敏感性因素识别在煤炭工业生态产业链优化仿真研究中的应用

6.2　敏感性因素识别

灵敏度分析主要是通过改变模型中的某个或某些参数，观察参数变化对系统产生的影响。不同参数对系统行为的影响力是不同的，我们把对系统行为影响很敏感的参数称为敏感性因素。对于敏感性因素就需要进行准确估计，而不敏感的参数就不需要反复求证和推敲，尽可能地获取相关知识就足够了。因此，我们需要对系统中的相关参数进行灵敏度分析，识别出敏感性因素，然后对其进行进一步优化。

灵敏度分析的公式如下：

对系统中的控制变量进行灵敏度分析，通过改变控制变量，进行系统模拟运算。煤炭工业生态产业链系统动力学模型中的控制变量包括上游企业总投资比例、下游企业总投资比例、生产投资比例、科研投资比例、环保投资比例，其中下游企业总投资比例有煤电总投资比例、煤化工总投资比例、煤冶金总投资比例、煤建材总投资比例；生产投资比例有上游企业生产投资比例、煤电生产投资比例、煤化工生产投资比例、煤冶金生产投资比例、煤建材生产投资比例；环保投资比例有上游企业环保投资比例、煤电环保投资比例、煤化工环保投资比例、煤冶金环保投资比例、煤建材环保投资比例；科研投资比例有上游企业科研投资比例、煤电科研投资比例、煤化工科研投资比例、煤冶金科研投资比例、煤建材科研投资比例，一共有29个子控制变量，煤炭工业生态产业链系统动力学模型中各子控制变量的取值如表6－3所示。

根据建模目的及煤炭工业的实际情况，进行灵敏度分析时，并不一一对29个子控制变量作灵敏度分析，而是对七个控制变量作灵敏度分析。也就是说，对关联度进行灵敏度分析时，煤电关联度、煤化工关联度、煤冶金关联度、煤建材关联度四个变量同比例一起改变；对集中度进行灵敏度分析时，煤电集中度、煤化工集中度、煤冶金集中度、煤建材集中度五个变量同比例一起改变；其他类同。本书采用Vensim软件中的Sensitivity　Simulation工具对上述七个控制变量分别进行灵敏度分析。通过分析历史数据发现关联度和集中度的取值

表6－3　煤炭工业生态产业链SD模型控制变量

表6－4　关联度灵敏度分析的取值

(www.xing528.com)

表6－5　科研投资比例灵敏度分析的取值

大概在当前值（即表6－3中的取值）的50%上下波动，而其他五个控制变量的取值大概在当前值的20%上下波动。因此，对关联度进行灵敏度分析时，煤电关联度、煤化工关联度、煤冶金关联度、煤建材关联度的取值范围如表6－4所示，其他控制变量的值保持不变。对科研投资作灵敏度分析时，上游企业科研投资比例、煤电科研投资比例、煤化工科研投资比例、煤冶金科研投资比例、煤建材科研投资比例的取值如表6－5所示，其他控制变量的值保持不变。由于灵敏度分析的过程和结果类似，本书仅给出关联度和科研投资比例的灵敏度测试结果，分别如图6－5和图6－6所示。

图6－5分别给出了当煤电关联度、煤化工关联度、煤冶金关联度、煤建材关联度在表6－4中的取值范围内取值并模拟200次，上游企业产值、下游企业产值、上游企业污染物排放量、下游企业污染物排放量、煤电万元产值能耗量、煤化工万元产值能耗量、煤冶金万元产值能耗量、煤建材万元产值能耗量的结果。图中的意思表示200次模拟结果中，50%次的结果落在黄色区域，75%的结果落在绿色以内（即黄色＋绿色）的区域，95%的结果落在蓝色以内（即黄色＋绿色＋蓝色）的区域，所以结果都在灰色区域以内（即黄色＋绿色＋蓝色＋灰色）。如果模拟结果所在的区域（即灰色以内）越大，就说明该控制变量越敏感。由于上述八个变量是系统中的关键变量，它们的变化可以反映系统的变化，因此可以通过观察它们的结果来检验控制变量的敏感度。由图6－5可以发现，当关联度变化时，上游企业产值、下游企业产值、上游企业污染物排放量、下游企业污染物排放量、煤电万元产值能耗量、煤化工万元产值能耗量、煤冶金万元产值能耗量的变化范围都较大，只有煤建材万元产值能耗量的变化范围相对较小，因此我们认为关联度是敏感性因素。而当科研投资改变时，只有上游企业污染物排放量和下游企业污染物排放量的变化范围稍微大些，而其他6个变量的变化范围都较小（图6－6），因此我们认为科研投资不敏感。

图6－5　关联度灵敏度测试结果

图6－6　科研投资灵敏度测试结果

同样，对剩余五个控制变量进行灵敏度分析，结果显示它们都是敏感性因素。因此，煤炭工业生态产业链系统动力性模型中的敏感性因素有关联度、集中度、上游企业总投资比例、下游企业总投资比例、生产投资比例、环保投资比例。