1.一种前馈全连接神经网络预测工程项目投标报价的方法，其特征在于，包括：
将原始数据分成训练数据和测试数据两部分，对训练数据中的限价数据进行标准化处理；
以训练数据中的项目限价为输入，训练数据中的项目报价为输出，建立前馈全连接神经网络回归模型；
选用k折交叉验证对模型进行评估，得到k折交叉验证结果，并在每次评估后调整模型的参数以重新进行评估；
绘制准确率图像，找出拐点，进行早停，其中准确率图像是以模型训练的轮次为横坐标，各轮次中的k折交叉验证结果为纵坐标绘制的；
用调整好的模型对测试数据进行测试，并对实际工程项目的报价做预测。
2.根据权利要求1所述的方法，其特征在于，对训练数据中的限价数据进行标准化处理，包括：
将训练数据中的限价数据转换为均值为0，标准差为1的标准数据。
3.根据权利要求1所述的方法，其特征在于，所述前馈全连接神经网络回归模型选用rmsprop作为优化器，模型预测报价与真实报价的均方误差为损失函数，平均绝对误差为监控指标。
4.根据权利要求1所述的方法，其特征在于，选用k折交叉验证对模型进行评估，包括：
将训练数据划分为4个分区，实例化4个相同的模型，将每个模型在3个分区上训练，并在剩下的一个分区上进行评估，得到4个验证分数，并以4个验证分数的平均值做为模型的验证分数。
5.根据权利要求1所述的方法，其特征在于，调整模型的参数采用以下一种或几种方式：
添加dropout；
改变神经网络的架构，添加或减少层数；
添加l1或l2正则化，或同时添加l1和l2正则化；
改变模型的超参数。