En las primeras etapas de la inversión en proyectos residenciales, estimar con precisión los costos de ingeniería de los proyectos residenciales es crucial para el control de costos y la gestión del proyecto. Sin embargo, la estimación de costos actual de la ingeniería residencial en China se lleva a cabo principalmente por personal de costos basado en su propia experiencia. Este proceso es lento y laborioso, y implica un juicio subjetivo, lo que puede llevar a errores de estimación significativos y no cumplir con las demandas del mercado en rápido desarrollo. La recolección de datos para proyectos de construcción residencial es un desafío, con tamaños de muestra pequeños, numerosos atributos y complejidad. Este documento adopta un método híbrido que combina un análisis de relación gris, regresión Lasso y una red neuronal de retropropagación (GAR-LASSO-BPNN). Este método tiene ventajas significativas para manejar muestras pequeñas de alta dimensión y múltiples variables correlacionadas. El análisis de relación gris (GRA) se utiliza para identificar cuantitativamente los factores que impulsan los costos, y se seleccionan 14 factores altamente correlacionados como variables de entrada. Luego, se utiliza la regularización a través de la regresión Lasso (LASSO) para filtrar las variables de entrada finales, que se introducen posteriormente en la red neuronal de retropropagación (BPNN) para establecer la relación entre el costo unitario de los proyectos residenciales y 12 variables de entrada. En comparación con el uso de los métodos LASSO y BPNN de forma individual, el método de predicción híbrido GAR-LASSO-BPNN tiene un mejor desempeño en términos de métricas de evaluación de errores. Los hallazgos de la investigación pueden proporcionar apoyo cuantitativo para la toma de decisiones de los estimadores de costos en las primeras etapas de estimación de la inversión en proyectos residenciales.