造价预测是地铁土建工程造价控制和管理的重要内容之一,它的精确程度直接影响到项目的投资决策、建设规模确定以及工程设计方案制定的科学性,因此其研究具有重要意义。地铁土建工程造价的影响因素众多,且不确定性大,其造价与其自身特征又具有高度的非线性关系,可见对地铁土建工程造价预测研究的关键问题主要是造价影响因素的选取、预测方法的选用及其优化。本文拟选用基于神经网络贡献分析的变量选取方法,结合具有强大的处理高度非线性系统能力的GEP算法构建地铁土建工程的造价预测模型。鉴于地铁土建工程主要由地铁车站和区间隧道组成,本文将地铁车站和区间隧道作为独立预测单元分别构建模型。首先通过查阅文献、专家访谈和专家打分法分别初选出影响地铁车站和区间隧道土建工程造价的特征因素,再利用神经网络贡献分析的变量选取方法进一步选取地铁车站和区间隧道造价的主要特征因素。并对这选定的全部特征因素和主要特征因素分别组合BP神经网络和GEP两种预测方法建立造价预测模型,应用两者的造价和特征因素的历史工程数据进行实例探究,通过R2、MSE、RMSE、MaxRE四个指标对模型进行评价,结果表明,用主要特征因素为模型输入变量能显著提高模型的预测精度;以主要特征因素和GEP预测方法组合建立的造价预测模型为最优,GEP强大的函数挖掘能力和极高的全局搜索效率再一次得到了验证,克服了 BP神经网络泛化能力不足(训练期预测精度高,验证期预测精度低)的问题;研究选取的主要特征因素,将主要特征因素选取和预测方法选取相结合构建求解的最优模型,很好的解决了已有相关研究选取特征因素主观性多科学性不足及未考虑特征因素选取对预测方法选取的影响问题。