我国建筑业传统建筑存在耗材量大、材料污染且生产效率低等多种问题,而装配式建筑具有低碳环保、施工快捷、精确及安全耐久等优势。面对我国环境污染、资源枯竭、生态破坏等资源环境危机,自2016年起,国务院、住建部印发了一系列相关政策,大力推行绿色低碳建筑,积极推广钢结构和装配式建筑。目前我国建筑业标准化、工业化建造程度较低,装配式建筑前期投入成本过高,导致很多开发商不愿选择装配式建筑。因此,解决装配式建筑成本问题将会大力推动我国的装配式建筑的发展。建筑工程项目的施工成本很大程度上影响着项目的盈利与否,工程项目施工成本预测的准确性对项目可行性研究具有重要的意义。在项目可行性研究阶段,没有施工图纸,工程师通过自身的工程管理经验进行成本预估,进而做出投资决策。这种人工预估存在主观性,预测结果准确度取决于工程师已有的工程经验,具有局限性。基于此,本文对装配式建筑施工成本进行预测,同时分析影响施工成本的因素指标,找出与施工成本相关度大的因素指标,提出相应的成本优化对策,为装配式建筑成本控制提供参考。本文首先通过文献阅读,对装配式建筑、工程成本预测的国内外研究现状进行阐述,对机器学习与BP神经网络模型进行介绍。其次,收集实际装配式建筑工程的数据,建立基于Adam优化算法的BP神经网络预测模型。筛选并整理收集的数据,建立含有24组数据的训练样本集和含有4组数据的预测样本集,通过训练预测,最终得到4组预测样本的预测成本。通过对比分析实际施工成本和预测成本,结果表明本文建立的Adam—BP神经网络预测模型泛化效果良好,能够准确快速的实现装配式建筑施工成本的预测。最后,对影响施工成本的21个影响因素进行典型相关性分析,分析每个因素与施工成本的相关影响度大小。结合一个工程实例对相关影响度大的影响因素提出相应的优化方案来降低成本。本文的研究使得装配式建筑的施工成本预测结果更稳定,更准确,为工程项目投标前的投资决策提供经济分析评价,确定投资方案的可行性,提升企业经济效益。