انحراف زمان و هزینه‌ نهایی پروژه‌‌های ساخت نسبت به مقادیر برآورد اولیه، مسئله‌ای است که در تمام کشورها وجود دارد. این انحرافات سبب به وجود آمدن دعاوی متعددی می ­شوند؛ بنابراین باید از به وجود آمدن آن‌ها جلوگیری شود. پیش­ بینی، یکی از ابزارهای مهم کنترل انحرافات زمان و هزینه پروژه است. یکی از روش‌های استاندارد برای پیش ­بینی زمان و هزینه پروژه، روش مدیریت ارزش حاصله است. همچنین مدل ­سازی به کمک شبکه­ های عصبی مصنوعی، یکی دیگر از روش‌های استاندارد پیش­ بینی و روشی پرکاربرد در عصر حاضر است. در این مقاله، با در نظرگیری 6 پارامتر از پارامترهای اصلی و شاخص ­های عملکردی روش ارزش حاصله به‌عنوان متغیرهای ورودی، بدون استفاده از برنامه ­نویسی و تنها با استفاده از جعبه ­­ابزار شبکه ­های عصبی در MATLAB، مدلی ساده ساخته می­ شود که قادر است بدون وابستگی به نوع پروژه، هزینه تکمیل پروژه­ هایی که هزینه نهایی آن‌ها از بودجه مصوب بیشتر است (اکثر پروژه­ های عمرانی اجرا شده در ایران) را به‌طور دقیق‌تری نسبت به روابط پیش‌بینی کننده هزینه در روش ارزش حاصله تخمین بزند. از 2 پروژه اجرای عملیات تکمیلی سدسازی و 2 پروژه احداث کانال انتقال آب نیز در آزمایش مدل استفاده شده است؛ که نتایج حاصل از این آزمایش، دقت بالای مدل را نشان می­دهند.