工程建设项目的造价确定是工程造价管理的重要内容之一,特别是在工程项目建设的前期阶段,在工程信息已知较少、不详细的前提下,估算、概算工程项目的造价(或投资)具有误差大、需要一定的编制时间等缺点。因而,如何准确、合理、快捷地计算出工程项目的造价(或投资)是工程项目实践者和研究者十分关心的问题。本课题以江西省建筑工程项目为例,收集整理建筑工程造价数据,初步建立起江西省建筑工程造价数据库;同时对基于人工智能技术建立起计算精度高、速度快的建筑工程造价快速估价模型进行了详细的研究和探讨。论文的主要内容包括两个方面,一方面介绍了人工智能技术、神经网络理论及遗传算法的基本理论,对现有常用的神经网络估价模型进行了详细的分析和研究,指出了神经网络结构自身的缺陷及良好的泛化能力,为了尽量减少主观因素对结果的影响,进一步提出了基于遗传算法的优化RBF网络估价模型,充分利用遗传算法的全局搜索特性,将RBF网络的宽度、中心及隐含层权值一起,通过遗传算法进行自我修正,从而大大提高模型计算结果的精度。另一方面,根据所收集的建筑工程造价数据,指出了当前影响工程项目造价的主要因素,基于提出的优化RBF估价模型,分析各个特征变量对工程造价影响的灵敏程度,并从中找出那些最灵敏的特征变量将其作为该模型的输入变量(特征变量),同时亦证明这些特征变量与建筑工程的造价具有强烈的相关性。最后,将样本进行分类、整理、编制数据库,初步建立了以框架结构形式为例的江西省建筑工程造价样本库,并以MATLAB为平台,编写了该模型的计算机程序,通过实例演算,验证了该模型不仅计算简便、快捷,且具有较高的计算精度。最后,对本论文的工作进行了总结,并指出了今后可能的研究方向和工作。