随着数据库技术的逐渐成熟和信息数据的膨胀,数据挖掘技术(Data Mining,DM)应运而生,被广泛应用于银行金融、气象预报、DNA、教育、电信、客户分类等领域及国防科研上。数据挖掘技术应用范围日趋广阔,但是,目前在建筑工程领域还缺乏专门的研究。工程造价概算是工程项目可行性研究的基础,也是控制投资的依据,但由于工程造价概算工作的复杂性,数据量大,非确定性因素过多,迄今为止仍没有一套成熟有效的数据挖掘方法,基于上述特点,我们提出只针对工程造价中的土建部分进行概算,过滤非确定因素的影响提高概算的精度,概算结果可以精确用于工程的前期造价和控制工程项目的投资风险,故从事该领域研究对我国建筑工程行业有重要的意义。本文在大量查阅和深入研究国内外工程项目数据挖掘方法和模型的基础上,分析介绍了数据挖掘的理论知识,用径向基神经网络代替BP神经网络进行土建工程概算;经过多次实际数据计算比对,提出一种将相关分析、聚类分析和RBF神经网络相结合的改进的土建工程概算模型(RBF-CEBE),实践证明这种新的概算模型克服了原有模型的局限性,具有更加良好的性能。将建筑物的层高和跨度数据转换成平均高跨指数引入到RBF的神经网络输入向量中,利用相关分析证明建筑物的平均高跨指数对建筑物的单位造价有着很大影响。以“跨行业数据挖掘过程标准”(CRISP-DM)为指导准则,从商业的角度将土建工程概算的数据挖掘过程分6个阶段有效的执行。最后,本文设计了一个土建工程概算数据挖掘系统,通过分析系统的模块功能、用例图和数据流程,提出采用基于ASP.NET的B/S三层构架体系,具有一定的实用价值。