2%，也可能低于2%，比如从2006年到2008年，钢材、石油价格出现暴涨，某些地区的钢材价格涨幅一度逼近60%，而近几年，钢材、石油等水电工程主材又呈现暴跌的趋势，尤其是从2014年上半年开始，受国内经济转型和国际政治局势的影响，钢材、石油价格不断触及底线，受此影响，2008年水电建安工程价格指数涨幅一度突破10%，2015年上半年水电建安工程价格指数跌幅逼近6%，这种价格的异常波动，完全超出了2%的范围。因此，合理预测水电工程价格指数，对水电工程价差预备费编制和水电工程投资控制具有重要意义。　　本文首先介绍了人工神经网络的一些基本概念，重点介绍了BP神经网络的网络结构和基本原理，针对BP神经网络的局限性，提出了增加动量项和采用自适应调节学习率的改进方法；其次，对水电枢纽工程中建筑工程的造价构成进行了详细的分析，并在此基础上，提出了水电建筑工程价格指数的三个影响因素：居民消费者价格指数、工业生产者购进价格指数、工业生产者出厂价格指数；再次，将BP神经网络技术引入到水电建筑工程价格指数预测中，以三大影响因素为输入，以水电建筑工程各分部分项工程价格指数为输出，构建了基于BP神经网络的水电建筑工程价格指数预测模型，然后根据各分部分项工程投资占水电建筑工程总投资的比重，加权求出水电建筑工程的价格指数，进而求得水电建筑工程价差预备费；最后，将模型应用到一个具体算例中，得出水电建筑工程各年的价差预备费，并与按规范编制的价差预备费进行了对比分析，结果体现了本方法的优越性，为水电工程价差预备费的编制工作提供了一个可靠的参考方法。