快速准确地进行成本预测,对于工程项目的管理实践具有重大的理论意义和现实意义。结合我国目前建筑工程成本预测的现状,本文采用粗集、未确知测度、小波分析和神经网络这些数学方法构成智能预测系统,研究解决长期以来困扰建筑企业的成本预测效率不高这一难题。首先,本文详细介绍了小波分析的理论与方法。分析了小波神经网络的特征和优点。详细分析了小波神经网络的学习规则和训练过程。小波神经网络即具有一般神经网络适应性强的优点,又克服了学习速度慢和预测精度不高的缺点。文中利用小波神经网络构成智能预测系统的主框架,并将该系统运用在成本预测领域。其次,影响工程成本的因素有很多,如果都作为神经网络的输入节点,则增加了神经网络的训练难度,而且这些因素在一定程度上是相互关联的,甚至有些因素是冗余的。利用粗集属性约简约简掉一些冗余属性,使得神经网络的输入节点得以减少,减小了小波神经网络结构的复杂性,提高了容错和抗干扰能力,在不影响训练精度的前提下,简化了网络的训练。将收集到的影响工程成本因素利用粗集进行约简,利用约简后的因素作为神经网络的输入节点来训练网络。结果证明粗集-小波神经网络这一智能预测系统可以快速、准确地进行成本预测。