敏感度模型（精选11篇）
敏感度模型 篇1
0引言
低压脱扣器作为电网在出现欠压、失压等故障时的保护设备,其安装面广、使用量大,在电网的日常运行中发挥了重要作用。另一方面,电网在实际运行中的电压暂降问题日益突出,已成为最严重的电能质量问题［１－４］。电力系统主网发生短路故障时, 所产生的电压暂降会渗透传播至配电网,导致配电网侧发生大范围的低压脱扣器误跳闸事件,给电力用户带来严重的负荷损失［５－７］,同样,配电网侧的电压暂降也可能导致类似事件的发生。因此,抛开电压暂降产生与传播的机理,系统地研究低压脱扣器在电压暂降作用下的动作特性(即电压暂降敏感度),具有重要的科研意义和应用价值。
长期以来,国内外学者围绕诸如交流接触器［８－１０］、调速驱动装置［１１］、计算机［１２］、照明灯具［１２－１３］等设备的电压暂降敏感度进行了大量试验研究,但尚未针对低压脱扣器开展暂降敏感度研究。同时, 考虑到现行国家标准GB/T 22710—2008［１４］在电压暂降试验方面明确指定以GB/T 17626.11— 2008［１５］作为参考标准,且该标准在设备电压暂降敏感度试验方面作了详细明确的规定与指导,因此具备开展低压脱扣器电压暂降敏感度试验研究的可行性。
另一方面,文献[8-13]的研究成果表明:暂降起始点相位是影响设备电压暂降敏感度的重要因素, 用暂降幅值、持续时间二维特征量已无法充分全面地描述设备的电压暂降敏感度。上述文献对同类型不同款式敏感设备进行了试验研究,但并未充分挖掘试验数据,建立该类型设备通用的三维(暂降幅值、持续时间、起始点相位)敏感度模型,因此所得结论不具有普遍适用性。
基于此,本文在考虑暂降起始点相位的基础上, 采用试验方法研究低压脱扣器在电压暂降作用下的动作特性,建立其通用暂降敏感度三维模型。在国内外研究成果［８－１３］基础上,依据文献[15]相关规定, 本文设计了低压脱扣器电压暂降敏感度试验平台和试验步骤,对市场上主流的6款低压脱扣器进行敏感度试验,形成37 653组试验数据。对同一款低压脱扣器在不同起始点相位下的试验结果作纵向比较,以及对不同款低压脱扣器在同一起始点相位下的试验结果作横向比较,结果表明:低压脱扣器电压暂降敏感度与暂降起始点相位及款式密切相关。综合考虑各款式低压脱扣器的试验结果作极值化处理,利用MATLAB曲面拟合工具箱sftool,从暂降幅值、持续时间及起始点相位3个维度上,建立适用于各款低压脱扣器的电压暂降敏感度三维模型。
1低压脱扣器工作机理
作为电磁一体化的保护设备,低压脱扣器是由控制电路和电磁系统构成,其中电磁系统主要是由铁芯、线圈、弹簧等组成。图1给出了低压脱扣器的基本结构图(实物图详见附录A图A1)。
根据GB 14048.1—2006［１６］对低压脱扣器性能的规定,同时结合其基本结构,对低压脱扣器工作机理进行如下分析。
1)当外施电压下降至额定工作电压的70% ~ 35%时,线圈的电磁力小于弹簧的反作用力,铁芯向上运动,推动断路器牵引杆,使断路器断开。
2)当外施电压等于或高于其额定工作电压的85%时,线圈的电磁力等于或大于弹簧的反作用力, 铁芯静止,断路器保持吸合状态。
此外,文献[16]还规定,当外施电压低于额定工作电压的35%时,低压脱扣器应防止断路器闭合。
由此可见,文献[16]从电压幅值的维度上对低压脱扣器的动作特性作了明确规定,而实际上除了幅值外,电压暂降的特征量还包括持续时间、起始点相位等,因此低压脱扣器在电压暂降作用下的动作特性亟待进一步深入研究。
2电压暂降起始点相位
2.1基本概念
电压暂降起始点相位是指发生电压暂降时,电压波形在该时刻所对应的相位。图2给出了暂降起始点相位θ 分别为0°和90°时的电压暂降波形示意图,其中u为电压暂降幅值,Uｅ为额定工作电压,t为持续时间。
2.2对设备电压暂降敏感度的影响
目前,设备电压暂降敏感度通常用幅值—持续时间平面上的电压耐受曲线(voltage tolerance curve,VTC)进行刻画。国内外学者对设备电压暂降敏感度进行了大量试验研究［８－１３］,成果表明:暂降起始点相位对设备VTC的分布影响显著。鉴于篇幅所限,以交流接触器为例作分析讨论。
文献[8]通过大量试验对交流接触器电压暂降敏感度进行研究,并绘制了其在不同暂降起始点相位θ 下的VTC。
图3给出了文献[8]中交流接触器在暂降起始点相位为0°,45°,90°时的VTC,VTC上方表示交流接触器电压暂降作用下的不动作区域,VTC下方表示动作区域。可以看到,起始点相位不同,交流接触器电压暂降敏感度差异明显,例如:当电压暂降持续时间为2个周期(40 ms),幅值为10%Uｅ时,若起始点相位为90°,交流接触器会确定动作;若起始点相位为0°和45°,则交流接触器确定不动作。
由此可见,暂降起始点相位是影响设备电压暂降敏感度的重要因素,仅用电压幅值—持续时间二维平面上的VTC无法充分描述设备电压暂降敏感度。
2.3国标规定
文献[15]在电压暂降试验方面,对暂降起始点相位作了明确规定,认为对于暂降敏感度试验,优先选择暂降发生在电压过零处(即暂降起始点相位为0°),若需要,也可附加测试几个角度,每相优先选择45°,90°,135°,180°,225°,270°,315°。
基于上述分析,本文选择暂降幅值、持续时间、 起始点相位3个特征量表征电压暂降,通过试验方法,深入研究低压脱扣器电压暂降敏感度。
3低压脱扣器电压暂降敏感度试验
3.1试验平台
文献[15]规定了被测试设备电压暂降敏感度试验平台原理图(如图4所示),作为设计低压脱扣器电压暂降敏感度试验平台的依据。
图4中,电压暂降发生器产生暂降信号,提供给被测试设备,伏特表示波器用于监测暂降信号,确保其准确、可靠。关于电压暂降发生器,文献[15]提供了3种不同样式,即调压器与开关组合、波形发生器与功率放大器组合、抽头变压器与开关组合,具体的拓扑结构可参考文献[15],在此不做展开。本文以图4为依据,建立了低压脱扣器电压暂降敏感度试验平台(实物图详见附录A图A2),电压暂降发生器采用自行研制的、基于现代电力电子技术的大功率电压暂降发生装置［１７］,为低压脱扣器提供电压暂降信号,其技术参数如下:带负载容量为三相/单相AC 380V/50A,暂降模式为三相暂降/单相暂降, 幅值为1% ~95% (步长为0.2%),持续时间为10ms~1 min(步长为1 ms),起始点相位为0°~ 359°(步长为1°),暂降信号间隔时间为5 ms~ 1min(步长为1ms),触发模式为手动,电源为AC 220V(50Hz)。采用监测性能更好的日置HIOKI 3196代替图4中的伏特表示波器,监测电压暂降信号;低压脱扣器选择目前市场上主流的6种款式,其基本信息见表1。
3.2试验步骤
试验步骤的设计基于如下两点考虑。
1)试验目的是测试低压脱扣器在暂降幅值、持续时间、起始点相位3个特征量组合作用下的动作情况。
2)考虑到低压脱扣器在某些电压暂降信号作用下的动作情况可能存在不确定性(既可能动作,也可能不动作),文献[15]规定了同一暂降信号应该重复3次提供给被测试设备。为进一步提高精度,本试验重复10次,观察记录低压脱扣器动作情况。
所设计试验步骤具体如下。
1)调节电压暂降发生器,使其输出电压幅值为低压脱扣器额定工作电压Uｅ,待低压脱扣器通电稳定运行后开始测试。
2)电压暂降起始点相位θ 从0°开始,以15°为步长,由小到大进行调节,调节范围为0°~360°。
3)电压暂降幅值u从10%Uｅ开始,以5%Uｅ为步长,由小到大进行调节,调节范围为(10% ~ 90%)Uｅ。
4)针对每个θ 和u,电压暂降持续时间t从10ms开始,以1ms为步长由小到大进行调节,调节范围为10ms~1min。
5)由u和θ 以及t组成的测试信号重复10次提供给低压脱扣器,观察低压脱扣器动作情况,记录下持续时间tｍｉｎ和tｍａｘ(即t≤tｍｉｎ时低压脱扣器始终不动作,t≥tｍａｘ时低压脱扣器的动作次数等于测试信号频次,tｍｉｎ<t<tｍａｘ时低压脱扣器动作,但动作次数小于测试信号频次),作为试验结果。
3.3试验环境
为保证试验顺利进行,结合低压脱扣器通常的工作条件［１６］,给出本试验的环境条件如下:电磁环境为环境1(文献[16]将低压电器工作的电磁环境明确分为两类,即环境1与环境2,并且规定了每种环境下辐射发射和传导发射限值,具体值详见文献[16]),气候环境中温度为-5~35 ℃,相对湿度为10%~75%,标准大气压为101kPa。
3.4试验规模
试验过程中电压暂降发生器累计共输出37 653组测试信号,即产生了37 653组试验数据与之对应,其中,低压脱扣器始终保持不动作的试验数据共计22 812组;低压脱扣器动作且动作次数小于测试信号频次(即动作情况模糊不确定,或者动作, 或者不动作)的试验数据共计11 055组;低压脱扣器动作且动作次数等于测试信号频次的试验数据共计3 786组。各款式低压脱扣器的试验规模见表2。
3.5试验结果
从37 653组试验数据中,提取各款式低压脱扣器在不同u及θ 下对应的tｍｉｎ和tｍａｘ。考虑到篇幅所限,以T１款低压脱扣器为例,给出其在θ 为0°~ 90°时的试验结果,以及θ 为90°时T１至T６款低压脱扣器的试验结果,如表3和表4所示。
注:电压幅值大于50%Uｅ时,持续时间在10ms~1min变化时,T1款低压脱扣器始终不动作。
注:电压幅值大于50%Uｅ时,持续时间在10ms~1min变化时,T1,T2,T3,T4,T6款低压脱扣器始终不动作;电压幅值大于35%时,持续时间在10ms~1min变化时,T5款低压脱扣器始终不动作。
4试验结果分析
4.1纵向比较分析
为便于对同一款低压脱扣器在不同暂降起始点相位下的动作特性作纵向比较分析,根据表3中数据,绘制T１款低压脱扣器在 θ 为0°~90°时的VTC,如图5所示。
由图5可得出如下结论。
1)对于每个起始点相位,T１款低压脱扣器的动作区域与不动作区域之间存在明显的中间过渡地带(模糊区域),说明低压脱扣器电压暂降作用下的动作特性存在动作区域、不动作区域、模糊区域。
2)起始点相位不同,T１款低压脱扣器VTC差异明显,说明起始点相位也是影响其电压暂降敏感度的重要因素,即低压脱扣器电压暂降作用下的动作特性是由暂降幅值、持续时间、起始点相位等特征量综合决定。
3)结合表3中数据,进行综合分析可知:10°≤ θ≤90°时,u在[10%,50%]Uｅ变化时,θ 为60°时所对应的tｍｉｎ和tｍａｘ总体上均达到最大,即当θ 为60° 时动作区域最小,不动作区域最大,说明此时T１款低压脱扣器电压暂降敏感度最小,最不易动作;2θ 为15°时所对应的tｍｉｎ和tｍａｘ总体上均达到最小,即 θ 为15°时其动作区域最大,不动作区域最小,说明此时T１款低压脱扣器电压暂降敏感度最大,最容易动作。
4.2横向比较分析
针对不同款式低压脱扣器在同一暂降起始点相位下的动作特性,可作横向比较分析。根据表4中数据,绘制T１至T６款低压脱扣器在θ 为90°时的VTC,如图6所示。
由图6可得出如下结论。
1)不同款式低压脱扣器,其VTC差异较大,说明款式不同,低压脱扣器的电压暂降敏感度明显不同。
2)结合表4中数据,针对6款低压脱扣器的动作区域及不动作区域作比较分析,可知:1T５款低压脱扣器的动作区域最小,不动作区域最大,说明其电压暂降敏感度最小,发生电压暂降时,最不容易动作;2T２款低压脱扣器的不动作区域最小,动作区域最大,说明其电压暂降敏感度最大,发生电压暂降时,最容易动作;3其他款式低压脱扣器的电压暂降敏感度介于二者之间。
4.3敏感度模型建立
4.3.1极值化处理
基于试验结果的纵横向比较分析可知,起始点相位以及低压脱扣器款式都是影响其暂降敏感度的重要因素。为建立低压脱扣器电压暂降敏感度模型,必须要考虑上述两种因素。
为得到通用于各款低压脱扣器的确定动作区域及确定不动作区域,可对试验结果作极值化处理。
假设tｍｉｎ（ｉ）和tｍａｘ（ｉ）为Tｉ(i=1,2,…,6)款低压脱扣器在某一幅值u和起始点相位θ 的试验结果tｍｉｎ和tｍａｘ,分别取tｍｉｎ(i)和tｍａｘ(i)极小值和极大值表示为tmin(eq)和tmax(eq),即
利用上述公式处理6款低压脱扣器试验结果, 求出相应的tmin(eq)和tmax(eq)。
4.3.2曲面拟合
曲面拟合可用MATLAB中的拟合工具箱sftool［１８］实现。本文为提高拟合精度,依据大规模试验数据分布特征,对曲面的非线性部分,按照θ 取值范围分为[0°,90°],[90°,180°],[180°,270°], [270°,360°]4个区间进行分片拟合。
图7(a)和(b)分别给出了低压脱扣器电压暂降敏感度曲面的测试结果和最好的拟合结果示意图, 其中图7(a)是根据大规模的试验数据(u,θ,tｍｉｎ（ｅｑ）) 和(u,θ,tｍａｘ（ｅｑ）)绘制而成,图7(b)是利用sftool工具箱拟合而成。曲面1上方区域表示低压脱扣器的确定不动作区域,曲面2下方表示低压脱扣器的确定动作区域,曲面1和2之间区域表示低压脱扣器模糊区域。
鉴于篇幅所限,以曲面2的非线性部分在θ 取[0°,90°]为例,说明拟合过程以及拟合曲面与测试曲面的误差。拟合过程如下。
1)根据大规模的试验数据(u,θ,tｍｉｎ（ｅｑ）)和(u, θ,tｍａｘ（ｅｑ）),兼顾拟合函数复杂程度及数据分布特征,选择二次多项式、三次多项式、指数函数、正弦函数、指数函数与多项式组合、正弦函数与多项式组合等6种类型函数,分别进行拟合,具体拟合步骤详见文献[18],建立函数关系u=U２(θ,t)。
2)由于函数关系中包含两个自变量θ 和t,对每种类型函数可能存在的多种数学表达均作拟合,选择其中拟合精度最高的作为该类型函数的拟合结果。
至于拟合精度,sftool工具箱提供了评价曲面拟合精度的4个指标:残差平方和(SSE)、均方根误差(RMSE)、决策系数、校正后的决策系数,SSE和RMSE越小,决策系数越接近于1,说明拟合精度越高［１８］。表5给出每种类型函数所对应的拟合精度。
从表5可以看出:不同类型拟合函数,其拟合精度存在明显差异;函数类型为三次多项式时,决策系数指标最接近于1,且SSE和RMSE最小,拟合精度最高,误差最小。因此,选择三次多项式作为曲面2的非线性部分在θ 取[0°,90°]时的拟合结果,具体为:
按上述拟合过程,可得到曲面1和2在θ取值为其他区间时,非线性部分最好的拟合曲面及相应的数学表达U1(θ,t)和U2(θ,t)。
因此,电压暂降发生时,根据电压暂降特征量(幅值为u０,持续时间为t０,起始点相位为θ０),按θ０和t０代入最好的拟合曲面1和2的数学表达式,得到U１(θ０,t０)和U２(θ０,t０),然后根据如下规则评估低压脱扣器动作特性。
1)若u０>U１(θ０,t０),则低压脱扣器确定不动作。
2)若u０<U２(θ０,t０),则低压脱扣器确定动作。
3)若U２(θ０,t０)≤u０≤U１(θ０,t０),则低压脱扣器动作情况不确定,既可能动作,也可能不动作。
5结论
1)基于国家标准GB/T 17626.11—2008,设计了电压暂降敏感度试验平台和步骤,对主流的6款低压脱扣器进行37 653次试验。结果表明:低压脱扣器的暂降敏感度是由暂降幅值、持续时间、起始点相位等特征量以及款式等因素综合决定。
2)利用曲面拟合方法,从暂降幅值、持续时间、 起始点相位3个维度上建立了通用于各款低压脱扣器的暂降敏感度模型。 大量试验数据的获取及MATLAB拟合工具箱的应用确保了模型准确可靠。所建模型可全方位评估低压脱扣器在电压暂降下的动作特性,也为低压脱扣器抗暂降干扰的优化设计、运行管理提供了重要理论支持。
3)本文为全面综合考核设备电压暂降敏感度提供了一种重要思路,可借鉴本文所设计的试验平台、 步骤及建模思路,实现对其他设备电压暂降敏感度的全面综合评估。
附录见本刊网络版(http://www.aeps-info. com/aeps/ch/index.aspx)。
敏感度模型 篇2
松花江哈尔滨段二维水质模型参数敏感性分析
运用灵敏度与线性回归的方法,分析了松花江哈尔滨段二维水质模型中参数的敏感性.结果可知:污水排放量(Qp)= 污水排放浓度(Cp)>河流本底浓度(Ch)>流速(u)>横向扩散系数(My)>降解系数(K1);污水流量(Qp)、污水排放浓度(Cp)、河流本底浓度(Ch)与预测断面污染物浓度均呈正向完全线性相关;降解系数(K1)与预测断面污染物浓度呈负向完全线性相关;流速(u)和横向扩散系数(My)均与预测断面污染物浓度满足幂函数方程,且呈负向完全线性相关;在搜集资料时,要特别注意对流速小数位数的保留.
作 者：王英伟 闫妍 谢新宇 Wang Yingwei Yan Yan Xie Xinyu 作者单位：东北林业大学,黑龙江,哈尔滨,150040刊 名：环境科学与管理英文刊名：ENVIRONMENTAL SCIENCE AND MANAGEMENT年，卷(期)：33(12)分类号：X824关键词：二维稳态衰减模式 参数 敏感性
流行敏感度 篇3
羽西第三代包装高雅现代，采用了具有金属光泽的酒红色。“羽西千金红”中的“千”代表新世纪新千年；“金”有贵重之意，又代表了金属色；“红”指羽西特有的红色。而“千金”既特指年轻高贵的女性，又兼有贵重、珍贵的意义。包装上突出以英文拼写的“�”与中文“羽西”交叉重叠的商标图案，灵感来自于质感光滑、高贵典雅的中国丝绸。凸字雕刻的“羽西”不仅创造出丝质的手感，同时暗喻了化妆后肌肤特有的光滑触感。充分展示超凡的品味，代表了前卫的国际化和民族化的最佳融合。
新“羽西”精选色彩最能焕发皮肤的光彩，新改进的配方采用国际流行的纯天然原料，加入了草本配方。如绿茶、芦荟、珍珠粉、小麦蛋白、卵磷脂等，更适合皮肤，大大减少了肌肤敏感度，使妆容更滋润保湿、晶莹剔透，令你更加亮丽出众!
法国娇兰“花草水语”香氛系列集结了大自然的精华气息。无论是绝色玫瑰、薄荷青草、伊兰香草、葡萄柚或薰衣草，每一种香熏都能引领你无边的想象力。如同为你打开奇幻花园之门，让你经历令人难忘的香味之旅，带来启发性的美妙感受。
兰蔻水分缘舒缓霜来自兰蔻研究中心，能为肌肤带来双重的润泽效果，迅速缓解干燥饥渴的状况，为肌肤持久地留住水分。的怡人香气有前、中、后味之分，让你体会肌肤与心灵的宁静共鸣。使身心沉浸在宁静和谐的氛围里。
为了配合今年的流行趋势，纽约美宝莲推出了清薄淡雅、晶莹闪亮的水晶唇膏，以创新科技研制而成，特含高度反射性滋养膜，吸收大部分紫外线，并提供最大限度的反射率，使唇部富有极好的光泽感和滋润度，不仅薄如蝉翼，而且不含香料，没有气味，使双唇仿佛沉浸在纯水中，丝毫不感到厚重和粘着，好像没有上妆一样。款绚丽闪亮的色泽，晶莹、透明，在自然中跳出一点轻盈与俏皮，新潮与妩媚，非常适合时尚的你!
冰凝幻彩系列的冰凝眼影笔，富含芦荟和黄瓜的天然配方，带给你清新的上妆感受，同时细心呵护、滋养你幼嫩的眼部肌肤。其无油霜质笔芯，令上妆变得轻松自如。具有两种不同上妆效果。粗，可以晕染整个眼睑；细，足以勾勒完美眼线。更有冰蓝、冰白、冰绿、冰栗变幻色彩，让你的双眸变幻起来。
敏感图像信息识别模型研究 篇4
网络技术的普及与Internet用户持续、快速的增加,使网络信息安全成为影响到国家安全与社会稳定的一个重要问题。各种色情、暴力、反动以及涉及国家安全保密的信息(包括图像、视频),越来越多地借助于互连网这种通信方式进行传播。从目前的情况来看,仅仅采用封锁网址的方式进行扫黄是不够的,对网络信息特别是敏感图像信息进行必要的技术监测和过滤,才能够有效地打击网络犯罪。
网络敏感信息监控是依据文本模式匹配和图像处理技术来建立网络敏感信息宏观监控体系,综合运用文本、图像处理技术,以及智能代理技术实现网络敏感信息的监测。本文所述的网络敏感图像主要是指含有色情信息的图像,提出了一个敏感图像信息识别模型。该模型综合使用肤色模型匹配、纹理判别和SVM分类技术对敏感图片进行识别,能识别网络传输的图片,判断其中是否含有色情内容,以减少和杜绝色情图像在网络上传播的机会。
1敏感图像信息识别模型
敏感图像的识别是通过对图片的内容进行分析来实现的。图像识别与指纹识别有所不同,由于图片本身的背景条件比较复杂,人体的表现形式也具有多样性,很难与指纹模型一样用一个单一的模型把所有的特征表示出来。
敏感图像多种多样,其最明显的特征就是有裸露的肌肤。因而进行敏感图片识别就可以从皮肤区域的特点进行处理。我们先对图像进行皮肤颜色模型匹配,检测出一幅图像中的皮肤区域。接着对图像使用小波分解和灰度共生矩阵提取进行纹理判别,以区分大部分和皮肤相近的区域,然后对输出的二值图像进行处理判断。最后再用SVM进一步分类考察,最后确定图片是否含有色情信息。图片信息识别模型决策图如图1所示。
1.1肤色模型匹配
1996年Fleck[5]等就利用计算机视觉和图像理解技术对色情图片识别进行了研究,通过对图片肤色分割和人体姿态的几何特征检测来判别图片中是否含有色情信息。目前肤色模型已经广泛应用于人及其局部特征的识别。
RGB是最常用的颜色系统,也是十分可靠的表达肤色信息的色彩空间。人脸的肤色在RGB色彩空间上一般分布于R[1 51,255]、G[97,239]、B[84,233]的区间,但人的肤色在RGB空间中的分布非常广泛,直接在RGB空间中进行处理难以达到从图像中抽取人体肤色区域的目的。本文将肤色在HUV和KL颜色空间中作分割处理。
YUV表示法中Y分量表示颜色的亮度信息,U和V两个相互正交的分量表示彩色信息。色度信号是一个二维矢量,称为色度信号矢量。每个颜色对应1个色度信号矢量,它的饱和度由Ch表示,色调由相位角θ表示。
彩色图像的像素P由RGB空间变换到YUV空间用数学表示为:
θ=tan-1(|U|/|V|)
在YUV空间UV平面上,肤色的色调介于红与黄之间,根据对大量图像的彩色分析,可以确定人的肤色色调θ的变化范围,如果满足条件:θp∈[100,150],则P是肤色点。该肤色模型能够有效地提取肤色区域,但是该模型也会把一些与人的肤色比较接近的其它区域当作肤色区域。
KL变换是建立一个肤色坐标变换以进行肤色判断。彩色图像的像素P由RGB空间变换到KL空间的坐标表示为:
然后再根据下面的阈值进行判断:
110.2<K1<376.3
-61.3<K2<32.9
-18.8<K3<19.5
在该范围内的置1,否则置0,从而得到过滤肤色的二值图像。KL寻找了一个合适的色系坐标系,具有集中肤色信息的作用。KL变换和YUV空间相结合,可以弥补两种方法的不足,能更好地分割出图像中的肤色区域。变换到YUV空间能将亮度信息与色彩信息分离;KL变换能减小每个分量的均方差,从而压缩阈值范围;将两者相结合,可以进一步缩小单纯使用KL变换的阈值范围,使肤色分布范围更加集中,增加最后肤色分割的成功率。
仅用肤色模型匹配方法对图像识别的过程中,对含有色情信息的图像有较高的正检率(判定其为敏感图像),但是也覆盖了较多的具有特定颜色以及特殊光照的非色情图像。因为肤色和非肤色空间本身是相互覆盖的,肤色过滤阶段出来的区域有一部分并不是需要找的肤色区域,只是在颜色上与皮肤很接近,我们还需要对此进行纹理判别,因为非肤色区域从纹理上讲并没有肤色区域一般光滑。
1.2纹理判别
纹理通常定义为图像的某种局部性质,或者说是对局部区域中像素之间关系的一种度量,纹理特征可用来对图像中的空间信息进行一定程度的定量描述。皮肤的纹理作为一种特殊的纹理,没有明显的纹理基元,无明显的周期性和方向性。一种纹理特征提取的有效方法就是以灰度共生矩阵为基础的。
灰度共生矩阵是建立在估计二阶组合条件概率函数基础上的纹理分析方法,反映的是图像关于方向、相邻间隔以及变化幅度的综合信息,描述了某方向上间隔一定距离的一对图像点灰度出现的统计规律。分析灰度共生矩阵就可以分析图像的局部模式和排列规则,也可以从中提取出很多图像的纹理特征,比如二阶矩、相关、对比度、方差、逆方差和熵等信息。通过灰度值等相关信息作为判定规则可以判断某一区域是否为皮肤区域。
为了减少灰度共生矩阵生成的复杂度并提高图像信息的识别程度,在此之前先使用小波变换对图像进行预处理。小波变换具有多尺度特征表达能力,能将图像的大部分能量集中到最低分辨率子图像。同时,小波分析方法提取的图像的特征矢量具有维数少的优点。
小波变换是一个常用的图像分析手段,并且在纹理识别中有较多的应用[6]。与傅里叶变换相似,小波变换是一种同时具有时—频二维分辨率的变换,其优于傅氏变换之处在于它具有时域和频域“变焦距”特性,十分有利于信号的精细分析。小波变换的另外一个重要优点就是小波分解和重构算法是循环使用的,易于硬件实现。
一个二维小波变换可以看作两个连续的一维小波变换。小波变换的结果取决于所采用的小波基的类型,而小波基是由滤波器的类型决定的。本文采用Daubechies-4小波。对一幅图像进行小波分解,得到一系列的小波系数,把分解出来的子图像称为小波分解通道。当图像在某一频率和方向下具有较明显的纹理特征时,与之对应的小波通道的输出就具有高能量。
经过肤色模型匹配以及纹理判别这两步操作以后,输出的是一幅二值图像,这时可对该二值图像进行处理和判别,也就是说对连续区域位置和皮肤区域所占比例的设置和判别,以判断该图像是否该划分为敏感图像。
1.3SVM分类判别
SVM在解决小样本、非线性及高维模式识别问题中表现出很多特有的优点。模型最后用SVM来进一步对色情和非色情图片进行分类考察,最后确定图片是否含有敏感信息。
SVM是一种以统计学习理论为基础的机器学习方法,它通过核函数将输入的样本映射到高维特征空间,然后构造“有敏感信息”和“没有敏感信息”的最优分类超平面,从而达到最大的泛化能力。作者以灰度共生矩阵参数和一些像素信息作为SVM的输入进行训练和测试,以达到分类的目的。
2模型分析
本文提出的敏感图像信息识别模型实现了对网络敏感信息的监控,模型对含有色情信息的图片的取真率比较高。模型具有学习功能,在经过一些小样本的尝试学习后,能达到一定正检率。本文在该模型基础上建立了一个含有5000副图像的小样本图库,其中包括640幅色情图像和4360幅正常图像(风景、建筑、人物和动植物图像)。实验结果正检率(敏感图像正确识别的概率)、误检率(正常图像被判定为敏感图像的概率)如表1所示。
3结束语
网络敏感图像识别技术是一项具有应用价值和研究价值的技术,本文提出了一个基于肤色匹配和纹理识别的图像信息识别模型。针对网络上敏感信息泛滥的情况,该模型可在网络敏感信息监控系统基础上自动对敏感图像信息进行检测和监控,适合在网络环境下使用。进一步要做的工作是提高识别和分类精度,以及提高对大量图像的识别应用中的效率,可考虑采用多个SVM分类组合方法。
参考文献
[1]段立娟,包振山,毛国君.多特征特定类型图像过滤方法.北京工业大学学报,2005,31(4):352-356.
[2]Daubechies I.Ten lecture on Wavelets.Philadelphies:Capital city Press,1992.
[3]尹显东,唐丹,邓君,等.基于内容的特定图像过滤方法.计算机测量与控制,2004,12(3):283-286.
[4]何江平,文俊浩,邓恬洁,等.基于支持向量机的图像识别.重庆大学学报:自然科学版,2006,29(1):57-60.
[5]Fleck MM,Forsyth DA,Bregler C.Finding naked people[A].In:Pro-ceedings of the4th European Conference on Computer Vision,Cam-bridge,UK,1996,2:593-602.
浅谈绩效指标提炼的敏感度 篇5
一般提炼指标的途径，都是通过公司目标、部门目标、岗位职责结合调研中的问题发现来提炼，这是大家都知道的。这里面能做到什么样的程度，提炼出的指标是否切合客户的实际、是否能反映客户关键的问题、提炼出的指标导向是否科学合理，对不同素质能力的咨询师其结果还是有很大区别的。企业实战经验丰富，而又有丰富咨询经验的咨询师，仅仅从客户的会议内容、人员交流、计划、工作安排、甚至部门人员的争吵中，就能及时发现问题，提炼出指标来，
这就是职业敏感度，取决与咨询师的经验智慧学识。初入行的咨询师或企业经验不足的咨询师则可能欠缺。所以，我一直认为，好的咨询师必须具备三个基本条件：丰富的企业实战经验、咨询专业的方法工具、管理学知识体系。缺一都很难做到深入。试想，一个连企业计划都不知道怎么回事的顾问，如何能发现企业计划的问题，更不谈优化改善了。即使通过访谈，也只能获得些云里雾里的概念，但实质深入的理解并提出切实有效的对策，还是需要长期修炼的。
你对性问题的敏感度 篇6
题目：当你听到“做爱”这两个字时，第一个闪过你脑中的画面是什么？
A、一对男女的脸，陶醉沉迷的表情
B、一对男女的上半身贴在一起
C、一对全裸的男女交缠在一起
D、一条白色的床单，里面有人在蠕动着
答案：
A选这个答案的人，不论是男是女，都暗示你对性的感应点是在一种意象的美感上。说白一点，你意识中的做爱应该是以两人的情意相投为主，肉体上的交合是附带的。所以一听到“做爱”这两个字，你的脑中会浮现出这种画面。另外，由这个答案便也可以推论出你是一个在“性”观念上带有传统色彩的人，甚至是有爱情和性爱是一体的观念。
B如果会有这种画面出现在你的脑海中，暗示你是个性欲不算弱的人，对性的要求也算是很直接。你的性爱观是介于开放和保守的中间点，你很能享受“性爱”带给你的乐趣。不过，也不会沉醉于肉欲之中，对精神方面的情趣还是高一点，所以你会觉得上半身男女的画面最能代表“做爱”这两个字的意义。而你不会去想到下半身的画面，一来你可能是还有点道德钳制的残留意识，二来你可能对性投入的心力不是那么大，有点力不从心。
C选这个答案的话，暗示你对“性”的印象是很公式化和机械化的。一般来讲，会大胆地浮现这种画面的，对“性”的需求一定是非常强烈而且是非常有肉欲倾向的人。因为你的性爱重点是集中在肉体的交合，尤其是下半身的部分，根本不会去在意这对男女的表情和感情。所以，你的反应是很原始、机械的，只要有性的刺激就会有这种印象，“性”对你来讲就只是肉体交合上的满足。而且，能想象到下半身交合，更表示你投入的心力和精神很多，你的性欲可以说是超级强的。
D选这个答案的人，在心理上多少都有逃避“性”真相的倾向。也许是你的性观念非常保守，也许是你在“性能力”上有些缺陷和障碍，每次一想到这件事，你都不能真实地去面对做爱该有的事实。或许你会觉得想到或看到一对男女的肉体结合是件很脏、很不道德的事，另一方面，也暗示了你本身的“性”功能无法达到这种情景，所以只能用遮掩的手法来带过，不去作深入的想象。你是个对“性”有排斥感的人。
敏感度模型 篇7
随着经济发展、人口增加、城市化进程的加快, 社会经济对基础设施的需求急剧膨胀, 然而快速扩大的财政赤字使得以政府为主导的基础设施投融资能力进一步减弱, BOT、BT、PPP等作为非政府资金参与基础设施建设、以缓解政府财政压力为目的的项目建设和投融资模式开始在基础设施建设领域大量涌现。在众多的项目建设和投融资方式中, 对于一些非经营性的和一些特别是出于安全和战略的考虑必须由政府直接控制和运营的关键基础设施项目, 国际上则通常采用BT模式来进行建设。BT模式的核心关系是建设期投资方投入资金进行项目建设, 建成后由发起方 (政府) 分期支付项目回购价款用以补偿投资方项目资金投入、融资成本和投资回报, 其本质是一种发起方 (政府) 在项目建设期和回购期利用投资方的资金和建设能力进行的融资加建设的活动。BT模式中发起方 (政府) 和投资方各自之所以投资于BT项目, 其目的在于:于投资方来说, 期望依靠自身的投融资与建设能力从项目的建设环节和回购价款支付环节获得预期收益补偿;而于发起方 (政府) 而言, 则期望通过采用BT模式缓解财政资金投资于基础设施项目的资金压力, 提高其资金使用效率和效果。因此, BT模式下项目回购价款的确定及投资控制问题就成为发起方 (政府) 和投资方密切关注的核心问题, 对于发起方 (政府) 来说尤其如此。基于此, 本文选择该课题进行研究。
二、BT模式项目回购价款及其影响机理
(一) BT模式项目回购价款及其构成
(1) BT模式项目回购价款。BT模式项目回购价款可定义为:项目建设完成并移交结束后, 经发起方 (政府) 和投资方双方按照合同约定条款审定, 发起方 (政府) 所应支付的全部工程建设费用及其融资成本和项目投资回报。 (2) 项目回购价款的构成。根据定义, BT项目回购价款可分为回购基价和回购价款两个部分。项目回购价款包括回购基价和回购期融资成本, 回购基价则由全部工程建设费用和建设期融资成本组成。项目回购基价是指项目建设完成回购期开始时经双方结算核定的发起方 (政府) 支付给投资方的全部价款, 一般由工程建设费用和建设期融资成本两部分组成, 特定情况下还应包括投资方的项目投资回报。工程建设费用是指BT项目建造期间的建筑安装工程费用、设备及工器具购置费用以及其他约定费用。工程建设费用在项目招标时通过项目概 (预) 算初步确定, 在项目竣工验收时考虑工程变更情况和合同特定条款的约定, 最终通过项目决算审定。建设期融资成本是指发起方 (政府) 支付给投资方在建设期间为满足项目建设所投入资金的使用价格, 包括建设期自有资金的投资回报和支付给银行等金融机构的融资利息。这部分费用在项目竣工验收时根据资金投入情况和合同约定条款按一定的计算方法确定, 也构成项目回购基价的一部分。项目回购价款是指项目回购期结束时发起方 (政府) 支付给投资方的全部价款, 包括回购基价和回购期融资成本。回购基价是指回购期开始时通过双方回购协议中约定的回购价款构成内容和回购条款计算核定的发起方 (政府) 应支付的全部价款, 如前所述包括工程建设费用和建设期融资成本两部分。回购期融资成本指项目完成后至项目回购完毕期间, 因发起方 (政府) 继续占用投资方的资金而发生的融资成本以及自有资金的投资回报, 这部分融资成本随着回购价款的支付以及回购期数的减少而逐期减少。
(二) BT模式项目回购价款影响机理
基于已有结论, 本文选取资金投入方式、资金投入和回收的时点、建设工期及工程变更、融资利率和投资回报率、回购价款支付方式以及回购期限等影响因素, 作为主要影响因素对BT项目回购价款的影响机理进行分析。其中, 前三项因素主要影响项目的回购基价, 而后两项因素主要影响最终的项目回购价款, 融资利率和投资回报率则对项目回购基价和最终的项目回购价款都会产生影响。 (1) 资金投入方式。本文将BT项目的资金投入方式界定为投入资金的具体构成和投入项目的具体方法。资金投入方式对项目回购价款的影响具体表现在:投入资金的具体构成对项目回购价款的影响具有不确定性, 这种不确定性是基于资金投入先后次序和融资成本计算方法的不确定性而产生的。首先, 在BT实务中, 投资方的借入资金一般均要计算其项目建设期融资成本, 但对自有资金却可能存在不计投资回报的情况, 这就会造成不同的项目建设期融资成本。其次, 在投资方自有资金和借入资金均计算资金占用成本的情况下, 由于自有资金和借入资金成本率取值的不同, 自有资金和借入资金投入次序的不同将产生不同的项目建设期融资成本。资金投入的具体方法对项目回购价款的影响则较为明确。若项目建设早期大量投入建设资金, 则因建设期初资金占用基数较大会产生更高的融资成本, 从而增大了项目回购基价。理论上来说, 若项目建设期初一次性投入全部项目资金, 则项目建设期融资成本最高, 而建设期末一次性投入全部项目资金, 其融资成本则最小。 (2) 资金投入和回收的时点。广义上讲, 资金投入和回收的时点属于资金投入方式和项目回购方式的范畴。本文对资金投入和回收的时点因素单独研究是基于资金时间价值在项目投资决策中的重要性和构建项目回购价款一般估算表达式的需要。资金投入和回收时点对项目回购价款的影响表现在:资金投入和回收时点的不同会产生不同的融资成本。若项目建设期和回购期一定, 资金在每期期初投入、每期期末支付回购资金, 由于资金占用时间比每期期末投入、每期期初支付多了一期, 从而会产生更高的资金占用成本, 相应加大了项目回购价款, 对发起方 (政府) 也更为不利。资金投入和回收时点的不同会产生不等量的投资风险, 从而要求资金投资报酬中有更高的风险贴现率来补偿。假设每期的资金占用量一定, 若资金在每期期初投入、每期期末支付回购资金, 在建设期和回购期足够长的情况下, 投资方会要求比每期期末投入、每期期初支付方式更高的风险贴现率来弥补其投资风险, 从而会产生更高的资金占用成本。 (3) 建设工期及工期变更。建设工期及工期变更对项目回购价款的影响表现在:项目建设工期越长则建设期融资成本越大, 在工程建设费用不变的前提下缩短工期有利于节约建设期融资成本, 从而降低项目回购基价。可原谅的工期变更往往由于发起方 (政府) 或不可抗力会使回购基价增加, 从而对发起方 (政府) 控制项目回购价款不利, 而不可原谅的工期变更往往因投资方的原因使回购基价不变, 甚至可能因发起方 (政府) 的索赔使项目回购基价降低。 (4) 融资利率和投资回报率。一般来说, 融资利率与投资回报率的高低对项目回购价款会产生同方向的影响, 在资金占用量和占用时间一定的情况下, 融资利率与投资回报率越高, 会产生越高的资金占用成本, 反之亦然。在BT项目实务操作中, 这两种影响因素对项目回购价款影响程度确定的难点在于如何确定其具体取值。国内实务中目前比较通行的做法是, 自有资金投资回报率直接在同期银行贷款基准利率的基础上上浮2-4个百分点来确定。 (5) 回购价款的支付方式。回购价款的支付方式对项目回购价款的影响表现在:回购价款的支付主要有两种方式:等额本金法与等额本息法。对于发起方 (政府) 来说, 采用等额本金的方式, 各期偿还的本金相同, 但因为前期支付的融资成本多, 相应回购价款也多, 但由于后期资金占用量的减少回购价款也逐渐减少, 这意味着发起方 (政府) 提前偿还了大部分回购款从而总体上项目回购价款要少于等额本息方式。因此, 如果发起方 (政府) 回购前期资金充裕, 可采用等额本金方式回购项目, 从而也可提高自身资金使用的效率和效益。不同支付时间间隔对回购期融资成本的影响也不同。同一支付金额单期时间间隔越小, 回购期总的融资成本越低。这主要是由于相对于以年为单期, 若采用小于一年的支付周期, 因为尚未支付的项目回购价款的计息周期缩短而降低了回购期的融资成本, 从而降低了项目回购价款。 (6) 回购期限。相对于其他影响因素, 回购期限对项目回购价款的影响比较简单。在单期支付金额和融资利率及投资回报率一定的情况下, 较短的回购期限对于发起方 (政府方) 而言, 由于回购基价计息周期的缩短而降低了回购价款。从投资方的角度来看, 由于其提前收回了投入资金, 也相应的提高了其自有资金的投资回报率。
三、基于BT模式的项目回购价款敏感因素判断模型
(一) BT项目回购价款的一般估算表达式
(1) 项目回购价款估算表达式的基本假设。借鉴全生命周期成本理论 (LCC) , 采用一般费用估算模型研究。按照全生命周期成本理论 (LCC) 的分析思路, 如果单独将BT项目的建设—移交阶段视为一个完整的项目生命周期的话, 包含资金投入方式、资金投入和回收的时点、建设工期及工程变更、融资利率和投资回报率、回购价款支付方式以及回购期限这几个因素及其影响关系将可以用全生命周期成本理论 (LCC) 的一般费用估算模型来表达和解释, 这个费用估算模型就成为项目回购价款的敏感因素判断模型的构建基础。以“施工二次招标型”BT模式为基础, 不考虑其他类型BT模式的个别影响。本文前述研究认为只有“施工二次招标型”BT模式才符合投融资加建设BT模式的根本性质, 因此对于BT项目回购价款估算表达式也将以此为基础来给出。至于“直接投资型”和“施工同体型”BT模式, 这两种类型的BT模式将影响到项目回购价款算式中选取的具体指标各自数量上的差异, 但并不影响算式中各变量之间的内在关系即指标间具体运算关系的差异, 这种BT模式类型不同产生的算式中运算关系的差异本文将通过模型修正的办法加以解决。指标的选取:重点考虑主要因素和关键因素。通过对BT项目回购价款影响因素的作用机理分析, 可以看出影响BT项目回购价款一般估算表达式的所有因素在某种程度上均带有不同程度的不确定性。本文根据影响BT项目回购价款的六个主要因素, 抽象出如下四个指标作为构建项目回购价款一般估算表达式的主要影响参数:资金投入额 (P) 、建设工期 (N) 、资金成本率 (R) 、回购期数 (M) , 次要因素以随机误差项列示的办法予以解决, 进而简化模型的推导过程。其中, 资金投入方式和工期变更体现为资金投入额 (P) , 建设工期对应的是建设工期 (N) , 融资利率和投资回报率体现为资金成本率 (R) , 回购期限对应的是回购期数 (M) , 资金投入时点和回购价款的支付方式具体表现为以上四个指标在算式中的运算关系。资金成本率统一给定, 借入资金和自有资金均计算融资成本。鉴于本文研究的重点, 本文不对投资方自有资金的投资回报率进行单独研究, 而是参照BT项目实务运作中的做法, 不区分借入资金和自有资金, 统一给定一个相同的资金成本率来确定。 (2) 项目回购价款的一般估算表达式。工程建设费用。国内学者的研究和相关政府法规对工程建设费用内容和构成的理解和规定基本一致, 大体分为建安工程费、设备及工器具购置费和工程建设其他费三部分。因此, 工程建设费用可表示如下:C=C1+C2+C3… (1) 。式中:C为工程建设费用;C1为建安工程费用;C2为设备及工器具购置费用;C3为工程建设其他费用。建设期融资成本。BT项目中建设期融资成本的计算均采用复利方式, 按照资金投入的时间点、资金成本率和投入金额即可计算出投入资金的融资成本。一般情况下, 建设期资金均为期初投入, 则资金一次性投入情况下BT项目建设期融资成本可表示如下:IC=P (1+R) N-C… (2) 。式中:Ic为建设期融资成本;P为投入的资金数额;R为资金成本率;N为建设期数。回购期融资成本。实务中, 回购价款的支付方式分为等额本息和等额本金两种方式, 因此回购期融资成本的估算也分为两种算式来表达。一般情况下, 回购期资金的支付均为每期期末支付, 则BT项目回购期融资成本可表示如下:等额本息方式:。等额本金方式:。式中:Ir为回购期融资成本;R为单期资金成本率;M为回购期数。BT项目回购价款一般估算表达式及其求解。上述各项费用之和, 即为BT项目回购价款 (Repurchase Price) 。如果用表示项目回购价款, 则整理并化简之后的BT项目回购价款估算表达式如下:等额本息方式:。等额本金方式:。
(二) 不同参数的项目回购价款估算表达式的修正
(1) 资金投入方式和时点的修正。在确定项目回购价款估算表达式时, 假定资金为期初一次性投入。但在BT项目实际运作过程中, 由于项目性质和特点不同, 项目建设资金的投入方式大部分是按建设进度分次、分批投入, 资金投入的时点有时也可能会是每期期末、每期期中或以上时点的组合方式, 这时就有必要对给出的项目回购价款估算表达式中的资金投入额进行修正。设每期期末、每期期中或以上时点的组合方式投入的单期资金投入额为P', 此时项目回购价款估算表达式中资金投入额 (P) 在这种情况下可表示为:PΣP' (1+R) -n… (7) 。 (2) 不同计息周期的修正。在确定项目回购价款估算表达式时, 假定资金支付以一年为一个周期。但在BT项目的实际操作中, 资金投入和回购资金的支付有些项目是以季度、月度为一个计算周期的, 这就要求对构建的项目回购价款估算表达式中的单期资金成本率进行修正。设给定的年资金成本率R', 则不同计息周期下单期实际资金成本率 (R) 可表示为:。 (3) 通货膨胀的修正。当项目的建设周期和回购周期比较长时, 要考虑通货膨胀对项目回购价款的影响, 并尽可能对其进行量化。即需要将名义利率调整为实际利率, 用以计算项目实际的融资成本。设给定的单期名义资金成本率为R'', 则单期实际资金成本率 (R) 可表示为:。
(三) 项目回购价款的敏感因素弹性及敏感因素判断模型
本文构建的项目回购价款估算表达式可以看成是受资金投入额 (P) 、建设工期 (N) 、资金成本率 (R) 、回购期数 (M) 四个因素作用的一个多元函数, 通过对项目回购价款模型中设定的四个指标各自的敏感弹性进行数理推导, 即可在此基础上建立项目回购价款的敏感因素判断模型。 (1) 敏感因素弹性及其求解。根据式 (5) 和 (6) , 如果将看成等额本息回购方式下的项目投资的投资回收系数, 将看成等额本金回购方式下项目投资的投资回收系数。设:。利用MATLAB7.0软件, 分别对式 (4-5) 、 (4-5) 中的四个参数求偏导数, 计算项目回购价款估算表达式中资金投入额 (P) 、建设工期 (N) 、资金成本率 (R) 、回购期数 (M) 各自的敏感弹性EP、EN、ER、EM。于是, 得到基于项目回购价款一般估算表达式的各因素敏感弹性通用表达式:。 (2) 敏感因素判断模型及其简化。设项目回购价款估算表达式各参数资金投入额 (P) 、建设工期 (N) 、资金成本率 (R) 、回购期数 (M) 分别为X1、X2、X3和X4, 其变动幅度分别为λ1、λ2、λ3和λ4, 项目回购价款由原来的Cr变为Cr', 即Cr'=Cr+ΔCr。当某个参数Xi变动λi时, 则该参数Xi引起项目回购价款变化率为鄣Cr/Cr=λiEXi。相应的, 项目回购价款的变动量为ΔCr, Xi=λiEXiCr。当多个参数以不同幅度同时发生变动时, 则项目回购价款总变动率 (Δλ) 和总变动额 (ΔCr) 可表示为:。式 (15) 即为建立的敏感因素判断模型。此时, 基于敏感因素判断模型的变动后项目回购价款估算表达式则可以表示为:。 (3) 敏感因素判断模型中各因素变化临界值的求解。设项目回购价款控制额 (即变动后的项目回购价款) 为Cr', 且Cr'=Cr+ΔCr。若Cr'已知, 则有项目回购价款变动率β=Cr'/Cr已知。因此, 求解敏感因素判断模型中各因素临界值的函数变为:。式 (17) 中, 除参数λi外其余参数均为已知变量, λi即为第i个因素单独变动的临界值。相应的, 也可以根据若干个参数同时以不同幅度变动的组合, 判断项目回购价款投资控制额是否落在指定区域。
单位:万元
资料来源:西安市市政研究院有限公司.《××路市政工程投资可行性研究报告》, 2010.
四、BT项目回购价款敏感因素判断模型应用分析
(一) 项目基本情况
××路市政道路建设项目是某市西北部重要的交通干线工程, 该项目属于政府投资的非营利性基础设施项目, 建设内容包括道路施工、桥梁架设、管道工程及照明绿化等部分。道路规划红线宽60米, 道路等级为城市主干路I级, 主要数据如表 (1) 所示。项目合同主要条款和敏感因素指标: (1) 资金投入额 (P) 。《××路BT合同书 (草案) 》中《BT项目回购办法》 (附件2) 约定, ××路项目中建设期不计融资成本, 工程建设费用即为回购基价, 因此本项目资金投入可以看成是建设期初一次性投入, 与本文构建模型时的假设一致。另外, 可原谅的工程变更、工程索赔等产生的费用要视项目实施过程中的具体情况而定, 因其不确定性在以下分析中将不考虑其对资金投入额 (P) 的影响。 (2) 建设工期 (N) 。《××路BT合同书 (草案) 》中《工程建设合同》 (附件1) 、《BT项目回购办法》 (附件2) 约定, 建设期不计融资成本, 项目工程建设费用即为回购基价, 因此尚航路项目建设工期可以看作为零。至于因建设工期内及工期的延长可能出现的贷款利率调整因素, 仅表现为回购期融资成本的变动, 在运用模型具体分析本项目建设工期参数时可不予考虑。 (3) 资金成本率 (R) 。《××路BT合同书 (草案) 》中《BT项目回购办法》 (附件2) 约定, 回购期资金成本率直接采用5年期贷款基准利率计算。因此, 本项目资金成本率按项目启动时中国人民银行2011年4月6日公布的3-5年人民币贷款利率6.65%计算。此外, 本项目投资人的投资回报作为一个单独的加项以项目投资管理费形式出现, 按工程结算造价的固定比率1.5%提取, 此部分因素不影响资金成本率 (R) 的变动。 (4) 回购期数 (M) 。《××路BT合同书 (草案) 》中《BT项目回购办法》 (附件2) 约定, ××路项目回购价款的支付采用等额本金的方式, 回购期数为4期。此外, 由于项目管理费未被包括在回购基价中, 这部分资金虽分期支付但不计算融资成本, 因此从发起人的角度来看项目管理费可以看做是项目回购价款的固定组成部分, 不影响回购期数。
(二) 项目回购价款的敏感因素判断模型
(1) 计算各敏感因素指标的敏感弹性值 (EXi) , 确定各因素变化次序:。由以上计算结果, 得出EP>ER>EM>EN, 故××路项目回购价款Cr对各敏感因素的敏感次序依次为:资金投入额 (P) 、资金成本率 (R) 、回购期数 (M) 、建设工期 (N) 。 (2) ××路项目回购价款敏感因素判断模型。。式中, 项目回购价款变动率和变动额是一个各敏感因素变动率为未知数的函数。只要明确了各敏感因素变动率, 即可计算出项目回购价款的变动额和最终的项目回购价款, 从而即可对项目是否可行做出评价和修正。
(三) 项目回购价款的确定及建设方案的选择
假设投资方基于行业惯例和自身利益考虑, 提出以下两种修正方案:协议草案其他条款不变, 若建设期不计算融资成本, 则回购期资金成本率应在5年期银行基准贷款利率的基础上上浮3个百分点, 按9.65%计算。由于项目造价中已包含有施工利润, 投资人管理费部分则相应取消;协议草案其他条款不变, 建设期仍不计算融资成本。发起人回购期按季度为一期, 即每期还款6.25%。同时, 投资人管理费部分计入项目回购基价中, 并计算回购期融资成本。
(1) 计算项目回购价款的总变动率 (△λ) 。根据投资人提出的以上方案, 计算项目回购价款总变动额如下:
方案一:
方案二:
(2) 项目评价及最终方案的选择。按××路项目《BT合同书 (草案) 》有关条款, 不含单独作为最终加项反映的投资人项目管理费情况下各因素变动前项目回购价款为:
则原方案最终项目回购价款为:Cr=63402.89+54364.75×1.50%=64218.36 (万元) 。方案一最终项目回购价款为:Cr1'=Cr+△Cr1=63402.89 (1+0.0643) =67479.70 (万元) 。方案二最终项目回购价款为:Cr2'=Cr+△Cr2=63402.89 (1+0.0186) =64582.18 (万元) 。根据以上计算结果, 可以得出结论:××路BT项目中, 原方案项目回购价款最低, 方案二次之, 而方案一项目回购价款最高。对于发起方 (政府) 来说, 如果投资方能接受发起方 (政府) 合同草案提出的方案, 则对发起方最为有利。如果投资方不能接受发起方提出的方案, 则发起方 (政府) 应选取方案二来签署相关合同, 相较方案一, 发起方 (政府) 可节省未来财政支出2, 897.52 (67, 479.70-64, 582.18) 万元。
(四) 敏感因素判断模型在项目回购价款确定中的应用分析
(1) 敏感因素判断模型的应用效果和效率分析。结果如表 (2) 所示。从以上应用效果对比表可以看出, 三个方案中运用敏感因素判断模型确定的尚航路项目回购价款与传统计算方法确定的结果基本一致, 说明敏感因素判断模型在BT项目回购价款确定过程中完整反映了各敏感因素的变动及其规律。但判断模型法的计算步骤要明显精确于传统方法, 主要是得益于前者计算过程中尾数丢失较少的缘故。与传统方法相比, 本文构建的基于项目回购价款的敏感因素判断模型在BT项目回购价款的确定和控制方面具有较高的应用效率。表 (3) 针对传统方法与敏感因素判断模型法在项目评价过程中应用效率问题, 以定性描述的方式从两种方法的使用假设、应用广度、数据处理能力、计算工作量、结果精度以及额外考虑因素等方面对其应用效率进行了结论性的归纳。 (2) 敏感因素变化临界值的应用分析。仍以××路项目的已知资料为基础, 假设项目发起方要求××路项目最终回购价款变动幅度不超过《BT合同书 (草案) 》条款约定的±10%, 其他条款不变。由式 (17) 计算各关键敏感因素变化临界值如表 (4) 所示。通过敏感因素临界值表可以看出, ××路项目若只进行单因素控制, 欲使最终项目回购价款变动幅度不超过10%, 必须使资金投入额 (P) 的增长幅度控制在10%以内, 或者使资金成本率 (R) 的增幅不超过71.43%即年利率不超过11.40% (6.65%+6.65%×71.43%) , 又或者回购期数 (M) 的延长幅度小于90.91%即项目回购期数不能超过4年11个月 (4+12×90.91%) 。同样可以计算出项目回购价款变动不同幅度下各敏感因素单因素控制的临界值范围。另外, 从各因素组合的角度来看, 若要将最终项目回购价款变动幅度控制在某一变化幅度内, 还可以同时进行多因素、不同幅度的多方案控制组合, 从而扩大了敏感因素判断模型的适用范围。
注:工程建设费用 (C) 包含投资者项目管理费 (54364.75×1.50%=815.47) ;与敏感因素判断模型法计算结果存在差异, 系计算过程中的取数尾差
五、结论
敏感度模型 篇8
关键词：Excel,非线性成本函数,利润敏感性
1 利润敏感性的研究背景和意义
随着信息化的快速发展,企业会计核算逐渐由人工记账转化为信息化系统自动实现记账功能。信息化的冲击,使财务管理对于人的要求将越来越高。企业是以营利为目的的法人组织,利润是企业投资者、经营者最为关心的问题。利润的预测以及相关影响因素敏感性的把握对于决策者进行经营决策至关重要。在财务分析体系中,利润的敏感性分析将成本分为变动和固定成本,根据盈亏平衡原理进行利润的敏感性分析。通过测算各个相关因素的变动对于利润影响的敏感程度,来进行具体的经营决策和经营管理。
2 利用Excel创建利润敏感性分析模型
2.1 基本工具的建立
新建一个Excel工作簿,设置恰当的列宽、行高,在单元格录入相应的文字,在B4、B5、B6、B7单元格录入相应数据。在定义公式之前,需将录入状态设置为英文(半角)状态。
(1)设置滚动条按钮。一般情况下,除非预先设置否则窗体工具按钮不会出现在工具栏上。因此对于滚动条按钮的设置,可通过“视图”菜单、“工具栏”菜单“自定义”“新建组”和“滚动条(窗体控件)”菜单来调出,如图1所示。
(2)单击工具栏按钮中的“滚动条”。在F、G单元格中画出大小合适的滚动条按钮,设置控件格式的控制参数为:最小值设为0,最大值设为200,步长设为l,单元格链接到E4。
(3)参照步骤2,调整好行间距及列间距后在F4、F5、F6单元格中画出滚动条按钮,再分别在控件格式中设置相关参数,如图2所示。单元格链接分别指定为F4、F5、F6。
以上最大值和最小值的设定依据是:考虑单价、单位变动成本、固定成本的最小可能值和最大可能值,根据F4、F5、F6、F7单元格的公式,G4、G5、G6、G7单元格中数据可随之转换。
2.2 相关公式的设置
在基础数据表中,各因素变动百分比即E4、E5、E6、E7这4个单元的数据是完全随着滚动条的滚动而变化;各因素变动后数值的计算公式需要考虑到变动百分比因素,故在此处进行调整:D4=C4*(1+E4/100);D5=C5*(1+E5/100);D6=C6*(I+E6/100);D7=C7*(I+E7/100);数据与数据之间存在动态变动关系。
多因素的综合影响下的相关公式。变动后的利润:C10=D4*(D5-D6)-D7;利润变动额:D10=C10-B10;利润变动率:E10=D10/B10。
单因素影响下的敏感性分析,必须遵循一个前提:假设一个既定的因素发生变动,其他因素均保持不变的情况下,进行的计算。
利润变动额的计算公式:E13=D4*(C5-C6)-C7;E14=C4*(D5-C6)-C7;E15=C4*(C5-D6)-C7;E16=C4*(C5-C6)-D7。
敏感系数的计算公式:H13=G13/D13;H14=G14/D14;H15=G15/D15;H16=G16/D16。
3 利润敏感性分析模型的作用
利润的敏感性分析对于分析者的数据处理水平及专业水平有较高的要求,因此,在企业的实务操作中基层的财务人员一般很难做到,只有财务管理人员甚至相关的财务负责人才会有相应的能力进行敏感性分析。但是利润的敏感性分析不仅对财务管理起到一定的提升作用,特别是对企业经营决策有着关键的指导意义。笔者利用Excel很好地做到了将复杂的问题简单化,只要按照既定的操作步骤,利润的敏感性分析这一难题就可以被攻破。这样的操作为财务人员节省了大量的时间,可以迅速地提供领导层决策所需的分析资料。
参考文献
[1]丁岳维,李璐,丁琼.非线性和利润模型的动态敏感性分析方法[J].统计与决策,2010(23).
敏感度模型 篇9
近年来,我国机动车保有量迅速增加,2014年年底深圳机动车保有量将达到300万辆。机动车保有量快速增长引起了能源危机、环境污染和交通堵塞等诸多问题。各国政府相继出台各种法规和措施来控制机动车尾气污染,改善城市空气质量。
为了掌握机动车排放规律和污染特性,向决策者提供科学有效的机动车污染控制措施,大量学者开展了了机动车排放模型的研究,目前常用的机动车 排放因子 模型有MOVES,MOBILE, IVE,COPERT,CMEM等。其中,MOVES模型是继MOBILE,IVE等宏观模型之后,美国EPA开发的新一代综合移动源排放预测模型,该模型能同时满 足用户从 宏观 (national),中观 (county),微观(project)等不同层次上移动源排放的综合分析[1]。国外学者 主要将MOVES模型与其 他交通类模 型 (如Vissim,Paramics等)嵌套起来,实现模拟值的有效输出,如Adel W.Sadeka等[2]利用微观层次交通模型Paramics提取逐秒车辆特性,将其整合成MOVES模型所需要的数据,来提高模拟精度。MOVES模型的开发相对于其他成 熟模型 (如MOBILE、COPERT)等较晚,目前国内学者多数以MOVES模型的原理结构及其微观层次运用为主要研究内容[3]。文献中报道的MOVES模型敏感性分析主要以污染物排放因子变化率来表征参数的影响,没有考虑相应的引起排放因子变化的参数的变化率,并且研究车型较单一,不能直观反映参数的变化带来的排放因子的变动程度[4,5]。
MOVES微观层次模型涉及较多参数,主要包括道路、车龄分布、气象、速度、燃油、模拟年以及I/M制度等,而我国关于机动车排放因子研究尚处于发展中阶段,缺乏与机动车排放特性相关的数据,用户在有限的时间和资源情况下搜集相关数据非常困难。本研究通过对MOVES模型微观层次参数敏感性分析,能够帮助用户了解在采用本地数据代替模型默认数据时各参数对排放因子的影响程度,提前预估关键参数对排放因子的影响,在进行数据搜集工作时优先考虑关键参数。敏感性分析也为决策者制定有效的排放控制策略提供科学依据。
1MOVES模型微观层次敏感性分析方法
与以往模型敏感性分析方法不同,笔者采用基于参数本土化方法构建的MOVES-深圳模型, 引入基础案例的各参数值与基础排放因子作为参比对象,通过计算敏感度系数,实现模型参数对排放因子的影响分析。
1.1深圳的本土化参数
本研究所采用的MOVES模型是美国EPA基于美国当地的实际情况建立的机动车排放因子模型,因此在使用该模型模拟我国城市的机动车排放情况时,需要将模型相关参数进行修正,即参数本土化。文中基于深圳市的实际情况对地理信息、车辆类型、燃油等参数进行本土化。
1)地理信息。考虑到深圳气候特征与地理环境(如:温度、湿度、海拔、经纬度等),将深圳模拟区域等同 于美国佛 罗里达的Orange County (橘子县)。
2)车辆类型。由于中国的机动车分类标准与美国不同,将中国车型按照MOVES模型基于车辆使用功能分类标准重新分类。
3)燃油。基于深圳市目前使用的粤IV汽油和国Ⅲ柴油相关燃油标准,主要通过调整MOVE模型的MySQL数据库中 关于燃油 的硫含量、 RVP、氧含量、蒸发温度等参数。
1.2敏感性分析的基础案例
敏感性分析的基础案 例是考察MOVES模型模拟的排放因子对模型输入参数变动敏感性的比对依据。表1中列出了本研究分析基础案例时采用的输入参数及深圳本土化参数。由此模拟出的深圳市常见5种车型(车龄均为4年)的THC, CO,NOx,PM2.5 4种污染物的排放因子,见表2。
1.3敏感度系数及模型各输入参数取值范围
本研究采用单因素敏感性分析方法,通过引入敏感度系数这一评价指标对深圳市实际道路常见的5种车型同时进行敏感性分析,筛选出影响较大的参数。式(1),(2)给出了本研究所采用的敏感度系数的计算方法[6,7]。在进行敏感性分析中,根据敏感度系数的大小,将敏感性参数分为3级:敏感、一般敏感和不敏感。当SAF>1时,则认为该参数是敏感参数;当SAF<0.1时,则认为该参数是不敏感参数;当0.1<SAF <1时,则认为该参数属于一般敏感参数[8,9]。
式中:ΔA/A为排放因子的变化率;ΔF/F为模型参数的变化率;SAF>0为排放因子与模型参数呈正相关;SAF<0为排放因子与模型参数呈负相关。
式中:i为参数的递增次数;ΔA/A为第i次的排放因子变化率;TVi为第i次的排放因子值;BV为基础排放因子值。
根据MOVES模型微观层 次模拟所 需用户提供参数类型,本文主要分析速度、气象(温度、湿度)、燃油(硫含量、RVP)、车龄组合4种参数对机动车尾气中THC,NOx,CO,PM2.5 4种污染物的排放因子的敏感性。表3列出了敏感性分析所考察的参数取值的变化范围。
2实验结果与分析
2.1速度参数的敏感性分析
进行速度参数敏感性分析时,只有速度参数发生变化,其他参数均保持不变。由于MOVES模型针对不同的车型提供不同的速度区间,所以各车型的最小速度取值并不相同。对模拟结果按照以上方法进行数据分析得出深圳市市区道路常见5种车型的THC,CO,NOx,PM2.5的SAF随速度变化曲线图。见图1~图4。
由图1~图4可见,5种车型的4种污染物的SAF值与速度均呈负相关,即速度越大,各车型污染物的排放因子越小。|SAF|随着速度的增加而减小,说明速度对各车型的各污染物的排放因子影响 程度在逐 渐减小[10],在速度小 于20 km/h时,各种污染物的SAF在-6~ -1之间变化,此时速度 属于敏感 参数;当速度大 于40 km/h以后,各个污染物SAF随着速度的变化较小,变化范围集中在-1~ -0.1之间,此时速度属于一般敏 感参数。 对各污染 物分车型 进行SAF分析发现:速度对各污染物排放因子均表现为一般敏感和敏感,未有不敏感的情况。图1和图2显示,5种车型的THC和CO排放因子在速度小于20km/h的区间内,SAF大于1,属于敏感速度区 间。 图3和图4表明,公共汽车 的NOx,PM2.5排放因子敏感速度区间相对于其他车型偏低,大约处在小于16km/h的范围内,而轻型厢式载货的敏感速度区间则在小于35km/h的范围内,相比于其他车型偏高。
2.2气象参数敏感性分析
在MOVES微观层次的模拟中,涉及到的气象因素有2种,即温度和湿度。在温度参数敏感性分析场景中,除温度参数外各类参数取值均采用表1所列的基础案例参数取值,所考察的温度参数值见表3,相关曲线见图5~图8。
由图5和图6可见,各车型的THC和CO排放因子随温度变化表现出较好的一致性,公共汽车、社会中大巴及中重型车随温度变化其SAF均为0,而私家车和轻型厢式货车的THC和CO随温度变化的SAF变化趋势一致。David Choir[11]的研究也说明汽油车型对温度变化的敏感性高于柴油车型。图5表明私家车和轻型厢式载货在整个温度区间内|SAF|均小于1,因此温度属于一般敏感参数。图6表明只有私家车和轻型厢式载货的CO排放因子对温度表现出较强的敏感性, 当温度处于17℃以上时,温度对于这2种车型的CO排放因子属于敏感参数,当温度低于17 ℃时则属于一般敏感参数。图7表明,针对NOx的排放,私家车和轻型厢式载货随温度变化SAF值变化趋势一致,而公共汽车、社会中大巴和中重型车的SAF值随温度变化趋势一致。而且,该5种车型虽随着温度变化SAF值与温度呈现不同的相关性,但是在温度大于27℃左右,SAF均大于1, 温度对于这5种车型属于敏感参数,而温度低于27 ℃时则属于一般敏感参数。图8显示,除了私家车的PM2.5对温度的变化表现出敏感外,温度对于其他柴油车型PM2.5的排放均属于不敏感参数。这可能是由于MOVES模型在建模时,没有把温度对模拟柴油车PM2.5排放因子的影响考虑在内。针对私家车而言,当温度小于20 ℃ 时,其SAF小于1,属于敏感参数;而当温度大于23 ℃时,则属于不 敏感参数;温度处于20 ~23 ℃ 小范围区 间则属于 一般敏感 参数。David Brzezinski[12]的研究也说明温度超过22.22 ℃之后,其对私家车PM2.5的排放影响很小,且随着温度升高,PM2.5排放下降。
在湿度参数敏感性分析场景中,所考察的湿度取值见表3,相关曲线见图9~ 图10。图9显示,中重型车、社会中大巴、公共汽车的SAF为0,说明湿度对于该3种车型的THC,CO,PM2.5排放因子属于不敏感参数;对于私家车和轻型厢式载货,随着湿度增加,SAF增加,说明湿度对该车型的THC,CO,PM2.5排放因子有影响,当湿度小于65 %时,属于一般敏感参数,当湿度大于65 %时,属于敏感参数。图10表明湿度对于各车型的NOx均属于一般敏感参数。
2.3燃油参数敏感性分析
燃油参数主要考察2个因素:硫含量和汽油中雷氏蒸气压(RVP)。燃油中硫含量的变化是以国标为主线进行相应变化,采考察的数值列于表4。RVP是液体燃料挥发性的1个重要指标, 而由于柴油挥发性较小,因此在柴油燃料性质中均不考虑。通常汽油中RVP的范围按照季节分为2个阶段:从11月1日~4月30日为冬季,汽油中蒸气压不大于45kPa,从5月1日~10月31日为夏季,汽油中蒸气压不大于60kPa。本研究RVP取值范围是45~88kPa。
图11表明除私家车以外的其他4种车型随硫含量变化所对应的SAF值均为0,说明THC, CO和NOx排放因子不随硫含量的变化而改变, 而是固定值;私家车的THC,CO,NOx的SAF值随硫含量变化的趋势一致,即:随着汽油中硫含量的增加,SAF值降低,说明燃油中硫含量越大,对私家车各污染物排放因子的 影响越小。结合图12和图13可以看出,各车型的PM2.5和SO2排放因子的SAF不随硫含量的变化发生改变,并且硫含量对于各车型的PM2.5排放因子属于不敏感参数,而对于SO2排放因子则属于敏感参数。
mg/kg
由于只考察汽油中的RVP对排放因子的敏感性,所以考察的车型只有私家车,图14表明,只有CO随着RVP变化SAF值在-0.2~0.6之间变化,而针对其他污染物的SAF值均不变,因此可以得出RVP的变化只对私家车的CO排放因子一般敏感。
2.4车龄参数敏感性分析
在车龄参数敏感性分析场景中,除车龄逐年变化外,其他参数均采用基础案例(见表1)给出的参数值,但是模拟采用的车龄基础值为新车(0年)。MOVES模型中,车龄的变化范围为0~30年。根据中国车辆实际使用年限的调查结果,本文仅分析车龄15年以内的车辆。MOBILE模型是基于零公里排放水平、劣化率及车辆累积行驶里程来进行基 础排放率 的运算,与MOBILE不同,在MOVES模型中,基础排放率的估算是基于车辆的运行工况进行模拟。对于1个给定模拟年和排放源类型的组合,MOVES模型提供23种基于不同车龄组合的运行工况,在进行排放率的估算时根据用户提供的平均速度或者行驶周期, MOVES模型自动将与车龄组合相对应的23种运行工况进行累加。因此,MOVES模型计算污染物排放率时是基于车龄组合(见表5)而不是具体的单一车龄,也不是如MOBILE模型所运用的累积行驶里程[13]。
由于MOVES模型是根据车龄 组合进行 劣化分析,因此在分析SAF值随车龄变化时发 现SAF值呈阶梯 式增长趋 势。结合图15~18可见,私家车随着车龄的增加其SAF值增长迅速, 而其他车型的SAF增长趋势不明显。各个车型在前3年的敏感度系数明显高于4~5年车龄组合。白广德对长春市乘用车实测研究发现 在用车劣化最迅速的阶段为从投入使用到车龄3年或者累计行驶里程8万km以内[14],说明新车在开始使用的前 几年排放 劣化很快,随着车龄 的增加排放劣 化率减慢。综合以上 可以得出:车龄对于汽油车 型属于敏 感参数,对于柴油 车型的0~3年阶段属于敏感参数,4~5年阶段属于不敏感参数,大于5年的车龄 则属于一 般敏感参数。
3结束语
笔者通过对深圳本土 化的MOVES模型进行敏感性分析,发现各参数的变化均能不同程度地影响排放因子的模拟结果。整体而言,速度和车龄相比于气象和燃油等参数对污染物排放因子的影响程度更大,由其SAF值可知,当速度小于20km/h时,速度参数对各车型的排放因子影响程度较大,属于敏感 参数;当速度大 于20km/h时,则属于一般敏感参数。车龄的SAF值变化与速度相似,不同的区间影响程度不同,大致可以分为:对于柴油车型,0~3年属于敏感参数和大于5年属于一般敏感参数;车龄对于汽油车型而言属于敏感参数。
另外,不同车型不同污染物的排放因子对各参数的敏感程度不同,结合气象参数和燃油参数可知:私家车的排放因子相比于其他4种柴油车型的排放因子对各个参数变化表现出的敏感性更加明显。中、重型车,社会中、大巴和公共汽车的排放因子除了NOx对温度和湿度的变化表现出一般敏感之外,对其他排放因子均属于不敏感参数。燃油参数中硫含量的变化对于 各个车型的SO2排放因子均 属于敏感 参数,对于私家 车的THC,CO,排放因子属于一般敏感参数。由于只考虑汽油 的RVP,RVP变化只对 私家车的CO排放因子一般敏感。
由于我国目前主要应用国外模型进行机动车尾气排放因子的研究,缺乏模型参数所需数据的积累,因此笔者的研究在帮助用户深入了解模型, 进行参数数据收集方面具有重要意义。笔者主要针对参数的变化对排放因子影响程度进行了充分地讨论,并没有对研究中排放因子的SAF随参数变化的趋势不同等现象做出分析,今后将针对该研究问题进行深入探讨,以期找出参数变化对排放因子的影响机理,为MOVES模型在中国应用的可靠性提供依据。
摘要：为了使用户在数据资源匮乏的情况下,能够快速针对模型关键参数进行数据收集,文中在对MOVES模型进行参数本土化修正的基础上,引用经济学常用的敏感度系数(SAF)评价指标概念,通过定义的SAF等级,进行了MOVES中速度、气象等参数对深圳市常见车型排放因子的影响程度分析。研究表明,当速度小于20km/h时,各种污染物的SAF在1~6之间变化,属于敏感参数;车龄为0~3年的新车其污染物的SAF>1,各车型劣化较快;硫含量对各车型SO2排放因子的SAF≥1,属于敏感参数,雷氏蒸汽压只对私家车的CO排放有影响;温度对柴油车型的THC,CO和PM2.5的SAF≤0.1,属于不敏感参数,湿度对于中重型车、社会中大巴、公交车的THC,CO,PM2.5排放因子的SAF≤0.1,属于不敏感参数。各参数针对不同车型的不同污染物,表现出不同的敏感性。
敏感度模型 篇10
敏感性分析是指从定量分析的角度研究有关因素发生某种变化对某一个或一组关键指标影响程度的一种不确定分析技术。其实质是通过逐一改变相关变量数值的方法来解释关键指标受这些因素变动影响大小的规律[1,2,3],现行的研究方法主要有单因素分析法和多因素分析法两大类。传统的各种单因素分析方法,本质上都是选定一个指标值,并使其中一个因素变化,同时,假定其他因素保持不变,并通过比较基准值随因素变化的大小,利用基准值-因素变化曲线来直观的反映各因素的敏感性大小。虽然单因素分析方法能够比较直观的反映各因素对基准值的影响,但是需假定其中一个因素变化,而其他因素保持不变,然而在实际中,单一因素发生变化的情况是很少的,故此假设往往不符合实际情况[4]。对于多因素敏感性分析的研究,目前应用广泛主要有正交设计方法,其对结果的处理有极差分析法和方差分析法两种。极差分析法简单方便却过于粗糙[5],方差分析法分析方法计算相对较为复杂,而且对于多因素多少水平的试验条件,正交设计方法对参数的敏感性分析的准确性将大大降低,进而影响反演分析的准确可靠性,因此本文以对邓肯E-B模型参数敏感性分析为例,利用均匀试验分析方法,结合均匀设计软件对应用于堆石坝有限元分析的邓肯E-B模型参数进行敏感性分析,以确定模型敏感参数和次敏感度参数,为选取邓肯E-B模型待反演参数提供依据,同时也能为研究多因素敏感性分析方法提供参考。
1 邓肯E-B模型
1980年,邓肯等人对E-μ模型进行了修正,采用切线体积模量Bt代替切线泊松比μt进行计算,即为E-B模型。其切线弹模和体积模量分别按下式计算:
同时模型还考虑内摩擦角φ随围压σ3的变化,对粗粒土,凝聚力c=0,内摩擦角φ与围压有如下关系:
式中:φ0为σ3=Pa时的φ值;Δφ反映φ值随σ3而降低的一个参数。
采用邓肯E-B模型计算堆石体的应力变形时,必须通过三轴试验或以往工程实践,确定c、φ、Rf、k、n、kb和m等7个参数,本文为了能够比较精确掌握邓肯E-B模型参数的敏感性,提出了利用均匀试验法结合均匀设计软件的方法进行参数敏感性分析。
2均匀设计在邓肯E-B模型参数敏感性分析中的理论基础
均匀设计(Uniform Design)是基于试验点在整个试验范围内均匀散布的从均匀性角度出发的一种试验设计方法,是数论方法中的“伪蒙特卡罗方法”的一个应用,由方开泰和王元两位数学家于1978年创立,目的是解决导弹弹道系统的指挥仪设计[6],多年来,均匀设计的理论发展迅速,应用十分广泛。
均匀设计在因素范围变化大且需要进行多水平试验的情况下,其可极大地降低试验的次数,在进行试验设计时,均匀设计只需要与因素水平数相等的q次数即可,而利用正交试验设计,则至少要做到q2次试验才能达到相应的试验效果。均匀设计试验结果的处理多采用回归分析方法,回归分析不仅能揭示变量间的相互关系,分析自变量x对因变量y的影响大小,还可以用回归方程进行预测和控制,因此在均匀设计的数据分析中成为了主要的手段。
为解决均匀设计处理数据的问题,1998年,由方开泰做方法指导、杜明亮为程序设计者开发的均匀设计软件,可以方便、准确、快速地求得定量的回归方程,便于分析各因素对试验结果的影响,为参数的敏感性分析提供了技术支持。
均匀试验设计中的基本概念主要有指标、因素、因素水平。一般把试验需要考核的项目称为试验指标,如果指标是通过一定的数值来说明,说明指标的数值就是指标值,在本研究是将不同样本点的垂直和水平位移值作为指标值。因素是指直接影响试验结果的需要进行考察的不同原因和成分,敏感性因素是指它的变动会对试验结果有较大影响的因素。本试验主要对邓肯E-B模型的7个主要参数进行敏感性分析,根据试验条件和以往的实践经验,首先确定各因素的取值范围,选取合理均匀设计表及使用表,利用均匀设计软件,安排试验方案,进行试验操作(即进行有限元计算),然后提取样本点的水平及垂直位移值,进而形成多个指标值,然后利用均匀设计软件中的全回归分析方法构造出多组线性回归分析的数学模型,对试验结果进行分析,建立显著而有效的回归方程,利用F检验对回归方程进行显著性检验,确定方程的显著性及可靠性,若回归模型显著有效,即可认为建立了合理的回归模型,此模型可以用来分析邓肯E-B模型各参数对坝体变形的影响情况,但是回归模型显著有效,并不能说明每个因素对试验结果影响大小,因此为了揭示各因素对试验结果的影响大小,需要对回归模型的回归系数进行显著性检验,根据回归系数显著性检验值,可以确定各因素对试验结果影响大小,达到参数敏感性分析的目的。回归系数的显著性检验的方法主要有t检验、F检验。根据统计学的基本原理,在保证回归模型显著有效的情况下,各因素的回归系数t检验、f检验越大,说明因素在回归模型中越重要, 对试验结果的作用和影响越大,因此t检验、F检验可以用来衡量每个自变量在回归方程中作用大小的指标,进而可以根据t检验值、F检验值大小情况,确定邓肯E-B模型各参数对样本点水平和垂直位移的影响情况,达到分析参数敏感性的目的。
3均匀设计在邓肯E-B模型参数敏感性分析中的应用
3.1 确定参数取值
运用邓肯E-B模型计算面板堆石坝变形时,主要考虑7个模型参数[7],即c、φ、Rf、k、n、kb、m,但堆石材料内凝聚力参数c一般取为0。因此,根据水布垭堆石料大量的室内试验及现场碾压试验成果,并考虑今后大规模的现场施工情况,确定了邓肯E-B模型参数取值范围如表1所示。
3.2 试验方案设计
根据以往研究表明:当所研究的因素和水平数目较多时,均匀设计试验法比其他试验设计方法所需的试验次数更少,但不可过分追求少的试验次数,除非有很好的前期工作基础和丰富的经验,否则不要企图通过做很少的试验就可达到试验目的, 而且试验结果的处理一般需要采用回归分析方法完成,过少的试验次数很可能导致无法建立有效的数学模型,也就不能对问题进行深入的分析和研究,最终无法建立有效的模型,只能采用直接观察法选择最佳结果,一般情况下,建议试验的次数取因素数的3～5倍为好[8];鉴于此,本研究根据均匀设计表及使用表的基本要求,选择的均匀设计表为U*28(288)及其使用表格构造试验方案,见表2所示;水布垭面板堆石坝网格划分如图1所示,在有限元计算过程中,真实模拟坝体施工过程,图中样本点1、样本点2的水平和垂直位移值为指标值,表3为样本点的计算成果。
3.3 方案计算结果
本文通过利用表2与表3的试验数据,结合均匀设计软件,对均匀试验设计结果进行全回归分析,并利用方差分析检验回归方程的显著性,判断回归模型的可靠性,鉴于回归模型显著有效,并不能说明每个因素对试验结果影响的大小,因此本文利用回归系数的t和F检验值的大小说明每个因素对试验结果影响的大小,具体的分析成果见表4。
从表4中可以看出:通过对计算样本点1水平位移的全回归分析可知,利用计算得到的数据建立的回归模型显著有效,从对回归系数t检验、F检验可以判断出,参数敏感性按n、φ0、k、Rf、kb、m、Δφ顺序依次减小;通过对计算样本点2水平位移的回归分析,建立的回归模型同样显著有效,从对回归系数t检验、F检验也可以判断出,参数敏感性按n、k、φ0、Rf、m、kb、Δφ顺序依次减小,综合计算样本点1和计算样本点2的水平位移分析可知,虽然两组水平位移分析的参数敏感性顺序不完全相同,但是从分析结果中可以看出,影响堆石坝水平位移的模型参数主要是n、φ0 、k、Rf;同样,通过分别对计算样本点1和2的垂直位移试验数据进行全回归分析,分析结果表明:两组方案建立的回归模型也显著有效,从对两回归方程的回归系数进行的t检验、F检验可以判断出,参数敏感性分别按kb、n、φ0、Rf、m、k、Δφ和kb、n、m、φ0、k、Rf、Δφ顺序依次减小,综合计算样本点1和计算样本点2的垂直位移分析可知,邓肯E-B模型参数的kb、φ0、m、n对坝体的垂直位移影响较大,而参数Rf、Δφ、k敏感性相对较弱。
4 结 语
(1)将均匀设计理论与均匀设计软件相结合,应用于土体模型参数的敏感性分析中,并利用回归分析的方法及理论,可以方便、准确、快速地判断得出各模型的参数敏感性大小,而且该方法工作量小,易于完成,与以往实例分析相比较,该方法具有更高的可靠性。
(2)在运用邓肯E-B模型计算面板堆石坝变形时,在非线性邓肯E-B模型的主要参数中,参数kb、φ0、m、n对坝体的垂直位移影响较大,即参数的敏感性相对较强,而参数Rf、Δφ、k敏感性相对较弱,而影响堆石坝水平位移的模型参数主要是n、φ0 、k、Rf,其他参数的敏感性相对较弱。
参考文献
[1]LIU Ning.Sensitivity analysis for 3-D least plastics structural re-liability[J].Acta Mechanica Soledad Sinica,1996,9(4):296-305.
[2]Hector A J.Design and sensitivity analysis of dynamical systemssubjected to stochastic loading[J].Computers and Structures,2005,83(14):1 062-1 075.
[3]Singh TN,Verma AK,Sharma P K.A neuron-genetic ap-proach for prediction of time dependent deformational characteris-tics of rock and its sensitivity analysis[J].Journal of Geotechnicaland Geo environmental Engineering,2007,133(25):395-407.
[4]王益萍,周荣超.基于正交试验的边坡稳定性参数敏感性分析[J].江苏盐城:盐城工学院学报(自然科学版).2007(12):67-69.
[5]海燕,王瑞骏.心墙坝坝坡稳定性对于邓肯E-B模型参数的敏感性研究[J].三峡大学学报(自然科学版),2008(06):13-17.
[6]方开泰.均匀设计与均匀设计表[M].北京:科学出版社,1994.
[7]夏富洲,汤电波,王长德.混凝土面板堆石坝反分析的神经网络方法[J].北京:中国农村水利水电,2008,(7):64-67.
敏感度模型 篇11
大脑是人体最重要的器官之一。发生于颅脑的疾病,特别是一些持续发展性病变,如脑出血、脑水肿等,处理不及时往往会导致严重后果,已成为人类因病死亡或致残的主要原因。在这些疾病的检测方面,以CT、MRI为代表的现代医学成像技术,起到了积极而关键的作用,为疾病的确诊与救治提供了重要的参考价值。但由于这些仪器设备体积庞大、造价高昂、操作不方便,因而大多只能在患者出现重大病情变化时才予检测,难以及早发现病情。
电阻抗断层成像技术(electrical impedance tomography,EIT)是一种通过体表测量方式来估算体内电特性二维或三维分布的成像技术[1]。由于该技术采用安全的微弱交流电信号进行激励,对人体无创无害。同时,相对现有成像设备而言,该技术具有结构简单、操作简便、设备小巧、成像速度快、系统造价低和功能成像等优点,是一种具有广泛应用前景的成像技术。如能利用这一技术,研制一种小型化的实时成像设备而对相关患者进行长时间动态图像监护,则有望及早发现颅内病情变化,为疾病的救治争取时间。然而,由于颅脑的特殊的解剖结构,特别是在高电阻抗特性的颅骨影响下,EIT体表测量技术能否准确测量到颅内不同层面上的病变并以图像的形式表现出来还需要专门研究。
2 含颅骨脑物理模型的建立
脑物理模型如图1所示,它以一个内径为205 mm的半球形有机玻璃容器为基础,在容器的内侧壁分别按图中所示的位置贴放3层电极(自上而下,分别记为第1、2、3层)。每层均以等间隔的方式安放16个电极,用以模拟EIT测量时的不同测量位置。在容器内部放置一个电阻率约为93Ω·m、内径为190 mm、外径约为198 mm的半球形石膏壳模拟颅骨[2]。在容器壁的四周各有一个有机玻璃螺钉用以固定石膏壳,使两者之间产生间距约为3.5 mm的缝隙。工作时,在石膏壳内和其与容器间的缝隙中注入电阻率约为4.5Ω·m的饱和CaSO4溶液,并使石膏壳内外液面一致,用以分别模拟脑组织和头皮,从而构成了从外向内电阻率分布之比约为1∶20.7∶1的颅脑电阻率分布模型,其电阻率分布与TC Ferree[3]等仿真研究中所用的电阻率相近。在实验过程中,通过特制的定位装置将一块电阻率已定的正方体琼脂块精确地固定于模型内部,以模拟不同部位脑部病变所产生的电阻抗扰动。
3 实验过程与方法
实验采用第四军医大学最新研制的高精度EIT数据采集系统[4]。采集模式基于课题组独创的准对向激励邻近测量模式[5]。实验前,制作一块棱长为2 cm、电阻率为5.3Ω·m的琼脂块(与背景电阻率相差17%,模拟脑轻度水肿)。在模型内无扰动条件下,分别将模型的各层电极与EIT系统相连,各采集1组数据作为参考。接着将琼脂块浸入模型溶液中,使其中心点处于模型第1层电极面与中轴线相距7 cm的左侧位置。然后,从模型中抽出8 mL饱和CaSO4溶液,使前后液面保持一致,待液面完全平静后,采用不同层电极进行数据采集。随后沿直径方向依次向右平移2 cm,同样等液面完全平静后分别选用各层电极进行数据采集。当琼脂块移动至模型右侧距中轴线7 cm处,且已完成各层电极的数据采集后,再将琼脂块下移至中间层电极平面处,并按相同的方式进行平移与测量操作。最后,将琼脂块下移到第3层电极平面。为避免琼脂块与球壳相接触,此层起始位置从模型左侧距中轴线3 cm起,至右侧同样距离处止,同样每次平移2 cm进行测量。共计完成琼脂块居于模型中20个位置处的数据采集。
完成含扰动的数据采集后,将这些数据分别与采用相同层电极所获得的参考数据组合后,采用等位线反投影法进行EIT图像重构[6],观察对扰动的识别能力,并统计重构值的分布情况。
4 实验结果与分析
从成像结果上来看,当选用第1层电极且琼脂块处于第1、2电极层面时,重构图像均能较清楚地反映出扰动所在的位置;而当琼脂块处于第3层面时,成像效果多较差,特别是当其处于模型中轴线附近时,图像几乎无法识别出扰动所在。当选用第2层电极时,不论琼脂块位于模型中的何种位置,重构图像均能较清楚地反映出扰动所在的位置。当选用第3层电极时,部分发生于第1层面的扰动不能较好识别出扰动所在。选用第2层电极时,扰动在模型内部不同位置处的成像结果如图2所示。图2中第1、2、3行分别对应琼脂中心点在第1、2和3层电极平面的实时成像结果,实线箭头处的方框为琼脂块实际位置,中空箭头处为扰动的成像对映区域。
根据反投影法的工作原理,重构图像中各区域的重构值与成像目标区域电阻率的相对变化有关:当电阻率变大时,重构值正向增大;当电阻率减小时,重构值负向变化;当电阻率保持不变时,重构值接近于0。由于本实验中琼脂块的电阻率大于背景溶液,因而表现在图像中的扰动区域的重构值均呈现正向变化。
从本组成像结果可以看出,虽然在个别位置处,扰动目标的成像位置与实际位置存在一定的差异,具有向中间方向偏离的表现,但其大体位置、大小以及阻抗的变化方式均能清楚地显示出来,表明这一技术对模型内的扰动具有准确的反应能力。
从重构值上来看,各幅图像的最小值一般约为±0.002,基本上处于噪声允许的范围内,而最大值均出现在与扰动相对应的位置。因而,我们计算出每幅重构图像的重构最大值和最小值之间的极差,并以其为依据,判断EIT技术对模型内各位置处扰动的敏感性,结果如图3所示。其中,图3(a)、(b)和(c)分别对应于采用第1、2和3层电极面时,获得的不同处扰动成像结果的极差。各图中的横坐标代表琼脂块中心与模型中轴线的距离(单位:cm),正值在中轴线的右侧,负值则在中轴线的左侧。
通过这组成像结果可以看出:当选用与扰动处同一层面的电极时,所得到的极差曲线整体上高于其他各层。说明选用该层电极可以更好地检测这一层面的阻抗扰动。而当扰动在同一层面内平移时,利用该层面或其邻近层面的电极所获得的重构值极差曲线均呈现出边缘高、中间低的形状,表明EIT技术对于颅内靠近外周区域的病变的敏感性高于中心区域。
如图3所示,当选用第1层电极时,对模型第3层面内的电阻率扰动的敏感性较差;而选用第3层电极时,对模型第1、2层面内的电阻率扰动的敏感性均较差;选择第2层电极时,虽然对各层边缘处的扰动敏感性有所差异,但对于发生于模型中轴线附近的扰动,不论其在哪一层,测量敏感性均相近,且数据整体上符合成像检测要求。而选择第3层电极时,对于第1层面处的扰动敏感性相对较差。
5 讨论
作为一种低成本的功能性成像新方法,电阻抗成像技术及其在医学中的应用,已成为近些年的一个热点研究领域。其在胸、腹及乳腺病变检测方面的成像研究时有报道,但由于人颅脑中高电阻率的颅骨对EIT激励电流的阻碍作用,脑EIT成像研究的难度远高于人体其他部位,从而导致这一方面的研究相对偏少。在一些与临床应用密切相关的基础问题方面,还需要开展针对性的研究工作。
从疾病诊断的实际临床应用需求角度来看,在进行成像检测时,我们一方面希望检测设备对感兴趣区域具有高的敏感性,同时又需要尽可能多地反映体内不同部位的状态信息。常规的医学断层成像技术对目标层面有着较高的敏感性,但往往无法反映成像层面周边的病变信息。EIT技术由于采用对人体安全的电流进行激励,且电流在目标体内呈非线性分布,因而可以在一定程度上反映电极所在平面以外的阻抗变化信息,从而具有检测这些区域病变信息的能力,但其对不同区域的检测敏感性也不同。本研究的最终目的,是通过电极处于不同位置条件下的EIT技术对颅内病变的敏感性研究,寻找最佳的测量电极位置,以实现对颅内病变相对敏感的EIT成像与检测。
由于人颅脑的形状大致呈半球状,为便于模型实现,本研究采用在与人脑半径相近的半球形容器内置,用以模拟颅内组织电阻率分布的石膏、饱和CaSO4溶液和琼脂的方式,建立了一个相对准确的颅脑模型,并通过变换电极和扰动位置的方法研究不同位置条件下EIT成像对颅内病变扰动的敏感性。
模型成像实验结果表明,EIT技术对于颅内与电极处同一平面上的扰动的敏感性,整体上高于远离这一平面的扰动,特别是当扰动靠近颅脑边缘时,这一现象更为明显。故在实际应用中,若已知病变所在的大体位置(如通过CT、MRI等技术事先获得),则在实际的脑成像中,应尽可能地使电极与病灶同处一个平面,以达到更好地识别或监测这些病情变化的目的。
通过以上的实验结果还可以看出,当选用模型中的第2层电极时,无论扰动处于哪一位置,成像结果均能较清楚地反映阻抗变化区域,说明在这一层面可以兼顾颅内各处的病变检测要求。这也提示我们,若无法预先得知或预测病变可能发生的位置,且受到客观条件限制而只能选用一层电极时,应优先选择中间层进行EIT测量。
需要特别说明的是,由于血液的电阻率约在1.5Ω·m左右[7],远低于正常脑组织,而缺血、缺氧后的脑病变组织的电阻率一般也远高于正常脑组织[8],在相同的体积变化条件下,这些病变所导致的电阻率变化比本模型研究大10倍以上,因而本研究是在相对苛刻的条件下,研究系统对颅内扰动的敏感性的。从所得到的结果看,即便在这种苛刻的条件下,只要选择好合适的电极位置,该系统能够较好地检测出模型内各个位置处的扰动变化,因而其在实际应用中,有望较敏感地实现对颅内常见病变的检测。
参考文献
[1]Barber D C,Brown B H,Freeston I L.Imaging spatial distributionsof resistivity using applied potential tomography[J].Ronic Lett,1983,19(22):933-935.
[2]王聪,董秀珍,史学涛,等.基于电阻抗成像的均质头模型研究[J].航天医学与医学工程,2007,20(1):19-23.
[3]Ferree T C,Eriksen K J and Tucker D M.Regional head tissueconductivity estimation for improved EEG analysis[J].IEEE TransBio.Eng,2000,47:1 584-1 592.
[4]史学涛,尤富生,霍旭阳,等.高精度电阻抗断层成像数据采集系统的研制[J].数据采集与处理,2010,25(2):259-263.
[5]Shi Xuetao,Dong Xiuzhen,Shuai Wanjun,et al.Pseudo-polar drivepatterns for brain electrical impedance tomography[J].Physiol Meas,2006,27:1 071-1 080.
[6]Shuai W,You F,Zhang H,et al.Application of electrical impedancetomography for continuous monitoring of retroperitoneal bleeding af-ter blunt trauma[J].Ann Biomed Eng,2009,37(11):2 373-2 379.
[7]Gabriel S,Lau R W,Gabriel C.The dielectric properties of biolog-ical tissues:III.Parametric models for the dielectric spectrum of tis-sues[J].Phys Med Biol,1996,41(11):2 271-2 293.