以便為排水德宏工程預算估算有所幫助。此方法需要選取排水工程的工程特征及其造價樣本，然后針對這些實例樣本（一部分是已建工程，一部分是待估工程）的工程參數與特征，賦予工程特征參數系數及其權重，然后計算出各自的排水工程參數系數與每個影響因素所對應的權重。根據灰色理論估算原理及其模型流程圖，利用計算機程序在每次選好的幾個典型工程中，將任意一個典型工程當作欲估工程，輪流計算各典型工程自身的單位估價，看是否滿足精度要求。具體實例中，選取那些誤差小的樣本工程作為典型工程來估算待估工程的造價。具體的計算步驟是：首先為了方便計算，對這幾個典型的工程按照編號由大到小排列，然后對這些序列的參數系數進行初值化；然后計算各子序列與母序列在第k點的序列差；再次計算出兩級小差、兩級 差、關聯度與關聯系數； 計算待估工程的造價（在計算出來的關聯度中選取 的三個關聯度，按從大到小的順序排列，進而找到對應的三個典型工程）。可見，通過利用灰色理論法可以估算出待估工程的造價，只要與其實際造價相對誤差在正負10%以內，便符合精度要求。此方法同樣選取灰色理論中實例的幾個樣本作為典型工程來估算待估工程的造價。其中，灰色理論中的參數系數就是模糊數學中的“隸屬度”，然后對待估工程逐個估算德宏工程預算。首先對貼近度計算，也就是計算待估工程與每個典型工程隸屬度的交并集，在計算后選取貼近度較大的前三個典型工程計算；然后計算調整系數（包括對擬建工程的模糊關系系數與所選典型工程的模糊關系系數的計算）； 計算待估德宏工程預算估算。通過利用模糊數學估算的待估德宏工程預算與實際造價誤差也是在正負10點以內即可。
施工組織設計的工程預算編制依據
(1)計劃文件，包括 批準的基本建設計劃文件、單位工程項目一覽表、分期分批投產的要求、投資指標和設備材料訂貨指標、建設地點所在地區主管部門的批件、施工單位主管上級下達的施工任務等；
(2)設計文件，包括批準的初步設計或技術設計、設計說明書、總概算或修正總概算、可行性研究報告；
(3)合同文件，即施工單位與建設單位簽訂的工程承包合同；
(4)建設地區的調查資料，包括氣象、地形、地質和其他地區性條件等結算過程其他注意事項結算的工程量以竣工圖為準，竣工圖不清之處，預算人員要得到工程管理中心的確認或到工地現場進行實地測量；尤其對圖紙未標注、規范無特別要求，現場實際施工又提高標準的項目一定要有現場工程師文件確認并符合工程合同要求后才能給予按實結算。
在建筑工程建設中德宏工程預算制度對整個建筑工程起到了降低成本、控制投入的作用，而德宏工程預算審核正是對德宏工程預算制度充分發揮其作用的保障。德宏工程預算審核工作具有技術性、政策性以及經濟性的特點，其審核內容廣，審核項目多，審核要求規范而細致，力求達到對德宏工程預算控制作用的推進與支持田。在紛繁的工作中，德宏工程預算審核要求相關工作人員能夠對工作性質、特點有十分深入的把握，因此德宏工程預算審核相關工作人員應當掌握德宏工程預算審核的要點，從而對德宏工程預算工作的順利、有效的展開以及效果的起到積極作用。工程設計概算包括建設項目的工程費用、基本預備費、建設期間貸款利率以及其他費用的審核翻。其中為重要的就是建設項目工程費用的審核。完成這一審核需要做到以下幾個方面：對于工程費用的造價完成程度需要進行核實，確保工程費用的完整以及避免重復現象的發生。對于公共工程、總圖運輸、場外工程等輔助工程的完整性要進行審核確定。對于建安工程費用要進行認真仔細的審核。主要涉及到設計圖紙的審核以及項目建設的指標、定額、取費標準、管理辦法、造價編制、工程項目造價指標。對這些方面的審核需要依據工程建設的設計方案與具體的實施方案，并結合實際市場上的行情仔細進行。
適應性強公路德宏工程預算具有動態變化特性，模糊神經網絡模型能夠很好地適應此特性。此估算方法的應用，主要是依靠計算機，不僅運算速度快，而且運算精度較高。模糊神經網絡估算方法較多，文中選擇BP神經網絡法，是基于仿人腦的神經系統結構，具有較強的學習能力，為非線性自適應動態系統[1]。現對其在公路德宏工程預算估算中的應用，做以下的分析。公路工程構件主要包括底層、基層、面層等，德宏工程預算是由各構件類型與價格等因素決定，實物工程量取決于工程結構設計參數。已建德宏工程預算變動，主要是受到構件因素的影響，被稱作是工程特征。基于工程特性，將公路工程劃分為不同類別，若按照路面形式劃分，主要包括瀝青路面和水泥路面等，為特征類目。對于工程定量化，是按照特征類目，依據定額水平與工程特征，填入相關數據，如表1所示。由表1能夠看出，每個公路工程模式均可以利用表格的形式來定量化描述，一個特征可以由多個類目組成，按照比例來計算量化結果。在BP神經網絡中，需要將信息傳遞到網絡隱節點上，使用S型函數，把信息傳出，接著發揮函數的作用，成功輸出結果。在網絡隱節點以及輸出節點位置處，選擇S型函數，即f（x）=11+ex，若此結果未能按照正常程序開展，此時要轉變成反向傳播。假設存在N個樣本，定義描述為（Xk，yk)(k=12?N)，其中某個輸入值為Xk，對應的神經網絡輸出值是yk，而隱層節點I的輸出值是Oj。