由于地铁项目投资额巨大,运营周期长,运营维护成本很高,高昂的成本又会制约地铁项目的发展,所以从全生命周期成本管理的角度来进行方案的设计与规划是我国地铁项目面临的亟待解决的问题。全生命周期成本管理是包括决策阶段、设计阶段、实施阶段、竣工验收阶段、运营维护阶段和报废阶段在内的研究,运用可持续理念对工程项目进行决策、追求建设工程全生命周期造价最小化价值最大化、在运维期间实行最优化的成本管理、及报废期资源循环和环境影响最小,是现代工程建设的目标;因此需要我们从工程项目全生命周期的角度去分析成本问题。针对全生命周期成本面临的庞大的数据处理以及繁重的计算量的重大问题,从海量的数据中挖掘出对成本影响最显著的有效信息,通过对这些显著信息的把握,来估算成本,从而降低计算的难度、提高计算效率——即成为本研究关注的焦点。首先,本文学习和研究了全生命周期成本的相关理论,包括全生命周期阶段的划分、全生命周期成本的组成以及全生命周期成本的数学模型。从形成时间的角度,明确了全生命周期成本由初始的建设成本和未来运营维护成本组成。将全生命周期成本数学模型作为基础,分别计算建设成本和运营成本。对于初始的建设成本,运用粗糙集软件Rosetta挖掘出工程特征相似、造价相近的同类工程。采用“均值理论”法获取各个同类工程的显著性项目,验证显著性成本理论的适用性。利用显著性因子的估计值估算出土建成本,并与其他成本汇总成建设成本。对于未来运营维护成本,把已完工程的运营数据和影响运营成本的工程特征作为研究对象,构建BP神经网络,运用MATLAB软件,对运营资料样本数据进行训练和测试,通过神经网络构成的非线性关系获得运营成本。最后将初始建设成本与未来运营维护成本汇总,获得全生命周期成本。并将该方法运用于地铁项目。通过对15条地铁线路工程量清单的研究,发现对造价影响显著的项目占总造价的18.82%~28.35%,符合显著性理论的思想。通过显著性项目估算出的造价也在投资估算的允许误差范围之内。运用历史运营成本数据及相应的影响因素构建BP神经网络,其模拟出的运营成本与实际运营成本历史数据的误差也在可接受范围内。研究发现CSIs模型和BP神经网络模型能够挖掘和把握海量数据中小部分显著性数据,采用更加简便的办法来降低工程造价估算的工作量,也能保证项目的全生命周期成本估算值在投资估算误差接受范围内。同时,通过地铁项目的验证,此模型还可以应用于公路、桥梁以及铁路等项目,但是针对具体项目的特点还有待具体分析。