摘要：建设工程造价指数是反映工程价格波动的重要指标，是进行工程造价管理的重要依据。针对灰色预测模型和人工神经网络的局限性，在引入适用性更强的随机振荡GM（1，1）模型和蚁群改进BP神经网络的基础上，提出将两者融合的组合循环模型并进行实证分析验证，为准确预测工程造价指数提供借鉴。

关键词：建设工程造价指数；灰色预测模型；人工神经网络；组合循环模型

Abstract：The construction cost index is an important indicator reflecting the construction cost fluctuations，and is an important basis for effective management of the construction cost. To overcome the limitations of gray prediction model and artificial neural networks，on the basis of introducing more applicable stochastic oscillation GM（1，1）model and BP neural network improved by ant colony algorithm，the paper proposes the combined cycle model of them，validate the model through an example analysis，and provides a new reference for the prediction of construction cost index.

Keywords：construction cost index；gray prediction model；artificial neural network；combined cycle model

参考文献

[1] 张道德.公路工程造价指数分析与预测[J].公路，2010（2）：228-230.

[2] 李惠玲，李晓琴，刘航天.建设工程造价指数的分析与预测[J].沈阳建筑大学学报，2013（1）：74-77.

[3] 凌云鹏，阎鹏飞，韩长占，等.基于BP神经网络的输电线路工程造价预测模型[J].中国电力，2012（10）：95-99.

[4] 刘思峰，党耀国，等.灰色系统理论及应用[M].第5版.北京：科学出版社，2010.

[5] 马锐.人工神经网络原理[M].北京：机械工业出版社，2010.

[6] 杨德平，刘喜华，孙海涛，等.经济预测方法及MATLAB实现[M].北京：机械工业出版社，2012.

[7] 段海滨.蚁群算法原理及其应用[M].北京：科学出版社，2005.

[8] 钱吴永，党耀国.基于振荡序列的GM（1，l）模型[J].系统工程理论与实践，2009（3）：149-154.

[9] 王守相，张娜.基于灰色神经网络组合模型的光伏短期出力预测[J].电力系统自动化，2012（19）：37-41.

建筑经济，2014（9）：52-55