结构分析模型

结构分析模型（共12篇）

结构分析模型 篇1

1 前言

手球比赛技术表现的研究远远落后于足球、排球、篮球、棒球和冰球。随着科技的进步, 国外手球研究开始运用高科技设备对比赛录像进行分析, 但大部分研究仍停留在初级阶段, 只能探究相对表面的问题。在国内更是缺乏这方面的研究, 目前国内手球的研究只有单项技术统计、身体特征、负荷特征三大类, 还没对比赛进行综合性评价的研究, 影响对手球比赛制胜规律地的把握。本文从国外手球比赛表现的研究出发, 结合我国目前的研究现状, 运用模型分析探讨高水平手球比赛技术之间的联系, 客观地反映手球比赛技术表现的规律。

2 研究对象与方法

2.1 研究对象

本文的研究对象为2013年第十二届全运会男子手球比赛第二阶段的12场比赛的运动员, 对比赛中每个运动员 (不包含守门员) 的技术动作进行分类统计。研究对象具体情况如表1所示。

2.2 研究方法

2.2.1 录像分析法

用两个视频播放器同时播放一场比赛, 左右两个视频分别是比赛场地的左右半场, 对场上每个队员 (不包含守门员) 的每个技术动作进行分类采集。

2.2.2 数理统计法

运用EXCEL2007对比赛录像进行技术分类采集;运用SPSS16.0、LISREL8.0对假设模型进行信效度检验、探索性因子分析;运用和AMOS17.0对结构模型进行修正, 最终建立独立的技术路径模型。

3 手球比赛结构模型与分析

3.1 假设模型

图1是按手球比赛的行为顺序提出的假设模型。根据因子分析, 模型中部分指标系数低于0.5, 理应删除该部分指标。由于一旦删除该部分指标, 会造成技术缺失, 不能涵盖场上所有的技术动作。因此, 不对指标进行删除, 只对模型进行修正。

3.2 修正模型

经过修正的模型拟合度指标如下:X2/d=4.37、RMSEA=0.27、AGFI=0.92、NFI=0.91、CFI=0.92、AIC=240.0。各项拟合度显示, 修正后的结构模型具有良好的拟合优度, 模型可以用于手球比赛的研究。

3.3 模型分析

运用AMOS中CR值和CR的统计检验相伴概率p对模型进行路径系数/载荷系数的统计显著性检验。结果如表2所示。

当标准化系数越接近1时, 变量之间互为影响的关系越明显。当标准化系数大于1时, 变量之间不存在互为影响关系。

如表2所示, 有7项系数高于0.7, 表明这7项均具有明显的互为影响关系。有1项系数低于0.5, 表明该项的互为影响关系偏低。有2项系数大于1, 表明这两项均不存在互为影响关系。

表3反映了模型中变量之间的直接影响, 获得球仅与处理球有直接影响关系。比赛中, 获得球与处理球是相邻阶段, 理应存在直接的互为影响关系。进攻完成与获得球、处理球存在显著的直接影响, 与防守不存在直接影响, 原因是模型中的防守数据是源自本方, 因此, 本方的防守与本方的进攻不存在影响关系。此外, 表中其他变量之间的系数均反映了彼此的从属关系。换言之, 潜变量只与从属的观察变量存在直接影响关系, 与非从属的观察变量不存在直接影响关系。

表4反映了模型中变量之间的间接影响, 防守仅与获得球存在间接影响关系, 体现了比赛中防守可以促进球权的获得。进攻完成与获得球的间接影响关系较高, 说明比赛中有效地控制球权, 有助于进攻的完成。

助攻性传球仅与获得球有间接影响关系, 说明比赛中获得球技术能间接影响助攻性传球的质量。协防与封堵均与处理球具有较高的间接影响关系, 说明比赛中处理球技术的质量能减轻本方防守的压力。运球仅与获得球具有间接影响关系, 说明比赛中大量的控球会间接影响运球的技术的运用。得分和射门失误均与处理球具有较高的间接影响关系, 但在技术成功没得分一项中, 却与获得球间接影响关系较高, 本文认为, 导致这种情况的原因是得分与射门失误大部分出现在行进间, 而技术成功没得分大部分出现在原地。

4 技术路径模型与分析

比赛中各项技术并不是分离的, 是在同一场上不同环境中不断变化的串联。不同的技术串联产生的变化与影响也不一致。因此, 本文在结构模型的基础上, 建立独立的技术路径分析模型, 对比赛中各项技术进行更深入的分析。

4.1 手球比赛进攻路径分析

结构模型分析反映了手球比赛技术表现的总体情况, 路径模型分析反映了局部, 可以更深入了解技术之间的相互关系。图3仅对进攻技术建立的路劲模型, 对模型进行重新计算。结果表明, 在不考虑防守时, 获得球、处理球与进攻完成转化效率非常高, 最终转化成更多的得分。

如图4所示, 由于比赛中存在获得球以后直接产生进攻的情况, 因此本研究建立获得球与进攻完成的路径模型。获得球与进攻完成互为影响的关系高达0.92。结果表明, 快攻中获得球直接转化为进攻的效率很高, 原因是快攻环境中防守强度偏弱, 进攻效率提高。图中技术成功没得分与得分之间的影响关系很高也验证了这个结论, 反映了快攻中的射门是以多打少、以快打慢, 因此进攻成功率高达90%。

4.2 手球比赛快攻路径分析

4.3 手球比赛组织路径分析

图5所示, 影响系数为0.87。表明处理球与进攻完成之间存在显著的互为影响关系。由于比赛中大部分进攻是由处理球转化而来, 进攻的顺利完成提高了处理球的组织效率。

此外, 仅考虑处理球与进攻完成的互为影响关系时, 进攻完成主要表现为射门失误和得分。由于处理球转化为进攻大部分产生在阵地进攻中, 阵地进攻的防守强度较高, 体现了在这种环境中进攻的两个极端, 要么通过具有危险性的助攻性传球制造射门得分, 要么进攻受阻, 射门失败。

4.4 手球比赛防守路径分析

如图6所示, 影响系数大于1, 表明模型中防守与进攻完成不存在互为影响关系。由于模型中的防守数据是源自本方, 对手的防守在技术评价时作为背景融入到研究中, 因此模型中的防守不可能对本方的进攻产生影响关系。

4.5 手球比赛防守与获得球的路径分析

如图7所示, 影响系数达0.84。表明模型中防守与获得球存在显著的互为影响关系。表明在独立评价时, 同样存在互为影响的关系。比赛中加强防守的强度, 不断给对手施加压力, 造成对手失误增多, 使得本方更多地获得球权。反之, 当球队牢牢掌控球权时, 能较好地控制比赛节奏, 让对手陷入被动的比赛状态。

4.6 手球比赛防守与组织的路径分析

图8表明模型中防守与处理球不存在互为影响关系。路径系数大于1, 说明该模型在独立评价时不存在互为影响的关系, 由于比赛中处理球与本方的防守不存直接相关的关系, 因此该模型不存在互为影响关系。

5 结论

1.建立以进攻为核心的结构模型, 模型结果反映了获得球、处理器、防守三个阶段在比赛中与进攻完成存在显著性影响, 得出一切技术应围绕进攻展开的原则。

2.通过对比结构模型与进攻路径模型得出, 手球比赛的进攻效率偏低。

3.快速进攻是手球比赛中最有效的得分策略。

4.尽管处理球与进攻完成存在显著性影响, 但由于处理球普遍运用于阵地战中, 防守相对密集, 一般的处理球难以打破防守阵形, 导致大部分进攻都无功而返, 进攻成功率偏低。

5. 多人协防是手球比赛中最有效的防守策略。提高防守强度可以迫使攻方的失误率增加, 本方获得更多的控球机会, 达到控制比赛节奏的目的。

参考文献

[1]Thomas Kurz.SCIENCE OF SPORTS TRAINING—HOW TO PLAN AND CONTROL TRAINING FOR PEAK PERFORMANCE[M].Stadion Publishing Company, Inc.2011.

[2]Paul S.Bradley, William Sheldon, Blake Wooster.High-intensity running in English FA Premier League soccer matches[J].Journal of Sports Sciences.January 15 2009.

[3]KEN BRAY.HOW TO SCORE—SCIENCE AND THE BEAUTIFUL GAME[M].Granta Books London.2006.

[4]Christopher Carling, A.Mark Williams and Thomas P.Reilly.Handbook of Soccer Match Analysis[M].Routledge.2005.

[5]王珽珽, 杜少武, 樊谦.对世界优秀手球队制胜规律的研究—兼探讨我国男、女手球队的优、劣势[J].中国体育科技, 2010, 46 (5) :38-46.

结构分析模型 篇2

本文旨在对西方“大五”人格结构模型的形成过程及其适用性进行系统的分析.“大五”模型是依据“词汇学假设”,通过对英文人格特质形容词的分析建立起来的.,有着明显的西方文化特点.跨文化比较的结果中支持“大五”模型的研究大多使用“强制的一致性”策略,而“衍生的一致性”策略往往得出与“大五”不同的结论.对中国人人格结构的研究也得到了不同于“大五”的“大七”模型,预示了“大五”模型不适合中国人的人格特点.

作 者：崔红 王登峰 作者单位：崔红(解放军总医院医学心理科,北京,100853)

王登峰(北京大学心理学系,北京,100871)

结构分析模型 篇3

关键词 劳动力结构;Markov过程;转移概率

中图分类号 F830 文献标识码:A

1 引 言

社会生产的产业结构或部门结构是在一般分工和特殊分工的基础上产生和发展起来的,把包括产业的构成、各产业间的相互关系的内在结构特征概括为产业结构.对产业结构进行调整和优化起最主要的因素就是劳动力,劳动力是最基本的生产要素,劳动力流动转移在经济增长和发展过程中具有重要地位和作用,是产业结构演进的必要条件.因此,对劳动力流动转移的研究具有特殊的现实意义.本文主要对区域劳动力结构演进进行建模分析,是杜文忠^[1]的推广深入.

2 模型的建立

设L={li1≤i≤α}是国民经济中的α类行业,如按三次产业分类,l1,l2,l3可分别表示国民经济行业中的第一、二、三产业,L也可表示具体行业,如可用l1,l2,l3,l4分别表示农、林、牧、渔业.劳动力个体在各类产业中任意流动演变.设D={di1≤i≤β}是生产中β类使得劳动个体完全脱离生产劳动活动这一过程的因素,如d1,d2,d3可表示死亡、完全丧失劳动能力的伤残、完全脱离生产活动的退体等,显然,若劳动力个体脱离研究的区域时,这种状态也应归于集合D.

本文研究具有同等条件的某一劳动群体,如同专业院校的毕业生群体,同年的复员军人或是年龄相仿、技能相当的农民工群体等,记Z={Z(n),n∈N}是一随时间变化过程,在时刻n,若这一群体中的劳动力个体从事产业li,则记Z(n)=li,在时刻n,若个体由于因素dj而导致永久脱离生产劳动,则记为Z(n)=dj,此时,过程状态将不再发生变化.显然Z是一个随机过程,它描述了劳动力个体从开始从事生产劳动直至完全退出生产活动这一过程.为便于量化计算,定义li=i,1≤i≤α,di=α+i,α≤α+i≤α+β,则E={i1≤i≤α+β}是过程Z的状态空间.显然对于1≤i≤α,α+1≤j≤α+β,i之间互达,i可达j,状态j是吸收态,设劳动力个体最初进入各行业的初始分布为γ={γ1,γ2,…,γα},即γi=P(Z(0)=li),1≤i≤α,设∑αi=1γi=1.即本文不考虑首次就业就失业的平凡情形,设劳动个体在各行业的转移只与当前所在环境有关,转移概率不随时间而发生变化,定义:

Qij=P{Z(n+1)=jZ(n)=i},其中1≤i,j≤α,表示在时刻n从事产业li的个体在下一时刻从事产业lj的概率.

Uiα+j=P{Z(n+1)=α+jZ(n)=i},其中1≤i≤α,1≤j≤β,表示在时刻n从事产业li的个体在下一时刻由于因素dj而永久脱产的概率.

设分块矩阵P具有结构:P=QUOIβ,

其中,Iβ是β×β单位矩阵, U=Uijα×β,Q=Qijα×α,O是零阵.

设P满足如下条件:

条件(ⅰ) ∑α+βj=α+1Uij+∑αj=1Qij=1, 1≤i≤α;

条件(ⅱ) ∑α+βj=α+1Qij>0, 1≤i≤α;

条件(ⅲ) Qn→0,n→+

条件(ⅰ)保证矩阵P是一个随机阵;条件(ⅱ)和条件(ⅲ)保证了过程Z最终将在有限时间内进入集合D,由条件(ⅲ)易知,(I-Q)可逆,定义:=ijα×α=(I-Q)-1=∑

Z={Z(n),n∈N}是一个转移矩阵为P的离散Markov过程,状态空间中,{1,2,…,α}是瞬过态,{α+1,α+2,…,α+β}是吸收态.

3 模型的分析

设τj表示劳动力个体在行业lj上的工作时间,这个量反映了各个行业的从业者的流动特点,体现了各行业的稳定程度.设υ表示个体的整个从事生产劳动过程的时间.它反映了劳动力个体的生产活动过程的强度,是衡量各行业上劳动力个体工作环境与福利、劳动资源利用率的重要参考指标之一.

定理1 在如上劳动力结构模型中,从事产业li劳动力个体转移至行业lj,并在行业lj上工作的时间τj的均值及方差为:

Ei(τj)=ij; (1)

Di(τj)=ij(2jj-ij-1);(2)

其中,Ei(•)=E(•Z(0)=li),Di(•)=D(•Z(0)=li),1≤i,j≤α.

证明 对过程Z的第一次转移取条件:

Ei(τj)=δij+∑αk=1QikEk(τj),1≤i,j≤α,

δij为示性函数.(3)

把式(3)改写成矩阵形式:

{Ei(τj)}=Iα+Q{Ei(τj)}.

由条件(ⅲ)可得:

{Ei(τj)}=(Iα-Q)-1=.

显然,Ei(τj)=ij.

对于式(2),注意到:

Ei(τ2j)=∑α+βk=α+1Uikδ2ij+∑αk=1QikEk(τj+δij)2

=∑α+βk=α+1Uikδij+∑αk=1QikEk(τ2j+2τjδij+δ2ij)

=δij+∑αk=1QikEk(τ2j)+2δij∑αk=1QikEk(τj).

将式(3)代入有:

Ei(τ2j)τ=δij+∑αk=1QikEk(τ2j)+2δij(Ei(τj)-δij),

从而,

Di(τj)=Ei(τ2j)-(Ei(τj))2=ij(2jj-ij-1).

证毕

推论1在如上劳动力结构模型中,最初从事产业li的劳动力个体的整个劳动生产过程的总时间υ的均值及方差为:

Ei(υ)=∑αj=1ij;(4)

Di(υ)=∑αk=1ik(2∑αj=1kj-∑αk=1ij+1);1≤i≤α . (5)

证明 注意到:υ=∑αj=1τj,式(4)显然.对于式(5),仿定理1的证明:

Ei(υ2)=∑α+βk=α+1Uik+∑αk=1QikEk(υ2+1)=1+∑β+αk=β+1Qik(Ek(υ2)+2Ek(υ)).

于是,

Di(υ)=Ei(υ2)-(Ei(υ))2=∑αk=1ik(2∑αj=1kj-∑αk=1ij+1).证毕

下面分析在此随机模型下,地区生产总值的计算方法,设r(j)表示行业lj的单位人均地区生产总值,不考虑临时性失业,故r(j)>0,设R表示劳动个体在整个生产过程中创造的生产总值.G表示这个劳动群体总共创造的地区生产总值,本文假设r(j)、R的取值为正整数,显然,选择合适的生产值计量单位上假设是合理的.

定理2 在如上劳动结构模型中,最初从事行业li的劳动力个体在整个生产活动中创造的地区生产总值R分布为:

P(R=k)=εi(Q)k-1(I-Qe),1≤i≤α,k∈N,(6)

其中εi表示第i个元素为γi其余元素为0的α阶行向量,e是适当阶数的单位列向量,且

Q*={Q*ij}α×α:Q*ij=1-1-Qijr(i),i=j,

1r(i)Qij,i≠j.

证明 本命题采用构造法证明.r(j)>0表示行业lj的单位人均地区生产总值,从而R=∑υn=0r(Z(n))•τZ(n),设Rin表示劳动个体第n次进入行业li所累积的生产总值,于是R=∑αi=1∑τin=1Rin,显然,Rin是一个均值为r(i)1-Qii的随机变量,读者详见钱敏平,龚光鲁^[2].

设t0=min {n≥0:Z(n)≠Z(0)};

tk=min {n≥0:Z(t0+t1+…tk-1+n)≠Z(t0+t1+…tk-1)},k≥1,

设E=L∪{0}={1,2,…,α,0},定义过程:ZJ={ZJ(n),n∈N}:

ZJ=ZJ(0)=Z(0),

ZJ(k)=Z(t0+t1+…tk-1),k≥1,

定义矩阵:QJ={QJij}α×α:QJij=Qij1-Qij,i≠j;

0,i=j,

于是,ZJ={ZJ(n),n∈N}是Z的内嵌纯跳过程.

重新构造一(半)Markov过程Z={Z(n),n∈N},Z的状态空间为E,设矩阵

Q*={Q*ij}α×α:Q*ij=1-Qijr(i),i=j.

1-Qiir(i)QJij1-QJii=1r(i)Qij,i≠j,

构造矩阵P*={P*ij}(a+1)×(α+1):P*=QI-Qe01,

于是过程Z具有如下性质:Z是状态空间E上的Markov过程,在状态i∈L上停留的次数是均值为r(i)1-Qii的几何分布,过程停留一段时间后发生转移,过程转移到状态j≠i上的概率为Qij1-Qii,状态0是吸收态,一旦过程进入吸收态,将永远停留在该状态,定义:υZ=inf {n≥0:Z(n)=0},显然,由田乃硕^[3]、Neuts^[4]可知, υZ服从阶数为α的离散PH分布,记为PHd(γ,Q).又由于R=∑αi=1∑τin=1Rin=υZ,于是:P(R=k)=εi(Q)k-1(I-Q)e.

证毕

推论2 在如上劳动结构模型中,设劳动力个体总数为M,在整个生产活动中最初从事产业li的劳动个体创造的地区生产总值及整个群体的地区生产总值均值为:

EiR=εi(I-Q)-1e; (7)

EG=Mγ(I-Q)-1e.(8)

证明 式(7)由定理2直接可得,注意到G=MR,式(8)显然.

4 数值计算实例

本文给出一个上述模型数值计算的实例,考虑到某一区域,如省、自治区等,某一年度同时从业的一批劳动群体,计50 000人,同时进入三种行业l1,l2,l3,设d1为离退休而退职,设d2表示工伤意外死亡或调离外省以外等其他情况.设劳动力转移矩阵:

P=0.718 90.128 30.144 20.067 70.732 90.088 10.039 00.025 40.831 50.000 00.000 00.000 00.000 00.000 00.000 00.002 50.041 20.034 71.000 00.000 00.006 10.070 10.069 40.000 1.000 0;

劳动力个体的最初分布比例:γ={γ1,γ2,γ3}={0.664,0.118,0.218};l1,l2,l3的单位人均地区生产总值是:(r1,r2,r3)=105×(0.811 38,1.288 26,1.220 46);于是,在上述劳动力结构模型中:

(ⅰ)劳动力个体转移至各职业工作时间均值与方差(计算结果取小数点两位)为:

{Ei(τj)}=5.113.025.951.774.994.131.451.457.93;{Di(τj)}=21.0117.9953.0813.2119.9044.3311.2710.9255.02;

(ⅱ)整个生产活动过程中,劳动力个体在各职业的总工作时间均值与方差为:

(E1(v),E2(v),E3(v))=(14.09,10.89,10.84);(D1(v),D2(v),D3(v))=(92.09,77.44,77.22);

(ⅲ)劳动力个体及群体在整个生产活动过程中创造的地区生产总值的均值为:

(E1(R),E2(R),E3(R))=105×(15.3591,12.9260,12.7469);EG≈7.3×109.

5 结 论

中国是世界上人口最多的国家,中国的区域劳动力流动转移是在特殊的国情和特殊的背景下展开的,具有不同的特点和形式,中国劳动力资源丰富,利用和转移劳动力,可以最大限度地节约稀缺的资本,发展具有比较优势的劳动产业,获得资源重新配置效应,加快经济增长.推动收入增长,特别是在农业收入增长空间受限制的情况下,农民收入的增长更多地是依靠农民外出务工收入的增长.增加留在农村人口的人均资源占有水平和生产成果的分享份额,提高农民收入.这也有利于缩小不断扩大的城乡差距.持续有序的劳动力流动转移可以自动地平抑城乡收入差距的扩大,缩小城乡差距.同时可以发挥城市人口的聚集效应,创造新兴产业需求及相关部门,特别是繁荣第三产业,增强城市活力.这也是统筹城乡发展的根本途径.劳动力流动转移可使工业化和城市化过程中的“两个差异”才能自动消失,城乡二元结构才能最终得以解决.正是劳动力流动转移的重要性以及劳动力由流动到迁移转换的特殊作用,因此,研究这一主题具有特殊的现实意义,本项研究的目的是揭示劳动力流动转移的特点,对劳动力流动转移过程的分析,有利于找出决定劳动力流动转移具体的影响因素,有利于进一步认识中国的体制环境和制度环境及其对劳动力流动转移的影响,为制定科学的城乡统筹政策服务.理论上的意义在于验证流动转移理论模型的正确性和实用性.提出劳动力流动转移的相关政策建议.

本文通过劳动力流动转移建立劳动力转移模型,以劳动力流动转移的具体相互关系进行量化分析劳动力结构演变特点.得出劳动力在整个演变过程中的量化特征及其与地区生产总值的关系.这对于分析影响劳动力流动转移的具体因素,进一步认识中国的体制环境和制度环境对劳动力结构演变的影响具有重要意义,为制定科学的城乡统筹政策,提出相关政策建议提供了理论依据.

参考文献

[1] 杜文忠.区域产业结构演进的马尔科夫过程[J].数学的实践与认识, 2006, 36 (12): 108-112.

[2] 钱敏平,龚光鲁.随机过程论 [M].第2版.北京: 北京大学出版社, 1997.

[3] 田乃硕.休假随机服务系统[M]. 北京:北京大学出版社.2001.

[4] Neuts M F.Matrix-Geometric Solutions in Stochastic Models[M].Baltimore:The Johns Hopkins University Press,1981.

[5] Snell J L.Finite Markov Chains[M].New Jersey:D.van nostand company,1960.

Stochastic Model Analysis

on the RegionalLabor Structure Evolution

TANGSheng-da1,DUWen-zhong2

(1.College of Mathematics, Guangxi Normal University, Guilin,Guangxi 541004,China;

2.Soft Science Insitution, Guilin University of Electronic Technology, Guilin, Guangxi 541004,China)

Abstract This paper presented a Markov process with some absorbing states to describe labor structure model. Using the transition probability of the labor force, the expectation and the variance of the sojourn time in every industry were obtained, to which the individual labor was transferred from the initial industry. The distribution function of the per-capita Gross Regional Product (GRP) was also obtained. And the expectations of the GRP created by the individual and the group respectively were derived. Moreover, a numerical example of the model was given.

采用解释结构模型法进行教材分析 篇4

教材是一种教学系统, 是学生学习的资源和学生学习的工具。为了达到一定的教学目标, 教材包含了各种要素, 且要素间具有一定的关系。在教材系统中, 这种因素之间的上, 下级关系, 我们称之为学习的层级关系, 也可称之为要素间的形成关系。对于给定的教材, 教师在教学中, 通过对教材内容的分析, 找出教材的结构, 即找出构成教材的要素及其相互间的层级关系 (形成关系) , 为教师更好的进行教学活动服务, 我们称这样的操作为教材分析。

教材分析是一个动态过程, 不但受教师主观因素和教学资料的影响, 也受学生实际情况, 学校物质条件的制约。教材分析不只是在上课前, 而是要学生在学习的过程中主体作用发挥, 是在教师引导下在整个教学过程中完成的。学生能否全面深入的把握教材中的知识, 与教师对教材分析处理的相关度极大, 因而可以说教材分析是优化课堂教学的保证。

二、解释结构模型 (ISM) 法简介

教材作为一种包含有人们思想, 观点, 意志在内的定性系统, …是一种复杂的定性系统, 对它的分析不可能像许多物理系统那样进行定量的分析, 要求对教材系统进行定量描述和分析是不适宜的。教材分析往往采用逻辑的, 层级的和系统的方法进行。

近年来, 由于系统科学的发展, 将系统科学的方法用于教材分析受到了人们高度的重视, 其中基于图论的ISM法就是教材分析的一种行之有效的重要方法, 它可以有效的实现教材的结构化和序列化。ISM法适用于分析和揭示复杂关系结构的有效方法, 它可将系统中各要素之间的复杂、零乱关系分解成清晰的多级递阶的结构形式。该方法最大限度地纳入了人们的经验和主观认识, 并将教材结构以易于理解的, 可视化的图形呈现。在分析过程中, 教师可以不断地读取图形、进行分析、修改。最新的ISM分析方法还吸收了目标矩阵方法的简单, 易操作的优点, 使其在教材分析中具有更好的操作性。

三、解释结构模型 (ISM) 法的分析步骤

1. 抽取知识元素——确定教学目标;

2. 确定各教学目标之间的直接关系, 做出目标矩阵;

3. 利用目标矩阵求出教学目标形成关系图;

4. 根据一定原则, 确定出教学内容序列;

四、解释结构模型 (ISM) 法的应用实例

本文以《抛物线》教材内容为例, 说明解释结构模型 (ISM) 法在教材分析中的应用。

1. 抽取知识要素——确定教学目标

通过主题分析和技能分析把实现给定教学目标的教学内容分解为众多的知识元素 (即“知识点”) 。这些知识元素可以是某个概念或原理, 也可以是某项技能的基本组成部分。

根据对《抛物线》教材内容的分析, 我们共抽取出了14个知识要素即教学目标 (表1) 。

2. 确定各教学目标之间的直接关系, 做出目标矩阵

ISM教材分析法认为:如果教师认为学生在对目标Gi进行学习之前必须先掌握目标Gj, 则称Gi与Gj之间具有“直接关系”, 并称Gj为教学目标Gi的直接子目标。《抛物线》部分各教学目标之间的直接关系如表2所示。

根据各教学目标之间的直接关系, 按照下述方法可以作出相应的目标矩阵:

(1) 以横轴表示某级的教学目标, 以纵轴表示各级的直接子目标;…

(2) 令某级目标与其直接子目标对应的位置为“1”, 其余位置为空白。这样就得到直接关系矩阵, 也称目标矩阵。

基于这样的方法, 我们得到了目标矩阵如图1所示:

3. 利用目标矩阵求出教学目标形成关系图

观察目标矩阵的横轴可知, 对应1的目标列无“1”出现, 这表示1不存在直接子目标, 即它们应处于目标形成关系图的最底层 (预备知识) , 我们把这类预备知识称作第1层目标。将目标矩阵纵轴上1所在行上的“1”全部置为空白, 由此可得到剩余的目标矩阵。观察剩余的目标矩阵图的横轴可知, 除1以外, 目标3, 4所在列也无“1”出现, 我们就把3, 4称作第2层目标。将这个图纵轴上目标3, 4所在行上的“1”全部置为空白, 由此可得到一个新的剩余目标矩阵。如此继续下去, 经过9次, 就可以得到教学目标的层次分布。从而将所有目标由下而上排列成9个等级 (表3) 。

根据教学目标的层次水平, 将同一水平的目标排在同一层上, 教学目标1位于第一层 (最底层) , 教学目标8位于第九层 (最高层) , 并将各教学目标间的形成关系以箭头表示, 由此得到图2的教学目标形成关系图。

4.教学活动序列的确定

教材分析的目的在于确定教材的展开顺序, 使教材更有效地发挥作用。所以我们还必须根据层次分析的结果, 确定教学顺序序列。

根据ISM分析方法的要求, 对于已选定的元素在时间轴上应当如何排列, 即教学内容序列应如何确定, 则尚需在目标形成关系图的基础上按下列原则加以考虑:

(1) 按低级目标先于高级目标的原则排列;…

(2) 在多个同一级别的教学目标中, 先安排有较多直接子目标的教学目标;…

(3) 在多个同一级别的教学目标中, 先安排基础性的教学目标;…

(4) 在多个同一级别的教学目标中, 对于基础性和直接子目标数目均相同的场合, 可根据教师经验决定排列的顺序。

基于以上原则, 最后确定《抛物线》单元的教学活动序列如下:

(1) …抛物线的定义→ (3) 抛物线的焦点→ (4) 抛物线的准线→ (2) 抛物线的图像→ (10) 抛物线的焦点坐标→ (11) 抛物线的准线方程→ (9) 抛物线的标准方程→ (12) 抛物线的离心率→ (6) 抛物线的对称性→… (14) …抛物线的画法及证明→ (13) …抛物线的轴→ (7) …抛物线的顶点→ (5) 抛物线的范围→ (8) 抛物线的几何性质

五、关键问题讨论

在教学目标的确定上, 每一位教师得出的结论都不可能完全相同, 这是很正常的。这主要是因为:

第一, 面对培养对象的不同, 教师根据学生的基本特征以及以往的教学经验对教学目标的确定当然也有所不同, 要区别不同的教学对象, 采取不同的方法。

第二, 由于教师的教材观、教学观以及学习观的不同, 必然会影响到教师对教材的分析。比如, 在多个同一级别的教学目标中, 对于基础性和直接子目标数目均相同的场合, 就可根据教师经验决定排列顺序, 所以, 教师经验在教材分析中有着不可忽略的重要作用。

第三, 从本节课的内容来看, 《抛物线》这一节内容比较分散, 包括抛物线的标准方程和抛物线的几何性质这两个相对独立的部分, 有些老师在选取教学目标时, 是有意识地尽量少选取一些比较基础的目标, 这样有利于问题的简单明了, 更容易抓住主要矛盾来解决。

六、研究结论

(1) 用ISM法分析教材得出的教学序列与教材的内容序列基本相符, …ISM法能够对教材进行有效的分析。ISM教材分析法能够较好的指导教师进行教材分析, 使教师在分析的过程中掌握本节的知识要点和各知识点之间的关系, 逻辑清晰, 可以更好的指导学生的学习。

(2) 通过ISM法分析教材得出的教学序列, 在教学中可结合其他的因素来进行适当的调整, 比如学生的特点, 知识水平和智力因素等等, 以求达到最佳的教学效果。

(3) ISM法比较适用于逻辑性强的课程或教学内容, 而对于逻辑性不强的内容并不是很适合, 应该用其他方法进行教材分析。

(4) 用ISM法进行教材分析最大限度地纳入了分析者的经验和主观认识。教师的教龄, 知识水平, 教学水平, 以及分析方法和习惯都会影响最后的结果, 还应充分考虑学生的因素, 所以应由有经验的教师或学科教学专家来完成。

参考文献

[1]傅德荣, 章慧敏编著.教育信息处理.北京:北京师范大学出版社, 2001.

[2]李克东.教育技术学研究方法.北京:北京师范大学出版社, 2003.

[3]汪应洛.系统工程 (第三版) .北京:机械工业出版社, 1995.

[4]孙慧, 周颖, 范志清.基于解释结构模型的公交客流量影响因素分析.北京理工大学学报 (社会科学版) , 2010, 12 (1) :29-32.

结构分析模型 篇5

本文根据粘弹性阻尼器的力学性能,提出了一种能够体现温度和频率影响的.新计算模型--等效标准固体模型,然后通过对9050A材料和一加有粘弹性阻尼器的建筑结构进行实例分析,得出有关结论.

作 者：徐赵东 刘军生 沈亚鹏 赵鸿铁 作者单位：徐赵东(西安交通大学建筑与力学学院,西安,710049)

刘军生(陕西省建筑科学研究院)

沈亚鹏,赵鸿铁(西安建筑科技大学土木学院)

结构分析模型 篇6

摘要：利用2000—2010年城镇居民国内旅游消费数据和ELES模型从边际消费倾向、基本需求、收入弹性及价格弹性四方面实证分析城镇居民的国内旅游消费结构，得出结论为城镇居民国内基本旅游消费与非基本旅游消费比例关系有待进一步协调。为更好地完善国内旅游消费市场和优化国内旅游消费市场结构，应从加快旅游法制化进程、解决旅游供需结构性矛盾等方面做出努力。

关键词：ELES模型；城镇居民；旅游消费结构；基本旅游消费；非基本旅游消费；边际消费倾向；自价格弹性；交叉价格弹性

中图分类号：F592.3 文献标识码：A 文章编号：1007-2101（2014）04-0082-05

一、引言

对国内居民旅游消费结构研究现状进行简单梳理，主要有几个不同的关注点。一是对具体区域国内旅游消费结构的研究，如邓清南（2005）[1]、孙元欣（2009）[2]、王忠福等（2009）[3]、庞田田（2011）[4]分别关注了四川、上海、大连和安徽的国内旅游消费结构现状及存在的问题，并提出相应的政策建议；二是对全国城镇或整体国内旅游消费结构的研究，如李一玮和夏林根（2004）[5]、尤慧和陶卓民（2006）[6]、周文丽和李世平（2010）[7]分别用定性和定量方法研究了国内城镇居民旅游消费结构及全国城乡居民国内旅游消费结构的现状和变化规律；三是对国内热点城市旅游消费结构的比较分析，如贾英（2008）[8]就对中国居民的入境旅游消费结构进行了研究，主要引入旅游消费结构高级化指数，选取北京、上海、广州等中国六大旅游热点城市为研究对象，横向和纵向比较了不同城市的旅游消费结构。以上文献从不同方面关注了当前中国居民的旅游消费结构问题。城镇居民作为旅游消费的主体，采用最新数据专门对其国内旅游消费结构进行实证分析很有必要。基于此，本文利用ELES模型，收集2000—2010年相关统计数据，对城镇居民旅游消费结构进行分析，以期为旅游产业结构优化提供一定的参考。

二、城镇居民国内旅游消费结构现状

游客在旅游过程中所消费的不同类别消费资料的构成关系称为旅游消费结构。居民旅游消费主要包括“吃、住、行、游、购、娱”六个方面不同类别的消费需求，这是从旅游用途不同的角度进行划分。如果从旅游消费的重要性角度进行划分，主要可包括基本性旅游消费和非基本性旅游消费。旅游过程中居民用于交通、住宿、餐饮、游览等方面的消费，一般属于基本旅游消费范畴，这类消费往往是旅游活动中必需且基本稳定的消费。另一类消费如购物、娱乐、通讯、医疗等方面的消费，是并非每次旅游活动都必需的具有较大弹性的消费，一般属于非基本旅游消费的范畴。在旅游业发展水平较高时，居民在旅游消费支出中用于非基本旅游消费的部分占有比例越大；相反，用于基本旅游消费的部分占有比例越大。

随着城镇居民国内旅游消费市场迅速发展，旅游消费结构也发生着重要变化。如表1所示，按用途不同，城镇居民国内旅游消费中长途交通花费比重相对较高，2000年占旅游消费支出的29.25%，近两年这一比重有所下降，2010年这一比重达到21.6%。在所有用途中，邮电通讯比重相对较低，且十余年这一比重变化幅度不大，2010年为0.8%。总体来说，城镇居民国内旅游消费支出中用于交通、住宿、餐饮、游览等基本旅游消费的比重较高，购物、娱乐、通讯、医疗等非基本旅游消费支出比重较低。2000年，中国城镇居民国内非基本旅游消费比重仅为27.73%，基本旅游消费比重高达72.27%；随着人均收入水平提高和旅游产业发展，2010年这一比例关系发生了变化，城镇居民国内基本旅游消费比重为57.3%，非基本旅游消费比重为42.7%，基本旅游消费仍占据主导地位（如表2所示）。目前发达国家非基本旅游消费比重达60%左右，我国离这一比重还有距离。

三、ELES模型简介及数据说明

（一）ELES模型简介

经济学家Liuch基于计量经济学家Stone的前期研究成果，在1973年推出扩展线性支出系统模型，简称ELES模型。[9] [10]这是一种需求函数系统，可用于分析消费结构问题。基于分析目的的需要，本文主要采用ELES模型实证研究中国城镇居民国内旅游消费的结构问题。

ELES模型在分析消费结构问题时，有两个基本的假设条件：（1）消费者在对商品和服务进行消费时，需求可分为基本消费需求和非基本消费需求两部分，前者与居民收入水平不相关，并且居民收入将优先满足基本消费需求，之后剩余的部分才能用于满足非基本消费需求，并且对非基本消费需求的支出应按照某种边际消费倾向进行安排；（2）某一时期居民的收入和各种商品的价格将决定对各种商品和服务的需求量。ELES模型基本形式可描述如下：

（二）数据来源及说明

基于旅游消费结构的内涵、分类及研究的目的，本文将城镇居民国内旅游消费分为长途交通、住宿、餐饮、市内交通、景区游览、邮电通讯、娱乐、购物和其他服务9类（以下简称“9类旅游消费”）。采取数据为2000—2010年年度时间序列数据，指标选取主要有各年城镇居民人均可支配收入、各年城镇居民出游人次、消费总额以及长途交通等9类单项消费支出。

用各年城镇居民人均可支配收入乘以各年城镇居民出游人次来表示总收入Y；用城镇居民旅游总支出乘以长途交通等9项消费在总支出中所占比例计算出各项年消费金额PiQi，i=1，2，……，9。其中旅游花费构成、旅游支出及旅游人次数据均来自于各年《中国国内旅游抽样调查资料》，城镇居民人均可支配收入数据来自于各年《中国统计年鉴》。

四、基于ELES模型的城镇居民国内旅游消费结构实证分析

（一）MPC分析（消费边际倾向分析）

ELES模型中参数Ai和Bi的估计值如表3所示。估计值主要基于2000—2010年各项消费支出数据和各年城镇居民可支配收入数据，利用Eviews6.0进行回归得出。分析表3的回归结果可以得出在显著性水平为1%的条件下，城镇居民9类旅游消费参数Bi的估计值均通过检验。分析t统计量及F统计量，并结合DW值及自相关图，判断回归结果较好。判定系数R2除了住宿项目为0.847外，其余均在0.90以上，说明模型整体拟合效果比较好。对表3中Bi参数估计值进行简单计算，可知城镇居民国内旅游边际消费倾向在2000—2010年间为0.038 2，意味着每增加100元的可支配收入中，将有3.82元用于国内旅游消费上。在增加的3.82元中，用于购物支出所占的份额最多，为1.07元，占支出增量的28.1%；接下来是长途交通、餐饮及其他支出较为平均，为0.7元左右；支出最少的为邮电通讯项目，仅为0.04元。而这些消费中，非基本旅游消费如邮电通讯、文娱、购物以及其他消费的边际消费倾向为0.018 9，基本旅游消费如住宿、交通、游览、餐饮方面边际消费倾向为0.019 3，两者消费比例大致相当。endprint

（二）基本需求分析

根据估计结果，利用（5）式我们可以计算出2000—2010年我国城镇居民国内旅游消费性支出中用于基本需求的具体数值（见表4）。

居民为保证劳动力的正常再生产，在社会经济发展水平一定的前提下，产生的对劳务和商品的基本消费量的需求称为基本需求。从表4可以看出，2000—2010年城镇居民国内旅游基本需求支出分列前三位的是长途交通、住宿以及餐饮，分别为577.81元、323.27元和261.23元。住、食、行都是居民维持日常生活所关注的基本项目，符合实际情况。而位居倒数的项目有邮电通讯、文娱，说明城镇居民在国内旅游中这两项的基本需求支出较少。

（三）需求收入弹性分析

假定价格不变，城镇居民年总可支配收入变动1%引起的国内旅游消费量变化的百分比即为城镇居民国内旅游消费需求的收入弹性。2000—2010年我国出游城镇居民年总可支配收入平均为74 785.885 6亿元。城镇居民国内旅游各类消费需求的收入弹性主要基于参数估计结果，利用（6）式计算得出（见表5）。

从表5可以看出，城镇居民的购物消费收入弹性系数最大为0.913 1，说明居民收入发生变化时，对购物消费需求的影响最大。城镇居民基本旅游消费需求的收入弹性较小，如市内交通、住宿、长途交通的收入弹性分别为0.411 2、0.348 9和0.481 4。总体来看，娱乐、购物等非基本旅游消费需求的弹性收入比较大，交通、住宿等基本旅游消费需求收入弹性较小，说明城镇居民收入发生一定量的增减变化对非基本旅游消费需求的影响往往大于对基本旅游消费的影响。

（四）需求价格弹性分析

价格弹性是在假定其他条件不变的前提下，商品价格变化1%所引起的消费量的变动幅度。旅游消费需求价格弹性主要考察旅游消费量随着旅游产品价格变动1%的反应程度。如果要考察某种旅游商品对另一种旅游商品需求量的影响，主要用交叉价格弹性表示。如果要反映某一类旅游商品价格变化对自身需求量的影响，主要用自价格弹性表示。表6显示了根据参数估计结果并利用（8）式、（9）式计算的各类旅游消费的需求价格弹性。

对中国城镇居民2000—2010年国内旅游消费的需求价格弹性进行分析，城镇居民的9类旅游商品消费需求通常受自身价格影响较大，受其他价格影响较小，表现为各类旅游消费需求的自价格弹性系数绝对值往往大于互价格弹性系数绝对值。在城镇居民国内旅游的各项消费中，购物价格的变动对购物消费需求量的影响最大，餐饮价格的变动对餐饮消费需求量的影响最小，这说明在各类旅游消费中购物消费的自价格弹性绝对值最大，而餐饮消费的自价格弹性系数绝对值最小。总体来说，城镇居民非基本旅游消费价格变化对消费需求的影响大于基本旅游消费价格变化对消费需求的影响，表现在邮电通讯、文娱、购物等非基本旅游消费的自价格弹性系数绝对值大于住宿、餐饮等基本旅游消费的自价格弹性系数绝对值。此外，城镇居民国内各类旅游消费需求受其他旅游商品价格的影响较小，互价格弹性系数的绝对值均小于1，小于各项旅游消费商品的自价格弹性的绝对值。相对而言，城镇居民长途交通的价格变动对其他项目的消费需求影响较大。各旅游产品互价格弹性系数均为负值，反映出各旅游产品之间具有较强的互补性，某一旅游产品价格的上升会引起另一旅游产品需求量的反方向变动。

五、结论及建议

从城镇居民的基本旅游消费和非基本旅游消费看，基本旅游消费边际消费倾向与非基本旅游消费边际消费倾向基本持平，在单个消费中，购物的边际消费倾向最高；城镇居民基本需求支出投向最高的仍然是基本旅游消费项目，如交通、住宿、餐饮等。从需求收入弹性看，城镇居民国内非基本旅游消费需求受收入增减变化的影响要大于基本旅游消费需求。城镇居民国内9类旅游消费自价格弹性系数绝对值大于互价格弹性系数绝对值，说明不同旅游消费品的需求量受其他旅游消费品价格的影响较小，受其自身价格的影响较大。

针对当前城镇居民国内旅游消费结构现状，为更好地完善国内旅游消费市场和优化国内旅游市场消费结构，可考虑如下建议：一是加快旅游法制化进程，规范国内旅游消费市场秩序，切实保障居民旅游消费权益；二是完善国内旅游市场基础设施建设和公共服务体系建设，提升居民旅游消费意愿；三是相对增加居民可支配收入，继续完善城镇居民社会保障制度和带薪休假制度，提高居民旅游消费能力；四是认真审视国内旅游市场结构性矛盾问题，协调好基本旅游消费与非基本旅游消费比例关系，加强度假休闲和个性化旅游产品供给，充分考虑旅游消费者的需求。

参考文献：

[1]邓清南.四川省国内旅游消费结构探析[J].成都电子机械高等专科学校学报，2005，（2）：57-62.

[2]孙元欣.上海旅游消费结构与贡献度的宏观分析[J].华东经济管理，2009，（12）：1-3.

[3]王忠福，王尔大，等.大连城市旅游目的地国内旅游消费结构聚类分析[J].大连理工大学学报（社会科学版），2009，（1）：68-74.

[4]庞田田.安徽省国内旅游消费结构问题探析[J].科技创业，2011，（1）：1-5.

[5]李一玮，夏林根.国内城镇居民旅游消费结构分析[J].旅游科学，2004，（2）：30-38.

[6]尤慧，陶卓民.国内旅游消费结构存在问题及优化研究[J].江苏商论，2006，（8）：62-63.

[7]周文丽，李世平.基于ELES模型的城乡居民国内旅游消费结构实证分析[J].旅游科学，2010，（6）：29-38.

[8]贾英.中国6大热点城市入境旅游消费结构比较研究[J].旅游科学，2008，（6）：13-17.

[9]陈燕武.消费经济学——基于经济计量学视角[M].北京：社会科学文献出版社，2008：111-113.

[10]范建平.居民消费与中国经济发展[M].北京：中国计划出版社，2002：179-183.

责任编辑、校对：艾 岚endprint

（二）基本需求分析

根据估计结果，利用（5）式我们可以计算出2000—2010年我国城镇居民国内旅游消费性支出中用于基本需求的具体数值（见表4）。

居民为保证劳动力的正常再生产，在社会经济发展水平一定的前提下，产生的对劳务和商品的基本消费量的需求称为基本需求。从表4可以看出，2000—2010年城镇居民国内旅游基本需求支出分列前三位的是长途交通、住宿以及餐饮，分别为577.81元、323.27元和261.23元。住、食、行都是居民维持日常生活所关注的基本项目，符合实际情况。而位居倒数的项目有邮电通讯、文娱，说明城镇居民在国内旅游中这两项的基本需求支出较少。

（三）需求收入弹性分析

假定价格不变，城镇居民年总可支配收入变动1%引起的国内旅游消费量变化的百分比即为城镇居民国内旅游消费需求的收入弹性。2000—2010年我国出游城镇居民年总可支配收入平均为74 785.885 6亿元。城镇居民国内旅游各类消费需求的收入弹性主要基于参数估计结果，利用（6）式计算得出（见表5）。

从表5可以看出，城镇居民的购物消费收入弹性系数最大为0.913 1，说明居民收入发生变化时，对购物消费需求的影响最大。城镇居民基本旅游消费需求的收入弹性较小，如市内交通、住宿、长途交通的收入弹性分别为0.411 2、0.348 9和0.481 4。总体来看，娱乐、购物等非基本旅游消费需求的弹性收入比较大，交通、住宿等基本旅游消费需求收入弹性较小，说明城镇居民收入发生一定量的增减变化对非基本旅游消费需求的影响往往大于对基本旅游消费的影响。

（四）需求价格弹性分析

价格弹性是在假定其他条件不变的前提下，商品价格变化1%所引起的消费量的变动幅度。旅游消费需求价格弹性主要考察旅游消费量随着旅游产品价格变动1%的反应程度。如果要考察某种旅游商品对另一种旅游商品需求量的影响，主要用交叉价格弹性表示。如果要反映某一类旅游商品价格变化对自身需求量的影响，主要用自价格弹性表示。表6显示了根据参数估计结果并利用（8）式、（9）式计算的各类旅游消费的需求价格弹性。

对中国城镇居民2000—2010年国内旅游消费的需求价格弹性进行分析，城镇居民的9类旅游商品消费需求通常受自身价格影响较大，受其他价格影响较小，表现为各类旅游消费需求的自价格弹性系数绝对值往往大于互价格弹性系数绝对值。在城镇居民国内旅游的各项消费中，购物价格的变动对购物消费需求量的影响最大，餐饮价格的变动对餐饮消费需求量的影响最小，这说明在各类旅游消费中购物消费的自价格弹性绝对值最大，而餐饮消费的自价格弹性系数绝对值最小。总体来说，城镇居民非基本旅游消费价格变化对消费需求的影响大于基本旅游消费价格变化对消费需求的影响，表现在邮电通讯、文娱、购物等非基本旅游消费的自价格弹性系数绝对值大于住宿、餐饮等基本旅游消费的自价格弹性系数绝对值。此外，城镇居民国内各类旅游消费需求受其他旅游商品价格的影响较小，互价格弹性系数的绝对值均小于1，小于各项旅游消费商品的自价格弹性的绝对值。相对而言，城镇居民长途交通的价格变动对其他项目的消费需求影响较大。各旅游产品互价格弹性系数均为负值，反映出各旅游产品之间具有较强的互补性，某一旅游产品价格的上升会引起另一旅游产品需求量的反方向变动。

五、结论及建议

从城镇居民的基本旅游消费和非基本旅游消费看，基本旅游消费边际消费倾向与非基本旅游消费边际消费倾向基本持平，在单个消费中，购物的边际消费倾向最高；城镇居民基本需求支出投向最高的仍然是基本旅游消费项目，如交通、住宿、餐饮等。从需求收入弹性看，城镇居民国内非基本旅游消费需求受收入增减变化的影响要大于基本旅游消费需求。城镇居民国内9类旅游消费自价格弹性系数绝对值大于互价格弹性系数绝对值，说明不同旅游消费品的需求量受其他旅游消费品价格的影响较小，受其自身价格的影响较大。

针对当前城镇居民国内旅游消费结构现状，为更好地完善国内旅游消费市场和优化国内旅游市场消费结构，可考虑如下建议：一是加快旅游法制化进程，规范国内旅游消费市场秩序，切实保障居民旅游消费权益；二是完善国内旅游市场基础设施建设和公共服务体系建设，提升居民旅游消费意愿；三是相对增加居民可支配收入，继续完善城镇居民社会保障制度和带薪休假制度，提高居民旅游消费能力；四是认真审视国内旅游市场结构性矛盾问题，协调好基本旅游消费与非基本旅游消费比例关系，加强度假休闲和个性化旅游产品供给，充分考虑旅游消费者的需求。

参考文献：

[1]邓清南.四川省国内旅游消费结构探析[J].成都电子机械高等专科学校学报，2005，（2）：57-62.

[2]孙元欣.上海旅游消费结构与贡献度的宏观分析[J].华东经济管理，2009，（12）：1-3.

[3]王忠福，王尔大，等.大连城市旅游目的地国内旅游消费结构聚类分析[J].大连理工大学学报（社会科学版），2009，（1）：68-74.

[4]庞田田.安徽省国内旅游消费结构问题探析[J].科技创业，2011，（1）：1-5.

[5]李一玮，夏林根.国内城镇居民旅游消费结构分析[J].旅游科学，2004，（2）：30-38.

[6]尤慧，陶卓民.国内旅游消费结构存在问题及优化研究[J].江苏商论，2006，（8）：62-63.

[7]周文丽，李世平.基于ELES模型的城乡居民国内旅游消费结构实证分析[J].旅游科学，2010，（6）：29-38.

[8]贾英.中国6大热点城市入境旅游消费结构比较研究[J].旅游科学，2008，（6）：13-17.

[9]陈燕武.消费经济学——基于经济计量学视角[M].北京：社会科学文献出版社，2008：111-113.

[10]范建平.居民消费与中国经济发展[M].北京：中国计划出版社，2002：179-183.

责任编辑、校对：艾 岚endprint

（二）基本需求分析

根据估计结果，利用（5）式我们可以计算出2000—2010年我国城镇居民国内旅游消费性支出中用于基本需求的具体数值（见表4）。

居民为保证劳动力的正常再生产，在社会经济发展水平一定的前提下，产生的对劳务和商品的基本消费量的需求称为基本需求。从表4可以看出，2000—2010年城镇居民国内旅游基本需求支出分列前三位的是长途交通、住宿以及餐饮，分别为577.81元、323.27元和261.23元。住、食、行都是居民维持日常生活所关注的基本项目，符合实际情况。而位居倒数的项目有邮电通讯、文娱，说明城镇居民在国内旅游中这两项的基本需求支出较少。

（三）需求收入弹性分析

假定价格不变，城镇居民年总可支配收入变动1%引起的国内旅游消费量变化的百分比即为城镇居民国内旅游消费需求的收入弹性。2000—2010年我国出游城镇居民年总可支配收入平均为74 785.885 6亿元。城镇居民国内旅游各类消费需求的收入弹性主要基于参数估计结果，利用（6）式计算得出（见表5）。

从表5可以看出，城镇居民的购物消费收入弹性系数最大为0.913 1，说明居民收入发生变化时，对购物消费需求的影响最大。城镇居民基本旅游消费需求的收入弹性较小，如市内交通、住宿、长途交通的收入弹性分别为0.411 2、0.348 9和0.481 4。总体来看，娱乐、购物等非基本旅游消费需求的弹性收入比较大，交通、住宿等基本旅游消费需求收入弹性较小，说明城镇居民收入发生一定量的增减变化对非基本旅游消费需求的影响往往大于对基本旅游消费的影响。

（四）需求价格弹性分析

价格弹性是在假定其他条件不变的前提下，商品价格变化1%所引起的消费量的变动幅度。旅游消费需求价格弹性主要考察旅游消费量随着旅游产品价格变动1%的反应程度。如果要考察某种旅游商品对另一种旅游商品需求量的影响，主要用交叉价格弹性表示。如果要反映某一类旅游商品价格变化对自身需求量的影响，主要用自价格弹性表示。表6显示了根据参数估计结果并利用（8）式、（9）式计算的各类旅游消费的需求价格弹性。

对中国城镇居民2000—2010年国内旅游消费的需求价格弹性进行分析，城镇居民的9类旅游商品消费需求通常受自身价格影响较大，受其他价格影响较小，表现为各类旅游消费需求的自价格弹性系数绝对值往往大于互价格弹性系数绝对值。在城镇居民国内旅游的各项消费中，购物价格的变动对购物消费需求量的影响最大，餐饮价格的变动对餐饮消费需求量的影响最小，这说明在各类旅游消费中购物消费的自价格弹性绝对值最大，而餐饮消费的自价格弹性系数绝对值最小。总体来说，城镇居民非基本旅游消费价格变化对消费需求的影响大于基本旅游消费价格变化对消费需求的影响，表现在邮电通讯、文娱、购物等非基本旅游消费的自价格弹性系数绝对值大于住宿、餐饮等基本旅游消费的自价格弹性系数绝对值。此外，城镇居民国内各类旅游消费需求受其他旅游商品价格的影响较小，互价格弹性系数的绝对值均小于1，小于各项旅游消费商品的自价格弹性的绝对值。相对而言，城镇居民长途交通的价格变动对其他项目的消费需求影响较大。各旅游产品互价格弹性系数均为负值，反映出各旅游产品之间具有较强的互补性，某一旅游产品价格的上升会引起另一旅游产品需求量的反方向变动。

五、结论及建议

从城镇居民的基本旅游消费和非基本旅游消费看，基本旅游消费边际消费倾向与非基本旅游消费边际消费倾向基本持平，在单个消费中，购物的边际消费倾向最高；城镇居民基本需求支出投向最高的仍然是基本旅游消费项目，如交通、住宿、餐饮等。从需求收入弹性看，城镇居民国内非基本旅游消费需求受收入增减变化的影响要大于基本旅游消费需求。城镇居民国内9类旅游消费自价格弹性系数绝对值大于互价格弹性系数绝对值，说明不同旅游消费品的需求量受其他旅游消费品价格的影响较小，受其自身价格的影响较大。

针对当前城镇居民国内旅游消费结构现状，为更好地完善国内旅游消费市场和优化国内旅游市场消费结构，可考虑如下建议：一是加快旅游法制化进程，规范国内旅游消费市场秩序，切实保障居民旅游消费权益；二是完善国内旅游市场基础设施建设和公共服务体系建设，提升居民旅游消费意愿；三是相对增加居民可支配收入，继续完善城镇居民社会保障制度和带薪休假制度，提高居民旅游消费能力；四是认真审视国内旅游市场结构性矛盾问题，协调好基本旅游消费与非基本旅游消费比例关系，加强度假休闲和个性化旅游产品供给，充分考虑旅游消费者的需求。

参考文献：

[1]邓清南.四川省国内旅游消费结构探析[J].成都电子机械高等专科学校学报，2005，（2）：57-62.

[2]孙元欣.上海旅游消费结构与贡献度的宏观分析[J].华东经济管理，2009，（12）：1-3.

[3]王忠福，王尔大，等.大连城市旅游目的地国内旅游消费结构聚类分析[J].大连理工大学学报（社会科学版），2009，（1）：68-74.

[4]庞田田.安徽省国内旅游消费结构问题探析[J].科技创业，2011，（1）：1-5.

[5]李一玮，夏林根.国内城镇居民旅游消费结构分析[J].旅游科学，2004，（2）：30-38.

[6]尤慧，陶卓民.国内旅游消费结构存在问题及优化研究[J].江苏商论，2006，（8）：62-63.

[7]周文丽，李世平.基于ELES模型的城乡居民国内旅游消费结构实证分析[J].旅游科学，2010，（6）：29-38.

[8]贾英.中国6大热点城市入境旅游消费结构比较研究[J].旅游科学，2008，（6）：13-17.

[9]陈燕武.消费经济学——基于经济计量学视角[M].北京：社会科学文献出版社，2008：111-113.

[10]范建平.居民消费与中国经济发展[M].北京：中国计划出版社，2002：179-183.

结构分析模型 篇7

关键词：框架结构,损伤,数值模型,固有频率

结构损伤的动力识别，是用结构物动态特性的改变来对结构进行整体性的检测和评估，以确定结构是否有损伤存在,进而判别损伤的程度和位置，以及结构目前的状况、使用功能和结构损伤的变化趋势。其基本原理是结构的损伤常会改变结构的物理特性，如质量、阻尼和刚度等，而物理特性的改变则会影响结构的模态参数以及动力响应，因此可以通过结构的物理参数、模态参数或动力响应来识别损伤的位置和程度。

1 基于振动分析的结构损伤识别原理

利用振动分析技术进行工程结构损伤识别的主要思想是:任何一个工程结构都可以视为由刚度、质量、阻尼组成的力学系统。工程结构一旦发生损伤,就会引起系统质量、刚度发生变化，从而导致频响函数和模态参数的变化。这样,通过振动模态参数的变化就能够判断损伤是否存在,确定损伤位置和程度。

线性工程结构运动方程为：

式中，M、C、K分别为结构的质量、阻尼和刚度矩阵；X(t）、X(t)和X(t）分别为加速度、速度和位移向量；F(t）为载荷向量。

齐次方程的特征值问题表示为：

式中，φi为结构第i阶固有频率，{φi}为第i阶主振型。

求解方程（2）可以求出φi和{φi}。从方程（2）可以看出，结构每阶的固有频率和主振型是系统本身的特征参数质量、阻尼和刚度的参数，与其他条件无关。由此可以得出,系统本身参数的变化,会直接影响试验所测得的模态参数的变化。而结构发生损伤后,系统的本身参数会发生变化。因此通过测试系统的模态参数,将其与结构正常时的模态参数相比较,即可判定和评价结构的损伤。

2 频率用于识别的原理[1,2,3,4]

利用固有频率变化进行结构损伤识别的优点是:比较容易测示固有频率,而且测示精度较高。

对于结构来说，固有频率决定于结构质量与刚度。结构损伤后刚度会发生变化而质量一般保持不变。这样，结构在损伤后固有频率会下降。由于固有频率是容易获得而且测量的精度很高，所以应用基于固有频率的损伤指标是值得进行研究的。可以通过一些方法来实现利用固有频率指标对结构损伤进行识别。

利用固有频率变化进行工程结构损伤识别的算法很多。这类算法的基本思想是:认为结构发生损伤时,仅结构的刚度降低,而忽略结构质量变化。

3 数值模拟

3.1 模型建立

利用SolidWorks[5]建立有限元模型。模型采用X轴正向1跨、Z轴负向3跨、Y轴正向2层计算模型，采用壳单元建模，壳厚10mm。利用软件的组装功能成模，各单元间采用固结连接。计算模型如图1所示。主梁截面尺寸为200mm×450mm×9000mm,连梁及柱的截面尺寸为200mm×450mm×4500mm。梁及柱均采用Solidworks材料表中的AISI1010热轧钢，弹性模量E=2.0×1011Pa，泊松比V=0.29，质量密度ρ=7870kg/m3，屈服强度f=180MPa。

3.2 定义约束

柱脚全部采用固定约束。约束定义如图2所示。

3.3 损伤实现

利用SolidWorks的裁剪功能对梁柱的壳面进行裁剪，构件的损伤通过在构件近跨中腹板截面裁剪一定范围的破口，实现了对损伤的模拟。采用COSMOSWorks对框架结构损伤进行有限元分析。梁柱示意图如图3、图4所示。

依据损伤尺寸的大小，可分为如表1所列四种损伤状态。

3.4 网格划分

在上述步骤均完成后，可采用COSMOSWorks的自动网格划分功能,进行有限元运算。

4 损伤数值模拟试验的固有频率变化研究

采用COSMOSWorks的频率算例进行两个算例计算：单根梁损伤算例（梁损伤模型）及单根柱损伤算例（柱损伤模型）。通过对三种损伤状态下结构的前50阶固有频率与未损伤模型对应固有频率的对比，比较准确地反映了固有频率随损伤程度的增加而引起的相应变化。

下列频率变化图以损伤模型固有频率与未损伤模型固有频率的差值绝对值，即│Δf│为研究指标。

4.1 算例1：梁损伤模型结构固有频率变化

4.2 算例2：柱损伤模型结构固有频率变化

4.3 频率结果变化分析

4.3.1 损伤程度变化引起的结构固有频率变化规律

对于同一损伤位置，从上述系列图中可以看出，框架结构在损伤状况1下，损伤模型与未损伤模型在前50阶模态下固有频率变化值较小；在损伤状况2下，在低阶模态下固有频率变化值在少数试件中略有变化，在高阶模态下固有频率变化值较大，变化值也比低阶模态下要大，；在损伤状况3下，因结构损伤程度较大，低阶模态也出现了比较大的固有频率变化，高阶模态下频率变化非常明显。

4.3.2 损伤位置变化引起的结构固有频率变化规律

损伤状况1：比较图5和图8，梁损伤模型在低阶模态和高阶模态均有较连续的频率差值；柱损伤模型在低阶模态只有零星的点存在较明显的频率差值，高阶模态频率差值几乎为零。

损伤状况2：比较图6和图9，梁损伤模型在低阶模态和高阶模态均有较连续的频率差值，差值比损伤状况1时显著变大；柱损伤模型曲线形式与损伤状况1时类似，频率差值增加幅度远不及梁损伤模型明显。

损伤状况3：比较图7和图10，梁损伤模型在低阶模态和高阶模态均有较连续的频率差值，其中高阶状态下频率变化非常明显；柱损伤模型在低阶模态和高阶模态频率差值也显著增加了，频率差值图与梁损伤模型频率差值图类似。

5 小结

笔者针对传统的数值模拟损伤试验中的不足，即无法实现三维方向产生损伤，通过SolidWorks建模软件，建立了结构中最常见的框架结构的三维模型。该模型具有良好的参数化属性，论述了框架结构三维建模的一般方法，通过COSMOSWorks有限元分析软件，为实现框架结构的损伤研究提供了可靠的数值模型。

以数值模型为基础，本文选取了具有代表性的结构固有频率进行了分析，得到了以下结论：

1)结构损伤必然会在结构的动力特征上得到完整的反映，利用固有频率的变化进行损伤识别比较可靠。

2)框架结构在同一损伤位置下，随着损伤程度的增加，各阶频率的下降加速。

3)在框架结构中，在同一损伤状况下，损伤位置是频率变化的重要影响因素。

4)频率变化对损伤的灵敏度不高,结构发生小损伤甚至不会引起低阶频率发生明显的改变，通过观测结构的损伤必须观测结构的高阶频率变化。

参考文献

[1]N.Stubbs,T.H.Broome,R.Osegueda.Nondestructive constructionerror detection in large space structures[J].AIAAJ.,1990,28(1):146-152.

[2]G.Hearn&R.B.Testa.Modal nanlysis for damage detection instructures[J].J.Struct.Engrg.,ASCE,1991,117(10):3042-3061.

[3]S.Hasiontis,G.D.Jeong.Assessment of structural damage fromnatural frequency measurement[J].Computers and Structures,1993,49(4):679-691.

[4]瞿伟廉,陈伟.多层及高层框架结构地震损伤诊断的神经网络方法[J].地震工程与工程振动,2002(1):43-48.

结构分析模型 篇8

关键词：框架结构,损伤,数值模型,应变

随着社会发展和科技进步, 防灾减灾越来越受到重视。结构损伤识别作为其中的重要组成部分, 成为土木工程领域的研究热点。结构的静态特征参数主要有结构刚度、结构位移、应变、材料的特征参数 (如材料的弹性模量、截面的面积) 等。结构发生损伤时会引起结构单元刚度的变化, 从而使结构的位移、应变等参数发生相应的变化, 通过对结构的位移、应变等的测量, 利用上述参数在发生损伤时计算值与测量值的残差分析来实现对结构的损伤识别。

1 基于应变的损伤识别技术的优点[1~3]

基于静力参数识别的损伤诊断具有如下优点: (1) 基于结构模型单元级别的刚度特性; (2) 根据识别参数较易确定结构的承载能力; (3) 只需有限量的静力与位移测试值; (4) 静力测试简单、快速、经济, 且不需要大型复杂设备; (5) 能够用于诊断各种结构材料, 如钢材、混凝土、铝材、木材等的损伤; (6) 通过一定时间间隔的测试, 能估计单元材料特性的剩余值, 进而预测结构的剩余寿命。

近年来, 学者提出了很多方法, 基于分布位移测试数据的方法占了很大比重, 例如, 振型斜率、振型曲率、柔度振型、模态应变能等。由于损伤前后位移的变化与局部损伤的位置不是一一对应的, 有学者通过对位移进行求导, 得到曲率类指标, 进行损伤定位, 但求导放大了测量误差。

由于结构表面的应变由构件的弯曲和轴向变形引起, 因此应变测试更能体现单元的力学行为。结构初期损伤, 是局部的应变超过材料极限应变, 导致局部材料发生破坏, 刚度降低。最为直接地反映了结构损伤的测试数据是结构局部应变。相对位移而言, 应变测量精度更高, 受噪声影响更小。

2 静态分析的假设

2.1 线性假设

施加的荷载与结构的响应 (位移应变及应力) 成正比, 可作线性假设, 如果假设未满足需要, 使用非线性分析。

1) 所计算的最高应力在由从原点开始的直线所代表的应力及应变曲线的线性范围内。

2) 计算的最大位移比零件的特性尺寸要小很多。例如, 盘的最大位移必须比其厚度要小很多, 横梁的最大位移必须比其剖面的最小尺寸小很多。

如果此假设未满足, 需要使用非线性分析。

2.2 弹性假设

如果载荷被移动, 零件将返回到其原有形状 (无永久变形) 。

如果此假设未满足, 需要使用非线性分析。

2.3 静态假设

载荷被缓慢且逐渐应用, 直到它们达到其完全量。突然添加的载荷会引起额外的位移、应变及应力。

如果此假设未满足, 需要使用动态分析。

3 数值模拟

3.1 模型建立

利用Solid Works[4]建立有限元模型。模型采用X轴正向1跨、Z轴负向3跨、Y轴正向2层计算模型, 采用壳单元建模, 壳厚10mm。利用软件的组装功能成模, 各单元间采用固结连接。框架结构简图如图1所示。主梁截面尺寸为200mm×450mm×9000mm, 连梁及柱的截面尺寸为200mm×450mm×4500mm, 其中b, h, l分别为截面宽、截面高和构件长。梁及柱均采用Solidworks材料表中的AISI1010热轧钢, 弹性模量E=2.0×1011Pa, 泊松比ν=0.29, 质量密度ρ=7 870kg/m3, 屈服强度f=180MPa。

主梁编号如下:X轴正向底层主梁 (自Z轴正向起) :Beam1-1-1, Beam1-1-2, Beam1-1-3;X轴正向2层主梁 (自Z轴正向起) :Beam1-2-1, Beam1-2-2, Beam1-2-3;X轴负向底层主梁 (自Z轴正向起) :Beam2-1-1, Beam2-1-2, Beam2-1-3;X轴负向2层主梁 (自Z轴正向起) :Beam2-2-1, Beam2-2-2, Beam2-2-3。

柱编号如下:X轴正向底层柱 (自Z轴正向起) :Column1-1-1, Column1-1-2, Column1-1-3, Column1-1-4;X轴正向2层柱 (自Z轴正向起) :Column1-2-1, Column1-2-2, Column1-2-3, Column1-2-4;X轴负向底层柱 (自Z轴正向起) :Column2-1-1, Column2-1-2, Column2-1-3、Column2-1-4;X轴负向2层柱 (自Z轴正向起) :Column2-2-1, Column2-2-2, Column2-2-3, Column2-2-4。

3.2 定义约束及荷载

柱脚全部采用固定约束, 静力试验荷载采用3.0×104Pa的均布面荷载, 满布主梁的上表面。约束及荷载定义如图2所示。

3.3 损伤实现

利用Solid Works对柱的壳面进行裁剪, 构件的损伤通过在构件近跨中腹板截面裁剪一定范围的破口, 实现了对损伤的模拟。采用COSMOSWorks对框架结构损伤进行有限元分析。柱杆件损伤示意图如图3所示。

依据损伤尺寸的大小, 可分为表1所列的4种损伤状态。

3.4 网格划分

在上述步骤均完成后, 可采用COSMOSWorks的自动网格划分功能, 进行有限元运算。

4 静载试验下的应变结果分析

依据结构及荷载的对称性, 分析构件Beam1-1-1, Beam1-1-2, Beam 1-2-1, Beam1-2-2, Column1-1-1, Column1-1-2, Column1-2-1, Column1-2-2因损伤位置的变化和损伤程度的不同对应变的影响, 即可对整体结构的应变测试数据变化做出分析。

本文因篇幅所限, 仅列出典型柱Column1-2-2算例 (算例一) 的应变图。其中应变图相近的曲线 (在个别点应变值有较小变化) 归并, 统一列为其他构件一项。

在柱上翼缘沿Y轴正向选取6个统计点, 统计点编号1~6距柱脚距离依次为:0, 0.2L, 0.4L, 0.6L, 0.8L, 1.0L (L为柱长) 。

图4~图14反映了典型柱在同一损伤状态下, 改变损伤位置所得到的应变图。据此也能横向比较同一损伤位置随着损伤程度的加大, 应变的变化规律。

图4~图14应变图中横轴为参数距离, 即统计点距柱脚距离/柱长。纵轴为Solid Works有限元软件输出的统计点对等应变ESTRN。

柱构件以Z轴正向即上翼缘截面中线应变值作为柱构件应变代表值。

4.1 Column1-2-2构件应变图

4.1.1 未损伤状态 (见图4)

4.1.2 损伤状态一 (见图5、图6)

4.1.3 损伤状态二 (见图7、图8、图9)

4.1.4 损伤状态三 (见图10~图14)

4.2 应变结果分析

4.2.1 损伤程度变化引起的构件应变变化规律

随着损伤程度的增加, 引起构件Column1-2-2应变值有较大变化的损伤位置数量在增加:处于损伤状态一, 只有当构件Column1-2-2发生损伤时, 构件Column1-2-2应变值才发生较大变化, 其他构件发生损伤时, 构件Column1-2-2应变值与未损伤状态没有较大差异。处于损伤状态二时, 令构件Column1-2-2应变值发生较大变化的损伤位置增加到了2个。处于损伤状态三时, 这个数目则增加到了4个。说明随着损伤程度的增加, 对单根杆件应变产生影响的影响因子在增加。

4.2.2 损伤位置变化引起的构件应变变化规律

本文4.1节所述能引起Column1-2-2较大应变变化的损伤位置如表2所示。

由表2得知, 引起构件Column1-2-2应变值产生较大变化的损伤位置主要集中在:构件本身及与其连接的构件、边柱和边梁。

这种现象说明:边柱及边梁当发生损伤时, 更易对框架结构的整体性能产生影响, 可能对距离边梁及边柱较远的构件应变产生影响;而非边梁边柱构件发生损伤时, 仅对损伤位置附近的构件应变产生较大影响, 而对距离较远的构件应变影响不大。

5 结论

综合损伤程度及损伤位置的变化规律, 可以得到如下结论:

在框架结构中, 当所研究构件自身发生损伤时, 随着损伤面积的变大、损伤程度的增加, 构件上应变呈现有较大变化的区域在增加, 突变区域内测试点应变变化值越大, 而损伤区域外的测试点应变变化不大;边梁、边柱及与所研究构件相连的构件损伤时, 低损伤状态不能引起应变变化, 高损伤状态可引起变化, 但高损伤状态间应变差值不大;其他构件在3种状态下 (见表2) 均不能引起明显变化。

在框架结构中, 若某观测点应变值发生较大变化, 则损伤位置较有可能发生在观测点附近或结构的边梁边柱位置;若某观测构件上一段范围内 (即出现较多的连续的观测点) 应变值发生较大变化, 则极有可能是所观测构件发生了损伤。

上述静载数值模拟实验的结果表明:基于结构静态响应的识别效果相当理想的, 如果能尽可能多选择应变测试点, 只要测点布置合理、加载工况足够, , 是可以探测出结构上发生较大应变变化的测量点的。依据本实验所得出的规律, 是可以对损伤发生位置做出预期判断的。

参考文献

[1]P.Hajela & F.J.Soeiro.Structural damage detection based on static and modal analysis[J].AIAA Journal, 1990, 28 (6) :1110-1115.

[2]P.Hajela & F.J.Soeiro.Recent developments in damage detection based on system identification methods.Struct[J].Opitimization, 1990 (2) :1-10.

[3]崔飞, 袁万城, 史家钧.基于静态应变及位移测量的结构损伤识别法[J].同济大学学报, 2000, 28 (1) :5-8.

基于子模型的车身结构分析与优化 篇9

1 子模型方法简介

用于车身结构的子模型分析流程如图1所示。在全局模型中进行数值计算,根据计算结果,得到关键区域边界节点位移边界,进而获得在全局模型中该局部区域的边界节点载荷。

再通过Matlab软件编程,将在全局模型中计算得到的边界节点载荷,采用形函数插值,获得新边界条件。输入新边界条件,计算子模型结果。在细化子模型网格后,重复采用上述方法计算结果。逐步细化子模型网格,得到稳定的有限元计算值,该计算值认为是结构分析精确数值解。

2 车身结构强度分析

车身结构强度分析中,首先测试或计算出典型行驶工况比,如转弯、制动、过坑等工况中底盘安装硬点处的力和力矩,然后将其加载至白车身有限元模型,采用惯性释放的方法计算出白车身的应力值。各个典型工况依据在整车道路耐久性试验中出现的频率情况分为峰值工况和极限工况,出现频率较高的工况为峰值工况,而在耐久性试验中出现次数较少为极限工况,2者对应的判断标准分别为材料屈服极限和材料抗拉极限。典型整车强度工况及应力判断标准见表1。

本文中根据各工况加速度值和整车动力学计算获得整车底盘与车身连接点处载荷,然后,将底盘安装点处载荷施加在白车身有限元模型上,获得白车身各工况下应力值。结合表1中的判断标准,为路试中车身部件开裂问题提供分析依据,并指导优化。

3 计算案例

在某型号微车耐久性试验中,左右大梁上的盖板B靠近座椅框的端部与大梁焊接的焊点处开裂,如图2所示黄色圆圈区域。焊点距离盖边缘较近,容易形成应力集中现象。在整车模型中,通常计算的10mm网格不能较精确的模拟计算,导致数值计算精度较低。

本文使用基于位移边界的子模型方法,来获得该局部区域该载荷条件下的精确解,显著地提高计算效率,减少计算时间,快速从多个优化方案中选取合理方案。

3.1 整车有限元模型仿真验证

在软件Hypermesh中实现试验车整车模型建模,有限元计算软件为MSC.Nastran。其网格尺寸为10 mm,总共有节点683 126个,单元650 252个,模型总质量为1.62 t (整车实际满载质量1.76 t)。白车身主要性能指标的试验值及仿真值对比见表2,各仿真指标误差控制在4%以内,满足计算精度要求。整车模型的计算值的精确性表明建模的合理性与精确性。

3.2 整车模型与子模型计算对比

进行开裂分析时,若对于提出的每一个优化方案都在整车模型里面计算,将十分浪费时间。通过选取子模型,获取在整车模型中的边界条件,计算时效率极大提高。下文中也将验证这一点。对于众多的整车零部件,有很多结构需要优化,很多原本需要在整车模型中优化的部件,通过子模型处理可以大大缩短优化时间,这样对于缩减整车优化时间有重要作用。另外,网格细化后的子模型,特别是对于几何尺寸很小的部位,可以得到比在整车模型中获得的仿真值更为精确,而计算效率依然很高。

在局部子模型中,选择离开裂位置较远的节点作为边界节点,本例中所选取边界位置应力值小且梯度变化小,由于左右基本对称,只选取了左大梁区域作为子模型边界,如图3所示。

经过计算整车模型,结果表明:在转弯工况中,当网格大小为10 mm时,开裂位置单元应力值为105 MPa。当网格大小为5 mm时,开裂位置单元应力为114 MPa。该处零件材料为BLD,理论屈服极限值大于120 MPa,抗拉极限>260 MPa。根据表1中转弯工况定义,该处应力值接近材料屈服极限,有一定开裂风险,而实际路试过程中发生了开裂现象。基于位移边界子模型(网格细化为5 mm)开裂位置的应力为115MPa。子模型在网格细化为5 mm时,其结果与整车模型(网格大小为5 mm)基本一致,结果如图4所示。当网格大小一致时,虽然整车模型和子模型的计算精确度基本一致,但是计算效率上却有极大差别,整车模型与子模型的网格尺寸与计算时间关系见表3。

在有限元计算中,一般来说模型网格越细,计算值越为精确。特别是对于应力较为集中、几何尺寸较小的区域,细化网格尤为重要。所选取的子模型计算值保证了计算精度,同时计算时间相对于整车模型大幅度提高,即使细化网格,计算时间相较于整车模型依然显著减少。整车模型网格大小为10 mm时,计算时间约为1h,尚可接受;当网格大小为5 mm时,计算时间增加到原来的7倍;当整车模型采用2 mm网格时,整车模型节点预计约16 902 358,根据文献[6]可知,无法在单台服务器上计算,只能采用分布式计算器求解。而子模型随着网格的逐步细分,模型计算的时间仍然很短,例如当网格都为5 mm时,整车模型约要28 293 s,而本文中所选取的子模型只需要225 s就完成计算。因此,基于计算精度及计算资源消耗均衡考虑,子模型方法是车身结构分析精度提高方法的合适选择。

3.3 基于子模型方法的优化方案对比

汽车轻量化是汽车发展与研发的必然趋势,在能源紧张与环境保护的浪潮下,汽车研发必须寻找轻量化的路径,来降低油耗与生产成本。在汽车结构的优化过程中,满足要求的前提下,尽可能降低部件的质量。本文分析案例中为了解决开裂问题,提出了4种相应的优化方案。

方案一:在座椅框和大梁之间增加一块三角板,如图5(a)所示;方案二:在座椅框和大梁间增加一块“L”型加强板,如图5 (b)所示;方案三:在座椅框和盖板B之间增加一块“L”型加强板,如图5(c)所示;方案四:将盖板B厚度增加0.5 mm。

方案一、二、三的优化方式均采用子模型方法处理计算,网格大小均为5 mm,计算结果应力云图如图6所示。

图6 中(a)、(b)、(c)、(d)图展示了方案一、方案二、方案三、方案四基于子模型方法的优化结果与质量的增加关系,与原方案对比见表4。

通过比较可知,从轻量化的角度和优化后应力值的降低效果方面出发,方案三的优化效果更为明显,在质量增加较小的情况下,开裂处应力值下降显著,即在盖板B和座椅框之间增加加强板,显著降低焊点开裂位置的应力。实际中,优化方案也采用了方案三,在后续的耐久性路试试验中,未发现此区域有开裂现象,这也验证了仿真分析的合理性与正确性。

4 结论

车身结构分析中,众多应力集中处,比如本文中所选取的例子:盖板B与座椅框的搭接处,往往是其发生破坏的潜在区域,因而有必要更为精确地获得局部区域应力值。如果计算分析每一个优化方案都要在整车模型中计算,将是十分耗时的。另外,一些细小特征或者几何复杂的部件需要更为精细地划分网格,网格的细化,无疑更降低计算效率。本文基于整车框架结构考虑,采用基于子模型技术车身结构计算方法,其计算结果表明:采用基于位移边界子模型的车身结构计算方法,显著提高计算精度和求解效率,保证获得关键受力区域的较为精确的解,具有较好的工程指导意义。

参考文献

[1]LIU Yongming.Fatigue Crack Initiation Life Prediction of Railroad Wheels[J].International Journal of Fatigue,2006(28):747-756.

[2]WANG Hao.Accurate Stress Analysis on Rigid Central Buckle of Long-span Suspension Bridges based on Submodel Method[J].Science in China Series E:Technological Science.2009.

[3]李爱群,王浩.子模型法在超大跨悬索桥钢箱梁应力分析中的应用[J].工程力学,2007.

[4]Johar Ciptokusumo.Investigation of stress distribution in via bottom of Cu-via structures with different[J].Microelectronics Reliability. 2009(49):1090-1095.

[5]张鹏飞,张启伟.千米级斜拉桥扁平钢箱梁的局部力学行为[J].天津大学学报,2010.

结构分析模型 篇10

自1999年进入老龄化社会以来,我国老龄化步伐就不断加快,养老形势日益严峻。据第六次全国人口普查显示:我国60岁及以上老年人口已达1.78亿,占总人口的13.26%;65岁及以上老年人占到总人口的8.87%,比2000年人口普查上升了1.91个百分点;城乡失能和半失能老年人约3300万,占老年人口总数的19%。据测算:到2015年,我国老年人口将达到2.21亿,约占总人口的16%;老年人护理服务和生活照料的潜在市场规模将超过4500亿元,养老服务就业岗位潜在需求将超过500万个;到2020年,我国老年人口将达到2.43亿,约占总人口的18%;预计到2050年,我国60岁以上人口将高达4.8亿,届时每三个人中将有一个老年人。因此,伴随着老龄化的加剧、养老难度的加大、养老需求和压力的增加,“科技养老”这一新型的养老理念日益得到重视并逐步得以付诸实施。所谓的“科技养老”,就是将先进的科学技术应用于养老服务的各个方面和流程细节,以实现养老辅具与设备的现代化、养老从业人员与服务的专业化、养老管理与制度的科学化,不断降低养老成本、革新养老观念,从而提高人们养老的安全感、舒适度和满意度。

1 科技养老影响因素关系的确定

目前学术界对养老服务的研究主要集中在两个方面:一是有关我国社会养老服务体系建设过程中居家养老、社区养老、机构养老等多元养老模式建设方面的相关研究[1,2,3];二是对人们选择养老服务影响因素方面的相关研究[4,5]。通过文献梳理和实践调研,我们可以看出,当前我国的养老服务仍存在一些问题,如:养老机构规模偏小且数量少,养老辅具、配套设备等科技含量低,护理人员综合素质整体偏低、工作压力大等导致当前养老服务水平较低;同时,人们的养老观念落后,养老资金投入不平衡,养老政策支持不到位等问题与我国科技养老战略的实施还很不相适应[6,7]。

综合当前的理论研究成果和我国实际养老状况,我们归纳出科技养老(S0)的影响因素主要来自于养老服务的供给方和需求方两个方面。其中,来自于养老服务供给方的影响因素主要包括:养老机构(S1)、养老设备(S2)、护理人员(S3)、养老服务水平(S4)、养老政策(S5)和养老成本(S6);来自于养老服务需求方的影响因素主要包括:老年人口状况(S7)、养老资金投入(S8)、养老观念(S9)、养老舒适度(S10)、养老安全性(S11)。

这些影响因素相互交叉,相互关联,形成了比较复杂的递阶因素链。为了建立解释结构模型,分析这些因素对科技养老的影响,首先要弄清这些影响因素两两之间的逻辑关系。图1表示出了主要影响因素间的逻辑关系,图中“V”代表行因素对列因素有直接或间接影响,“A”代表列因素对行因素有直接或间接影响,“X”代表行列因素相互影响(在本模型中不存在这种影响);空白表示行因素与列因素之间无相互影响。

2 影响因素的解释结构模型分析

解释结构模型(I S M)是美国J.Warfield教授在1973年开发的用于分析复杂社会经济系统问题的一种系统分析方法,该方法的主要依据是有向图模型和布尔矩阵。此分析方法主要是通过把复杂的系统分解成若干子系统,然后依靠实践经验和知识,最终将系统构造成一个多级阶梯的结构模型。由于解释结构模型属于概念模型,可以把模糊不清的看法、思想转化为直观的具有良好结构关系的模型,因此其应用比较广泛[8,9,10]。

为了对科技养老影响因素进行系统分析,要建立相应的解释结构模型。根据图1所示科技养老主要影响因素间的逻辑关系,所得到的可达矩阵(Reach Matrix),如矩阵R所示。其中:R的行列元素相同,排列顺序均为S0、S1、S2、S3、S4、S5、S6、S7、S8、S9、S10、S11,矩阵中为“1”的元素表示该行因素对该列因素有影响,为“0”的元素则表示该行因素对该列因素无影响。

根据解释结构模型方法对可达矩阵R进行处理,按R中每行元素“1”的个数多少,从少至多顺序进行排列,形成具有右上角元素全为“0”的减缩矩阵,如矩阵R*所示。其中:R*的行列因素相同,排列顺序均为S0、S4、S6、S9、S10、S11、S1、S2、S3、S5、S8、S7,在R*中0*、1*所形成的单位矩阵行因素构成了一个递阶结构层次。

从减缩矩阵R*中可以看出,科技养老(S0)的影响因素可分为四层:第一层是S4、S6、S9、S10、S11;第二层是S1、S2、S3;第三层是S5、S8;第四层是S7。这四层因素集中反映了各影响因素间的逻辑关系。同时,通过减缩矩阵R*反映的因素链可绘制出相应的解释结构模型图,如图2所示。

从图2所示的解释结构模型可以看出:在科技养老(S0)的影响因素链中最直接、即表层直接影响因素是养老服务水平(S4)、养老成本(S6)、养老观念(S9)、养老舒适度(S10)和养老安全性(S11);中层间接影响因素是养老机构(S1)、养老设备(S2)、护理人员(S3);深层影响因素是养老政策(S5)和养老资金投入(S8);而影响科技养老的根源、即根本影响因素是老年人口状况(S7)。

3 结语

通过分析可以看出:科技养老的实施绝不能只关注表面现象,而要从其影响的根源入手,着力于深层次矛盾的解决,才能因地制宜地推进科技养老步伐,有效应对我国老龄化不断加快的严峻形势。

首先,由于老年人口状况(S7)对科技养老(S0)具有最基础、最长远的影响,是科技养老的根源。因此,要把对我国老年人口的数量规模、群体结构、多元化养老需求等老年人口状况研究作为一项最基本的长期性工作抓紧抓好,只有牢牢把握这一根本,我们才能因地制宜地推进科技养老战略的实施。

其次,养老政策(S5)和养老资金投入(S8)作为科技养老的深层次影响因素,对养老机构(S1)、养老设备(S2)和护理人员(S3)具有直接影响,是科技养老成败的关键。只有在把握我国老年人口状况(S7)的基础上,制定并实施科学的养老政策,提供充足的资金支持,科技养老的实施才能具有可靠保证。

再次,养老机构(S1)、养老设备(S2)和护理人员(S3)作为科技养老的中层影响因素,直接关系到养老服务水平(S4)、养老成本(S6)、养老舒适度(S10)及养老安全性(S11)的高低。因此,要建立与我国养老需求相匹配的养老机构,并不断提高养老机构的科学管理水平、养老设备的科技含量、护理人员的素质,使科技养老具备坚实的物质保障。

最后,由于养老服务水平(S4)、养老成本(S6)、养老观念(S9)、养老舒适度(S10)和养老安全性(S11)对科技养老产生直接影响,因此,科技养老要建立在尊重人们养老观念的基础上,力求最大限度地提高养老服务水平、降低养老成本、增加养老舒适度和安全感,使科技养老人人满意,人人享有。

参考文献

[1]刘金华.中国养老模式选择研究[M].成都:西南财经大学出版社,2011

[2]郭竞成.农村居家养老服务的需求强度与需求弹性——基于浙江农村老年人问卷调查的研究[J].社会保障研究,2012,(1):47-57

[3]李兵水,时媛媛,郭牧琦.我国居家养老服务供给主体分析——从老年人对居家养老服务供给主体的期望的视角[J].广西经济管理干部学院学报,2012,24(2):14-24

[4]吴锦.我国老年人心理健康状况分析及解决途径[J].现代商贸工业,2010(3):221-222

[5]陈功.社会变迁中的养老和孝观念研究[M].北京:中国社会出版社,2009

[6]孔海娥,李雯.武汉市养老机构现状、问题及对策研究——基于武汉市7家养老机构的调查[J].长江大学学报(社会科学版),2012,35(2):41-43

[7]穆光宗.我国机构养老发展的困境与对策[J].华中师范大学学报(人文社会科学版),2012,51(2):31-38

[8]张宾,龚俊华,贺昌政.基于客观系统分析的解释结构模型[J].系统工程与电子技术,2005,27(3):453-455

[9]朱琳,吕本富.解释结构模型的简便方法[J].系统工程与电子技术,2004,26(12):1815-1891

结构分析模型 篇11

一、引言

改革开放以来，广东省经济发展取得了举世瞩目的成绩。2012年，全省实现地区生产总值（GDP）57067.92亿元，比上年增长8.2%，成为我国第一经济大省。其中，第一产业增加值2848.91亿元，第二产业增加值27825.30亿元，第三产业增加值26393.71亿元，三次产业比例为5.0：48.8：46.2。但是，目前广东省产业结构仍然存在较多的问题。首先，按照 “钱纳里标准”来看，广东省已经处于工业化后期，但是按产值结构比例来看，该省还处于工业化中期，这与其经济发展格局和在国内的经济排名及示范效应不太吻合。其次，产业层次总体不高，传统产业所占比重较大，创新能力略显不足，第三，产业结构的空间布局不尽合理，珠三角区域产业结构呈现出工业化成熟期的典型特点，而其他区域仍处于工业化初期阶段，各地区发展水平存在较大差距。

产业结构是指生产要素在各产业部门之间的比例构成以及彼此之间相互依存、相互制约的关系。区域具备合理的产业结构有利于充分发挥资源优势，协调行业部门间的关系。偏离—份额分析法（Shift-Share Method，简称SSM）是研究产业结构的一种重要的定量分析方法，目前在研究区域和城市产业结构中得到广泛应用。本文将以全国经济指标为参照体系，以广东省2003—2012年间GDP和三次产业增加值为数据来源，运用偏离—份额分析法研究该省产业结构演进、竞争力及空间差异等，为目前我国第一经济大省继续加快转变经济发展方式、实现科学发展提供参考。

二、研究方法和数据来源

（一）偏离—份额分析法

SSM分析方法是将某区域经济发展变化看作是一个动态过程，以上一级区域的经济发展指标作为参照系，将该区域在某一时期经济增长量分解为三个分量：区域份额偏离分量、产业结构偏离分量和区域竞争力偏离分量，以此来说明该区域经济发展和产业结构的状态，评价产业结构优劣和竞争力的强弱。在时间[0，t]内，研究区域初始期经济规模和末期经济规模为b0 和bt；更高一级区域初始期经济规模和末期经济规模为B0和Bt。同时，把该区域经济划分成j（j=1，2，3…，n）个产业部门，分别用bj，0、bj，t和Bj，0、Bj，t表示该区域和更高一级区域第j个产业部门的初始期与末期规模。

则该区域第j个产业部门在[0，t]时间内的变化率和更高一级区域第j个产业部门在[0，t]时间内的变化率为：

■ （j=1，2，3， …，n）

■ （j=1，2，3， …，n） （1）

将各产业部门规模标准化，得：

■（j=1，2，3， …，n） （2）

各偏离分量为：Nj= bj'×Rj为区域份额偏离分量，指区域标准化的产业部门如果按高一级区域的平均增长率发展应产生的变化量；Pj= （bj，0-bj'）×Rj 为产业结构偏离分量，指区域第j产业部门比重与高一级区域相应产业部门比重的差异引起的增长相对于高一级区域标准产生的偏差；Dj=bj，0×（rj-Rj）为区域竞争力偏离分量，是指区域第j产业部门增长速度与高一级区域相应部门增长速度的差异引起的偏差；Gj=Nj+Pj+Dj 为该区域在计算期内国民生产总值的增长总量；PDj=Pj+Dj为区域总偏离分量。计算结果分解如下：若用Kj，0 =bj，0/Bj，0，Kj，t = bj，t/Bj，t分别表示区域第j产业部门在初期与末期占同期高一级区域相应产业部门的比重，则相对增长率为： L=W×U。其中，W表示结构效果指数，U表示区域竞争效果指数。

■（3）

■ （4）

（二）数据来源

本文生产总值和各产业增加值数据来源于《中国统计年鉴（2004）》、《中华人民共和国2012年国民经济和社会发展统计公报》、《广东省统计年鉴（2004）》、《2012年广东国民经济和社会发展统计公报》及2012年广东省各地级市国民经济和社会发展统计公报。根据区位及经济发展程度的不同，把广东省分为珠三角、东翼、西翼和粤北山区四个区域。珠三角含广州、深圳、珠海、佛山、江门、东莞、中山、惠州和肇庆；东翼含汕头、汕尾、潮州和揭阳；西翼含湛江、茂名和阳江；粤北山区指韶关、河源、梅州、清远和云浮。

三、广东省产业结构的偏离—份额分析

（一）广东省产业结构的总体指标分析

2003—2012年广东省与全国GDP数值及构成带入上述公式，得到2003—2012年广东省产业结构的偏离—份额分析表，见表1。

1、从2003年到2012年，广东省第一产业和第三产业产值增长速度低于全国水平，第二产业产值增长速度和全国水平基本持平。2003年全国三次产业比例为15∶52∶33，广东省三次产业比例为8∶54∶38；2012年全国三次产业比例为10∶45∶45，广东省三次产业比例为5∶49∶46。广东省第三产业增长速度低于全国水平的原因在于该省第三产业发展较早，其所占比例在2003年就达到了38%，而当时全国第三产业比例仅为33%。十年来，全国第三产业的总体发展速度较快，基本上呈现大幅量变的过程，而广东省第三产业已经进入到了结构升级和质量提升的阶段。从整体上看，目前广东省第二、三产业比例均高于全国水平，第一产业所占比重较小，产业结构比较高级化。

2、从区域份额偏离分量来看，三次产业的份额偏离分量均为正，说明都是全国性的增长部门，对经济增长的总贡献为19764.84亿元。三次产业的份额偏离分量分别为329.08亿元、10846.39亿元和8589.37亿元，排列顺序为第二产业﹥第三产业﹥第一产业，说明第二产业的增长份额最大，增长优势最明显。

3、从产业结构偏离分量来看，三次产业结构偏离分量对经济增长的贡献为29147.38亿元，三次产业的结构偏离分量均为正值，分别为1928.39亿元、9908.87亿元和17310.13亿元，大小顺序为第三产业﹥第二产业﹥第一产业，说明广东省产业结构素质较好，有一定优势，能够有效促进经济增长。其中第三产业的偏离分量最大，结构优势明显，对经济增长贡献率最大。

4、从区域竞争力偏离分量来看，广东省的竞争偏离分量对经济增长的贡献为-5470.17亿元，说明广东省的产业竞争力较低。三次产业的竞争力分量皆为负值，分别是-502.07亿元、-237.04亿元和-4731.06亿元，大小顺序：第二产业﹥第一产业﹥第三产业，说明它们在全国缺乏竞争力。

5、广东省三次产业的总偏离分量值是23677.21亿元，其中由产业结构优势带来的增长为29147.38亿元，由区域竞争力带来的为-5470.17亿元。说明广东省对全国经济增长所作的贡献大部分由结构优势带来，竞争力有待进一步增强。

将表1简化并计算结构效果指数W和区域竞争效果指标U后，得到各指数和分量计算结果，见表2：

由表2看出：首先，总经济增长量数值较大，但L<1，说明广东省经济增长速度略低于全国经济增长速度；其次，总结构偏离分量数值较大，三次产业的结构偏离分量均为正值，且W>1，说明广东省朝阳产业、增长快的产业部门所占比重较大，总体经济结构合理，产业结构对经济增长的贡献大；再次，总竞争力偏离分量为负值，且U<1，说明广东省总体经济增长势头趋于降低，竞争能力减弱，经济地位将可能会出现下降趋势。

（二）广东省产业结构的Shift-share分析图

以广东省各产业部门的竞争偏离分量Dj为横坐标，结构偏离分量Pj为纵坐标建立坐标系，绘制部门偏离分量图，见图1，第一、二、三产业皆位于IV扇区。以区域部门优势PDj为横轴，以份额偏离分量Nj为纵轴建立坐标系，绘制部门优势分析图，见图2，第一、二、三产业分别位于I、II、I扇区。

从图1和图2可以看出：第一产业结构偏离分量较大，竞争力偏离分量为负，且其绝对值小于结构偏离分量，说明该产业基础较好，但缺乏竞争力。图中其位置离坐标原点较近，说明第一产业对经济增长的贡献力最小。第二产业基础好，结构偏离分量为正值，竞争力偏离分量为负值，说明其经济增长是由结构优势带来的。其份额偏离分量和总偏离分量都为正值，说明经济发展前景更好。图1中其位置离坐标原点相对较远，说明第二产业对经济增长贡献率大于第一产业。图2中其离坐标原点较远，份额偏离分量最大。第三产业基础较好，其结构偏离分量为正值，但较弱的竞争力造成了负贡献。总偏离分量和份额偏离分量都为正值，说明发展前景和增长优势都较好，总增长优势更为突出。

四、广东省四大区域对经济增长影响的空间差异分析

为进一步反映和分析四大区域产业结构对广东省经济影响的空间差异，计算各区域产业结构的偏离—份额指标，见表3。

为进一步反应四大区域产业结构对经济影响的差异，计算广东省四大区域三次产业明细偏离—份额分析表，见表4。

就各区域内部的产业结构来看：1、珠三角地区三次产业的结构效益均处于优势地位，合计使区域经济总量上升19316.23亿元。第一产业处于竞争劣势，第二、三产业均处于竞争优势。就其内部来说，第三产业最具有结构效益和竞争优势。2、东翼地区三次产业的结构偏离分量均为正值，合计使区域经济总量上升2280.52亿元。东翼地区三次产业的竞争力偏离分量均为负值，不具有竞争力优势。3、西翼地区三次产业的结构效益均处于优势地位，合计使区域经济总量上升2164.33亿元，略低于东翼地区。西翼地区的第一产业处于竞争优势，第二、三产业处于竞争劣势。4、粤北山区三次产业的结构偏离分量均为正值，合计使区域经济总量上升1571.66亿元，是四大区域中最低的。

就各产业的区域比较来看：1、第一产业：珠三角的结构偏离分量最大，其次是西翼地区，略高于东翼和粤北；但是西翼地区的竞争力偏离分量最大，粤北次之，珠三角和东翼地区的竞争力分量则为负值。说明珠三角地区的第一产业和其他地区相比，对经济增长的贡献最大，但是并不具备竞争优势，应把资源从第一产业适当转移至第二、三产业。西翼和粤北地区应大力发展第一产业。2、第二产业：就结构偏离分量来看，珠三角>东翼>西翼>粤北；就竞争力偏离分量来看，珠三角和粤北为正值，东翼和西翼为负值。这与珠三角地区有较好的工业基础，粤北地区近几年有较好的产业支持政策有关。3、第三产业：珠三角地区的结构偏离分量远大于其他三地，就竞争力分量来说，也只有珠三角地区的数值为正，说明广东省第三产业经济增长绝大部分是由珠三角地区贡献的。

五、结论和政策建议

广东省第一产业对经济增长的贡献作用不大，虽然第一产业基础较好，但是所占比例较小，且增长速度慢，竞争力差，和全国其他地区相比缺乏优势，以区域外输入为主。第二产业的基础好，且增长速度与全国平均水平基本持平，在三次产业中增长份额最高，相对竞争力较强。第三产业的总偏离分量最大，结构优势也最明显，对经济增长贡献率最大，但是竞争力不尽如人意。就广东省内的四大区域来说，产业结构和经济发展呈现出明显的空间差异。珠三角地区的城市数量多、经济规模大，和其他三地相比具有明显的结构效益和竞争优势。应继续巩固已有的成果，第一产业尽量向西翼和粤北地区转移。东翼地区的第二产业具有相对比较优势，西翼地区则以第一产业为主，粤北地区除已有的农业基础之外，也展示出第二产业的发展潜力。基于此提出下列建议：

（一）以技术为支撑转变工业增长方式

工业仍然是广东省的支柱产业，是经济增长方式转变的突破口。应优先发展高新技术产业，强化技术的支撑作用，加快推进技术进步，用先进技术改造提升传统产业，尽快淘汰落后生产能力，以增量带动产业质量和产品结构的升级，鼓励制造业向高附加值和高盈利率的上下游延伸，向产业的高端化发展。目前，广东省最主要的是加强自主创新能力，通过“广东制造”向“广东智造”的转变，促进产业竞争力的进一步提升。

（二）深化第三产业体制和机制改革

作为广东省未来产业发展的重点，第三产业应把其内部结构优化和体制改革作为着力点。改造和升级传统服务业，提高服务意识、生产效率和服务水平，推动传统服务业向现代服务业延伸。深化产业内部体制革新，鼓励各类民间资本全面进入第三产业领域，营造加快民营经济发展的良好环境，完善组织体系、市场体系、监督体系和调控体系，以第三产业的高质量稳步发展推动广东省经济快速增长和素质提升。

（三）促进产业升级与增进就业的协调发展

广东省不仅是第一经济大省，同时也是人口第一大省，因此经济发展必须把产业结构调整和完善就业结构、增加就业岗位紧密结合起来。广东省已进入城市化加速发展和经济转型的关键时期，降低第一产业就业人口的比重，推动农村剩余劳动力的转移，积极拓宽第三产业的就业空间，增大第三产业的就业容量，使第三产业在拉动经济增长和扩大就业两个方面都发挥应有的作用。

（四）推进产业布局的区域协调和区域分工

对于广东省区域经济发展不平衡的空间现状来说，一方面应推动珠三角经济发达地区的产业结构升级， 以珠三角区域的发展带动东西北三地发展；另一方面形成产业布局的区域协调，加大对东西北三地产业转移和升级的支持。只有珠三角地区迅猛发展，才能增强广东省整体经济实力，参与更大范围区域与国际竞争，进而辐射和带动周边地区发展。通过珠三角地区产业的调整与升级，把劳动力密集型等产业转移到东西两翼和粤北山区，促进地区之间的良性互动。同时，着力推进东西北三地的基础设施建设，改善投资环境，给予三地更多的项目支持与资金扶持，争取实现跨越式发展。

参考文献：

[1]广东省统计局，国家统计局广东调查总队.2012年广东国民经济和社会发展统计公报（N）.南方日报，2013—2—27（A07—08）

[2]H.B.Chenery.Structural C-

hange and Development Policy. Oxford，U.K.：Oxford University Pr-

ess，1979

[3]高洪深. 区域经济学[M].北京：中国人民大学出版社，2010

[4]Dunn E S.Astatistical and analytical technique for regional analysis[J].Papers of Regional Science Association， 1960（6）： 97—112

〔本文系广东省教育科研十二五规划“基于土地整治卓越工程培养的土地资源管理特色建设研究”（课题批准号：2012JK003）阶段性成果〕

（白雪，1981年生，辽宁抚顺人，副教授，东北财经大学公共管理学院博士生，北京师范大学珠海分校不动产学院。研究方向：区域经济、城市经济。宣琳，1992年生，广东珠海人，北京师范大学珠海分校不动产学院。研究方向：区域经济）

（三）促进产业升级与增进就业的协调发展

广东省不仅是第一经济大省，同时也是人口第一大省，因此经济发展必须把产业结构调整和完善就业结构、增加就业岗位紧密结合起来。广东省已进入城市化加速发展和经济转型的关键时期，降低第一产业就业人口的比重，推动农村剩余劳动力的转移，积极拓宽第三产业的就业空间，增大第三产业的就业容量，使第三产业在拉动经济增长和扩大就业两个方面都发挥应有的作用。

（四）推进产业布局的区域协调和区域分工

对于广东省区域经济发展不平衡的空间现状来说，一方面应推动珠三角经济发达地区的产业结构升级， 以珠三角区域的发展带动东西北三地发展；另一方面形成产业布局的区域协调，加大对东西北三地产业转移和升级的支持。只有珠三角地区迅猛发展，才能增强广东省整体经济实力，参与更大范围区域与国际竞争，进而辐射和带动周边地区发展。通过珠三角地区产业的调整与升级，把劳动力密集型等产业转移到东西两翼和粤北山区，促进地区之间的良性互动。同时，着力推进东西北三地的基础设施建设，改善投资环境，给予三地更多的项目支持与资金扶持，争取实现跨越式发展。

参考文献：

[1]广东省统计局，国家统计局广东调查总队.2012年广东国民经济和社会发展统计公报（N）.南方日报，2013—2—27（A07—08）

[2]H.B.Chenery.Structural C-

hange and Development Policy. Oxford，U.K.：Oxford University Pr-

ess，1979

[3]高洪深. 区域经济学[M].北京：中国人民大学出版社，2010

[4]Dunn E S.Astatistical and analytical technique for regional analysis[J].Papers of Regional Science Association， 1960（6）： 97—112

〔本文系广东省教育科研十二五规划“基于土地整治卓越工程培养的土地资源管理特色建设研究”（课题批准号：2012JK003）阶段性成果〕

（白雪，1981年生，辽宁抚顺人，副教授，东北财经大学公共管理学院博士生，北京师范大学珠海分校不动产学院。研究方向：区域经济、城市经济。宣琳，1992年生，广东珠海人，北京师范大学珠海分校不动产学院。研究方向：区域经济）

（三）促进产业升级与增进就业的协调发展

广东省不仅是第一经济大省，同时也是人口第一大省，因此经济发展必须把产业结构调整和完善就业结构、增加就业岗位紧密结合起来。广东省已进入城市化加速发展和经济转型的关键时期，降低第一产业就业人口的比重，推动农村剩余劳动力的转移，积极拓宽第三产业的就业空间，增大第三产业的就业容量，使第三产业在拉动经济增长和扩大就业两个方面都发挥应有的作用。

（四）推进产业布局的区域协调和区域分工

对于广东省区域经济发展不平衡的空间现状来说，一方面应推动珠三角经济发达地区的产业结构升级， 以珠三角区域的发展带动东西北三地发展；另一方面形成产业布局的区域协调，加大对东西北三地产业转移和升级的支持。只有珠三角地区迅猛发展，才能增强广东省整体经济实力，参与更大范围区域与国际竞争，进而辐射和带动周边地区发展。通过珠三角地区产业的调整与升级，把劳动力密集型等产业转移到东西两翼和粤北山区，促进地区之间的良性互动。同时，着力推进东西北三地的基础设施建设，改善投资环境，给予三地更多的项目支持与资金扶持，争取实现跨越式发展。

参考文献：

[1]广东省统计局，国家统计局广东调查总队.2012年广东国民经济和社会发展统计公报（N）.南方日报，2013—2—27（A07—08）

[2]H.B.Chenery.Structural C-

hange and Development Policy. Oxford，U.K.：Oxford University Pr-

ess，1979

[3]高洪深. 区域经济学[M].北京：中国人民大学出版社，2010

[4]Dunn E S.Astatistical and analytical technique for regional analysis[J].Papers of Regional Science Association， 1960（6）： 97—112

〔本文系广东省教育科研十二五规划“基于土地整治卓越工程培养的土地资源管理特色建设研究”（课题批准号：2012JK003）阶段性成果〕

结构分析模型 篇12

日前电力市场是大多数电力市场中现货市场的典型形式, 日前市场电价模型及其预测一直是市场各类成员以及研究者关注的问题。其原因主要有2个:首先是需要进一步研究新的方法和技术来改进电价的预测精度[1];另一方面则是基于微观经济学实证分析传统, 利用实际数据通过构建合适的模型来分析电力市场中的各种关系[2,3,4,5]。本文的工作则是利用矢量自回归 (VAR) 模型对日前电力市场进行实证分析。

在人们建立的电价模型中以西班牙市场为基础的系列研究一直受到人们关注, 该研究先以传递函数模型和自回归滑动平均积分 (ARIMA) 模型为工具建立了日前市场电价模型[6,7], 然后引入小波分析将电价时间序列分解为多个序列再分别用自回归滑动平均 (ARMA) 模型建模[8]。利用在金融市场分析中获得成功的现代时间序列模型进行电价模型的构建也是目前研究热点之一, 其中以风险分析与风险管理为目标的随机模型[9,10,11], 包含自回归条件异方差 (ARCH) 性质的时间序列模型[12,13]以及多模型组合[14]等都是人们尝试的热点。

近年来, 在追求电价预测精度的努力中出现了一些按照时段进行构模的努力。其基本思路是将各个时段分别看成独立的时间序列, 然后根据经验采用其他的一些外生变量借用神经网络或者模糊集等工具努力获得精度更高的电价模型[15]。

本文采用时段电价模型, 强调各个时段之间存在不可忽略的联系。本文介绍了基于澳大利亚国家电力市场数据进行VAR建模的实证分析, 通过增广的迪基—福勒 (ADF) 检验和Box-Pierce Q统计量检验表明电价VAR模型的适用性, 并基于该模型进一步分析了各个时段变量对预测的影响以及相互之间的影响性质。

1 电价模型原理

1.1 电力市场规则与电价模型

日前市场将一日的时间按照规定的间隔分割成时段, 例如, 澳大利亚国家电力市场按照30 min划分, 每天给出48个时段电价。其中, 次日所有时段电价都由前一日某个确定时刻同时确定。澳大利亚国家电力市场是在12:00以前完成报价并同时确定次日48个时段的电价。

日前市场这种同时确定次日所有时段电价的规则与其他市场明显不同。例如, 金融市场的价格都是按照时间的演进, 渐次确定价格。正是因为这样的规则基础, 使得电价序列如果使用单变量来描述, 就会出现在一天中有几个相关性强的组, 而不是随着时间的延续相关性逐渐下降。一般而言, 时间序列模型都要求具有随着时间的推移, 相关性逐渐下降的性质[16]。

一次性确定次日所有时间段电价的规则意味着次日所有时段的电价都依照几乎相同的信息来确定。按照此规则, 次日某个时段的电价与前一日甚至更早几日的所有时段电价都有关系, 但并不直接与同一日的前一些时段的电价有关。这类情况的描述使用VAR模型具有明显的优势。

1.2 日前电价的VAR模型

设日前市场分成H个时段, 例如, 日前市场以30 min为一个时段, 则一天有48个时段, H=48。记d日的第h时段的电价为pd, h, 取自然对数可得到对应的对数电价yd, h:

$y{}_{d,h}=\ln p{}_{d,h}(1)$

将每一时段的电价作为分量构成日电价向量yd:

$\mathit{y}{}_d=[y{}_{d,1},y{}_{d,2},\cdots ,y{}_{d,{\rm H}}]{}^{\text{Τ}}(2)$

由此可构造电价的VAR模型为:

$\mathit{y}{}_d=\mathit{v}+\mathit{A}{}_1\mathit{y}{}_{d-1}+\mathit{A}{}_2\mathit{y}{}_{d-2}+\cdots +\mathit{A}{}_p\mathit{y}{}_{d-p}+\mathit{u}{}_d(3)$

式中:yd为式 (2) 定义的H×1维日电价向量;v为H×1维截距向量;Ai为H×H维系数矩阵, i=1, 2, …, p;ud为H×1维误差向量。

如果上述的电价时间序列具有单位根, 则需要采用矢量误差修正模型 (VECM) 。许多文献报道了使用单变量ARIMA模型, 说明单变量电价序列具有单位根。时段电价序列是否具有这类性质, 需要进行检验。

1.3 模型的检验

采用VAR模型还是VECM需要通过ADF检验, 而电价VAR模型是否合适则需要进行检验。本节将分别介绍相关的方法。

1.3.1 ADF检验

单位根检验的常用方法是ADF检验法, 本文将对时段电价时间序列进行ADF检验。假设产生时段电价的真实过程为:

$\begin{array}{l}y{}_{d,h}=\zeta {}_1\text{Δ}y{}_{d-1,h}+\zeta {}_2\text{Δ}y{}_{d-2,h}+\cdots +\zeta {}_{p-1}\text{Δ}y{}_{d-p,h}+\\ \alpha +y{}_{d-1,h}+u{}_{d,h}(4)\end{array}$

式中:Δyd, h=yd, h-yd-1, h, 表示时段电价的差分; ζi为系数, i=1, 2, …, p-1。

然后根据实际的数据估计如下模型的参数:

$\begin{array}{l}y{}_{d,h}=\zeta {}_1\text{Δ}y{}_{d-1,h}+\zeta {}_2\text{Δ}y{}_{d-2,h}+\cdots +\zeta {}_{p-1}\text{Δ}y{}_{d-p,h}+\\ \alpha +\rho y{}_{d-1,h}+\epsilon {}_{d,h}(5)\end{array}$

再按照ADF检验方法进行检验, 其零假设为:

${\rm H}{}_0:\rho =1(6)$

ADF检验过程中需要专门的分布, 详细讨论见文献[17]。本文的数据分析部分的结果表明, 所有时段电价序列都拒绝了零假设, 即时段电价序列不是一个I (1) 过程, 可以采用VAR模型。

1.3.2 VAR模型的辨识与诊断

对于平稳的VAR模型, 可以直接采用最小二乘法进行参数的辨识。由于最小二乘法计算简单, 而且各个时段的方程可以独立进行参数辨识, 其运算时间上的开销也非常小, 如果能够直接使用VAR模型进行电价模型的描述, 显然是一个简单且实用的方法。

但是, 这样的模型是否合适则需要进行检验。最常使用的检验方法为:残差的相对误差绝对平均值 (MAPE) 分析以及对残差进行Box-Pierce Q统计量检验。

MAPE是大多数模型检验中最直接的一个指标。本文按照如下公式计算每个方程的MAPE:

${\rm M}{}_{\text{A}\text{Ρ}\text{E},i}=\frac{1}{{\rm T}}{\displaystyle \sum _{j=1}^{{\rm T}}\left|\frac{y{}_{i,j}-\widehat{y}{}_{i,j}}{y{}_{i,j}}\right|}(7)$

式中:yi, j为48个电价时段变量中第i个分量的实际值, 下标j为残差样本的序号;$\widehat{y}{}_{i,j}$为48个电价时段变量中第i个分量的估计值;T为实际的残差个数;MAPE, i为48个时段电价变量方程中第i个分量的MAPE。

MAPE可以考察模型的拟合程度, 作为模型合适性的标准并不充分, 通常使用的模型诊断方法是Box-Pierce Q统计量检验。这个检验的零假设为残差是白噪声。具体的检验方法是, 首先按照下式计算Q统计量:

$\begin{array}{l}\widehat{r}{}_k=\frac{{\displaystyle \sum _t\widehat{\epsilon }}{}_t\widehat{\epsilon }{}_{t-k}}{{\displaystyle \sum _t\widehat{\epsilon }}{}_t^2}(8)\\ Q={\rm T}{\displaystyle \sum _{k=1}^{{\rm K}}\widehat{r}}{}_k^2(9)\end{array}$

式中:$\widehat{\epsilon }{}_t$为模型误差;$\widehat{r}{}_k$为样本的自相关函数;Q为检验统计量。

这个Q统计量服从自由度为K-p的χ2分布。假设置信度为95%, 当Q统计量大于对应的判别值时, 则判别模型不合适[17]。

在模型的构建中, 式 (3) 模型中的延迟阶次p对模型的精度也有影响, 在进行参数辨识过程中需要预先确定。本文工作是根据经验, 并通过试验计算得到。模型合适的关键指标是Box-Pierce Q统计量检验。

2 基于VAR模型的结构分析

在电价VAR模型的基础上可进行结构分析。本文进行了Granger-因果检验和脉冲响应分析。

2.1 Granger-因果检验

按照Granger-因果检验的定义, 如果没有该变量的模型预测结果与有该变量的模型预测结果相同, 则说明该变量是非Granger引起的 (Granger-noncausality) 。形式化的表示如下。

设时段h电价模型为:

yd, h=a${}_{h,1}^{(1)}$yd-1, 1+a${}_{h,2}^{(1)}$yd-1, 2+…+a${}_{h,48}^{(1)}$yh, 48+a${}_{h,1}^{(2)}$yd-2, 1+a${}_{h,2}^{(2)}$yd-2, 2+…+a${}_{h,48}^{(2)}$yd-2, 48+…+a${}_{h,1}^{(p)}$yd-p, 1+a${}_{h,2}^{(p)}$yd-p, 2+…+a${}_{h,48}^{(p)}$yd-p, 48+ud, h (10)

式中:a${}_{h,j}^{(i)}$为式 (3) 中矩阵Ai的第i行第j列元素。

这个模型包含了所有的时段变量, 如果去掉其中时段2的变量, 则有另一个模型:

yd, h=a${}_{h,1}^{(1)}$yd-1, 1+a${}_{h,3}^{(1)}$yd-1, 3+…+a${}_{h,48}^{(1)}$yh, 48+a${}_{h,1}^{(2)}$yd-2, 1+a${}_{h,3}^{(2)}$yd-2, 3+…+a${}_{h,48}^{(2)}$yd-2, 48+…+a${}_{h,1}^{(p)}$yd-p, 1+a${}_{h,3}^{(p)}$yd-p, 3+…+a${}_{h,48}^{(p)}$yd-p, 48+ud, h (11)

如果这2个模型的预测结果相同, 则说明时段2的变量是非Granger引起yd, h的。这个分析对于构造预测模型显然具有意义。如果所有的时段电价变量都是Granger引起的, 则在建立时段电价模型时, 忽略任何变量都会引起预测精度的下降。具体的检验方法同样可参考文献[17]。

2.2 脉冲响应分析

脉冲响应研究不同时段的电价相互影响的关系。式 (3) 模型可写成对应的滑动平均模型形式:

$\mathit{y}{}_d=\mathit{\mu }+\mathit{\psi }{}_1\mathit{u}{}_{d-1}+\mathit{\psi }{}_2\mathit{u}{}_{d-2}+\cdots (12)$

式中:μ= (IH-A1-…-Ap) -1v;ψs为H×H维系数矩阵, s=1, 2, …。

当j>p, Aj=0, 其可以按照下列的递推公式从系数矩阵Ai (i=1, 2, …, p) 求得:

$\{\begin{array}{l}\mathit{\psi }{}_0=\mathit{{\rm I}}{}_{{\rm H}}\\ \mathit{\psi }{}_s={\displaystyle \sum _{j=1}^s\mathit{\psi }}{}_{s-j}\mathit{A}{}_j\end{array}(13)$

ψs为变量影响之间的脉冲响应。具体而言, ψs中元素ψij, s (s=1, 2, …, ∞;i, j=1, 2, …, H) 表示变量j变化一个单位后变量i在第s步的响应, 将ψij, s绘制成图就是变量j变化一个单位后变量i随之变化的响应。脉冲响应给出了一个变量的变化对另一个变量影响的比较完整的描述, 显然它可以回答不同时段电价的影响特征问题。

通常为了去掉间接的影响, 要求协方差矩阵是对角阵, 如果不是则可以将其化为对角阵, 具体方法见文献[17]。

3 数据及其结果分析

本文采用来自澳大利亚国家电力市场的新南威尔士2007年的数据 (见http://www.nemmco.com.cn) , 用Toledo大学提供的基于MATLAB的VAR软件进行计算 (见http://www.rri.wvu.edu/WebBook/LeSage/etoolbox/) 。

表1为ADF检验、Box-Pierce Q统计量检验的计算结果。在ADF检验时, 式 (4) 模型和式 (5) 模型中的p分别取3～7的不同值, 所有的结果都表明时段电价序列没有单位根。表1给出的统计量是按p=7得到的结果。95%的置信度时ADF统计量的判别值为2.57, 当统计量的绝对值小于判别值时则接受零假设:存在单位根。比较表1与判别值可看出, 所有的ADF统计量的绝对值都大于判别值, 所有方程都无单位根, 可直接使用VAR模型。

按照式 (1) 取对数电价后, 建立电价的VAR模型 (式 (3) ) , 其中阶次p=7, 该模型的辨识方法是最小二乘法。图1给出了第156日到162日一周的对数电价实际值与估计值的对比图, 其中横坐标中的数从1～7对应第156日～第162日。

图2给出了该模型48个方程残差的MAPE (见式 (7) ) , 最大的MAPE为2.55%, 拟合精度高。

图3给出了Box-Pierce Q统计量的计算结果。模型的阶次为7, 系统可使用的残差数据为358个, 设定计算残差自相关函数的时间间距最长为K=250, 此时的Q统计量按照式 (9) 计算, 其服从自由度为243的χ2分布, 95%置信度的判别值为280.36, 将所有方程的Q统计量显示在图2中, 容易看出所有值都小于判别值, 模型可以接受。Q统计量的具体值见表1。

虽然看起来VAR模型的方程数非常多, 但是由于这些时间序列都是稳定的, 因而方程的估计可使用最小二乘法, 且每个方程可以分别计算, 本文的模型简单且实用。

本文进一步考察了Granger-因果检验的变量关系。一个并不吃惊但是很重要的特点是每个方程有48个变量, 48个方程的考察中, 几乎所有的变量都是Granger引起的。也就是说, 所有的变量对于预测效果都有帮助。表1给出了那些拥有个别非Granger引起变量的方程序号以及对应的非Granger引起变量序号。在2 304个相关变量中, 只有39个变量在不同的方程中被检验出非Granger引起, 百分比仅为1.6%, 忽略变量会引起预测精度下降的结论可以接受。

脉冲响应分析是VAR模型用来讨论变量之间影响的工具。假设其他变量不变, 只有一个变量变化单位量, 脉冲响应给出了对应变量随时间的改变过程。通过考察脉冲响应的强度和延续时间可以得到变量变化的影响特征。

直接使用电价VAR模型讨论变量之间影响过于繁琐, 本文根据新南威尔士各时段电价之间的相关性特点, 将时段电价分成4组, 即深夜—凌晨时段 (20:30—次日06:00) , 上午—中午时段 (06:30—13:00) , 下午时段 (13:30—17:00) 和傍晚时段 (17:30—20:00) 。先求各个时段每日的平均电价, 然后得到4个时段的VAR模型, 并在这个基础上计算相互之间的脉冲响应。

图4给出了4个时段平均电价的脉冲响应。图4 (a) 中各个时段对深夜-凌晨时段变化的响应强度都不大, 相对而言受影响的强度从高到低排序分别为:傍晚时段、上午—中午时段、下午时段。类似的分析可以从图4 (b) , (c) , (d) 中得到。因此, 可得到最容易受到其他时段影响的排名次序为:最高为深夜—凌晨时段, 其次是上午—中午时段, 再次是傍晚时段, 而下午时段则受到其他时段变化而变化的影响最小。下午时段虽然受其他时段影响比较小, 但是比较脉冲响应可以发现, 其对其他时段的影响特征是强度较大, 但是延续时间短 (见图4 (c) ) 。上午—中午时段对其他时段电价影响强度比较大、持续时间比较长 (见图4 (b) ) 。傍晚时段对深夜—凌晨时段电价影响最大, 但是对其他时段的影响则有限。

从上述脉冲响应分析可以看出, 深夜—凌晨时段容易受到其他时段的影响, 而下午时段则受其他时段电价变化的影响较小。对凌晨—深夜时段影响大的时段是傍晚时段和上午—中午时段。由于下午以及傍晚时段的负荷是峰负荷时段, 所以峰负荷时段的价格波动是关键因素。

4 结论

本文基于日前市场的规则特点, 构建了电价VAR模型, 并利用澳大利亚新南威尔士2007年的数据进行了实证分析, 得到如下结论:

1) VAR模型作为一种构造分时段日前市场电价模型的工具能够较好地包含日前市场规则所带来的电价时间序列特征。模型的拟合精度高, 且可以使用平稳的VAR模型描述, 计算简单。

2) VAR模型的Granger-因果检验表明, 时段电价模型中各个时段的电价变量都对预测精度有不可忽视的影响。忽略其他时间段构造的时段电价序列精度会下降。

3) 不同时段之间的影响具有不对称性质, 峰负荷时段 (上午—中午时段、傍晚时段) 的电价波动对谷负荷时段 (深夜—凌晨时段) 电价影响大。峰负荷时段的价格波动是电价波动的关键因素。

4) 本文没有详细讨论预测方面问题, 下一步工作可以利用VAR模型进行短期电价预测的处理。

感谢上海大学提供的创新项目资金资助, 感谢言茂松教授的指导。

摘要：构建了一种日前市场时段电价矢量自回归 (VAR) 模型, 并对时段电价之间的影响进行了分析。该模型较好地表示了日前市场的独特规则, 即同时确定次日所有时段电价。以澳大利亚新南威尔士2007年数据为基础, 通过增广的迪基—福勒检验和Box-PierceQ统计量检验, 说明了电价VAR模型的适用性;利用Granger-因果检验和脉冲响应方法, 获得了一些有用的结果:在构建时段电价模型时, 忽略任何时段电价都会引起预测精度的下降, 而各个时段电价之间的影响则互不相同, 影响最大的是峰负荷时段的电价, 最容易受到其他时段影响的是低谷时段的电价。