随着电力建设规模的不断扩大,输变电工程造价的管理有了更高的要求。一方面,建立在概预算定额之上的传统输变电工程造价技术在新型造价管理中已显得力不从心,另一方面,由于工程资料涉及影响因素繁多、且同期可比工程项目有限,造成数据利用效率很低。再者,现今流行的大数据样本学习方法,对于数据量的要求无明确定义,很难从实际问题进行精确实现。因此论文从小样本数据入手,重点研究小样本数据的学习问题。小样本数据的学习问题比海量数据的学习更困难,已经成为人工智能技术的热点研究对象。根据国内外目前研究进展,主要集中在小样本数据的预处理技术、学习算法的收敛性、鲁棒性以及参数寻优等方面。从这些方面出发,论文研究的思路是:论文依托某地区输变电工程历史造价数据,首先设计了一套完整的数据预处理系统,根据输电工程与变电工程数据各自的特点,进行数据简化处理。针对输电工程数据量大,数据差别大,寻优得到的最优工程不具有代表性的特点。应用模糊C聚类算法对简化数据进行聚类处理。针对变电工程数据量小,不同电压等级之间差别大的特点,提出主-子模块思想对其进行分类处理。运用以上两种方法分别提取合适的小样本数据集。然后,针对小样本数据,提出一种易于操作、快速有效的输变电工程造价小样本估算模型,即粒子群-最小二乘支持向量机模型。其中,支持向量机算法在小样本学习领域表现十分优越,也适合于对工程数目有限、影响因素颇多的小样本数据进行学习。粒子群算法作为强大的参数优化算法,在模型中对支持向量机参数进行优化。应用粒子算法、传统交叉算法对支持向量机参数寻优进行了对比分析,结果表明,基于粒子算法的参数寻优效果更好。最后,论文在估算模型的基础上,进一步提出了相应的灵敏度分析模型,该模型可对工程造价进行快速审核。通过对灵敏度模型进行实际应用分析,发现此模型可以在设计过程中对工程造价进行很好控制。论文设计了一套完整的造价管理系统,提出了一种区别于传统基于定额、取费等依据的造价管理方法,即基于历史工程小样本造价数据的工程造价快速估算及评审方法。以电力输电和变电工程为案例的仿真表明,该系统可以稳定有效地实现工程造价管理,为工程建设的顺利实施提供技术支持。