对于设备采办费用以及安装费用的审核。在材料及设备的采办费用的审核上需要注意联系实际市场上费用的变化以及以往的相关或是类似的工程建设的市场调查价格、设备采办价格以及设计院的预估价格、供应商的报价等方面进行。并且要依据设计图纸上的信息审核设备数量，从而结合这种种进行设备采办费用的审核。另外，对于设备安装费用的审核需要依据适用指标、定额、类似黄冈工程预算指标、取费标准以及所需辅助材料的实际市场价格进行。务必保证设备采办费用以及安装费用的审核工作的仔细、，避免由于设备所涉及的单个费用太多而造成的遗漏或重复现象的出现。依据 相关的法律法规对工程黄冈工程预算文件中的内容特别是程序性条款进行认真、细致的核实，检查其是否与 和地方招投标法律、法规的规定一致，并注意其评标办法与开标顺序的公平性。同时要对黄冈工程预算文件中的相关计价条款进行审核，审核的目的是：确保计价条款的完整性以及明确性。审核的标准包括：黄冈工程预算范围及界定、总包与相应分包的合同关系、标段的划分黄冈工程预算控制价的说明、水电费的计价方式、指定分包工程内容及其计价方式、工程变更签证的结算方式、材料设备采供方式及相应计价方式、工程进度款的结算方式、承担风险的内容范围以及超出约定范围和幅度的调整办法、工程预付款的约定、合同类型及工程黄冈工程预算的有关约定、返还方式以及质量保证金的比例等。
对换算的定额单价进行审核时，除上述要求外，还要弄清允许换算的内容是定额中的人工、材料或机械中的全部还是部分，以及换算的方法、采用系数是否正确，这些都将直接影响单价的准确性。第三，工程项目是否重复套用。例如，沥青卷材防水层、沥青隔气层下的冷底子油定额中已包含，不能在套冷底子油子目；预制构件中定额的铁件已包括，不能在重套铁件制作子目。黄冈工程预算采用的是费率黄冈工程预算，通过审核发现取费错误较少，容易出现在综合费率和分项费率让利前后计算不一致的问题，在结算时特别要注意变更或新增项目是否同比让利。主要经济指标见表1。主要材料单方耗用指标如下：每平方米耗用水泥0.1755吨、每平方米耗用钢筋0.0328吨、每平方米耗用木模0.0107m3、每平方米耗用石子0.2728m3、每平方米耗用砂子0.314m3、每平方米耗用机砖162块。施工区域共有28栋住宅楼，小区原报造价11719.5万元，审核造价10738.8万元（含基础处理193.9万元），核减金额980.7万元（含基础处理110万元），核减率达到8.4%。一期28栋楼通过以上的造价控制，黄冈工程预算合理，技术经济指标正常，把建设项目的造价控制在投资计划批准的限额范围内，在控制中隨时纠正发生的偏差，以保证实现项目管理目标。同时，工程建设的每一个阶段都存在造价控制，各阶段的造价控制环环相扣，从而要求必须建立一套科学完善的黄冈工程预算管理体系，使工程的计价、审查、结算、决算等实现制度化、规范化、系列化、科学化。小区工程由于在建设过程中加强了造价控制，使主体工程实际结算工程量与计划提供的工程量基本相符，工程总投资得到了有效控制。
工程量清单计量一般是根据每月完成的合同内实物工作量经监理工程师签认合格准予计量的工程细目，它有阶段性、按实计量的特点。根据这个特点，应在过程中来进行控制，而不是依靠事后发现超计量以后再扣回。工程预算计量人员（工地监理组、指挥部或总监办的工程部、计划部）均应认真学习合同文件和招标文件中的计量条款，心中应明确哪些项目可以计量，哪些项目不能计量，属于包含在其他工程项目中的内容（例如：涵洞计量是以延米综合单价计量的，因此其挖基、回填、清淤、基础垫层、出入口铺砌等均不能单独计量。
适应性强公路黄冈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]。现对其在公路黄冈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，黄冈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。已建黄冈工程预算变动，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型函数，把信息传出，接着发挥函数的作用，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。