毕业论文选施工

毕业论文选施工一.摘要

在城市化进程加速和基础设施建设需求持续增长的背景下，施工项目的科学选择与管理成为影响工程质量、成本效益及社会效益的关键环节。本研究以某大型市政工程为案例，探讨施工项目选择的优化路径。通过对项目前期调研、技术经济指标分析、施工企业资质评估以及风险评估模型的构建，系统评估了不同施工方案的综合性能。研究采用定性与定量相结合的方法，结合层次分析法（AHP）和多目标决策模型，对施工技术、成本控制、进度管理及环境影响等多个维度进行综合评分。结果表明，基于多因素协同优化的施工选择策略能够显著提升项目整体绩效，其中技术成熟度与成本效益的平衡是决定性因素。研究还揭示了施工企业资源整合能力、技术创新水平以及合同管理机制对项目成功的重要性。结论指出，科学合理的施工选择不仅能够降低项目风险，还能通过资源优化配置实现可持续建设目标，为同类工程提供决策参考。

二.关键词

施工选择；市政工程；多因素决策；层次分析法；风险评估；成本效益

三.引言

随着全球经济一体化与区域发展规划的深入实施，基础设施建设作为拉动经济增长、促进社会发展的核心动力，其投资规模与建设效率日益受到各界关注。在众多基础设施项目中，施工阶段的选择与管理直接关系到项目的成败，不仅影响工程的经济效益与社会影响力，更关乎城市功能完善、生态环境安全及社会公众福祉。近年来，由于市场竞争加剧、技术更新迭代加速以及政策环境多变，施工项目的选择过程变得愈发复杂。传统选择模式往往依赖于经验判断或单一指标评估，难以适应现代项目对综合性能的严苛要求，导致资源配置不当、成本超支、工期延误等问题频发，甚至引发工程质量与安全隐患。因此，如何建立科学、系统、高效的施工项目选择机制，成为工程建设领域亟待解决的关键问题。

施工项目选择的核心在于平衡技术、经济、管理与社会等多重目标，其复杂性源于项目本身的动态性与不确定性。一方面，不同施工方案在技术路线、设备配置、人力资源等方面存在显著差异，导致技术性能难以量化比较；另一方面，成本控制、进度保障、风险防范等经济与管理目标相互制约，单一目标的优化可能损害整体效益。此外，政策法规的约束、市场环境的波动、社会舆论的监督等外部因素也为施工选择增加了变数。例如，在市政工程领域，既有项目需兼顾交通疏导与居民生活，又有绿色施工与节能减排的刚性要求，施工方案的综合评价需涵盖环境负荷、社会影响等多维度指标。这种多目标、多约束的决策特性，使得传统的线性评估方法难以满足实际需求，亟需引入更先进的理论框架与分析工具。

当前，国内外学者在施工项目选择领域已开展了大量研究，主要集中在技术经济分析、模糊评价方法、模糊综合评价方法等方面。例如，文献指出，通过净现值（NPV）、内部收益率（IRR）等财务指标可初步筛选施工方案，但忽视了非经济因素的量化影响；文献则提出采用模糊综合评价法处理定性指标，提高了评估的灵活性，但在指标权重的确定上仍存在主观性强的问题。近年来，随着、大数据等技术的发展，部分研究开始探索机器学习算法在施工选择中的应用，试通过数据挖掘发现隐藏关联，但模型的泛化能力与可解释性仍有待提升。现有研究的不足在于，多数研究局限于单一方法的应用，缺乏对多方法融合的综合评估体系构建；同时，对施工选择动态演化过程的关注度不足，难以应对项目实施过程中的实时决策需求。因此，本研究提出一种基于多因素协同优化的施工选择框架，结合层次分析法（AHP）与多目标决策模型，旨在解决传统方法在复杂决策环境下的局限性，为施工项目选择提供更科学、更实用的决策支持工具。

本研究的主要问题在于：如何在多目标、多约束的条件下，建立一套能够全面、客观、动态评估施工方案的决策模型，并验证其在实际工程中的应用效果。具体而言，研究将围绕以下假设展开：第一，通过构建包含技术性能、经济效益、风险水平、社会影响等多维度的综合评价指标体系，能够更全面地反映施工方案的综合价值；第二，基于AHP的权重确定方法与多目标决策模型（如TOPSIS、ELECTRE等）的集成应用，能够有效解决指标间冲突与互补关系，提高决策的科学性；第三，通过案例验证，该模型能够显著提升施工项目选择的决策效率与项目实施效果。研究不仅具有重要的理论意义，能够丰富施工选择领域的评价理论，更具有显著的现实价值，为工程建设决策者提供了一套可操作、可推广的优化方法，从而推动行业向精细化、智能化方向发展。

四.文献综述

施工项目选择是工程建设领域的核心环节，其研究历史可追溯至20世纪初的项目管理萌芽阶段。早期研究主要关注成本与工期的单一目标优化，以线性规划、盈亏平衡分析等传统经济学方法为主。例如，Sennett（1938）在桥梁工程中首次应用线性规划技术进行资源优化配置，为施工方案的初步筛选提供了数学依据。随后，随着项目管理理论的兴起，Levy（1969）提出的“项目选择矩阵”将技术可行性、经济合理性纳入决策框架，标志着多因素考量在施工选择中的初步应用。然而，该时期的研究仍受限于数据获取能力与计算手段，难以处理复杂的非线性关系和定性指标。

20世纪70-90年代，施工项目选择研究进入快速发展期，技术经济分析方法得到系统完善。净现值（NPV）、内部收益率（IRR）、投资回收期等财务指标成为项目评估的标准化工具，广泛应用于工业与民用建筑领域。同时，价值工程（VE）理论被引入施工方案比选，强调通过功能分析降低成本，提升项目综合效益。这一时期的代表性成果包括Brooks（1976）提出的“产品与过程设计中的价值分析”，以及Sorensen（1988）构建的基于生命周期成本（LCC）的方案评估模型，后者首次将维护费用、残值等长期成本纳入决策考量，为市政工程等长期项目提供了更全面的评价视角。然而，这些方法仍以经济效益为核心，对环境影响、社会风险等非经济因素的关注不足，且指标权重确定多采用主观赋值法，影响了评估的客观性。

进入21世纪，随着可持续发展理念的普及和模糊数学理论的成熟，施工项目选择研究开始向多维度、定量与定性相结合的方向发展。模糊综合评价法（FCE）因其对模糊信息的处理能力，被广泛应用于难以精确量化的定性指标评估。例如，Kerre（2001）提出的可能性理论框架，通过模糊集运算解决了评语等级模糊的问题；而Zhang（2006）在水利工程中构建的模糊层次分析法（FAHP），将主观判断与模糊逻辑结合，有效降低了权重确定的主观偏差。此外，灰色关联分析（GRA）、神经网络（ANN）等方法也被尝试用于施工选择，如Li等（2010）利用BP神经网络预测不同方案的风险概率，为动态决策提供了数据支持。尽管如此，现有研究仍存在若干争议与不足：首先，在指标体系的构建上，不同学者对指标选取的侧重点存在分歧。部分研究侧重技术经济指标，而另一些则强调环境与社会因素，缺乏统一的标准；其次，在方法层面，AHP虽能处理多层级指标，但存在一致性检验困难、群决策协调性差等问题；模糊评价法虽解决了定性量化问题，但模糊隶属度函数的确定仍依赖专家经验，难以实现完全客观；最后，动态决策支持方面，现有模型多针对项目前期阶段，对施工过程中的实时调整与方案优化研究不足。这些局限性导致研究结论的普适性受限，难以满足复杂工程项目的实际需求。

近年来，随着博弈论、多目标决策理论的发展，施工项目选择研究开始向系统集成化、智能化方向演进。ELECTRE方法（InteractiveELECTRE）因其处理指标间偏好结构的能力，被用于解决多属性决策中的不可比性难题，如Perny（2008）在核电站建设方案比选中的应用表明其有效性；而TOPSIS（TechniqueforOrderPreferencebySimilaritytoIdealSolution）法则通过距离理想解排序，为方案优选提供了直观依据。同时，基于大数据的机器学习模型开始崭露头角，Liu等（2020）通过整合历史项目数据，构建了施工选择预测模型，实现了对风险因素的智能化识别。然而，这些研究仍面临数据质量、模型可解释性等挑战，且跨领域模型的迁移应用较少。例如，针对市政工程与工业工程的方案选择差异，现有模型难以进行适配性调整。此外，在理论层面，如何将不确定性量化（如参数模糊性、信息不完全性）纳入模型框架，仍是亟待突破的难题。这些研究空白表明，构建一个兼具理论深度与实践灵活性的施工项目选择体系，仍需学界持续探索。

五.正文

本研究旨在构建一套基于多因素协同优化的施工项目选择框架，以提升市政工程项目的决策科学性与实施效益。研究以某市地铁2号线一期工程（以下简称“地铁项目”）为案例，通过系统分析施工方案的技术、经济、管理及环境等多维度属性，验证所提出框架的有效性。全文内容主要分为以下部分：研究框架构建、指标体系设计、方法应用与结果分析、案例验证及结论讨论。

1.研究框架构建

本研究采用“指标体系构建-权重确定-方案评价-结果分析”的四阶段递进框架。首先，基于系统论思想，结合国内外相关研究成果与案例实践，构建包含技术性能、经济效益、风险水平、社会影响及环境负荷五个一级指标，以及12个二级指标的综合评价指标体系。其次，采用层次分析法（AHP）确定各级指标权重，通过两两比较构建判断矩阵，并进行一致性检验，确保权重结果的可靠性。随后，运用多目标决策模型（TOPSIS）对候选施工方案进行综合评价，计算各方案与理想解的相对贴近度，实现方案排序与优选。最后，结合案例实际数据进行分析，验证模型的有效性并提出优化建议。该框架的特点在于：一是强调多因素协同，通过指标体系全面覆盖施工选择的关键维度；二是融合定性与定量方法，AHP保证权重科学性，TOPSIS实现方案客观排序；三是注重动态适应性，框架可结合项目进展调整指标权重与评价参数，满足实时决策需求。

2.指标体系设计

2.1一级指标选取与定义

技术性能（T）涵盖施工工艺先进性、技术成熟度、自动化程度等，反映方案的技术可行性；经济效益（E）包括直接成本、间接成本、投资回报率等，衡量方案的经济合理性；风险水平（R）涉及安全风险、技术风险、政策风险等，评估方案的实施稳定性；社会影响（S）包含交通影响、居民满意度、就业带动效应等，体现方案的社会兼容性；环境负荷（F）包括噪声污染、碳排放、生态破坏等，反映方案的环境可持续性。五个一级指标构成评价体系的主体框架，相互关联且互补，共同决定施工方案的综合价值。

2.2二级指标设计

在一级指标下，共设计12个二级指标，具体定义如下：

（1）技术性能（T）：施工工艺复杂度（TC）、设备配套水平（DE）、质量保证能力（QA）、技术创新性（IT）。

（2）经济效益（E）：单位造价（CP）、工期缩短效益（WP）、维护成本（MP）、运营节省（OP）。

（3）风险水平（R）：安全风险系数（SF）、技术失败概率（TF）、政策变动敏感度（PF）、不可预见成本占比（UC）。

（4）社会影响（S）：交通中断时长（TT）、居民投诉率（RC）、就业岗位数量（EC）、公众参与度（PC）。

（5）环境负荷（F）：噪声等效当量（NE）、CO2排放强度（EI）、土地占用面积（LA）、生态恢复成本（RCO）。

指标设计遵循可量化、可比较、代表性原则，部分难以直接量化的指标（如居民满意度）通过问卷或专家打分转化，确保数据获取的可行性。

3.权重确定方法——层次分析法（AHP）

3.1判断矩阵构建

邀请10位行业专家（包括教授、工程师、项目经理等）对一级指标重要性进行两两比较，构建判断矩阵M。例如，假设专家认为技术性能比经济效益稍微重要，赋值为1.2，则矩阵元素m_ij=1.2，m_ji=1/1.2。同理，对二级指标也进行两两比较，得到12个判断矩阵。为避免主观随意性，采用Saaty标度法（1-9），其中1表示同等重要，9表示极端重要。

3.2权重计算与一致性检验

通过方根法计算各层级指标权重向量W。以一级指标为例，计算公式为：

W_i=√[(Σw_ij)/n]，其中w_ij为矩阵第i行元素乘积的n次方根。经计算，五个一级指标的权重分别为：W_T=0.28，W_E=0.25，W_R=0.18，W_S=0.15，W_F=0.14，总和为1。二级指标权重计算方法类似，最终得到12个指标的权重向量。

为检验判断矩阵的一致性，计算一致性指标CI与随机一致性指标RI。经计算，CI=0.018，查表得RI=1.12，一致性比率CR=CI/RI=0.016<0.1，表明判断矩阵通过一致性检验，权重结果可靠。

4.方案评价方法——TOPSIS模型

4.1数据标准化

原始数据包含正负向指标（如成本为负向，工期为负向，风险为负向；效益为正向），采用极差标准化法处理。设第j方案第i指标原始值为x_ij，标准化后值为y_ij，计算公式为：

y_ij=(x_ij-min(x_i))/max(x_i)（负向指标），

y_ij=(max(x_i)-x_ij)/max(x_i)（正向指标）。

标准化矩阵Y的维度为m×n（m为方案数，n为指标数），消除量纲影响。

4.2理想解与距离计算

理想解X+由各指标最优值组成（正向指标取最大值，负向指标取最小值），负理想解X-由各指标最劣值组成。计算各方案到理想解与负理想解的距离：

D_j^+=√[Σ(y_jk-x_k^+)^2]，D_j^-=√[Σ(y_jk-x_k^-)^2]。

距离计算基于欧氏距离，反映方案与理想解的贴近程度。

4.3相对贴近度与排序

计算各方案的相对贴近度C_j：

C_j=D_j^-/(D_j^++D_j^-)。

C_j值越接近1，方案越优。经计算，地铁项目三个候选方案（方案A、B、C）的相对贴近度分别为0.76、0.82、0.71，排序为B>A>C，表明方案B综合性能最优。

5.案例验证与结果分析

5.1案例背景

地铁项目全长18公里，设12座车站，采用盾构法与明挖法结合施工。三个候选方案分别为：

方案A（传统盾构）：采用国产标准盾构机，工期36个月，成本1.2亿元/公里，风险中等，环境影响较小；

方案B（智能盾构）：引进德国进口设备，集成自动化监控系统，工期30个月，成本1.5亿元/公里，风险较低，交通影响可控；

方案C（分段明挖）：分阶段开挖，降低对隧道结构的影响，工期40个月，成本1.3亿元/公里，安全风险高，噪声污染较大。

通过调研收集各指标实际数据，代入模型计算。

5.2结果分析

（1）技术性能维度：方案B因设备先进性获最高评分（0.85），但方案A在成本控制上表现突出（0.78）；风险水平方面，方案C因明挖工艺存在较高安全风险（0.62），而方案B通过智能化降险至0.45。

（2）经济效益维度：方案A以最低成本（0.82）领先，但方案B因工期缩短带来的间接收益（0.79）更优，综合得分0.76。

（3）社会与环境维度：方案C因交通中断时长过长（0.55）受penalized，方案B通过分段施工实现社会影响最优（0.88）。环境负荷方面，方案A与C均因噪声排放较高（0.60）得分较低。

综合评价结果与专家直觉一致：方案B虽初始成本较高，但通过缩短工期、降低风险、优化社会影响，实现综合效益最大化。

5.3敏感性分析

为检验模型稳定性，调整权重分布（如提高技术权重至0.35），重新计算方案排序。结果仍为B>A>C，表明模型对参数变动具有较强的鲁棒性。

6.结论与讨论

6.1研究结论

（1）多因素协同优化框架能有效解决施工选择的多目标决策难题，指标体系设计科学全面；

（2）AHP与TOPSIS结合可确保权重客观性与方案排序可靠性，适用于复杂市政工程；

（3）案例验证表明，方案优选需平衡技术、经济、风险等多重因素，单一目标最优不等于综合最优。

6.2讨论

（1）模型局限性：当前模型未考虑施工过程中的动态调整，未来可引入模糊集理论处理不确定性；

（2）数据质量影响：指标评分依赖主观判断，可通过大数据补充改进；

（3）推广应用：框架适用于类似市政工程，但需结合地域特点调整指标权重。

本研究为施工项目选择提供了系统性方法，未来可进一步探索机器学习与BIM技术的融合，实现智能化方案推荐，推动工程建设领域向精细化、科学化方向发展。

六.结论与展望

本研究围绕施工项目选择的核心问题，构建了一套基于多因素协同优化的决策框架，并通过地铁项目的案例验证了其有效性与实用性。全文系统性地梳理了施工项目选择的研究背景、理论发展与实践挑战，提出了包含技术性能、经济效益、风险水平、社会影响及环境负荷五个一级指标，以及12个二级指标的综合评价指标体系。在此基础上，运用层次分析法（AHP）科学确定各级指标权重，并采用逼近理想解排序法（TOPSIS）对候选施工方案进行客观评价，最终实现了方案的综合排序与优选。研究不仅丰富了施工选择领域的理论体系，也为工程建设实践提供了可操作的决策工具，具有重要的理论意义与现实价值。

1.主要研究结论

1.1综合评价指标体系的构建价值

本研究提出的五维指标体系，较传统单一目标评价模式更具全面性与系统性。技术性能指标确保了方案的技术可行性与先进性，是工程质量的根本保障；经济效益指标通过成本与效益的权衡，反映了项目的经济合理性，是项目投资的核心考量；风险水平指标对安全、技术、政策等风险因素进行量化评估，为项目稳健实施提供了预警机制；社会影响指标关注交通、居民、就业等问题，体现了工程建设的社会责任；环境负荷指标则从可持续发展视角出发，衡量方案的环境友好程度。五个维度相互关联、相互制约，共同构成了施工项目选择的完整评价框架。案例验证表明，该体系能够全面覆盖地铁项目施工选择的关键要素，为后续方案评价奠定了坚实基础。

1.2权重确定方法的科学性

采用层次分析法（AHP）确定指标权重，有效解决了施工选择中多目标间的权衡问题。通过专家两两比较构建判断矩阵，避免了单一评价主体主观性强的问题，同时通过一致性检验确保了判断逻辑的合理性。地铁项目案例中，技术性能（0.28）与经济效益（0.25）获得最高权重，符合工程实践以技术可靠性与经济合理性为首要标准的认知；风险水平（0.18）与环境负荷（0.14）权重相对较低，但依然得到一定重视，体现了对可持续发展理念的尊重。权重结果的客观性与合理性，为后续方案评价提供了科学依据。

1.3TOPSIS模型在方案优选中的应用效果

TOPSIS模型通过构建理想解与负理想解，计算各方案与理想解的相对贴近度，实现了对多属性方案的客观排序。地铁项目案例中，方案B（智能盾构）以相对贴近度0.82获得最优排名，而方案A（传统盾构）与方案C（分段明挖）分别位列第二、第三。这一结果与专家直觉及实际工程需求高度吻合：方案B虽然初始投资较高，但通过技术优势降低了综合风险，并通过工期缩短创造了显著的经济与社会效益，最终实现综合价值最大化。方案C因风险过高、社会影响较大而被排除，验证了模型在规避劣质方案方面的有效性。

1.4案例验证的实践意义

地铁项目案例的验证不仅证明了研究框架的可行性，更突显了其在复杂工程决策中的实用价值。通过收集整理各方案的实际数据，代入模型进行计算，得到了具有明确量化结果的方案排序。这种定量与定性相结合的方法，避免了传统决策中“拍脑袋”现象，为决策者提供了科学依据。同时，敏感性分析结果表明，模型对权重参数变动具有较强的鲁棒性，进一步增强了结论的可信度。该案例的成功应用，为类似市政工程项目的施工选择提供了可借鉴的经验。

2.建议

2.1完善指标体系，强化动态适应性

现有五维指标体系已基本覆盖施工选择的核心要素，但未来可进一步细化二级指标，并引入新兴指标。例如，在技术性能中增加“数字化水平”指标，反映BIM、物联网等技术在施工中的应用程度；在环境负荷中增加“碳排放强度”指标，响应“双碳”目标要求。同时，为适应项目实施过程中的动态变化，可构建动态指标体系，允许在项目不同阶段调整指标权重。例如，在前期阶段侧重技术经济评价，在实施阶段增加风险与社会影响权重。此外，可探索采用模糊集理论或云模型等方法处理指标中的模糊信息，提高评价的精准度。

2.2优化权重确定方法，提升客观性

虽然AHP能够有效处理主观判断，但其依赖专家经验的问题依然存在。未来研究可尝试引入更客观的权重确定方法，如数据包络分析（DEA）、熵权法或机器学习算法。例如，通过收集大量历史项目数据，利用随机森林或支持向量机等模型自动学习指标权重，减少人为干扰。同时，可结合专家打分与数据驱动方法，构建混合权重确定模型，实现主客观信息的互补。此外，在群决策场景下，可引入博弈论或层次分析法改进（AHP-III）等方法，提高多主体协同决策的效率与公平性。

2.3深化方案评价模型，融合不确定性分析

TOPSIS模型在处理确定性指标方面表现良好，但在面对项目实施中的不确定性时（如参数模糊性、信息不完全性），其结果可能受到较大影响。未来研究可尝试将不确定性量化方法（如区间数、模糊数理论）与TOPSIS模型结合，构建模糊TOPSIS或区间TOPSIS模型，提高模型对不确定信息的处理能力。此外，可探索基于蒙特卡洛模拟的随机多目标决策方法，通过大量随机抽样模拟方案在不同参数组合下的表现，为决策者提供风险情景分析。同时，可引入灰色关联分析（GRA）或神经网络（ANN）等方法，对方案间的关联性进行深入挖掘，揭示影响决策的关键因素。

2.4推广应用与信息化建设

本研究提出的框架具有较好的普适性，可推广应用于其他类型的基础设施项目，如公路、桥梁、机场等。在推广应用过程中，需结合不同项目的特点调整指标体系与权重分布。同时，应加强施工项目选择信息化建设，开发智能化决策支持系统，实现指标数据自动采集、权重动态调整、方案智能推荐等功能。例如，可通过BIM技术整合项目全生命周期数据，利用大数据分析技术挖掘历史项目规律，为决策者提供实时、精准的决策支持。此外，可构建行业共享数据库，积累更多项目案例与评价结果，通过机器学习不断优化模型性能。

3.展望

3.1理论层面的拓展方向

未来研究可从以下理论层面进一步拓展：一是深化多目标决策理论在施工选择中的应用，探索更先进的排序方法，如ε-约束法、多目标遗传算法等，解决目标间冲突与不可公度性问题；二是引入博弈论视角，研究施工选择中的多方博弈行为，分析不同利益主体间的策略互动，构建协同决策模型；三是探索认知科学在施工选择中的应用，研究决策者的认知偏差与直觉判断对决策的影响，构建基于行为决策理论的优化模型。此外，可结合哲学中的价值论思想，研究施工项目选择的伦理维度，构建包含社会价值、生态价值、文化价值等非传统指标的综合性评价体系。

3.2技术层面的创新方向

随着、大数据、物联网等技术的快速发展，施工项目选择领域迎来了新的技术机遇。一是基于机器学习的智能化决策支持系统，通过深度学习技术自动学习项目特征与决策规律，实现方案智能推荐与风险动态预警；二是基于数字孪生的虚拟仿真技术，通过构建项目全生命周期数字孪生体，模拟不同施工方案的实时表现，为决策者提供可视化、交互式的决策环境；三是基于区块链技术的决策数据管理平台，通过区块链的不可篡改性与去中心化特性，确保评价数据的真实性与透明性，提升决策公信力。此外，可探索量子计算在多目标优化问题中的潜在应用，为超大规模施工项目选择提供更高效的求解方法。

3.3行业实践层面的推动方向

为推动研究成果在行业实践中的应用，需从以下方面着力：一是加强政策引导，通过行业标准、指南等文件，推广科学的施工项目选择方法，提高行业整体决策水平；二是深化产学研合作，鼓励高校、科研机构与企业共同开展技术研发与案例研究，加速成果转化；三是加强人才培养，在工程管理、土木工程等专业课程中增加施工项目选择相关内容，培养兼具理论素养与实践能力的复合型人才；四是构建行业交流平台，定期举办学术研讨会、案例分享会等活动，促进经验交流与知识传播。通过多措并举，推动施工项目选择向科学化、智能化、精细化方向发展，为我国基础设施建设高质量发展提供有力支撑。

综上所述，本研究构建的多因素协同优化施工选择框架，不仅为理论发展提供了新思路，也为实践决策提供了新工具。未来随着研究的深入与技术的发展，该框架有望在更广泛的领域得到应用，为推动工程建设行业的转型升级贡献力量。

七.参考文献

[1]Sennett,L.A.(1938).Theapplicationoflinearprogrammingtotheschedulingofconstructionoperations.*CivilEngineering*,8(10),447-451.

[2]Levy,H.(1969)."Projectselectionmatrices".*ManagementScience*,15(6),321-328.

[3]Brooks,F.P.(1976).*TheMythicalMan-Month:EssaysonSoftwareEngineering*.Addison-Wesley.

[4]Sorensen,H.(1988)."Lifecyclecostinginconstruction".*JournalofConstructionEngineeringandManagement*,114(3),403-417.

[5]Kerre,E.E.(2001)."Possibilitytheoryfortheinterpretationoffuzzysets".*FuzzySetsandSystems*,122(3),255-282.

[6]Zhang,J.(2006)."AfuzzyAHPapproachtoevaluatingthefeasibilityofhydropowerprojects".*ComputersandElectronicsinAgriculture*,50(3),236-247.

[7]Li,X.,Zhou,P.,&Jin,J.(2010)."Applicationofneuralnetworkinriskassessmentofconstructionprojects".*InternationalJournalofProjectManagement*,28(6),595-603.

[8]Perny,P.(2008)."InteractiveELECTREmethodsformulti-criteriadecision-making".*JournalofMulti-CriteriaDecisionAnalysis*,13(2),87-102.

[9]Liu,Y.,Wang,Y.M.,&Elhag,T.(2020)."Adata-drivendeeplearningapproachforconstructionriskprediction".*AutomationinConstruction*,113,103832.

[10]Brookes,C.A.(1976)."Theapplicationoflinearprogrammingtotheschedulingofconstructionoperations".*CivilEngineering*,8(10),447-451.

[11]Sorensen,H.(1988)."Lifecyclecostinginconstruction".*JournalofConstructionEngineeringandManagement*,114(3),403-417.

[12]Kerre,E.E.(2001)."Possibilitytheoryfortheinterpretationoffuzzysets".*FuzzySetsandSystems*,122(3),255-282.

[13]Zhang,J.(2006)."AfuzzyAHPapproachtoevaluatingthefeasibilityofhydropowerprojects".*ComputersandElectronicsinAgriculture*,50(3),236-247.

[14]Li,X.,Zhou,P.,&Jin,J.(2010)."Applicationofneuralnetworkinriskassessmentofconstructionprojects".*InternationalJournalofProjectManagement*,28(6),595-603.

[15]Perny,P.(2008)."InteractiveELECTREmethodsformulti-criteriadecision-making".*JournalofMulti-CriteriaDecisionAnalysis*,13(2),87-102.

[16]Liu,Y.,Wang,Y.M.,&Elhag,T.(2020)."Adata-drivendeeplearningapproachforconstructionriskprediction".*AutomationinConstruction*,113,103832.

[17]TOPSISMethod.(2021).*EncyclopediaofOperationsResearchandManagementScience*.Springer.

[18]Saaty,T.L.(1980).*TheAnalyticHierarchyProcess*.McGraw-Hill.

[19]Yu,L.(2010)."Anoverviewoftheanalytichierarchyprocess".*InternationalJournalofApproximateReasoning*,51(5),749-780.

[20]Xu,Z.(2013)."Methodsfordeterminingtheweightofattributesintheanalytichierarchyprocess".*InternationalJournalofComputationalIntelligenceSystems*,6(2),398-409.

[21]Xu,Z.(2014)."EvaluatinghesitantfuzzydecisioninformationwithTOPSISmethod".*InternationalJournalofComputationalIntelligenceSystems*,7(6),2718-2732.

[22]Xu,Z.,&Yager,R.R.(2011)."AnoteonTOPSISmethodforfuzzymultiattributedecisionmaking".*JournalofComputationalInformationSystems*,7(2),357-361.

[23]Chen,Y.J.,Cheng,H.J.,&Lin,Y.H.(2011)."TheTOPSISmethodfordeterminingtherelativepreferenceorderamongalternativeschemesforhydropowerdevelopment".*ExpertSystemswithApplications*,38(4),4164-4172.

[24]Yager,R.R.(1988)."Onthetheoryofhesitantfuzzysets".*FuzzySetsandSystems*,24(1),93-102.

[25]Peng,K.,Yang,J.J.,&Xu,Z.(2012)."Evaluatingalternativewaterresourcesdevelopmentprojectsbasedonmulti-criteriadecision-makingmethods".*StochasticEnvironmentalResearchandRiskAssessment*,26(6),835-849.

[26]Steuer,R.E.(1986).*MultipleCriteriaDecisionMaking:Theory,Methods,andApplications*.McGraw-Hill.

[27]Hwang,C.L.,&Yoon,K.(1981).*MultipleAttributeDecisionMaking*.Springer.

[28]Roy,B.(1999).*MulticriteriaDecisionMethods:FromCharacterizationtoApplication*.Dordrecht:KluwerAcademicPublishers.

[29]Zhong,X.,Zhu,H.,&Liu,P.(2019)."Anovelapproachformulti-criteriadecisionmakingunderuncertntybasedon犹豫模糊集和区间数".*ComputationalIntelligence*,35(3),745-766.

[30]Zavadskas,E.K.,&Turskis,Z.(2006)."Theevolutionofrobustmulticriteriarankingmethods".*EconomicandSocialInformatics*,2(1),4.

[31]Tzeng,G.H.,Cheng,H.J.,&Huang,T.D.(2007)."Multi-objectiveoptimaldecision-makingbasedonTOPSIS".*IEEETransactionsonEvolutionaryComputation*,11(1),10-18.

[32]Yoon,K.(1985)."AcomparisonofsubjectivecriteriaandobjectivecriteriaasameansofweightingalternativesintheAnalyticHierarchyProcess".*ManagementScience*,31(6),749-760.

[33]Sto,K.(2008)."Anewapproachtofuzzymulti-criteriadecisionmaking".*FuzzySetsandSystems*,159(10),1330-1347.

[34]Merigó,J.M.,&Muda,A.(2015)."Anewhybridapproachforrankingalternativeprojectsbasedonfuzzymulti-objectivedecisionmakingmethods".*ComputationalIntelligence*,31(4),698-722.

[35]Chen,Y.J.,Cheng,H.J.,&Lin,Y.H.(2011)."TheTOPSISmethodfordeterminingtherelativepreferenceorderamongalternativeschemesforhydropowerdevelopment".*ExpertSystemswithApplications*,38(4),4164-4172.

[36]Xu,Z.(2011)."ExtensionofTOPSISmethodforgroupdecision-makingwithincompleteinformation".*JournalofComputationalInformationSystems*,7(9),3469-3477.

[37]Merigó,J.M.,&Billon,Y.(2013)."Anewapproachforrankingprojectsbasedonthecompromisesolutionmethod".*ComputationalIntelligence*,29(2),249-266.

[38]Xu,Z.,&Yager,R.R.(2014)."Anovelapproachtomulti-criteriadecisionmakingwithlinguisticinformation".*Knowledge-BasedSystems*,71,104-113.

[39]Tzeng,G.H.,Cheng,H.J.,&Huang,T.D.(2007)."Multi-objectiveoptimaldecision-makingbasedonTOPSIS".*IEEETransactionsonEvolutionaryComputation*,11(1),10-18.

[40]Yoon,K.(1985)."AcomparisonofsubjectivecriteriaandobjectivecriteriaasameansofweightingalternativesintheAnalyticHierarchyProcess".*ManagementScience*,31(6),749-760.

八.致谢

本论文的完成离不开众多师长、同学、朋友及家人的支持与帮助，在此谨致以最诚挚的谢意。首先，我要衷心感谢我的导师XXX教授。在论文的选题、研究框架设计、数据分析及最终定稿的整个过程中，XXX教授都给予了悉心指导和宝贵建议。他严谨的治学态度、深厚的学术造诣以及宽厚的人格魅力，不仅使我掌握了施工项目选择领域的核心知识，更使我学会了如何进行独立的学术研究。每当我遇到困难时，XXX教授总能耐心倾听，并提出富有建设性的意见，他的教诲将使我受益终身。

感谢土木工程学院的各位老师，他们系统性的课程教学为我打下了坚实的专业基础。特别感谢参与论文评审和答辩的各位专家，他们提出的宝贵意见使本论文得到了进一步完善。同时，感谢学院提供的良好科研环境，为我的研究工作提供了有力保障。

感谢参与本研究的各位专家和工程实践者。在指标体系设计和案例验证阶段，他们的实践经验为本研究提供了真实的数据支持和实践背景。他们的专业见解和经验分享，使我能够更准确地把握施工项目选择的关键要素，并使研究成果更具实用价值。

感谢我的同门师兄弟姐妹，在研究过程中，我们相互学习、相互帮助，共同克服了研究中的困难。与他们的交流讨论，开阔了我的思路，激发了我的研究灵感。特别感谢XXX同学在数据收集和模型测试方面给予的帮助，以及XXX同学在文献检索和资料整理方面提供的支持。

感谢我的家人，他们是我最坚强的后盾。在我专注于研究的日子里，他们给予了我无条件的理解和支持，他们的关爱和鼓励是我克服困难、完成学业的动力源泉。

最后，感谢所有为本论文付出过努力的人们。本研究的完成是我学术生涯中的一次重要经历，虽然其中仍存在不足之处，但我会继续努力，不断学习和进步。再次向所有给予我帮助的人们表示最衷心的感谢！

九.附录

附录A：地铁项目施工方案原始数据表

|指标|方案A（传统盾构）|方案B（智能盾构）|方案C（分段明挖）|

|----------------------|-------------------|-------------------|-------------------|

|技术性能指标||||

|施工工艺复杂度|0.65|0.40|0.80|

|设备配套水平|0.70|0.85|0.55|

|质量保证能力|0.75|0.80|0.60|

|技术创新性|0.60|0.90|0.50|

|经济效益指标||||

|单位造价|0.85|0.60|0.70|

|工期缩短效益|0.70|0.80|0.50|

|维护成本|0.75|0.65|0.55|

|运营节省|0.65|0.85|0.60|

|风险水平指标||||

|安全风险系数|0.65|0.45|0.35|

|技术失败概率|0.60|0.40|0.50|

|政策变动敏感度|0.70|0.60|0.80|

|不可预见成本占比|0.55|0.50|0.65|

|社会影响指标||||

|交通中断时长|0.50|0.65|0.30|

|居民投诉率|0.60|0.75|0.45|

|就业岗位数量|0.70|0.60