基于综合相似度的地铁施工风险应急推理研究

梅江钟， 马玉洁

(1. 西安建筑科技大学管理学院， 陕西 西安 710055； 2. 长庆油田第十一采油厂， 陕西 西安 710055)

基于综合相似度的地铁施工风险应急推理研究

梅江钟1， 马玉洁2

(1. 西安建筑科技大学管理学院， 陕西 西安 710055； 2. 长庆油田第十一采油厂， 陕西 西安 710055)

针对地铁项目施工环境复杂、不可预见因素多、施工事故频发、难以对其进行快速有效的应急决策与救援的问题，首先，搜集以往地铁施工应急案例，分析地铁施工风险因素，运用Protégé软件建立知识本体模型；然后，计算本体库中源案例与目标案例的综合相似度，从案例库中匹配出综合相似度最大的源案例，通过对比本体库中与目标案例相似度最高源案例的关键属性，运用规则推理对相似案例的应急措施进行适用性修改，从而提高应急措施的针对性，为快速有效地应对地铁施工事故进行应急决策提供新的方法；最后，以某地铁项目施工为例，验证了该相似度算法的合理性。

地铁施工风险； 应急决策； 知识本体； 综合相似度； 措施推理

Abstract: The construction environment of metro project is complex; the unforeseeable factors are many; the construction accidents are frequent, and it is difficult to carry out quick and effective emergency decision-making and rescue. Firstly, the emergency cases of metro construction are collected; the risk factors are analyzed; and the knowledge ontology model is established by software Protégé. And then the comprehensive similarity between the source case and the target case in the ontology library is calculated; the source case with maximum similarity degree is selected, the key properties of source case in ontology library and target case are compared; and the adaptability of emergency method of similar cases are modified by rule reasoning to improve the pertinence of the emergency method and provide a new method for emergency decision-making and rescue of metro accidents. Finally, the rationality of the comprehensive similarity algorithm is verified by a case stady.

Keywords: metro construction risk; emergency decision; knowledge ontology; comprehensive similarity; measure reasoning

0 引言

由于地铁工程建设难度大，施工风险高，有的施工人员技术不熟练，缺乏大量的工程建设经验，地铁工程施工安全事故时有发生。如何快速应对地铁施工安全事故，采取有效的应急措施，已经成为许多学者的研究热点。胡群芳等[1]通过收集2003—2011年我国地铁隧道施工事故数据，为风险管理实施提供了基础资料，并为我国地铁建设事故防范提供了参考；丁烈云等[2]将信息技术用于地铁工程施工安全风险控制，便于及时有效地控制风险；何德福[3]通过问卷调查的方式，对调查结果量化处理后进行数据拟合，得出风险评价函数，从而进行风险控制与安全事故的应对；于丹丹等[4]分析了地铁隧道施工对邻近建筑物的影响因素及建筑物本身抵抗变形的因素，并对地铁施工引起的环境建筑物的风险进行评价；张姣等[5]对地铁隧道施工风险事件进行了定量分析；徐凌等[6]在对比分析地铁车站附属工程各类施工方法优缺点的基础上，系统地研究了仰挖施工的技术及管理措施，并分析了仰挖施工的工程进度与地表沉降规律。以上文献对地铁施工事故应对方法进行了详细研究，但未能借鉴以往类似事故应急处理的宝贵经验，从而导致安全事故的处理效率不高，制定的应急措施缺乏针对性。

鉴于知识推理技术凭借其独特的优点已经在故障诊断[7]、在线调度[8]和机器人学习[9]等领域得到成功应用，本文主要将知识推理技术引入到地铁施工领域，从而为快速形成应对地铁施工风险的应急预案提供参考。将知识本体和规则推理相融合，通过文献查阅等方式搜集地铁施工风险应急案例，建立知识本体模型，计算综合相似度，进行案例推理匹配，找出相似度最高的案例，参考相似案例关键属性的应急措施，根据实际情况对现有施工事故进行管理控制，从而为地铁施工事故的应急决策提供新思路。

1 基于知识本体的地铁施工风险应急案例知识分析与表示

1.1地铁工程施工风险因素分析

地铁工程施工风险因素有多种分析方法，本文用故障树分析方法，将地铁项目施工风险因素分为外部风险和内部风险2大类，具体因素分析如图1所示。

图1 地铁工程施工风险因素

1.2地铁工程施工风险应急案例知识获取与表示

地铁工程施工风险管理的重要内容是将工程进行分解，在某分解模块下判断出可能出现的所有风险事件及其危害性大小[10]。由于地铁项目施工过程中所涉及的风险种类很多，为了完整地描述地铁施工风险发生的过程，本文将地铁工程施工风险应急案例知识划分为5大类： 施工工艺、风险事件、风险因素、风险后果以及承险体。

2 应急案例知识本体的构建与措施推理

2.1地铁施工风险应急案例知识本体的构建

在大数据的背景下，利用网络爬虫、文献查阅等方式，对2003—2011年我国地铁隧道施工事故数据[1]以及住建部近年来(2014—2016年)通报的地铁施工事故，收集相关施工风险知识，然后按照划分的5大类进行分解。每一类又可以分为一级、二级等概念类，不同类所属的概念类之间存在一定关系，包括部分关系、所属关系、实例关系和属性关系等[11]。实际案例中，地铁施工风险事件往往是多种因素复合而成，例如“地下水流失”与“周边建筑物的沉降”可能存在某种关联关系，风险后果更是一个复合的指标，一个风险事件导致的风险后果绝不仅仅是“工期延误”这一单一后果，往往伴随“环境风险” “工程失稳” “周边建筑物的沉降”等其他后果。为了简化计算，本文将事故中的客观指标(如“工期延误(时间)”和“地下水流失(速率)”等)作为案例匹配的计算依据；其余指标(如“地表局部沉降”和“周边建筑物的沉降”等)存储于规则库中，作为Jess推理机推理时的规则，从而提高推理后的措施针对性。运用本体软件Protégé，对收集到的部分施工风险应急案例知识建立知识本体层次结构，如图2所示。

图2地铁施工风险案例部分知识本体层次结构图

Fig. 2 Partial knowledge ontology hierarchical structure of risk case of metro construction

2.2地铁工程施工风险应急措施推理

2.2.1 地铁工程施工风险应急措施推理流程

推理的基本流程为： 当有新的地铁施工风险事件(目标案例)发生时，提取该案例的相关属性，通过计算综合相似度，在本体库中检索出相似度最高的源案例，借鉴源案例的管理控制经验来解决目标案例的风险问题。如果检索后的案例不适用于目标案例，则根据实际情况进行修改和调整，得出解决方案，并将目标案例作为新的案例保存在本体库中，以便后期案例的检索。地铁工程施工风险案例推理流程如图3所示。

图3 地铁工程施工风险案例推理基本流程

2.2.2 地铁项目施工风险应急措施推理步骤

2.2.2.1 确定各属性的权重

用熵值法确定各属性的权重，其步骤如下：

1)对数据进行标准化处理，

(1)

2)计算第i个案例的第j个属性值所占的比例，

(2)

3)计算各属性的信息熵，

(3)

4)计算信息熵冗余度dj=1-ej。

(4)

(5)

式(1)—(5)中：Xij为第i个案例的第j个属性的值； max{Xj}和min{Xj}分别为所有案例中第j个属性的最大值和最小值；k=1/lnm(其中m为案例的个数)；n为属性个数。

2.2.2.2 应急案例的相似度匹配

假设地铁施工风险应急案例知识本体库中的风险应急源案例有M个，每个案例有5个属性(“施工工艺”“风险事件”“风险因素”“风险后果”和“承险体”)。目标案例与源案例中相应的风险知识表示在知识本体层次结构图中所对应的节点分别记为A和B。计算出A和B的相似度之后，结合前文中计算出的各属性权重，可以算出目标案例与本体库中某个源案例之间的相似度ρ；同理，计算出目标案例与本体库中其他M-1个案例的相似度，最终选择匹配后相似度最大的源案例，作为目标案例的应急决策参考案例。

2.2.2.3 应急预案的措施推理

通过熵值法得出各属性的权重后，进行大小排序，并以权重最大的属性作为“关键属性”。通常情况下，由于“关键属性”是导致事故发生的主要因素，所以在案例相似度匹配后，还需对相似度最高案例中的“关键属性”进行相似度判断。在相似案例匹配后，应选定θ作为关键属性的阈值(阈值θ可以根据以往类似事故的数据统计进行相关性分析得出)。

1)如果目标案例与相似度最高案例之间的关键属性大于θ，直接参考该案例中的应急措施。

2)若目标案例与相似度最高的源案例之间的关键属性小于θ，说明关键属性不相似，则需启用Jess推理机进行规则推理，得出控制措施。

在启用Jess推理机进行规则推理时，规则以if-then的形式出现，if为前提或条件，then为操作与结论。将目标案例的关键属性作为前提条件，若前提条件在逻辑上正确，则其操作方可执行；反之，其操作将被忽略，然后进行下一规则的判断。推理过程将一直持续到规则的前提或条件与求解状况相匹配或规则库中的规则用尽为止。

3 地铁施工风险应急案例综合相似度的计算

基于本体的案例之间相似度计算方法有很多，本文将综合源案例与目标案例之间的概念语义相似度和特征属性相似度2种方法进行案例匹配。为了使研究表述更加严谨，做出以下定义。

1)定义1。地铁工程施工风险应急案例知识本体领域中，各节点的概念元素之间不是单独存在，而是与其上一层次的概念元素之间存在父子关系，各个节点具有继承和遗传特性(如图2中的“涌水突泥”是“地下水流失”和“管线破裂”的父节点，即“地下水流失”和“管线破裂”均可能导致“涌水突泥”；“涌水突泥”同时又是“风险事件”的子节点，即涌水突泥属于风险事件中的一种)。

2)定义2。地铁施工风险应急案例知识本体领域中，顶层为第1层(如图2中的“地铁工程施工风险案例知识本体”为第1层)。

3)定义3。地铁施工风险应急案例知识本体领域中，各节点同时具有概念语义和特征属性(如某地铁施工风险的“风险后果”的节点为“工期延误15 d”，概念语义为“工期延误”，特征属性为“15 d”)。

3.1概念语义相似度的计算

概念语义相似度在不同的领域有不同的含义。一般指2个概念之间的相似程度，当2个概念完全重合的时候取值为1，反之为0。常用的计算方法是通过案例知识本体结构(以下简称本体树)中的概念语义层次、概念语义距离或概念语义重合度来计算。由于概念语义对案例匹配的影响较多，本文将综合考虑概念语义距离、概念语义层次和概念语义重合度对概念语义相似度的影响。

3.1.1 概念语义距离相似度

假设将本体树中任意2个节点分别记为A和B。用Sim1(A，B)表示节点A和B之间的概念语义距离相似程度。对概念语义相似度的计算，本文采用经典概念语义距离公式[12]

(6)

其中N表示节点A、B的最近祖先与本体根节点间的距离。两者间的语义距离Dist(A,B)的关系如下：

1)如果A和B是同一个节点，则Dist(A,B)=0；

2)如果A和B之间没有共同祖先(A和B中至少有一个不在本体库中)，则Dist(A,B)=∞；

3)否则，Dist(A,B)是从A到B或从B到A所经过的所有边(如图2所示知识本体层次结构中，节点与节点之间相连的线段)的总数。

3.1.2 概念语义层次相似度

(7)

3.1.3 概念语义重合度

假设在本体树中任意2个节点分别记为A和B。N(A)是从A出发，向上直接到根节点R所经过的节点集合； 同理，N(B)是从B出发，向上直接到根节点R所经过的节点集合；N(A)∩N(B)表示从A和B出发，向上直接到R的过程中相同节点的个数；N(A)∪N(B)表示从A和B出发，向上直接到R的过程中全部节点的个数。用Sim3(A，B)表示概念A和B之间的语义重合度。

(8)

考虑到以上3种影响语义结构相似度的因素，本文提出如式(9)所示的源案例与目标案例的风险知识的概念语义相似度计算方法。

Sim*(A,B)=α×Sim1(A,B)+β×Sim2(A,B)+

γ×Sim3(A,B)。

(9)

式中α、β、γ均为调节因子，且α+β+γ=1。

一般情况下，概念语义距离相似度对概念语义相似度的影响较大。不同领域可根据案例训练方法得到[14]。

3.2特征属性相似度的计算

在实际工程中所遇到的风险知识，仅由语义结构相似度来衡量2个案例的相似程度是有失偏颇的。例如某源案例中风险后果为“A工期延误15 d”，目标案例中的风险后果为“B工期延误7 d”。若仅按照式(9)进行相似度匹配，则Sim(A,B)=1，显然两者有时间差，2个案例之间的相似度应当小于1。因此，还应综合考虑2个案例之间特征属性的相似度。特征属性分为符号属性，确定数值属性和模糊数属性。

3.2.1 符号属性

符号属性是用地铁工程施工风险的各个属性的标准说法来表示的属性值。若本体库中的某一源案例与目标案例中的风险知识表示在本体树中所对应的属性相同，则视为同等表示取1；反之则为属于不同表示取0。相似度计算如下：

(10)

3.2.2 确定数值属性

设本体库中源案例的某一数值型属性f的值为A，目标案例对应的属性的值为B。当A和B的值为一个确定的数值时，采用海明距离反函数的方法进行具体数值属性之间相似度Sim′(A,B)的计算，数值属性的相似度

(11)

式中Amax，j和Amin，j分别表示案例库中第j个属性f的最大值和最小值。

3.2.3 模糊数属性

三角形函数是计算模糊数相似度最常用的一种方法，因此本文采用三角形函数来计算模糊数相似度。f是目标案例和源案例中所对应的第j个属性，min(f)和max(f)分别表示该值域的下限和上限。

(12)

式中：v为属性f的模糊值；z为源案例库中该属性的真实值。

3.3案例综合相似度计算

通过上述分析之后，综合考虑应急源案例与目标案例中对应概念语义相似度和特征属性相似度的同等重要性，提出如下公式进行2个案例间对应属性的综合相似度计算。

由于用概念语义相似度和特征属性相似度2种方式计算出的属性相似度同等重要，进行均值处理，得到各个属性之间的相似度

(13)

应急源案例与目标案例之间的综合相似度

ρ= Sim(A，B)×ω=[Sim(A，B)1,Sim(A，B)2,…,

Sim(A，B)n]×[ω1,ω2，…,ωn]T。

(14)

4 实例分析

某地铁工程采用矿山法施工，内容包括隧道工程和场站工程等。在该工程某区间2号联络通道施工过程中，突然发现大量涌水涌泥，2 min内涌水涌泥近70 m3，地表出现局部沉降并引起周边建筑物变形。经过现场指挥部连夜排查，专家认为主要原因是前期勘察不当所致。事发现场是2条隧道的交界处，地质情况比较复杂，施工导致管线破裂，引起涌水涌泥，预计工期延误10 d。现需要参考案例库中以往地铁施工风险应急管理案例的控制措施对该目标案例风险进行应急决策。

本文参数的设置： 建筑工程领域，计算概念语义相似度时，往往概念语义距离对概念相似度的影响较大；相似案例关键属性的相似度越高，关键属性越相似[15]。通过对2015—2016年发生的28起地铁施工事故(住建部通报的地铁施工事故)统计与相关性分析，设定调节因子α=0.5，β=0.3，γ=0.2；阈值θ=0.90。

4.1案例解析

根据以上地铁项目施工风险案例基本信息，结合前文中的知识本体结构层次划分，选取重要特征概念用作分析可知，该风险案例的施工工艺、风险事件、风险因素、风险后果、承险体分别为矿山法、管线破裂(35 m3/min)、勘察不当、工期延误(10 d)、隧道结构。假设知识本体库中现有地铁项目施工风险案例为5个(本体库中源案例越多案例检索效果越佳，为了说明问题，本文假设只有5个源案例)。施工风险案例的语义属性和特征属性如表1—2所示。

表1 目标案例与源案例的语义属性

表2 目标案例与源案例的特征属性

4.2属性权重(ω)的确定

通过表2中的数据，由熵权法计算公式(1)—(4)，得：ω=[0.187,0.235,0.187,0.203,0.187]，由于“风险事件”在5类属性中所占权重最大，即为案例匹配的关键属性。

4.3最相似案例的确定

以目标案例和源案例1为例，通过表1中的概念语义属性结合图2中的知识本体层次结构图和概念语义相似度计算公式(6)—(9)可得，目标案例和源案例1中概念语义属性的相似度为Sim*(A,B)=[1，0.49，0.51，1，0.69]；通过表2中的特征属性结合相似度计算公式(10)—(12)可得，目标案例和源案例1对应的特征属性相似度Sim′(A,B)=[1，0，0，0.79，0]；由式(13)—(14)可知，风险案例1与目标案例之间的相似度ρ=Sim(Ai,Bi)×ω=[(1+1)/2，(0.49+0)/2，(0.51+0)/2，(1+0.79)/2，(0.69+0)/2]×[0.187,0.235,0.187,0.203,0.187]T=0.54。同理，计算出地铁项目施工风险案例库中其他4个案例与该目标案例之间的相似度，如表3所示。

通过计算目标案例与5个源案例之间的概念语义和特征属性相似度可知，源案例4与目标案例的综合相似度最大，为0.80，即目标案例与案例库中的源案例进行匹配后，源案例4与目标案例最相似。

表3 源案例与目标案例相似度

4.4应急预案的措施推理

通过案例匹配后，案例库中的源案例4综合相似度与目标案例最大，根据权重计算可知，“风险事件”为关键属性。由表3中数据可知，源案例4中的关键属性的相似度Sim(A,B)=(1+0.71)/2=0.86，但仍小于0.90。所以需要启用Jess推理机进行规则推理对源案例4中的应急方案进行修改，将“涌水涌泥速率(gushing water flow rate)≤35 m3/min”作为前提条件，将“地表局部沉降”“周边建筑物变形”作为规则进行推理。

1)规则1： if“涌水涌泥速率≤35 m3/min”and“地表局部沉降”，then“清理淤泥，并采用挤密注浆，以调整不均匀沉降并在隧道施工时对临近土进行加固以及封堵与修补”。

2)规则2： if“涌水涌泥速率≤35 m3/min”and“周边建筑物变形”，then“及时施作喷混凝土+钢架，初次注浆加固完毕后，对地基进行二次补浆加固”。

最终参考案例4中“风险事件”的应急措施并进行推理，形成应急预案： output={清理淤泥，并采用挤密注浆，以调整不均匀沉降并在隧道施工时对临近土进行加固以及封堵与修补；及时施作喷混凝土+钢架，初次注浆加固完毕后，对地铁施工风险应急措施推理研究进行二次补浆加固}。

4.5措施分析

通过综合相似度的匹配，从案例中检索出2个源案例与目标案例最接近，在考虑关键属性对地铁施工事故的主要影响后，最终锁定源案例4，但源案例4的关键属性与目标案例的相似度仍低于经验阈值(0.90)，所以需启用规则推理对源案例4以往的应急方案进行适当修改，最终形成适合目标案例的应急预案。经专家确认后，使用该应急预案，对目标案例的施工事故进行处理，使方案更具针对性。该措施的快速实施对防止地铁施工事故的蔓延起到了决定作用。

5 结论与讨论

1)通过对以往地铁施工事故应急案例进行形式化表示，建立知识本体层次结构模型，提出了基于知识本体的概念语义和特征属性的综合相似度算法，克服了案例匹配效率低下的问题。在措施推理时，对比目标案例与源案例之间的关键属性相似度，若关键属性相似度未超过设定的阈值，则需要对相似案例的关键属性进行措施推理，从而提高地铁施工安全事故的处理效率。

2)本文提出的基于综合相似度的地铁施工应急措施推理模型，可提高地铁施工风险事故应急管理的智能化水平，为快速应对地铁施工事故进行应急决策提供了一种方法。

3)由于计算机相关知识的缺乏，未能实现全自动化推理的过程。借鉴现有的Protégé知识本体软件以及Jess推理机等，目前仅能实现半自动化的地铁施工风险应急措施推理，尚不能实现全自动与可视化的应急措施推理与决策，希望通过此文，能为学界提供一种思路。

[1] 胡群芳, 秦家宝. 2003—2011年地铁隧道施工事故统计分析[J]. 地下空间与工程学报, 2013(3): 705. HU Qunfang，QIN Jiabao. Statistical analysis of accidents of subway tunnel construction from 2003 to 2011 in China[J]. Chinese Journal of Underground Space and Engineering, 2013(3): 705.

[2] 丁烈云, 周诚. 复杂环境下地铁施工安全风险自动识别与预警研究[J]. 中国工程科学, 2012, 14(12): 85. DING Lieyun, ZHOU Cheng. Automatic risk identification and safety early-warning of underground construction under complex conditions[J]. Engineering Sciences, 2012, 14(12): 85.

[3] 何德福. 明挖地铁车站施工期风险评估研究[J]. 土木建筑与环境工程, 2014, 36(增刊1): 53. HE Defu. Risk assessment in open-cut subway station construction[J]. Journal of Civil, Architectural & Environmental Engineering, 2014, 36(S1): 53.

[4] 于丹丹, 双晴. 地铁隧道施工邻近建筑物安全风险评价[J]. 城市轨道交通研究, 2013(4): 32. YU Dandan, SHUANG Qing. Safety risk evaluation of adjacent buildings during metro tunneling construction[J].Urban Mass Transit, 2013(4): 32.

[5] 张姣, 贾敏才, 张建. 地铁隧道盾构法施工全过程风险分析[J]. 公路工程, 2013, 38(3): 38. ZHANG Jiao， JIA Mincai， ZHANG Jian. Analysis of risks in overall process during the construction period of metro shield tunnel construction[J]. Highway Engineering, 2013, 38(3): 38.

[6] 徐凌, 罗富荣. 地铁车站附属工程仰挖施工风险及控制措施研究[J]. 隧道建设, 2016, 36(3): 320. XU Ling, LUO Furong. Study of risk management and control technologies for down-top excavation of ancillary works of metro station[J]. Tunnel Construction, 2016, 36(3): 320.

[7] 董磊, 任章, 李清东. 基于模型和案例推理的混合故障诊断方法[J]. 系统工程与电子技术, 2012, 34(11): 2339. DONG Lei, REN Zhang, LI Qingdong. Hybrid method for fault diagnosis based on model and case-based reasoning[J]. Systems Engineering and Electronics, 2012, 34(11): 2339.

[8] 黄春雷, 王峰, 王建军. 基于知识推理的水电智能化在线调度技术[J]. 电力系统自动化, 2010, 34(21): 50. HUANG Chunlei, WANG Feng, WANG Jianjun. Intelligent online hydropower dispatching based on knowledge reasoning[J]. Automation of Electric Power Systems, 2010, 34(21): 50.

[9] 刘强, 马家辰, 谢玮,等. 混合粒子群优化算法和案例推理方法的多机器人学习(英文)[J]. 电子科技大学学报, 2014, 43(1): 137. LIU Qiang, MA Jiachen, XIE Wei, et al. Multi-robot learning using PSO combined with CBR algorithm[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(1): 137.

[10] 王烨晟, 张文成, 陈文华. 轨道交通风险评估WBS工程结构分解准则研究[J]. 现代隧道技术, 2013, 50(3): 40. WANG Yesheng, ZHANG Wencheng, CHEN Wenhua. Study of the WBS criteria for rail transit risk assessment[J]. Modern Tunnelling Technology, 2013, 50(3): 40.

[11] 闫文周, 刘振超. 基于本体的EPC总承包项目风险控制研究[J]. 施工技术, 2016, 45(6): 118. YAN Wenzhou, LIU Zhenchao. Research on risk control of EPC project based on ontology[J]. Construction Technology, 2016, 45(6): 118.

[12] PALMER M S, WU Zhibao. Verb semantics for English-Chinese translation[J]. Machine Translation, 1995, 10(1/2): 59.

[13] 贺元香, 史宝明, 张永. 基于本体的语义相似度算法研究[J]. 计算机应用与软件, 2013, 30(11): 312. HE Yuanxiang, SHI Baoming, ZHANG Yong. Research on ontology-based semantic similarity algorithm[J]. Computer Applications and Software, 2013, 30(11): 312.

[14] 赵永金, 郑洪源, 丁秋林. 一种基于本体的语义相似度算法研究[J]. 计算机应用, 2009, 29(11): 3074. ZHAO Yongjin, ZHENG Hongyuan, DING Qiulin. Study of semantic similarity algorithm based on ontology[J]. Journal of Computer Applications, 2009, 29(11): 3074.

[15] 闫文周, 李超洋. 建筑安全事故应急措施推理研究[J]. 中国安全生产科学技术, 2016, 12(11): 136. YAN Wenzhou, LI Chaoyang. Research on reasoning of emergency measures for construction safety accident[J]. Journal of Safety Science and Technology, 2016, 12(11): 136.

StudyofRiskReasoningofMetroConstructionEmergencyResponseBasedonComprehensiveSimilarity

MEI Jiangzhong1, MA Yujie2

(1.SchoolofManagement,Xi′anUniversityofArchitecture&Technology,Xi′an710055,Shaanxi,China; 2.ChangqingOilfieldEleventhOilProductionPlant,Xi′an710055,Shaanxi,China)

U 455

A

1672-741X(2017)09-1126-08

2016-12-30;

2017-03-30

陕西省教育厅科研计划项目(14JZ023)

梅江钟(1990—)，男，四川达州人，西安建筑科技大学工业工程专业在读硕士，研究方向为工程项目管理、隧道施工风险、装配式建筑施工能耗。E-mail： mjz272595431@163.com。

10.3973/j.issn.1672-741X.2017.09.010