本文首先深入分析了建筑管理问题及所涉及变量的特征,结合神经网络的原理、特征和能力,通过对神经网络方法和传统方法的比较,论述了神经网络与建筑管理问题结合的有效性与可行性,为建立建筑神经网络系统提供了理论基础.在总结神经网络的结构和算法的局限性的基础上,研究其相应的改进方法,提出了建筑管理神经网络系统的设计思路、各模块的设计方法及运行流程.由于建筑管理领域的数据具有离散性、高噪声和非线性的特点,本文提出一种新的神经网络数据预处理方法,即根据变量的统计分布特征进行数据变换,以适应神经网络计算的要求和提高网络精度,并通过函数仿真和实证分析验证了这种方法比现有的数据预处理技术可以有效地改善网络的性能,有利于更好地挖掘系统内各相关变量的内在联系.针对非线性问题建模时选择变量的困难,将基于贡献分析的神经网络变量选择方法加以简化,根据神经网络各节点权重来计算变量对输出的贡献以决定变量的取舍,为非线性模型下的变量选择提供了一种实用性的有效方法,为探讨更广泛意义下的模型变量选择问题提供了一种新的思路.借鉴传统的有确定函数关系模型的敏感性分析方法,提出两种神经网络的变量敏感性分析方法:基于均值的和基于实际值的敏感性分析方法.采用这两种方法,可以对模型中输入变量的变化对模型输出的影响趋势及程度进行分析和判断,在一定程度上弥补了神经网络解释能力的不足.最后,在以上研究的基础上,本文结合香港地区建筑投标价格指数的预测问题,对建筑管理神经网络系统的建立和运行进行了实证研究.通过对投标价格指数预测问题的系统分析,根据初步选择的影响香港地区投标价格指数的主要社会经济指标建立神经网络系统,在系统运行的过程中,进一步检验了不同的数据预处理方法对神经网络性能的影响,并对基于神经网络的变量筛选方法和神经网络的变量敏感性分析等内容进行了实证分析.关于香港地区建筑投标价格指数的研究对中国大陆相关领域的研究和实践有借鉴作用.在研究过程中,本文借鉴神经网络研究及其在建筑管理中应用研究的已有成果,采用系统分析与系统综合相结合,理论分析、函数仿真与实证分析相结合等方法,以普遍性和适用性为出发点系统分析了建筑管理神经网络系统.