建筑活动是造成生态环境污染的重要因素之一。目前全球众多发展中国家正处于城市化和基础设施高速发展阶段,正在或计划建设大量的房屋建筑和基础设施。然而,全球范围的生态环境污染问题越发突出,如何在保证满足建筑需求的同时优化其环境表现,是目前急需解决的问题。在建筑产品生产和使用的全生命周期过程中,建筑施工是集中产生环境污染的重要阶段。在施工过程中优化决策的环境表现,保证环境友好型的建筑施工过程,是实现建筑业绿色发展的重要途径。为此,本文构建了建筑施工环境影响计量、优化和决策方法,旨在为环境友好型的施工提供全面而系统的决策支持。建筑施工活动的复杂性体现在施工工序的相互交织、相互影响,以及众多不确定性因素对施工表现产生的影响上,静态的环境影响评估方法难以处理以上环境表现特征。受到过程仿真技术的启发,本文将离散事件仿真与过程生命周期评价进行了系统地耦合(DES-p LCA),用于建立能够充分反映施工过程环境影响特点的仿真计量方法。构建的基于施工过程仿真的环境影响计量方法同时拥有过程仿真技术和生命周期评价的技术优势,一方面以离散事件仿真技术体现复杂工序和不确定性因素对施工环境表现的影响,另一方面以生命周期评价保证施工环境影响评价的完整性和准确性。施工项目的决策需要综合考虑多个维度的项目目标,合理的施工环境优化决策需要同时保证环境目标和项目其他重要目标的表现。本文以多目标优化的数学问题来抽象施工过程环境优化问题,将“成本-进度-环境”作为施工环境优化的综合目标,寻求多目标最优或不同目标权衡取舍。基于仿真的优化框架是目前针对复杂系统优化最具潜力的方法,但其运算过程低效,难以为施工现场提供及时的优化反馈。受到目前蓬勃发展的机器学习技术的启发,本文将机器学习模型嵌入“仿真-优化”框架,建立了改进的“仿真-学习-优化”模型框架。改进模型在保证优化质量的前提下,提高优化框架的运算效率,提供高质量且高效的施工决策优化支持。施工项目不确定性因素概率分布的不确定使其处于深度不确定性的决策环境。传统的蒙特卡洛和敏感度分析等决策分析方法需基于概率分布进行不确定性分析,无法客观地反映概率分布不确定性对决策的影响,无法完全适用于施工的决策环境。本文以深度不确定性理论作为施工决策不确定性分析的理论基础,综合利用鲁棒决策、拉丁超立方抽样、耐心规则归纳法的理论和方法,构建了施工决策的深度不确定性决策分析模型。本模型不仅能定量地比较不同施工方案的鲁棒性,还能利用数据挖掘技术识别出使鲁棒方案发生不可接受表现的脆弱性情景。这些信息将是深度不确定性背景下进行环境友好型施工决策的有效依据。以上四点涉及的理论成果是本文主要的创新点。最后,基于理论模型搭建了DES-p LCA、“仿真-学习-优化”、深度不确定性决策分析实现系统,并应用于一个实际施工案例,分析了理论模型受参数设置的影响,获取了理论模型的最优参数设置,证实了理论模型的有效性和适用性。本文在环境友好型施工的研究路径上,提出了符合施工过程环境污染产生特征和决策特点的环境影响仿真计量、多目标优化、深度不确定性决策方法。创建的基于仿真技术的环境不确定性计量方法是环境影响核算理论的发展;“仿真-学习-优化”模型是对经典“仿真-优化”框架进一步的拓展;深度不确定性决策分析模型促进了施工领域不确定性分析理论的发展。本研究成果是实践环境友好型施工的系统性方法。