预测-综合指标（精选10篇）
预测-综合指标 第1篇
关键词：火灾预测,综合指标法,火险等级
1森林火险预测的定义
森林火险预测指通过测定、计算一些自然和人为因素，来预测和判断森林火险发生的可能性、森林火险控制的难易程度以及森林火险可能造成损失的技术和方法。
2改进综合指标法
某一地区无雨期愈长，气温愈高，空气愈干燥，地表可燃物含水率也愈小，森林燃烧性愈大，容易发生火灾。因此，根据空气饱和差，气温和降水情况，来综合估计森林燃烧的可能性，并制定相应的综合指标来划分火险天气等级。综合指标的计算公式如下：
式中：P———综合指标，无量纲;ti———第天13:00的空气温度(0C);di———第天13:00的空气饱和差(hpa);n———降雨后连旱天数(d);综合指标是雪融化后，在气温00C开始累积计算的;每天13:00测定干球温度和湿球温度，查出空气饱和度，得出饱和差，同时要根据当天降水量多少来加以修正。空气饱和度是指空气中的二氧化碳含量如果小于当时温度对应的饱和含量，则二氧化碳是处于不饱和状态，它与饱和含量的比值叫饱和度。因此，饱和度也就是相当于表示水分含量的相对湿度，如果当日降水量超过2mm时，就取消此前积累的综合指标;降水量大于5mm时，既要取消以前积累的综合指标，同时还要将降水量后5天内计算的综合指标数减去1/4，然后再累积进行计算。
计算得出的综合指标数值，再对照火险等级查对表(表2)，即可确定当天的火险等级。
该法没有考虑风的作用。风对可燃物的干燥、着火和蔓延都有很大影响。气温和空气饱和差相同，受风速不同的影响，尽管综合指标数值相同，但森林火灾危险性有差异。考虑了风对火蔓延的影响，增加了风速更正系数，同时用更正后的指标反映燃烧与火灾蔓延的关系。风速补正综合指标的计算公式为：
式中：b——风速补正参数。
3应用实例
福建省景山林场国有林场总面积7.8万余亩，做好防火预测是十分必要的。文章应用改进的综合指标法，应用该林场实际数据对防火等级进行预测。
例如：从2月10号的火灾等级预测，假设10号中午13:00时的温度为0度，以及当天13:00时测定干球温度和湿球温度分别为0度和1度，可算出空气饱和差为5.3Pa，则2月10号综合指标P=tidi=0，火险等级为Ⅰ级，没有危险，一般不易燃烧。
2月11号13:00时：空气温度为3度，干球温度和湿球温度分别为3度和5度，查出此时的空气饱和差为16.7Pa，风速为1.3m，由些可以得到修正后并且累积的综合指标P=11.02，此时火灾等级为Ⅰ级，没有危险，一般不易燃烧。
2月12号13:00时：空气温度为2度，干球温度和湿球温度分别为1度和3度，查出此时的空气饱和差为9.7Pa，风速为2m，由些可以得到修正后并且累积的综合指标P=22.47，此时火灾等级为Ⅰ级，没有危险，一般不易燃烧。
3月10号13:00时：空气温度为20度，干球温度和湿球温度分别为21度和19度，查出此时的空气饱和差为20 Pa，风速为3.2m，由些可以得到修正后并且累积的综合指标P=332，此时火灾等级为Ⅱ级，很少危险，着火后蔓延很慢。
3月11号13:00时：空气温度为25度，干球温度和湿球温度分别为25度和24度，查出此时的空气饱和差为31.4Pa，风速为1.2m，由些可以得到修正后的综合指标P=591.05，此时火灾等级为Ⅲ级，中等危险，燃烧较快。
5月10号：由于天气下雨3m m，超过2m m，因而取消了以前所有的累积数据，将综合指标重置为P=0，从新开始计算。
5月11号：天气降雨为6m m，所以根据指标法，5天内所有指标都需要减去1/4，然后再累积进行计算。
5月12号：空气温度为30度，干球温度和湿球温度分别为30度和29度，查出此时的空气饱和差为22.4Pa，风速为0.5m, 由些可以得到修正后的综合指标P=221.76，此时的综合指标需减去1/4，得到其指标数为55.44，火灾等级Ⅰ级，没有危险，一般不易燃烧。
4结论
血液流变学指标与中风预测 第2篇
临床检验发现，多数中风患者血液流变学各项指标都有明显变化。其中缺血性中风患者血液流变学的各项检验值都比正常人明显增高；随着病情的加重或好转，这些检验值会相应的增高或降低，接近或恢复正常。出血性中风除红细胞压积和全血粘度可有下降外，其余各项与缺血性中风相仿；如治疗后病情好转，红细胞压积和全血粘度可出现回升，病情危重时则明显下降。对于中风的预测，一般认为，如果血液流变学有4－8项指标异常，在近期发生缺血性中风或心肌梗死的风险极大。
但是，也不能完全依赖血液流变学指标来预测中风。因为中风发生的机理十分复杂，是许多已知或未知因素综合作用的结果，如社会因素、精神因素、环境因素、个人饮食和生活习惯与嗜好，以及更为复杂的心脏功能、脑血管病变和凝血系统状况等，血液流变学指标的变化只是导致中风发生的诸多重要危险因素之一。因此，仅用血液流变学指标异常进行中风预报，难免会出现误差，有些被预报“危险性很高”的人，由于积极采取预防措施，近期内并未发生中风；相反，有些被预报“安全性较高”者，由于疏于预防，不久却发生了中风。因此，要正确认识血液流变学指标异常的意义，既要重视这些异常变化，又要注意其他危险因素的预防。
预测-综合指标 第3篇
关键词：Compertz模型,城镇综合用水指标,应用
引言
水是人类生存和社会发展不可替代的战略资源, 随着社会经济发展对水资源需求量的不断增长, 水资源问题已成为国民经济和社会科学发展以及生态环境改善的重要制约因素。如何有效、科学利用和合理配置水资源, 是促进社会经济发展又好又快发展的一个关键问题。
目前, 城镇综合用水指标预测方法较多, 主要的有综合指标法、分类指标法、年递增率法等。由于需水预测涉及社会、经济、人口、城市化、技术进步、环境等多方面的复杂问题, 不确定性因素很多, 导致上述方法存在以下几种问题: (1) 简单地参照国外或其他地区的指标或定额指标, 使需水量指标预测未切实考虑本地区的现实情况, 由于各地用水水平差异很大, 预测结果往往偏离实际; (2) 预测参数受人为因素影响较大, 主观性强, 预测误差较大, 不能客观准确的反映需水指标; (3) 上述预测方法通常只能反映一种平稳的几何增长过程, 所以预测的结果与实际用水量有较大差距。综上所述, 综合用水指标的预测必须以当时当地经济发展的特征和用水现状研究作为基础, 合理选择指标和参数, 才能取得较好的预测成果。
Compertz模型作为增长模型在石油、生物、生态、经济、医药和渔业等领域的应用已多有报道 (1~4) 。
1 模型建立
1.1 Compertz模型
Compertz生长模型法计算公式如下:
式中:Q为连续函数, 表示某个需要预测的物量, 例如城镇综合用水指标;t为时间变量;a、b、c为待定常数, 需要根据统计数据来估算。
假设统计数据为 (xi, yi) , i=1, 2, …., n。记
1.2 参数估算方程
Compertz模型是一个三参数数学模型, 在进行参数估计时需要求解一个三维优化问题, 常规算法难度大、不方便。文献[5]将Compertz模型参数估计的三维优化问题化简成一元非线性方程的求解问题, 给出了一个新的算法。其算法通过建立式 (3) ~ (12) 来求解Compertz模型待定常数。
式 (12) 是关于待定常数c的一元方程, 称为参数估计方程。由方程 (12) 解得c后, 分别代入式 (10) 、 (11) 即可求出待定常数a和b。
2 实例计算与分析
临海市位于浙江省东南沿海中部, 陆地面积2203km2。地处亚热带季风性气候区, 多年平均降雨量1685.5mm, 多年平均地表水资源量20.95亿m3。人均水资源量为1886m3, 低于全国和全省人均水平。2010年临海市总人口116万余人。
随着临海市社会经济的发展、城镇化率不断提高以及产业布局的调整, 城镇综合用水不断增长。需要对城镇综合用水进行准确估算, 以便下一阶段水利工程建设规划和水资源配置。以下根据临海城区已有的城镇用水数据, 验证Compertz模型对城镇综合用水指标预测的可靠性, 并预测临海市主城区2020年、2030年综合用水指标。
2.1 原始数据的采集
临海市城区有花街和东城2座自来水公司, 2座自来水厂的供水统计数据见表1。从表中统计数据可以看出, 除个别年份用水指标存在波动外, 用水指标总的趋势是增长的。
2.2 统计数据的处理
考虑到2009年、2010年统计数据同总体趋势存在波动, 不具有代表意义, 在参数计算中予以剔除, 整理得数据处理成果见表2。
2.3 参数计算
根据表2数据, 代入式 (3) ~ (12) , 可求得a=5.9999, b=-0.324, c=0.7509。将计算所得参数代入 (1) 式得综合用水指标预测公式如下:
2.4 算例检验和预测成果
根据式 (13) , 可以得到相对于时间年份而变化的综合用水量指标预测值, 预测成果如表3所示。
从表中可知, 2005年~2011年预测成果与实际统计成果相比较, 相对最大误差仅为1.8%。对2020年、2030年规划年份的预测, Compertz生长模型法预测2020年后用水指标将接近极限, 增长极
3 结束语
Compertz模型既包含了解以前经验的成分, 又包含了对当地过去若干年数据的理论分析和综合。实际应用表明, 该模型对于预测城镇综合用水指标是可靠的, 在城镇综合用水指标预测方面具有很好的应用前景。
参考文献
[1]童晓光, 黎丙建, 老油区石油储量增长趋势预测及应用[J], 石油勘探与开发, 1991, 19 (6) :25-31, 39.
[2]高丽, 依Compertz模型生长的林木砍伐问题, 中山大学研究生学刊 (自然科学版) [J], 2001, 22 (4) ;28-35.
[3]冯敏山, 李祥龙, 波尔山及其级进杂交后代生长模型研究, 黑龙江畜牧兽医[J], 2003, 7 (4) :1-3.
[4]蔡述健, 保持捕鱼业持续收获的Compertz模型, 宁德师专学报 (自然科学版[J]) , 2008 (02) :74-75.
预测-综合指标 第4篇
一、2000—2007年我国经济进入新经济周期上升阶段
2000年以后世界经济进入新一轮经济周期的繁荣阶段，我国经济也逐渐走出通货紧缩的阴影，进入新一轮增长周期的上升阶段（见图1），国民经济总体情况较好并呈现加速发展的态势。一是经济增速不断加快。2000—2007年，我国GDP从8.4%逐年攀升至14.2%，年均增速达到10.3%。从国际横向比较看，2004年我国GDP超过意大利，2005年超过法国，2006年超过英国上升到第四位。二是投资、出口成为经济增长的主要驱动力量。2000—2007年，货物和服务净出口对GDP增长贡献率从0.4%升至10.3%，资本形成总额贡献率从21.4%升至43.6%，而最终消费支出贡献率从78.2%降至46.1%。三是工业化程度稳步提升。2000—2007年，工业增加值年均增长11.4%，高于GDP增速1.1个百分点；工业增加值占GDP比重从40%提高到41.1%。在工业快速增长的驱动作用下，第二产业对GDP的拉动从5%升至7.1%，提高了2.1个百分点。四是房地产业成为新的经济增长点。2000—2007年，房地产业增加值年均增长10.9%，高于GDP增速0.6个百分点；房地产业增加值占GDP比重从4.2%提升至5.2%。在房地产业带动下，第三产业对GDP的拉动从3.1%升至6.7%，提高了3.6个百分点。五是物价总体保持稳定。2000—2007年，CPI总体稳定，除2004年和2007年由于食品价格快速上涨拉动CPI达到3.9%和4.8%以外，其余年份均低于2%。六是财政收入快速增长。我国财政收入增长受经济增长、物价波动的影响很大，具有随经济高速增长而加速增长、随经济减速而加速放慢的特征。2000—2007年，我国财政收入增速从17%提升至32.4%，年均增长20.2%；财政收入规模也从13395.2亿元增加到51321.8亿元。根据经济形势发展变化，从2005年开始，1998年以来实施7年的积极财政政策转变为稳健财政政策，标志着财政政策的着力点从扩大需求和拉动经济增长，转向加强薄弱环节和调整经济结构。
总体看，2000—2007年，我国把握世界经济进入新一轮增长周期的战略机遇，在2001年底加入WTO后，充分发挥政治稳定、劳动力和土地等生产要素价格低廉以及基础设施完善的比较优势，充分利用国内外有利因素，收获了人口红利和全球化红利，各项宏观经济指标表现良好，市场机制的调节作用增强，经济自主增长机制初步形成，经济建设成果显著。但同时也要看到，在此期间，速度规模效益型的粗放发展方式继续强化，经济结构调整及转变发展方式进展缓慢，资源环境约束日益明显，社会分配差距逐渐扩大，而2003年“非典”疫情也充分暴露了经济社会发展不协调、不平衡等亟待解决的问题。
二、2008—2011年经济转入下行调整区间
2008年国际金融危机扩散蔓延，世界经济深度衰退，外需萎缩造成出口大幅下降，我国经济增长由此转入下行调整区间。一是经济增速下台阶。由于国际金融危机造成外需动力严重不足，2008年我国经济增速陡降至9.6%，比上年回落4.6个百分点，2009年继续回落至9.2%。2009年实施两年（2009—2010年）新增4万亿元的投资计划（中央财政投资1.26万亿元）后， 2010年经济增速回升至10.6%，但2011年又回落至9.5%。二是投资发挥了稳增长的关键作用。2008年货物和服务净出口贡献率比上年回落6.8个百分点降至3.5%，并在2009、2010和2011年继续降至-44.8%、-12.9%和-7.9%。为对冲外需缺口，我国加大了投资力度，2008年资本形成总额贡献率比上年提高8.2个百分点，达到51.8%；在4万亿投资政策刺激下，资本形成总额贡献率继续大幅攀升，2009和2010年分别达到87.1%和66%（见图2），有效弥补了外需下降造成的动力缺失，避免了经济断崖式滑落。
由于固定资产投资较快增长，房地产投资增速加快，房地产业增加值占GDP比重从2008年的4.7%提升至2011年的5.8%，带动第三产业增加值占GDP比重从42.9%提升至44.3%。三是物价波动幅度较大。在食品价格快速上涨推动下，2008年CPI达到5.9%；2009年受国际金融危机影响，CPI降为-0.7%；2010年和2011年食品价格上涨7.2%和11.8%，带动全年CPI上升至3.3%和5.4%。四是城镇人口超过农村。2011年末，我国大陆总人口13.47亿人，其中，城镇人口6.91亿人，比上年末增加2100万人；乡村人口6.56亿人，减少1456万人；城镇人口占总人口比重达到51.27%，首次超过农村。五是财政支出增速超过财政收入。2008—2011年，财政收入年均增长18.7%，仍维持较高增速；财政支出年均增速达到21.6%，超过财政收入2.9个百分点；截至2011年，财政收支规模均超过10万亿元。财政支出增长较快主要原因是财政部门全面落实和完善应对国际金融危机的一揽子计划和政策措施，稳健的财政政策在2008年转变为积极的财政政策，与适度宽松的货币政策（2011年转变为稳健货币政策）搭配，共同促进了国民经济平稳较快发展。
虽然2008—2011年经济发展进入下行区间，但我国经济仍然保持了9.7%的年均增速，我国经济总量继续快速增长，2008年GDP突破30万亿元（318737亿元），超过德国成为世界第三大经济体；2010年GDP突破40万亿元（408903亿元），超过日本成为世界第二大经济体。经济发展实践证明，刺激政策短期内拉动投资快速增长，防止了经济快速下滑造成的震动，但未能从根本上改变经济下行的趋势。
nlc202309042253
三、2012—2014年经济进入中高速增长新常态
2012—2014年世界经济进入深度调整期，我国进入改革攻坚期和深水区，特别是2013年以来在“三期”叠加背景下，经济增速向潜在经济增长率收敛特点明显，并在2014年进入中高速增长新常态。一是经济增速缓中趋稳。2012—2014年经济增速从7.7%回落至7.4%，年均增长7.6%；2015年前两个季度经济增速继续降至7%，经济企稳筑底趋势不断增强。二是经济结构优化。2012年起，第三产业占GDP比重超过第二产业，并呈稳步增长态势（见图3）。随着第三产业比重上升，第三产业对GDP增长的贡献率也不断上升（见图4），2014年对经济增长的拉动作用超过第二产业。三是杠杆率攀升。金融危机后我国经济杠杆率快速上升，2013年比2008年上升了80个百分点。同期的债务总额增长206%，是同期GDP增速的2倍多。2014年底M2/GDP达193%，比2008年提高43%，几乎为全球最高，同期美国为88%，OECD国家平均水平为131%，欧元区为160%。分部门看，企业和政府部门杠杆率较高。非金融企业杠杆率2012年已经达到139%，远超90%的国际警戒线，2014年国有及国有控股企业杠杆率达104.7%；截至2013年底，中国政府负债超过56万亿元，同比增长近两成。与此同时，中国政府2013年资产总额111.9万亿元，同比增长近一成，增速远低于负债增速1。有些地方政府负有偿还责任的债务甚至已经超过当期财政收入。四是PPI持续下行。受有效需求不足、产能过剩等因素影响，2012年3月PPI降为-0.32%并延续至今，PPI长期负增长大大压缩了企业盈利空间，严重影响了企业经济效益，而同期CPI基本处于低位运行。五是人口红利逐渐消退。劳动年龄人口自2012年起连续3年出现绝对减少，2013和2014年分别比上年减少244和371万人。同时，2013—2014年，老年人口分别比上年增加853和999万人，老龄化率分别为14.9%和15.5%。六是继续实施积极财政政策。2012—2014年继续实施积极的财政政策和稳健的货币政策，财政支出年均增长11.3%，超过财政收入0.9个百分点。
2012—2014年经济进入中高速增长新常态，增速回落的外因是世界经济整体复苏进程艰难曲折，外需没有根本性改善；内因是我国劳动年龄人口总量下降，生产成本上升，要素的规模驱动力减弱，模仿型排浪式消费阶段基本结束，传统产业、房地产投资相对饱和，去产能、去杠杆、去泡沫、去库存压力增加，资源环境约束增强，潜在经济增长率下降。由于我国经济总量已经很大，同时经济发展方式从规模速度型粗放增长转向质量效益型集约增长，经济结构从增量扩能为主转向调整存量、做优增量并举的深度调整，经济发展动力从传统增长点转向新的增长点，经济发展在向形态更高级、分工更复杂、结构更合理的阶段演化过程中必然减速。只要切实转变经济发展方式，推动提质增效升级，保持6.5%以上经济增速仍然能够确保实现2020年全面建成小康社会的发展目标。
四、“十三五”时期主要经济指标预测
“十三五”时期是我国从世界大国转变为世界强国的关键阶段，在经济进入新常态后，我国发展既面临大有作为的重要战略机遇期，也面临诸多矛盾相互叠加的严峻挑战。我们要准确把握战略机遇期内涵的深刻变化，认识、适应和引领新常态，稳定和完善宏观经济政策，保持稳增长与调结构的平衡，培育和催生经济社会发展新动力，确保实现全面建成小康社会战略目标。在设定2015年GDP增长7%的基础上，我们运用可计算一般均衡模型（CGE模型）对“十三五”期间GDP等主要经济指标进行了初步预测。
（一）GDP年均增长6.5%。我国经济发展进入新常态后，“十三五”时期将呈中高速增长，预计增速前低后高。过去30多年我国由投资和出口带动的经济增长，很大程度上得益于充分利用人口红利，不断提高人口素质，并将劳动力从生产率较低的第一产业转移到劳动生产率较高的第二产业和第三产业，提高了劳动生产率。而现阶段，与发达国家在完成工业化、物质基础雄厚后进入老龄化不同，我国未富先老，已提前进入老龄化社会。今后老年人口数量将以年均800万以上的规模激增，预计2020年老年人口将达到2.55亿，占比达19.3%。同时，劳动年龄人口自2012年起连续3年出现绝对减少，如果生育政策维持不变，2020年前人口总和生育率将继续稳定在1.8以下，低于2.1的更替水平，预计“十三五”累计减少劳动年龄人口近1500万人。与此相关联的，反映劳动力与老年人口比例关系的老年人口抚养比，到2020年将达到 2.94∶11。人口结构的这种变动，不利于经济维持6.5%以上的增长，加上目前经济结构深度调整，去产能去杠杆化持续进行，预计“十三五”前半期经济增长将经历一个筑底过程。后半期，假设户籍制度改革、土地改革等一系列改革顺利推进，改革红利不断释放，市场在资源配置中的决定性作用有效发挥，工业化基本实现，产能过剩行业退出及重组逐步完成，科技进步对经济增长的贡献率大幅提升，信息化、互联网产业、新兴服务业和战略性新兴产业等新的增长点逐渐成为经济发展新引擎，新型城镇化、城乡一体化和农业现代化进入健康协调发展阶段，劳动生产率有望加快提高，经济增长稳定在7%左右的中高速水平。综合分析，预计“十三五”时期GDP年均增长6.5%左右。
（二）物价总体保持稳定。“十三五”时期，物价仍具有一定的上涨压力。主要是农业生产资料成本上升，加上全球气候变暖引发异常天气常态化影响农业生产，而人口城镇化和消费结构升级拉动粮食需求刚性增长，预计到2020年我国粮食需求总量将达到1.4万亿斤，供求缺口将近2000亿斤2，农产品价格将处于上行趋势；劳动力成本呈持续上涨趋势，2014年我国农民工平均月收入2864元，比2005年875元增长了2.27倍，未来随着农村富余劳动力趋减，劳动力成本仍将刚性上涨；随着要素约束不断强化，土地、环保等成本总体呈上升趋势；推进煤炭、天然气、水、电力等重要能源资源性产品价格改革，客观上会推高价格水平。但由于经济发展进入新常态，经济保持中低速增长，部分行业产能过剩，社会总供求基本平衡，在总量上不存在高通胀的压力。综合分析，我国物价将总体上呈温和上涨态势。初步预计，“十三五”时期CPI年均上涨2.5%—3%左右。
nlc202309042253
（三）外贸出口增速将逐步接近世界贸易平均增速。我国已经成为世界第一大货币贸易进出口国，基数已经很大，工作重心也会转到提质增效上，进出口总额已难以继续保持两位数的高增长。考虑到美、日、欧等主要经济体经济增长出现分化，世界经济增长再难以回到国际金融危机前的水平，也会制约我国对外贸易的增长速度，预测“十三五”时期我国出口平均增长6.6%，略高于全球贸易增速（IMF预计2016—2019年全球贸易年均增长5.6%）。
（四）全国就业人员总数稳步增长。与劳动年龄人口相比较，经济活动人口是更为直接的劳动力保障指标。改革开放以来，随着我国经济规模不断扩大，经济活动人口始终处于持续稳定增长状态，2011—2014年经济活动人口年均高于就业人员2270万人，意味着我国劳动力资源仍有较大的利用空间，同时劳动年龄人口数量高于经济活动人口1亿人左右，这为经济活动人口规模持续增长奠定了坚实基础，并提供了较为充分的劳动力保障。2011—2014年，劳动参与率除2013年为69.7%以外，其余年份均为69.8%。如果考虑“互联网+”与大众创业、万众创新能够不断提高社会公众的经济参与度，同时商事制度改革不断降低创业门槛，“十三五”时期劳动参与率将会保持稳定，而出台延迟退休改革措施更有利于提高劳动参与率，同时通过教育培训提升劳动者技能和人口素质，劳动力供给保障程度将会进一步增强。我们据此初步预测，2015年全国就业人员总数为77450万人，同比增长0.3%；2020年全国就业人员总数为78230万人，同比增长0.2%。
（五）财政支出继续适度超前于财政收入增长。财政收入的变化与宏观经济运行态势和税制改革密切相关。“十三五”时期税制改革将坚持优化税制结构、稳定宏观税负的思路，在此前提下，财政收入增幅主要取决于GDP增速和物价水平。经济增长从高速降至中高速，物价水平稳定，财政收入增长也将随之放缓，预计“十三五”时期财政收入年均增速为8.1%。由于财政支出具有刚性特征，财政仍面临较大的增支压力。考虑到加强生态环境修复治理、加快中西部地区基础设施建设、原有基础设施的更新维护、应对人口加速老龄化、织密织牢民生安全网等都需要增加投入，预计“十三五”时期财政支出年均增速在8.7%左右。赤字率会相应有所上升，“十三五”末期赤字率将升至3.1%。
（本文作者系中国农村财经研究会常务副会长）
责任编辑：宗宇翔
燃机电厂主要经济指标预测模型 第5篇
目前,燃机电厂一般为调峰机组,变工况时的各项经济指标都不同,一般情况下,平均负荷越高,则机组的经济指标越好。因此在制定月度指标计划时若不考虑这些影响因素,则计划值无法正确指导运行完成目标任务。综合考虑这些因素,建立负荷率、启停次数与供电煤耗、厂用电率的函数模型[1],从而可以根据负荷率、启停次数预测各项大、小指标,更加科学地指导经济运行。
1 计算模型
1.1 模型初始条件
(1)根据每月环境温度、大气压力,确定机组在各种运行工况下的单位时间发电量、耗电量、单位时间耗气量、厂用电率等指标,确定机组在各种运行工况下主要电机单位时间耗电量。
(2)确定机组在不同状态下从启动到带满负荷下的时间、发电量、耗电量、单位时间耗气量、厂用电率等指标。
(3)确定机组从发停机令到解列时间段内的时间、发电量、耗电量、单位时间耗气量、厂用电率等指标。
(4)根据环境温度和江水温度确定汽机发电机解列后的各个辅机启、停时间,总耗电量。
以上参数可以根据实际环境温度、大气压力、江水温度等指标进行修改。
1.2 模型输入条件
在模型中可输入月度累计发电量,月度热态、冷态启动次数、停机次数,当月天数,不包含启、停时的机组负荷率。
1.3 模型输出
通过该模型选择、判断、计算可得出机组发电煤耗、供电煤耗、厂用电率、各电机单耗等经济指标。本模型在建立过程中通过机组在实际运行中的经济指标进行修正,已能够在一定精度范围内模拟机组现有的经济指标。根据负荷率,启、停次数,即可在一定精度范围内预测下月经济指标。
2 模型对现有主要经济指标的模拟
在不考虑环境条件、机组损耗等修正因素的情况下,燃机电厂的主要经济指标如表1所示。
注:GB为天然气增压机,热表示汽机热态启动、冷表示汽机冷态启动。
运用计算模型,不考虑环境条件对负荷的影响,计算得出4～8月的主要经济指标如表2所示。
由于燃机负荷及燃机热耗受环境因素影响较大,所以建立数据库,根据上年同期环境条件,输入月份得出今年同期的base工况下的燃机负荷、供电煤耗、厂用电率。从而使模型计算指标与实际指标的差距缩小。
3 模型的应用
3.1 预测燃气-蒸汽联合循环机组的主要经济指标
例如,2012年1月,输入预计发电量8000万kWh、预计启停情况(一次热态启、停情况下),根据气候情况预计燃机与汽机满负荷,得出不同负荷率下的综合供电煤耗如图1所示。
拟合曲线是针对1月份环境温度(6℃±2℃)、大气压力(101.5kPa±0.5kPa)、相对湿度(40%±10%)、进空压机空气压力(83.5kPa±5kPa,与空气进气滤网状态有关)情况下的拟合,因此若要应用到其它月份,还需要这些参数对燃机各种工况下的供电煤耗进行进一步修正。文中所有曲线拟合都是在这个进气参数条件下进行的[2]。
3.2 启停次数对供电煤耗的影响
(1)冬季环境条件下热态启动次数对供电煤耗的影响。
例如,2012年1月,输入预计发电量8000万kWh,负荷率与启、停次数均变化时的供电煤耗如图2所示。
(2)冬季环境条件下冷态启动次数对供电煤耗的影响。
例如,2012年1月,输入预计发电量8000万kWh,负荷率与启、停次数均变化时的供电煤耗如图3所示。
参考文献
[1]Giordano,F.R,等.数学建模[M].北京:机械工业出版社,2009
海量电力财务指标的实时预测研究 第6篇
国家电网公司根据“三集五大”体系制定了深化财务集约化管理的实施方案,要求在财务管理中实现深化应用、提升功能、实时管控、精益高效的目标[1]。财务数据作为企业的核心资源,支撑着企业资金及业务的正常运转,将财务大数据进行集中并对其指标属性进行分析,可以总结和评价企业的财务状况与经营成果。财务指标数据趋势实时预测是财务决策支持的前提[2],通过实时测算各项生产经营方案的经济效益,可以为决策提供可靠的依据,预估财务收支的发展变化情况,以确定经营目标,测定各项定额和标准,为编制计划、分解计划指标服务。
以往财务管控系统对指标数据的分析只停留在数据和信息的简单汇总层面[3]。例如,在预算编制环节,很多预算是参考往期的实际数据结合企业面临的可预计市场前景得出的结果,管理层对于数据的真实性与合理性很难做出判断,财务部门缺少真正合理的预算调整,甚至是趋势预测。同时,现阶段国家电网公司正在开展信息系统集中部署工作,财务管控系统从数据到用户层面都急剧膨胀,亟需研究和开发基于大数据平台的处理和分析技术[4,5]。
传统的数据挖掘预测解决方案主要着重于提高预测精度和改良算法[6,7,8,9,10],无法应对当前大数据平台上的处理开发。本文提出的基于大数据平台的财务指标预测系统,针对性地分析了目前财务集中管控面临的数据量大和处理难的问题,给出了符合大数据平台的预测解决方案。同时,其实时和快速的趋势预测功能不仅可为科学的财务决策和财务计划提供支持,也有利于培养财务管理人员的超前性、预见性思维,使之居安思危,未雨绸缪。
1 财务指标预测系统
财务指标预测系统是基于大数据平台开发的,具有海量数据和高速实时响应的能力。该系统首先将数据库(池)中的指标数据与大数据平台中的分布式文件系统(Hadoop Distributed File System,HDFS)进行同步,利用开源的Spark内存计算框架读取HDFS,进行指标历史数据的预处理,然后选择Java编程语言和R语言进行优选式趋势预测。其中R语言是一种开源且具有丰富算法包的主流数据挖掘工具,主要对开发中的某些预测算法进行支持。电力财务指标预测系统流程如图1 所示。
2 详细设计
财务指标预测系统采用层次化程序设计思路。系统的总体开发层次包括大数据获取、数据预处理、算法预测和后验优选。
2.1 大数据的获取
传统的关系型数据库善于处理结构化数据,一般使用B树的结构,对小部分数据的更新上效率比较高,但对大量数据的更新效率往往不尽人意,其原因主要是磁盘速度的限制和磁盘的寻址能力制约。HDFS是为以流的方式存取大文件而设计的,适用于几百MB、GB以及TB数量级。将数据库中的指标数据同步到HDFS文件系统中,可方便程序大量、快速地获取指标数据用于计算,提高程序的整体效率,具体步骤如下:
1)使用Sqoop工具将数据从数据库导入HDFS文件系统,进行第一次完整的数据导入;
2)建立检测数据操纵语言(Data Manipulation Language,DML)的操作机制,将DML操作进行记录,定期将HDFS文件系统中的数据进行更新;
3)每隔一段时间对数据进行一次完整导入,以保证数据的完整性。
2.2 数据预处理
数据预处理是进行优选式算法预测前的重要步骤,数据预处理的好坏直接影响到预测结果的精确度和算法的选择。从数据预处理的目标角度来说,数据预处理主要有以下2 类。
2.2.1 针对数据本身问题的预处理
针对数据本身问题进行预处理,如对缺省值、奇异点和逻辑异常等。对于缺省值,采用均值或者众数进行填充;对于奇异点,根据实际情况采用相应的滤波方法进行平滑;对于逻辑异常问题,根据历史数据特征分析正确的逻辑,填充相对应的周期的正常数据。
2.2.2 针对数据特征的预处理
所谓数据特征,就是能反映数据自身特点的一些指标值,本文重点提取以下几种特征。
1)周期性。如指标序列数值会定期发生重复,在财务数据中比较常见,对于财务指标预测系统中的历史数据会定期显示增减趋势。
2)趋势性。在财务指标预测系统中将趋势性分为整体趋势和局部趋势,整体趋势是序列数据在图形上处于稳定上升或者下降的趋势,局部趋势常常和周期性相关,在一个周期内有稳定上升或者下降的趋势。
3)波动性。波动性分析分为离散程度分析和奇异点分析。离散程度分析综合考虑了序列的标准差和平均值,离散值越小说明序列数据越集中。奇异点是指在排除周期性情况下,发现序列数据中出现极大值和极小值,并且无规律可寻。数据的波动性直接影响到系统预测的准确性。
4)稳定性。数据的稳定性是指数据按抽样时间先后排列,呈现出无趋势现象。从图形上看,数据如果平稳,将会被限制在一定的具有上下界的区域。从统计学上分析,数据的均值、方差稳定。数据的稳定性意味着可以从历史推测未来,从而可以进行条件期望建模来实现预测。
根据以上数据特征,财务指标预测系统进行了以下预处理:(1)针对奇异点,如果确定序列中奇异点的出现不存在周期性或某种规律,可选用合适的滤波算法进行奇异点过滤;(2)针对非稳定数据,如果根据单位根检验出序列数据属于非稳定数据,可采用差分法对数据进行处理,对差分后的序列进行稳定性检验,如果还不满足要求,则再次差分直到满足条件,然后对序列进行预测算法计算,需要注意差分次数不能太多,否则容易导致数据失真;(3)针对周期性数据,主要针对带有局部趋势的周期性数据,如果出现数据突然下降、升高或者个别数据不满足整体趋势,可采用均值或者线性回归来抹平异常点。
在实际计算中,财务指标预测系统需要综合考虑几种预处理方法对数据进行预处理,传统的统计计算方法和算法面对海量数据时的计算效率较低,因此必须采用相应的大数据计算框架。Spark是一个开源的大数据内存计算框架,支持内存计算、多迭代批量处理、即席查询、流处理和图计算等多种范式,它能够快速地进行各种迭代算法和交互式数据分析,提升海量数据处理的实时性和准确性。因此,在电力财务指标预测系统中的实时预处理计算中,利用Spark的统计计算服务,操作HDFS分布式文件进行分布式计算,可大大提升处理效率。
2.3 算法预测和后验
财务指标预测系统中的预测算法包括两大类共11 种算法,第1 类为常见的时间序列预测算法,包括差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)、灰色模型(Grey Model,GM)、一元线性回归、指数平滑法、滑动平均法、平均增长率法等,第2 类为基于数据特征的改进型算法,包括ARIMA参数训练、基数增长法等。基于这11 种算法的计算结果,为了获得最优预测结果,财务指标预测系统对预测结果进行后验和评估,后验优选的过程如下。
1)算法排序。在应用算法预测时,历史数据分为2 个部分,前2/3 作为预测样本,后1/3 作为评估数据。对样本数据进行算法预测获得和评估数据相对应的预测结果,计算预测结果和评估数据的绝对平均误差,然后以绝对平均误差作为评估依据。如果某一算法结果的绝对平均误差最小,则认为这个算法是这组数据的最优预测算法。以此类推,得到针对此数据的预测算法优劣的排序。
2)选择最优结果。采用所有预测算法完成预测计算后,判定步骤(1)中排序靠前的预测算法效果较优,然后针对较优的算法,将预测计算的结果再和历史数据进行一次同比分析,预测趋势符合同比分析结果的,该算法才被确认为预测结果最优。如果不符合,将被剔除优选算法。以剔除处理后的排序结果判断最优算法,并输出最优预测结果。
3 结果分析
表1举例展示了资产负债率、资产总额、营业总成本和净利润4 个财务指标采用ARIMA、线性回归、基数增长、指数平滑、GM和滑动平均算法得出的预测结果。表中加粗显示的数据为财务指标预测系统给出的最优结果。可以看出,各个指标数据采用不同算法的计算结果大相径庭,如营业总成本指标利用线性回归和滑动平均方法进行计算效果很差。由此表明,针对预测数据,需要进行算法优选,才能给出较好的预测结果。图2 则以营业总成本为例展示了预测的效果。
针对大数据平台的处理效率,本文对其进行了测试,测试结果见表2 所列。对财务100 个指标集合和150 个指标集合分别进行最优预测计算,采用2 种计算方案,一种是采用单机方式,另一种采用Spark框架计算。从表中可以看出,采用大数据平台进行预处理计算时,随着数据集的增大,节约的实效会增加。采用大数据平台可以节约数据获取和预处理的计算时间,当数据量增大时,效果会更加明显。
4 结语
本文利用大数据处理技术开发了财务指标预测系统,该系统结合当前主流的大数据开发框架,利用Spark进行数据预处理,可快速、实时、有效地获取指标数据的趋势和预测值。从结果分析可以看出,该系统可以实时、快速地为财务部门提供指标预测,提高了财务管控的效率和在线决策的能力。
参考文献
[1]曹军威,万宇鑫,涂国煜,等.智能电网信息系统体系结构研究[J].计算机学报,2013,36(1):143-167.CAO Jun-wei,WAN Yu-xin,TU Guo-yu,et al.Information system architecture for smart grid[J].Chinese Journal of Computers,2013,36(1):143-167.
[2]汪振声.推进财务集约化管理[J].中国电力企业管理,2010(24):15.
[3]伍扬彬.对大型电网公司财务商业智能系统的研究和实践[D].天津:天津大学,2012.
[4]彭小圣,邓迪元,程时杰,等.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报,2015,35(3):503-511.PENG Xiao-sheng,DENG Di-yuan,CHENG Shi-jie,et al.Key technologies of electric power big data and its application prospects in smart grid[J].Proceedings of the CSEE,2015,35(3):503-511.
[5]宋亚奇,周国亮,朱永利.智能电网大数据处理技术现状与挑战[J].电网技术,2013,37(4):927-935.SONG Ya-qi,ZHOU Guo-liang,ZHU Yong-li.Present status and challenges of big data processing in smart grid[J].Power System Technology,2013,37(4):927-935.
[6]余卓煌,林辉,刘晶.基于SCADA系统的面向海量数据的电力预测系统[J].计算机工程与设计,2010,31(5):1114-1117.YU Zhuo-huang,LIN Hui,LIU Jing.Oriented to massive data power forecast system based on SCADA system[J].Computer Engineering and Design,2010,31(5):1114-1117.
[7]窦全胜,史忠植,姜平,等.调和聚类-分类方法在电力负荷预测中的应用[J].计算机学报,2012,35(12):2645-2651.DOU Quan-sheng,SHI Zhong-zhi,JIANG Ping,et al.Application of associated clustering and classification method in electric power load forecasting[J].Chinese Journal of Computers,2012,35(12):2645-2651.
[8]马立新,杜尚春,金花,等.电网企业财务集约化深化应用实践[J].电力信息与通信技术,2015,13(8):25-28.MA Li-xin,DU Shang-chun,JIN Hua,et al.Advanced practice of financial intensive management in grid enterprises[J].Electric Power Information and Communication Technology,2015,13(8):25-28.
[9]孔祥瑞.电力企业工程全过程财务管控研究[J].电力信息与通信技术,2014,12(1):132-137.KONG Xiang-rui.Research on the lifecycle finance management for power enterprises'projects[J].Electric Power Information and Communication Technology,2014,12(1):132-137.
个性化推荐预测模型性能指标研究 第7篇
1.1 命中率与字节命中率
Web缓存系统中考虑两个重要的性能评价指标:命中率和字节命中率。
定义1命中率 (HR) :表示从缓存中得到服务的请求的百分数。
定义2字节命中率 (BHR) :表示从缓存中得到服务的字节的百分数。
HR与BHR的侧重点不同, HR侧重减少用户的响应时间, 而BHR则着眼减少带宽开销。为提高HR, 一般是在缓存中尽可能保存小文件, 但这种做法在提高HR的同时却降低了BHR;从另一个角度来看, 若保存较大的文件会改进BHR却以牺牲HR为代价。网络用户更看中减少平均的延迟时间, 此时改进HR更重要一些。但ISP却希望减少网络带宽的开销, 此时应该使BHR最大化。由此提出了一种新的性能评价指标——命中比 (FBR) , 该指标从命中率与字节命中率两个指标关系的角度来综合评价Web缓存替换算法的性能, 从而为度量缓存系统的性能提供参考依据。
1.2 准确率与查全率
定义3准确率 (precision) :利用P+表示正确的预测数, P-表示不正确的预测数, 那么预测模型的准确率可以表示为:
定义4查全率 (recall) :利用R+表示模型预测的请求数, │R│代表总的请求数, 则查全率 (或称为测全率) 定义为:
从本质上讲, 查全率是用来衡量预测模型的适用性的, 而准确率是用来衡量预测的正确性的。例如, 对于有50个请求的序列, 预测模型共产生40个预测结果, 其中有30个预测结果是正确的, 其他10个不正确, 那么准确率是75%;如果对其中25个请求进行了预测, 那么查全率是50%。
1.3 PRS
查全率和准确率是常用的预取有效性指标。但随着预取数据的增多会带来高的查全率和低的准确率。从公式3可以看出, 如果准确率与查全率都增大, 也会随着增大;如果准确率与查全率都减小, 就会随着减小。但是, 如果准确率与查全率中, 一个增大, 另一个减小, 那么PRS的值就不一定是增大还是减小了。使用PRS指标来综合衡量预取的有效性。
1.4 延迟时间
定义5延迟时间:该指标描述的是系统中的响应时间, 即从发出请求开始到请求得到响应为止的时间间隔。
其中ETi表示请求响应的时刻, STi表示发出请求的时刻。
1.5 流量开销
定义6流量开销:指发生预取和未命中请求时所需要的带宽要求之和占总带宽的比率, 定义为:
其中Traffic表示流量开销, Band+是正确预取所花销的带宽, Band-是不正确预取所花销的带宽, Bandall是实际上所有请求网页所花销的带宽。
1.6 加速比
1.6.1 加速比的概念
加速比是Amdahl定律中用来衡量计算机系统性能的一个指标, Amdahl定律指出:加快某部件执行速度所获得的系统性能加速比, 受限于该部件在系统中所占的重要性。Amdah定律定义加速比的概念为:改进后系统的性能与改进前系统的性能之比。本文引入该指标作为预测模型的一个性能评价指标。
定义7加速比:指一种模型的一个性能指标与另一个模型的同种性能指标的比率, 定义为:
其中Pn表示加速比, Mf表示一个预测模型的一个性能指标, Mb表示另一个预测模型的同一个性能指标。
1.6.2 仿真实验
为了评价一种算法对另一种算法的优劣程度, 可以用加速比 (pn) 进一步量化。用真实的Web日志对Pn值进行比较, 实验处理的日志是Berkeley大学计算机系实验室1996年的Web日志和98世界杯日志。日志的原始记录均包含100万项记录。对原始日志经过预处理, 然后根据被请求网页的URL地址的频度对每一个请求的URL地址进行编号, 最后生成会话。使用日志文件对两个模型HTMM模型的精度投票方法和HMPM模型的选取最高推荐值方法、精度投票方法、选取最高阶方法进行仿真测试, 并对其结果进行分析。
HTMM是一种混合阶的Markov树模型推荐算法, 将头部相同的序列共享存储, 使用树形结构压缩存储访问序列。同时提供两种预测模型:精度投票方法和混合方法, 综合考虑各阶模型的推荐结果, 改进了传统Markov模型存在的低阶精确率、高阶覆盖率低这一问题。精度投票方法各阶模型投票的权值都是固定的, 由传统Markov模型给定, 具有较低的预测精度。
HMPM模型使用模式树压缩存储访问序列, 降低了存储空间复杂度, 同时改进了HTMM的精度投票方法, 每阶的权重不是静态的, 而是由每个阶的精度决定。
图1显示了HMPM模型的3种推荐方法对HTMM模型的精度投票方法PRS的Pn值与Markov模型阶的关系。从总体上看, 随着阶数的增加, HMPM模型的精度投票方法的优势显现得越明显, 变化趋势也越大。从2阶开始, HMPM模型的3种推荐方法对HTMM模型的精度投票方法PRS的Pn值都远远超过了1.0, 从而展现出HMPM模型的各种推荐方法优势的大小。对于所有的预测方法来说, 当阶数达到一定值后, PRS的Pn值基本保持不变。
2 结束语
准确预测用户访问行为在网站设计、电子商务、个性化推荐等领域有重要作用。评价模型性能的指标很多, 本文探讨了常用的性能评价指标, 并用新引入的性能指标Pn对预测模型性能进行评价, 具有一定的现实意义。
参考文献
[1]ZENG C, XING C X, ZHOU L Z.A survey of personalization tech-nology[J].Journal of Software, 2002 (10) .
[2]SHI LEI, HAN YINGJIE, DING XIAOGUANG et al.An SPN basedIn2 tegrated model for web prefetching and caching[J].Journal ofComputer Science and Technology, 2006 (4) .
[3]ZAMIR O, ETZIONI O.Web Document Clusterin g:A Feasibilit yDemonstration[C].SIGIR'98, 1998.
[4]曾春, 邢春晓, 周立柱.个性化服务技术综述[J].软件学报, 2002 (10) .
[5]GEDIMINAS ADOMAVICIUS, ALEXANDER TUZHILIN.Towardthe next generation of recommender systems:a survey of the state-of-the-art and possible extensions[J].IEEE Transactions onKnowledge and Data Engineering.2005 (6) .
[6]石磊, 张岳, 裴云霞, 等.基于Web对象流行度的PPM预测模型[J].小型微型计算机系统, 2006 (7) .
[7]班志杰, 古志民, 金瑜.基于非压缩后缀树的在线PPM预测模型[J].计算机工程, 2008 (10) .
[8]叶海琴, 石磊, 王意锋.基于网络访问行为的混合阶Markov预测模型[J].计算机工程与设计, 2008 (2) .
[9]石磊, 叶海琴, 卫琳, 等.Web缓存命中率与字节命中率关系[J].计算机工程, 2007 (13) .
[10]张晨曦, 王志英, 张春元, 等.计算机体系结构 (第1版) [M].北京:高等教育出版社, 2004.
预测-综合指标 第8篇
关键词：突出煤层,敏感指标,煤巷掘进
0 引言
随着矿井进入深部开采, 地质构造更复杂, 地应力增大, 开采环境进一步恶化, 煤与瓦斯突出灾害日趋严重, 已成为严重威胁煤矿安全生产的主要问题之一[1,2]。大兴煤矿南五采区7-2煤层测得瓦斯压力为4.0MPa, 瓦斯含量14.81 m3/t~22.27 m3/t;煤层顶底板、煤层中部均有火成岩侵入又增加了煤层突出危险性, 导致7-2煤层具有严重突出危险性, 选取南五717工作面作为试验区域, 对煤巷掘进防突预测敏感指标及其临界值进行研究[3,4,5]。
1 正异常区域突出危险性分析
1.1 7-2煤层突出特征分析
7-2煤层共计发生9次突出, 其中7次发生在火成岩覆盖及侵蚀区内及附近区域, 突出点附近煤层主要都为火成岩影响的热力变质区, 突出具有明显的区域性。火成岩侵入地层后, 使得异常区域煤层厚度增加, 煤体坚固性系数f值降低, 瓦斯吸附量大, 导致煤层掘进过程中突出危险性增加。
1.2 实验室分析
7-2煤层受火成岩侵入的影响区域 (突出点附近) 及正常区域分别取样实验分析。受火成岩影响区域煤样吸附常数a为33.901 3, 正常区域为28.688 6;在同等条件下解吸能力异常区域明显偏高;可见受火成岩侵入影响区域煤层瓦斯解吸、吸附指标明显高于其正常区域, 7-2煤层受火成岩侵入影响区域突出危险性高于正常区域, 与矿井突出多发在火成岩侵入区域相符。火成岩侵入及影响区域预测指标临界值应适当降低。
2 预测敏感指标及临界值统计分析
在719新运顺掘进工作面、南五717运、回顺进行7-2煤层敏感指标试验考察。
2.1 钻屑瓦斯解吸指标Δh2统计分析
在试验区域掘进工作面累指标Δh2max分布范围为39.2 Pa~490.0 Pa, Δh2max分布情况见表1。试验区Δh2max指标预测有4次超标, 超标范围为254.8 Pa~490.0Pa;正常情况下预测指标主要集中在50 Pa~180 Pa之间, 占预测总数的85.06%。
正常情况与异常情况Δh2指标值差异明显, 其值能反映一定的突出危险性, 采取措施后Δh2指标值明显下降。7-2煤层瓦斯含量大、瓦斯压力高;特别是煤层受火成岩侵入区域, 煤层遭到破坏, 瓦斯赋存条件复杂, 煤层变软。煤物理特性和瓦斯赋存条件均有利于突出的发生;因此, 钻屑瓦斯解吸指标Δh2作为7-2煤层试验区预测指标是敏感的。
2.2 钻屑量S指标统计分析
在南五717运、回顺及南五719新运顺试验区, 最大钻屑量Smax分布范围为1.2 L/m~4.2 L/m, Smax分布情况见表2。
由表2可知, 试验区工作面S指标未出现超标现象;正常情况下预测指标主要集中在1 L/m~3 L/m之间, 占预测总数的96.55%。
如图1、图2所示, S与Δh2测定值变化趋势基本一致, 测定的瓦斯解吸指标测定值较大时, S也相应增大。
综合分析认为S指标作为7-2煤层试验区的预测指标是敏感的。
2.3 7-2煤层掘进工作面敏感指标临界值确定
7-2煤层试验区在正常赋存条件下, 主体煤一般为Ⅰ类、Ⅱ类, 煤质坚硬, 垂直节理发育, 煤层断面内无软分层或软分层厚度小于300 m。在Δh2<200 Pa和S<5.4 L/m时直接掘进, 实现安全掘进。
7-2煤层在正常条件与异常地质条件有差别, 有关理论实践表明, 在外界扰动条件下仍可发生失稳破坏而产生动力灾害, 只是发生频率有所降低, 因此, 考虑预测指标经济与安全原则, 7-2煤层正常条件与异常地质条件相比, 预测指标Δh2、S可适当提高。
预测指标与构造分布曲线如图3、图4所示, 7-2煤层试验区域当煤层受火成岩侵入时, 钻屑瓦斯解吸指标Δh2测定值明显增大, 预测有突出危险也发生在火成岩区域。
根据考察情况, 结合大量数据分析, 初步确定南五采区7-2煤层试验区钻孔钻屑量S0和钻屑解吸指标Δh20临界值如下:
正常地质条件下:S0=5.4 L/m、Δh20=200 Pa;当有火成岩侵入及其影响区域时, S0=4.0 L/m、Δh20=180Pa;其它异常条件下:S0=4.5 L/m、Δh20=200 Pa。在此临界值下掘进工作面无突出征兆及突出。
2.4 7-2煤层敏感指标及其临界值扩大验证试验
根据试验安排, 对初步确定敏感指标及其临界值进行扩大验证试验, 以进一步验证其可靠性, 任意预测钻孔、任意指标预测有突出危险时, 工作面预测有突出危险。
7-2煤层敏感指标扩大验证于在试验区域南五717运顺和南五717回顺进行, 验证期间共循环预测88次, 累计129 d, 共安全进尺666 m, 扩大验证期间预测指标Δh2超标1次, 指标值294.0 Pa~320.0 Pa。
钻屑量S未出现超标现象, 其预测指标与Δh2的变化基本一致, 如图5、图6所示。
统计、分析试验区666 m巷道验证结果, 共计预测88次。预测工作面无突出危险87次和有突出危险为1次循环, 预测无突出危险率98.9%、突出危险率为1.1%, 预测不突出危险准确率达100%。验证表明确定7-2煤层敏感指标及临界值合理有效。
3 结语
a) 7-2煤层突出发生胡火成岩覆盖及侵蚀区内及附近区域, 具有明显的区域性, 受火成岩侵入影响区域突出危险性高于正常区域;
b) 确定掘进工作面突出预测敏感指标临界值, 正常地质条件:S0=5.4 L/m、Δh20=200 Pa;火成岩侵入及其影响范围内:S0=4.0 L/m、Δh20=180 Pa;其它等异常地质条件:S0=4.5 L/m、Δh20=200 Pa。
参考文献
[1]郭德勇, 韩德馨.地质构造控制煤和瓦斯突出作用类型研究[J].煤炭学报, 1998 (04) :337-341.
[2]黄德生.地质构造控制煤与瓦斯突出的探讨[J].地质科学, 1992 (S1) :8-13.
[3]张永将.高应力松软煤层工作面突出敏感指标临界值预测[J].煤炭科学技术, 2011, 39 (7) :38-41.
[4]胡千庭, 孟贤正, 张永将, 等.深部矿井综掘面煤的突然压出机理及其预测[J].岩土工程学报, 2009, 31 (10) :1487-1492.
电力企业财务指标综合控制力研析 第9篇
关键词：报税；财务体系，指标控制，电力部门
一、电力公司系统外实行独立核算并跨地经营的电力企业征收管理
1.对非电力系统独立核算并跨地经营的电力企业销售的电力产品征税应以独立核算的企业为纳税人(不分是否独资、合资、集资、股份制等产权形式)。非电力系统企业应缴纳的增值税按照：兼顾核算地和电厂(机组)所在地利益，共同分配，并适当向电厂(机组)所在地倾斜；有利于核算地和电厂(机组)所在地国税部门征管的原则处理。核算地和电厂(机组)所在地对电力产品增值税应纳税金按“三、七”比例分配。
2.为便于征管操作和计算税款，采取以下规定的比例确定对上网电价分段计征的办法。经测算，分段计征的比例为：
(1)对火力发电厂(机组)，在核算地按上网电价的20％计征增值税，其电厂(机组)所在地按上网电价的80％计征增值税。
(2)对水力发电厂(机组)，在核算地按上网电价的28％计征增值税，其电厂(机组)
所在地按上网电价的72％计征增值税。
对企业核算地电厂(机组)所在地实际发生的进项税额应分别在各自的销项税额中抵扣。
3.对独立核算并跨地(市、州)經营的外商投资电力企业，其核算地和电厂(机组)所在地增值税的征收，仍依照上述第二条规定的比例分段计征。
4.对核算地和电厂(机组)所在地按规定的上网电价分段比例计征的增值税，与规定的应纳税金分配比例相差较大的，由省国税局调整分段计征比例，从下一年度起执行。
二，电力公司产品缴税销售额的确定
省公司及所属各单位的销售电力产品、热力产品、其他货物和应税劳务的销售额，是指向购买方收取的全部价款及价外基金、价外费用和价外加价，但不包括收取的销项税额。
省公司及所属各单位的销售额应按权责发生制进行会计核算，纳税义务发生时间为货物发出并收讫销售款或者取得索取销售款凭据的当天。
对于销售货物或应税劳务采用销售额和销项税额合并定价方法的，按下列公式计算销售额：销售额=含税销售额／(1+适用税率)销售货物和应税劳务向买方收取的各种价外基金、价外费用及价外加价，在征税时，视为含税销售额，按其所销售货物或应税劳务的适用税率，依本条前款规定的公式计算销售额。
实行高峰、低谷和丰、枯电价办法以及代售集资、合资电厂等电量所收取的电费，均应计入销售额。
对用于捐赠的电力产品或其他外购货物，
三，财务软件的管理
财务管理信息系统是现代企业管理的数字神经系统。如何建立一个与现代化电网、现代化管理相适应，以现代财务管理理念和现代信息技术为基础，以资源有效配置和社会经济效益最优为目标，实现资金流、物流、工作流和信息流四流合一，实现有效的财务控制，为企业管理决策提供支持，是电力行业企业在财务管理方面一个普遍存在的困惑。福建电力借助用友进行财务信息化咨询，正是希望解除这一困惑。
通过财务管理的支撑，优化电力企业的两个关键流程：资产价值流和电力价值流。通过信息化建设实现财务管理三大转变：财务管理信息从分散到分布集中；财务管理从粗放到集约；从事前计划、事后反映转向参与业务全过程的财务服务。利用IT技术推动财务创新管理实现四个作用：顺畅支持复杂组织架构、迅速反映经营状态和企业风险、有效支持对资源的管理和协作、准确提供信息并进行分析决策。
四、建立以现金流管理为核心的资金管理制度
通过对经营活动、投资活动、筹资活动得现金流量分析，列示各项现金流入的来源和现金流出的用途，分析企业是否过度扩大经营规范，并可以对企业的支付能力和偿债能力，以及企业对外部资金的需要状况做出较为可靠的判断。
为了加强对现金量的管理，应完善资金管理办法，严格按企业内部资金调度的权限和程序，加强资金管理，提高资金使用效益，控制负债规模，改善债务结构，减少资金沉淀，建立以现金流为核心的资金管理制度。通过统一的财务管理软件、规范的程序和先进的信息网络技术，在实行全面预算管理和全面成本管理的前提下，对资金实施集中管理、统一调度，集约经营，实现集中、在控的现金流管理，使资金运作有序进行。
五、电力产品增值税的缴纳
1.电力公司及其所属的发电厂、供电局应在国家规定的申报期内缴纳税款。
(1)预征环节：各发电厂按厂供电量、供电局按全部应纳税销售额(当期应收电费，依照规定的定额税率或征收率计算纳税。
(2)结算环节；电力公司依据其全部销售额和进项税额计算当期应纳税额，并根据发、供电环节预征税款计算应补(退)税额。
2.根据上述办法按期足额纳税确有困难的，应依照《中华人民共和国税收征收管理法》的有关规定，向主管国税机关申请缓期缴纳。凡未按上述规定计算缴纳税款，又未办理缓交手续的，应依法加收滞纳金。
张强凹陷强1块开发指标预测研究 第10篇
张强凹陷强1块位于彰武盆地张强凹陷七家子洼陷,块内的强1、强2、强5井相继在沙海组下段获得工业油流,使强1块成为辽河外围增储建产的重要区域。在对强1块开展地质综合研究和开发部署研究的基础上,整体部署开发井24口。为了给后续经济评价与投资决策提供科学依据,需对该块开发指标进行预测,但受该块实际条件的限制,单独使用油藏工程方法或数值模拟方法都难以对处于开发初期的强1块开发指标进行较准确的预测。其中传统的油藏工程方法大都需要油藏产量进入递减阶段后,相关指标才呈现出规律性变化[1];而投产时间短,历史拟合过程对地质模型的完善十分有限,数值模拟法难以对油藏含水上升规律进行准确预测[2]。因此,有必要探索出一种新方法对该块的开发指标进行较为准确的预测。
1油藏概况
强1块位于张强凹陷前辛断裂鼻状构造带北段和七家子洼陷东北侧斜坡部位,主要受两条北西向正断层及两条北东向正断层所夹持的断块构造。含油目的层段为沙海组下段,发育三角洲沉积及扇三角洲沉积。储集层岩性以粉砂岩、砂砾岩为主,平均孔隙度11.42%,平均渗透率14.6×10-3 μm2,为低孔、低渗储层。平面上受构造和相带的双重控制,为构造-岩性油藏。跟据强1块的地质条件和油藏特点,首批开发井部署在储层、产能落实的有利区域,采用420 m正方形基础井网,沿裂缝线状交错注水的方式早期注水开发,共部署各类井30口,其中利用老井6口,新钻井24口,规划油井20口,注水井10口。
2油藏数值模拟模型建立
在强1块油藏地质综合研究的基础上,采用petrel建模软件建立了该区的三维地质模型[3]。根据构造精细解释和断裂系统研究成果,建立了该区的构造模型。结合该块沉积相研究成果,应用相控建模方法建立了该区的属性模型。综合考虑完钻井分布、含油面积大小、开发井井距等因素,将平行于主干断层的北东向设为X方向,划分110组网格,垂直于主干断层的南西向设为Y方向,划分90组网格,平面网格精度为50 m;根据该块油层纵向分布特征,划分15个模拟层,纵向网格精度5 m,建成网格总节点为110×90×15=148 500的油藏数值模拟模型(图1)。
3开发指标预测
3.1初期单井日产油能力的确定
由强1块8口投产井试采资料统计,试采初期平均0.76 t·(d·m)-1,目前采油强度0.56 t·(d·m)-1。考虑到油井已投产一段时间,产量趋于稳定,且该块设计注水保持能量开采,开发井的采油强度按目前采油强度的85%计算,确定为0.48 t·(d·m)-1。强1块完钻井平均单井解释有效厚度20.8 m,考虑边部油层钻遇情况变差、增产措施的有效性等因素,油井计产时的有效厚度按目前平均厚度的80%计算,为16.6 m。因此,强1块初期油井单井日产油能力确定为8 t·d-1。
3.2综合含水预测
由俞启泰的新油藏含水上升规律的简明公式[4](式(1)),可得出可采储量采出程度与含水率的关系
式中 R*为可采储量采出程度; fw为含水率; b为表征油田含水上升规律的标志值。其中b值由国内35个砂岩油藏实际数据得出的二元回归公式(式(2))求取。
lgb=0.088 147 6lgK+0.140 041lgμo-0.190 082 (2)
式中 K为储层渗透率; μo为地下油藏黏度。
由式(2)求取b值为1.188,进而由式(1)可得出强1块的含水与采出程度的关系曲线(图2),根据该曲线可以预测不同采出程度下断块综合含水。
3.3采液速度确定
强1块8口试采井初期平均单井日产液为18.3 t·d-1,且表现出初期产液量较高,后期迅速下降的特点,由此折算方案部署20口油井初期最大日产液应在366t左右,估算目前部署井网条件下最大产液速度为2.28%。辽河外围科尔沁油田包14块是与强1块油藏条件类似的区块,该块自1997年投产以来均取得了较好的注水开发效果。初期油井单控储量在20×104t左右时对应采液速度在0.59%～1.17%之间,加密调整后,单控储量在10×104 t左右时对应采液速度升高至1.96%～2.22%之间。强1块部署井实施后,单控储量为24×104 t,综合强1块完钻井投产情况和同类油藏开发结果,强1块采液速度控制在1.0%～2.0%之间较为合理。
3.4开发指标预测结果
对强1块8口投产井生产过程进行历史拟合后,新钻开发井按照定产量进行模拟计算。其中油井日产油量设定为8t/d,注水井注入量按照注采平衡设定。由于完钻井投产时间短,历史拟合过程对地质模型的完善十分有限,将上文预测的不同采出程度下断块综合含水曲线作为拟合条件,合理采液速度范围作为辅助拟合条件,通过调整相渗曲线,油层渗透率等油藏参数,对预测阶段进行拟合,最终得出了与油藏实际更为合理的开发指标。经模拟计算(图3),预计十年末累积产油38.79×104 t,采出程度8.1%,采液速度1.83%,综合含水71.4%,十年累积注水84.8×104 m3。
4结论
(1) 根据砂岩油藏的储层物性、完钻井投产情况和同类油藏开采情况可以较为准确地预测油田开发初期的产油能力、产液速度、综合含水等指标。
(2) 综合应用油藏数值模拟和油藏工程方法,将拟合和预测过程并行处理,可以对油田开发初期的开发指标做出较为准确的预测。
参考文献
[1]陈新彬,常毓文,王燕灵,等.低渗透储层产量递减模型的渗流机理及应用.石油学报,2011;32(01):113—116
[2]韩大匡.油藏数值模拟基础.北京:石油工业出版社,1993:64—68
[3]时晓燕.Petrel软件在精细地质建模中的应用.新疆石油地质,2007;28(06):773—774
【预测-综合指标】相关文章：
治疗及综合预测07-27
主要经济指标预测08-16
企业绩效预测指标体系07-23
公司主要经济指标预测01-31
综合指标法05-13
综合指标体系08-18
综合素质评价指标08-14
统计综合主要指标解释06-04
学生综合素质评价指标05-01
综合发展指数指标说明06-06