定量评估（共10篇）
定量评估 篇1
一、引言
PPP (Public-Private Partnerships, 公私合伙制) 项目融资是指公共部门通过与私人部门建立合作伙伴关系来提供公共产品或服务的一系列融资模式的总称, 包括BOT、DBFO等模式。其基本思路是通过政府授予私人部门在一定特许经营期内进行项目的融资、建设和运营, 同时取得投资回报, 特许经营期满再无偿交还给政府部门, 是缓解我国单一政府投资模式下的基础设施建设资金瓶颈压力的有效途径。
然而, 由于PPP项目往往投资额巨大、参与方众多、建设周期长、风险因素复杂多变, 不仅造成PPP项目融资前期谈判时间旷日持久和费用较高, 同时由于风险管理不善导致最终失败的项目也不乏其例, 如印度大博电厂项目、英法海底隧道项目等, 而风险定量评价方法的选取不当导致对项目的风险损失值估计不当无疑是其中一个重要的原因。
PPP项目的风险定量评估是指在风险识别的基础上, 运用一定的风险分析方法, 计算出风险因素发生的概率、损失程度, 并结合其他因素综合考虑, 得出项目的总体风险大小, 从而为后续风险控制提供依据。下面将介绍比较目前较流行的几种定量评估方法的优缺点和适用范围。
二、风险定量评估方法介绍
(一) 敏感性分析法。
敏感性分析是指在构造项目风险变量 (如建造成本、收入等) 关于目标变量 (如NPV等经济效益指标) 的数学模型基础上, 假定在保持其他风险变量不变的前提下, 分析其中一个风险变量变化一定范围时对目标变量的影响程度, 计算各个风险变量对于目标变量的敏感系数和临界点并据以排序, 从而找出敏感因子并作为重点风险管理对象。它是一种应用广泛、成熟的风险分析方法, 包括单因素敏感性分析和多因素敏感性分析。
(二) 决策树法。
决策树法的基本思路是利用决策树将不同的风险因素分解开来, 以目标变量 (如NPV指标) 为决策点出发, 逐项计算方案枝即各风险因子所有概率组合下的目标变量的期望值, 并画出概率分布图, 从而进行项目风险的评估和方案比选。这种方法以足够有效的数据作支撑, 计算量随风险变量个数及不同概率取值呈指数变化, 较适用于风险变量较少且变化不多的情况, 否则工作量将较大。
(三) 模糊综合评价法。
PPP项目涉及众多风险因素, 如政局不稳定、建设成本超支等, 各风险的影响因素本身就具有模糊性, 难以量化, 因此学术界积极地将模糊数学应用到PPP项目融资的风险评估中, 代表学者有:张星、陈敬武等。归纳起来, 模糊综合评价法是基于某些事物类属标准不明确, 而不能确切归类的模糊现象的假设, 利用隶属度及模糊推理的概念对风险事件进行排序, 以改进的模糊综合评价法为基础, 采用层次分析法 (Analytic Hierarchy Process, AHP) 构建风险因素递阶层次结构并据其确定各风险因素指标的权重, 同时综合专家经验对各风险因素影响程度进行打分评价, 然后从计算最末级层次的模糊评判结果开始, 根据最初确定的风险因素递阶层次结构进行逐级模糊运算, 如此反复直至计算出总目标层的模糊评判结果, 最终可获得项目各个层级风险的大小以及整体风险水平。它是一种能将难以量化的诸如政局稳定性、法规变化等风险因素定量化分析的有效方法, 而这正是其他方法无可比拟的优点。
(四) 蒙特卡洛模拟法 (Mont e-Car l o Si mul at i on) 。
蒙特卡洛模拟法 (M–C法) 由法国数学家John.ron.neuman创立并推广到科学研究中, 由于该方法与轮盘掷色子等赌博原理类同, 所以采用欧洲著名的赌城摩纳哥首都Monte Carlo命名, 是一种以统计学中的中心极限定理为原理, 以输入变量 (随机变量) 和输出变量之间的数学模型为基础, 借助计算机辅助按照给定输入随机变量的概率分布产生大量的随机数, 通过足够多次数的模型运算, 进而获取大量的输出变量的数据及其分布函数的计算机模拟技术。实际应用中可用EXCEL或Crystal Ball软件操作 (水晶球软件) 。国内不少学者对其在基础设施项目中的应用进行了积极的探索, 如孙建平 (2005) 、林君晓 (2006) 等。
在工程项目风险分析中, 当被用于描述工程项目风险发生概率或风险损失的数学公式或方程包含一些非初等的分布函数时, 往往问题变得较为复杂, 因而难以得到解析解。应用MC方法的主要优点在于:只要能正确用数学式描述项目风险发生的概率, 原则上说总可找到解, 当在计算机上做多次试验后, 其解将会取得满意的精度, 是实务中一种常用的风险量化方法。
(五) VAR方法。
VAR (Value at risk, 在险价值法) 是指在正常的市场条件下, 给定置信水平 (也即可靠度, 取决于评价者风险偏好) 下某一持有期间内某个投资组合的最大可能损失。可表示为Prob (△P>Va R) =1-c。其中:△P为投资组合在持有期△t内的损失, Va R值为置信水平c下处于风险中的价值。也就是说, 如果某项投资在99%的置信水平下的Va R值为5万美元, 那么可理解为能以99%的概率保证该投资最大损失不会超过5万美元。
VAR方法作为广泛应用的金融市场风险度量方法之一, 实际应用中又分为三种具体方法:一种是基于投资组合服从某个给定分布 (如正态分布) 假设而求解的方差-协方差法;一种是基于历史数据分析而求解的历史模拟法以及Monte-Carlo模拟法, 两者不同之处在于后者对历史数据的统计分析采取了Monte-Carlo计算机仿真模拟随机取数的方法。
采用VAR方法的最大优点在于, 通过VAR值的计算, 可以直观地了解到某项投资在给定置信度下可能发生的最大损失, 给我们评估PPP项目金融风险时提供了一种有益的参考。其不足之处在于:一是无论采用哪种方法, 都是建立在一定的假设条件之上, 比如实际中应用方差-协方差法常假设投资组合服从正态分布, 不同分布假设必然会带来评价结果上的偏差;二是无论使用历史模拟法还是Monte-Carlo模拟法时都蕴含着一个假设“历史会重演”, 据以历史数据推断未来某时的VAR值, 当市场风险波动剧烈时, VAR值失效;三是将其应用于PPP项目风险评估中时只能针对项目面临的金融市场风险 (如汇率、利率等) 而其他风险评估则需要其他方法的配合, 同时在我国应用还很不成熟。
三、风险定量评估方法比较
结合前述介绍可知, 敏感性分析、决策树法和蒙特卡洛模拟法是实务中广泛使用的项目风险定量评估方法, 从风险二维评价来看, 其中敏感性分析只能获取项目风险评价结果不能估计其发生概率;决策树法能获取项目损失发生值及概率, 但风险因子复杂多变时工作繁琐;蒙特卡洛模拟法借助于计算机仿真模拟通过随机抽样同样能获取项目风险损失及发生概率, 且结果准确度较高, 排除了人为干扰。而模糊评价法借助于模糊数学语言能将难以量化的风险因子实现量化分析, 能综合评估项目风险大小, 这正是其他方法无可比拟的优势。VAR方法能有效评估金融市场风险, 可作为其他项目风险评估方法的补充。 (表1)
四、结语
综上, 几种风险定量评估方法各有千秋, 实务中应遵循可操作性、可理解性、客观数据可获取性等原则灵活选用一种或多种方法组合应用, 比如在项目可行性研究时可在定性分析基础上应用敏感性分析、决策树等方法进行初步风险评估, 在项目谈判阶段可灵活选用模糊综合评价法、蒙特卡洛模拟法以及VAR法等进行详细深入的风险评估, 从而为后续风险管理提供可靠依据。
摘要：风险定量评估是实施PPP项目全寿命期动态风险管理的重要任务。本文总结比较了目前比较流行的几种风险评价方法, 为研究者和实务工作者选择合理的评价方法提供了依据。
关键词：PPP项目,模糊综合评价法,蒙特卡洛模拟,VAR方法
参考文献
[1]王灏.PPP的定义和分类研究[J].都市快轨交通, 2004.5.
[2]冯燕.PPP项目融资风险识别及量化研究[D].重庆大学, 2007.10.
[3]张星, 孙建平, 李胜.BOT项目风险的模糊综合评价[J].上海经济研究, 2004.1.
[4]陈敬武等.PPP项目风险的模糊综合评价方法研究[J].河北工业大学学报, 2006.5.
[5]冯文滔.基于Excel的随机决策模型:蒙特卡洛模拟[J].中国管理信息化, 2007.1.
[6]孙建平, 李胜.蒙特卡洛模拟在城市基础设施项目风险评估中的应用[J].上海经济研究, 2005.2.
[7]林君晓等.蒙特卡洛模拟技术在污水处理项目风险分析中的应用[J].科技管理研究, 2006.12.
[8]林舒.VaR风险模型在金融市场风险管理中的应用研究[D].厦门大学, 2007.
定量评估 篇2
介绍了定量风险评估的概念及其主要步骤,结合LNG接收站定量风险评估实例,阐述了定量风险评估技术的实施过程.
作 者：赵文芳 张国辉 党文义 陈涛 Zhao Wenfang Zhang Guohui Dang Wenyi Chen Tao 作者单位：赵文芳,张国辉,党文义,Zhao Wenfang,Zhang Guohui,Dang Wenyi(中国石油化工股份有限公司青岛安全工程研究院,山东青岛,266071)
陈涛,Chen Tao(青岛啤酒股份有限公司,山东青岛,266071)
定量评估 篇3
关键词：能效逻辑；数据中心；PUE；DCiE
中图分类号：TP308文献标识码：A文章编号：1007-9599 (2011) 05-0000-01
Green Data Center Quantitative Evaluation Method Exploration Based on Energy Efficiency Logic
Miu Chenqi
(Shanghai Data Solution Co.,Ltd.，Shanghai201203,China)
Abstract:The construction of green data center core of the most important goal is to reduce energy consumption.This paper presents a based on energy-efficient logic green data center quantitative assessment methods.First to describe the logical process of using energy efficiency;then proposed how to achieve the quantitative assessment of the two indicators.
Keywords:Energy efficiency logic;Data center;PUE;DCiE
一、数据中心“绿色”发展必然要求
大量的数据证明，数据中心的基础建设绝对不能头痛就先医头、脚痛就先医脚，企业的计算需要有“绿色”的思维，与其日后的回头补课，还不如从现在就开始来拥抱绿色。
20世纪五十年代的时候，绿色运动就已经在西方很多国家兴起了，“绿色”思想逐步在全世界的范围内开始被人们所接受。“绿色”思想出发点就是为了保护我们有限的自然资源，调整人类不良行为，满足自然生态中的良性循环，保证人类在世界上的生存安全。在“绿色”思想推动与影响下，生态世界观也开始变成了人与自然界和谐相处的基本行为准则。
目前，我国数据中心的消耗电力只不过是全部的用电量冰山一角而已，在绿色数据计算上，政府机构、企事业单位和IT行业的供应商都必须避免一叶障目，不见森林。数据中心的能耗数据统计，只占全部能耗的5-6%。中原雅哉认为，就算是把绿色计算数据中心做到极致，也仍然是螺蛳壳里做道场。本着做一家具有责任感的信息数据技术公司的理念，应该将目光看得更远些、事情做得更多些。本人认为在绿色数据中心的计算进程中，IT行业的供应商具有巨大责任使命，只有在心中拥有了大绿色的数据中心计算宏伟蓝图，才能够做的出更好更完美的绿色解决方案和绿色技术，从而来为整个绿色环境事业做出重大的贡献[2]。
二、能效逻辑：节能新路标
最近几年来，数据中心需要怎么样有效的节能，一直是世界各国相关的学术机构和环保部门热议及关注焦点，他们为之做出了坚持不懈的努力。2007年8月，美国环保署就向国会递交了份报告，罗列出由Lawrence Berkeley国家实验室提供的10种最佳节能方案。这些方案有：安装变速装置方案、使用高动力马达方案、采用液体制冷方案、使用高功率水冷系统方案、提高空气流动通道效率方案、提高服务器利用率方案、利用自然冷却方案、照明控制方案、适宜的环境条件方案和提高能量转换效率方案等。
上述这10种方案都是节能的好办法。不过只是列举出节能方案还是不能解决问题，目前相关的机构缺少的是对数据中心节能这些方案进行客观中立的评估，这就使得数据中心的管理人员，无法完全的确定下来这些节能的方法是否有节能的功效，并且没有办法来针对数据中心的相关运营状况及设备情况来制定出一套绝佳的节能方案。
根据上述的情况，艾默生能源就是对信息数据中心能源的使用过程中所有的节能频率进行了量化，并且加以了评估及投资多长时间能得到回报做出定论，并提出了“能效逻辑”全新理念。这个能效逻辑新理念描述了信息数据中心内部级联节能效应，为IT部门的管理人员和信息数据中心提供了节能减排的新路标。
总的来说，绿色数据中心描绘了联合节能效应的模型（瀑布式模型），并指出，数据中心主要设备整体节能对数据中心效应的影响。服务器设备每节约4瓦特电，配电设备则能节约0.16瓦特电，交流电源节约1.24瓦特，直流电源节约0.72瓦特电，散热设备能节约4.28瓦特电，UPS能够节约0.56瓦特电，转换开关设备能节约0.28瓦特电。
三、数据中心定量显示的节能效果
能效逻辑也就是针对所设计的节能方案进行优先的排序之后定性出方法，它并不是定量的标准。实际上“定量是显示数据中心的能效，并且采取了节能方案之后能从数字上看出改进的效果”在相关业界并不普遍。07年第三季度艾默生网络能源对用户组进行调查，其中79%多的IT界权威人士认可了能源的效率提高对数据中心非常重要，可是仅有不到17%的接受采访的公司能拿出减少能源使用的计划书[1]。
艾默生网络能源的能源计划总监Jack Pouchet先生说：“我们的客户经常对我们说，效率是第一位的，但同时又是一个很难度量的概念。艾默生网络能源要做的就是用我们的能效逻辑方法帮助IT及数据中心的管理人员确定工作重心、找到量化起始点[1]。”
一个权威的量化起点就是“数据中心能效逻辑定量评价指标”—DCiE和PUE。DCiE是“Data Center Infrastructure Efficiency”的简称，代表的是数据中心基础设施效率；PUE是“Power Usage Effectiveness”的简称，代表的是能量使用效率。这两种概念都由绿色网格制定的。绿色网格是全球非盈利的组织，由业界权威专家构成，该机构致力于开发不受任何平台所约束的技术标准、处理流程、测量方法及新型技术，研制修订了数据中心能效定量评价的指标，包括艾默生公司。
艾默生网络能源提出的--能效逻辑，还有绿色网格组织制定的“数据中心能效定量评价指标”在不断的发展，为现今广大IT管理层的人员和数据中心提供了减少数据中心能量消耗的新思路，将为全球数据中心能源带来崭新的未来。
结语：在人们对绿色数据中心的概念，绿色数据中心在满足环境保护的同事，又把有限的资源有效利用，人类的人与自然协调以及健康舒适生活的、可持续发展等问题都有了相对系统的认识以后，什么样的数据中心才是绿色数据中心，应该满足哪些“绿色”的要求和标准，即如何建立有效测评绿色数据中心的标尺―绿色数据中心评价体系，是现如今必须要完成的一项工程。
参考文献：
[1]吴健.艾默生网络能源通讯[J].2008,4
[2]曹播.能效逻辑和数据中心定量评价指标[J].智能建筑与城市信息,2008
定量超声在肌肉评估中的应用 篇4
肌肉是构成人体的重要组织,它分布在各组织器官和骨骼的周围,其功能为产生收缩并引导运动。人体总共有七百多块肌肉,根据分布和功能,肌肉可以分为骨骼肌、心肌和平滑肌三种。心肌和平滑肌又被称为非随意肌,其收缩不由意识控制且为生存所必需。骨胳肌又称为随意肌,其收缩受到大脑神经系统自主控制,用来引导身体的运动。骨胳肌在运动中扮演着至关重要的作用,而肌肉的构成又十分复杂,定量分析和评估骨胳肌的功能作用是当前研究的难点和热点。
肌电图学(Electromyography,EMG)是最早用于评估骨骼肌的方法,其原理是记录骨骼肌收缩和静止状态时产生的生物电信号,并且以此来评估肌肉的功能状态。根据使用方法,肌电图可以分为表面肌电图(无创)和肌肉注射肌电图(有创)。肌电信号可以用来辅助诊断运动和神经性肌肉疾病,也可用来作为辅助运动康复和控制假肢的信号。表面肌电图作为一种实时无创的测量肌肉活动的方法,更被广泛地应用于生物力学的研究中。De Luca(1997)[1]列出了各种潜在影响肌电信号和肌肉产生的力关联的因素,如电极位置、放大器、肌肉类型等。除此之外,肌电信号还容易受到邻近肌肉、环境和噪声的影响。这些都制约了肌电信号在肌肉评估中的应用。
核磁共振成像(Magnetic Resonance Imaging,MRI)对软组织,如肌肉、关节等,有极好的成像分辨率,是最好的评估软组织问题的成像技术。已经证明核磁共振成像和肌电信号都可以反映肌肉的活动状态[2]。还有一些研究者利用磁共振弹性成像(MRE)去测量肌肉的硬度[3,4]。不过由于核磁共振成像的成本高昂和非实时的特性,限制了其在生物力学领域和肌肉评估中的广泛应用。
超声成像是一种实时、无创和便捷的成像方法,自从面世以来已经被广泛地应用在各个科研领域。超声是第一种可以辅助诊断肌肉疾病的成像技术[5]。随着超声技术的趋于成熟,大量的研究者利用二维超声图像诊断肌肉疾病,如肌肉神经疾病、肌肉恶性肿瘤、肌肉血肿和肌肉撕裂等[6,7,8]。从上世纪90年代起,有学者开始利用超声去定量地评估肌肉的功能状态,并把分析结果应用在生物力学的研究领域[9,10,11,12,13,14,15,16,17,18]。Zheng等(2006)[16]更是首次提出肌声图学(Sonomyography,SMG)的概念,其原理与肌电图学类似,利用超声仪器记录骨骼肌收缩和静止状态时的超声信号或图像并分析得到肌肉的结构参数随时间变化的信号,并且以此来评估肌肉的功能状态。Guo等(2008)[17]利用一维肌声信号(A型超声)研究前臂肌肉收缩时的状态变化,并且证明其是一种可靠的分析肌肉活动的信号。二维肌声信号(B型超声)可以提供比一维肌声信号(A型超声)更丰富和有意义的信息,如肌纤维长、肌肉厚度和羽状角等,这些都利于进一步分析和评估肌肉功能。定量超声作为一种可靠的逐步成熟的研究方法,在肌肉功能的评估中正扮演着越来越重要的角色。本文总结了定量超声在肌肉评估中的应用现状和主要问题。
1 定量超声在肌肉评估中应用的分类
定量超声主要是利用二维的超声图像去评估分析肌肉活动时的状态变化。在二维超声图像中,定量超声主要采用肌肉横断面积(Cross-Sectional Area)、横断面厚宽比(thickness-width ratio)、肌纤维长(Fascicle Length)、肌肉厚度(Muscle Thickness)和羽状角(Pennation Angle)等结构性参数来表述肌肉的状态变化。定量超声在肌肉评估中的应用主要可以分为三类:肌肉的功能性研究,人体运动分析,肌肉的硬度(弹性)测量。
2 定量超声在肌肉功能性研究中的应用
定量超声尝试从二维的超声图像中提取的结构参数去反映肌肉功能状态的变化。我们知道身体运动是通过肌肉的收缩来引导,所以肌肉收缩是反映肌肉活动和功能状态的重要指标,特别是肌肉的等长收缩(Isometric Contractions)和最大随意收缩(Maximal Voluntary Contraction)。应用定量超声去分析评估肌肉的收缩是其一个重要应用。当肌肉处于放松和收缩状态时,肌肉的肌纤维长和羽状角有着显著的差别[13]。同时随着肌肉收缩程度的变化,肌肉的肌纤维长和羽状角也跟着产生相应的变化[9,19]。通过比较不同程度等长收缩下的肌电信号和肌声信号,Hodges等(2003)[20]指出,肌声信号是一种无创的测量肌肉收缩状态的方法,并且能克服一些肌电信号的缺陷,如排除了邻近肌肉的影响和可以无创地测量深层肌肉,甚至在有些情况下肌声信号比肌电信号对于肌肉收缩的变化更加灵敏。
通过肌肉的收缩可以产生力,利用定量超声去分析肌肉状态和力量之间的关系也是一个重要应用。肌肉的横断面积越大,肌肉力量就越大,这里有一个显著的正相关关系[21]。与此对应的是,不管年龄差别和训练与否,每单位肌肉横断面积产生的力量却几乎相同,通过定量超声的方法已经验证了这一事实[22,23]。通过比较比目鱼肌和胫骨前肌的肌纤维长和力量之间的关系,Maganaris(2001)[11]进一步证实了肌肉力量主要取决于肌肉横断面积,同时还指出比目鱼肌和胫骨前肌的肌纤维长和力量之间的关系曲线是先上升后平缓的。Guo等(2010)[24]系统地研究了在大腿肌肉收缩时其厚度与宽度比例的变化,并与肌电图信号作了对比。Shi等(2008)[25]初步验证肌肉羽状角和力矩之间是线性相关的。De Monte等(2009)[26]通过对踝关节做收缩循环(速率分别为25度/秒、50度/秒、100度/秒,角度幅度变化为15度或25度),发现在完成收缩循环后,足底屈肌产生的踝关节力矩得到增强,内腓肠肌的肌纤维长和羽状角在收缩循环后比收缩循环前有着显著不同。他同时还发现,踝关节力矩得到增强与收缩循环的幅度和速率没有关联,这从侧面说明内腓肠肌肌肉状态的变化可能导致踝关节力矩的增强,和为什么热身活动有利于运动。
肌肉的功能状态也受到人体姿势、年龄、性别或者肌肉是否处于疲劳状态等因素的影响。Maganaris等(1998)[9]用肌纤维长、肌肉厚度和羽状角这三个参数去评估小腿三头肌在踝关节处于不同角度时的状态变化。他们发现小腿三头肌群的内腓肠肌、腓肠肌外侧和比目鱼肌的肌纤维长和羽状角都随着踝关节的角度变化而变化。Shi等(2007)[27]尝试用肌声信号去描述肌肉是否处于疲劳状态并且证明肌肉厚度变化可以作为一个决定肌肉是否疲劳的重要参数。Ichinose等(1998)[28]采用定量超声去分析接受训练的男女运动员的肱三头肌差别,发现肱三头肌的差别体现在肌肉横断面积上,而肌肉的羽状角基本是相同的。从出生开始静止状态的肌羽状角会随着年龄的增长而增大,当达到一定的年龄后就稳定在某一值,一直到70岁都不会发生显著变化[29]。通过比较年轻人和老年人的肌肉定量超声参数,Narici等(2003)[30]发现老年人的肌纤维长和肌肉的横断面积都明显小于年轻人。这也进一步验证了年龄对肌肉功能状态的影响。
3 定量超声在人体运动分析中的应用
骨骼肌通过收缩产生引导身体运动的力,并且通过肌腱和关节来控制和参与人体的运动。理解肌肉在运动中的作用可以帮助解决不同人群在不同条件下可能存在的肌肉骨骼系统问题,如大脑性麻痹、术后康复等,以及提高运动效率。对于髋关节骨性关节炎患者,可以发现两侧四头肌会出现明显萎缩,甚至在手术后五个月内两侧四头肌的厚度都还会有所减少[31]。Mass等(2003)[32]还验证了肌肉相对于周围组织的位置是决定等距肌肉力的因素之一。常用的人体运动分析系统(VICON或CODA等)只能通过肌电信号去获取肌肉的活动状态信息,这对真正理解肌肉的活动是不充分的,而通过新的成像技术和模型,可以进一步帮助理解人体运动中肌肉、肌腱和关节的生物力学属性[10,11,13,14,15,31,33],所以利用定量超声在人体运动分析中去评估和分析肌肉的状态是其一个重要应用。Fukunaga等(2001)[13]通过VICON人体运动分析系统和超声仪器,去分析在人体行走时内腓肠肌的肌纤维长度变化,发现在支撑阶段(Stance Phase)肌肉几乎是等距收缩和肌腱类似弹簧的伸缩特性,符和存储释放弹性应变能量的这一过程。利用超声仪器和CODA运动分析系统,Lichtwark和Wilson(2006)[14]发现对不同斜度和步行速度内腓肠肌的工作方式几乎相同。Lichtwark等(2007)[15]还发现对于步行和跑步,内腓肠肌的工作方式也几乎相同,差别只在于内腓肠肌的肌纤维长和羽状角的变化速率的幅度。Aggeloussis等(2010)[33]通过VICON人体运动分析系统和超声仪器验证肌纤维长、肌肉厚度和羽状角的重现性,证明这三个参数是可以被可靠地运用在人体运动分析中。
4 定量超声在肌肉的硬度(弹性)研究中的应用
肌肉的硬度已经被证明与非疲劳状态下肌肉的收缩强度是线性相关的。一般肌肉的硬度要远远大于肌肉[34],而通过适当的高强度的锻炼也可以增强肌肉的硬度[35]。因此,量化肌肉硬度有助于增进对骨骼肌的功能的了解。假设肌肉是满足各向同性的胡克弹性材料,则其剪切模量µ是与剪切波速C相关的:
其中,ρ是弹性材料的密度。因此,测量在一定的频率下的剪切波速可以计算出相应的剪切模量。
目前已经有多种方法应用于肌肉硬度测量,如印压法(indentation)、声学弹性成像(sonoelastography)、磁共振弹性成像(MRE)等。这些方法都有各自的优点和缺陷,很难实现定量的检测,例如磁共振弹性成像(MRE)只能检测10%和20%最大随意收缩(MVC)下肌肉硬度的检测[4]。超声作为一种实时、便捷的手段,通过超声可以实现定量分析肌肉硬度,并且得到在不同程度最大随意收缩(MVC)下的肌肉硬度。Wang(2011)[36]通过超声实现从0%到100%最大随意收缩(MVC),十个不同等长收缩水平下右腿股中间肌的硬度检测。
5 定量超声在肌肉评估中应用的主要问题
定量超声现阶段在肌肉评估应用中主要有两大难点:超声探头的位置固定和二维超声图像的参数提取。
由于超声探头的尺寸比较大,如何在运动中固定超声探头,防止探头滑动以影响定量超声的数据采集是应用中急需解决的问题。实验证明,超声探头的方向会影响肌肉纤维长和羽状角这两个参数的测量[37]。要根本解决这个问题需要在硬件上开发出更加轻便和灵活的超声探头。在现阶段需要一些特殊的装置把超声探头固定在人体表面,如轻泡沫[33]等。我们相信随着超声技术的发展,这个问题必然会得到妥善解决。
从二维超声图像中提取肌肉横断面积、肌纤维长、肌肉厚度和羽状角这些有用的信息是一项繁重的工作,现阶段大多数研究者都是通过手工标注的方法去确定这些参数,这严重限制了定量超声在肌肉评估中的推广应用。一些自动或半自动的算法已经被提出用来提取这些参数[38~40]。最先被提出的是基于二维归一化互相关(Normalized Cross Correlation)的块匹配(Block Matching),可以用来跟踪和计算肌肉的位移。光流法(Optical Flow)是另一种用来跟踪和计算肌肉位移的自动算法。Zhou和Zheng(2008)[39]提出用迭代霍夫变换(Revoted Hough Transform)计算图像中肌纤维的羽状角并且取得很好的效果。Zhao和Zhang(2011)[40]在此基础上用雷登变换(Radon Transform)实现了肌肉羽状角的自动跟踪和计算。虽然这些算法还不够成熟,但是已经极大地推动了定量超声的应用推广。随着自动算法的逐步成熟,从二维超声图像提取参数将不会是阻碍定量超声应用推广的主要问题。
6 总结
定量评估 篇5
[摘要] 目的 探索灰色模型GM(1,1)在全国细菌性和阿米巴性痢疾发病率定量宏观评估中的合理性与应用条件。方法 收集1990-2011年中国大陆地区细菌性和阿米巴性痢疾发病率。首先，利用1990-2007发病率建立灰色模型，然后对2008-2010发病率进行预测。结果 灰色模型GM(1,1)基本适合细菌性和阿米巴性痢疾发病拟合与预测研究，C=0.399，p=0.882。结论
GM（1,1）模型本质上是指数模型，当传染病发病率数据服从指数模型时，利用GM(1,1)效果较好。当数据不服从指数模型时，GM(1,1)拟合结果不理想，此时应考虑采用其它方法。近年来，风险分析理论在传染病防制方面的应用逐渐增加，传染病风险评估主要是在构建风险评估模型的基础上，研究传染病风险发生规律和风险控制技术。各种传染病定性或定量风险评估方法中，灰色系统理论已经得到广泛应用[1]。灰色系统理论的模型体系是以灰色模型(Grey Model，GM)为核心，该模型针对生成的时间序列建模。最为常见的是GM(1,1)模型，它以时间序列性资料为基础，通过对无规律的原始数列进行转换、建立有规律的生成数列的回归方程，并应用该方程对疾病的动态发展趋势进行预测。GM(1，1)预测虽具有思路简单，数据单纯，运算简便等特点。本该研究尝试基于灰色模型对中国大陆地区细菌性和阿米巴性痢疾发病率进行拟合与预测，并探讨使用此模型进行宏观评估的可能性、适用范围及模型的预测精度。1资料与方法
1.1资料来源
资料来自于《中国卫生年鉴2012》[2]，收集1990-2011年中国大陆地区22年间细菌性和阿米巴性痢疾发病率。1.2方法
1.2.1 GM(1,1)预测方法
将1990-2011年原始发病率数据排列成时间数列Xt(t=0,1,2,…,n)。其中Xt表示第t时刻的原始数据。
然后按照如下步骤进行：
（1）生成累加数：将原始数据按（1）式累加生成，使其变更为有规律的生成数列Yt，(t=0,1,2,…,n)
（1）
（2）生成移动平均数：对累加生成数据Yt按照（2）式生成移动平均数Zt，(t=1,2,3，…,n)
（2）
（3）建立GM(1,1)模型：在GM(1,1)模型中，Yt满足一阶线性微分方程（3），其中α、μ为待定系数。
（3）
1.2.2 建模 利用1990-2007年发病率建立灰色模型，然后对2008-2010年发病率进行预测。； 1.2.3 统计分析： 利用Excel2007输入数据并构建灰色系统模型，模型的判别标准为：模型的精度由C和p共同决定。一般地,将模型的精度分为四级。当C≤0.35，p≥0.95 时，模型的精度等级为1级(好)；当0.35
2.1灰色模型计算过程与评估
细菌性和阿米巴性痢疾发病率的灰色模型计算见表1。模型优劣评估参数、线图及指数模型R2见图1。可以看出灰色模型GM(1,1)应用较好，C=0.399，p=0.882，α=0.080，μ=107.749，模型精度为2级。从拟合来看，除1991年和1993年外，绝对误差均小于6%，拟合较准确。从发病趋势看，细菌性和阿米巴性痢疾发病率呈现下降趋势，从1990年的127.44/10万下降至2007年的27.99/10万，18年间下降近4.5倍。
2.2灰色模型外推预测比较
在前述模型精度基本合格（2级）的基础上，利用1990-2007年全国细菌性和阿米巴性痢疾发病率建立灰色模型，对2008-2010年发病率进行预测，预测结果见表1，预测相对误差均小于10%。3讨论
灰色系统中单变量一阶线性微分模型GM(1,1)是灰色数列预测的基本模型，它对样本含量的概率分布无严格要求，计算过程相对简单。GM(1,1)模型本质上是指数模型，可以简化为
-[ ] =。通过指标C和p来判别灰色GM(1,1)优劣的结果与通过指数曲线拟合(决定系数R2=0.897)基本相一致。灰色模型适用于小样本应该和其自变量少有关，只有一个t，参数个数为2个，因此不需要太多自变量，在这点上和指数模型并没有区别。但灰色模型的优点在于在传染病发病率数据中有许多非常低的率，接近于或等于0，此时需要取对数才能进行指数曲线拟合，而0无法取对数，则无法利用拟合指数模型分析，而灰色模型此时则适用。对于预测精度，有研究利用动态GM(1,1)模型提高预测精度，其基本思想是利用前k个数据来预测第k+1个，并且找到合适的k，但无论如何数据必须满足指数规律[3]。我们也可采用加权的办法提高临近点的权重来提高预测精度。
定量评估 篇6
随着科学技术在经济社会中发挥日益重要的作用, 近10年来我国财政科技投入总量不断增加, 投入规模从2000年的575.6亿元增加到2011年的4900亿元, 年均投入增长21.5%。大量科技经费的投入引起社会各界对投入产出绩效问题的高度关注。开展财政科技支出的绩效评价是规范科技项目管理, 提高科技资金使用效率的重要手段。
科技评估活动在国外兴起于20世纪30年代, 最早是以同行评议的形式展开。随着评估技术的发展, 越来越多的定量研究方法被引入科技评估中, 极大地发展了这项技术的科学性和系统性, 其应用的范围随之扩大, 丰富了评估信息[1]。但是, 研究人员对于这些定量方法在科技评估中应用的特点和适用性分析较少。本文通过对常用定量评估方法的介绍和比较, 进一步分析这些定量方法的特点和它们在科技评估中的适用情况, 以期为评估工作者开展财政科技支出的绩效评价提供参考。
二、定量评估方法概述
20世纪60年代产生的“模糊数学”在精确的经典数学与充满了模糊性的现实世界间架起了一座桥梁, 在评估活动中得到了较为成功的应用, 产生了特别适合于处理评估对象及分类不确定等情况的模糊综合评价方法, 该方法的基本思路是通过构造等级模糊子集确定隶属度, 然后利用模糊变换原理对各指标进行综合处理。
针对多个评估指标在综合时信息出现重复交叠的情况, 研究人员提出运用主成因分析和因子分析法, 这类方法根据指标间的相关关系或各项指标的变异程度来确定权重。除此之外, 判别分析法、聚类分析法等也为综合评估提供了较好的定量方法。
20世纪70年代初, 由美国运筹学家, 匹斯堡大学T.L.Saaty教授提出层次分析法 (Analytical Hierarchy Process.AHP) , 将定量分析和定性分析相结合, 提供了一种多目标决策的分析方法。功效系数法是建立在多目标规划原理的基础上, 根据评估对象的复杂性, 从不同侧面对对象进行综合评价。
自1978年, 美国运筹学家A.Charnes和W.W.Cooper提出第一个数据包络方法 (Data Envelopment Analysis, DEA) 模型以后, 30多年来, DEA已经形成了一个数学、经济学、管理科学交叉研究的新领域。在评估过程中, DEA特别适用于具有多输入和多输出的复杂系统, 其在效率评估方面应用十分活跃[2]。
1982年, 华中理工大学邓聚龙教授首次提出灰色系统的概念[3], 并创立一门新兴学科。目前, 在综合评价中应用较多的灰色系统方法有灰色关联分析和灰色聚类方法。其中灰色关联分析是一种多因素统计分析方法, 它主要以各因素的样本数据为依据, 利用灰色关联来描述因素间关系强弱、大小和次序。
现今, 国内外建立的综合评估方法有数十种之多, 各有其特点, 根据其确定权重的方式, 大致可分为两类:主观赋权评价法和客观赋权评价法。前者多采用综合咨询评分的定性方式, 根据专业经验进行主观判断得到权数, 如AHP分析法, 模糊综合评价方法等;后者的数据来源于实际数据, 根据指标之间的相互关系或各项指标的变异系数来确定权重, 如主成因分析、因子分析法、DEA法、灰色关联度评价方法等。
三、单个定量评估方法的特点及应用
1. AHP分析法
AHP分析法是一种定性和定量相结合的、系统化和层次化的分析方法, 能很好地评价多层次性问题, 将复杂、庞大的问题系统简化成明确的元素层级系统。它将评价的问题分解为不同的评价指标, 并按这些指标之间相互关联和隶属关系, 将指标以不同层次进行聚集组合, 形成一个多层次条理化的评价结构模型。相对比常用的经验估值法和专家调查法, AHP分析法通过对评估专家主观判断的数学处理, 极大地避免了赋权中可能存在的失误, 提高了指标赋权的准确性和科学性。在我国, AHP分析法广泛应用于政策分析、发展战略规划、产业结构研究、科技成果评价和人才评测等领域, 有丰富的使用经验和较多的研究成果。
AHP分析法运用广泛, 计算较为简单, 但需要注意:一方面要合理确定评估指标及相互关系, 在构造指标层的过程中, 应充分理解指标层与评价层的内在关系, 构造的层次应纵向关联性高, 指标横向关联性低, 则AHP分析成功率高, 反之, 容易导致AHP分析失败;另一方面, 在同一层次指标数较多 (>9个) 时, 需要进行适当的分组归类, 以保证进行指标两两判断时更为准确。
陆建芳、戴炳鑫[4]应用AHP分析法计算判断矩阵的权重向量;设计了浙江省科技产出指数和科技活动产出效率评价方案。文中提到指标体系法的缺点是难以进行综合评估, 但运用AHP分析法可以计算出各项产出指标的合成权重, 进而利用合成权重向量及相应的指标体系数量形成综合评估方案。
金红霞、王瑞红[5]建立基于AHP的财政支农资金绩效评估方法, 并以河北省保定市相关数据为样本进行实证分析, 对各指标进行排序, 排序结果反映了指标的重要性, 帮助找出影响地方财政支农资金绩效的关键指标, 使财政支农资金绩效评估方法更加客观、公正、科学。
2. 模糊综合评价方法
模糊综合评价法属于定量分析的一种, 主要是借助模糊数学原理, 建立科学、合理的指标体系和评价模型, 定量地分析技术预见的实施效果。采用模糊评价理论, 将评价者的分散信息处理成一个加权处理的权向量, 在此基础上, 对其采用单值化处理, 得到被评者的综合值, 实现被评者的排序优选。
其优点主要体现在:隶属函数和模糊统计方法为定性指标定量化提供了有效方法, 实现了定性和定量方法的有效集合;而且, 所得到评价结果为一向量, 即评语集在其论域上的子集, 克服了传统数学方法结果单一性的缺陷, 结果包含的信息量丰富。模糊评价的缺陷在于不能解决评价指标间相互造成评价信息重复的问题。
梁吉业[6]等结合模糊综合评价方法, 对照科技项目合同任务书的预定目标, 提出一种评判科技项目完成情况的模糊综合评价方法。该研究认为, 模糊综合评价方法的优点是可以较好地解决综合评价中的模糊性, 比如事物类属间的不清晰, 评价专家认识上的模糊性等, 根据不同可能性得出多个层次的问题解, 符合现代管理中“柔性管理”的思想。
王亚伟、韩珂[7]依据模糊数学理论, 构造了一种改进的多层次模糊综合评价模型。通过建立区域科技创新能力评价指标体系, 利用改进的模糊综合评价模型对河南省的区域科技创新能力进行综合评价。改进后的模型其权重仅依靠单因素评判矩阵来确定, 在一定程度上避免了权重难确定的问题, 同时也简化了评判方法。
3. DEA评价法
DEA以相对效率概念为基础, 以凸分析和线性规划为工具, 可用于多目标决策问题。由于DEA不需要预先估计参数, 在避免主观因素、简化运算及减少误差方面有着较大的优越性。在科技评估领域, DEA评价法特别适用于具有多输入多输出的复杂系统的评价, 因此选用DEA方法对科技项目的产出效率进行评估具有突出优势。
洪亮[8]根据黑龙江省2000-2008年科技投入与产出实际数据, 应用DEA模型, 对其综合效率、纯技术效率和规模效率进行相对有效性评价研究。徐晨、邵云飞[9]选择DEA法, 对我国30多个区域的科技投入及科技成果转化绩效展开研究, 并且探讨了对评价对象所处的位置和某些区域评价对象非有效的原因。陈旭红、张梅[10]通过构建我国30个省区自主创新投入产出的评价指标体系, 运用DEA分析方法, 将30个省区分为三类, 对每一类省区自主创新资源配置的效率进行了评价。
在DEA评价法的应用中, 为保证结果的准确性, 应该避免评价指标过多, 但评价对象 (DMU) 过少的情况。根据经验, 被评价的DMU的数目至少应为评价指标个数的2倍。
4. 灰色关联度评价方法
灰色关联度评价方法是灰色关联度理论最常用的方法之一, 其基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密, 曲线越接近, 相应序列之间的关联度就越大, 反之就越小。灰色关联度评价方法既可以用于因素间关联度的分析, 又可以用来对多层次综合指标体系所描述的总体的优劣程度做出判断。
财政投入科技计划项目的诸多特点正好符合灰色系统的适用范围, 因而被研究人员广泛应用。一方面, 科技活动的复杂和不可预测性, 使得财政投入的资金在科技活动的流动过程中无法参照其他生产活动, 将生产要素逐一分析出各自的作用效果, 这就形成了“投入-产出”结构“灰箱”;另一方面, 由于信息化时代的日新月异以及科研活动的创新性和多变性, 在统计分析上过长的时间序列, 其趋势分析优势基本丧失, 因此五年左右的时间序列跨度较为合适, 而灰色系统适用于这种时间序列跨度较短且数据波动的系统。
张青、王桂强[11]利用灰色关联方法, 构建了地方政府层面的财政科技投入绩效评价的原理、体系、方法。文中提到关联分析的适用面较广, 在对研究结构的投入产出绩效评价的实际运用过程中, 可以从不同的视角进行计算评价, 在系统内部要素之间和不同系统之间, 可以进行交叉的关联分析, 从而得出相对全视角的评价结论。
童纪新[12]等以灰色关联分析方法为基础, 根据江苏科技统计年鉴, 从科技投入和科技产出两方面构建了科技创新效率的综合评价指标, 对江苏省各城市科技创新效率进行了综合评价。作者认为国内学者对科技创新效率的研究方法主要有主成分分析法、聚类分析法、DEA法等, 这些方法要求较长的时间序列数据和巨大的信息量才能得到较好的分析效果, 运用对纵向数据要求较低的灰色关联分析法更适合进行科技创新效率研究。
以上介绍了四种评价方法的理论基础和代表性研究, 下面将几种方法的特点及应用条件归纳于表1。
四、多种定量评估方法的组合应用
用于科技评估的方法多种多样, 但鉴于科技活动本身的特点, 如技术不确定性、效益难预测性、项目类别多样等, 再加上各种评估方法的出发点不同, 解决问题的思路不同, 优缺点各异等因素, 使得单纯运用一种评估方法, 难以克服方法本身的局限性和片面性。主观赋权评价法, 以人的主观判断作为赋权基础不尽完全合理。客观赋权评价法, 由于未考虑指标本身的重要程度, 且指标权数随样本的变化而变化, 权数依赖样本, 评估结果也不能完全令人信服。无论是选用主观赋权评价法, 还是采用客观赋权评价法, 都有自身无法解决的缺陷。
因此, 研究人员逐渐开始尝试运用两种方法做优势互补, 期望得到更为科学合理的评估结果。已有的“组合评价法”研究表明, 对单一评估方法的组合, 可针对单一评估方法的权数进行组合, 也可对单一评估方法的评估排序结果进行组合, 即“权数系数的组合”和“评价结果的组合”两种。下面就以上提到的四种方法进行组合评价, 探讨组合评价方法的综合运用。
1. AHP分析法和DEA评价法组合
AHP分析法是一种运用广泛的主观赋权分析法, DEA评价法是典型的客观赋权分析法, 组合评价法优势在于利用AHP反映评价者主观偏好的能力, 弥补了DEA评价结果经常出现的现实可行性不足的缺陷, 另一方面又通过DEA模型的科学性、准确性, 弥补了AHP分析法的客观严密性不足的缺陷。
目前, 其结合方式主要有两种, 一种通过AHP分析法以理清脉络, 将复杂的系统问题进行模块式的划分, 分别对各模块进行权重的分配, 随后应用DEA方法对每一个模块进行效率评价, 最终用数学方法将模块权重值与模块效率值进行统合, 这是一种将复杂问题简单化、模块化的处理方法。王祖和、孙秀明[13]在进行多项目管理绩效评价时, 将DEA方法的客观性特点和AHP的主观性特点相结合, 以DEA为中心模型, AHP为辅助模型, 两者相互补充, 从而使评价结果既体现出评价者主观倾向, 又不失科学严密性。
还有一种结合的方式, 是将所有的决策单元两两分成一组, 分别运用DEA进行比较, 构造一个由客观数据实际计算出来的两两效率值比较判断矩阵, 接着运用层次分析法解出最大特征值和相应的特征向量, 此时AHP只有一层, 所以排列在第j位的特征向量也就反映了第j个决策单元的优先次序, 得到决策单元的完全优先排序。常丹、王金银[14]提出了改进AHP主观性的DEA/AHP新模型, 并实现了DEA评价法中决策单元的完全排序。
2. AHP分析法和灰色关联度评价方法组合
灰色关联度评价方法为决策的科学化提供了一种量化工具, 但存在两点不足:一是对人或事的评估没有一个比较客观的评估指标体系;二是各个评估指标对于目标的权重没有给出解决办法。将AHP分析法引入该方法中, 形成灰色层次分析法, 这两个问题变迎刃而解了。具体来说就是, 模型中AHP用于合理确定评估对象的层次结构及指标权重, 而指标的量化和比较则是运用灰数和白化权函数取得的。
秦亮[15]介绍了层次评价法在科技计划评估中的应用, 并通过评价模型应用实例分析科技计划的实施情况。作者认为层次灰色评价法具有评估客观, 精确度高, 运算简单等优点, 因此可作为科技管理部门进行科技计划评估与决策的一种有效且易行的方法。侯景亮等[16]运用灰色多层次评价法将定性指标定量化, 不仅能够对单个工程项目进行综合价值评价, 还能对多个项目进行机会排序。尽管灰色多层次评价法在确定指标的权重上有一定人为因素, 但这也是通过量化的标度法来给出的判断矩阵, 因此可以把主观评价降到最低限度, 而且该方法更多的是进行定量分析来计算和评价, 因此灰色多层次评价法确实是一种行之有效的综合评价方法。
3. 模糊综合评价方法和DEA评价法组合
DEA评价法和模糊综合评价方法是相对比较成熟且应用较广的评价法。DEA评价法是一种纯定量分析, 能对投入因素的有效性进行评价, 不能对整体效益进行评价;而模糊综合评价过程中要大量依靠专家的知识、经验、能对整体效益进行评价, 不能对投入因素的有效性进行评价, 可见两者有明显的互补性。
周瑞超、邝雨[17]提出在用DEA模型对各投入因素对整体有效性进行评价时, 首先选用模糊综合评价方法对整体效益进行评价, 然后将这个评价结果作为总输出对各输入因素有效性进行评价, 这样就能很好的实现定性、定量相辅相成, 互为犄角。
DEA方法引入到模糊综合评价方法中, 解决了指标体系中量化数据的处理问题。复杂的评价系统其指标体系必然包含量化及非量化因素, 非量化的定性指标使用传统的模糊综合方法可以得到很好的效果, 但对于量化的定量指标, 使用DEA方法处理显然比模糊化后使用模糊综合方法更加合理.两者结合的综合方法可以适应于更广泛的混杂指标体系的评价对象。柳顺、杜树新[18]提出对于综合评价体系中的量化指标, 采用数据包络分析方法得到各评价单元的相对效率, 再对相对效率进行模糊化计算, 最后与非量化指标一起进行模糊综合评价。对于既有客观数据, 又有主观因素的复杂系统的综合评价提供了新的研究思路。
在综合评价中, 影响因素多且复杂, 对于评价指标数据过分精确化的描述有可能造成对系统认识的失真, 运用模糊手段将会使评价结果更合理。关忠诚[19]等利用模糊方法分别对定性定量评价指标进行模糊化分级处理, 将处理后的值作为DEA模型的输入输出指标值, 实现对科研机构效率的评价。
4. 模糊综合评价方法和灰色关联度评价方法组合
在实际中, 往往会遇到一个信息不全面的评价问题中存在一些模糊因素, 或是具有模糊因素的评价问题且不具备完全充分的信息, 也就是说, 在一个问题中既存在模糊性又带有灰色性, 此时就不得不充分考虑这两个方面的影响。模糊综合评价方法和灰色关联度评价方法都是目前较为常用的不确定性系统研究方法, 区别在于:模糊评价的研究对象具有“内涵明确, 外延不明确”的特点, 单纯采用模糊方法会造成信息丢失;灰色评价着重研究“外延明确, 内涵不明确”的问题, 仅采用灰色理论, 则不能充分利用评价规则的模糊性等特点。鉴于两种方法都会造成评价结果的偏差, 研究人员尝试将灰色理论和模糊评价相结合, 建立基于模糊灰色的综合评价方法。
李立新[20]等提出建立一种基于模糊灰色的综合方法, 首先利用灰色关联分析确定影响因素的权重系数, 为专家建立的指标赋予权重系数;再根据基于三角白化权函数的灰色评估, 建立白化权函数, 通过灰色聚类理论得到综合聚类系数矩阵, 构造出模糊隶属度矩阵;最后利用模糊算法进行评价。王成[21]运用灰色理论和模糊数学理论, 提出了一种定性和定量相结合的综合评价模型。首先确定评价指标权重, 评价等级及评价样本矩阵, 再根据评价等级确定评价灰类的等级数、灰类的灰数及白化权函数, 然后通过灰色评价权值构成单因素模糊权矩阵, 最后根据评价指标权重向量和模糊权矩阵确定综合评价结果。该方法可处理同时具有灰色性和模糊性的综合评价问题, 具有一定的应用性和有效性。
5. 组合评估法的特点分析
(1) 主观赋权评价法的评估结果和客观赋权评价法的评估结果具有一定程度的互补性。组合评价法通过一定的方法将两者综合在一起, 在吸收两类方法优点的同时, 又克服了两种方法各自的缺陷, 这样所得到的评估结果就具有更强的代表性和一致性, 其结果也就更加合理、科学。
(2) 通过各种方法的组合, 可以利用更多的信息。不同的方法从不同的角度描述评价对象的属性, 一种方法只是反映事物的一个侧面, 提供事物的一部分信息。要反映事物的全貌必须从多角度、全方位进行研究, 这样得到的信息就更能体现事物的本质和原貌。
(3) 采用一定的组合方法可以进行动态综合评估, 开拓了综合评估的新领域, 一定程度上解决了评估的局限性。利用组合评估法进行组合前后可进行事前事后检验, 从理论上说, 组合评估法使综合评估更趋于完善, 具有广泛的应用性和普遍的适用性。
(4) 组合评估法并不能完全取代单一综合评估法。尽管组合评估法有诸多优势, 但不能说组合评估法一定优于单一评估法。比如说, 在利用组合评估法进行综合评估时, 步骤比较繁琐, 且要做各种事前检验和事后检验, 计算量较大, 如果被评估项目对评估的准确性要求并不是特别精确, 且时间精力均有限的状况下, 选择合适的单一评估法会更加简单易行, 符合实际需求。
(5) 在采用组合评估法进行评价时, 要注意各个方法组合的科学性和合理性。要根据评估主体的特点, 评估体系的构建, 以及评估结果的要求等方面选择适合的方法, 单一评估方法并不能随意组合, 要注重各种评估方法的属性和优劣势, 尽量取长补短, 互为犄角。只有在几种单一评估法所赋的权数或评估结果具有一致性时, 才能进行组合;或者说, 只有当选择的原始方法具有一致性时, 在此基础上所建立的组合评估法才是有效的。这就需要采用一定的方法进行检验。
(6) 组合评估法也有可能出现较大的随机性偏差, 从而与真实情况不相符合。由于有众多的单一评估方法可供组合, 而在组合时又有许多不同的方法, 所有这些都会使采用组合评估法进行评估时具有一定程度的主观色彩。
五、定量方法在科技评估中应用的局限性
定量评估世博会对上海经济的影响 篇7
(1)上海世博会对上海经济有多大影响?(2)上海世博会对上海的GDP、人均GDP有何影响?(3)上海世博会是否能收入大于投资?又能否获得一大笔的经济收入?(4)举办了世博会之后,对上海的经济是否有持续的促进作用?
2 问题的分析
(1)上海世博会总投资4000亿元,主要收入有展馆出租收入,交通收入,捐赠收入等,在世博之后,对上海经济仍有很大的影响,我们首先考虑门票的收入,建立相应的数学模型,求出门票的总收入。
(2)门票有9种是标明价钱,每天来的游客多少是不明确的,每个游客买哪种票也不明确,建立相应的数学模型,利用线性规划,求出最优解。
(3)利用互联网,我们可以知道上海历年以来的GDP、人均GDP,按照历年GDP、人均GDP,我们可以预测假设上海没有世博会时的GDP、人均GDP,有了世博会后,我们找出相应数据,利用估算法,大概估算出上海的GDP、人均GDP,把假如上海没有举办世博会和举办世博会的GDP、人均GDP进行对比,然后通过GDP评估上海世博对上海经济的整体影响。
3 基本假设
(1)假设没有世博会,上海按近几年的增长率增长,求出上海2010年的GDP。
(2)假设2010年实际的GDP为假设1中的GDP与世博会所收入(包括消费,私人投资,政府支出,净出口)之和。
(3)假设消费方面所收入只包括门票,饮食,住宿方面,其他影响较小,省去不做考虑。
(4)假设饮食,住宿,购物等(除去门票)方面的消费共为Q万元。
4 定义符号说明
aj表示第j种票的票价;si表示第i天参观的人数;W表示票的总收入;P表示为总投资;Mi为第i年的GDP;G为2010年没有世博会的GDP;U为增长率,B为私人投资与政府支出的总投资(4000亿元);w1为前134天门票收;w2为后50天的门票收入;bij表示第i天购买第j种票人数的百分比。
5 模型的建立与求解
用MATLAB运作出来的上海历年(1978-2009)以来的GDP变化图象
调用上述程序,代入具体(X,Y)得:
依据图表的增长率(从2005-2010近似看成直线)估计得2010年的GDP在16200-16700亿元之间,如图1。
我们从上面看,2010年上海如果没有世博会的GDP:G在16200到16700(亿元)之间。世博会到目前为止134天的门票收入设为w=w1+w2亿元,还剩下50天,由134天的总收入为125.95亿元,求出平均每天的收入为125.95÷134≈0.94亿元,大致估计剩下50天的收入,0.94×50≈47亿元。私人投资与政府支出共B=4000亿元,消费(饮食,购物等方面)为Q=175亿元,所以2010年上海的实际GDP:M2010=G+W+B+Q,比往年多的GDP为W+B+Q。增长率为,从上面看即使最低的GDP:M2010=16200+172.95+175+4000=20547.9亿元,也就是说2010年上海因为世博会GDP很有可能突破20000亿元。即使按最低增长率为
近几年上海的增长率一直是个位数增长,并且增长率逐渐下降,所以这次的世博会很有可能将上海的GDP增长上升到10%以上(虽然27%太高,不是很切合实际)。但与以往的增长率相比,可以想象2010年上海世博会为上海GDP带来了很大的影响,从经济方面看,带动了上海的整体的发展,从正面看,它带动了经济发展,虽然对于收入方面与投资差距很大,但对上海的知名度,对上海的交通等都有很大的提高,而这个影响是长远的,是无法预知的。
6 模型的评价
评价:我们的模型和算法等,都不是很理想,我们缺少大量准确数据,从互联网上一个问题就有多种数据,而且每一种数据都不一定准确,这对我们的模型的建立与数值的最优解,是一个非常大的障碍。但通过GDP的计算,确实可以从整体去判断世博会对上海到底有没有影响,影响多大,整体反映世博会对上海的影响力。
参考文献
[1]姜启源,谢金星,叶俊.数学模型[M].3版.北京:高等教育出版社,2003,8.
[2]万福永,戴浩晖,潘建瑜.数学实验教程[M].Matlab版.北京:科学出版社,2006.
[3]杨一都.数值计算方法[M].北京:高等教育出版社,2008,4.
[4]李维铮,甘应爱,田丰,等.运筹学[M].3版.北京:清华大学出版社,2005,6.
[5]王高雄,周之铭,等.常微分方程[M].2版.北京:高等教育出版社,2005.
嵌入式软件可靠性定量评估研究 篇8
1、嵌入式软件可靠性定义
软件可靠性是指“程序在规定的条件下和规定的时间内, 成功完成其规定功能的能力[1]”。而在嵌入式软件研究中, 可靠性是指“在t=0时系统正常的条件下, 系统在时间区间[0, t]内正常运行的概率[1]”。这里要注意几点:
(1) 定义中, 规定的条件主要是指对输入数据和计算机硬件环境当时的状态的要求, 而其它的外部因素都可认为对软件是没有影响的;
(2) 规定的时间是指规定的软件运行时间, 而不是普通意义上的日期时间, 这是因为软件的可靠性不会因时间的问题而出现损耗导致失效;
(3) 软件的失效应明确的定义。由于嵌入式软件运行环境和执行任务的特殊性, 其可靠性也具有一些特殊的性质:
(1) 嵌入式软件的可靠性主要是软件设计时的问题, 软件的生产 (复制) 及维护 (不包括修改) 的影响可忽略不计;
(2) 因为工作环境的恶劣, 导致软件输入域的可变性, 所以嵌入式软件的可靠度具有一定的随机性;
(3) 软件故障的发生没有征兆, 它取决于系统的输入、系统的使用和软件设计中固有的缺陷, 不能预计。
2、软件可靠性指标体系
软件可靠度是软件可靠性的概率度量, 在软件工程中用软件定量指标体系来具体衡量软件可靠性[2]。包括: (1) 当前失效率:软件当前的失效概率γ; (2) 平均故障前时间MTTF:软件出现失效前时间的平均值; (3) MTBF:软件运行时平均故障间隔时间; (4) 软件可靠度R:软件运行规定时间无故障的概率。
美国国家标准ANSI/AIAA R—013 1992《推荐的软件可靠性的实践》指出“最合理的软件故障率的可验证要求大约在10-4/h左右”, 亦即MTBF在10000小时左右。软件可靠性当前最重要的指标就是MTBF。
3、嵌入式软件可靠性指标的分配
在嵌入式系统中, 用户方提出的可靠性指标要求通常是系统运行h小时系统的可靠度R指标, 换算为MTBF后即为MTBF的定量指标[2], 换算公式为见公式1。
由于系统可靠度是由硬件可靠度和软件可靠度相关作用组成, 我们可以认为是串联作用, 所以R=RH⋅RR (下标H表示硬件, 下标R表示软件) 。在以往型号中, 通常假设软件的可靠度为1, 即RR=1, 但在实际中软件可靠度通常达不到1, 这样对硬件的可靠度要求被提高。如上例中:RR=0.9999,
则HR=R/0.9999=0.9990999, 此时, MTBFH=555.25h, 比系统的MTBF增加了55.5h。
嵌入式软件的可靠性指标分配遵从如下原则和步骤:
(1) 依据硬件最大设计可能的MTBFH (必须大于MTBF) , 确定出硬件可靠度HR;
(2) 依据系统的可靠度R要求和硬件的可靠度RH, 确定出软件的可靠度; (3) 依据软件可靠度
(3) 依据软件可靠度RR, 确定软件平均故障前时间MTTFR, 确定的公式为
4、嵌入式软件可靠性评估
嵌入式软件可靠性评估就是要根据软件产品在系统中的实际运行, 通过获取有效的可靠性数据, 根据软件可靠性评估模型定量评估软件的可靠性。
4.1 测试用例的构造
任务样本实例的描述即为测试用例, 该描述是通过对软件测试环境的定义进行描述的[3]。基本任务的描述脚本通常使用一种解释性的描述语言, 或形式化的描述方法, 对基本任务进行脚本描述, 如某外部中断信号Fire产生时间满足均值为标准差为的正态分布等;样本实例就是基本任务描述脚本的一个具体取值, 如某外部中断信号Fire在第7秒时产生等。
4.2 软件可靠性测试环境
对于嵌入式系统, 软件与硬件不可能清晰地划分, 嵌入式系统测试的软硬件测试不可分割。现在的嵌入式系统的层次结构一般分为硬件层、BIOS层、操作系统层、应用系统层。测试环境的搭建原则是:
(1) 要充分反映真实系统的特性, 对嵌入式软件而言, 特别是要反映真实系统的时间和时序特性;
(2) 提高任务样本所对应输入的构造能力, 如外部中断信号的产生, 通讯时间的延迟, 异常干扰的模拟等;
(3) 提高对闭环系统外围环境的仿真能力, 如三维运动仿真软件等。
4.3 数据的获取与评估
测试数据获取的有效性直接关系到评估结果的正确性, 常用的测试数据获取原则是:
(1) 记录软件失效时所对应的样本序列号 (用于对软件可靠性指标的评估) 先后顺序;
(2) 记录每次软件失效后, 对软件错误或缺陷的检测、定位及纠正所花费的时间。
目前软件可靠性评估模型很多, 以Schne idewind计时模型NHPP计数模型应用广泛。
利用所选择的软件可靠性评估模型, 根据测试中记录的可靠性测试数据, 即可对软件可靠性指标进行定量评估。目前有不少支持软件可靠性评估的软件自动化工具, 只要将可靠性测试过程中收集的故障数据导入评估工具, 并在工具的提示下选择合适的可靠性模型就可以获得软件可靠性的评估结果。
5、结论
软件可靠性指标、可靠性测试和可靠性评估, 构成软件可靠性评测过程。软件可靠性指标分配是进行软件可靠性评估的要素之一, 只有在系统设计前, 合理进行了指标分配, 并在中后期评估出软件可靠性实际指标值, 才能通过对比, 定量的做出软件可靠性设计是否达到规定要求的判断, 并且能够评价出软件可靠性设计采取的措施是否合理、有效等。软件可靠性测试是一项独立的测试过程, 它不能被白盒测试所替代。软件可靠性测试需要有测试平台环境, 只有在此环境下得到的可靠性测试数据才能用于可靠性评估。
参考文献
[1]何国伟.软件可靠性.北京:国防工业出版社, 1998年1月.
[2]航天科工集团二院产品保证部.软件可靠性工程定义.北京:内部交流.2001.
定量评估 篇9
信息系统安全风险评估是从风险管理角度,运用科学的手段和方法,系统地分析信息系统所面临的威胁及其存在的脆弱性,全面地、正确地认识系统目前与未来的风险,以及这些风险可能带来的安全威胁与影响程度,为安全策略的确定、信息系统的建立及安全运行提供科学依据,达到控制风险、规避风险、转移风险的目的,确保信息系统安全、稳定地运行。信息系统安全风险评估方法主要分为定性风险评估方法和定量风险评估方法。
定性风险评估方法是依靠专家对事物的经验、知识及对事物发展变化规律的预测、科学地进行分析、判断的一类方法。运用这类方法可以发现信息系统中存在的风险因素,进而针对这些风险因素从技术上、管理上提出解决问题的对策和整改措施,提高风险控制能力,达到保障信息系统安全的目的。定性风险评估针对系统中每个风险因素进行单项评估,忽略了对整体系统的安全评估,很难确定系统的综合风险程度。定性评估方法主要依靠专家和研究者的知识、经验和历史教训,主观性较强,而且对于评估人员的素质要求很高。常用于企业预测和预防事故、伤亡事故分析,以及信息系统的可靠性、安全性单项分析。
定量风险评估方法是根据同类或类似系统的数据资料,按照国家规定的标准,应用科学的方法构建数学模型进行定量化评估。信息系统风险级别用数值表示,清晰明确,直观地体现了系统总体风险的大小。同时可以确定每一种风险因素对信息系统安全的影响程度,进一步确定安全工作的重点,有针对性地采取应对措施。
本文选择可操作性、可行性较好的三种定量评估方法进行研究与分析,总结每一种方法的特点和应用范围,为企业、组织选择适合本单位的信息系统安全风险评估方法提供可靠依据。
1 层次分析风险评估法
1.1 层次分析法简介
层次分析法(AHP)是美国T.L.Saaty教授在20世纪70年代提出的[1],它是运用层次结构模型解决多目标、多准则的复杂系统决策的一种方法,是将复杂系统的决策过程模型化、定量化的过程。该方法具有思路清晰、方法简便、适用面广、系统性强等特点,便于普及推广,是信息系统安全风险评估的一种有效方法。
1.2 层次分析风险评估法的具体步骤
第一步:构建层次结构模型
一般层次结构模型分三层,由目标层、准则层和方案层构成。具体应用于信息系统安全风险评估的构建方法为:首先,确定信息系统安全风险评估的总目标G;其次,明确风险因素对信息系统影响的评估准则P;最后,列出各种风险因素F,形成由评估总目标、评估准则和风险因素的一个层次结构模型。在该模型中,评估总目标、评估准则和风险因素处于不同的层次,彼此之间有关系使用线段连接,根据被评估系统的复杂程度,评估准则层可以细分为多层。下面以三层结构为例,详细介绍AHP风险评估法。
第二步:构建判断矩阵
(1)风险因素两两比较
建立层次结构模型后,根据历史数据、统计数据、风险分析专家和系统分析员的经验和判断,确定各风险因素相对于准则层各准则的重要程度或优越性。层次分析法采用1-9标度法[2],对于每个准则Pk,风险因素进行两两比较,将比较结果写成矩阵形式。这些矩阵称为判断矩阵。
(2)一致性检验
判断矩阵必须做一致性检验,方法为:CR=CI/RI,其中,λmax为判断矩阵的最大特征值;RI为平均随机一致性指标[2]。
当CR<0.1时,判断矩阵满足一致性,否则,必须调整判断矩阵。
第三步:计算各个风险因素的相对权重
根据判断矩阵,计算各风险因素相对于准则Pk重要次序。通常采用和积法和方根法[2],求出判断矩阵的向量Vk,再进行归一化处理,即可计算出Fi相对于Pk的权重Wk。
(1)计算向量:Vk=(vk1,vk2,…,vkn)T,其中,,i=1,2,…,n,n为风险因素的数目。
(2)归一化处理:Wk=(wk1,wk2,…,wkn)T,其中,
同理,可以求出各准则相对于总目标的权重w=(w1,w2,…,wn)T,其中,m为准则的数目。
第四步:计算风险元素的综合权重
计算所有风险因素相对于总目标的综合权重。利用Wk构造综合矩阵C=(W1,W2,…,Wm)。利用公式:W'=C·W,得到新向量W',其中,其中,i=1,2,…,n。对向量W'进行归一化处理,可以求得各风险因素针对整体信息系统安全的影响程度。对风险较大的风险因素,采取必要措施加以控制,重点防护,以提高整个信息系统的安全性、可靠性。
1.3 结论
层次分析法将信息系统安全的评估过程模型化、定量化,可以确定风险因素对信息系统的影响程度,但是,计算判断矩阵是依赖专家的知识和经验,所以层次分析法结论的质量依赖于专家个人因素,主观性较强,这是该评估方法最大的缺点。利用模糊数学与层次分析法相结合,较好的解决了该方法主观性强的问题[3,4]。
2 模糊综合评价风险评估法
模糊综合评价[5]是利用模糊线性变换原理和最大隶属度原则,考虑与被评价事物相关的各个因素,对其做出合理的综合评价。它是一种用定量的方法解决不确定、不完全信息的评价方法,其最大特点是利用它可以比较自然地处理人类思维的主动性和模糊性。它特别适合于用来解决那些只能用模糊的、非定量的、难以明确定义的实际问题。
信息安全风险评估是一个由多因素决定的复杂过程,因素之间有层次之分,并且呈多层结构,实践证明应用多层次模糊综合评价进行信息系统风险评估是一条可行的也是一条很好的途径[6]。
2.1 建立评估指标体系
根据国家信息系统评估规范和信息技术信息安全评估准则以及结合待评估信息系统的特点确定评价因素,将评价因素分成若干类,每一类称为单一评价因素,各类的组合称为第一级评价因素集;单一评价因素可以包含若干个第二级评价因素,逐层分解,直到底层的不可再分的单因素,从而建立多级信息系统评估指标体系。
2.2 单因素评价
对因素集U中的单因素ui(i=1,2,…,n)做单因素评价,从因素ui确定该事物对评语vj(j=1,2,…,m)的隶属度rij,从而得出第i个因素ui的单因素评价集Ri(ri1,ri2,…rim),它是评语集V上的模糊子集即评语模糊向量,rij表示因素ui具有vj评语的程度。
2.3 构造综合评价矩阵
把n个单因素评价集作为行,构成一个矩阵R,,R称综合评价矩阵。
2.4 确定因素重要程度(权重)模糊集
由于各因素对被评价事物的影响程度不同,所以,进行综合评价时,必须给出一个模糊子集A=(a1,a2,…,an)描述各个因素在总评价中的重要程度即权重,且满足。。
2.5 确定综合评价模型,求出模糊综合评价集
因素重要度(权重)模糊集A和综合评价矩阵R已知时,通过R作模糊线性变换,把A变为评语集V上的模糊子集B=A*R=(b1b2,…,bm),其中,“*”为广义模糊合成运算,即
其中,表示广义模糊“与”运算,表示广义模糊“或”运算。再将B归一化得B',称B'为评语集V上的模糊综合评价集,bj'(j=1,2…,m)是等级评语vj对模糊评价集U的隶属度,式(1)称为综合评价模型,记作M。综合评价模型常用的有:模型M(∧,∨);模型M(·,∨);模型M(·,+);模型M(∧,茌);模型M(乘幂,∧);模型M(∧,+),针对具体评估系统的特性选择合适的综合评价模型[5]。
2.6 综合评价
根据最大隶属度原则,选择模糊综合评价集B'=(b1',b2'…,bm')中最大的bj'所对应的评语vj作为综合评判的结果。
2.7 因素权重的确定
为了计算综合评价结果,需要确定因素重要程度模糊集A,这是模糊综合评价法的重点也是难点,一般常用确定权重的方法有[7,8]:
专家调查法、Delphi法(专家评议法)、层次分析法,共同特点是方法操作简单,但主观较性强,不能客观反映因素间的重要性,往往导致评价的片面性。
主成分分析法和因子分析法、变异系数法、局部变权法和熵权系数法[6,9]是利用评估数据的信息客观地确定各因素的权重,具有科学性,操作性好的特点。
根据信息系统的特点、评估团队的水平、数据是否充分,选择适当的方法确定各因素的权重,通过定量计算求得各因素权向量即因素重要程度模糊集A。
2.8 结论
利用改进的模糊综合评价法进行信息系统安全风险评估,可以计算出精确系统风险值[6],用模糊综合评价法评估信息系统安全风险是合理的、可行的、有效的。将熵权系数应用于模糊综合评价法,利用熵计算各指标的重要程度即权重,克服了模糊综合评价主观性强的弱点,使综合评价过程客观、完善。
3 基于人工神经网络风险评估法
人工神经网络(ANN)是模拟人脑结构和思维过程,是一个高度自适应非线性动态系统,具有记忆能力、自学习能力和联想能力,人工干预少,精度较高,对专家知识的依赖较少[10]。主要用于解决不确定性、非结构性问题,实践证明基于神经网络的信息系统安全风险评估方法是有效的、可行的[11,12,13]。
3.1 构建基于BP神经网络的信息系统安全风险评估模型
反向传播神经网络(BP)是一种按误差反向传播算法训练的多层前馈网络,是目前应用最成熟的神经网络模型之一。数学理论已证明BP神经网络具有任意精度的函数逼近能力,所以,它为信息系统安全风险评估模型提供了一个可行的构造和表示方式。
基于神经网络的信息系统安全进行风险评估模型采用单隐含层的BP神经网络,其拓扑结构为输入层、隐含层和输出层。它的输入表示为特征量即风险因素的各个评价指标,将这些指标经过量化处理和一致性处理后,作为BP神经网络的输入量。经过BP神经网络的学习算法,网络的输出特征量为风险因素的风险级别。BP神经网络的激励函数采用Sigmoid函数,隐含层单元数在训练过程中,通过误判率的大小确定[10]。BP神经网络模型可以利用软件MATLAB的神经网络工具箱建立。
3.2 学习过程
BP算法的基本思路是信号正向传播经隐含层处理后传向输出层,计算输出值,如果输出值与期望的输出值之间的误差超过预先规定的限定值,则通过反向传播来不断修改网络的权值和阈值,最终使网络的误差平方和小于规定的限定值,此时学习过程结束,输出层的输出值就是系统风险评估级别。
3.3 学习算法
BP神经网络属于有监督学习(有导师学习),在利用BP网络风险评估前,必须先进行学习训练,要求准备一定数量的训练数据样本(成对的输入量和输出量),称为“教师信号”,当网络对于各种给定的输入量均能产生所期望的输出时,才认为网络已经在监督下“学会”了数据样本中包含的知识和规则,可以用来进行风险评估了。
利用MATLAB实现算法的基本步骤[14]:
1)收集一组信息系统安全风险评估成功案例的数据,训练和检验样本集;
2)初始化:给连接权值和阈值赋予(-1,1)之间的随机值;
3)随机选取一对输入输出样本对载入网络;
4)进行网络训练,可以得到输入层与隐含层、隐含层与输出层之间的权值和阈值;
5)随机选取下一个样本对提供给网络,返回到第⑷步,直到全部训练样本学习完毕。
训练结束后,专家对被评估系统各风险因素的风险等级评价作为输入量,最终得到整个系统的风险评估级别。
3.4 BP神经网络存在的问题
1)由于BP算法实际上使用梯度下降法,而它所要优化的目标函数很复杂,会出现“锯齿形现象”、麻痹现象、步长的更新规则也必须预先赋予网络,这些都导致BP算法的学习速度慢;
2)BP算法是一种局部搜索的优化方法,而它所要求解的是复杂非线性函数的全局极值、网络的逼近和推广能力同学习样本的典型性密切相关,要求选取典型样本实例组成训练集,否则,可能导致网络训练失败;
3)新加入的样本会影响已学习成功的网络,而且要求刻画每个输入样本的特征数目也必须相同。
由于经典的BP神经存在上述问题,专家、学者有研究了多种基于神经网络的信息系统风险评估法模型。
3.5 其他基于神经网络信息系统安全风险评估模型
3.5.1 模糊神经网络模型
模糊神经网络是模糊理论与神经网络相结合的产物。第一种类型是神经网络的神经元不仅具有普通神经元的功能,同时它又能反映神经元的模糊性质,具有模糊信息处理能力。虽然,此类型网络结构与算法比较复杂,但是计算推理更为严谨。第二种类型是将模糊概念与神经网络结合,它是将神经元输入引入模糊隶属度的概念,并且其神经元仍然保留原有形态和特性,输出层代表风险值的大小。由于这类模糊神经网络构造及算法相对比较简单,因此在信息系统安全风险评估中经常使用[15,16]。基于模糊神经网络的信息系统安全风险评估法减少了人为因素的干扰,评价更加客观。
3.5.2 小波神经网络模型和模糊-小波神经网络模型
小波神经网络主要思想是将小波与BP神经网络相融合[10]。基于小波神经网络对信息系统进行风险级别的评估模型采用单隐含层的小波神经网络模型,将神经网络的输入表示为特征量即风险因素的各个评价指标经量化和一致性处理后的量化值,经过小波神经网络的学习算法,网络的输出特征量为风险因素的风险级别。小波神经网络的变换函数采用Morlet小波基函数,隐含层单元数在训练过程中确定[17]。
小波神经网络与经典BP神经网络相比具有明显的优点:首先,将小波理论应用在网络结构设计上,避免了BP网络设计的盲目性;其次,小波神经网络有更强的学习能力,逼近速度快;第三,实践证明对于同样的学习任务,小波神经网络收敛速度快[17];第四,学习过程中避免了BP神经网络容易出现的“锯齿形现象”、麻痹现象、等缺点。
解决某类系统风险评估问题时,可以采用多种神经网络模型进行比较研究,通过对比神经网络系统的鲁棒性、自修复能力和收敛性等特性,选取最适合的神经网络模型进行某类信息系统安全风险评估。
3.6 结论
基于神经网络的风险评估法模型多种多样,它们共同的特性是要求有一定数量的、具有代表性的数据样本,但是,信息系统评估样本的获取有一定难度,因此制约了它的应用。
神经网络结构的选择尚无一种统一而完整的理论指导,一般只能由经验选定,而网络的结构直接影响网络的逼近能力及推广性质。因此,应用中如何选择合适的网络结构是一个重要的问题。
4 结束语
层次分析、模糊综合评价和基于神经网络的三种定量风险评估方法都可以用软件MATLAB实现,所以它们的可操作和可行性都很好。
层次分析法要求评估者具备相关知识和经验,主观随意性较强,而且量化过程中容易使数据过于简单化,不易清晰表示大型复杂系统的原有特性,所以这种方法适用于小型、新型,缺乏历史数据的信息系统安全的风险评估;模糊综合评价法适用于评价指标体系比较完善的信息系统风险的风险评估,也适用于大型信息系统中对数据库、网络安全等技术性比较强的综合评估、动态评估;小波神经网络的风险评估方法比较客观,但是要求大量的、完善的安全数据,而历史数据获取较难,制约着该评估方法的精准性和有效性,所以适合系统运行时间长,有可对比的历史数据的信息系统的风险评估。
定量评估 篇10
关键词：自动发电控制,定量评估,经济补偿
电力系统随着电网规模的不断扩大和自动化水平的不断提高,具备自动发电控制(Automatic Generstion Control, AGC)功能的机组在电网中的比重越来越大。自动发电控制技术已成为现代电网运行中不可缺少的手段,在维持电力系统频率合格稳定、控制网际电力电量交换按计划运行以及电网经济运行等方面发挥着重要作用。
在实际运行中,由于机组管理和设备上的差异,AGC机组的调节性能存在一定差别,其投资期间对电网的贡献也不相同。如果不能让这种差别在考核上得以体现,就不能真正体现市场的公平性,也无法促进AGC机组调节性能的提高与运行实效的改善。以前的AGC考核办法已不能满足实际生产需要,对AGC机组调节性能进行定量评估与考核,加强AGC机组管理,是制定电力市场运营规则和市场经营必须要解决的问题。
1 AGC机组调节效能要素分析
根据电网对AGC机组的要求,AGC机组的调节效能可分解为4个要素:调节容量、调节速率、调节精度和响应时间。
所谓调节容量,就是指正常情况下AGC机组受控期间所能达到的最大负荷和最小负荷的差值。通常,机组的调节容量是相对固定的值,在机组控制系统调试期间就能确定机组的调节容量,不同的调节容量对系统的调节作用是有差别的。
调节速率是指机组响应负荷指令的速率,它包括上升速率和下降速率。调节速率跟踪AGC控制指令的程序往往反映机组对系统贡献的大小。故需要对机组实际调节速率进行实时测定和考核。
调节精度是指机组最终负荷稳定值和给定值之间的差值。由于机组性能以及一些人为因素,机组实际稳定后负荷往往和负荷指令存在差异。这种差异会对系统带来负面的影响,故要对机组调节精度进行测定和考核。
响应时间是指从系统AGC指令发出到机组产生调节动作之间的延迟时间。火电机组响应时间主要受机炉协调控制方式和锅炉制粉系统的影响,其机炉协调控制系统设计是否合理、功能是否完善、控制品质是否优良,是决定AGC调节效果的基础。
需要说明的是,此分析的方法对火电机组进行,但其同样适用于水电机组,两者不同之处只是一些系数取值不同而已。
2 AGC机组调节效能定量评估
由于影响AGC调整的因素很多,对每一个因素进行定量分析和计算是不现实,但通过对AGC调节效能四要素的分析,可以将AGC机组调节效能评估分解为对其四要素的测定和计算。
2.1调节容量效能系数
调节容量是决定AGC机组调节效能的重要方面。调节容量大的机组对系统贡献大,反之则小。一般情况下,AGC机组实际运行调节容量等于电厂申报值。
根据黑龙江电网AGC机组实际调节容量水平,取AGC调节容量达到机组额定容量的30%时,其调节容量效能系数k1为0,在此基础上,调节容量每升降1%,k1相应增减0.005,即
undefined
式中, k1为ACG机组调节容量效系数;Pi机组i的可调容量,MW;Pei为AGC机组i的额定容量,MW。
2.2调节速率跟踪系数
显然,AGC机组仅具备一定的调节容量还不够,还必须具有一定的速率跟踪能力,才能满足电网对其调节的要求。实际运行中,受锅炉容量及炉型、制粉系统、辅机启停、火电机组协调控制系统、机组整体健康水平、煤质等各种因素的影响[1],机组调节速率与设定值间存在差异,有时差别还很大。在AGC机组实际调节过程中,必须实时测定机组的实际调节速率跟踪率,才能真正反映AGC机组对系统贡献的大小。
机组速率的实时测定,可采用主站AGC软件实时记录的机组负荷指令和实际发电出力。考虑到每一时间段内机组负荷指令和实际发电可能上下波动,以及火电机组惯性大、滞后时间较长等因素,测定机组速率时,需要确定能使机组起响应的负荷指令及指令最小保持时间。从AGC机组负荷指令和实际发电相差超过1个门槛开始,到实际发电和负荷指令之差小于机组控制死区或反向时止,为1个控制段。若该控制段大于一给定时间间隔时,即定义其为有效控制段,可计算出该有效控制段内每一采样周期机组实际响应速率,即
undefined
式中Vj,k为AGC机组第j有效控制段内第k个采样周期的响应速率,MW/min;Pj,k为AGC机组第j有效控制段内第k个采样周期终点时刻实际发电值,MW;Pj,k-1为AGC机组第j有效控制段内第k个采样周期起点时刻实际发电值,MW;ΔT为系统采样周期,s。
对于AGC机组速率的考核,不能简单的以速率绝对值进行衡量,而应以机组实际运行中对系统速率调节指令的执行情况为依据。为此,引入AGC机组速率调节指令完成率的概念
undefined
式中,αik为AGC机组i第k个采样周期的速率调节指令完成率;Vik为AGC机组i第k个采样周期的实际调节速率,MW/min;Vik0为第k个采样周期系统对AGC机组i下达的速率调节指令,MW/min。
在有效控制段j内,可以计算出机组i的平均速率调节指令完成率
undefined
式中,undefined为AGC机组i第j有效控制段内的平均速率调节指令完成率;m为有效控制段j内的采样个数。
由多台AGC机组组成的调节系统,对其考核同样可以引入系统速率调节指令完成率概念
undefined
式中,αsys,k为系统第k个采样周期的速率调节指令完成率;Vik为AGC机组i第k个采样周期的实际调节速率,MW/min,Vk0为k个采样周期系统对全部运行AGC机组下达的速率调节指令代数和,MW/min;NAGC为电网中运行的AGC调节机组数。
在有效控制段j内,同样可以计算出AGC系统的平均速率调节指令完成率
undefined
式中,undefined为AGC系统第j有效控制段内的系统平均速率调节指令完成率。
在机组AGC功能投运期间,可能有若干个有效控制段,通过式(3)~(6)可计算出机组的多个速率调节指令完成率。由于负荷指令反复变化和机组运行工况的变化,各控制段数值并不相同。考虑到人为因素对AGC机组升、降负荷速率的干扰,机组升、降负荷速率调节指令完成率应分开统计。根据每个有效控制段机组和系统的速率调节指令完成率,取其平均值便可计算出AGC机组的日平均升、降负荷速率调节指令完成率和系统的日平均升、降负荷速率调节指令完成率。
根据AGC机组和系统的速率调节指令完成率,可确定AGC机组调节速率跟踪系数为
undefined
式中,k2为AGC机组调节速率跟踪系数;undefined为AGC机组i日速率调节指令完成率,一般取机组日平均升、降负荷速率调节指令完成率的平均值,为防止人为因素干扰,当日平均升负荷或降负荷速率调节指令完成率大于1.2时,取它们的小值作为机组日速率调节指令完成率;undefined为系数日速率调节指令完成率,取系统的日平均升、降负荷速率调节指令完成率的平均值。
2.3调节精度效能系数
一般情况下,AGC机组实际发电稳定值应当与负荷指令值接近,即两者之差小于机组控制死区。但由于机组调节系统性能的影响,有的AGC机组会出现过调或欠调现象,对系统不利。此外,由于某些人为因素,机组实际发电始终比负荷指令大,造成机组多发电。故在对AGC机组调节容量、调节速率跟踪能力进行定量统计的同时,还需对其调节精度偏差进行计算,对调节精度低的机组要进行一定程度的经济惩罚。
AGC机组调节精度偏差计算,根据前面已经介绍的有效控制段确定原则,在有效控制段的结束点,若机组对实际发电与负荷指令的差值在机组控制死区内,且后面的负荷指令保持不变,则从有效控制段的结束点起对后面的机组实际发电与负荷指令的差值的绝对值进行积分,直到负荷指令变化,然后用该积分用电量除以积分时间可得机组i在该有效控制段下控制精度偏差量ΔPij,即
undefined
式中,ΔPij为AGC机组i第j有效控制段调整结束后的控制精度偏差量,MW;Pjk为AGC机组i第j有效控制段后的第k个系统采样点机组实际发电输出功率,MW;Pj0为AGC机组i第j有效控制段终点时刻机组负荷指令,MW;n为AGC机组i第j有效控制段终点至第j+1有效控制段起点间系统采样个数;Tj0为AGC机组i第j有效控制段终点所对应的时间,s,Tj1为AGC机组i第j+1有效控制段起点对应的时间,s。
若Tj1-Tj0时间过长,为减小计算误差,应规定调节偏差量的最长统计时间。
根据各个有效控制段调节精度偏差,按照一定原则(如取其平均值或最大值)便可计算出AGC机组i的调节精度偏差,该偏差与机组允许偏差量(如取机组额定容量的1%)相比较,如果AGC机组日平均实际调节偏差等于其额定容量的1%,其调节精度效能系数k3为0,在此基础上,平均调节偏差每降低额定容量的0.1%,k3便增加0.02,即:
undefined
undefined
式中,k3为AGC机组调节精度效能系数;ΔPi为AGC机组i日平均实际调节精度偏差,MW;M为日升负荷有效控制段数;N为日降负荷有效控制段数。
2.4响应时间效能系数
火电机组响应时间主要由机炉协调控制方式和锅炉制粉系统决定,为减小机组响应时间,在机组协调控制中采用炉跟机协调方式,可短时间内调整机组出力,提高机组对负荷指令的响应速度。此时,由于锅炉制粉系统跟踪调整速率慢,使机前压力变化较大,需要制粉系统及时跟进调节,将机组参数恢复到正常范围。
根据各个有效控制段的响应时间,取其平均值作为AGC机组i的响应时间。可确定机组日平均响应时间为30 s时,其响应时间效能系数k4为0。在此基础上,响应时间每减少1s,k4相应增加1/60,即:
undefined
undefined
式中,k4为AGC机组响应时间效能系数;Ti为AGC机组i日平均响应时间,s;Tij为AGC机组i在有效控制段j的响应时间,s。
在已知调节容量效能系数、调节速率跟踪系数、调节精度效能系数和响应时间效能系数的基础上,AGC机组调节效能系数要表示为
undefined
式中,kt为AGC机组调节效能系数。
AGC机组调节效能系数k2、k3、k4的定量计算都基于实时记录的机组负荷指令、实际发电出力及响应时间,需要AGC软件具有数据采集和统计功能,应开发AGC调节效能评估模块,将AGC系统指令及机组响应过程都保存到数据库中,作为机组效能评估与经济补偿的依据。
3 AGC机组辅助服务补偿方式探讨
对AGC机组考核并进行相关补偿,是规范市场运营秩序的手段,AGC机组辅助服务费用的支付,从国内外应用情况看大体上可以分为两类:第一类只支付AGC调节费用,即只有当AGC机组实际参与系统调节后才获得辅助服务费;第二类不仅支付AGC调节费用,还要支付AGC容量费用,其过程是市场参与者分别提交AGC容量报价和AGC电量报价,成功的报价者无论是否被调度,都将得到一笔备用容量费用,在备用容量被调度时,报价者还将得到一笔电量费用。
当前我国电力市场还处于逐步规范、完善的过程中,在现有电网结构薄弱、辅助服务尚未市场化运作的情况下,为保证电网安全稳定运行,应结合电网实际情况,提出适合该地区的AGC机组补偿方案,以推动我国现阶段电力市场条件下AGC辅助服务的发展。
3.1基于调整电量的补偿方式
《黑龙江电网发电企业辅助服务补偿暂行办法》中规定:调度自动化系统电力采集量积分得出的AGC调整电量,每万kW·h补偿600元。这项规定中,AGC机组补偿费用较低,并且没有考虑机组调节效能的因素,仅以调整电量为依据,无法全面体现AGC机组运行中对电网的贡献,也不利于调动电厂投入AGC的积极性。
目前,黑龙江电网装机容量远大于供电负荷,各电厂为抢发电量、保证机组安全稳定运行,均不愿意主动参与AGC辅助服务。因此,应当首先提高AGC服务补偿标准,并引入AGC机组调节效能指标,将AGC调整电量乘以(kt+1)作为结算电量进行现金补偿(kt为AGC机组调节效能系数),以提高AGC机组投运积极性,使电厂从经济上愿意提供AGC服务,重视AGC设备的维护和管理,全面提高AGC辅助服务水平。
根据上述原则,可以列出机组投入AGC运行期间电网需支付的总费用Y为:
Y=CW×W+Cb×Wt×(kt+1) (14)
式中,CW为AGC机组上网电价,元/(MW·h);W为AGC机组运行期间机组总发电量,MW·h;Cb为AGC机组补偿电价,元/(MW·h);Wt为AGC机组调整电量,MW·h。
3.2基于竞价上网的补偿方式
对于电力市场运营中提供辅助服务的AGC机组,除了按正常机组进行报价外,还可按市场要求上报附加电价,电网按基本电价和附加电价高低进行排序,对落选的AGC机组,仍可继续和其它非AGC机组一同参与竞价上网。
AGC机组上网电价可考虑分为基本电价和附加电价两部分,基本电价按一般机组竞价原则计算,而附加电价可以取AGC机组辅助服务上报附加电价的边际电价,并合理封顶。
电网要依据对其调节效能(调节容量、调节速率、调节精度和响应时间等指标)定量考核结果,对附加电价乘以系数(kt+1),得出其辅助服务的最终附加电价(kt为AGC机组调节效能系数),反映AGC机组对系统真正的贡献,即AGC机组投运时间的电价C为
C=Cj+Cf×(kt+1) (15)
式中,Cj为基本电价的边际电价,元/(MW·h);
Cf为AGC附加电价的边际电价,元/(MW·h)。
4 结束语
AGC功能体现了发电机组对电力系统的贡献,应给予合理的市场回报,否则就不能真正体现市场公平的原则。但由于机组性能各异,其不同的实际调节效能会对系统产生正、负面影响。将AGC机组的运行评估问题转化为对机组调节容量效能系数、调节速率跟踪、调节精度效能系数、响应时间效能系数的求取,并给出4个系数的算式,使AGC机组的考核成为一种可操作性强的定量计算。
在现阶段黑龙江电网AGC机组辅助服务补偿仍停留在以机组调整电量为唯一考核指标的情况下,提出了基于调整电量的补偿方式和基于辅助服务竞价上网的补偿方式,其目的是将机组调节效能系数引入补偿方案中,以期找出更科学和符合市场规律的AGC机组辅助服务补偿方法。
参考文献