开发指标预测

2024-05-05

开发指标预测（精选九篇）

开发指标预测篇1

关键词：油藏开发,动态预测,HCZ预测模型,水驱特征曲线

在油田注水开发过程中,油田生产规律与各项开发指标的动态预测是一项重要工作[1]。油田进入高含水阶段后,产量递减、含水变化越来越有规律性,通过HCZ预测模型与水驱特征曲线联合求解的数学方法,克服了产量预测模型不能预测含水率,水驱特征曲线的预测没有时间的缺点,实现随开发时间变化区块产量、含水的变化趋势及定量预测,以及可采储量、采收率的预测[2,3]。

通过在萨南开发区某区块使用HCZ预测模型与水驱特征曲线联解的方法,结合区块的开发历程及现状,合理的选择递减拟合阶段、预测方法,优化区块的动态分析过程,完成不同开发时间,区块产量、含水率、采出程度等指标的动态预测,为准确快速的制定注水井年度综合调整方案,油井增产措施工作量、年度开发方案及配产设计提供重要的参考意义。

1基本预测模型

1.1 HCZ产量预测模型

式(1)、式(2)中:QO为递减阶段t时间的产油量,104t/a;Np为累积产油量,104t;NR为预测可采储量(油田含水率98%时的累积产油量),104t;a、b为常数项。

1.2四种水驱特征曲线的主要公式

式(3)—式(6)中:Np为累积产油量,104t;Wp为累积产水量,104t;Lp为累积产液量,104t;fw为含水率;A、B、C为与水驱特征曲线直线段有关的常数项。

1.3 HCZ产量预测模型与水驱特征曲线的联解

根据同一开发层系,在某一开发时间或含水率条件下,累积产油量是相同的,将式(2)和式(3)-式(6)联立,分别求出:

HCZ模型与甲型水驱特征曲线的联解含水率和时间的关系得甲类水驱曲线表达式

HCZ模型与乙型水驱特征曲线的联解含水率和时间的关系得乙类水驱曲线表达式

HCZ模型与丙型水驱特征曲线的联解含水率和时间的关系得丙类水驱曲线表达式

HCZ模型与丁型水驱特征曲线的联解含水率和时间的关系得丁类水驱曲线表达式

式中:QW为递减阶段t时间的产水量,104t/a;QL为递减阶段t时间的产液量,104t/a。

2应用举例

2.1区块开发概况

区块开发面积51.71 km2,地质储量11 099.39×104t。截止2009年含水达到90.4%,进入高含水开采阶段,累积注水14 317.1×104m3,累积产油3 869.43×104t,采油速度1.18%,采出程度34.86%,年注采比1.17。该区块历年开发数据如图1所示。

2.2 预测结果

分别以HCZ预测模型与甲、乙、丙、丁水驱特征曲线联解,进行区块生产数据的拟合和开发指标的动态预测。区块1987年以反九点面积井网布井方式投入开发,1994年产油量达到历史最高。随着注水开发时间的延长,区块进入产量递减阶段,递减初期由于区块矛盾突出,含水上升速度加快,产量递减较快,2002年区块含水达81.2%,进入高含水开采阶段,随后通过注采系统调整等综合治理,区块含水上升速度减缓,产量的下降幅度得到较好控制,2009年产油量达到73.8×104 t。为了准确的完成各项开发指标的预测,选择2003年到2009年生产数据进行线性回归,确定最佳相关参数:HCZ预测模型常数项a=-3.67,b=-0.75;甲型水驱特征曲线常数项A1=2.067,B1=0.000 49,C1=-0.885;乙型水驱特征曲线常数项A2=2.742,B2=0.000 35;丙型水驱特征曲线常数项A3=0.949,B3=0.000 18;丁型水驱特征曲线常数项A4=1.432,B4=0.000 21;将上述参数代入式(7)—式(12),得到产量、含水随时间变化的预测指标。见表1。

当极限含水取98%时,HCZ产量模型与水驱特征曲线联解预测可采储量、采收率见表2。

由表2可见,乙型水驱特征曲线预测区块可采储量最高,丁型水驱特征曲线预测区块可采储量最低。参考2009年产量、含水预测误差率,选择HCZ预测模型与甲型水驱特征曲线联解,预测区块可采储量5 303.81×104 t,最终采收率47.8%,2010年未措施正常递减年产油量为66.7×104 t,年含水91.1%。

3 结论

(1) 使用HCZ产量预测模型与水驱特征曲线联解的方法,完成不同开发时间,区块产量、含水率、采出程度等指标的动态预测,优化了区块的动态分析过程。

(2) 结合区块的开发历程及现状,合理的选择递减阶段、预测方法,求出相关系数最高的常数值,得到最佳的动态预测结果。

参考文献

[1]陈元千.实用油气藏工程方法.北京:石油大学出版社,1998

[2]王俊魁,李发印.预测油气田产量的一种新模型.新疆石油地质,2001;22(1):48—52

寿命预测有指标篇2

2009年。诺贝尔生理学或医学奖揭晓，获奖的三位科学家都是因为在某种程度上破解了寿命之谜而获此殊荣的。他们分别是来自美国旧金山大学的伊丽莎白·布莱克本、来自美国约翰·霍普金斯医学院的卡萝尔·格雷德和来自美国哈佛医学院的杰克·绍斯塔克。

人们对这三位科学家的评价是。他们的工作卓有成效地揭学家终于在基因的层面上回答了衰老究竟是怎么回事的问题。他们还在此基础上，让人类看到了延长寿命的曙光。并为预测人类寿命提供了种种可能。他们发现了什么，是什么让他们触摸到了开启人类寿命之门的钥匙?

假若要用一个关键词来回答这个问题，那么这个词就叫“端粒”。

端粒就好比是隐藏在细胞中的一座“生命时钟”。人体由各种各样的细胞组成。细胞的中央有个细胞核，核里存放着一种名为DNA的分子，它是我们所有遗传信息的原始备份。我们的基因以密码的形式储存在这些DNA中，它们决定了我们的种种性状，例如我们的头发是曲还是直，眼睛是蓝还是黑，皮肤是黄还是白。个头是高还是矮。甚至性格是暴躁还是温和等等。这样的DNA像两股绳子。绳头包含着遗传信息的染色体，端粒就是染色体上的一个“保护罩”。科学家们形象地把染色体比方成鞋带，而端粒就是鞋带上的“塑料头”，它起着保护“鞋带”的作用。

科学家们在研究中发现，端粒就仿佛是细胞分裂的记录器，细胞每分裂一次，端粒便缩短一点。直到宣告细胞的死亡。端粒的这个缩短过程甚至在我们出生之前就开始了，而且在我们生命的头20年里，端粒的长度已经缩短了1／3。在这以后，端粒继续缩短。大约每10年缩短9％，不过有些人会快于这个速度，有些人则慢于这个速度。具体原因究竟是什么现在还不太清楚，但科学家们推测这种差异与遗传和不良的生活习惯有关，例如吸烟、饮酒、肥胖和焦虑都有可能加快端粒的缩短。一项来自美国犹他大学的研究显示，在60岁以上的成人中，端粒长度低于平均长度的人，其患心脏病死去的可能性是同岁数端粒长度高于平均长度的人的3，18倍：而患传染性疾病死去的可能性则高达8，54倍。这个发现令科学家们十分震惊。因为这意味着，端粒似乎是在以一种奇特的方式记录着生命走向终结的过程。难道端粒在为我们的生命做着倒计时?

端粒酶：拨慢“时钟”的机关

不过，科学家们还在细胞中发现了另外一种东西——它是一种酶，当染色体末端出现磨损的时候，这种酶就开始发挥作用。对磨损的部分加以修复，这种酶叫“端粒酶”。

研究表明，端粒酶的活性是生命活性的一个关键因素。当一个人年轻时，端粒酶的活性较大，容易维持和延长端粒，这是年轻人不·显老态的原因：但人一旦上了年纪，端粒酶活性就降低了，端粒缩短，表明衰老已至。有研究发现，男性端粒缩短略快于女性，这被认为是男性平均寿命低于女性的原因。

端粒酶的存在算得上是一个好消息，这意味着，端粒这座人体“生命时钟”的运行可能并不是不可逆转的。端粒酶总算为科学家们提供了一个拨慢“时钟”的方法，它让人类看到了长生不老的曙光。

端粒酶的作用已经在实验中得到了证实。开始时，科学家们发现这种酶能使老鼠的生命延长40％。后来有科学家设计了一个实验，他们把那些做了母亲的女性分成两组，其中一组女性的孩子身体健康，各方面都正常；另一组的孩子患有慢性病，因而承受着一定的精神压力。经过跟踪观察和研究，科学家们发现，在那组经受着精神压力的女性里面，照顾慢性病孩子的时间越长，端粒酶水平就越低，端粒就越短。这是人类第一次清清楚楚地看到，非遗传因素与端粒之间存在的因果关系。科学家们还对心血管疾病的某些指标也进行过分析，结果发现患有这些疾病的人，其端粒酶的水平也较低。

上述发现表明：提高端粒酶活力水平就意味着延缓衰老。因此，一组来自美国哈佛医学院的科学家，在黄芪这种中草药中提取了一种名为“TA-65”的营养补充剂，它的作用就是激活人体中的端粒酶。2010年，他们在老鼠身上进行了“TA-65”试验。通过在老鼠体内注射“TA-65”后发现，老鼠的染色体终端不仅延长了，而且免疫系统也有了恢复。这种补充剂目前还在实验之中，也许人类真得有办法找到能抵制衰老的药物。

寿命预测：既令人期待又令人困惑

当我们明白了端粒的机理，我们就不难明白为什么现在人们如此地热衷预测寿命了，因为端粒为这种预测提供了一个看上去很可靠的指标。那么，测量端粒真能很准确地预测寿命吗?

首先可以肯定的是，人类的确可以通过检测端粒的长度来了解自身的身体状况，甚至据此判断寿命的长度也没错。因为从整体上讲，端粒长度和人的年龄确实存在着关系，比如，老年人群的端粒要比年轻人得短：长寿人群的端粒要比短寿人群得长。每一个具体的个人，其端粒都会随着年龄的增长而磨损缩短等，这是一个总体的情况。

科学家们目前通常的做法是测白细胞中的端粒长度。因为他们认为白细胞最能反映人的生理和病理状态。他们会将测出的端粒长度与人群中的平均端粒长度相比较，然后据此对被测者的身体情况做出一个判断。不过，据说“生命长度”公司对这种方法并不是太赞同，因为这个公司的研究者认为，最能反映身体状况的并不是端粒的平均长度，而是那些特别短的端粒。一旦这种端粒短到了某种程度，它们就不能再对染色体实施保护了，因而就会导致疾病。

然而真正的分歧并不在这里，而是有些科学家甚至反对用端粒预测寿命。同样是2009年诺贝尔生理学或医学奖获得者之一的美国约翰·霍普金斯大学的科学家卡萝尔·格雷德就持这样的观点。她说，在她的小老鼠实验中，就没有发现端粒的长度和寿命之间存在着必然的联系。她还认为，对于端粒长度如何影响人类的健康和寿命，目前人们知道的并不多，还有很多问题有待研究。所以，对大众进行端粒测试还为时过早。

也许格雷德并没有错。研究表明，端粒长度与寿命之间的联系的确很复杂，它们并非完全同步。更重要的是，人体的体细胞虽然有寿命，但它们都在不停地更新，这些体细胞的寿命并不一定能代表一个人的寿命。

区域建筑节能指标预测模型研究篇3

关键词：节能指标,情景分析,低碳生态规划

1引言

我国正处于城镇化快速发展阶段,而在不可逆转的全球应对气候变化、资源环境约束的背景下,仇保兴博士在2009年“城市发展和规划国际会议”上首次提出“低碳生态城市”这一概念。结合我国国情及发展现状,以经济、人口增长来驱动城市规划的发展模式急需向低碳生态城市规划转变。而我国在2009年12月哥本哈根气候变化大会上承诺,到2020年单位国内生产总值CO2排放比2005年下降40%～45%,这一承诺也推进了低碳生态城市的发展。建筑是构成城市的重要部分,随着我国产业结构的调整,建筑领域将超过工业领域成为能源消耗和碳排放的最大行业。建筑节能指标作为低碳生态城市指标体系中主要控制性指标之一,直接影响了是否可达成的低碳目标。

目前建筑节能指标的制定分为两种方法,一是根据我国建筑节能“三步走”的战略(35%、50%和65%)制定区域规划中建筑节能目标;二是将建筑设备系统能源利用效率指标作为节能目标参考值,制定节能目标。在城市规划阶段,利用方法一确定城市建筑节能目标简单可行,但是由于各城市节能技术发展水平不同、经济发展水平不同、气候条件不同等原因,方法一无法体现地域特色,制定目标往往出现过低或过高的现象;方法二可针对地域特色制定合理的节能目标,但是在城市规划阶段建筑信息缺失的情况下,此方法难以实施。

建筑节能指标应根据科学性、可操作性、前瞻性等原则,因地制宜地制定符合地区特色的指标。为弥补现有方法的缺点,本文提出基于情景分析方法,在对影响建筑能耗显著性因子的分析基础上,建立建筑节能指标预测模型,通过更改建筑能耗影响因子参数值,预测分析不同地区可达到的最高节能标准,并可同时提出可行的节能措施。已建立的模型可供给规划专业等非建筑节能专业人士使用,在低碳生态城市规划中,降低由于学科交叉性所产生的人才扩张,降低规划人工成本,同时提高规划精确度。

2 情景分析方法

情景分析是探讨和制定未来发展战略、对策、规划计划、政策措施等比较有效的方法,在国际上被广泛地应用于经济、能源、环境领域的研究分析。情景分析不同于预测,其研究的是在一定假设条件下,被研究对象未来可能出现的情况,而预测是情景分析的一种特例。

情景分析是低碳生态规划中建筑节能指标制定的重要方法。低碳生态指标体系中,涉及到建筑节能指标往往提出节能率、节能标准、节能限额等概念,而节能率、节能标准、节能限额都是与基准情景比较,可实现的最大程度的节能目标的表述方式。在确定规划区域中建筑能源消耗基准情景的基础上,调整节能措施,计算不同节能措施可得到的节能率或达到的节能标准,制定符合地域特色的节能目标,对低碳生态城市规划的成功尤为重要。

3 节能指标预测模型建立

预测模型建立是低碳生态规划建筑节能指标制定的核心技术。为实现快速精准的预测目的,建立建筑能耗多元线性预测模型;为实现因地制宜的特性,建立不同建筑类型和不同建筑气候分区的预测模型。本文以建立寒冷地区大型办公建筑的建筑节能指标预测模型为例,说明模型建立的方法。

3.1 典型建筑模型建立及验证

典型建筑模型是研究建筑能耗影响因子显著性和节能目标制定模型的载体,典型建筑模型必须具有代表性,能够代表某一建筑类型能耗的平均水平。因此典型建筑模型立足于《民用建筑设计通则》(GB 50352-2005)、《公共建筑节能设计标准》(GB 50189-2015)、《严寒和寒冷地区居住建筑节能设计标准》(JGJ26)、《北京公共建筑节能设计标准》(DBJ1 1-687)、《北京居住建筑节能设计标准》(DB1 1-891)、《绿色建筑评价标准》(GB/T 50378-2014)、《民用建筑供暖通风与空气调节设计规范》(GB 50736-2012)、《建筑照明设计标准》(GB 50034-2013)并在大量参考文献的基础上,建立具有代表性的典型建筑模型,典型建筑设计参数如表1所示。利用eQUEST能耗模拟软件预测典型建筑能耗,大型办公建筑典型模型单位建筑面积用电能耗为107.15kWh/m2a,单位面积采暖能耗为7.47kgce/m2a。清华大学通过对北京市41座大型公共建筑能耗调查,得到各个建筑的全年电耗现状,其中,对北京地区14幢共50.7万平方米的写字办公楼的调查结果得出办公楼平均电耗111 kWh/m2a,置信区间103kWh/m2a～1 19kWh/m2a,模拟结果与北京地区平均电耗比较,误差为3.4%,在可接受范围。北京建筑工程学院对北京市25栋大型公共建筑能耗分析得出大型办公建筑供暖能耗均值为7.92kgce/m2a,模拟结果与统计结果比较,误差为5.7%,在可接受范围。

3.2 建筑能耗影响因子的选取

建筑能耗影响因子的选取是以分析显著性为基础,节能率分析和节能技术的选择也依托于能耗影响因子选择及各因子不同水平参数值合理设置。建筑能耗影响因子需符合独立性、普遍性、可控性等原则,各因子不同水平的参数选取影响节能率预测模型的适用范围。本文研究因子选取依据《公共建筑节能设计标准》(GB 50189-2015)和《严寒和寒冷地区居住建筑节能设计标准》(JGJ26),共选取14个能耗影响因子,每个影响因子设置3个不同水平的参数值,参数涵盖80年代基准建筑设计参数、节能设计限值参数和目前具有先进代表性水平的参数。具体参数选取见表2。

3.3 显著性因子分析及预测模型建立

3.3.1 正交试验设计表

正交试验设计表是利用标准化的表格,即正交表科学地挑选试验条件来合理安排与分析多因素试验,有效减少试验次数。建筑能耗影响因子共选取14个,每个因子设置3个不同水平的参数,若对能耗影响因子的显著性进行分析,需对典型建筑模型设置314次不同的参数,并模拟能耗,工作量巨大。本文利用SPSS软件建立L64 (314)正交试验设计表,有效减少模拟典型建筑模拟次数。

3.3.2 显著性因子分析及能耗预测模型建立

本文利用逐步回归分析法分析影响大型办公建筑能耗因子的显著性。逐步回归分析预测法可避免复共线性现象,使回归分析得到可靠的结果。逐步回归分析的基本思想是从一个含常数项的回归方程出发,通过逐步引入和删除一些项的方法,选取一部分对回归贡献最大的项进入回归方程,使残差平方和尽可能小,而又不发生复共线性的现象。利用此方法分析能耗影响因子显著性问题的优势在于得到显著性因子的同时能判断因子改变对能耗的影响程度,对有针对性地选择节能措施提供帮助。并且利用逐步回归分析法得出的能耗预测线性回归公式可用于节能率预测模型中。

本文利用SPSS软件中逐步回归分析法对大型办公建筑中空调能耗影响因子、供暖能耗影响因子、照明能耗影响因子和办公设备能耗影响因子分别进行显著性分析,并建立多元线性回归方程,如公式(1)～(4)所示。

影响大型办公建筑空调系统能耗的自变量共10项,包括窗墙面积比、遮阳系数、夏季室内温度、COP、设备功率密度、人均面积指标、外窗传热系数、建筑朝向、照明功率密度、新风量;影响大型办公建筑供暖锅炉能耗的自变量共4项,包括人均面积指标、新风量、锅炉热效率、外窗传热系数;影响照明能耗自变量为照明功率密度;影响办公设备能耗的自变量为设备功率密度。能耗预测模型如公式(1)～(4)所示。

式中C1为大型办公建筑空调系统能耗,kWh/m2a;H1为大型办公建筑供暖系统能耗,kgce/m2a;L1为大型办公建筑照明能耗,kWh/m2a;E1为大型办公建筑电器设备能耗,kWh/m2a;其他符号意义为表1中代号所对应的能耗影响因子名称。

3.3.3 节能率预测模型建立

公式(1)～(4)为大型办公建筑不同能耗类型预测公式,节能率预测公式基于上述公式,如公式(5)所示。

式中Cb、Hb、Lb、Eb为建筑基准情景空调能源消耗、供暖能源消耗、照明能源消耗和设备能源消耗;Ct、Ht、Lt、Et为建筑规划情景空调能源消耗、供暖能源消耗、照明能源消耗和设备能源消耗。

经公式(1)～(4)分析,若增加大型办公建筑节能率,可在保证室内舒适度的情况下,增加夏季室内温度、制冷机组COP、锅炉热效率、人均面积指标,同时降低窗墙面积比、遮阳系数、设备功率密度、照明功率密度、新风指标,选择适宜的建筑朝向和外窗传热系数。

4 示范应用

北京某商务区总占地面积约8.09平方公里,其中核心区占地面积为2.79平方公里。商务区内有既有建筑及新建建筑,既有建筑分布在核心区(109.04万平方米)及周围区(108万平方米),新建建筑面积为568万平方米。商务区建设遵循“人文北京、科技北京、绿色北京”的三大建设理论,努力打造绿色、科技、人文的金融商务区。为实现上述目标,商务区决定开展金融商务区低碳生态建设,而建筑作为商务区中主要碳排放来源,控制建筑碳排放成为生态区建设的主要任务之一。为实现控制建筑碳排放,制定具有先进性、可操作性的节能目标尤为重要。

商务区所属北京,建筑气候分区属于寒冷地区。商务区内建筑类型主要包括大型办公建筑、中小型办公建筑、住宅、商业建筑、宾馆五类。应用上述建立大型办公建筑节能目标模型建立方法,可建立其他四类建筑模型。模型中基准情景能耗为上世纪80年代建筑设计水平的预测值,而规划情景能耗为各能耗影响因子达到最优水平时的预测值。经分析,商务区可实现建筑节能60%的节能总目标,可节约21.24万吨能源,降低(C02排放17.24万吨。

5 结论

建筑节能指标预测模型的建立在低碳生态城市建筑中至关重要。对建筑节能指标的精准预测,可有效降低能源消耗总量,控制碳排放。情景分析是建筑节能指标预测模型的指导方法,多元一次能耗预测方程是建筑节能指标的核心。依托情景分析和多元一次能耗预测方程所建立的不同建筑气候区、不同建筑类型的建筑节能指标预测模型可因地制宜地制定建筑节能指标,推动低碳生态城市发展。在此基础上,建筑节能指标模型可针对节能指标提出适宜、可行、有效的节能技术,实现指标落地。在未来的研究工作中,可以考虑引入建筑能耗监测数据对多元一次能耗预测方程进行校正,提高模型精准度。

参考文献

[1]李迅,曹广忠,徐文珍,杨春志,宋峰,赵培红.中国低碳生态城市发展战略[J].城市发展研究,2010,71(1):32-39,45

[2]仇保兴.兼顾理想与现实——中国低碳生态城市指标体系构建与实践示范初探[M].中国建筑工业出版社,2012:8-19

[3]清华大学建筑节能研究中心.2009中国建筑节能年度发展研究报告[M].北京:中国建筑工业出版社,2009

[4]Chermack T J.Studying scenario planning:theory,research suggestions,and hypothesesIJ].Technological Forecasting&Social Change,2005,72(1):59-73

[5]龙惟定,白玮,范蕊.氐碳城市的区域建筑能源规划[M].北京建筑工业出版社,2011:90-99

[6]王远,魏庆芄,薛志峰,江亿.北京市大型公共建筑能耗统计数据库与初步分析[A].全国暖通空调制冷2006年学术年会论文集[C],2006

[7]郭佳,郝学军.北京市25栋大型公共建筑能耗分析[J].建筑科学,201 2,28(4):38-41

[8]吴利均.既有公共建筑节能诊断与改造研究[D].重庆:重庆大学,2009

开发指标预测篇4

［关键词］人工神经网络湖南人均GDP预测

GDP反应某地区在核算期内生产活动的最终成果及衡量国民经济发展规模、速度、结构、效益的代表性指标，也是制定经济发展战略目标的主要指标。湖南省作为中部的一个省份，通过对“十一五”期间湖南省人均GDP的预测，可以分析全省的劳动量、资本量和技术知识的存量，利用GDP的存量功能，可以獲得资源与要素的信息，并据此推算湖南省的经济增长的潜力，从而有利于政府部门制定更合理的经济政策。

一、问题的分析与模型的建立

经济预报是一个复杂的非线性系统,且系统的内部时时刻刻在发生变化,我们希望能够建立一个参数随预测环境的变化而改变的非线性模型,国内外对经济的预测进行了大量的研究，提出了许多预测的方法，其中神经网络被认为是一种较好的非线性预测方法，尤其是BP神经网络。BP神经网络结构简单，非线性处理能力却很强大。

1.BP网络模型

BP网络是一种单向传播的多层前向网络，其结构如图1

BP网络是一种具有三层或三层以上的神经网络，包括输入层、中间层（隐层）和输出层。上、下层之间实现联接，而每层神经元之间无联接。当一对学习样本提供给网络后，神经元的激活值，从输入层经各中间层，向输出层传播，在输出层的各神经元获得网络的输入响应。接下来，按照减少目标输出与实际值的误差的方向，从输出层经过各中间层逐层修正各联接权值，最后回到输入层，这种算法称为“误差逆传播算法”，即BP算法。随着这种误差逆传播修正不断进行，网络对输入模式响应的正确率也不断上升。

图1为常用的三层BP网络结构,如果输入层、隐含层和输出层的单元个数分别为n、q、m，则该三层网络可表示BP（n，q，m），利用该网络可实现n维输入向量Xn=(X1,X2…Xn)到m维输出向量Ym=(Y1,Y2…Ym)T的非线性映射。m,n根据具体问题确定，而隐含层单元数q的确定尚无成熟的方法，一般可设定不同的q值，根据训练结果进行选择。网络结构BP（n，q，m）确定后，网络参数包括输入层第i单元到隐含层第j单元的权重Wij(i=1...n,j=1...q)，隐层第i单元到输出层第k单元的权重Ｗiko（j=1...q,k=1...m）；隐含层第j单元的激活阈值(j=1...q)及输出层第k单元的激活阈值(k=1...m)，以上权值和阈值的初值在网络训练之前随机生成；假设共有p个训练样本，输入的第p个训练样本信息首先向前传播到隐含层单元上，经过激活函数f(u)的作用得到隐含层的输出信息: (1)

激活函数f(u)采用s(0,1)型函数，即 (2)

隐含层的输出信息传到输出层，可得到最终输入结果为

BP算法的基本思想是学习过程由信号的正向传播与误差的反向传播两个过程组成。以上过程为网络学习的信息正向传播过程；如果网络输出与期望输出存在误差，则将误差反向传播，误差的反射传播是将输出误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，以误差信号作为修正各单元权值的依据，可以利用（4）来调节网络权重和阈值。

其中为△Ｗ(t)次训练，η,α分别为比例系数和动量系数，E为误差平方和反复运用以上两个过程，一直进行到网络输出的误差减少到可接近的程度或进行到预先设定的学习次数为止（）。

通常，经过训练的网络还应该进行性能的测试，测试的方面就是选择样本向量，将其提供给网络，检验网络对其分类的正确性，测试样本向量中应包括今后网络应用过程中可能的主要典型模式；样本可以直接测取得到，也可以通过仿真得到，在样本数据较少或者较难得到时，也可以通过对学习样本加上适当的噪声或按照一定的规则插值得到，总之，一个良好的测试样本集中，不应该包括和学习完全相同的模式。

2.BP神经网络在经济预报模型中的应用

采用神经网络进行经济预测,以湖南省1978～1999年的经济数据作为训练样本,2000年～2004年GDP进行预测仿真试验。

GDP预测指标体系就包含第一产业（x1）、第二产业（x2）、第三产业（x3）。在考虑诸年数据的可比性，在应用神经网络之前，采用如下方法对数据环比处理：

式中，x为指标的环比值；y为指标的原始数据值；w为物价指数，t和t-1分别代表当年度和上年度。采用BP神经网络进行预测，即用上一年的经济数据作为输入，下一年的GDP作为输出。因此GDP预测模型可以描述为:

y1=f(x1(t-1),x2(t-1),x3(t-1))

设置L—M算法BP神经网络的计算误差为10-4，最大计算步数为10000，计算结果见图2：

预测的结果见下表

从表中预测的结果,可以看出,模型拟合得到的数据与真实值是比较吻合的,预测的效果比较好,完全能满足实际应用的需要。如果我们对神经网络训练的精度作更高的要求，还可进一步降低预测的误差。

参考文献：

[1]Martin T.Hagan.神经网络设计.机械工业出版社,2005

[2]王振龙:时间序列分析.中国统计出版社.2003

[3]伍卫国:数值方法和Matlab实现与应用.机械工业出版社,2004

[4]飞思科技产品研发中心:神经网络理论与MATLAB7实现.电子工业出版社,2005

煤自然发火预测预报指标气体分析篇5

煤炭自燃发火是煤矿火灾主要的致因之一, 严重地影响着煤矿企业的正常生产[1]。

做好煤炭自然发火早期预测预报工作是预防自燃火灾的关键, 目前普遍采用的预报方法是气体分析法[2,3]。气体分析法是通过分析煤自燃发火过程中产生的某些指标气体如:CO、CH4、C2H4、C2H6等的浓度、比值、发生速率等特征参数, 找出能反映煤自燃发火特征的指标气体, 对煤自燃发火发展趋势等作出预报的方法。

1 实验系统

分析煤自燃发火的指标气体采用煤升温氧化实验, 该实验是测定在煤的氧化过程中所放出的一系列反映煤自燃特征气体的含量, 并根据气体生成量随煤温升高的变化规律, 找出可以灵敏、准确地反映煤早期自燃特征的气体, 作为指标气体进行煤炭自燃发火的早期预测预报。

实验系统是由煤加热升温氧化系统、气体进样和分析系统、数据处理系统等部分组成。实验系统结构如图1所示。

煤加热氧化升温装置是在煤炭科学研究总院重庆分院研制的智能型煤升温氧化试验炉的基础上进行改造而成的, 装置原理如图2所示。

气体进样和分析系统采用的是北京市东西电子技术研究所研制的GC-4000系列气相色谱仪, 该仪器主要由电气控制单元、分析单元和气路控制单元组成。分析单元主要由色谱柱恒温箱、热导检测器恒温加热块、气化室加热块和转化炉等四部分组成。

数据处理系统采用的是北京市东西电子技术研究所开发的A4800型色谱数据处理工作站。

1.密封盖;2.样品管密封盖;3.密封垫;4.出气口;5.加热棒;6.托盖;7.进气口;8.坚固螺栓;9.内箱体;10.样品管;11.热电偶;12.螺钉

2 实验结果分析

本次实验分别从开滦赵各庄矿9煤层和12煤层采集了9个煤样进行了升温氧化实验。各煤样指标气体浓度随煤温度变化的规律如下: (1) CH4:矿井中的甲烷气体主要是在成煤时期吸附形成的, 所以低温时甲烷气体主要是解吸产物。随着煤温度的升高, 空气中的氧与煤发生氧化反应生成甲烷。实验过程中, 各煤样甲烷生成量总的趋势是增加的, 但在此过程中很难分辨出甲烷是煤氧化产生物还是煤脱附产物, 所以在这里不把甲烷作为指标气体。 (2) CO:在正常生产过程中, 赵各庄矿井下没有发现CO的存在, 只是在煤层中出现了高温点时, 才检测出了CO。说明了CO主要是煤自燃氧化的产物, 通过此次对所采9个煤样的气样分析, 可以看出CO的含量随温度的升高, 表现出了极强的规律性, 有着良好的指数对应关系。所以, CO可作为该矿自然发火预测预报的指标气体。 (3) CO2:实验过程中, CO2的含量随温度升高总体上呈现上升趋势, 且变化趋势与CO基本相同。但是CO2易受井下外界环境的影响, 如井下风流中的CO2、炮烟中的CO2以及井下酸性水与碳酸盐的反应生成的CO2, 都会造成无法判别气样中的CO2是否是由煤氧化产生的。所以在检测CO的同时, 可以检测CO2, 并根据它的浓度变化, 对CO的预测结果加以印证, 但不能把它作为指标气体。 (4) 烷烃:在煤的升温氧化实验中, 各个煤样在煤温达到100℃左右时, 开始出现C2H6, 随煤温的升高, 有的煤样还出现了C3H8和丁烷。C2H6的出现及其随温度变化, 表现出了很强的规律性, 而C3H8和丁烷只是某些气体偶然可见, 不符合作指标气体的要求, 所以只选用乙烷作为指标气体。 (5) 烯烃:此次氧化试验中, 共检测出了两种烯烃:C2H4和C3H6气体。由所得数据分析, C2H4的出现及浓度随温度变化出现了很强的规律性。C2H4与煤温之间的关系明确而又简单, 环境条件对乙烯产生的影响又小, 所以采用C2H4作为标志气体。而C3H6在各煤样出现的温度差别较大, 规律也不明显, 所以不选用作为标志气体。 (6) 格拉哈姆系数 (CO/ΔO2) :格氏系数 (CO/ΔO2) 随煤体温度的升高呈现先升高再降低的趋势, 并且在180℃左右急剧增加, 表明CO的浓度大大增加, 氧化加剧。在200℃左右达到最大值, 随后随温度增加而下降, 说明部分的CO与O2反应生成了CO2, 所以使得CO/ΔO2的值降低, 也进一步说明了煤的氧化程度加剧。但是在实际生产中, O2的变化比较复杂, 所以没有把它作为指标气体。 (7) 链烷比 (C2H6/CH4) :在整个实验过程中, 只有CH4和C2H6稳定地出现, 可用的链烷比指标只有C2H6/CH4。实验过程中, 各个煤样的C2H6/CH4随温度变化所表现的规律不是很明显, 波动较大, 又因为该矿是高瓦斯矿井, CH4的性质无法确定, 所以这里不选用C2H6/CH4作为指标气体。 (8) 烯烷比 (C2H4/C2H6) :因为C2H4和C2H6都随煤温的升高表现了很强的规律性, C2H4/C2H6指标与煤氧化升温过程有着良好的对应关系, 而且该指标能够消除风流的影响, 因此采用该指标作为该矿的指标气体。

3 指标气体与煤温的变化关系分析

通过对实验数据分析, 适合于赵各庄矿煤炭自燃发火早期预测预报的标志气体为CO、C2H6、C2H4和C2H4/C2H6。一般认为煤的自燃氧化过程分为三个阶段:缓慢氧化阶段、加速氧化阶段和激烈氧化阶段。下面就各标志气体随煤温变化关系进一步详细研究, 并给出三个氧化阶段的温度范围。

3.1 CO与煤温变化关系

9个煤样CO的浓度变化的总趋势基本相同, 都随煤的加热氧化温度的升高而升高。各煤样的CO出现的临界温度值为40℃~50℃之间, 因为赵各庄矿正常生产时, 矿井里没有发现CO的存在, 所以, 只要检测到CO, 就表明煤体温度已经达到40℃以上, 并开始了缓慢氧化。煤温在40℃~180℃之间时, CO的浓度变化不大, 氧化处于潜伏期, 也就是缓慢氧化阶段。当超过180℃以后, CO浓度急剧增大, CO/ΔO2指标值也急剧升高, 充分表明了煤氧化开始加速, 进入了加速氧化阶段, 如果此时不采取措施, 煤很快就会燃烧。

由以上分析可知, 从低温开始, 经过缓慢氧化、加速氧化直至激烈氧化阶段均有CO的释放, 并且随温度变化出现了极强的规律性, 可见, CO是检测煤早期自然发火非常灵敏的指标。

3.2 C2H4气体与煤温变化关系

C2H4与煤温之间的关系明确而又简单, 环境条件对乙烯产生的影响比较小。各煤样出现C2H4的临界温度都在180℃左右, 由于矿井吸附的瓦斯气体中没有C2H4气体成分, 因此只要C2H4气体一出现, 就可知煤体温度已达到了180℃, 表明煤的氧化已进入了加速氧化阶段, C2H4浓度最初随煤温升高迅速增加, 当达到300℃时, 到达最大值, 之后出现一个拐点, 又逐渐减少, 直到没有。这也表明了当温度超过了300℃, 煤的自燃氧化就进入了激烈氧化阶段。这是因为C2H4主要是煤氧化产物, 当氧化加速, 它的产量也逐渐增加, 当煤进入了燃烧期, 主要产物不再是乙烯, 所以它的浓度会逐渐降低。

3.3 C2H6气体与煤温变化关系

C2H6随煤温升高表现了如下的变化规律: (1) C2H6出现一般在90℃左右, 当煤温在达到180℃以前, 乙烷的产生量随温度升高而增加; (2) 在180℃达到最大值, 随后又逐渐降低; (3) 在300℃下降到了最低点, 之后又迅速上升, 曲线上升斜率较大。这是因为, 在第 (1) 阶段 (即缓慢氧化阶段) , 主要是煤吸附的C2H6因获得了能量而释放出来, 并随温度的上升, 产量逐渐增加, 180℃时达到了最大值。在第 (2) 阶段, 氧化进入了加速阶段, 吸附态的C2H6释放量逐渐减少, 煤开始发生热裂解反应, 但煤热裂解产生的C2H6极少, 所以呈现了下降趋势。在第 (3) 阶段, 温度超过了300℃时, 煤分子获得了大量能量, 分子结构逐渐裂解, C2H6的产量大量增加, 因而曲线呈上升趋势, 也充分表明了煤的氧化进入了激烈氧化阶段。

3.4 C2H4/C2H6比值与煤温变化关系

C2H4/C2H6比值与煤温之间的变化总趋势是:随着煤温的升高, 比值逐渐增大, 在300℃达到高峰后, 比值又随煤温升高而下降。该比值随煤温变化关系比较明确, 也比较简单, 比值峰值的出现是煤的氧化将要进入激烈氧化的前兆。使用该比值, 由于各组分被风流稀释的程度相同, 排除了风流稀释的影响, 可以准确确定煤的氧化发展阶段。

综上所述, 适合于赵各庄矿煤炭早期预测预报的指标气体主要是CO、C2H6、C2H4和C2H4/C2H6比值。煤的自燃氧化过程分为三个氧化阶段:缓慢氧化阶段、加速氧化阶段和激烈氧化阶段。三个阶段的温度范围分别为:小于180℃、180℃~300℃和大于300℃。

参考文献

[1]罗海珠, 梁运涛.煤自然发火预测预报技术的现状与展望[J].中国安全科学学报, 2003, 13 (3) :76-78

[2]梁运涛.煤炭自然发火预测预报的气体指标法[J].煤炭科学技术, 2008, 36 (6) :5-8

应把经济增长指标改成预测值篇6

如果不改的话,仍然用增长率作为指标,对经济发展是不利的,而且对城镇化也是不利的。比如说定了增长率是百分之几(7%或者是8%),定了指标以后,从中央到各部委到各地方,都会紧紧记住增长指标是多少。这容易形成一种现象,既然宣布增长指标了,我就一定要完成它。这样的话,增长目标虽然可以完成,但是效果往往不好,没有充分体现市场在资源配置中起决定性作用。在完成的过程当中还很可能造成强迫命令,以行政干预为主,甚至会出现新一轮的产能过剩,新一轮为实现增长目标而做出的在生态环保方面的牺牲。

另外,将增长率指标定为经济增长目标,也不科学。因为经济形势在变,用一种硬性的指标作为增长争取达到的或者是必须达到的指标,我们的工作就会很被动,而且又会出现宏观经济增长的大摇大摆、大起大落、大升大降这样的现象。所以出于这样一种考虑,许多经济学家也包括我在内,一再呼吁要改用预测值作为目标。比如说,我们预测明年的经济增长可能是多少,这就是预测。预测并不是一定要完成,但可以争取,形势变了,预测值也可以变,每个季度做调整,如果预测值太高了,就根据情况降低一些。这样做,才能主动而为,而不是被动应付,这样就不会造成很多损失。我们知道,路径依赖是经济学里的一个大问题。人走老路走惯了,走老路已经适应了,你让他走一条新路,他可能会说过去没有这么搞过,不能走。路径依赖对我们的经济是有影响的,要克服走老路的习惯。预测值是新的路径,也是世界上许多国家经济发展的需求。中国经济增长应当逐渐转入正常的轨道,预测值有利于经济回归到正常的途径上。比如说,中国经济增长率如果长期能保持6.5%-7%就不错了,这是全世界都少有的。

开发指标预测篇7

自20世纪90年代亚洲发生金融危机以来, 公司治理问题尤其是内部治理问题引起了全世界的关注。公司内部治理结构的弱化不仅影响产业结构, 而且导致大量公司陷入财务困境, 甚至最终走向破产、重组。近年来, 一些学者已经开始尝试从实证角度研究公司内部治理结构与财务困境之间的关系, 这是财务困境预测研究领域的新方向, 在一定程度上摒弃了依赖财务指标数据建立预测模型的弊端。但由于仅局限于股权结构和董事会结构等内部治理结构方面, 而且所选变量较少, 这些研究不能够充分代表一个公司的公司治理状况。本文通过选择大量能够全面体现内部和外部公司治理特征的变量, 并选择成熟的实证研究方法, 深入地对基于公司治理指标的财务困境预测进行了研究。

二、研究设计

(一) 样本选择

根据我国上市公司的实际情况和有关政策以及众多国内学者的研究成果, 本文以上市公司被ST (包括*ST, 以下同) 作为陷入财务困境的界定标准, 并主要选择了2004年被ST的上市公司, 考虑到样本量的不足问题, 又增添了部分2003年被ST的上市公司, 分别取这些公司被ST前四年的数据, 即2004年被ST的上市公司取2000年至2003年四年的数据, 2003年被ST的上市公司取1999年至2002年四年的数据。筛选财务困境样本公司的方法是在2004年和2003年被实施ST的上市公司中排除以下情况之一的ST公司:纯B股的ST公司;因其他状况异常而被ST的公司;存在严重做假账的公司;上市两年内就被ST的公司, 这类公司存在虚假包装上市的嫌疑;有严重数据缺失或数据不合理的公司。最后选定64家财务困境公司, 其中2004年的ST公司34家, 2003年的ST公司30家。筛选非财务困境样本公司 (非ST公司) 遵循以下原则:为保证数据的时效性和无重复性, 选择2004年非ST公司对应的2000年至2003年四年的数据;剔除净资产收益率小于0的非ST公司;剔除每股净资产小于1的非ST公司;剔除总资产或净资产为负的非ST公司, 这种情况可能是数据质量有问题;剔除严重数据缺失或数据不合理的公司;Gilbert, Melon和Schwartz (1990) 的研究表明, 金融机构的财务比率明显有异于非金融机构, 不能同时构造模型。因此本文将金融类上市公司去掉;剔除2000年至2003年所有当年被ST的公司。最后再从经过筛选余下的非ST公司中随机抽取136家上市公司作为非财务困境公司样本。

(二) 变量选择

由于目前国内外用于财务困境预测研究的公司治理变量还很少, 且理论上未形成一套合适的变量。因此本文在考察反映我国上市公司的内外部治理要素的基础上, 参考了已有相关性研究成果, 选取了17个代表股权特征、董事会特征、监事会特征、经理层特征的内部治理变量和2个代表投资者利益保护的外部治理变量, 以及3个环境变量, 如 (表1) 所示。

三、实证结果分析

(一) 变量共线性分析

为使自变量的解释能力不受多重共线性的影响, 在建立模型之前必须舍弃某些共线性高的变量。针对自变量之间的相关性, 本文以VIF (方差膨胀因子) 值及TOL (容忍度) 值来检测自变量之间是否存在高度线性重合现象。依照一般数量原理, 当变量VIF值超过10时, 表示有共线性的存在;而TOL值的范围在0和1之间, 越接近于0, 多重共线性越强, 越接近于1, 多重共线性越弱。由SPSS运行结果可以看出, X2 (第一大股东持股比例) 、X7 (独立董事人数) 、X8 (独立董事比例) VIF值接近于0, TOL值大于10。考虑到反映独立董事特征的变量仅有X7和X8, 而且X8相比较于X7更有价值, 故保留X8, 去掉X7和X2。同时, 为了体现统计上的严谨性, 对去掉这两个变量的剩余20个变量再次进行共线性分析, 结果显示各自变量不存在多重共线性。

(二) 双变量Logistic回归分析

与财务指标变量不同的是, 公司治理指标变量 (定量变量) 可能与公司是否陷入财务困境的概率存在U型关系, 即公司陷入财务困境的概率可能随着该变量值的增加而上升 (或下降) , 但当变量值达到一定水平后, 陷入财务困境的概率会随着变量值的增加而下降 (或上升) 。这些公司治理变量包括:X3 (前十大股东持股比例) 、X5 (股东大会召开次数) 、X6 (董事人数) 、X8 (独立董事比例) 、X11 (董事会持股量) 、X12 (董事会会议次数) 、X13 (监事人数) 、X14 (监事会持股量) 、X15 (监事会会议次数) 、X16 (高管人数) 、X17 (高管持股量) 、X21 (成立年数) 、X22 (上市年数) 。对于这13个变量, 引入各变量的平方通过Logistic回归分析检验U型关系是否存在。具体做法是以某一变量及该变量的平方建立双变量的Logistic回归模型, 通过观察双变量模型整体检验统计量的p值, 以及各变量所对应回归系数的p值的显著性程度来判断是否存在U型关系。如果双变量模型p值达到显著性水平, 则说明该变量与公司是否陷入财务困境之间存在U型关系。由双变量Logistic回归统计结果可知, 双变量Logistic回归模型及系数均达到显著性水平的变量有X3 (前十大股东持股比例之和) 、X6 (董事人数) 、X12 (董事会会议次数) 、X16 (高管人数) 、X17 (高管持股量) 、X21 (成立年数) , 说明这些变量同财务困境之间存在U型关系。

(三) 预测模型构建

以200家样本公司四年数据 (共计800个样本单位) 为样本数据, 进行Logistic回归分析。将20个变量和6个平方变量的样本数据输入SPSS, 选择Logistic回归中的Binary Logistic命令, 采用逐步筛选策略, 得到Logistic回归模型的统计指标如 (表2) 。Logistic回归方程可表示为:Logit P=-1.927-1.145X1+0.246X3-0.034X8-0.26X12-0.16X17-2.081X18+1.498X19-0.002 (X3) 2+0.018 (X12) 2。由 (表2) 可知, 各个变量的Wald统计量检验概率皆在5%的置信水平下显著, 说明各变量与Logit (P) 的线性关系显著, 都应当保留在方程中。由“-2 Log likelihood”和“Nagelkerke R Square”的值可以推断该模型的拟合优度较高, 说明模型较好地拟合了样本数据。以先验概率0.32 (64/200) 作为分类取值概率, 将样本四年数据回代入该模型。若预测值大于0.32, 则判定为财务困境公司;若预测值小于0.32, 则判定为非财务困境公司, 判定结果如 (表3) 。

(四) Logistic回归结果分析

Logistic回归结果显示: (1) X1 (第一大股东终极控股股东类别) 与公司是否陷入财务困境存在显著的负相关关系 (在1%的显著性水平下) , 即国有控股公司不容易陷入财务困境, 这一点与国内外大多数研究结论相反。一般认为, 国有控股公司经营上缺乏效率, 并且发生“隧道效应”的可能性很大, 公司绩效不如非国有控股公司 (白重恩等, 2005;徐晓东、陈小悦, 2003) 。但本文认为国有控股公司相对于非国有控股公司不易于陷入财务困境, 理由如下:首先我国上市公司大多是由国有企业改制上市的, 代表着国有资本的优质资产;其次, 相对于以民营企业为主的非国有控股公司来说, 国有控股公司的发展历史更悠久, 盈利相对更稳定;然后, 国有控股公司相比较于非国有控股公司, 可以获得很多优惠政策, 发展机会也很多;最后, 即使国有控股公司因经营不善而陷入财务困境, 由于其国有背景, 政府在考虑就业和安定等情况下, 往往会给予国有控股公司财政补贴或提供其它各项救助。 (2) 变量X3的平方变量与公司陷入财务困境存在高度负相关关系, 可以推断前十大股东持股比例之和与公司陷入财务困境存在倒U型关系。根据Friedman、Johnson和Mitton (2003) 提出的“掏空 (Tunneling) 与支撑 (Propping) ”理论, 拥有绝对控股的所有者的存在, 既可能掏空上市公司资源, 掠夺中小股东利益, 使企业陷入财务困境, 也会在企业陷入财务困境时, 用私有资源支撑公司走出困境, 以保住上市公司的“壳资源”。本文实证结果表明, 随着前十大股东持股比例之和的逐渐增大, 企业出现财务困境的可能性先增大后减小, 验证了“掏空 (Tunneling) 与支撑 (Propping) ”理论。 (3) 变量X8 (独立董事比例) 与公司陷入财务困境的可能性负相关, 且在1%的置信水平下高度显著, 说明独立董事占董事会人数的比例越高, 公司越不易陷入财务困境。本文认为可以从以下四个方面解释:首先, 在董事会内部, 随着独立董事成员的增加, 独立董事将会更多地站在股东立场上监控高层管理人员, 更有效地保护投资者利益;其次, 独立董事的增加改变了董事会的构成, 弥补了其在知识、技能、信息和外部资源等方面的不足, 大大提高了董事会的决策能力和决策效率;然后, 独立董事的增加在一定程度上增强了董事会的独立性, 使得董事会能够摆脱经理层或利益相关者的控制, 以降低代理成本;最后, 独立董事的增加使得董事会能够更好地监控经理层, 及时发现经营者存在的问题和隐患, 并制定相应决策约束经理人的错误行为。另外还有研究发现, 当公司聘任的独立董事比例增大时, 会对市场发出控制股东愿意接受监督而使侵占行为降低的信号, 因而对投资者产生取信作用, 进而增加公司价值。 (4) X12 (董事会会议次数) 的平方变量的回归系数高度显著, 且系数是正值, 说明董事会会议次数与公司陷入财务困境的概率存在显著的正U型关系, 即随着董事会会议次数的增多, 公司陷入财务困境的可能性先逐渐减小, 当董事会会议次数达到一定程度之后, 公司陷入财务困境的可能性又开始逐渐增大。Lipton和Lorsch (1992) 指出, 足够的工作时间是董事履行职能的基本条件之一, 因此建议董事会至少应该每两个月开一次会, 每次会议时间至少应该有一个工作日, 董事会会议越频繁, 董事们也就越乐于履行那些与股东利益相一致的职责。与此针锋相对的Jensen (1993) 认为, 董事会会议不过是走走形式, 董事会会议的大部分时间往往只是探讨公司的日常事务, 实际上并没有花费多少时间评价公司管理层的表现, 因此董事会会议还不如少开。为了验证以上两个观点, Vafeas (1999) 实证研究了董事会会议的频率与公司绩效的关系, 检验结果表明董事会会议的频率与公司绩效之间似乎存在一种反向关系, 即董事会会议不是一种主动行为, 而是一种被动行为, 高频率的董事会会议可能是对公司业绩下滑的一种反映。本文得出的实证结果综合了上述观点, 首先, 正如Vafeas所言, 董事会会议是对公司业绩下滑的一种反映, 在公司危机状况出现的时候, 为了履行与股东利益相一致的职责, 董事会的活动会更加频繁, 以应付出现的问题, 在各种有效决策实施后, 公司业绩就会得到一定程度的提高, 公司陷入财务困境的概率就会逐渐变小, 这反映了董事会会议与陷入财务困境概率U型曲线的下降趋势段;其次, 当董事会会议次数越来越频繁, 董事会会议会逐渐流于形式, 大部分时间往往只是探讨公司日常事务, 并没有花费多少时间评价管理层的表现, 没有履行与股东利益相一致的职责, 这种情况下, 董事会会议次数的增多只能导致公司管理层决策执行无约束, 公司经营业绩下滑, 陷入财务困境的可能性增大, 反映在U型曲线上就是上升趋势段。 (5) 变量X17 (高管持股量) 与公司陷入财务困境的可能性存在高度负相关关系, 即高管持股量越多, 公司越不易陷入财务困境。Jensen和Meckling (1976) 将股东分为两类:一是公司内部股东, 主要是持有公司股票的董事会成员和公司高层管理者;二是公司外部股东。股东和管理者是典型的委托代理关系, 管理者追求自身效用最大化, 因此有足够的理由相信管理者并不总是以委托人利益最大化为决策目标, 特别是管理者不拥有或仅拥有少量股权时, 对任何不符合股东利益最大化的行为承担或只承担小部分成本, 而从中得到的收益却独自享有, 这就为管理者的私利行为提供了动力。如果让管理者持有部分股权, 那么管理者与外部股东的利益可能就会收敛于一点, 这一结论经常被称为“利益趋同假说”。这个假说表明, 随着管理者持股比例的提高, 公司价值会得到提高, 就不易陷入困境, 本文实证结果证明了这一结论。 (6) 审计意见类型X18在1%的置信水平下与公司是否陷入财务困境呈显著负相关, 即被出具非标准无保留意见的公司更容易陷入财务困境。Nancy等 (1996) 认为, 审计意见类型体现了对投资者的利益保护, 是公司外部治理特征变量, 反映了公司财务报表的真实度, 若公司财务报表被出具非标准无保留意见, 则表明公司的财务信息披露存在问题, 有可能通过虚假信息欺骗投资者, 公司陷入财务困境的可能性较大。吴超鹏、吴世农 (2005) 也证实了公司被出具非标准无保留意见会显著增加财务恶化的概率。 (7) 变量X19 (是否因违规受监管部门公开谴责) 与公司陷入财务困境的概率呈显著的正相关关系。变量X19是反映公司诚信度的指标, 被公开谴责说明了公司的诚信度很差, 对投资者的利益保护不到位, 不是以股东利益最大化为目标, 因此将加剧公司的财务状况的恶化, 最终陷入财务困境。

四、结论与建议

综合以上分析, 本文认为, 上市公司应该在前十大股东持股比例之和上和董事会会议召开次数上取得适当的值;进一步提高独立董事的比例;增加高管人员的持股比例;获得良好的财务状况, 并披露真实的财务信息, 避免被会计师事务所出具非标准无保留意见;合法经营, 绝不违规操作, 避免被证券监管部门公开谴责。上市公司只要能做到以上几点, 就可以完善公司治理机制, 形成良好的财务状况, 最终增加企业价值。

摘要：目前有关财务困境的研究主要是依赖财务报表数据建立预测模型, 但这种方法存在一些弊端。公司治理结构的弱化与财务困境是密切相关, 对其研究有助于更深层次地揭示公司陷入财务困境的原因。本文希望改进以财务比率指标为基础的预测模型, 将公司治理指标量化, 建立基于公司治理指标的财务困境预测模型, 以期为完善我国上市公司的治理机制提供参考依据。

关键词：财务困境,预测,公司治理,上市公司

参考文献

[1]白重恩、刘俏、陆洲等:《中国上市公司治理结构的实证研究》, 《经济研究》2005年第2期。[1]白重恩、刘俏、陆洲等:《中国上市公司治理结构的实证研究》, 《经济研究》2005年第2期。

[2]吴超鹏、吴世农:《基于价值创造和公司治理的财务状态分析与预测模型研究》, 《经济研究》2005年第11期。[2]吴超鹏、吴世农:《基于价值创造和公司治理的财务状态分析与预测模型研究》, 《经济研究》2005年第11期。

[3]Friedman E, Johnson S, and Mitton T.Propping and Tunneling.Journal of Comparative Economics, 2003.[3]Friedman E, Johnson S, and Mitton T.Propping and Tunneling.Journal of Comparative Economics, 2003.

[4]Lipton M, and Lorsch J A.Modern proposal for improving corporate governance.Business Lawyer, 1992.[4]Lipton M, and Lorsch J A.Modern proposal for improving corporate governance.Business Lawyer, 1992.

[5]Jensen MC.The modern industrial revolution, exit, and the failure ofinternal control systems.Journal ofFinance, 1993.[5]Jensen MC.The modern industrial revolution, exit, and the failure ofinternal control systems.Journal ofFinance, 1993.

[6]Vafeas Nikos.Board meeting frequency and firm performance.Journal of Financial Economics, 1999.[6]Vafeas Nikos.Board meeting frequency and firm performance.Journal of Financial Economics, 1999.

[7]Jensen M C, and Meckling W.Theory of the firm:managerial behavior, agency costs and ownership structure.Journal of Financial Economics, 1976.[7]Jensen M C, and Meckling W.Theory of the firm:managerial behavior, agency costs and ownership structure.Journal of Financial Economics, 1976.

售电市场分析与预测指标体系篇8

随着市场化改革的不断推进,电网企业所处的宏观环境发生了很大变化,电力营销工作在电网企业经营中的地位不断提升,营销工作者的思想和观念也随之发生了根本性变革[1,2]。2005年4月,国家电网公司营销工作会议提出实施大营销战略,其最基本的理念就是将电力营销作为电网企业的核心工作,全企业的各项工作环节共同服从和服务于营销这个大局,从源头上实现企业经营生产链的连续稳定。2005年6月,国家电网公司提出了《关于加快电力营销现代化建设指导意见》,通过信息化和现代化的技术手段实现营销管理模式的创新,为大营销理念的实施提供有力支持[3]。

为了配合国家电网公司的整体营销战略,国家电网公司营销部从2005年底起改革营销工作的思路,按季编写售电市场分析预测报告,及时揭示售电市场的变化规律及其所存在的问题,并对未来市场走势作出科学合理的预测,为提高电网经营决策的科学性、时效性积累了宝贵经验。但是,营销工作仍存在以下问题:①与其他部门的分析口径和数据大量重复,未能体现营销系统的特点;②分析深度有待进一步提高,对基础数据的利用尚不够充分;③各级电网公司尚未建立规范、便捷、可靠的数据获取渠道;④各级电网公司营销部信息化程度较低,数据的收集和整理仍然以人工为主,工作量大,数据上报的时效性差。因此,为了进一步做好营销分析预测工作,根据国家电网公司的“十一五”发展规划,从2006年起,国家电网公司营销部通过多次研究,决定推进售电市场分析预测指标体系的研究工作。

本文提出了售电市场分析预测指标体系的分析理念和总体框架,分析了其中的一些重点指标及其价值。该指标体系已经在国家电网公司营销部门中得以贯彻执行,正在发挥积极的作用,依据该指标体系所建立的售电市场分析预测系统已经在天津投入实际运行[4]。

1 指标体系的总体定位与服务目标

1.1 指标体系的总体定位

根据国家电网公司“十一五”发展规划以及电力营销工作的特点,提出售电市场分析预测指标体系的总体定位如下:

1)准确把握营销的总体趋势,形成对当前营销状况的正确估计。

2)设立若干评估营销水平的指标,衡量公司的经营业绩,评价营销策略的效果。

3)把握异动情况,分析导致异动的深层次原因,揭示下阶段工作的方向和重点。

4)通过一定的机制确保下级单位上报数据的真实化和一致性。

5)将静态和动态评估方法相结合,前者分析现状,进行横向比较;后者动态地评估发展状态,进行纵向比较,把握发展趋势。

6)从存量和增量2个方面衡量,充分反映现有水平和发展特点。

7)从量和价2个方面进行综合评价,售电均价的波动反映了售电结构的调整与变化;售电量反映了电网企业的市场份额,代表了电网企业在电能市场及能源市场上的竞争能力。

8)对未来短期内的售电量和售电均价进行预测。

9)建立国家—区域电网—省—地市的多级分析与评估体系,其中,地市是基础数据的源泉,省公司是主体分析的基本单元。

1.2 指标体系的服务目标

服务目标为:①为营销工作提供切实可行的分析手段;②为售电市场分析预测报告提供规范化的指导;③为国家电网公司营销部提供可操作性强的一套管理机制和管理办法;④为市场分析预测软件的实现提供理论基础,充分发挥营销信息系统的平台作用。

2 指标体系的主体框架

2.1 总体框架

指标体系的一个重要内涵是指标之间的组织结构,即采取怎样的分类和组合方式将一系列彼此独立或者相互关联的指标组织到一起,体现指标间的逻辑关系,方便和满足分析预测的需要[5,6],同时可以指导实际工作中的量化分析[7]。

该指标体系以分析主题为主线进行组织,将指标体系分为经营环境、管理分析、市场预测和后评估4个一级主题,每个一级主题按分析内容进一步细分为二级主题、三级主题等。同时,该指标体系还以时序先后关系为辅线,将各分析主题分为已发生、未发生和后评估3个部分。其中,已发生部分利用售电市场的历史数据进行统计和分析,揭示售电市场的特点和规律;未发生部分针对售电市场的未来状况进行预测;后评估部分建立了已发生和未发生2个部分之间的纽带,将预测值与实际结果进行对比,检验预测准确性,并且评价营销工作的开展状况。指标体系的总体框架见附录A图A1。

2.2 指标体系的其他逻辑关系

除了分析主题与时序先后关系之外,对于不同级别的电网企业,营销工作的内容和重点是不同的;对于不同的分析周期,可获取的原始数据不同,市场分析预测的关注焦点和可实现的分析内容也有所差别。因此,上述指标体系只是满足售电市场分析预测需要的所有指标的集合,却并非所有指标或分析主题都适用于任何一个电网企业的任何一次分析。为了使指标体系具有针对性和可操作性,本节对指标体系中的每个指标定义了如下属性:

1)按照指标性质,可以将指标分为基础数据、分析指标和综合指标3类。基础指标是指可以通过一定渠道直接获取的指标,也可称为基础数据;分析指标是指在基础指标的基础上进行一些简单、常用的计算形成的指标;综合指标是在基础数据或分析指标的基础上,采取相对复杂的计算方法形成的指标,是对营销数据更深层次的分析。

2)按照适用分析周期,可以将指标分为年度、半年、季度和月度4类。其中,月度的售电市场分析讲究时效性,指标应精简,避免给日常的营销工作增添过多负担。同时,由于月度宏观经济数据的获取有较强的滞后性,月度分析主要基于电网企业内部可提供的数据进行;季度及以上周期的分析与预测讲究完整性,是对较长一段时间售电市场发展状态及营销工作开展情况的一个较为系统的总结。

3)按照适用分析层次,可以将指标分为国家、区域、省和地市4类。不同级别电网企业营销工作的内容和特点是不同的,因此适用的指标也应进行针对性的区别。其中,地市级供电企业的主要工作是基础数据的采集和初步统计;省级电力公司是相对独立的经营主体,售电市场分析、评估和预测对其营销工作的开展具有重要的指导意义和参考价值;区域和国家电网公司则侧重对各时段、各地区进行对比,从全局的高度把握售电市场的发展态势,制定纲领性的营销策略。从地市级供电公司到国家电网公司,全国范围内庞大的营销数据经过了一个不断汇总、提炼的过程。

以上3种属性与指标所属分析主题相结合,形成一个多维立体的指标体系结构。各级电网企业可根据自身所处位置,甄选出适用的指标体系,并结合自身特点、应用感受,对指标体系进行删减或补充,将指标体系逐步完善成既满足国家电网公司市场分析预测要求,同时符合自身特色的个性化指标体系。

3 典型重点指标的建立及其分析

3.1 市场占有率

市场占有率又称市场份额,是营销分析最关注的指标。对电网企业来说,市场占有率应从3个层面进行考察:

1)电能消费市场层面。因当前售电市场尚未放开,电网企业在电能消费市场上的竞争主要来自企业自备电厂、地方电厂和孤立电网。提高电能市场占有率的主要措施有促成非公司系统电网统调的中小水火电厂直接联入国家电网公司系统电网,引导自备电厂少发电、停发电或停建自备电厂等。

2)终端能源消费市场层面。在终端能源消费市场上,电网企业面临来自煤炭、石油、天然气等其他形式能源的竞争。提高终端能源消费市场占有率的主要措施有推广以电代煤、以电代油、以电代气、以电代柴等能源替代工程。

对于电网企业来说,电能消费市场的数据较易获取,而终端能源消费市场相关数据需要依赖其他行业或者统计部门的配合,分析起来较为困难,因此目前电网企业对市场占有率的分析和考核主要集中在电能消费市场层面。

站在电网企业的角度,电能消费市场可分为2个部分:已占有市场和未占有市场。一般意义上的市场占有率即是分析电网企业已占有电量在整个电能消费量中的比重。然而,电能消费市场的已占有和未占有电量又分别由若干成分构成,例如,已占有电量可进一步分为公司系统直属供电企业售电量、趸售电量和控股公司售电量,这3部分售电量的价格存在较大差异,为电网企业带来的利润也大不相同。然而,这些信息是单一的市场占有率指标无法揭示的。因此,对市场占有率的分析有必要进一步深入和细化,详细掌握市场各部分的构成状况,分析导致市场占有率提高或下降的主要贡献因素,从而更有针对性地把握市场开拓的主攻方向。

基于以上原因,本文提出全社会用电量完全划分的概念。图1示意了全社会用电量的完全划分结果。

图1中,整圆代表了全社会用电量,3条点线将其分为3个部分:损耗电量、电网企业已占有电量、电网企业未占有电量。并有如下关系:已占有电量为直供售电量、趸售电量、控股公司售电量之和;未占有电量为自备电厂自发自用电量、地方电厂自发自用电量、孤立电网电量之和;已占有电量与未占有电量之和为终端电能消费总量。

由此,提出电能市场占有率的相关指标如下:

市场占有率 $= \frac{已占有电量}{终端电能消费总量}$

直供市场占有率 $= \frac{直供售电量}{终端电能消费总量}$

3.2 市场集中度

市场集中度是市场结构的一个重要特征,用于表示某个产业或市场中,卖方或买方具有什么样的相对规模结构。本节将买方集中度的概念引入售电市场,通过买方集中度计算,反映售电市场上用户的规模分布特点,甄别出对售电量和售电收入有较大影响力的用户,揭示了不同地区售电市场开展营销工作的难易程度及重点。

产业组织经济学中,通常采用以下几个集中度指标。

1)Top-m指数

Top-m指数以市场中最大的m个用户在整个市场中所占的比重表示,定义如下:

$Ι_{Τ o p - m} = \sum_{i = 1}^{m} S_{i}$

式中:Si为市场上的用户按售电量或电费从大到小排序后,第i个用户的售电量或电费所占比重。

在固定的m下,该指标越大,表明市场集中程度越高。

2)HHI指数

HHI(Herfindahl-Hirschmax Index)指数是反映市场集中度最常用、最具代表性的指标。其值为市场上所有用户售电量或电费比重的平方之和,定义如下:

$Ι_{Η Η Ι} = \sum_{i = 1}^{Ν} S_{i}^{2}$

式中:N为市场上的用户个数。

HHI指数的大小取决于各用户比重的不均等程度和用户数量。当整个市场只有1个用户时,HHI指数达到最大值10 000;对于有N个用户的市场,HHI指数能够达到的最小值为10 000/N,即市场的所有用户规模相同。

3)洛仑兹曲线和基尼系数

洛仑兹曲线的横轴为最小用户开始的用户数量累计百分比,纵轴为用户售电量或电费比重的累计数。洛仑兹曲线向右下方偏离均等分布线(即对角线)越远,说明用户规模的不均匀度越大,大用户的相对集中度越高。

由洛仑兹曲线可计算基尼系数,从而定量地反映用户的规模分布特点。基尼系数的计算公式为:

$G = \frac{S_{A}}{S_{A} + S_{B}}$

式中:SA为洛仑兹曲线与均等分布线之间的面积,如图2中A区域;SB为右下角直角三角形减去A后的面积。

基尼系数越高,则用户规模的不均匀度越大,大用户的相对集中度越高。

市场集中度越高,说明该市场中少数大用户对总售电量(电费)的贡献起主要作用。一方面,这些大用户中的个别经营状况发生变化,将对售电量带来较大的冲击;另一方面,只要能做好这些大客户的营销服务,则较大程度地保证了公司的售电量,即营销服务的主体对象非常明确,营销工作的开展难度较小。相反,集中度指数低,说明市场的客户规模相对分散,单个用户对市场总体的影响较小,但是营销服务的主体对象不够突出,营销策略需要照顾到较为广泛的客户群体。

集中度分析不仅可以用于整个售电市场,还可用于各个细分市场。此外,对整个市场中售电量(或电费)排名前列的大用户,可以进一步统计其所属的行业。如果这些大用户中有较大的比重属于同一行业,则当该行业的整体行情发生较大变化时,电网企业的总售电量和售电收入将受到较大影响。在这种情况下,营销工作应当密切关注该行业的有关政策动向,及早地对该行业未来的经营走势作出较为准确的判断,采取积极的应对措施。

3.3 典型用户

本节分析售电市场上对电网企业经营效益有突出贡献的用户所具备的一般特征,并建立了一套考察评价指标集,有助于营销人员深入了解用户的特点,识别优质客户,从而以有限的资源和精力最大程度地提高企业的经营效益。

售电市场的优质用户应从以下几个主要方面进行衡量。

1)用电规模。

用电规模大小是衡量用户对电网企业价值最重要的指标。用户的用电规模可直接以其用电量表征。考虑到不同市场大用户的绝对用电规模可能存在较大差异,因此以相对用电规模表示,即

售电量比重 $= \frac{用户用电量}{电网企业总售电量}$

2)电价水平。

与用电量相似,不同地区的售电价格水平本身存在较大差异,用相对电价更能突出当地的高电价客户,即

用户的相对电价 $= \frac{用户用电价格}{平均销售电价}$

3)负荷特性。

电网负荷是由成千上万用户的负荷叠加而成。负荷曲线越平缓,越有利于电网经济安全运行和社会用电综合经济效益的提高。因此,如果用户的负荷曲线与系统负荷曲线呈相反走势,即系统负荷高峰时段该用户处于用电低谷,而系统负荷低谷时段该用户处于用电高峰,则该用户对系统负荷起到拉平作用;相反,如果用户的负荷曲线与系统负荷曲线走势相似,将加剧系统负荷的波动。由此可以计算用户负荷曲线相似系数。为此,定义用户负荷曲线相似系数如下:

用户负荷曲线相似系数= $\sqrt{\frac{\sum_{i = 1}^{n} (\bar{x}_{i} - \bar{X}_{i})^{2}}{n}}$

式中: $\bar{x}$ i和 $\bar{X}$ i分别为标幺化的用户日负荷和系统日负荷;n为负荷曲线的点数。

用户负荷曲线相似系数越小,说明用户负荷曲线与系统负荷曲线形状越接近,该用户对改善系统负荷特性的贡献越小;反之,用户负荷曲线相似系数越大,说明用户负荷曲线与系统负荷曲线形状相差越大,该用户对改善系统负荷特性的贡献越大。

3.4 报装跟踪

业扩报装是电网企业预知经济和电力发展动向的重要窗口。因此,营销部门应认识到业扩报装原始数据的价值,通过深入的数据挖掘,发挥其对售电市场分析和辅助决策的作用。

业扩报装的原始数据主要包括用户户数和用电设备容量2种指标,对于每种指标,应该同时从以下2个角度进行剖析:

1)把握每种指标当前已经达到的数量,即用户总户数和用电设备总容量,同时掌握当前的数量中有多少是在最近的时期内新增的,即新增用户户数和新增用电设备容量。新增数量及其占总数量的比重预示了未来售电市场增长的势头,也在一定程度上反映了营销部门市场开拓的效果。

2)把握总量数值,同时掌握总量的构成情况。可以从容量等级、电压等级、电价类别、行业类别、地域等多个角度分析总量与其构成分量的关系。通过这样的分析,营销部门能够预计售电市场未来收入、均价、利润等关键指标的变化趋势。

此外,电网企业实际售电量的增长往往要滞后于业扩报装的增长,新增报装容量也不会百分之百地转化为售电量的增长。对历史数据进行统计,找出新增报装与售电量增长之间的关系,有助于电网企业对未来售电量的增长变化进行更准确的预计。

4 结语

本文分析了建立售电市场分析预测指标体系的背景和理念,提出了指标体系的主体框架,重点分析了具有电力营销特色的部分典型指标。该指标体系在2006年11月召开的“国家电网公司‘十一五’电力需求侧管理规划暨售电市场分析预测工作座谈会”上初步进行宣传和贯彻。此外,基于该指标体系的售电市场分析预测软件系统也已初步建成,并在国家电网公司营销部门中得到了推广应用。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。

摘要：针对当前电网公司营销分析的需求,建立了一套分析售电市场发展态势和营销效果的指标体系。该指标体系以分析主题为主线、时序先后为辅线进行组织。按分析主题分为经营环境、管理分析、市场预测和后评估四大部分;按时序先后分为已发生、未发生和后评估三大部分。其内容广泛吸取了售电市场分析预测现有研究和应用中的精华,并在此基础上发展了市场占有分析、市场集中度分析、典型用户分析、报装跟踪等具有鲜明营销工作特色的新指标,以期全面、深入地评价售电市场的总体发展状况。该指标体系为实现营销工作的规范化、科学化、高效化提供了支撑。

关键词：电力营销,指标体系,市场占有率,市场集中度

参考文献

[1]于崇伟.电力市场营销.北京:中国电力出版社,2002.

[2]肖先勇.电力市场营销原理.北京:中国电力出版社,2004.

[3]王相勤.电力营销实时信息系统建设的实践与思考.电网技术,2006,30(4):1-5.WANG Xiangqin.Practice and consideration of power marketingreal-ti meinformation system.Power System Technology,2006,30(4):1-5.

[4]王志刚,曲巍,黄爱颖.天津市电力公司售电市场实时预测分析系统建设及应用.电力需求侧管理,2007,9(1):48-51.WANG Zhigang,QU Wei,HUANG Aiying.Construction andapplication of electric selling real-ti me forecasting analyzingsystemof Tianjin Electric Power Company.Power Demand SideManagement,2007,9(1):48-51.

[5]刘敦楠,陈雪青,何光宇.电力市场评价指标体系的原理和构建方法.电力系统自动化,2004,29(23):2-7,14.LI U Dunnan,CHEN Xueqing,HE Guangyu.General principleand constitution process of evaluating indices system forelectricity market.Automation of Electric Power Systems,2004,29(23):2-7,14.

[6]刘敦楠,武亚光,何光宇.电力市场综合指数的研究.电力系统自动化,2006,30(3):23-28.LI U Dunnan,WU Yaguang,HE Guangyu.Research onaggregative index for electricity market.Automation of ElectricPower Systems,2006,30(3):23-28.

开发指标预测篇9

为了防止煤与瓦斯突出灾害事故的发生, 提高防突措施的针对性, 世界主要产煤国均投入了大量的人力、物力, 研究突出预测指标, 以便为突出危险性预测和防突措施的制订与实施提供科学依据[1,2]。煤与瓦斯突出预测预报是突出危险性评估和防突措施效果检验的重要技术手段, 科学确定突出敏感指标及其临界值是搞好煤与瓦斯突出防治工作的基础。但煤与瓦斯突出敏感指标具有条件适应性, 不同矿区、不同煤层应有其各自的敏感指标和临界值。由于受技术条件等各方面因素的影响, 大多数煤矿只是照搬照抄《防治煤与瓦斯突出规定》给出的参考预测指标、临界值, 进行煤与瓦斯突出预测预报, 造成预测指标不敏感、临界值不可靠的情况时有发生。在矿井生产过程中, 经常出现所谓的“高指标不突出, 低指标突出”现象, 降低了预测指标的可靠性, 增大了矿井防突工程量[3]。为了了解和掌握义安矿的预测指标及其敏感性, 对义安矿突出预测指标进行了统计分析并考察预测指标的影响因素。

1矿井概况

义安矿位于河南省洛阳市新安县正村乡, 南距新安县城15 km, 是义马煤业集团所属的大型煤矿之一, 设计生产能力为120万t/a。矿井采用立井开拓方式, 一水平标高-318 m, 二水平标高-500 m, 井底车场位于二1煤层顶板。主井采用水平上装载方式。初期投产采区为东11、西12两个采区, 一个炮采、一个综采工作面保证矿井设计生产能力。矿井通风方式为抽出式, 目前为中央并列式通风系统, 主、副井进风, 中央风井回风。后期拟在井田深部边界附近布置南风井, 主、副井进风, 形成中央分列式通风系统。矿井可采煤层为二1、二2煤层。二1煤层全区可采, 二2煤层局部可采。矿井所属二1、二2煤层瓦斯含量高, 其最大值为14.52 m3/t。

2突出预测指标区间分布统计分析

重点统计分析了义安矿12071胶带巷、12071轨道巷、22011胶带巷、12081联络巷、12081轨道巷、12011胶带巷、12011轨道巷、11061轨道巷、11061胶带巷等9个掘进工作面的预测 (效检) 指标q, S, Δh2值的区间分布情况, 结果见表1—3。

从理论上讲, 钻屑量反映了煤的强度、煤体承受的地应力和煤中瓦斯压力的综合作用。钻屑量指标大小与以地应力为主导作用的动力现象之间存在较强的相关性[4,5]。但是, 从表1—3分析可知:义安矿的钻屑量指标S值普遍偏小, 与突出危险性关系不明显, S值主要分布在3～5 kg/m内, 占统计量的87.83%, 超标率为1.97%, 因此其指标变化较小, 不能满足测试误差要求, 其预测敏感性较差;钻屑瓦斯解吸指标Δh2值主要分布在0～120 Pa内, 占统计量的52.2%, 超标率为6.0%;钻孔瓦斯涌出初速度q值主要分布在1～2 L/min内, 占统计量的59.5%, 超标率为7.8%。因此可以看出, S值分布较集中, 测值较小且变化幅度不大, 指标的敏感性较差;q和Δh2分区较明显, 变化幅度较大。相对于S来说, q和Δh2即为义安矿的敏感指标。

3突出预测指标影响因素分析

3.112071胶带巷掘进工作面

从图1—2可知, 12071胶带巷掘进工作面预测指标异常区内主要表现为q和Δh2超过其临界值, 其中在掘进至90～180, 270～330 m时, q和Δh2均有超标, 在530～620 m时, 解吸指标Δh2值有超标现象。通过其巷道剖面图可知, 引起预测指标超标的主要原因是工作面处于煤厚区和存在断层。

3.212071轨道巷掘进工作面

从图3— 4可知, 12071轨道巷掘进工作面预测指标异常区内主要表现为q和Δh2值超过其临界值, 其中在掘进至130～250 m时, q和Δh2均有超标, 钻孔瓦斯涌出初速度q的最大值为40.96 L/min, 钻屑瓦斯解吸指标Δh2最大值为431 Pa。通过其巷道剖面图可知煤层由薄变厚区是引起预测指标超标的主要原因。

3.322011胶带巷掘进工作面

由图5可见, 22011胶带巷掘进工作面预测指标异常区内主要表现为q和Δh2值超过其临界值, 通过其巷道剖面图可知, 煤层厚度及其变化是引起预测指标超标的主要原因。

4结语

1) 从义安矿突出预测指标区间分布统计可知:

钻屑指标S值分布较集中, 测值较小且变化幅度不大, 超标率仅为1.97%;q和Δh2分区较明显, 变化幅度较大, 超标率分别为7.8%和6.0%。

2) 从义安矿突出预测指标随掘进工作面推进的变化可知:

预测指标超标大部分发生在煤厚及其变化区、断裂构造和埋深较大处, 因此这些因素是义安矿煤与瓦斯突出的主控因素;同时煤层瓦斯突出危险性的主要表现形式为预测指标q和Δh2值超标而S值变化不大。

参考文献

[1]林柏泉, 崔恒信.矿井瓦斯防治理论与技术[M].徐州:中国矿业大学出版社, 1998.

[2]于不凡, 王佑安.煤矿瓦斯灾害防治及利用技术手册[K].北京:煤炭工业出版社, 2000.

[3]赵旭生.“低指标突出现象”原因分析及防范对策[J].煤矿安全, 2007, 38 (5) :67-69.

[4]王路军.突出预测指标钻屑量的实验研究[J].煤矿安全, 2008, 39 (9) :1-3.