多变量数据分析

2024-09-18

多变量数据分析（通用11篇）

多变量数据分析篇1

多元统计分析是从经典统计学中发展起来的一个分支,是一种综合性分析方法,是运用数理统计方法研究多个对象和多个指标在相互关联的情况下的统计规律。

多元统计分析的主要内容包括均值向量和协方差阵的假设检验、多元方差分析、直线回归与相关、多元线性回归与相关、典型相关分析、主成分分析、因子分析、对应分析、判别分析、聚类分析等。值得注意的是,多数方法是基于指标向量服从多元正态分布的前提[1]。

在国外,从20世纪30年代起,多元统计分析已开始在自然科学、管理科学和社会、经济等领域广泛应用。近30年来,随着计算机应用技术的发展和科研生产的迫切需要,多元统计分析技术被广泛地应用于地质、气象、水文、医学、工业、农业和经济等领域,已经成为解决实际问题的有效方法。在国内,从20世纪80年代起,在许多领域也已经开始应用多元统计分析。近几年来,烟草行业已有部分人员开始把多元统计分析应用于烟草质量评价分析。

1 典型相关分析

寻求两组变量各自的线性函数中相关系数达到最大值的一对,称为第一对典型变量,还可以求第二对、第三对等,这些成对的变量,彼此是不相关的。各对的相关系数称为典型相关系数。通过这些典型变量所代表的实际含意,可以找到这两组变量间的一些内在联系

李天福[2]等研究人员对云南代表性烟区的气象因子与烟叶化学成分及香吃味间进行典型相关分析,研究表明:与化学成分达到显著相关的气象因子为一年中5—8月的气温,在化学成分因子中,烟碱和还原糖对气候条件的反应最显著,且都表现为正相关;气象因子与烟叶香吃味没有达到显著相关,烟叶香吃味与化学成分的典型相关分析证明,香韵、香气质和劲头受烟叶化学成分影响较大,其中香气质表现为负相关,香韵和劲头表现为正相关。与烟叶香吃味有较高典型相关系数的为总糖和还原糖,其中总糖表现为负相关,还原糖表现为正相关。

胡建军[3]等研究人员采用典型相关分析法对烤烟各香味成分与其感官质量的关系进行了初步分析。结果表明:大部分香味成分与感官质量呈较显著正相关,少量香味成分与感官质量呈较显著负相关,也有少量香味成分与感官质量的相关性不显著;中性香味成分、酸性香味成分和香味成分总量与香气质、香气量、杂气、刺激性、浓度和余味均呈较显著正相关,而碱性香味成分与各感官质量指标的相关性不显著。

俞京[4]等研究人员为了解烤烟中主要多酚与其感官质量之间的关系,采用典型相关分析法分析了153个烤烟烟叶样品的绿原酸、新绿原酸、芸香苷、莨菪亭含量、检测数据和感官质量评价得分之间的相关性。烤烟中,这4种多酚与香气特征指标的前两对典型变量的相关系数分别达极显著和显著水平,与烟气特性和口感特性指标的前两对典型变量的相关系数均达到极显著水平;新绿原酸与烟气劲头、细腻度、干燥感和甜度正相关,而与香气量负相关;绿原酸与烟气浓度、成团性、干燥感、甜度和香气指标正相关;芸香苷与烟气浓度、成团性和香气指标正相关,而与刺激性和余味负相关;莨菪亭与烟气浓度和成团性正相关,与香气和口感特性指标的相关性均不显著。

2 聚类分析

聚类分析是指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程,聚类分析常与主成分分析结合在一起进行,最常用的是欧氏距离法和马氏距离法。聚类分析在烟草质量分析中的使用较多,它可以进行多指标聚类,特别适用于化学成分有多个指标时的聚类分析。

陈学平[5]等研究人员对48个不同烟叶样品的化学成分性状按欧式距离类平均法进行聚类分析,并对类间进行特征差异分析,结果表明:48个烟叶样品可以聚为4个类别,各类别化学成分的平均值和变异系数等特征数存在差异,不同类别在主要化学成分间存在显著性差异。

王玉[6]等研究人员采用同时蒸馏萃取——气相色谱/质谱法对11种卷烟样品的挥发性成分进行了分析,并采用SPSS软件按欧式距离类平均法对90个成分峰进行了聚类分析。该法可为卷烟品牌的区别、品质控制、综合评估和真伪鉴别提供参考。

殷延齐[7]等研究人员为探索烟丝中游离态氨基酸与卷烟吸味的关系,采用超声波萃取和氨基酸分析仪测定了15种不同品牌卷烟烟丝中的17种游离态氨基酸的含量,并对数据进行了主成分分析和聚类分析。结果表明:该方法可用于不同吸味卷烟的比较和分类;各种氨基酸的含量分布特征能反映不同品牌卷烟的特性,对卷烟刺激性和丰满度的评价及分类具有参考价值。

多变量聚类分析在烟草中应用较广泛,还有其他一些相关研究。例如,邓小华[8]等研究人员对湖南烤烟钾含量变化进行了聚类分析;李国栋[9]等研究人员对烤烟化学品质进行了综合评价,对53个烤烟样本的13项化学指标进行主成分分析和聚类分析;常爱霞[10]等研究人员利用化学成分对不同产区的烤烟进行了聚类分析;周翔[11]等研究人员对山东烤烟化学成分含量变化进行了聚类分析;张霞[12]等研究人员对烟草中有机酸和无机阴离子进行了离子色谱法分析及聚类分析;苏勇[13]等研究人员利用主成分分析和聚类分析在卷烟配方中进行一定的应用;马京民[14]等研究人员利用主成分分析和聚类分析对烟叶质量进行了综合性评价。

3 判别分析

判别分析又称“分辨法”,是在分类确定的条件下,根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。其基本原理是按照一定的判别准则,建立一个或多个判别函数,用研究对象的大量资料确定判别函数中的待定系数,并计算判别指标,据此可确定某一样本属于何类。

李庆华[15]等研究人员采用逐步判别分析法以卷烟烟丝化学指标为自变量,对不同品牌的卷烟进行判别分析,构建判别函数,并对判别函数的判别效果进行检验。由判别函数的方差分析可知,判别函数具有显著意义;用自身验证法和交互检验法对原样品进行回判,回判准确率均为100%,新样品的判别准确率达到100%,判别效果良好。

曾晓鹰[16]等研究人员为了寻找主要影响卷烟叶组质量的化学检测数据,对A、B、C 3个模块叶组的化学成分分别进行了因子分析和逐步判别分析。结果表明:3个模块可分别用A模块前7个、B模块前7个和C模块前8个独立的公因子来描述其质量特征。可用9个指标进入判别函数,该判别函数具有显著意义,其自身验证和交互验证回判的准确率分别达96.7%和93.3%。

4 主成分分析

主成分分析是一种将多个变量通过线性变换以选出较少个数重要变量的多元统计分析方法,又称主分量分析。由于变量较多,因此只选取前几个主成分,起到降维作用;主成分分析因其通过正交变换,可以消除多重共线性。主成分分析可与其他方法共同使用,例如回归分析、因子分析、聚类分析、判别分析、均值向量协方差检验、典型相关分析等,亦可进行综合性评价。

黄世杰[17]等研究人员为了快速、有效地控制不同批次烟用香精的质量,采用同时蒸馏萃取-GC/MS法对同种香精的6个不同批次、掺兑不同比例的其他香精、不同比例乙醇稀释及其他2种不同种类的香精样品的挥发性成分进行了分析,通过指纹图谱的主成分分析和投影分析对样品进行模式识别。结果表明:主成分分析投影法能区分掺兑含量为5%的其他香精或含量为5%的乙醇稀释的样品。主成分分析投影法可以作为烟用香精质量控制的一种有效手段。

齐延鹏[18]等研究人员为对比2种不同类型配丝机的配丝效果,测定了配丝前后烟丝结构的变化,采用主成分分析法对数据进行了分析。通过主成分聚类分析和截距计算能够评价产品之间的质量差异。

文献[7]、文献[9]、文献[13]、文献[14]都曾进行了主成分聚类分析,取得了良好的分析效果,在多变量聚类分析中进行了讨论。

5 因子分析

因子分析是指研究从变量群中提取共性因子的统计技术,因子分析可在许多变量中找出隐藏的、具有代表性的因子,将相同本质的变量归入一个因子,可减少变量的数目,还可检验变量间关系的假设。因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的、但又无法直接测量到的隐性变量。

武德传[19]等研究人员对湖南和云南烤烟的单料烟的评吸结果进行了因子分析,结果表明:9个感官评吸指标可概括为4个公因子,分别是刺激性—杂气—余味因子、香气质—劲头因子、灰色因子和燃烧性因子。

伍文斌[20]等研究人员为研究消费者的消费心理及其对卷烟产品在感官质量方面的需求差异,为新产品开发和老产品改造提供依据,选取10个牌号的国产烤烟型名优卷烟产品,对符合调研要求的22名消费者进行了感官评吸测试,并利用因子分析法对经过甄别的评吸结果进行了分析。结果表明:利用因子分析法可将原来的12个感官质量属性表达为4个有明确意义的新属性,分别为口感及飘逸性因子、杂气/刺激性因子、香气类型及香气量因子、香气丰富性因子。不同卷烟产品的因子得分高低能够反映其在该属性方面的特点;因子总得分的高低能够反映出该卷烟产品的综合感官质量。

文献[16]对烟草化学成分进行了因子分析,将原16种化学成分表示为3种公因子,再结合判别分析,取得了较好的效果。

许寒春[21]等研究人员对烟草常规化学成分进行因子分析,综合评价了卷烟质量的稳定性。

6 通径相关分析

通径分析就是把自变量与因变量之间的相关关系分解为该自变量对因变量的直接影响和通过其他相关的自变量对因变量的间接影响的分析过程,自变量对因变量的直接影响程度用通径系数来度量。

李文平[22]等研究人员对24份烤烟种质资源的多个性状进行了通径分析。结果表明:叶数与单株产量显著相关,最大叶长与单株产量达极显著相关;而上中等烟比例则与叶数和单株产量呈极显著相关。单株产量性状对上中等烟比例的直接作用最大,通过其他性状所起的作用相对较小。

刘丁伟[23]等研究人员采用相关分析和通径分析法探讨了烟支重量、吸阻和抽吸口数等指标对TPM的影响。结果表明:对同一卷烟产品,在配方、规格和材料相对稳定的条件下,烟支重量、抽吸口数和吸阻与TPM存在较强的相关关系;抽吸口数和烟支重量的综合作用及其对TPM的直接和间接影响均大于吸阻。

7 小结

多元统计分析在烟草质量评价中的应用越来越广泛,但是还有一些能用到日常质量分析工作中去的方法还没有见报道。例如,基于多元正态分布的均值向量和协方差阵的假设检验、多元方差分析在日常工作中就能很好地发挥作用,但要先进行多元正态性检验;其他方法,如对应分析等方法需经过认真分析才能在质量分析中很好地应用。现在的统计分析软件基本能满足多元统计分析工作,但是软件的功能要相互补充,如用MINITAB软件进行均值向量和协方差阵的假设检验无法得到检验功效,此时需配合使用SPSS软件方可得到检验功效。

摘要：近十年来,多变量分析在烟草质量评价分析中的应用越来越多,文章对多变量分析的常用方法,如典型相关分析、聚类分析、判别分析、主成分分析、因子分析、通径分析在烟草质量评价分析中的应用逐一进行阐释。

关键词：烟草质量,多变量分析,典型相关分析,聚类分析,判别分析,主成分分析,因子分析,通径相关分析

多变量数据分析篇2

多输入单输出系统的辅助变量参数估计

利用辅助变量辨识方法,推导出多输入单输出系统的辅助变量递推最小二乘算法,并与辅助模型递推最小二乘法进行了计算量和辨识精度比较.

作者：赵学良肖永松 ZHAO Xue-liang XIAO Yong-song 作者单位：江南大学通信与控制工程学院,无锡,214122 刊名：科学技术与工程 ISTIC英文刊名：SCIENCE TECHNOLOGY AND ENGINEERING 年，卷(期)： 9(20) 分类号：O211.64 关键词：辅助变量辅助模型递推辨识最小二乘参数估计

浅析导数在多变量问题中的应用篇3

一、利用换元“消元”法

【评】本题的关键是利用了换元法（b-a=x）构造函数g（x），再研究函数性质达到解决问题的目的.

二、利用集合关系转化处理法

四、齐次结构“作商”及消元法

【评】本题是多变量的证明题，通过设两点坐标，将问题转化为横坐标的关系式，因为是齐次结构，作商后再利用换元法转化为函数问题，这也是解决多变量问题的重要方法之一.

五、利用“选主元”进行消元法

【评】本题第二问是不等式问题，共提供了两种解法，解法1是利用第一问的结论进行处理；解法2是将两个变量中的一个变量b视为主元x，另一个变量a视为常数，这样我们就容易转化为函数问题再进行证明.

多变量数据分析篇4

1 多变量灰色模型MGM(1,n)的建模及预测

1.1 建立模型

建模时首先将原始观测数据序列{(k)}(k=1,2,…,m;i=1,2,…,n)(n为建筑物沉降观测点的个数,m为相应的观测周期)进行累加生成处理,其一次累加生成序列为:(k)=,式中:,k=1,2,……,n。

考虑n个点相互关联和相互影响[1,5],对此生成序列建立n元一阶常微分方程组:

写成矩阵形式:

式中:

由积分生成变换原理,对(2)式两边左乘得:

在区间[0,t]上积分,整理后有:

上式(4)就是生成序列模型的一般形式。

1.2 求解模型参数A和B的辨识值和

通过对式(4)离散化,得时间相应函数为:

式中:

并由最小二乘发得到估值,

式中:

其中:

从(7)式中可得

A和B的辨识值和A和B

1.3 预测模型

将式(5)(k)=作累减还原有:

当km时(k)为预测值。

1.4 模型的平均拟合精度

式中:

2 计算步骤

1)写出原始序列X(o);

2)求一次累加生成序列X(1);

3)按公式(8)计算一次累加均值序列(1);

4)按式(7)建立数据矩阵L及数据列阵Y;

5)由步骤(4)及公式(9)进行矩阵运算求得模型参数A和B;

6)按式(5)建立模型,计算和预测,按式(10)累减还原预测模型并计算;

7)计算残差向量Vi和精度评定。

3 预测建筑物基础沉降的工程实例

某公司办公楼为10层框架结构,建筑面积为7 230m2,基础采用振冲碎石桩加固,因该地区缺乏采用振冲碎石桩加固经验,所以本工程进行了严格的沉降监测,并根据具体情况设置了8个观测点(即变量个数n=8)对其沉降累计值进行建模并预测。观测资料以两周为一周期,采用8个周期的累计沉降值序列。其中前6个周期用来建模,后两个周期用来检验预测值的准确性。

观测点初始观测序列为:

其一次累加生成序列为:

计算一次累加均值序列可得出矩阵L和Y:

根据(7)式可得:

由此可得模型参数

计算一次累加序列预测值:

还原(k),求得多点变形的拟和值及预测值(0)(k),见表1。并计算残差如表2。

计算模型的拟和精度σ2=0.286 5,通过第7、8个周期的预测值与实测值进行对比说明,所选的多变量模型预测的沉降值与实测值十分接近,预测精度较高,故该方法可用于建筑物沉降预测。且本实例预测了在未来两个周期第9、10周期将要发生的沉降值(见表1第9行和第10行。

4 结论

1)由工程实例可看出,多变量灰色预测模型其建模方法简单,同时该模型削弱了观测误差的影响,避免了单点建模的不足,提高了预测精度,是一种非线性预测模型。

2)本文所建立的模型,对某工程基础的沉降进行了预测分析,其预测结果与实测数据基本吻合,说明了该方法的合理性和可行性。

3)本文采用的多点预测模型,是单点灰色模型的拓展,实现了对多点变形的整体预测,尤其对一些整体性建筑或构筑物进行沉降变形预报十分有效,具有一定的工程意义和经济价值。

摘要：采用多变量灰色模型对建筑物沉降观测数据进行处理,并通过工程实例将预测结果与实测数据对比,说明多变量灰预测色模型的准确性,预测精度较高,尤其适用于多点变形的整体预测预报。满足工程需要,具有重要的工程意义和经济价值。

关键词：建筑物,沉降观测,多变量灰色模型,灰色预测

参考文献

[1]刘思峰,郭天榜,党耀国,等.灰色系统理论及其应用.北京:科学出版社,2002

[2]张仪萍,张士乔,龚晓南.沉降的灰色预测.工业建筑,1999,29(4):45-48

[3]多变量灰色模型在经济预测中的应用.统计与决策,2003,9(9):23-25

[4]汪树玉,刘国华,李富强,何勇兵.观测数据分析中几种方法的探讨.水电自动化与大坝监测,2003,27(3):59-63

[5]潘国荣,刘大杰.顾及邻近点变形因素项的动态模型辨识与预测[J]测绘学报,2001,30(1):32-35

[6]易东云,王正明.多项式信号加自回归噪声模型的参数估计.电子学报,1995,23(6):84-87

多变量数据分析篇5

航空发动机多变量鲁棒数字控制器的设计

提出了一种设计发动机多变量鲁棒数字控制器的.方法，即在划分的飞行包线内，控制结构采用前馈加反馈的方法，对结构不确定性和非结构不确定性进行μ结构化处理，化为H∞控制问题求解，这一方法在发动机非线形气动热力模型上进行了仿真验证。

作者：王曦孟庆明作者单位：北京航空航天大学 406教研室,刊名：航空动力学报 ISTIC EI PKU英文刊名：JOURNAL OF AEROSPACE POWER年，卷(期)：16(3)分类号：V233.7关键词：航空发动机不确定性鲁棒控制仿真

关系紧密之群体的变量分析篇6

摘要本文主要通过论述国家制定法与社会自发秩序规范的关系,以及社会群体习惯规范的特点与局限性,比较论证法律与习惯规范二者孰优孰劣,揭示社会秩序最根本最稳健的保障是制度性规范,是国家制定法确认并维持社会秩序的稳定。

关键词习惯规范关系紧密群体法律规范

一、人类生活常态

在《无需法律的秩序》中,作者全面分析了目前诸多社会控制理论的重大缺陷,从而指出——社会规范——法律与社会学派的共同的关键弱点①。“为什么基本规范——诸如诚实、信守承诺以及互惠——看起来在大多数社会都出现了?”这种社会状态,只是一种常态。即使在原始社会,人真正称之为人,有了家庭观念起,和平与稳定也是当时群体部落的主流②。我认为,对这种生活常态发问是没有意义的。人类生活常态是由道德性、伦理性以及人的理性支撑着,人的道德性、伦理性和理性灌注着人类关系之网。因此只要是人类社会,人们共同构筑的社群,这种常态:自利、和平、向善、敬畏、保持一定距离就不可能被解构。这种常态,在自然状态下按其自身规律自觉地发挥效用,并不需要我们额外增加社会成本追根溯源并对其建立相关制度规定。因而只有非常态的情况才是我们应刻意关注的。在非常态中,盗窃、伤害、战争、以及不同层级的对立关系中,如在《无需法律的秩序》中提到的科层组织对无组织群体的控制或镇压,此时我们是凭借社会规范的哪一个利器来使自己、使群体保全?是法律规范还是习惯规范?

二、“紧密联系的群体”

在《无需法律的秩序》中,埃里克森按照福利最大化规范的假说,人们会自觉自然地在相互交往中将客观发生的自重损失与交易费用之和最小化。这种规范理论对社会秩序的建立是假定共有价值的存在和内化是有可能性的③。但是当基本价值的范围界限或遵守这些目的命令的强度界限被超出——并且发生越轨行为时,法律必须以能保证自身效率的强力威胁力量为后盾。而且,埃里克森本人也明确:“一个关系紧密的群体有一些外生性的基本规则,法律的或其他的,这些规则授予并保证数量足以支持资源交换的基本权利④。”

三、习惯规范的分析研究

(一)法律规范与习惯规范在现代市民社会的生存空间

谢晖教授指出,一个制度化的社会组织体的存在,应当由五个基本要素构成:一是规则(法律),二是观念,三是主体,包括工具性的组织化主体和目的性的个体主体;四是行为,主体意志的外在表现;最后是监督,制度运行的反馈体系⑤。对于埃里克森《无需法律的秩序》中紧密联系的群体无法产生。从行动要素上看,城市居民的行为基本上都只需要以自己的利益为中心,几乎不需要根据隶属关系的家族权威意志决定自己的行为方式,因而具有更多的行动自由。从陌生人社会看市民社会的反馈要素,个体对于现实当下的直接后果负责,一般不产生长期的不定性的合作,而这也与紧密联系的群体理论中的要件持续性关联关系不符合,而与法律规范“一事一议”的特点相吻合.相对而言,城市社会的结构在逻辑上有利于法律控制,不利于习惯性规范的生长和扩展,城市社会秩序主要是具有确定性、强制性、注重制度内的平等和自由等特点的法律秩序⑥。

(二)关于互惠与互惠权力的分析

社会群体规范的运用,霍曼斯在其著作《人类群体》中提出:“一个世界上最为普通的规范:如果有人为你做了点好事,你就必须也为他做大致相当的一点事作为回报”这大概是建立在人本善的基础上的互惠规范。可是这一规范,如何解释人类大同、和谐世界永远只能是乌托邦?而此时,如果没有法律,你会以怎样的神情心里面对与你持不同价值体系的对立者或者潜在威胁者。如果互惠规范不能确证这种义务的可逆性或对称性,就很能被卢梭的问题难住:为什么我作为我自己必须以好像是我是另一个人的方式来行动,如果我基本上可以肯定自己永远不会陷入他那种处境⑦?而卢梭的假设是成立的,因为这种假设很容易被证实,在这个实际上连拥有主权的国家也都不必然是平等的世界,这也不是人人平等的世界。实质上这种互惠规范是建立在道德义务基础上。法律就是最低限度的道德义务。如果说愿望的道德是以人类所能达致的最高境界作为出发点的话,那么,义务的道德则是从最低点出发。它确立了是有序成为可能或者是有序社会得以达致其特定目标的那些基本规则⑧。

通过对埃里克森的《无需法律的秩序》中紧密关系群体中几个变量的研究,进而比较分析习惯规范与法律规范的孰优孰劣,我们可以了解法律的不可替代性与基础性意义与作用以及法治的价值,“在于在推动社会生活的合理性的同时,还能够维系多元价值的共存。其中,制定法起着至关重要的作用⑨。”因此,应充分重视法律的制度创新功能,以推动社会进步。

参考文献:

[1]龙大轩,谢晖.乡土秩序与民间法律:羌族习惯法探析.北京:中国政法大学出版社.2010.

[2]葛洪义,陈年冰.法的普遍性、确定性、合理性辨析——兼论当代中国立法和法学的使命.法学研究.1997(5).

[3][美]罗伯特.C.埃里克森.苏力.无需法律的秩序.北京:中国政法大学出版社.2003.

[4]朗.富勒.郑戈译.法律的道德性.北京:商务印书馆.2007.8.

[5][美]R.M.昂格尔.吴玉章,周汉华.现代社会中的法律.南京:译林出版社.2008.

[6]谢晖.法的思辨与实证.北京:法律出版社.2001.

[7]王新生.习惯性规范研究.山东大学博士学位论文.

注:

①[美]罗伯特.C.埃里克森.苏力.无需法律的秩序.北京:中国政法大学出版社.2003:182.

②陈国强.关于人类起源及原始社会史的分期.云南社会科学.1984(4):118-120.

③[美]R.M.昂格尔.吴玉章,周汉华.现代社会中的法律.南京:译林出版社.2008:27.

④罗伯特.C.埃里克森.苏力.无需法律的秩序.北京:中国政法大学出版社.2003:214.

⑤谢晖.法的思辨与实证.北京:法律出版社.2001:264-299.

⑥王新生.习惯性规范研究.山东大学博士学位论文:189-190.

⑦朗.富勒.郑戈译.法律的道德性.北京:商务印书馆.2007:28.

⑧朗.富勒.郑戈译.法律的道德性.北京:商务印书馆.2007:8.

多变量数据分析篇7

西门子PLC广泛应用于工业控制,尤其在汽车生产线上,汽车生产工艺越来越复杂,人机化要求越来越高,精度要求越来越苛刻,所需求的变量随之增加,普通的一条生产线变量就要成千上万个,批量数据的传送与处理,给工业控制提出了难题,针对大数据多变量问题,设计可靠、方便、易读的控制程序尤为重要,充分合理的利用PLC控制技术,是实现自动化汽车生产的关键。在此,对于多变量系统,程序上进行了研究与验证,传统的PLC寻址方式[1],包括直接寻址,存储器、寄存器间接寻址以及POINTER指针[2]数据类型都满足不了多变量大数据的控制,而且传统控制稳定性低,停台时间长等。基于某汽车侧围生产线上西门子PLC S7-400控制平台,利用ANY数据指针作为变量,开发出一种新应用。

ANY指针数据类型是10字节指针类型,用来传递DB块号、数据地址、数据数量以及数据类型。灵活采用高级编程语言中的一些技巧,实现变量的批量处理与控制,解决了传统PLC编程难以实现此控制的难题[3]。

1 汽车侧围生产线工作过程

1.1 侧围生产线简介

侧围生产线为提高生产节拍是由若干个工位组成,每个工位根据生产工艺,成一定数量的冲压件焊接,最后完成侧围生产的半自动生产线。由于侧围冲压件多,为固定零件方便焊接,需要的气缸数量庞大且种类繁多。每个气缸需要检测原位和终点信号。侧围生产线控制除了气缸还有多种检测信号,比如零件占位检测,侧围外板检测,气源检测等,而且需要人工参与的协调控制。

1.2 侧围生产线硬件系统配置

某汽车侧围生产线包括左右两侧,38个工位,16块触摸屏,左右各8块,选择HMI 2为例,如表1HMI 2控制工位气阀,表2HMI 2控制工位开关数量所示,HMI2控制三个工位,分别为AF03010,AF03015,AF03020,共96个气缸,19个检测信号,共需要211个输入点,20个输出点。从表中三个工位可以看出控制所需硬件和传感器繁多。据不完全统计,此侧围生产线共需要1300个气缸,180个检测信号,4000多组报警显示。

1.3 侧围生产线软件系统简介

首先,满足侧围生产工艺上的基本控制功能。要求人性化的HMI[3](人机操作界面)。清晰的实时状态显示。准确的故障诊断,缩短故障的排除时间,减少停台时间[5]。这都大大增加了数据处理与传送的繁琐。在生产线中,各个工位的控制是相似的,因此对于所有工位的逻辑控制是一致的,可以将其提炼为一个公共的FB控制块,在所有工位控制中调用此FB块,实现逻辑控制。但由于各个工位在控制对象的数量、形式以及逻辑步骤之间的连接差异等,需要在调用FB块时给出不同的形参值,为此设计了图1工位控制参数设定画面。所以上述功能的实现都需要以大量的数据交换作为基础,为了达到上述目的,在程序中使用了ANY指针变量。

2 西门子ANY指针

2.1 软件ANY指针声明

ANY指针是一种传递指针[6]的形参数据类型,用于逻辑块(FB、FC)之间传递参数,可以传递DB块号、数据地址、数据数量及数据类型。

在ANY数据类型参数中,数据区的含义如表3所示。

ANY指针由10个字节组成。其指针数据格式如表4所示,指针变量的数据格式,表5绝对(相对于地址等于0的地址指针对应指针数据格式的)地址分配。

2.2 举例说明ANY指针赋值形式

1)对数据类型参数进行赋值时可以选择指针显示方式直接赋值,与其他指针相比,ANY类型指针可以表示一段长度的数据。例如:P#DB10.DBX0.0 BYTE 654,表示指向DB10.DBB0~DB10.DBB654 654个字节。

2)当在FB FC接口中定义了输入ANY指针变量时,指针按照指针的数据格式形式赋值。以模式命令指针为例:

3)I/O起始地址进行自定义指针#PLC_Use.HMI_Setting.IO_Start_Address

3 程序应用实现

3.1 程序结构分析

针对侧围生产线大数据多变量的问题,程序采用结构化编程[4,7]和ANY指针实现,在编程时需要规划整体结构[8,9],采用层次化分别对每个工位进行控制,控制程序结构如图2所示。以FC101为例,FC101对应于触摸屏HMI2,可以实现AF03010,AF03015,AF03020工位的自动控制,与FB101,FB102,FB103分别对应,AF03010的控制包括FB95(Led_Exist_Sub),FB96(Exist_check_Avail),FB97(Orig_Complete_sub),FB98(Orig_Valve_Control)等,其余FC102,FC103,FC104,FC105等为其他工位的控制。结构与FC101相似。

3.2 ANY指针interface

根据工位具体情况,每块触摸屏控制的工位数不同,侧围生产线操作员通过触摸屏选择,控制不同工位。

以HMI的设计为例说明ANY指针[10]的应用。HMI是生产线上的重要部件,主要完成指令的输入和运行状态的显示及故障的报警输出。从数据流[11]向来看分为从HMI到PLC CPU的控制指令输出和从PLC CPU到HMI的显示数据的输入。在图3[3]中,按钮和模式选择是到PLC的输出数据,各种状态显示及报警是输入的数据,因此在FB101的接口定义中定义了Mode_Command_P、Ex_Var_Button_P等到PLC的输出数据指针和LED_Point、HMI_IO_Dis_Point等到HMI的数据输入指针。

FB101[12~14]调用过程如图4所示。

在接口信号的输入端设置HMI_IO_Dis_Point为ANY指针数据变量,数据长度设置为320 byte,此时的ANY指针为形参变量,由于PLC内部的逻辑运算需要定义相应的临时变量,把临时变量赋值给输入的指针,使HMI_IO_Dis_Point指针指向实际地址DB10.DBX1768.0,程序通过SFC20(块传送)把逻辑运算结果传送至临时变量temp T_HMI_IO_Dis_Point指针所指位置。并显示至触摸屏上。

举例说明,设置两组阀分别设置4个气缸,设置MZ11夹紧,MZ12松开,I/O状态显示变量设置为整型量,当数值为2时显示黄色闪烁,代表气缸伸出或缩回的过程中,当数值为3时黄色不闪烁,代表缩回到位,当数值为4时,代表气缸报警。逻辑运算结果转化成数字量送入指针地址寄存器。I/O状态显示[3]如图5实例I/O状态显示所示。

4 结束语

某汽车侧围生产线采用ANY指针方法的控制程序两年来得到了良好的效果,相比采用传统[15]的控制方法,CPU的工作内存明显减少,在CPU选型上可节省成本达25万元,再者,甲乙两班生产的停台时间由原来的平均每班组30分钟降低为5分钟,按10分钟两台侧围左右骨架计算,每个侧围骨架估价12000元,成本2000元。两年因减少停台而增加的利润为(30-5)×2×30×12×2÷5×(12000-2000)=7200万。

不仅在经济效益上有所提高,而且采用结构化和ANY指针编程的方法,易于调试,可移植性强,易读性强,易于分析逻辑关系,程序代码效率高,结构化编程和ANY指针的使用可简化程序设计过程,减小代码长度,提高编程效率,比较适合于较复杂自动化控制任务的设计。

摘要：针对工业现场多变量大数据特点,提出了一种西门子可编程控制器ANY指针编程方法。与传统逻辑控制编程方法相比,ANY指针编程可以对大量的数据进行批处理,速度快,实时性好,是对传统控制更好的应用和创新。以某汽车公司侧围生产线为例,给出了ANY指针编程方法的应用实例,详述了FB101功能块创建、ANY指针引用和定义以及ARRAY、STRUCT、UDT及多背景数据块的使用等方法,运用高级语言编程技巧显示人机界面,直观灵活的展现工业实时状况,很好地实现了结构化编程。应用结果表明该系统性能稳定,运行可靠,人机界面操作简便。

多变量数据分析篇8

温室气体排放问题已经成为全球的焦点问题[1]。节能减排是控制温室气体排放的最有效的方法之一。构建合理的节能减排系统, 并深入探讨系统中各变量的演化关系, 有助于理清节能减排系统中的核心思路, 找到控制碳排放的有效路径, 达到协调经济发展与环境保护的关系、提高能源利用效率、降低能源强度、优化能源结构、减少温室气体排放的目的, 从而促进经济增长方式转变、经济结构调整, 向低碳经济转型[2]。

节能减排系统是一个复杂的非线性耦合系统。节能减排系统各变量之间, 即节能减排与新能源发展、碳税等措施之间有着非常复杂的演化关系[3,4]。在探讨节能减排系统的实际应用之前, 深入研究系统的动力学行为是很有必要的。本文在四维节能减排动态演化系统的基础上[5], 进一步引入各变量的约束条件, 研究了多变量约束下的节能减排系统的动力学演化行为。

1 模型

在四维节能减排系统中[5], 对节能减排进行市场化管理, 合理利用政府调控, 充分发挥长三角地区经济特有属性, 建立适当的税收补偿机制, 会进一步优化节能减排系统, 产生良性循环, 使得系统更好地发展。在四维节能减排系统中, 假定节能减排、碳排放、经济增长、碳税分别受到市场化管理、政府调控、区域特有经济属性、税收补偿机制等的影响, 相应的约束条件分别记为F1 (x, y, z, w, t) , F2 (x, y, z, w, t) , F3 (x, y, z, w, t) , F4 (x, y, z, w, t) 。

则新的多变量约束的节能减排系统可表述为:

式中:x为随时间变化的节能减排量;y为随时间变化的碳排放量;z为随时间变化的经济增长量;w为随时间变化的碳税征收量;其余变量的解释见文献[5]。

市场化管理表述为:

式中:a′5为市场化管理调节系数;d为实际折现率;t为措施周期, t∈I。

市场化管理的约束强度取决市场对于z (t) 与y (t) 之间的选择、市场化管理的周期t及实际折现率d的数值。

政府调控表述为:

式中:b5为政府调控系数。

政府调控直接影响降低碳排放的效果, 模型中将政府调控对碳排放的约束简化为直接约束 (-b5y) 。

区域特有的经济属性表述为:

式中c5为区域经济属性的发展系数。

税收激励表述为:

式中d2为税收激励系数。

税收激励对碳税的影响取决于碳排放y (t) 与节能减排x (t) 的发展情况。

2 模型的动力学分析

系统 (2) 是一个复杂的非线性系统, 当系统 (2) 取不同的系数时会展示不同的演化行为。经过大量的仿真实验, 发现当系统 (2) 取如表1 中的参数时, 系统 (2) 会展现出诸如吸引子等动力学行为。

固定系统 (2) 参数如表1 所示, 当系统 (2) , 取初值[ (0.015, 0.758, 1.83, 0.01) ]时, 一个新的多重变量约束下的吸引子如图1、2 所示, x (t) , y (t) , z (t) , w (t) 时间序列图变化情况如图3 所示。

相应的关于参数b5的分岔图和李雅普诺夫指数图如图4、5所示。

系统 (2) 两端关于相应变量求导数并求和, 得到结果如公式 (3) 所示:

与洛伦兹系统、陈系统、吕系统、能源供需系统及四维碳税约束下的节能减排系统相比, 系统 (2) 的平衡点、线性项、非线性项都具有明显的独特性。系统 (2) 的相图、李雅普诺夫指数图及分岔图与上述系统也有明显的区别, 该吸引子是一个新的吸引子。

借助李雅普诺夫指数图和分岔图可在数值仿真上验证系统 (2) 存在混沌吸引子。借助Silnikov theorem定理[6]可以证明系统存在Smale horseshoes和horseshoes chaos, 从而在理论上可证明系统存在混沌吸引子。

系统 (2) 中混沌现象的发现, 为深入探究多重变量约束下的节能减排系统的演化行为提供了新的思路, 为进一步分析实际节能减排系统的行为及相应的政策建议提供了理论基础。

3 结论

基于一类四维节能减排系统, 在节能减排、碳排放、经济增长及碳税复杂演化关系的基础上, 引进市场化管理、政府调控、区域特有经济属性、税收补偿机制等约束变量, 构建了多变量约束的节能减排系统。通过计算系统的雅克比矩阵, 研究了系统的平衡点稳定情况, 借助李雅普诺夫指数和分岔图, 得到一类新型的节能减排吸引子, 并与以往文献中存在的吸引子做了对比分析。

探讨了多重变量约束下的节能减排系统的演化行为, 而实际的节能减排系统包括更多的变量, 含有更多变量的节能减排演化系统、系统的其他动力学行为有待进一步研究。在充分获取统计数据的基础上, 可以分析多重变量约束下的节能减排的实际演化行为, 并给出相应的政策建议。

摘要：基于节能减排、碳排放、经济增长、碳税及相应的约束变量的复杂演化关系, 构建了多变量约束的节能减排系统。借助李雅普诺夫指数和分岔图, 通过大量的仿真实验, 得到一类新型的节能减排吸引子, 并研究了系统的动力学行为。

关键词：长三角,碳税,节能减排,能源强度,经济增长

参考文献

[1]Heidari N, Pearce J M.A review of greenhouse gas emission liabilities as the value of renewable energy for mitigating lawsuits for climate change related damages[J].Renewable&Sustainable Energy Reviews, 2016, 55:899-908.

[2]Dou X.The essence, feature and role of low carbon economy[J].Environment Development&Sustainability, 2015, 17 (1) :123-136.

[3]方国昌, 田立新, 傅敏, 等.新能源发展对能源强度和经济增长的影响[J].系统工程理论与实践, 2013 (11) :2795-2803.

[4]Fang G C, Tian L X, Fu M, et al.Government control or low carbon lifestyle?——Analysis and application of a novel selective constrained energy-saving and emission-reduction dynamic evolution system[J].Energy Policy, 2014, 68:498-507.

[5]Fang G C, Tian L X, Fu M, et al.The impacts of carbon tax on energy intensity and economic growth—A dynamic evolution analysis on the case of China[J].Applied Energy, 2013, 110:17-28

多变量数据分析篇9

The golden section adaptive control based on characteristic model was proposed by Wu Hongxin[1]Significant progresses in both theories and applica tions have been made in past two decades.The characteristic model based golden section adaptive control is aimed at designing engineering-oriented adaptive control,which does not depend on the explicit dynamic model of the system and requires to identify and adapt only a few parameters.Many successful applications of the characteristic model based golden section adaptive control has been found in various industries[2].In particular,its application in the attitude control of a multi-body satellite with flexible structures is most accurate.Characteristic model depicts the high order linear time-invariant and nonlinear systems through low order linear timevarying model.It is proved in Ref.[3]that when stimulated by the same input and the sampling time is small enough,by proper choice of characteristic model parameters,the characteristic model will have the same output as the original linear time-invariant system.Though the method is successful in practice the stability of the overall system remains the most challenging problem.Qi Chunzi studied the stability of two-input-two-output golden section feedback control system based on the Lyapunov analysis method for linear time-varying discrete system[4].However,the model in Ref.[4]only considered one single channel coupling and the Lyapunov functions as it presented were extremely complicated,which would be more complicated if intercoupling was involved.

Ref.[5]provided the method of interval timevarying system as well as the necessary and sufficient condition for its stability.Applying this method,the sufficient condition for the stability of hypersonic vehicle was also given.In ref.[5],when the linear feedback controller was used in the feedback loop,with some conservation,the closed loop system was viewed as a class of interval time-varying system defined by a number of free time-varying parameters taking values from predefined intervals.

Similarly,in this paper,multivariable characteristic model based golden section adaptive control system is viewed as a class of interval time-varying system defined by a number of free time-varying parameters.These free parameters take values from predefined intervals.The sufficient condition for the stability of this class of system is used to guarantee the exponential stability.This paper also gives a method to determine the adjustable parameters of golden section adaptive control law.

2 The Closed Loop System

The key idea of the characteristic modeling is to model the plant based not only on the dynamic characteristic of the plant but also the control performance requirements.According to the requirement of the control problem,the characteristic model for double input-output system with intercoupling is described by following time-varying difference equation:

denote respectively the input and output of the system;h1,and h2,are coupling coefficients;and the timevarying coefficients belong to the convex set

which was derived in Ref.[4].

Considering the characteristic model,the golden section adaptive controller is given by

where are golden section coefficients; are adjustable parameters. are the estimated values of the corresponding coefficients in eq.(1).The coefficients are estimated by the gradient projection algorithm,

where

are positive constants satisfying represents the orthogonal projection from x to the bounded closed convex set D.The block diagram of system is in Figure 1.

The closed loop system which consists of the characteristic model(1)and the golden section adaptive control law can be written as

where

3 The Stability of The Closed Loop System

In Ref.[5]a sufficient condition was presented for the stability of the overall system.The matrix norm used in this subsection is induced 1-norm.

Lemma 1.[5]Consider the following system

Then system(10)is exponentially stable.

The overall attitude system of the multivariable characteristic model based golden section adaptive control system(4)is rewritten as

Theorem 1.Consider the overall system(11),at x(t)=x(0).Assumption 1 is satisfied,and thereexists a proper sample time h0 such that

is exponentially stable.That is,∃c>,0∃γ∈[,0)1such that the state transition matrix of system(12),denoted byØ(t,t0),satisfies

If the following condition is satisfied

γ+cδ<1

The system(11)is locally exponentially stable.

Proof.The proof of this theorem uses the same method as in ref.[5],and therefore,it is omitted in this work.

According to Theorem 1,the stability of the multivariable characteristic model based golden section adaptive control system is checked up by three steps.First,ignore the channel coupling and test the stability of two interval time-varying system.If both two channels are exponentially stable,then c andγare calculated.Second,compute the norm bounds of the coupling terms.Finally,compute inequalityγ+cδ<1 to see if the conditions of Theorem 1 are all satisfied.

The first step is to test the closed loop stability for system(12).

The k step state transition matrix has following structure:

we have

obtain

where

Lemma 2.The necessary and sufficient condition of the interval varying system(12)to be exponen-tially stable is as follow.If∃k,and,such that the following condition is satisfied

Proof.The proof of this theorem uses the same method as in ref.[5],and therefore,it is omitted in this work.

that system(12)is exponentially stable according to Lemma2.Following the condition(1)of Lemma1,we can choose

The second step is to estimate the upper limit of the dynamic coupling.

Then we can chooseδ=.0064.For system(11)assumption 1 is satisfied.

The third step is to test the satisfaction of inequalityγ+cδ<1.With the chosen c,γ,δ,we have

The above 1-norm results demonstrate that the overall system is exponentially stable.The multivariable characteristic model based golden section adaptive controller stabilize the closed loop at the test point.

4 Numerical simulation

To test the stability of the multivariable characteristic model based golden section adaptive control system,a simple numerical simulation is presented,which uses the example of TDRS(Tracking and Data Relay Satellite).The model of TDRS is same as in Ref.[6].The initial angle of attitude of satellite and pointing of antenna are set to 0 and 0.5 degree respectively.The golden section adaptive controller based on multivariable characteristic model is used.Figure 2 gives the angle of attitude of satellite and pointing of antenna,and figure 3 gives the angular speed of attitude of satellite and pointing of antenna.The results show the closed loop system of TDRS and controller is stable.

5 Conclusion

In order to address the stability problem of the multivariable characteristic model based golden sec tion adaptive control system,a method of calculating limited number of induced matrix 1-norm is used First he multivariable characteristic model based golden section adaptive controller is proposed,and the closed loop system is obtained.Second,the dynamic cou pling is ignored,and with some conservation,the closed loop system is viewed as interval time-varying systems,which is tested to be stable by a sufficien and necessary condition.Finally,the dynamic cou pling is considered,and the stability of overall sys tem is presented with a sufficient condition.In thi paper,not only the stability of system we give,but also a new path to determine the adjustable parameters of golden section adaptive control law,which is a complicated problem for the controller.It is should be pointed that the matrix norm used in this paper also could be induced matrix∞-norm.In the end the numerical simulation of TDRS validates the stability of the multivariable characteristic model based golden section adaptive control system.

参考文献

[1]WU H X.All-coefficient Adaptive Control Theoryand Application(in Chinese)[M].Beijing:Defense IndustryPress,1990.

[2]MENG B,WU H X,LIN Z L,LI G.Characteristicmodel based control of the X-34 reusable launch vehicle inits climbing phase[J].Sci China Ser F-Inf Sci,2009,52(11):2216-2225.

[3]MENG B,WU H X.The proof for characteristicmodel of linear time invariant system[J].Sci China Ser E-Tech Sci,2007,(37):1258-1271.

[4]QI C Z,WU H X,LU Z D.Study on the stabilityof multivariable all-coefficient adaptive control system[J].Control Theor Appl,2000,(17):489-494.

[5]ZHANG Z,HU J.Stability analysis of a hyper-sonic vehicle controlled by the characteristic model basedadaptive controller[J].Sci China Ser F-Inf Sci,2012,55(10):2243-2256.

多变量数据分析篇10

Microsoft SQL Server 2005是一个全面的数据库平台, 使用集成的商业智能 (BI) 工具提供了企业级的数据管理。Microsoft SQL Server 2005数据库引擎为关系型数据和结构化数据提供了更安全可靠的存储功能。在本文中, SQL Server 2005是联系Wincc与Excel的桥梁和纽带。

Wincc在西门子工业自动化领域已经得到广泛的应用, 各种各样的报表要求几乎都能满足。本文中从实际角度出发, 提供一种直接使用Excel VBA编写客户端访问Wincc数据库SQL Server 2005的方法, 针对用户对变量的要求, 从数据库中同时挑选多个变量, 不同的时间段、时间间隔, 实现了不同要求的数据采集。本实例中提供了关键的Excel示例代码, 有一定的实用价值。

1 数据采集软件的编写

本文中, Wincc作为上位机组态软件, 将发出的指令与采集回来的数据经过变量归档实时地存入数据库SQL server2005中, 为了便于不同专业科研人员对于数据的处理, 利用Excel内嵌的VBA编程语言, 对数据库内的数据进行采集。

打开excel, 在视图选项栏下, 首先录制一个空的宏, 保存在当前工作簿中, 然后选择查看宏, 点击编辑, 进入了VBA (Microsoft Visual Basic for Applications) 界面, 在This Work Book中, 写入Excel文件打开预代码Private Sub Workbook_Open () 。

在Sheet1中写入数据库变量读取、写入代码

以上代码详细表述了打开数据库、Excel各项属性等重要过程。在做多变量查询的过程中, 我们还需要依次做几个数据集的循环, 用如下数据库连接字符串读取相关变量的数据。

最后一个数字要求选出的数据类型, 5代表平均值, 1代表第一个值, 2代表最后一个值, 3为最小值, 4为最大值, 6为总和, 7为区间数据采集数量, 512为质量代码。Time Step表示数据区间内的采集时间间隔。

我们还需要注意的是str Start Time和str End Time一定要通过函数先转换成UTC时间。

2 程序运行步骤与结果

首先选择主机为本机, 填写要读取的时间段, 时间段内的读取间隔, 以及要选取的数据类型, 点击read按键, 可依次读取各变量各时间段相应数据。

3 结束语

多变量财务预警模型应用比较研究篇11

一、财务危机的界定及样本选取

国外对财务危机的研究主要侧重于破产角度。Beaver认为拖欠债务, 优先股股利, 破产是财务危机的表现。Carmichae认为危机是指企业履行业务时受阻, 表现为:长期债务能力低、资金取得困难。外国学者大多以破产来定义财务危机。但就我国而言, 对破产研究的很少, 郭丽红认为财务危机是企业不能在规定期限内还款的一种表现, 赵爱玲也认为财务危机即资不抵债。我国学者通常认为财务危机即无力支付到期债务的现象。同时, 在样本的选择中外国学者通常选取《Moody行业手册》中破产企业为样本, Beaver他以79家财务正常公司和破产公司作为研究对象, 所选择研究对象来源于《Moody行业手册》。国内通常选取上市ST公司为研究对象, 姜秀华、孙铮以2001年11月20日为基点选取了42家ST公司进行财务预警研究。

就五种财务预警模型纵向比较而言, 国内外学者在对财务危机的界定和样本的选取方面存在着一定差异, 但这种差异是由于国情等现实因素造成的, 总的来说符合研究的实际情况, 对五种财务预警模型的应用并没有实质性的影响。

二、财务预警模型的应用范围

在上述五种财务预警模型中, 在理论层面上由于模型本身的要求, 对模型的应用范围有一定的限制。对于多元逻辑模型, BP神经网络模型的应用并没有数据类型的限制, 但对于多元判别模型、主成分分析模型、多元概率比模型适用范围有着严格的要求。陶艳珍指出对于多元判别模型, 主成分分析模型要求样本必须服从正态分布, 两个样本组的协方差相等且变量之间存在着多重共线性关系。张妍妍指出多元概率比模型要求样本服从正态分布, 同时要求所选财务指标可以线性解释P值。在实际应用中除了受模型本身要求之外, 五种财务预警模型可以随意应用到各个行业领域。

从上述可以得出, 单纯就模型的适用性而言, 由于模型本身对于样本数据的要求多元判别模型、主成分分析模型和多元概率比模型应用受到一定的限制。多元逻辑模型、BP神经网络模型适用性更强。

三、财务预警指标选取

多元判别财务预警模型的首创者Altman所建立的Z模型从22个会计比率类财务指标中提取出5个具有代表的指标, 即:营运资本/总资产、留存收益/总资产、息税前收益/总资产、股东权益/总负债和销售收入/总资产。吴世农引入公司内外部治理变量, 在其建立的预警指标体系中使用了12个非财务类指标, 利用多元判别模型对公司财务状态进行了预测。

杨淑娥, 徐伟刚在主成分分析模型中考虑到反映现金流量方面的比率指标和累计盈利能力的比率指标。曹德芳、夏好琴运用主成分分析法, 结合财务指标, 将股权结构变量法人股比例、流通股比例引入到财务危机预警研究中。

Martin建立的多元逻辑模型中指出净利润/总资产、坏账/净利润、费用额/营业收入、等六个财务比率指标能够更显著判别公司的危机。杨华在引入财务指标的基础上又引入了股权结构、年报披露、等四个方面的非财务指标, 运用Logistic回归方法构建模型, 预测准确率大有提高。

Ohlson运用Probit判别法建立的Probit模型考虑到资产负债率, 流动比率, 利润率等财务指标。白承彪从企业偿债能力, 盈利能力, 营运能力和发展能力四个方面选取指标利用多元概率比模型进行预警。

Koh用息税前利润、负债比率、资产报酬率、股票市价/总资产保留盈余/资产五个指标建立人工神经网络模型。谭久均利用BP神经网络模型引入了销售现金比率、经营活动现金流入比与现金流动负债比等三个现金流量类比率。

在五种财务预警模型的预警指标发展方面可以看出, 初期财务预警指标集中于会计指标, 随着研究的深入, 非财务指标和现金流量指标的引入使预警的准确性提升了。

四、预警度

在多元判别财务预警模型中Altman认为如果企业的Z值大于2.675, 表明企业的财务良好;如果Z值小于1.81, 则企业存在很大的破产风险;如果Z值处于1.81—2.675之间, 企业财务状况是极不稳定的。

杨淑娥建立的Y模型中Y>1为财务状况非常安全区域;1>Y>0.5财务状况安全区域;0.5>Y>0.3财务状况灰色区域;0.3>Y>0财务状况失败区域;0>Y财务状况严重恶化区域。

多元逻辑模型和多元概率比模型p>0.5财务状况良好;p<0.5出现财务危机。Martin认为当p值大于0.5时说明企业财务状况良好, 反之企业会面临极大的破产风险。

朱燕妮利用BP神经网络模型按照第一次出现净利润为负值, 连续两年出现净利润为负值, 每股净资产低于账面价值三个方面的不同情况把企业分为健康, 轻度和重度三个方面。将预警安全指数在0~1之间分为5部分 (0, 0.2) 巨警; (0.2, 0.4) 重警; (0.4, 0.6) 中警; (0.6, 0.8) 轻警; (0.8, 1) 无警。

在各个模型的预测过程中由于所选样本, 指标各个方面都存在着差异, 因此模型的警度也有差异。

五、准确度

张玲以120家公司为研究对象, 选取了70家处于财务困境的公司和非财务困境的公司为样本, 应用了线性判定分析, 多元线性回归分析和logist逻辑回归模型三种方法, 分别建立三种预测财务困境的模型, 这三种模型也都有一定的实践效果。但针对同样一个样本数据的分析而言, Logistic预测模型的预测精度最高, 预测效果最好。吴应宇以我国上市公司为研究对象, 根据行业分类和总资产规模选取被ST和正常公司各28家作为训练样本, 运用3种独立的建模方法, 分别建立了主成分分析预警模型、线性判别预警模型和逻辑回归预警模型。通过模型比较发现, 主成分分析预警模型优于线性判别模型。辛秀从偿债能力等6个方面选取指标, 利用小波神经网络方法构建财务预警模型, 研究结果表明该方法优于多元统计方法, Logisic和Pobit方法构建的财务预警模型。

就一般情况而言, 对财务危机预测精度, 多元逻辑模型优于多元判别模型, 多元概率比模型, 主成分分析模型优于多元判别模型, BP神经网络模型优于多元逻辑模型和主成分分析模型, 但有时模型的准确度也受所选行业所选财务指标影响。

六、研究结论及建议

从上文的分析中可以看出, 在财务预警的过程中要充分了解每一个财务预警模型。在面对不同行业、不同样本、不同财务状况的公司时才能综合应用这几种模型。下面提出几点在模型应用选择中的意见。

(一) 对各个模型要充分了解, 综合应用选择

在模型的选择过程中要充分利用模型的特点, 针对企业不同情况分时段选择。不可拘泥于单一的财务预警模型。例如多元判别模型指标反映全面但指标之间存在一定干扰性, 可作为短期预测模型, BP神经网络模型适合作为由内部机制引起问题的模型。因此, 这些模型应综合应用。

(二) 选取模型时, 要充分考虑到样本的使用条件

样本的使用条件不仅包括样本是否满足模型的基本条件, 还包括样本所处行业特征和其他财务状况等。例如, 如果样本过多会造成BP神经网络模型学习能力不高影响预测效果, 同样, 在多元逻辑模型中如果样本数量较少也会造成预测准度下降。

(三) 在模型的应用过程中, 要注意模型的改进

模型对于财务预警模型的准确度有很大的影响。在模型的应用过程中, 我们要重视模型的改进问题, 提高模型的应用效率。例如, BP神经网络模型中, 可以应用遗传算法来提高收敛速度, 提升预测准确性。

(四) 在预警过程中, 也要注意指标的选取

预警指标作为财务预警的重要组成部分, 在模型预测过程中有十分重要的作用, 在模型的预测过程中, 也要根据具体行业选取一定的行业指标和非财务指标、现金流量指标, 才能更好地提高预测效果。

参考文献