机制模拟（共9篇）
机制模拟 篇1
摘要：对大冶铁矿龙洞负六十二米、负七十四米水平采矿巷道开挖后的巷道变形机制和二次应力分布进行分析和研究。通过模拟和实际数据对比可知, 不同的围岩条件其采矿巷道的二次应力分布所影响的范围也同样有所不同, 围岩主应力总体上来说, 是从巷道边墙中下部位的集中带压应力逐步过渡到拱顶以及底板一定范围内的集中带拉应力。
关键词：数值模拟,采矿巷道,变形机制,收敛监测,二次应力分布
以大冶铁矿龙洞采区负六十二米、负七十四米两条水平不同围岩条件的采矿巷道为研究案例, 采用室内数值模拟研究、现场勘察分析以及巷道收敛检测范分析等一系列综合手段, 对在不同围岩相同地压条件下的采矿巷道围岩变形机制和二次应力分布进行了研究, 为支护设计和采矿巷道的稳定性分析提高了理论依据。
1 围岩受力变形机制的具体数值
1.1 建立计算模型
根据龙洞采区负六十二米和负七十四米水平采矿巷道的概况, 建立了数值模拟计算的模型, 负七十四米的水平的模拟对象是大理岩, 负六十二米水平采矿巷道的模型对象是中风化的闪长岩。考虑到计算机模拟结果和模拟速度的精确性, 对开采矿体的地板和顶板出的网格划分进行了适当的加密, 相应的带开采矿体部分变稀, 在此基础上所形成的有限差分网格。此次模拟巷道将作为空间问题来进行考虑, 研究段左右各取宽度十米, 长度二十一米, 上下各取高度十米。模型共划分为四万两千五百三十二个节点, 三万九千七百五十个单元, 其中的开挖部分则采用零空的单元模拟。
该模型有如下几个特点: (1) 破坏准则采用Mohr-Coulomb模型, 物理模型则采用弹塑性模型。 (2) 各岩层视为均质和各向同性体, 岩层中和围岩的裂隙、结垢面以及软弱夹层等对强度的影响不做考虑, 巷道所处的实际层位与模型岩层的划分一致。 (3) 底部边界约束水平和垂直方向位移, 左右两侧边界约束水平方向位移, 上部边界则施加相当于覆岩自重的应力, 这是模型的边界条件。 (4) 根据巷道围岩的实测岩块力学参数以及节理裂隙发育情况, 根据相关的公式对岩体物理力学的参数进行换算。 (5) 要首先对巷道围岩的自重应力的静力稳定性进行模拟, 巷道要在其达到原始应力的平衡的条件下开挖。
1.2 数值模拟的计算及分析
(1) 负六十二米水平巷道的数值模拟结果对负六十二米水平巷道进行开挖的不支护模拟, 主要目的是为了了解此水平巷道在进行开挖后围岩应力应变的调整。由模拟结果我们可以看出, 巷道开挖后的最大主应力中的最大拉应力则主要存在于拱顶以及巷道底部中央, 而最大压应力则主要存在于底脚处以及两边墙中部, 最大拉应力是零点二一MPa, 压应力最大为四点九二MPa。剪应力中的最大负剪应力为负四点八九MPa, 主要位移点中, 拱顶沉降为二十二点七毫米, 底部向上位移十三点一毫米, 相对收敛三十五点七毫米, 与规定的十二至三十六毫米的相对收敛值上限接近。最大正剪应力是四点八八MPa, 最大负剪应力主要分布于左拱角的右边墙角处, 最大正剪应力则分布在右拱角的左边墙角位置, 开挖后将会产生大面积的剪切破坏。 (2) 负七十四米水平巷道数值的模拟结果负七十四米水平采矿巷道的开挖数值模拟结果和负六十二米水平采矿巷道大致相同, 仅仅是具体数值有所区别。最大负剪应力为负七点九四MPa, 最大正剪应力为七点九四MPa, 最大拉应力是零点三八MPa, 最大压应力是五点六六MPa, 拱顶沉降为九点六毫米, 底部向上位移为六点八毫米, 相对收敛为十六点四毫米, 在规定的相对收敛值范围内。我们可从塑性区分布云图中得知, 巷道在开挖过程中, 洞室周边的浅部围岩当中出现了四至六米的破坏区。
2 巷道收敛的监测及分析
由于所处的应力状态在巷道开挖之后发生改变, 会打破开挖前的应力平衡状态, 围岩会通过应力的变形以及调整达到一个新平衡。这是一个动态的调整过程, 所以, 围岩的变形过程也同样是动态的, 围岩的变形趋势应该通过围岩变形的动态信息来掌握, 也就是由量测所获得的位移时间曲线, 对各时刻的位移速度、总位移量以及位移加速度的变化趋势进行分析, 从而对围岩的变形状况进行把握。在地下工程的测试过程中, 包括收敛量测的位移量测是最常用也是最具有意义的项目, 既经济简便又可靠稳定。
结合龙洞负七十四米水平采矿巷道的实际监测情况, 收敛监测断面能反映洞室收敛变化和巷道开挖相互之间的关系, 收敛变形曲线 (见图1) 。通过对巷道位移的模拟结果与实测结果的深入分析和比较, 一方面可以定型地了解巷道在开挖以后的变形趋势, 另一方面则可以数值模拟的合理性进行验证。负七十四米水平采矿巷道的数值模拟位移变化曲线图, 如图2所示。
通过对图1和图2的比较可得出结论: (1) 负七十四米水平采矿巷道的拱顶模拟沉降结果显示最大位移为九点六毫米, 比较接近实测的最大位移七点一六毫米, 这就反映了数值模拟计算的把握是比较接近实际情况的。 (2) 实际监测曲线的变形以及巷道收敛变形的数值模拟曲线基本相同, 变形值也是非常接近的, 这就说明数值的模拟与实际情况是很接近的, 所以, 数值的模拟结果是可以进一步为支护设计以及巷道围岩的稳定性评价提供进一步的理论依据的。
3 总结
(1) 负六十二米水平采矿巷道的岩体完整性相对较差, 而负七十四米水平采矿巷道裂隙较少, 几乎处于闭合的状态, 岩体的完整性相对来说比较好。 (2) 在巷道开挖以后, 通过数值模拟结果可看出, 负六十二米巷道的二次应力影响范围在边墙外十至十五米以内, 负七十四米的影响范围则在四到六米内。围岩的主应力总体上表现为由各边墙的中部和中下部为的压应力集中带逐渐过度到地板和拱顶一定范围内的拉应力分布带。 (3) 在巷道收敛变形方面拱顶沉降相对比较大, 负六十二米水平巷道开挖完之后, 拱顶的沉降最大位移达到二十二点七毫米, 负七十四米巷道开挖完之后达到七点六一毫米。负六十二米的拱顶沉降位移已经接近所允许的相对收敛值上线, 需要加强支护, 而负七十四米围岩的变形值接近允许值的下限, 一般情况不需要支护。 (4) 由数值模拟计算的结果以及现场的收敛检测分析结果可以看出, 大冶铁矿龙洞负七十四米与负六十二米水平采矿巷道开挖以后, 在洞室的周边分布着一定范围的塑性区, 有部分地段相对收敛变形已经超出了安全范围, 需要进一步加强巷道支护的实际应用以及设计理念的相关研究。
参考文献
[1]张国建.无底柱分段崩落法理论与实践的新认识[J].中国矿业, 2004, 13 (2) :58-60.
[2]明世祥, 梅智学.无底柱分段崩落采矿法在武钢地下铁矿中的应用实践[J].黄金, 2005, 26 (6) :29-32.
[3]靖洪文, 李元海, 许国安.深埋巷道围岩稳定性分析与控制技术研究[J].岩土力学, 2005, 26 (6) :877-880.
机制模拟 篇2
在具有湍动的.磁场和垂直激波条件下对大量测试粒子的轨迹进行了数值计算,研究了激波强度和粒子初始能量对于粒子穿越激波的平均能量变化的影响,分析了漂移加速(SDA)在不同条件下对粒子加速的贡献,并给出了一个与数值结果相符合的漂移加速理论公式△E=amvivup(1-1/s).结果表明,加入磁场湍流后,垂直激波条件下粒子仍主要受到漂移加速作用,而基于粒子引导中心的耗散漂移加速理论在此条件下失效.
作 者：孙鹏 秦刚 王赤 SUN Peng QIN Gang WANG Chi 作者单位：孙鹏,SUN Peng(中国科学院空间科学与应用研究中心,空间天气学国家重点实验室,北京,100080;中国科学院研究生院)
秦刚,王赤,QIN Gang,WANG Chi(中国科学院空间科学与应用研究中心,空间天气学国家重点实验室,北京,100080)
机制模拟 篇3
摘 要：UCLA是美国较先开展系统性医学教育的院校之一，其教学模式与国内的医学教育有许多不同之处。例如笔者观摩的模拟病人问诊的学习，学生从一进校就模拟问诊，与演员扮演的病人相互沟通，身临其境的教学让学生从进校就去学习如何做一名合格的医生，这与国内教育模式的相比有较大的优势。
关键词：UCLA；模拟病人问诊；学习机制
在教育部留学基金委来华留学师资培训项目的资助下，笔者有幸于2013年1-3月赴美国加州大学洛杉矶分校医学院参观学习。在此期间，笔者发现美国系统性医学教育体系中模拟病人问诊的学习较之与我国临床专业学生的学习存在优势，希望我们能学习并加以借鉴。
一、美国加州大学洛杉矶分校的概况
美国加州大学洛杉矶分校成立于1919年，是目前全美最好的公立大学之一。其下的David Geffen医学院于12年前开始采用整合课程进行医学教育改革，在摸索中不断改进，如今该教学模式已获得了广泛的认可，也是美国其他医学院校参观学习的典范。
二、美国加州大学洛杉矶分校医学课程设置
美国加州大学洛杉矶分校的医学院学制四年，一、二年级以理论课程为主；三年级进行临床实习阶段；四年级进入临床专科实习阶段。一、二年级的理论课程都分为9个block，主要学习形式有以下几种：课堂讲授或者PBL小组学习；通过模拟病人进行问诊学习等。其中的模拟病人问诊学习从进入医学院就开始，即从进校学生就开始学习如何成为一名合格的医生。
三、模拟病人问诊的学习
模拟病人问诊两周进行一次，时间为2个小时。通常小组成员为6～9人，有利于多元化背景的学生交叉学习、探讨，培养学生在不同团队的合作精神。模拟病人问诊的学习和其他课程同步，内容上相近，以便学生循序渐进地逐步掌握医学知识及技能。我有幸参与一年级学生第3个block的学习，模拟病人问诊的内容包括了对成年男子如何预防HIV的问诊，糖尿病人的问诊、心血管疾病患者的问诊以及青少年健康风险咨询等。这些内容都是与专题讲座、PBL内容相辅相成，相互呼应，从根据教师的安排进行问诊，到用药种类与剂量治疗、总结，以及得到反馈等，逐步培养学生成为一名合格的医生。模拟病人问诊具体的学习安排如下：
1.资料提前上传于网站
每周的学习安排，包括每一个学习内容，每一个案例的相关文献会在本学期初上传到网站，学生只需根据自己的学习进度下载即可。例如在肥胖、减肥咨询和健康策略的问诊中，网站首先为学生提供了ATP III指南，一个健康习惯的开始和维持等文献资料，让学生提前阅读相关资料。
2.制订本次课程的学习目标
教员（faculty）在本次课之前，制订出本次教学的目标，即通过本次学习学生应该掌握的目标，例如在减肥咨询和健康策略的问诊中，制订的目标即为建议患者主动对饮食、运动和生活方式有所改变，减少心血管疾病的风险，了解健康策略的概念，教育患者了解胆固醇水平，了解非依丛性的原因并采取措施提高病人的依丛性。
3.制订学习进程表
教员会将本次课程每个问题讨论的时间段做一个详细的进程表，即何时做何工作会详细列出。
4.教员和学生讨论案例
上课时间，将有两个教员（一个为教师，另一个为医生）和学生讨论今天的案例，提出问诊所涉及的范围及方式。
5.病人问诊
这项工作通常需要不同的学生完成不同的内容，在问诊过程中会选派专业演员扮演患者，由学生扮演医生进行详细问诊并提出解决问题的方案或建议。
四、模拟病人问诊具体过程
以青少年健康风险咨询为例看一下模拟病人问诊的具体实施。首先会在网站上传相关文献（权限登录），包括标准饮酒量、青少年健康及危险行为，加利福尼亚未成年人知情和保密法。课程开始时，由7名学生组成一个小组，有两位教员带领学生共同讨论问诊的第一阶段，学生讨论应该涉及到的问题，以及不能涉及的病人隐私等。然后由演员扮演的少女进入房间，由一名学生扮演医生进行问诊，病人主诉自己今天下午在上体育课的过程中晕倒，妈妈带她来医院并在等候室等她。当她醒来时未发现异常。未撞击到头部，也无疼痛。这时医生就会根据预习的文献，询问患者是否在减肥，运动量以及食物摄入量等。患者因为在减肥，运动较频繁，但饮食正常。排除了这些可能后，询问青少年饮酒以及毒品滥用等问题。患者承认周末抽烟和喝酒。这时候学生会讨论青少年饮酒的高风险因素，然后由教员和学生讨论，下一步要问咖啡和饮料摄入量、香烟以及酒精摄入量等问题，来排查晕倒的原因。
通过示教，同时结合其他课程，学生在学习的最初阶段就得到了直观明了的训练。目前，我国医学生的传统学习与其有较大的差距。当然在不断夯实基础知识的同时，可以逐步改善我国的教育模式，尽早地将学生引入临床阶段，可以提高我国医学生的教学质量及效果。
参考文献：
[1]陈定伟，曹倩.美国加州大学洛杉矶分校医学院教育模式及其启示[J].中国高等医学教育，2009（10）：41-42.
机制模拟 篇4
关键词：供应链管理,双层规划,分散决策,信息不对称,模拟退火算法
1 供应链中分级协调机制的问题阐述和模型建立
1.1 问题描述
图1为库存系统图,图中箭头方向表示物流的方向,有向线段表示销售商、供应商、生产商之间的物流。
为了满足销售商的要求,生产商需从供应商那里提前订购零件,但由于种种原因,有时供应商不能按时交货,这样产品就不能按时被生产商生产出来,进而影响了销售商的销售市场。但是,任何事物都是有规则的,供应商、生产商、销售商也不例外,为了彼此达到“互利共赢”的目的,一张合同将它们紧密联系在了一起。
因此,为了协调这种关系,提出方法—惩罚费用。对于供应商不能按时交货,给出惩罚费用,对于生产商不能按时交货,也给出一个惩罚费用。
1.2供应链的基本数学模型
1.2.1 模型假设
本文所做的假设如下:①生产商和供应商是长期的合作伙伴,并且相互信任;②生产商和供应商信息不对称,也就是说,他们之间保持一定的隐私,不透漏其所有数据;③供应商、生产商和销售商是一个相互合作的团队,所有参与者都为了使一个共同的目标得到最优化;④在整个供应链中,已知的量是销售商订单;⑤在整个供应链中,只考虑成本不考虑时间,供应商的模型是线性的;⑥零件费用相等;⑦零件最大供量应该相同。
1.2.2 模型建立
1.2.2.1 生产商的模型(P)
假设供应链中有i∈(i=1,2,…I)个零件,j∈(j=1,2,…,J)作业。在计划期t∈(t=1,2,…T)内,按定单满足客户产品量和时间需求。
1)目标函数
2)约束条件
生产力约束
网络约束
物质平衡约束
订单交货约束
整数约束
3)参数和变量
参数:i为零件,j为作业,t为时间,I为总零件数,J为总作业数, c为生产力单位成本 , Y为单周期最大生产力, Pi为购买单个零件i的费用, hpi为生产商对零件i的单位库存成本, Δt为延期时间, F为延期交付的单位惩罚费用(P→C), k为延期交付的单位惩罚费用(S→P)。
变量: qi为购买零件i的数量, Ipi为生产商对零件i的库存量, ei为延期交付零件i的数量(S→P), di为要交付零件i的数量(S→P) , aj为作业j的生产消耗, Dj为作业j的生产持续时间, Ei为预期交付时间(P→C), vij为开始作业j需要的零件量i。
从上面可以看出:生产商的模型为总成本最小,它包含存储费用、购买费用和惩罚费用。
1.2.2.2 供应商的模型(S)
1)目标函数
2)约束条件
物质平衡约束
订单交货约束
整数约束
3)参数和变量
参数:pi为购买单个零件i的费用,hsi为供应商对零件i的库存成本,k为延期交付的单位惩罚费用(S→P),Qi为零件i的最大供应量。
变量: di为要交付零件i的数量(S→P), Isi为供应商对零件i的库存量, ei为延期交付零件i的数量(S→P)。
从上面可以看出:供应商的模型为总利润最大,它也包含购买费用、存储费用和惩罚费用。
2模拟退火算法及求解
2.1模拟退火算法的基本流程
根据模拟退火算法的基本框架,针对具体问题时还需要具体的设计。模拟退火具有两层循环,内循环模拟的是在给定的温度下系统达到平衡的过程。在此循环中,每次从当前i的领域中随机找出一个新解j,然后按照Metropolis的准则概率接受新解。算法中的random(0,1)是指在区间[0,1]上按均匀分布产生一个随机数,而所谓的内层达到热平衡也是一个笼统的说法,可以定义为循环一定的代数,或者基于接受率定义平衡等。算法的外层循环是一个降温的过程,当在一个温度下达到平衡后,开始外层的降温,然后在新的温度下重新开始内循环。降温的方法可以根据具体问题具体设计,而且算法流程图中给出了初始温度T也需要算法的使用者根据具体的问题而制定。
在用模拟退火算法求解最优化问题时,涉及以下几个方面的基本要素。
2.1.1 初始温度
影响模拟退火算法全局搜索性能的重要因素之一是初始温度t0的设置。实验表明,要获得高质量解,初温就得越大,但花费的计算时间也将越多。因此,初温的确定应折中考虑优化效率和优化质量,常用方法有以下几种:
1)以个状态目标值的方差为初温,均匀抽样一组状态;
2)利用经验公式给出初温;
3)随机产生一组状态,确定出两两状态间最大目标差值|△max|,然后根据差值,利用一定的函数确定初温。例如t=-△max/pr,其中pr为初始接受概率。
2.1.2 领域函数
领域函数(状态产生函数)通常有两部分组成,即候选解产生的概率分布和产生候选解的方式。概率分布可以是均匀分布、指数分布、正态分布等,候选解一般采用某一概率密度函数对解空间进行随机采样获得。
2.1.3 接受概率
指从一个可行解Xk向另一个可行解Xnew的转移概率,通俗的理解是接受一个新解为当前解的概率。与它有关的是当前的温度参数tk,随着温度的下降而减小。一般采用Metropolis准则。
2.1.4 冷却控制
指的是降温管理表(降温方式)即从某一较高温的状态t0向较低温状态冷却。假设用tk来表示时刻k的温度,则经典模拟退火算法的降温方式为
而快速模拟退火算法的降温方式为
这2种方式都能使模拟退火算法收敛于全局最小点。
2.1.5 内层平衡
内层平衡也称Metropolis抽样稳定准则,相当于由各温度下产生候选解的数目决定。以下几项是常用的抽样稳定准则:预先设定的抽样数目,内循环代数;目标值变化较小(连续若干步);目标函数的均值是否稳定。
2.1.6 终止条件
常用的算法中止准则包括以下几项:外循环迭代次数;终止温度的阀值;连续若干步保持不变直到算法搜索到最优值;检验系统熵是否稳定。
2.2模拟退火算法的描述和实现
2.2.1 一般过程描述
模拟退火的一般过程可以描述为:
步骤1 给定初温Tk=T0,随机产生初始生产顺序向量(di,ei,I0p)= (d0,e0,Ip0),计算目标值Cp。令k=0。
步骤2 如果停止准则不满足,重复以下过程。
步骤2.1 执行以下过程Lk次:
步骤2.1.1 从状态i的领域解中随机选取新状态j;
步骤2.1.2 令Δ=f(j)-f(i);
步骤2.1.3 若△<=0,则令i=j,否则以概率exp(-△/tk)令i=j。
步骤2.2 退温:令k=k+1,计算tk=d(tk),同时按规则更新Lk。
步骤3 输出i。
2.2.2 参数设定
根据模拟退火算法的演算流程,表1是对模拟退火算法的参数设定。
3 实例
为了说明该算法的有效性及可靠性,而且能够直观反映出一些模拟退火特征,实验结果如表2～表4所示。
假设整个供应链中有7个作业,7个订单,其中一个订单对应一个作业。
4 结束语
在本文中研究了一个供应商和制造商的供应链中的分级协调机制问题。根据其模型,运用模拟退火算法,提出求解该问题的一种求解方法。通过运用c++对该问题进行了求解,得到了接近最优解的生产总成本最小,供应总利润最大的解,最后的算例证明了针对供应链角色,模拟退火算法是一种高效算法。但是,两个模型仅仅提供了解决在确定条件下供应商和生产商之间关系的框架,为了解决更广泛的问题,并求得更精确的解,还需对模型添加相应的决策变量和约束条件,或考虑有关模糊条件下的建模。
参考文献
[1]林勇,马士华.供应链管理[M].北京:高等教育出版社,2003.
[2]蔡连侨,陈剑.供应链建模与优化[J].系统工程理论与实践,2001(6):26-33.
[3]邢文训,谢金星.现代优化计算方法[M].北京:清华大学出版社,2005.
[4]黄平,孟永钢.最优化理论与方法[M].北京:清华大学出版社,2009.
[5]汪定伟,王俊伟,王洪峰,张瑞友,郭哲.智能优化方法[M].北京:高等教育出版社,2007.
[6]何利英.面向客户的供应链优化模型研究[D].成都:西南交通大学,2003.
[7]孙文瑜,袁亚湘.最优化理论与方法[M].兰州:科学出版社,1997.
机制模拟 篇5
通常情况下,隐喻机制将最基本的知觉动觉经验投射到主观情感经验之上来实现对其概念化,但受时空维度的限制,有的概念更多地要参照主观经验本身,一些来自于生活之中涉及到身体的经验,包括大脑神经活动、 身体行为、生理反应、以及身体各器官与环境和事体的互动经验成为具身性模拟的现实基础。在情感隐喻源域和语境的提示下,具身性模拟在神经元、感知和想象层面同时自发性展开,通过部分再现大脑和身体曾经经历过的与具体情感概念相关的情感状态,激活有关知觉、 感知和行为的心智经验,从而加快和加深个体对情感隐喻的理解。
二、具身性模拟的无意识性和自动性
模拟是一种想象行为,与亚个人化过程(sub-personal processes) 有密切的关系。在大多数情况下,模拟的实施是自动的,不包含重要的意识性考量。当然,我们有时候会故意想象自己在参与某种身体行为,但是这种心智模拟等同于对行为的无意识感知。许多认知心理学研究成果充分证明了这一论断。
具身性模拟是认知心理学在语言意义研究方面所提出的新观念。美国加州大学圣地亚哥分校教授Benjamin Bergen认为,传统观所持的语言加工仅由人体大脑的左半球负责的观念受到了挑战,研究证明,大脑中负责行为和感知的区域同样也参与了语言加工。这些区域与具身性模拟有关。
西方许多语言学家将具身性模拟这一想象性行为用于隐喻构建研究之中。Gallese & Lakoff(2005)指出, 模拟对创造隐喻概念发挥重大作用。相关研究表明,有关情感方面的模拟能够促进情感隐喻的识解。Havas & Glenberg(2007)做了一个著名实验。让被试者用牙齿固定笔来模拟欢笑表情(高兴情绪),用嘴唇固定笔来模拟抑制笑容的表情,然后让被试者分别阅读愉悦的句子和不悦的句子,并在这两种表情情况下对两种句子做出判断。结果显示,被试者在欢笑表情下对愉悦句子的判断快于对不悦句子的判断;同样,被试者在不笑的表情下对不悦句子的判断快于对愉悦句子的判断。此实验说明,情感模拟对语言理解有巨大的促进作用。也就是说, 某种情感模拟有助于对与之相一致的语言表达的理解。
机制模拟 篇6
金融危机是金融市场混沌特征的一种表现, 对这种金融混沌的控制问题一直困扰着金融监管机构。无论是1987年美国股市的“黑色星期一”和美国长期资本投资管理有限公司遭致的巨大亏损, 还是由泰国金融市场蔓延到整个东南亚的金融危机以及2008年的全球金融风暴, 都显示着监管机构对控制金融市场风险力不从心。由于金融系统的复杂性, 而现有的风险管理方法大都建立在经典金融学理论的线性范式基础之上, 要对其准确地建模是困难的。大部分人尝试运用数学或物理模型来描述金融市场的混沌演化过程。然而, 这是存在一些问题的。首先, 这些数学或物理的方法能否准确地描述金融市场的混沌特征?其次, 这些模型中的变量和参数的决定是因难的。因此, 基于这些模型的对金融市场进行混沌控制方法并不能获得好的效果。
计算实验方法没有先入为主地设定混沌演化模型, 而是自下而上的构建仿真股票市场, 通过可控性实验来研究股票市场混沌演化过程。 这样就避免了上述传统建模方法存在的问题。计算实验方法最初是由Brian Arthur等于20世纪80年代末90年代初运用的。研究者根据各自的研究目标建立了许多不同的人工股票市场。 Arthur等[1]对SFI人工股票市场进行研究, 产生了与现实金融市场相似的一些特征, 如投机泡沫、崩盘、波动自相关、交易量自相关、波动与交易量相关。Lebaron等[2]也通过构建人工股票市场, 重现了现实股票市场价格时间序列的一些主要特征, 有波动持续性、尖峰厚尾等。陈书衡[3]建立了一个新的人工股票市场——学习人工股票市场, 加入了一个“管理学校”机制。原来的人工股票市场中市场与投资者的联系被“管理学校”所替代。并且, 陈书衡[4]利用这个人工股票市场研究了金融市场的“涌现”性质。Raberto[5]提出的Genoa人工股票市场中的交易者是不成熟的, 他们的买卖限制指令是随机产生的。Genoa市场产生不相关收益率, 厚尾的收益率分布和持续的价格波动。Thomas Lux[6,7]建立了一个多投资者模型的人工股票市场。研究发现股票价格波动具有长期持续性, 平静期和动乱期交替出现且与噪音交易者的数量有关。只要控制了这个数量, 就能保持系统稳定。Chiarella和Iori[8]建立了一个双向拍卖市场。Black Lebaron和Ryuichi Yamamoto[9]改进了Chiarella和Iori的市场, 建立了一个存在异质交易者的双向拍卖市场, 交易者根据他们自己的交易规则提交市场指令。仿真结果表明, 有学习和适应过程的市场呈现出交易量的长期记忆性、股票收益率的波动性等特征。
虽然有关计算实验的研究不断增加, 但是很少有关于金融市场混沌动力学的研究, 本文将在建立具有中国股票市场特点的人工股票市场的基础上, 研究中国股票市场混沌演化过程, 并以此提出混沌控制方法。
2 人工股票市场的模型
2.1 交易者模型
假设市场中有N个Agent, 可供投资的股票是有限供给的, 其股息为dt, 无风险利率是rf, 在初期每个Agent都持有相同数目的股票和现金。交易者是有限理性的, 且被分为两类:理性交易者和噪声交易者, 理性交易者由基本面交易者和技术面交易者组成。
假设每个交易者都有一个财富帐户Wi (c, s) , 其中c为交易者所持现金数, s为交易者所持股票数。Agent采用相同的效用函数CARA, 每个Agent风险厌恶系数γ相同。理性Agent通过最大化期望效用函数, 就可以根据自己的偏好确定最佳的股票持有份额[10]:
其中, σ2p+d, i是第i个Agent对股票和股息预测的条件方差。噪声交易者的股票持有份额为[11]:
式中最后一项说明了噪声交易者在其持有的风险资产中对预期收益的错误认识。其中, 错误认识偏差δt～N (δ*, σ2δ) , δ*是对噪声交易者乐观情绪的平均度量, σ2δ给出了噪声交易者对风险资产预期收益错误认识的方差。交易者充分考虑到政策监管层对股市的调控作用, 对下一期股票和股利做如下预期[11]:
其中, εt是“政策因子”。
当这一期的股票价格比前τ期高出α时, 监管层就会采取手段抑制股票的涨幅, 交易者观察到该状况, εt取负值;当这一期的股票价格比前τ期低出α时, 监管层就会采取手段抑制股票的跌幅, 交易者观察到该信号, εt取正值。a和b是常数。每个交易者在预测股价及股利时, 从各自的预测规则集里面选择与市场状态匹配的参数a、b和σ2.
本文根据Holland的分类器系统[12], 定义了交易者的预测规则集。与B.LeBaron等[2]预测集不同的是, 市场条件是根据中国股市的情况设置的, 如表1所示。
人工股票市场上的理性交易者由基本面交易者和技术交易者组成。基本面交易者根据每条规则的前6个字节进行预期;技术交易者根据每条规则的后6个字节进行预期。而噪声交易者有时会根据基本面情况进行预期, 有时又会根据技术分析结果进行预期。每一个交易者在经过k期后根据过去的经验进行学习, 利用遗传算法 (GA) 进化自己的预测规则集。
注:p·r/d的范围由中国股票市场的股票价格和红利决定。
2.2 价格产生模型
根据中国股票市场的价格产生机制的实际情况, 采用双向拍卖制度 (Order-driven) 来确定股票的市场价格[13]。交易者在一天内按随机的顺序提交委托, 为了简便, 假定每个交易者一天内只能提交一次委托, 并且以0.05的概率提交委托, 市场中一天之内有L个交易循环, 交易者买卖委托的期限是一天。根据中国股市的涨跌幅限制, 规定低于或高于头一天收盘价β%的委托属于无效委托。当一天的交易结束后, 买方交易簿和卖方交易簿中的所有交易委托记录将被清空。
一天的收盘价pt为当天的最后一笔交易价格, 若当天买方交易者或卖方交易者没有提交有效的交易委托, 则这天的收盘价pt为前一天的收盘价pt-1;若当天没有一笔交易成交, 则收盘价pt为卖方交易簿中最低的委托价格和买方交易簿中最高的委托价格的均值, 即:
股利则通过以下公式产生:
其中, ω在 (0, 1) 间随机变化。
3 模拟结果分析
在对股票市场进行仿真之前, 先对人工股票市场各个参数设置初始值, 如表2所示。基于前面建立的计算机模型和遗传算法, 利用Matlab语言进行仿真实现, 并对仿真价格时间序列和收益率序列进行初步的统计描述, 结果如表3所示。
表3中峰值和偏度在统计上都是显著地拒绝了正态分布的原假设, 可以得知, 人工股票市场的分布是尖峰厚尾的, 并且是向右偏的, 这和基于真实市场的价格时间序列的分布有相同的特点。
为了验证本文设计的人工股票市场是否能够出现真实市场的复杂动力学特征, 采用经典的小数据量算法与G-P算法分别测算系统的关联维与最大李雅普诺夫指数。
表4结果显示, 仿真股票市场的相关维收敛到2.15, 具有明显的低维混沌, 市场可能存在混沌吸引子, 市场表现出来的随机性可能来源于系统内部因素的相互作用。
注: **表示在95%的置信度下显著。
表5中发现仿真股票市场的最大李雅普诺夫指数显著为正, 说明仿真股票市场具有混沌基本特征——对于初始条件的敏感依赖性, 股票价格演化具有内在的不可预测性。
4 混沌序参量分析及控制
进行混沌控制之前, 首先要找到导致混沌产生的关键因素, 即“序参量”。这些序参量的改变, 将会导致系统从一个稳定的状态失去稳定, 从有序走向无序, 产生混沌。因此, 挖掘这些序参量的工作就显得格外重要。
混沌的一个主要特征是:初始条件的极小偏差, 将会引起结果的极大差异, 最终可能导致系统崩溃, 而李雅普诺夫指数是度量混沌这种性质的重要指标, 因此本文以正的李雅普诺夫指数为混沌的判据, 检验取不同参数的情况下, 股票市场是否会产生混沌动力学特征。本文是以计算实验的方式对股票市场的混沌特征进行研究, 因此下面表中所列的数据是模拟实验至少70%会出现的结果。
4.1 政策因子分析及控制
在本文构建的中国股票市场仿真系统交易者预期模型中, 所涉及的三个因子 τ、α和ε, 分别表示政策影响的频率、政策影响的强度和交易者对政策反应的强度, 本文用一个三维向量 (τ, α, ε) 来表示政策因素。
从人工股票市场的构建来看, 所定义的政策因子是交易者对市场政策做出的判断, 并反映在他们的预期方程中, 它们持续地影响到股票的价格, 因此它们的作用是内生的, 而不能被看作是外部的随机干扰。本文通过取不同值的政策因子, 通过它们与人工股票市场各种要素之间非线性的相互作用, 观察系统是否涌现出混沌动力学特征。
首先, 固定政策因素中的政策影响的频率和政策影响的强度不变, 考察交易者对政策反应的强度ε对整个股票市场产生混沌动力学特征的作用。ε在 (0.005, 0.02) 范围内变化, 且步长为0.001。本文发现, 交易者对政策的反应强度不同, 股票市场的涌现出来的复杂特征也不相同。当交易者的反应强度为0.005、0.009和0.015时, 人工股票市场的最大李雅普诺夫指数显著为正, 并且结果是显著的。这时市场对它的初始状态的改变具有敏感依赖性。若初始条件发生微小的变化, 可能会导致股市的崩溃;当交易者的反应强度为0.011、0.013、0.014、0.017和0.02时, 股票市场的最大李雅普诺夫指数显著为负, 这时人工股票市场不存在混沌的这种特征;同时, 当交易者的反应强度为0.01和0.016时, 股票市场的最大李雅普诺夫指数的值不显著, 可以认为这时股票市场处于混沌边缘, 它是介于有序和混沌之间的一个狭窄的颇有助于涌现新行为模式的过渡区域, 市场在这个区域中, 有可能通过自组织达到另一个新的有序或是崩溃。这个区域对于政府来说是非常重要的, 政府可以通过发布适度的政策, 引导市场走向一个新的有序的状态。表6的结果表明, 股票市场的最大李雅普诺夫指她与交易者对政策反应强度不存在某种线性的关系, 也不存在一个唯一的临界点或是混沌边缘区域, 使得最大李雅普诺夫指数在这个点或是区域的一边总是为正, 而在另一边总是为负。而是当交易者的反应强度在某一个范围内时, 最大李雅普诺夫指数为正。
接着, 固定政策因素中的交易者对政策的反应强度和政策影响的强度不变, 考察不同政策影响的频率τ对整个金融市场产生混沌动力学特征的作用。
政府实施政策的频率不同, 也就是政府实施政策时所依据的历史价格序列的长度不同, 市场整体所表现出来的复杂性特征也不相同。在某一些的政策影响频率的范围内, 股票市场的最大李雅普诺夫指数为正, 比如在3、区间[12]。而在另一些政策影响频率的范围内, 股票市场的最大李雅普诺夫指数为负, 比如在区间[4,11]、[19, 21]。这说明股票市场的政策影响频率的变化对市场最大李雅普诺夫指数的作用也不是线性的。
最后, 固定政策因素中的政策影响的频率和交易者对政策的反应强度不变, 考察不同政策强度对整个金融市场产生混沌动力学特征的作用。
政府强度的变化显示出与政策影响的频率和交易者对政策的反应强度对股票市场不同的影响趋势。从表8可以看出, 当政策强度小于11时, 股票市场的最大李雅普诺夫指数是为负的, 说明这时市场宏观层面没有涌现混沌动力学特征, 但当政策强度一旦大于11, 市场就会涌现出混沌现象。除了在政策强度为10外, 在其余的政策强度下, 市场的最大李雅普诺夫指数在95%的置信度下都显著为正或为负。在政策强度为10时, 市场的最大李雅普诺夫指数虽然为负, 但是不显著, 可以认为在此政策强度下或是在此强度的邻域内, 股票市场处于一个临界区域或是混沌边缘。当其他政策因子不变的前提下, 股票市场的最大李雅普诺夫指数与政策强度存在某种线关系。
4.2 噪声交易者参数分析及控制
噪声交易者是股票市场中交易者的重要组成部分, 特别是在新兴的中国股票市场中。他们不拥有内部信息却把噪声当作有效信息进行交易。中国股票市场上的交易者中的绝大部分都不具备投资专业知识, 预测和分析的能力有限, 行为相当不成熟, 容易被噪声信息影响其投资决策。本文将考察市场中噪声交易者的各种信息对整个股票市场的动力学特征的影响。首先, 本文在其他初始设置不变的情况下, 分析噪声交易者在市场上各类交易者中占有比例是否会导致市场对初始条件的敏感依赖性。
结果表明, 随着交易者数目的增加, 股票市场的最大李雅普诺夫指数由负号变化为正号。市场在全是噪声交易者这一极端情况下, 股票市场的最大李雅普诺夫指数显著为正:而在另一极端情况下, 也就是市场中没有噪声交易者, 股票市场的最大李雅普诺夫指数显著为负。这也说明, 噪声交易者会破坏市场的有序结构, 噪声交易者越少, 市场就越稳定。当噪声交易者的占有比例达到一定值的时候, 市场的有序结构就会失去稳定, 逐渐走向另一种不稳定的状态——混沌状态。当噪声交易者在市场中占有比例为0.4时, 股票市场处于一个临界区域或是混沌边缘。
另一个重要参数是对噪声交易者乐观情绪的平均度量。
从表10可以发现, 平均来说, 当噪声交易者对股票市场的状态即不乐观也不悲观时, 也就是δ*=0时, 市场不存在混沌动力学特征。当噪声交易者对股票市场的状态持乐观态度, 也就是δ*>0时, 股票市场的最大李雅普诺夫指数是正的, 这导致了市场的不稳定, 市场上会出现混沌特征。当噪声交易者对股票市场的状态持悲观态度, 也就是δ*<0时, 股票市场并没有像噪声交易者对股票市场的状态持乐观态度时那样, 导致市场混沌现象的发生, 这时的最大李雅普诺夫指数为负号, 市场是稳定的。市场中的基本面交易者和技术交易者是对股票市场充满信心的, 他们对股价的预期平均来讲是会导致股价的上涨, 而噪声交易者的乐观情绪会更加促进这种上涨趋势, 这样会使股票市场产生混沌, 造成了市场的不稳定。而当噪声交易者对股票市场的前景持悲观态度时, 对股价的较低预期反而会抵消基本面交易者和技术交易者对股价高的预期, 这时整个市场反而更加稳定。
噪声交易者对风险资产预期收益错误认识方差的大小也决定了噪声交易者交易时受噪声信息影响, 偏离理性预期的程度。本文接下来考察噪声交易者交易时受噪声信息影响程度的大小是否是引起股票市场混沌现象的关键因素之一。
研究结果表明, 噪声交易者对风险资产预期收益错误认识的方差越大, 市场就越不稳定, 并会出现混沌现象。当方差σ2δ=1和2时, 股票市场的最大李雅普诺夫指数为负号, 不具有混沌动力学特征。但当噪声交易者对风险资产预期收益错误认识达到一定程度σ2δ=3时, 股票市场就被推向混沌边缘, 这时, 市场很可能会展现出自组织的过程。而当σ2δ≥4时, 股票市场的最大李雅普诺夫指数显著为正号, 市场就产生了混沌现象。
研究发现, 噪声交易者在市场上占有的人数比例过大、噪声交易者对市场的预期表示乐观和噪声交易者对风险资产预期收益错误认识方差过大都会导致股票市场混沌现象的涌现。要控制由噪声交易者而产生混沌导致的风险, 首先要加强市场信息的透明度, 避免一些个体交易者受到噪声信息的影响, 对股票价值做出错误的判断。其次, 就是要减少市场上噪声交易者的人数, 建议不具有投资专业知识的个体投资者, 把资金交给专业的理财机构。再次, 加强市场的管理, 打击制造虚假信息的行为。
4.3 交易者的学习进化速度参数分析及控制
作为股票市场中自适应主体的交易者的学习进化能力是复杂自适应系统的重要特征。交易者的学习进化速度是交易者的学习进化能力之一, 人工股票市场的最大李雅普诺夫指数的符号会随着交易者学习进化速度的改变而发生改变。
从表12中可以发现只有在交易者的学习进化速度在[140, 150]的邻域内, 股票市场才有可能出现混沌特征。股票市场的最大李雅普诺夫指数都是为负号的, 并且大部分的结论都是显著的, 市场的复杂性和稳定性并没受到影响。
4.4 交易者的预测规则参数分析及控制
交易者进行交易前, 总要根据对当前市场状态的判断, 为了使自己的效用最大, 在各自的预测规则集中寻找匹配的最优规则。下面对交易者规则集中不同规则数目下的股票市场最大李雅普诺夫指数进行分析计算。同样地, 令除交易者规则集中规则的数目之外的其他参量的初始设置不变, 股票市场最大李雅普诺夫指数计算结果如下表所示。
每个交易者的预测规则集中的规则越多, 市场整体就越有可能涌现混沌动力学特征。这意味着市场中的交易者的异质性程度越大, 交易者对下期股票价格的预期值的范围就越大, 这导致股票价格的波动范围扩大, 市场变得更加不稳定, 最终出现混沌特征。理性交易者通常能对市场做出正确的判断, 他们采取的投资策略也会趋同, 市场上的交易者的异质性减少了, 那么市场上的交易策略也会减少, 他们被认为是同质的。因此要控制交易者的异质性程度所带来的风险, 同样需要减少噪声交易者在市场上的占有率。
4.5 流通量参数分析及控制
股票市场的流通性是市场运行绩效的衡量指标之一, 也是交易的基本需求。每天交易循环次数越多, 交易者进入市场交易的机会就越大, 市场中成交的交易单数就会越多, 市场的交易即时性、市场宽度和深度就会越好, 从而市场的流动性就会越好。市场上的流动性的好坏被认为对维护金融市场的稳定至关重要。本文通过对人工股票市场的反复实验, 研究流动性的变化是否会导致市场演化过程中产生混沌特征。
表14显示, 随着流通量的增加, 股票市场会出现混沌现象。随着交易循环次数的增加, 会导致产生的价格的不确定性增加, 初始值的微小偏差会被不断放大, 从而市场的风险随之增加, 市场会变得不稳, 出现混沌现象。
5 结论
本文在建立了具有中国特色的人工股票市场的基础上, 研究了市场混沌形成机理, 通过反复实验, 找出了导致股票市场混沌产生的序参量。序参量的的改变, 会导致股票市场出现混沌现象。
根据对序参量的分析结果, 提出了相应的混沌控制方法。不同的模型会产生不同的结果。在今后的研究中, 将建立包含多种风险资产的人工股票市场;在建模方面, 还将根据真实市场中交易者的特征, 结合行为金融学理论进一步完善人工股票市场中的各类模型:将进一步研究交易者学习的方式 (例如交易者相互学习方式) 、信息在交易者中传播的方式, 以便更好的重现交易者学习进化过程。并且将利用人工股票市场实验平台, 研究真实股票市场不同的非线性动力学。这些研究将是有趣并且重要的。
摘要：通过构造一个具有中国特色的人工股票市场, 研究混沌的生成机制和混沌动力学过程。在建立基于双向拍卖交易机制的人工股票市场的基础上, 进行控制性实验。通过反复实验, 挖掘导致股票市场混沌产生的序参量。实验结果表明:政策因子、噪声交易者、交易者学习进化速度、交易者预测规则集中预测规则的数目和股票市场的流通量是股票市场的序参量, 它们的变化会导致市场涌现的动璃学特征的改变, 并且某些序参量的改变与股票市场混沌动力学特征的出现并不是线性的关系。最后, 根据对序参量的分析结果, 提出了相应的混沌控制方法。
机制模拟 篇7
随着交通运输事业的发展, 交通拥堵与事故不断增多, 为了提高道路交通运输效率与安全性, 有必要对交通流理论进行深入研究。自20世纪20年代起, 各类交通流理论与模型纷纷涌现, 跟驰模型就是其中具有代表性的一类[1,2]。它将交通流中的车辆看作微观粒子, 在不存在超车的前提下, 研究车辆跟随前车的运动方式, 继而了解单车道交通流特性[3,4]。人类的反应机制决定了道路车辆跟弛驾驶行为中必然存在反应延迟现象。目前, 针对跟驰模型中反应延迟项的研究尚停留在模型稳定性分析这一层面, 例如学者Holland提出的预测时间-反应时间理论就给出了1种适用于所有跟驰模型的广义的交通流稳定条件[1,2]。纵观各类跟弛模型, 有的含有反应延迟时间项, 如GHR模型;有的不含延迟时间项, 如OV模型、FVD模型[5,6]。对于此现象, 已有研究并没有针对反应延迟时间在常见跟驰模型中设置的必要性给出明确的论述。
本文对几类常见跟驰模型中所出现的延迟时间项进行了定义, 比较分析了它们的异同, 通过采用Matlab软件对GHR模型、OV模型以及FVD模型中2车跟驰状态和车队信号灯放行状态进行数值模拟, 并分析了反应延迟时间在这3类模型中设置的必要性。
1 常见跟驰模型中反应延迟时间的定义
根据前车所给予刺激的不同, 可将跟驰模型大致分为3类:以相对速度作为刺激的跟驰模型, 如GHR模型;以跟驰距离作为刺激的跟驰模型, 如OV模型;以相对速度与跟驰距离同时作为刺激的跟驰模型, 如FVD模型。在GHR模型、Newell模型中, 都含有反应延迟项, 但它们所含的反应延迟时间的意义却不尽相同;对于OV模型、FVD模型, 虽然直观上模型内部并未设置反应延迟时间项, 但是从建模思路来看它们都含有隐性的反应延迟时间。因此有必要先理解各类跟弛模型中的反应延迟时间的含义。
1.1GHR跟驰模型中反应延迟时间
GHR模型又称经典跟驰模型, 其表达式为:
在GHR模型的定义式中, τn可理解为跟驰车辆根据当前与前车的相对速度差做出相应反应 (此种反应体现为跟驰车辆的加速度) 所需的时间延迟, 约为1 s[7,8,9]。
1.2Newell模型中的松弛反应时间与OV模型中的显性反应延迟时间
Newell于1961年提出了一类有别于GHR模型的新模型[10]。该模型的表达式为:
式中:v (Δx (t) ) 为最佳跟驰速度关于当前跟驰距离Δx的函数。式中的T不同于GHR模型中的反应延迟时间, 而是跟驰车辆从当前车速v (t) 调整至优化速度v (Δx (t) ) 所需要的时间, 称为松弛反应时间。其定义为跟驰车辆根据当前与前车的相对速度差作出相应反应 (此种反应通过跟驰车辆的加速度体现) 所需的时间延迟与通过改变加速度调整车速至优化速度所需的时间之和。在此基础上, Bando等学者于1998年提出了加速度表达式中带有时间延迟项τn的OV模型[11]:
Bando等将τn称作显性延迟时间, 其定义为驾驶员对于刺激的生理反应时间与车辆的机械反应时间之和, 这与GHR模型中的反应延迟时间的定义较为类似, 但与GHR模型不同的是, 此处的显性延迟时间为0.1 s。根据Bando等的研究, OV模型中设置较小的显性延迟时间对于模型的影响并不大, 因此考虑到模型的简洁性, 可以忽略式 (3) 中的显性延迟时间, 在下文中笔者将对这个问题再次进行讨论。
2 2车跟驰过程的数值模拟
含有反应延迟项的跟弛模型符合对于车辆跟驰行为的直观认识。然而, 在某些跟驰模型如OV模型、FVD模型中, 并不存在反应延迟项。虽然这与对于人类反应行为的一贯认识有所偏颇, 但是通过仿真发现此类模型亦能较好地拟合实际数据[5,6]。因此, 有必要对跟驰模型中反应延迟项是否需要设置进行讨论。本节通过对GHR模型、OV模型、FVD模型分别进行2车跟弛过程的数值模拟, 分析反应延迟时间在跟驰模型中设置的必要性。
先做如下假设:头车的运动状态为:初始速度为12 m/s, 保持6 s后进入1个减速度为3 m/s2的匀减速过程, 当速度达到3 m/s后保持7 s匀速运动状态, 此后再以3 m/s2的匀加速度恢复到初始状态。整个模拟过程持续30 s。
图1、2分别给出了GHR模型设置反应延迟项前后速度-时间曲线与加速度-时间曲线。
从反应延迟时间项设置前后图1、2中曲线的变化趋势可知, GHR模型若不加入反应延迟项, 后车对于前车运动状态的变化反应极其灵敏;反观设置反应延迟项的GHR模型, 后车对于前车运动状态的变化的反应有些许滞后, 但此时GHR模型能较好地表现后车“过度反应”的现象, 这与现实情况较为符合。根据反应延迟项与交通流稳定性间的关系可知, 若GHR模型中不存在反映延迟项τn, 由于后车对于前车的运动状态反应“过度灵敏”, GHR模型将不能描述现实中所存在的交通流失稳现象。由此可见GHR模型中的反应延迟项不可忽视。
图3、4给出了OV模型设置反映延迟项前后速度-时间曲线与加速度-时间曲线。模拟过程中, 取Helbing与Tilch所提出的优化速度方程[7]:
式中:v1=6.75 m/s, v2=7.91 m/s, C1=0.13 m-1, C2=1.57 m-1。取κ=0.85。令后车与前车的初始车头间距为23.2 m, 此时初始加速度为0。
由图3、4可见在这2种情况下后车的运动趋势大致相似, 对前车运动状态的变化都会出现反应延迟的现象。而有所区别的是, 加入反应延迟项之后, 后车的延迟现象更为明显, 且“反应过度”现象的程度也有所增加。但根据图3与图4可得, 在OV模型中反应延迟项τn对于后车的跟驰行为的影响并不是很大。这也与Bando所得出的结论相类似。
图5、6中给出了FVD模型设置反映延迟项前后速度-时间曲线与加速度-时间曲线。在模拟过程中, 也取用式 (4) 作为优化速度方程, 取κ=0.41, 初始车头间距也为23.2 m。
分别对图5、6中的 (a) 、 (b) 图形进行比较, 可知较小的反应延迟时间 (本节中取τn=0.4 s) 对于后车的运动影响较小。因此FVD模型中设置反应延迟时间的意义并不大。
比较图1 (a) ～图6 (a) , 容易发现除未设置反应延迟项的GHR模型外, 其余模型的速度-时间曲线的趋势都较为相似。这也从侧面反映了不考虑反应延迟时间的GHR模型的不合理性。由以上2车跟驰过程的数值模拟可知, GHR模型中应该设置反应延迟项, OV模型与FVD模型中反应延迟项设置意义不大。
3 车辆队列跟驰状态模拟
为了更好地研究反应延迟时间项设置与否对于GHR模型, OV模型与FVD模型这3类跟驰模型的意义, 以下将对车辆队列跟驰状态进行模拟。作如下假设:车队由10辆车组成, 初始车头间距都为7.3 m, 此距离下最优速度方程的值为0。在时刻t=0, 信号灯由红变绿, 头车开始运动。为了得到δt, 笔者规定当某辆车达到1个微小速度v=0.3 m/s时, 记下此刻的时间, 取7～10号车达到此速度的时间差的均值作为δt的值。而ci的值即为7.3/δt。
分别对设置反应延迟时间项前后的GHR模型, OV模型与FVD模型进行模拟。其拥挤密度波速-车速复制延迟时间曲线如图7～9所示。
表1给出了GHR模型、OV模型、FVD模型在设置反应延迟项前后车速复制时间与拥挤密度波速的大小。根据表1, 我们很容易发现除了未考虑反应延迟时间项的GHR模型之外, 其余模型的cj都落在Del Castillo与Benitez所给出的区间之中, 这再次证明不考虑反应延迟时间的GHR模型的不合理性。笔者在模拟过程中发现较小的τn对于OV模型与FVD模型的影响并不是很大, 从表1的数据也能看出考虑反应延迟前后δt与cj的变化较小。因此, 笔者认为对于OV模型与FVD模型而言, 反应延迟时间项可以省略。
4 结束语
本文对几类常见跟驰模型中所出现的延迟时间进行了定义并进行了区分, 对GHR模型、OV模型以及FVD模型的2车跟驰状态和车队信号灯放行状态进行了模拟。模拟结果显示, 不考虑反应延迟时间的GHR模型不合理;OV模型、FVD模型中并不存在反应延迟项, 但是通过数值模拟发现此类模型亦能较好的拟合实际数据, 因此对于OV模型与FVD模型而言反应延迟时间项可以省略。同时, 关于反应延迟时间的设置方面仍存在许多问题, 未来可从影响反应延迟时间的众多因素 (如天气, 路况, 驾驶员心理, 驾龄等) 出发进行研究。
参考文献
[1]Kinzer J P.Application of the theory of probabilityto problem of highway traffic[D].Brooklyn:B.C.Ethesis, Politech.Inst.Brooklyn, 1933
[2]Treiber M.Kesting A.Helbing D.Multi-anticipa-tive Driving in Microscopic Traffic Models, 2004
[3]Brackstone M, McDonald M.Car-following:a his-torical review[J].Transportation Research Part F, 1999 (5) :181-196
[4]Del Castillo J M.Propagation of perturbation indense traffic flow:a model and its implications[J].Transportation Research Part B, 2001, 35 (4) :367-389
[5]Li Li, Shi Peng-fei.Numerical analysis on car-fol-lowing traffic flow models with delay time[J].Jour-nal of Zhejiang University Sclence, 2006, 7 (2) :135-156
[6]王昊.高速公路车速离散机理及特征研究[D].南京:东南大学, 2007
[7]Chandler R E, Herman R, Montroll E W.TrafficDynamics:Studies in car Following[J].IN-FORMS, 1958, 6 (2) :165-184
[8]Gazis D C, Herman R R, Rothery W.NonlinearFollow-the-leader Models of traffic flow[J].Opera-tion Research, 1961 (9) :545-567
[9]Bando M, Hasebe K, Nakayama A, et al.Analysisof optimal Velocity Model with Explicit Delay[J].Physical Review E, 1998, 58 (5) :5429-5435
[10]Newell G F.Nonlinear effects in the dynamics ofcar following[J].Operation Research, 1961, 9:209-229
[11]Bando M, Hasebe K, Nakayama A, et al.Analy-sis of optimal velocity model with explicit dela[J].Physical Review E, 1998, 58 (5) :5429-5435
机制模拟 篇8
近年来, 大学生就业难已成不争的事实, 而造成就业难的原因是复杂的、多层面的, 但重要的原因之一还在于大学毕业生自身综合能力不强, 有效提升大学毕业生个人就业能力是解决就业难的方法之一[1]。就业能力是与职业能力相关的, 具有可持续性、丰富和发展的一种综合能力。提高大学生就业能力是提高就业率及就业质量的重要途径。当今社会和高校及个人都很关注就业能力的提升, 各高校也针对社会对大学生能力需求的变化加强与企业深度合作, 以提升大学生综合能力。孙小红[2]在进行行业经济和区域经济发展状况分析、毕业生跟踪回访、召开专家座谈会等广泛的市场调研基础上, 提出校企合作构建“全程职业模拟”教学环境的新型人才培养模式, 把三年专业培养过程转化为行业的职业生涯模拟训练过程, 把企业的工作领域完整移植到专业教学中, 为学生在校期间虚拟地创造了在企业中学习与发展的氛围, 取得了显著办学效果。医学院校“职业模拟”“模拟就业”少有报道。在护理人才培养中也非常注重专业教育和专业技能培训, 校内仿真实训教学注重实践技能培训, 但校院紧密合作模式多是在护生实习期进行, 护生在实习中才去逐渐适应岗位, 接受院企文化熏陶、感受职业锤炼的时间较晚。在护理人才培养中, 学校教育虽然也在强化职业能力培养, 但与现代护理的要求还存在一定差距。将护理人才培养模式引入就业模拟机制可使校院深层对接, 使护生在进入职场前对职业就有一个清晰的认识;同时也能具备相关职业技能, 认清自身能力, 提升职业兴趣, 及早熟悉合作医院的职业特性, 适应岗位需求, 提升就业竞争力, 而这对其职业稳定和职业发展具有重要的促进作用。
2 护理人才培养中就业模拟机制的建立
大学生就业能力表现在大学生个体的综合能力上, 它不仅仅是大学生毕业时初次获得工作的能力, 也是大学生在工作中保持工作岗位、获得个人良好职业发展前景的能力, 是大学生在必要时重新选择和获取新的工作岗位的能力[3]。社会各界普遍认可的是, 就业能力是一种与职业相关的、可以塑造和培养的、能适应职业和就业竞争的综合素质[4]。人才培养中引入就业模拟机制, 在校内教育方面, 从就业启蒙教育、模拟招聘演练、医学基础知识和专业知识学习、非专业能力培养等方面进行综合素质教育, 提升学生基础就业能力。在合作医院方面, 通过定期、分批见习进行模拟就业训练以及专业技能培养、非专业技能培养, 提高学生专业就业能力。
2.1 校内综合素质教育, 提升基础就业能力
(1) 职业生涯规划教育。职业生涯规划不是入学确定后一成不变的, 也不是一年一度的一场活动, 而是每名学生都要认真对待的人生课题, 要正确评价自己, 树立正确的职业发展观, 并对职业生涯规划及时加以修正, 合理定位, 调整好职业发展目标。职业生涯规划对护生同等重要, 要引导护生主动进行职业生涯规划并适时调整, 帮助护生了解自己的就业优势和弱势, 鼓励护生参加职业生涯规划比赛, 使其职业生涯规划更贴近合作医院需求。 (2) 模拟招聘演练。组织模拟招聘活动, 从简历制作、心理准备、面试等方面锻炼护生语言沟通、表达能力, 反应速度等, 根据其护理礼仪、精神面貌、求职意向等方面的表现, 确认其与岗位的匹配程度, 并加以指导。 (3) 储备职业能力基础。专业基础知识是综合能力培养的基础, 没有扎实的基础知识, 大学生不能体现所受的专业教育成果和专业价值, 又何谈就业竞争能力?[5]平时注重护生的专业基础知识学习, 每次课后安排小测试, 每月大考试, 加强护生理论知识积累。教学中根据基础和专业课程标准, 应用模拟情景教学法进行分析问题和解决问题、理论联系实际的护理评估能力训练。专业技能是用人单位挑选护生的关键, 在加强理论课教学的同时注重护理技能训练, 督促护生参加护理技能操作演练和比赛, 有效提高其动手能力。应充分利用现代模拟实训室, 为学生创造练习—录像回播—更正练习直至熟练掌握基本操作技能的机会, 提高学生动手操作能力。 (4) 非专业能力培养。护士的职业活动要求其不仅有较强的专业能力, 还要具备职业活动所必需的职业道德、团队协作能力、医患沟通能力、压力承受能力和自我保护能力等非专业能力, 而这些能力是提升综合素质的关键, 可通过在专业教育中渗透非专业教育、开展社会实践活动以及各种娱乐、比赛、社交礼仪和求职技巧专项培训等活动来培养。
2.2 院内职业素质培养, 提高专业就业能力
(1) 临床见习。利用寒暑假到合作医院见习, 分批进行模拟就业训练, 把课堂学习和临床岗位应用结合起来, 增强护生对未来所从事职业的感性认识。以一个职业人的就职程序进行:收集就业信息—投递简历—面试—岗位分配—角色见习—述职演讲—就业能力考核—升职/续聘/辞退—模拟奖励/重新求职。 (2) 实习中进行专业技能和非专业技能培养, 提高综合就业能力。实习中通过行业专家讲座、优秀护理工作者的楷模效应、带教护师的言传身教, 培养护生专业精神, 使其树立正确的职业价值观。组织专业知识考核、出科考试、护理技能比赛、病例讨论等活动强化护生专业知识积累和专业技能储备。在临床护理工作中, 护生的专业能力区分并不像想象的那么明显, 而非专业素质则成为判断护生工作能力的主要指标。国内外调查显示[6], 用人单位在招聘过程中往往将毕业生的环境适应能力、人际交往能力、自我表达能力、态度、合作技能等非专业素质排在专业素质之前。护生形成稳定健康的职业态度和职业行为, 对于稳定护士队伍, 提高护理人才素质, 保证护理工作质量和促进护理事业发展至关重要[7]。加强职业忠诚度、职业责任心、团队协作意识培养, 开展素质拓展训练, 进行心理健康辅导, 鼓励护生积极参与送医下乡、温暖社区等活动, 逐步形成良好的职业态度和职业行为。
建立就业模拟机制, 能有效提高护生综合素质, 促进其职业发展, 提高就业质量;能使护生毕业后快速适应医院护理工作, 从而促进护理事业发展。
摘要：以提高护生就业能力为目标, 探索在护理人才培养中最大限度提高护生就业能力。通过进一步深化校院合作, 扩大能力培养范围, 拓展专业教育和非专业教育外延, 把医学生职业能力提高方式从学校教育情境中分散并置于社会开放的环境中, 实现学校教育与社会实践的密切结合。
关键词：就业模拟机制,综合素质,护理人才
参考文献
[1]王翠菊.大学生就业能力的现状分析及提升策略[J].继续教育研究, 2012 (9) :83-96.
[2]孙小红.校企深度合作践行“全程职业模拟”人才培养模式[J].中国校外教育, 2012 (7) :130-131.
[3]张婕琼.医学生就业能力探析[J].中国医学伦理学, 2011, 24 (6) :803-805.
[4]王凤枝.当前医学专科生就业能力调查与培养[J].中国教育技术装备, 2013 (18) :89-90.
[5]殷秀芳.大学生应怎样提高就业能力[J].创新与创业教育, 2011, 2 (5) :104-105.
[6]温旭明, 晁怀祥, 刘宝.强化非专业素质培养提高大学生就业能力[J].教育研究, 2008 (7) :19-20.
机制模拟 篇9
1 孔隙毛细管阻力形成的力学机制
在自然界中, 油气要在储集岩层内形成大规模的油藏, 必须要在含水孔隙岩层中运移并穿过无数的孔隙喉道, 最终在储层区域内富集成藏[5]。在这一过程中, 会受到喉道的阻力 (即毛细管力) 的作用。下面简单分析油团穿过喉道各阶段的受力情况。
如图2所示, 油团在穿过吼道的整个过程由左至右分为三个不同的阶段:
初期, 油团在环境压力梯度作用下, 已经有一小部分进入了喉道中, 由于喉道结构的限制, 油团的形状将会按照喉道孔径的大小发生变化, 由于喉道的半径远小于喉道外部孔洞的半径, 因此来自油团顶部的毛细管压力远大于底部的毛细管压力, 对油团穿越喉道构成相当大的阻力;
中期, 当油团半部穿过喉道时, 油团上部于下部的曲率半径相等, 因此上下毛细管压力也相等, 则油团不会受到喉道阻力;
后期, 油团大部分已经穿过喉道时, 情况与初期刚好相反。此时左右毛细管压力差方对油团穿过喉道形成强大的推动力, 因而油团会在合力的作用下迅速移动, 完成穿过喉道的过程。
在以上过程中, 油团所受毛细管阻力的大小由以下经验公式给出[6]:
式 (1) 中, Pc为毛细管力;δ为油水界面张力;rR、rL分别为喉道和孔隙半径。
2 油团-喉道系统抽象模型及其动力学方程
2.1 模型建立
这里假定岩石基质颗粒为规则的圆形, 岩石孔隙间的孔隙流体由油水两相构成。油对岩石颗粒是非浸润的。则油团穿过喉道的简化动力学模型如图3所示。
图3中, 以油团左侧固液两相接触点的位置为坐标原点, 水平向右为位移正方向;我们把喉道壁形状设置为圆弧形, R为圆弧的曲率半径;油团的水平长度为l;d为喉道最窄处的半径。
油团在水平方向上通过喉道, 穿越时油团的形状会随着喉道结构而改变, 左右两端的半月面的半径是位置的函数, 故在整个过程中油团所受到的毛细管阻力也是变化的。前面已经分析过了, 在没有外界推动力的情况下, 油团是难以克服毛细管阻力而穿过喉道的, 因此, 除了毛细管阻力外, 地震波动所产生的推动力是必不可少的。由于油团是被包围在水环境中的, 它与岩石骨架之间的摩擦力是相对较小的, 那么当岩石骨架受到地震波动作用, 瞬时产生大加速度的运动时, 固液间的相互作用力不足以在短时间内使得两相同步, 换句话说即是油团与岩石颗粒之间是非耦合的, 各自的运动是相对独立的[7]。当岩石骨架在地震动压力影响下做加速运动时, 以骨架作为参照系, 考虑两相相对运动, 则液滴会受到一个惯性力作用, 在适当的情况下, 该惯性力可以成为油团穿越喉道的推动力之一[8,9]。
由以上分析, 油团穿过喉道的运动方程可以写成如式 (2) 。
式 (2) 中, z为油团尾部三相接触点的位置坐标;ρoil为油的密度;σ为油水表面张力;l为油团前后两个三相接触点之间的长度;f (t) 为岩石骨架受到地震波冲击时液滴所受到的惯性加速度, 该加速度可以赋予油团一个惯性力, 导致其与岩石骨架产生相对运动, 最终穿过喉道。式 (2) 中, 假定了在相对运动过程中, 油团各个部分所受的惯性加速度是相同的, 这里说明一下, 由于模型中设置的油团尺寸相对于地震波波长来说, 是非常小的, 因此以上近似是在误差允许范围内的, 是合理的。
2.2 模型参数设置
从简化模型示意图中, 可以看出, 油团左右两端分界面的半径随着深入喉道的位置不同而变化, 即为坐标的函数, 不难推导出油团左右两边半月面的半径的表达式为式 (3) 。
2.2.1 喉道及油团参数设置
l=0.2 m, R=1 m, ρoil=800 kg/m3, 油水分界面表面张力σ=0.04 N/m。
本文我们选用类似雷克子波的脉冲波形来模拟天然地震发生时所产生的短时快速震动, 适当设置振幅系数k及频率f0, 即可得到所需要的脉冲波。
波形表达式为式 (4) 。
2.2.2 震源脉冲波参数设置
3 数值模拟计算
模拟计算的主要目的就是要计算出对于不同的喉道结构参数及油团形状参数, 要使油团能够穿过喉道所需的最小脉冲加速度峰值。选取了从零时刻起之后波形段作为波源, 即岩石骨架震动时, 油团相对骨架所受到的加速度波形。
3.1 不考虑黏滞阻力情形
将以上参数代入动力学方程中进行数值模拟计算, 得出以下结果:
骨架峰值加速度为:amax=19.935 m/s2时, 如图4 (a) 所示。
骨架峰值加速度为:amax=19.936 m/s2时, 如图4 (b) 所示。
从以上两个计算结果可以看出, 要使油团穿过该喉道所需的骨架震动加速度不能小于19.935m/s2。对应的骨架脉冲波形如图5所示。
3.2 考虑黏滞阻力情形
一般来说, 储层中的油团是被包围在水环境中的, 也就是说喉道中其实是三相的, 液相包括油和水。因此, 油团在穿越喉道时不是直接和喉道壁相接触的, 而是隔着一层水膜的[10,11], 如图6所示。
在喉道中时, 油团外围包裹着一层厚度为dh的水膜.当油团相对喉道运动时, 由于油团与水膜运动速度不同, 因此油水界面会产生切应力, 此时的切应力会成为运移阻力。
由切应力的定义式可得:
式 (5) 中代表切应变率。
油团在喉道中运动可以近似的看成是管道中的泊肃叶流, 因此油团相对于水膜的速度可以由泊肃叶流的速度表达式来计算[12]:
式 (6) 中rc为管道半径;∇p为压力梯度;dh为水膜厚度;μoil, μw分别为油, 水的黏滞系数。
由泊肃叶流速和切应力的定义式可以计算出油团表面切应力的表达式为:
这里, 在计算油团表面切应力时, 把油团中心线上速度近似处理为油团整体运动的速度则:
下面将切应力转化为作用在油团上的体作用力。
由于油团本身不是圆柱形的, 所以需要取平均半径代入上式 (8) 中计算:
代入动力学控制方程中, 则:
式 (10) 即为考虑了黏滞阻力的油团动力学方程。
利用数值方法, 计算了在黏滞阻力存在的情形下, 不同孔隙结构参数和油团尺寸穿过喉道所需的骨架动加速度峰值, 如表1所示。
从数值计算的结果我们可以看出, 喉道宽度一定的情况下, 油团尺寸越小, 穿过喉道所需的骨架加速度越小;而油团尺寸一定的情况下, 喉道宽度越宽, 油团越容易穿过。这一结果与力学分析相吻合。从数值变化量上来看, 喉道穿越的难度对喉道尺寸参数更加敏感。
以上结果均是考虑了黏滞阻力存在的情况, 为了分析黏滞阻力对整个过程的影响, 我们也计算了一组未考虑黏滞阻力的值, 对于油团长度为0.2 m的情况, 两组对比结果如图6所示。
4 结论及分析
数值计算结果显示的是在骨架脉冲震动作用下, 长度为0.2 m的油团穿越曲率半径为1 m, 半径为0.003 m的喉道的过程模拟。从震动脉冲波形及油团位移时间图中可以看出, 经过0.2 s的岩石骨架震动后, 油团沿着喉道方向运动;通过前面的力学机制分析可知, 当油团在穿越过程的前半段时毛细管力是作为阻力存在的, 当油团达到半穿越时, 阻力减小到0, 之后毛细管力会转变为油团穿越的推动力。不难分析出, 只要油团能够借助外力的作用到达半穿越的位置, 那么就可以顺利的穿过喉道, 这一点从模拟结果中可以清楚的看到, 当骨架峰值加速度为amax=19.935 m/s2时, 油团运动至很接近半穿越位置, 然后会在毛细管力作用下, 反向运动直至退出孔隙而不能穿过喉道, 但是当骨架峰值加速度为19.936 m/s2时, 油团刚好可以穿过半穿越位置, 在毛细管力的推动下完全穿过喉道, 此条件下地震动促使油团穿过喉道的临界加速度应为19.935m/s2;在黏滞存在的情形下, 黏滞阻力的影响并不明显, 但是依然可以分辨出喉道半径越小, 两条曲线的差距越大, 这表明黏滞阻力的效果与喉道尺寸成反比, 尺寸越小, 则越不能忽略黏滞阻力的作用。
通过本文的模拟计算, 不难看出, 地震脉冲波对于促进分散油团穿过喉道, 突破结节限制是有促进作用的。相对于其他方式来说 (如流体注入等) , 地震脉冲波作用的特点很明显, 地震脉冲波不会像外部注入的流体一样受到储层构造的限制, 不会有路的偏好 (如选择阻力较小的路径通过) , 而是会广泛地作用在传播区域内的所有结节上, 因此在促进油团运移聚集, 提高离散分布型油藏产量方面应该具有更高的效率和更强的适应性。
摘要：油气二次运移是油气勘探中, 作为油气储存和输运的载体, 孔隙介质起着非常重要的作用。因此, 要研究运移规律, 必须首先搞清楚地下流体在孔隙介质中的行为及其与介质之间的相互作用, 分析其微观力学机制, 进而得出运移规律。针对区域离散分布型油藏, 建立了油团喉道模型, 数值模拟了在地震冲击波作用下, 储层中的宏观小尺度分散型油团穿过喉道发生迁移的过程, 得出该类型油团发生迁移所需外力加速度的阈值与喉道结构参数之间的关系;并在此基础上对比分析了理想状态 (无黏滞阻力) 和存在黏滞阻力两种不同情形下的结果, 做出了外力加速度阈值与喉道半径之间的曲线图, 为深入研究外力促进油气运移提供了理论支持。
关键词：地震波,油气运移,分散油团,喉道
参考文献
[1] 李明诚.石油与天然气运移研究综述.石油勘探与开发, 2000;27 (4) :3—10Li M C.An overview of hydrocarbon migration research.Petroleum Exploration and Development, 2000;27 (4) :3—10
[2] 李大伟.试论天然地震与油气成藏和开发的关系.新疆石油地质, 2004;24 (1) :19—24Li D W.A Discussion on Earthquakes versus Hydrocarbon Accumulation and Exploitation.Xinjiang Petroleum Geology, 2004;24 (1) :19 —24
[3] 华保钦.构造应力场, 地震泵和油气运移.沉积学报, 1995;13 (2) :77—85Hua B Q.Stress field, seismic pumping and oil-gas migration.Acta Sedimentologica Sinica, 1995;13 (2) :77—85
[4] 龚再升, 杨甲明.油气成藏动力学及油气运移模型.中国海上油气 (地质) , 1999;13 (4) :235—239Gong Z S, Yang J M.Migration modles and pool-forming dynamics.China Offshore Oil and Gas (Geology) , 1999;13 (4) :235—239
[5] Bao Ci.Natural gas geology.Beijing:Science Press, 1988
[6] Beresnev I A.Theory of vibratory mobilization on non-wetting fluids Entrapped in pore constrictions.Geophysics, 2006;71 (6) :47—56
[8] Pride S R, Seismic stimulation for enhanced oil recovery.Geophysics, 2008;73 (5) :23—35
[9] Iassonov P P.A model for enhanced fluid percolation in porous media by application of low-frequency elastic waves.Journal of Geophysical Research, 2003;108 (B3) :2138
[10] Hooper E C D.Fluid migration along growth faults in compacting sediments.Journal of Pet roleum Geology, 1991;4 (2) :161—180
[11] Rutledge J T.Reservoir characterization using oil production induced microseismicity, Clinton County, Kentucky.Tectonophysics, 1998;289:129—152
【机制模拟】推荐阅读：
就业模拟机制10-24
模拟式模拟器06-25
“模拟职场PK赛” 职场模拟,活动策划07-06
论国有林区经济发展的微观机制-市场机制08-18
模拟社区07-15
模拟功放07-16
模拟设计07-19
距离模拟10-16