这种方法的优点是：审核后的连云港工程预算准确度较高；缺点是：工作量大，实质是重复劳动。在投资规模较大。审核进度要求较紧的情况下，这种方法是不可取的，但建设单位为严格控制工程造价，仍常常采用这种方法。这种方法类同于审核法，其与审核法之区别仅是审核范围不同而已。该方法有侧重的，有选择的根据施工图计算部分价值较高或占投资比例较大的分项工程量。如砖石结构（基础、墙体）、钢筋混凝土结构（梁、板、柱）、木结构（门窗）、钢结构（屋架、檀条、支撑）等；而对其他价值较低或占投资比例较小的分项目工程，如普通装饰项目、零星项目（雨蓬、散水、坡道、明沟、水池、垃圾箱）等，审核者往往有意忽略不计，重点核实与上述工程量相对应的定额单价，尤其重点审核定额子自档次易混淆的单价（如构件断面、单体体积），其次是混凝土标号、砌筑、抹灰砂浆的标号核算。这种方法在审核进度较紧张的情况下，常常适用于建设单位审核施工单位的预算或施工单位审核设计单位的预算。这种方法与审核法比较，工作量相对减少，而取得的效果却不是很差，但仍属重复劳动由于上述两种方法类似编制连云港工程预算，工作量大，审核周期长，预算人员在长期的工作中摸索出另一种方法，即分析对比审核法。该方法是在总结分析预结算资料的基础上，找出同类工程造价及工料消耗的规律性。结构形式不同、地区不同的工程造价、工料消耗指标。然后，根据这些指标对审核对象进行分折对比，从中找出不符合投资规律的分部分项工程，针对这些子目进行重点审核，分析其差异较大的原因。
适应性强公路连云港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]。现对其在公路连云港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，连云港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。已建连云港工程预算变动，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。
承包工程合同签定不规范，工程结算计价难以确定。工程预算在审计过程中发现，建设、施工双方承包工程合同签订不规范。在签订合同时不按投标文件的内容逐一填写，尤其是建筑规模和中标价，存在少填或者不填的现象，给工程计价取费留下活口，目的是为了竣工后高报工程结算价格打下伏笔，使得原本十分严肃的合同失去约束作用，建设单位失去了对施工单位工程报价的有效监督，容易造成决算价格偏高。同时，给工程结算造价审核带来难度和风险。
工程预算它是指审计人员在审计过各中会同被审计单位有关人员与施工单位有关人员及现场监理人员到建筑现场，对有疑点的隐蔽工程进行挖开核实工程做法与工程量、价款的方法。抽样测定法较为直接，容易验证出问题的真假，但是审计风险较大，所以一般在确有问题时方可实行抽样定点的方式。例如：某年审计某项工程时，审计人员通过了解得知，该项目管道回填施工时未按设计要求进行筛土回填，且未做警示标志。经现场抽样开挖发现有两个标段的部分施工班组未按设计要求施工。
