对在造价控制、分析过程中发现的主要问题进行了总结，并提出了解决问题的对策，对一些有争议的问题提出了相应的看法，期望能与造价工作同行加强沟通，在工作中能做到资源共享、共同提高，并达到提高赤峰工程预算审核质量的目的。由于知识水平有限，加上时间较仓促，文中难免有一些错漏之处，希望多提宝贵意见。赤峰工程预算和工程安全之间的关系非常密切。工程安全和赤峰工程预算是施工企业为关注的两个方面。本文结合建筑企业生产经营活动的实际，主要探讨了如何科学有效的处理赤峰工程预算与工程安全之间的关系。赤峰工程预算与工程安全之间相互联系、相互制约。人们总是希望以小的工程投资来获取 的经济效益；如何在确保工程安全的前提下，合理的控制赤峰工程预算，成了建设单位及施工企业追求的一个永恒主题。对于一个已经实施的建筑工程项目来说，检验施工企业综合素质的指标很多，工程安全和赤峰工程预算是诸多影响因素当中重要的两个。赤峰工程预算控制关系到企业的利润，是企业发展的生命线，重要程度自不用说。而工程安全也是一个工程在施工过程中必须郑重对待的问题，工程安全防护措施是否到位、工程安全应急机制是否健全、工程的安全生产设施是否完备、工程的安全理念是否贯彻到位这都决定了这个工地的安全工作能不能顺利进行。安全无小事、责任比天大，从一个方面来说也就决定了一个工程的成败。因此，在确保工程安全的前提下，分析企业如何对赤峰工程预算进行有效的控制，具有重要的现实意义。笔者结合建筑企业生产经营活动的实际，浅谈如何科学、有效的处理赤峰工程预算和工程安全这二者之间的关系。

规范的建筑工程预算涵盖工程设计预算、招投标预算、合同签订预算、施工预算和竣工预算，有着完善的预算法规体系，信息化程度不断提高，能适应建筑企业不断变化的内部预算需求，保障企业正常的经营活动，实现资金风险小化、经济效益 化的目标，为企业后续决策提供原始资料。工程预算在核实工程造价，指导建筑项目投资中有不可估量的价值，重视工程预算的规范化建设，是规范项目管理的必要举措，能引导建筑企业深化内部改革，持续改进生产技术和管理流程，挖掘企业发展潜力，树立自己的核心竞争力。建筑工程预算应涉及从项目立项到竣工的全过程，赤峰工程预算对项目实施期内的每一笔资金都进行记录、审核，用包含事前、事中、事后的动态实时预算工作保障工程质量。当前，我国建筑企业虽已普遍意识到工程预算的重要性，但相关认识不全面，割裂预算内容，忽视全过程跟踪预算，使得预算变成事后惩处和补救。事后预算无法准确识别项目前中期风险，往往发现错误后才进行查漏补缺，加重建筑企业的损失，预算部门将预算结果作为处罚的主要依据，常常提出强制性整改要求，容易让企业对预算工作产生不满情绪，降低企业对工程预算的认可度和配合度。

编制赤峰工程预算必须深入现场进行充分的调研，使预算的内容既能反映实际，又能满足施工管理的需要。同时，必须严格遵守 建设的各项方针、政策和法令，做到实事求是，不弄虚作假，并注意不断研究和改进编制方法，提高效率，准确及时地编制出高质量的预算，以满足工程建设的需要。具体讲赤峰工程预算的编制依据主要包括如下内容施工图纸及设计说明和标准图集。经审定的施工图纸、说明书和标准图集，完整地反映了工程的具体内容，各部的具体做法、结构尺寸、技术特征以及施工方法，是编制赤峰工程预算的重要依据。现行 基础定额及有关计价表。 和地区都颁发有现行建筑、安装工程预算定额及计价表和相应的工程量计算规则，是编制赤峰工程预算确定分项工程子目、计算工程量、计算工程费直接的依据。施工组织设计或施工方案。因为施工组织设计或方案中包括了与编制赤峰工程预算必不可少的有关资料 ，如建设地点的土质、地质情况，土石方开挖的施工方法及余土外运的方式与运距，施工机械使用情况，结构构件预制加工方法及运距，重要的梁板柱的施工方案、重要或特殊设备的安装方案等。

适应性强公路赤峰工程预算具有动态变化特性，模糊神经网络模型能够很好地适应此特性。此估算方法的应用，主要是依靠计算机，不仅运算速度快，而且运算精度较高。模糊神经网络估算方法较多，文中选择BP神经网络法，是基于仿人脑的神经系统结构，具有较强的学习能力，为非线性自适应动态系统[1]。现对其在公路赤峰工程预算估算中的应用，做以下的分析。公路工程构件主要包括底层、基层、面层等，赤峰工程预算是由各构件类型与价格等因素决定，实物工程量取决于工程结构设计参数。已建赤峰工程预算变动，主要是受到构件因素的影响，被称作是工程特征。基于工程特性，将公路工程划分为不同类别，若按照路面形式划分，主要包括沥青路面和水泥路面等，为特征类目。对于工程定量化，是按照特征类目，依据定额水平与工程特征，填入相关数据，如表1所示。由表1能够看出，每个公路工程模式均可以利用表格的形式来定量化描述，一个特征可以由多个类目组成，按照比例来计算量化结果。在BP神经网络中，需要将信息传递到网络隐节点上，使用S型激活函数，把信息传出，接着发挥激活函数的作用，成功输出结果。在网络隐节点以及输出节点位置处，选择S型激活函数，即f（x）=11+ex，若此结果未能按照正常程序开展，此时要转变成反向传播。假设存在N个样本，定义描述为（Xk，yk)(k=12?N)，其中某个输入值为Xk，对应的神经网络输出值是yk，而隐层节点I的输出值是Oj。