目前，我国用于建筑工程成本预测的方法有很多，本文提出利用RS-ANN系统进行工程成本预测，给企业节约了时间、资金、人力等。 粗糙集的属性约简是一个NP难问题，而解决NP难问题的一般办法是利用启发式算法。蚁群算法是一种基于种群的模拟进化算法，这种算法的优点就是：寻优能力强、收敛速度快等。本文利用蚁群算法的寻优能力很好的解决了粗糙集属性约简的NP难问题。传统的BP神经网络收敛速度慢且易陷入局部最优，粒子群算法是一种进化算法，它有全局寻优能力强、编程简单、收敛速度快等优点。本文尝试着利用粒子群算法来优化神经网络的权值，取得了不错的效果。 最后，将RS-ANN系统引入到建筑工程成本预测上来。影响工程成本的因素有很多，如果都作为神经网络的输入节点，则增加了神经网络的训练难度，而且这些因素在一定程度上是相互关联的，甚至有些因素是冗余的。利用粗糙集属性约简约简掉一些相关的或冗余的属性，使得神经网络的输入节点得以减少，减小了神经网络结构的复杂性，提高了容错和抗干扰能力，在不影响训练精度的前提下，简化了网络的训练。将收集到的影响工程成本因素利用粗糙集进行约简，利用约简后的因素作为神经网络的输入节点来训练网络，结果证明利用此方法可以快速、准确地进行成本预测。