长期以来,我国工程建设投资存在着不少问题,由此给国家和投资方带来了很多损失,时至今日,加强投资控制已成为工程界各方的共识。而投资估算是直接影响投资控制的一个关键性因素,寻找合适的方法,较好地解决工程投资的估算问题就成了当前重要的研究课题之一。本文利用维像建模的方法,基于工程特征和工程造价之间的非线性映射关系,.将人工神经网络的非线性映射能力,自学习能力与模糊数学的贴近度思想相结合,构建了一种基于工程造价信息库支持的造价估算模型,并应用于建筑工程项目进行实例验证。为避免以往人工样本选择时的主观误差,本文采用模糊数学的贴近度思想进行样本选择,实现了对工程信息定性描述的量化处理,将样本选取过程人工智能化,使运用电脑在工程造价信息库中大规模的样本筛选成为可能,并在此基础上,对类似工程指标体系的建立,特征因素的量化,数据处理等方面进行了实践方法研究。针对BP神经网络在实际应用中会出现网络结构庞大,收敛缓慢,泛化能力不佳等缺陷。本文引入关联度分析方法优化了网络结构,运用附加动量项和学习率自适应提高了网络的收敛速度,避免陷入局部最小,并基于网络集成的方法修改了误差函数,以提高网络的泛化性能,从而使整个模型更具有实际应用价值。