城市道路建设是市政工程的重要组成部分,对日常生活和经济发展具有深远影响。近年来,国家对城市道路建设的重视程度不断提高,对城市道路建设的投资也越来越多。然而,随着大批城市道路工程雨后春笋般的涌现,相应的工程管理却没有跟上时代的步伐,造价失控的现象愈发严重。特别是那些大型的道路工程,本身结构复杂,不易估算工期,加之受多种因素影响,造价计算十分繁琐,具有很大的模糊性和不确定性,难免在投资过程中出现资金浪费或者资金不足的现象,给国家和单位造成了巨大的损失,给经济发展也带来了不利的影响。要控制道路工程的投资风险,就必须准确的估算造价。针对这一问题,很多国内外学者提出了相应的解决方案,建立了多种数学模型,如BCIS法、蒙特卡罗随机模拟估算模型等。然而,这些方法大都凭借工程经验来估算道路工程成本,具有一定的主观性,难以准确计算道路工程造价。为解决上述问题,本文提出基于扩展BP网络的城市道路造价预测方法。神经网络在道路工程造价的预测中有三个问题难以解决,一是影响造价的因素难以确定,二是传统BP网络的精度和稳定性有待提高,三是训练样本和检验样本的质量难以保证。针对第一个问题,本文利用每种影响因素的贡献度来决定该因素的保留与否,即利用BP网络计算每种因素对造价误差的影响,然后确定该因素对造价计算是否具有贡献。针对第二个问题,本文拟采用扩展BP网络,用新的网络模型和混合训练算法代替传统的算法,提高道路工程造价的准确性和稳定性。针对第三个问题,本文采用欧氏距离法和k-means算法消除冗余数据和误差较大的数据。本文最后设计了一组实验,收集了2012—2014年济南市部分城区市政道路工程的部分信息,将这些信息分成训练样本和检验样本对本文算法进行验证。最终的实验结果表明,本文的方法是切实可行的,进一步提高了道路工程造价预测的准确性,对成本控制、降低工程风险具有重要的现实意义。