我国正在经历城市化的过程，基础设施建设和公共服务需求大增，为了能够提高投资和管理效率，PPP模式在我国大范围内推广开来。但是我国PPP项目存在着决策效率低、流程不完善、项目评价过程主观性大等问题，这对PPP项目的落地、运营效益、使用价值会产生较大的影响。所以，PPP项目的科学决策具有重大的意义。为了提高决策的准确性、客观性和科学性，本文从财政部定义的PPP项目识别阶段的角度出发，利用人工智能技术对PPP项目决策历史数据进行学习并从中提取复杂的决策模式，从而进行科学有效地决策。
　　本文的研究重点是提出项目是否采用 PPP 模式的智能决策方法和优化现阶段 PPP项目决策流程，据此，本文围绕集成学习技术，开展PPP项目识别阶段智能决策方法研究。
　　首先，本文对国内外PPP项目决策方法和决策流程进行了文献综述，发现现有关于PPP项目决策方法的研究主要是成本效益方法的改进、物有所值评价和多目标决策方法，过于传统，未能充分利用数据优势。而关于 PPP 项目决策流程的研究认为 PPP 决策流程可操作性差、主观性较强，不利于当前对PPP项目采购进行科学决策。而人工智能技术在疾病诊断、交通预测、建筑能耗预测、模式识别等方面得到了成功的应用，它能够从大量的历史数据中进行聚类和学习进而找到某些规律。因此，本文将集成学习方法扩充为PPP项目决策的新方法并将其融入到PPP项目决策优化决策流程。
　　其次，论文阐述了政府投资、PPP项目决策以及集成学习等理论，在已有理论的基础上，重点分析了利用人工智能方法改进PPP决策问题的实质，即可以理解为针对政府PPP项目的决策需求，利用历史数据构建项目数据库，构建基于集成学习的识别阶段PPP项目政府决策模型，通过历史项目数据发现决策规律，从而对项目是否采用PPP模式做出判断，为PPP项目的科学决策提供有力的数据和技术支持的过程。
　　第三，通过相关文献和政策文件分别分析了传统政府投资项目和PPP项目前期决策体系存在的问题，然后整合传统政府投资项目前期决策和 PPP 项目决策两者合理的地方，提出将传统政府项目决策的可行性研究当作一个模块融入到PPP项目决策中，梳理出PPP项目决策的“可行性研究模块”、“物有所值评价模块”以及“财政承受能力评价模块”，然后基于三个模块构建PPP项目识别阶段决策指标体系，并分析指标之间的关系。
　　第四，从 PPP 项目决策指标变量和财政部 PPP 项目管理库数据出发，将历史 PPP项目是否为示范项目标签作为是否推荐项目采用PPP模式标签，并分别基于随机森林、XGBoost 以及 Stacking 构了三种不同类型的集成学习模型，通过对这三个模型的准确率、精准率、特异性、F1、AUC等多个指标进行对比和分析，发现Stacking模型在PPP项目决策研究问题种表现出更好的预测能力。PPP 项目决策子模块的决策方法也相似， 都可以转化为Stacking融合算法的机器学习问题，通过Stacking算法构建了PPP项目决策子模块决策模型。
　　最后，针对PPP项目识别阶段政府决策的实际应用需要，基于本文所提的集成学习决策方法，从项目层面和政府层面两个角度设计了基于集成学习的PPP项目识别阶段政府决策系统，将决策模型融入到了PPP项目前期决策中，设计了从政府到项目的人工智能决策流程，并通过具体的项目展示决策系统的使用效果，从另一层面验证了本文研究成果的实用性和有效。
　　本研究的创新之处体现在，其一，提出基于集成学习算法的PPP项目决策框架，将集成学习和PPP项目识别阶段决策问题相结合，创新地将人工智能方法引入到项目决策领域；其二，提出基于Stacking融合算法的PPP项目决策模型，将学习能力较强的算法进行融合，进一步提升模型的决策效果；其三，提出基于人工智能算法的PPP项目决策优化流程，在现有的决策流程中融合人工智能模型，解决以往PPP项目论证决策标准过于宽泛的问题，使得决策的边界条件更加精确，优化现有的PPP项目决策流程。