（1）通过对工程造价、市政工程、工程造价管理等基础理论的学习，以及对工程造价预测方法的了解，深入研究机器学习相关算法思想和方法，结合前人的研究经验和自己实际工程施工管理的经验，选出影响市政道路工程造价的关键因素，构建相应的指标体系，为构建 BP 神经网络预测模型做了充分的数据准备，奠定了很好的基础。
（2）通过对 BP 神经网络基本原理、算法理论、拓扑结构、主要参数的选取、推导过程的分析，充分了解了 BP 神经网络应用于非线性多维问题的原理，包括其归一化方法处理数据、函数拟合回归、误差反向传递修正权值和阈值。另外，通过 TensorFlow 框架构建了市政道路工程造价预测模型，并经过多次的调试训练和学习，测试效果良好，预测精度满足要求。
（3）基于对相关基础理论的学习研究，应用计算机编程的机器学习思想进行Python 编程语言的学习，并基于 TensorFlow 框架构建了市政道路工程造价预测模型，通过对实例数据的测试，验证了其可行性和精确度。为市政道路工程造价的估算提供指导，具有一定的意义。
参考文献（略）
