目前，在我国电网建设中一个突出的问题是控制和降低工程造价，措施之一就是快速准确地估测工程造价，以此作为项目评估、立项及投资控制的依据。因此，作为电网建设中的重要组成部分如何快速估算出输电线路工程的造价已成为造价管理及辅助决策的核心问题。当然，输电线路的造价估算也具备一般经济系统估测的共同特性：非线性，输电线路工程造价是众多确定性因素和非确定性因素交互作用下的非线性系统；强耦合性，反映输电线路工程造价的各种指标无不密切关联，每一个指标的变化都会导致其它指标的变化；时变性，输电造价估算系统是一个动态的开放系统，反映其运行规律的数学模型始终在不断的变化中。 本文通过引入基于遗传算法优化的神经网络来建立造价估算模型，通过大量样本学习将隐含在数据内部的关系用网络拓扑结构和参数表达出来，从而拟合以往输电线路工程量和造价之间的非线形映射关系。随着工程项目数据的不断积累完善，可以动态地改进模型为今后新建项目提供准确的决策支持依据。 通过国家电网公司输电线路典型方案工程量、造价一览表可以建立起全国各种电压等级的造价估算体系，将影响电力线路建设施工成本的诸多因素作为神经网络的输入结点信号，而工程造价作为网络输出，神经网络经过样本不断训练后收敛，能无限逼近描述工程量和造价之间关系的非线形函数。将训练后的网络结构、权值等参数固化，作为各电压等级输电线路工程造价估算模型应用到新的工程建设项目中。由于神经网络本身的全局搜索能力较弱以及收敛到最优解的速度较慢，故引入遗传算法对神经网络的拓扑结构和参数进行优化，将两者有机的结合起来构成一个非线形动力学系统，去更精确的描述样本的内在联系。