湘江流域SWAT模型建立及参数敏感性分析
Journal of Water Resources Research 水资源研究, 2014, 3, 85-94
Published Online April 2014 in Hans. https://www.360docs.net/doc/c63895067.html,/journal/jwrr
https://www.360docs.net/doc/c63895067.html,/10.12677/jwrr.2014.32014
The Application of SWAT to Simulate the
Runoff in the Xiangjiang Basin and the
Parameter Sensitivity Analysis
Yukun Hou1,2, Xiao Huang2, Hua Chen1,2, Chongyu Xu1,2
1School of Water Resources and Hydropower Engineering, State Key Laboratory of Water Resources
and Hydropower Engineering Science, Wuhan University, Wuhan
2School of Water Resources and Hydropower Engineering, Wuhan University, Wuhan
Email: ben_monkey@https://www.360docs.net/doc/c63895067.html,
Received: Nov. 24th, 2013; revised: Jan. 25th, 2014; accepted: Feb. 12th, 2014
Copyright ? 2014 by authors and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
https://www.360docs.net/doc/c63895067.html,/licenses/by/4.0/
Abstract
A distributed SWAT model was introduced and applied in Xiangjiang basin. To construct the data-
base of SWAT, those data, including DEM, land use, soil and hydro-meteorology have been col-lected, transformed and analyzed. The sensitive analysis of parameters, as well as their calibration and validation, was carried out in five sub-basins, by using the daily rainfall and runoff data from 1991 to 2005. The result shows that among these parameters, the alpha coefficient and Manning coefficient have high sensitivity in the five regions when the Nash-Sutcliffe efficiency coefficient
(E ns) was the objective function. During the validation period from 2001 to 2005, the Nash-Sut-
cliffe efficiency coefficients of five sub-basins in Xiangjiang basin are all over 0.6, and the coeffi-cients of water balance in five sub-basins are all within 10%, which shows that SWAT model has a good performance in simulating daily runoff in Xiangjiang basin.
Keywords
Swat Model, Xiangjiang Basin, Database, Daily Runoff, SUFI-2
湘江流域SWAT模型建立及参数敏感性分析
侯雨坤1,2，黄逍2，陈华1,2，许崇育1,2
作者简介：侯雨坤(1991-)，男，江苏南京人，硕士研究生，主要从事气候变化对水文水资源影响研究。
1水资源与水电工程科学国家重点实验室，武汉大学，武汉
2水利水电学院，武汉大学，武汉
Email: ben_monkey@https://www.360docs.net/doc/c63895067.html,
收稿日期：2013年11月24日；修回日期：2014年1月25日；录用日期：2014年2月12日
摘要
本文以湘江流域为研究区域，构建SWAT模型数字高程、土壤、土地利用及水文气象数据库，利用该流域1991~2005年日雨量和日径流资料，对湘江流域的涟水、渌水、洣水、衡阳以上以及衡阳到湘潭区间5个区域进行参数敏感性分析及率定。研究表明，在SWAT模型的参数中，alpha基流因子、河道曼宁系数等参数在以径流效率系数为优化目标的参数率定过程中具有较强敏感性；在检验期2001~2005年，湘江干流衡阳站和湘潭站的径流效率系数E ns均达到0.7以上，3个支流站径流效率系数也超过0.6，且水量平衡系数RE绝对值均控制在10%以内，说明湘江流域SWAT模型日径流模拟效果良好。
关键词
SWAT模型，湘江，数据库，日径流，SUFI-2
1. 引言
随着社会经济的发展，我国水资源问题与水灾害问题得到了越来越多的关注。近些年来，由于气候变化与人类影响，湘江水系出现了不同程度的特枯水位及警戒水位现象，严重影响了湘江流域的水资源使用，产生了较多的水灾害问题，因此，精确模拟径流过程是有效进行水资源规划和水灾害防治的重要前提工作，而具有良好物理基础的分布式水文模型则成为了有效的工具。SWAT(Soil and Water Assessment Tool)作为美国农业部农业研究中心(USDA-ARS)开发的流域尺度模型，具备在不同土地利用和管理、不同土壤类型的大尺度复杂流域上，模拟预测流域内水文循环要素的长期变化，用以协调流域尺度的水资源管理利用的功能。
在我国，基于SWAT模型对于水量、非点源污染以及泥沙等方面的研究在近些年广泛展开。SWAT 模型在汉江流域、黄河源区、淮河海河等地区的气候变化、土地利用变化对水资源的影响研究中取得了较好的效果[1]-[3]。本文以湘江流域为研究区域，收集了1991~2005年261个雨量站的雨量资料和5个水文站径流资料，利用DEM、土壤数据和植被数据构建SWAT模型的空间数据库，采用SUFI-2算法分区域对SWAT模型的参数进行敏感性分析和参数率定。在全球气候变化背景下，湘江流域水文循环规律发生了巨大变化，水资源时空分布不均的现象进一步加剧，水文气象等极端灾害事件越发频繁。因此，全面了解流域的自然情况，掌握气候变化规律，分析流域水资源的变化趋势，对于实现水资源的优化配置，流域的生态保护和经济发展具有重大的意义。本次水文模型的建立将为湘江流域的水资源规划与灾害防治提供科学支持与参考。
2. SWAT模型介绍
SWAT是由美国农业部农业研究中心开发的流域尺度分布式水文模型，具有在不同土地利用和管理、不同土壤类型的大尺度复杂流域上，模拟预测流域内水文循环要素的长期变化，以此来协调流域尺度的水资源管理利用的功能[4]。模型主要由气象、水文、土壤、泥沙、作物生长、营养物、化学品以及管理
模式八个部分组成，其中水文模块是整个过程最为基本、重要的一个环节，是其它模块的基础与驱动[5]。
SWAT模型在具体应用时又发展出了许多新的改进模型。例如基于SWAT和MATSULA模型，并集成了GRASS模型的SWIM模型，在区域尺度上拥有更简便的操作性与更强的模拟能力[6]；耦合了MODFLOW的SWATMOD模型，改良了SWAT在地下水模块的集总式处理[7]；通过对SWAT模型中渗透和壤中流的计算修正，SWAT-G模型很好地应用到了山地地区[8]；而集成了Qual2E的ESWAT模型，拥有更好的水质模拟功能[9]。
3. 湘江流域SWAT模型数据库构建
3.1. 数据来源
本文SWAT模型构建采用的空间数据包括DEM、土地利用情况、土壤情况。所有空间数据都经过WGS-1984-UTM-Zone-49N平面投影处理。此外，还需要气象站点的实测气象数据、雨量站的雨量数据和水文站点的实测逐日流量，本论文广泛收集了上述资料，按照模型要求建立了各项数据库，见表1。
3.2. 空间数据库
空间数据库包括DEM、土地利用、土壤数据、生成的流域分区子流域、水系等空间特征数据等。
数字高程模型DEM是流域地形地貌的离散化数字表达。SWAT模型通过对DEM图的处理计算，对整个流域经行子流域划分、水系生成。图1为湘江流域初始DEM图以及ArcSWAT的处理结果，共划分出56个子流域。
本文的土地利用类型图采用湘江地区2005年比例尺为1:25万的土地覆盖数据。数据库构建中，通过转换，将其与SWAT2009土地利用属性表相匹配。根据流域实际情况对土地利用类型进行概化处理，重分类为10类，具体见图2。
本文的土壤类型图采用湘江流域1:100万土壤分布图，根据流域的实际情况进行概化处理，最终重分类出22类土壤类型，具体见图3。
我国已经完成的两次土壤普查中，分别采用苏联制和国际制计算土壤属性。而SWAT模型数据库采用美国制描述土壤质地。
3.3. 水文气象数据库
本文采用的11个气象站点，包括SWAT模型所需的日最高最低温度、平均相对湿度、辐射量、平均风速，由于这些变量的空间分布差异相对较小，且11个气象站空间分布相对均匀，本次论文直接使用。
Table 1. Input database for SWAT model
表1. SWAT模型输入数据库
数据数据项尺度
空间数据
DEM 30 m 土地利用1:25万土壤1:100万
土壤属性数据库土壤成分、容重、水力传导度等
气象观测数据气温、相对湿度、风速、日照日降雨观测数据降雨量日水文观测数据径流量日
Figure 1.DEM map and digital stream and subbasin map of Xiangjiang basin 图1. 湘江流域DEM图及水系、子流域生成图
Figure https://www.360docs.net/doc/c63895067.html,nduse map in Xiangjiang basin
图2. 湘江流域土地利用图
Figure 3. Soil map in Xiangjiang Basin
图3.湘江流域土壤类型图
对于261个降雨站点，本次论文选取各个子流域以内以及周边靠近的若干雨量站点数据，通过SWAT内嵌的泰森多边形法插值得到子流域面的降雨，并制作相应的降雨数据库，水系及站点具体的分布情况见图4。
4. 湘江流域SWAT模型参数敏感性分析及率定
4.1. 流域分区划分方法
整理和收集了湘江干流衡阳、湘潭两个水文站以及湘江支流洣水、渌水及涟水各一个水文站的日径流资料。其中衡阳站以上流域、洣水、渌水以及涟水之间并无水力联系，可对各控制站以上的子流域进行合并，单独对这四个区域进行参数的敏感性分析及率定。最终保持这四个区域的率定参数不变，以湘潭站作为控制站，进行衡阳–湘潭区间的参数率定与分析。
Figure 4. The stream of Xiangjiang basin and hydro meteorological stations
location
图4. 湘江流域河流水系和站点分布图
4.2. SUFI-2算法参数优化
SWAT模型模拟过程涉及众多参数，在模型参数的率定检验过程中，部分参数对结果影响巨大，而部分则对结果的改进作用甚小。本次采用SWAT-CUP中的SUFI-2算法对湘江流域五个水文站的控制区域1991~2000年间进行敏感性分析。本次率定牵涉SWAT常用10个参数，根据SWAT-CUP中给出的初始不确定性范围，结合前人研究经验，对各区域均进行800次模拟，结果如表2所示。
在表2中，t值表示参数敏感性的大小，其绝对值越大，代表该参数在某一区域越敏感；p值表示该参数敏感性的置信水平，其值越接近0，代表该参数越重要。本文认为，在p值小于等于0.05的情况下，该参数比较敏感重要；而在p值大于等于0.3的情况下，该参数不敏感。
对于5个区域进行总体的分析发现，ALPHA_BF(基流回退系数)、CH_N2(主河道曼宁系数)、GW_DELAY(地下水的延迟系数)这三个参数普遍比较敏感。ALPHA_BF参数除了在洣水地区外，在其余地区皆为最为敏感的参数，这主要也是因为这些地区的汇流处高程落差明显较大，流速也明显较快，而ALPHA_BF反映基流的大小与快慢。在基础流速较大的情况下，ALPHA_BF的变化会对径流过程产生很明显的影响，故而该参数也最为敏感。CH_N2为主河道曼宁系数，在地表径流较大，河网密布的情况下会对产流产生较大的影响，而湘江流域地处南方湿润地区，降雨较为充沛，土壤的缺水率较小，汛期主要以类似蓄满产流的方式为主。在这样的情况下，曼宁系数会具有较高的敏感性。GW_DELAY代表地
Table 2. Parameter sensitivity of five controlled area in Xiangjiang basin 表2. 湘江流域5大控制区域参数敏感性
参数名称
衡湘区间衡阳以上洣水渌水涟水
t值p值t值p值t值p值t值p值t值p值
CN2 0.05 0.96 8.11 0.00 0.26 0.79 10.15 0.00 6.15 0.00 GW_DELAY ?0.14 0.89 ?4.47 0.00 ?3.14 0.00 ?3.93 0.00 ?2.55 0.01 GWQMN 0.00 1.00 0.49 0.62 ?2.72 0.01 1.95 0.05 0.69 0.49 GW_REVAP ?0.01 0.99 ?0.98 0.33 ?2.99 0.00 ?2.97 0.00 2.28 0.02 ESCO ?0.15 0.88 4.07 0.00 ?27.25 0.00 0.73 0.47 1.46 0.14 CH_K2 0.02 0.98 2.95 0.00 ?2.87 0.00 0.99 0.32 0.19 0.85 SOL_AWC 0.07 0.94 0.35 0.73 0.33 0.74 ?0.75 0.45 1.03 0.31 SOL_K 0.05 0.96 0.30 0.77 0.40 0.69 ?6.56 0.00 ?2.50 0.01 CH_N2 ?2.25 0.02 0.92 0.36 ?3.45 0.00 10.74 0.00 7.69 0.00 ALPHA_BF 7.44 0.00 27.18 0.00 ?2.44 0.02 24.71 0.00 25.10 0.00
下水的延迟时间，对于枯水期的河道径流补给具有重要的意义，而湘江流域枯水期主要依靠地下水补给调剂，在这个时间段内地下水延迟时间对产流影响较大。同时，CN2(径流曲线数)参数在衡阳以上、渌水、涟水三个地区比较敏感。CN2值是SCS径流曲线法中反映降雨前期流域特征的无量纲参数。由于在本次SWAT模型中产流采用SCS径流曲线法，且降雨较为充沛，所以CN2对于地表径流的模拟起着至关重要的作用。说明在面积较小的区域上，下垫面的不透水性对径流的生成具有很强的影响。
对于不同地区的参数敏感性分析而言，在渌水、涟水两个地区，ALPHA_BF、CH_N2、GW_DELAY 三个参数依次最为敏感。衡阳以上地区CH_N2参数不敏感，这主要是因为衡阳以上地区面积较大，但生成的河网较短，河网密度较低，从而使得曼宁系数对河道中地表径流影响降低，导致参数不太敏感。衡湘地区除了ALPHA_BF与CH_N2参数以外，其余参数均不敏感，这也是由于衡湘地区并不是水力独立的区域，受到其余四个区域入境水量的影响，自身产流相较于四个区域入境水量而言明显偏小，本身的水文过程功能被大大地弱化。所以反应基流大小与快慢的ALPHA_BF与影响河道流量的CH_N2可以调节所有水量，对最终径流结果产生影响，从而在该地区具有一定的敏感性，而其余参数基本不敏感。洣水地区ESCO(土壤蒸发补偿系数)最为敏感，这是由于洣水地区所在地区雨量站平均降雨量较其余地区降雨量小，蒸发量对洣水地区径流产生影响更加明显，从而导致ESCO参数更加敏感。
4.3. 湘江流域SWAT模型率定与检验
模型的率定就是寻找使模型的模拟值与对应实测值尽可能一致的参数。本文采用SWAT-CUP软件自带的SUFI-2模块进行参数的自动率定。各区域的率定检验期Nash-Sutcliffe效率系数如表3所示(率定检验期的第一年为模型预热)，并给出了相应的径流总量相对误差系数RE。
表3表明，对于湘江干流两个区域的率定检验，日模拟效率系数均达到70%以上，而对于渌水、涟水、洣水等流量相对较小的湘江支流区域，日模拟效率系数也达到了60%以上。此外，5个控制区域率定检验期的径流总量相对误差系数均控制在10%以内。综上所述，湘江流域整体的日模拟率定取得了较好的效果。
4.4. 模型模拟结果比较分析
图5和图6给出了检验期湘潭站的模拟实测效果对比图，可以进一步比较SWAT模型径流过程模拟效果。
Table 3.Statistical index of daily simulation in calibration and validation period
表3.SWAT模型日模拟率定检验结果
率定期(1992~2000年) 检验期(2002~2005年)
控制站
ENS(%) RE(%) ENS(%) RE(%)
衡湘站83 ?8.49 82 ?4.96
湘潭站76 ?3.96 71 ?7.51
渌水站64 ?10.0 62 0.56
涟水站69 ?3.61 65 ?5.40
洣水站72 ?2.4 68 3.61
Figure 5. Daily flow in 2004 of validation period at Xiangtan station
图5. 湘潭站检验期2004年日径流过程线
Figure 6. Monthly flow between 2002 and 2005 at Xiangtan station 图6. 湘潭站检验期2002~2005年月径流过程线
Figure 7. Comparison of monthly simulated evapotranspiration in Xiangjiang basin 图7. 湘江流域蒸散发月模拟效果对比
由于土壤含水量的实测资料较难获得，流域的水面蒸发较易获得，故统一对SWAT模型模拟的流域潜在蒸散发能力、实际蒸散发量与蒸发皿观测值进行对比，用以反映模型对于土壤植物水文过程模拟的合理性，如图6所示。
从图7可以看出，在大部分温度不高的月份，SWAT模型模拟的实际蒸散发量与观测的蒸发皿比较接近。而在7，8，9月的模拟精度则稍差，无法模拟出极值，论文认为这一现象的出现很可能是由于在高温月份，蒸发皿温度高于气温，进一步加速了蒸发皿内的水面蒸发速度，使得观测数据高于实际值。对这一部分的数据进行分析，可以发现尽管在高温月份模拟与观测数值相差较大，但是相关系数达到0.8以上，可以认为将这一阶段的实测数值乘以一个折算系数，才能真实地反映实际情况。此外，将观测数据与SWAT模型模拟的流域潜在蒸散发能力进行对比，相关系数达到0.9以上，也在一定程度上说明了模拟的合理性。因此可以认为，SWAT模型对于湘江流域土壤植物的水文过程模拟是比较正确合理的。
5. 结论
本文以湘江流域为研究区域，分析和讨论了SWAT模型建立过程中参数的敏感性以及模型在该区域径流模拟的精度，具体结论如下：
1) 相对于单一出口断面的径流率定，分区域多站点的率定模式更能反映模型的分布式特点，对提高最终流域出口断面的模拟精度也有一定的帮助；
2) 基流alpha因子、河道的曼宁系数在以径流模拟效率系数为目标函数的参数优化中，具有较强的敏感性；湿润条件下的SCS曲线数对于独立率定的小子流域较为敏感；
3) SWAT模型对于径流的模拟在汛期的极值模拟方面有一定的不足，但是水量误差整体效果好。
SWAT模型在该区域的日径流过程模拟是合理的，符合后续水资源评估的需要。
参考文献(References)
[1]夏智宏, 周月华, 许红梅. 基于SWAT模型的汉江流域水资源对气候变化的响应[J]. 长江流域资源与环境, 2010,
19(2): 158-163.
XIA Zhihong, ZHOU Yuehua and XU Hongmei. Water resources responses to climate changes in Hanjiang river basin based on SWAT model. Resources and environment in the Yangtze basin, 2010, 19(2): 158-163. (in Chinese)
[2]陈利群, 刘昌明. 黄河源区气候和土地覆被变化对径流的影响[J]. 中国环境科学, 2007, 27(4): 559-565.
CHEN Liqun, LIU Changming. Influence of climate and land-cover change on runoff of the source regions of Yellow River. China Environmental Science, 2007, 27(4): 559-565. (in Chinese)
[3]欧春平, 夏军, 王中根, 等. 土地利用/覆被变化对SWAT模型水循环模拟结果的影响研究——以海河流域为例
[J]. 水力发电学报, 2009, 28(4): 124-129.
OU Chunping, XIA Jun, WANG Zhonggen, et al. LUCC influence on SWAT hydrological simulation—A case study of Haihe river basin. Journal of Hydroelectric Engineering, 2009, 28(4): 124-129. (in Chinese)
[4]Arnold, J.G., Neitsch, S.L., Kiniry, J.R., et al. Soil and water assessment tool. Theoretical Documentation, Version
2009, Agriculture Research Service US, 2009.
[5]庞靖鹏. 非点源污染分布式模拟[D]. 北京师范大学, 2007.
PANG Jinpeng. Distributed nonpoint source pollution modeling—A case study on water source areas protection in the Miyun reservoir. Beijing Normal University, 2007. (in Chinese)
[6]KRYSANOVA, V., MULLER-WOHLFEIL, D. I. and BECKER, A. Integrated modelling of hydrology and water
quality in mesoscale watersheds. PIK Report, 1996.
[7]SOPHOCLEOUS, M. A., KOELLIKER, J. K., GOVINDARAJU, R. S., et al. Integrated numerical modeling for basin-
wide water management: The case of the Rattlesnake Creek basin in south-central Kansas. Journal of Hydrology, 1999, 214(1-4): 179-196.
[8]ECKHARDT, K., HAVERKAMP, S., FOHRER, N., et al. SWAT-G, a version of SWAT99.2 modified for application
to low mountain range catchments. Physics and Chemistry of the Earth, 2002, 27(9-10): 641-644.
[9]VAN GRIENSVEN, A., BAUWENS, W. Integral water quality modelling of catchments. Water Science and Tech-
nology, 2001, 43(7): 321-328.
SWAT水文模型
SWAT水文模型介绍 1概述 SWAT（Soil and Water Assessment Tool）模型是美国农业部（USDA）农业研究局（ARS）开发的基于流域尺度的一个长时段的分布式流域水文模型。它主要基于SWRRB模型，并吸取了CREAMS、GLEAMS、EPIC和ROTO的主要特征。SWAT 具有很强的物理基础，能够利用GIS和RS提供的空间数据信息模拟地表水和地下水的水量和水质，用来协助水资源管理，即预测和评估流域水、泥沙和农业化学品管理所产生的影响。该模型主要用于长期预测，对单一洪水事件的演算能力不强，模型主要由8个部分组成：水文、气象、泥沙、土壤温度、作物生长、营养物、农业管理和杀虫剂。SWAT模型拥有参数自动率定模块，其采用的是Q.Y.Duan等在1992年提出的SCE-UA算法。模型采用模块化编程，由各水文计算模块实现各水文过程模拟功能，其源代码公开，方便用户对模型的改进和维护。 2模型原理 SWAT模型在进行模拟时，首先根据DEM把流域划分为一定数目的子流域，子流域划分的大小可以根据定义形成河流所需要的最小集水区面积来调整，还可以通过增减子流域出口数量进行进一步调整。然后在每一个子流域再划分为水文响应单元HRU。HRU是同一个子流域有着相同土地利用类型和土壤类型的区域。每一个水文响应单元的水平衡是基于降水、地表径流、蒸散发、壤中流、渗透、地下水回流和河道运移损失来计算的。地表径流估算一般采用SCS径流曲线法。渗透模块采用存储演算方法，并结合裂隙流模型来预测通过每一个土壤层的流量，一旦水渗透到根区底层以下则成为地下水或产生回流。在土壤剖面中壤中流的计算与渗透同时进行。每一层土壤中的壤中流采用动力蓄水水库来模拟。河道中流量演算采用变动存储系数法或马斯金根演算法。模型中提供了三种估算潜在蒸散发量的计算方法—Hargreaves、Priestley-Taylor和Penman-Monteith。每一个子流域侵蚀和泥沙量的估算采用改进的USLE方程，河道泥沙演算采用改进
ArcGIS课程设计-SWAT模型
《地理信息系统ArcGIS》 课程设计 专业：水文与水资源工程专业 姓名： 学号： 指导教师： 日期：2019年6月
目录 第一部分模型介绍 (1) 一、ArcGIS模型介绍 (1) 二、ArcSWAT模型介绍 (1) 第二部分ArcSWAT流域模拟 (1) 一、建立SWAT模型 (1) 二、流域划分 (2) 三、HRU分析 (7) 四、Write input tables (13) 五、SWAT 模型仿真 (17) 六、SWAT文件输出 (18) 七、查看文件 (19) 第三部分心得体会 (19)
第一部分模型介绍 一、ArcGIS模型介绍 地理信息系统（Geographical Information System简称GIS）是在计算机软硬件的支持下，对整个或者部分地球表层空间中的有关地理分布数据进行采集、存储、管理、运算、分析、显示和描述的技术系统。ArcGIS是一个全面的、可伸缩的GIS平台，为用户构建一个完善的GIS系统提供完整的解决方案。 二、ArcSWAT模型介绍 SWAT（Soil and Water Assessment Tool）是由美国农业部（USDA）的农业研究中心（ARS，Agricultural Research Service）Jeff Amonld博士1994年开发的。模型开发的最初目的是为了预测在大流域复杂多变的土壤类型、土地利用方式和管理措施条件下，土地管理对水分、泥沙和化学物质的长期影响。它是一种基于GIS基础之上的分布式流域水文模型，近年来得到了快速的发展和应用，主要是利用遥感和地理信息系统提供的空间信息模拟多种不同的水文物理化学过程，如水量、水质以及杀虫剂的输移与转化过程。ArcSW AT扩展模块是SW AT 模型在ArcSGIS平台上的图形用户界面。SW A T是一个具有很强物理机制的长时段的流域分布式水文模型。 第二部分ArcSWAT流域模拟 一、建立SWAT模型 在ArcGIS界面，打开ArcSWA T工具栏如下图： 点击SWAT Project Setup—New SW AT Project，建立一个新的SWAT项目 在弹出的ArcSW A T对话框中选择否
单因素敏感性分析对照表
单因素敏感性分析对照表表:10-10 序号项目单位 当经营收入 下降10%时 基本方案 当经营成本 上升10%时 1 生产期平均年利润总额万元163.35 305.83 195.55 2 生产期平均年利税总额万元316.15 485.15 366.29 3 投资利润率% 19.92 37.3 23.85 4 投资利税率% 38.5 5 59.1 6 44.67 5 销售利润率% 10.74 18.1 11.57 6 盈亏平衡点% 38.55 24.68 33.34 7 全部投资所得税前财务指标 7.1 内部收益率% 30.58 ＞50 34.81 7.2 净现值（1C=12%）万元552.77 1395.96 743.33 7.3 投资回收期年 5.25 3.37 4.61 8 全部投资所得税后财务指标 8.1 内部收益率% 20.05 31.61 27.36 8.2 净现值（1C=12%）万元311.07 947.01 453.99 8.3 投资回收期年 6.51 4.07 5.69 9 贷款偿还期年 2.68
建设进度示意表 附表：3 时间 项目 第1月第2月第3月第4月第5月第6月第7月第8月第9月第10月第11月第12月 前期工作申请立项 可行性研究报告编制初步设计 初步设计审批 施工图设计 可行性研究报告审批 施工期施工准备期建筑工程施工室外工程施工设备订货 设备购置安装竣工 投产
产品方案表 表：3 序号产品名称项目工程t/a 产品规格销售方式预期价格（元）备注 1 滩枣800吨1kg 454g 5kg 13kg 自销 14元/袋 6.36元/袋 1.4万元/t 2 空心枣、枣片100吨300g 250g 自销 3元/袋 3.6元/袋 1.35万元/t 3 香酥枣100吨300g 自销 4.5元/袋 1.35万元/t 4 贡枣200吨454g 自销8.17元/袋 1.5万元/t
SWAT模型建模中可能遇到的问题和解答
ArcSWAT Frequently Asked Questions Installation: 1.Problem: During installation an error message containing “ … unable to get installer types …” appears, preventing successful installation. Solution: Make that the following is loaded on your system: a.) .Net Framework 2.0 b.) ArcGIS DotNet Support (C:\Program Files\ArcGIS\DotNet). In order for ArcGIS DOTNet support to be installed, the .Net Framework 2.0 must be present on the target computer prior fo installing ArcGIS. Solutions to Interface Problems and How-To: 1.Problem: Error during Landuse/Soils/Slope overlay of “Item not found in this collection”. Cause: The SWAT2005.mdb crop or urban tables do not have a properly formatted OBJECTID field. Solution: Create a cop table with a sequential OBJECTID field by exporting the crop table back into the SWAT2005 database using ArcCatalog. Delete the old table and rename the new one to “crop” or “urban” 2.Problem: Error at beginning of Landuse/Soils/Slope overlay operation. Possible Cause: Land use lookup codes begin with a number and not a letter. All land use lookup codes in a user-defined landuse lookup table and also found in the crop and urban tables MUST begin with a letter. 3. Problem: Error during watershed delineation of, “You attempted to open a database already opened …”. Cause: There is a renegade lock on a table or feature class in your SWAT project database. Solution: Close the SWAT ArcMap project. Reopen the SWAT project a try the operation again. It is a goods idea to save your SWAT project during the watershed delineation task after each step is completed. 4.Problem: Error during the writing of SWAT input files, such as “Missing CN2 for hydrologic group …” . Cause: Soil lookup table of database usersoil table has problems. Solution: Soil names in the soil lookup and usersoil table CANNOT have “_” characters. These characters must be replaced by something else, such as “-“ or “#”. 5.Problem: Errors while reading in observed weather files Cause: Make that there are no extra empty rows at the end of the tables. Also, check observed data files to make sure that there are no dates that are skipped in the middle of the file. 6.Question: Observed weather data was loaded. However, during model setup, I can only select a simulation period that falls within the dates of my observed data. How setup a model “warm-up” period using simulated weather? Answer: You must add missing data values to the beginning of at least 1 of your observed weather
一建工程经济单因素敏感性分析考题
一建工程经济单因素敏感性分析考题 1.对某技术方案进行单因素敏感性分析。当预计投产后的单位产品销售价格为1000元时，该技术方案财务内部收益率为15%；当预计单位产品销售价格为800元时，该技术方案财务内部收益率为12%；当预计单位产品销售价格为700元时，该技术方案财务内部收益率为9%；当预计单位产品销售价格为500元时，该技术方案财务内部收益率为0。如果基准收益率为9%，则该技术方案预计投产后单位产品销售价格下降的临界点为（）元。 A.1000 B.800 C.700 D.500 【答案】C 【解析】本题的考核点是临界点的概念及其应用。 临界点是指技术方案允许不确定因素向不利方向变化的极限值。超过极限，技术方案的经济效果指标将不可行。 本题中的技术方案的财务内部收益率大于等于基准收益率时，其在经济上是可行的；财务内部收益率小于基准收益率，则其在经济上不可行。因此，该技术方案预计投产后的单位产品销售价格为700元时，其财务内部收益率等于基准收益率（9%）；若预计单位产品销售价格小于700元，则其财务内部收益率将小于基准收益率（9%），技术方案在经济上将不可行。故该技术方案单位产品销售价格下降的临界点是700元。 2. 对某技术方案进行单因素敏感性分析。当预计投产后的单位产品可变成本为600元时，该技术方案的财务净现值为850万元；当预计单位产品可变成本为500元时，该技术方案的财务净现值为500万元；当预计单位产品可变成本为650元时，该技术方案的财务净现值为360万元；当预计单位产品可变成本为700元时，该技术方案的财务净现值为80万元；当预计单位产品可变成本为750元时，该技术方案的财务净现值为-180万元。则该技术方案预计投产后单位产品可变成本上升的临界值是（）元。 A.≤750 B.700-750 C.650-700 D.≤700 【答案】B 【解析】本题的考核点是临界点的概念及其应用。 临界点是指技术方案允许不确定因素向不利方向变化的极限值。超过极限，技术方案的经济效果指标将不可行。 本题的敏感性分析指标是财务净现值，选择的不确定性因素是单位产品可变成本。技术方案经济上可行，其财务净现值应大于等于零。故技术方案预计投产后单位产品可变成本临界值应在700元至750元之间。 3．为了进行盈亏平衡分析，需要将技术方案的运行成本划分为（）。 A．历史成分和现实成本 B．过去成本和现在成本 C．预算成本和实际成本 D．固定成本和可变成本 【答案】D 【解析】本题的考核点是盈亏平衡分析的基本原理。
基于单因素敏感性分析法的工程项目风险研究 崔志鹏
基于单因素敏感性分析法的工程项目风险研究崔志鹏 发表时间：2017-11-03T15:22:05.033Z 来源：《基层建设》2017年第21期作者：崔志鹏 [导读] 摘要：在工程项目面临风险过程中，单因素敏感性分析是最常用的经济评价方法之一，帮助项目投资者做出正确的决策。文章介绍了单因素敏感性分析法在工程项目经济评价中的概念，一般性实施步骤与项目中的应用，为项目投资者提供控制风险的方法，提高项目经济效益。 安徽财经大学管理科学与工程学院 230030 摘要：在工程项目面临风险过程中，单因素敏感性分析是最常用的经济评价方法之一，帮助项目投资者做出正确的决策。文章介绍了单因素敏感性分析法在工程项目经济评价中的概念，一般性实施步骤与项目中的应用，为项目投资者提供控制风险的方法，提高项目经济效益。 关键词：单因素敏感性分析；工程项目；不确定性；经济评价 引言：工程项目在进行经济评价的过程中往往伴随着诸多不确定性因素，经济评价的不确定性可能为工程项目，为项目投资者带来风险。因此，估计项目可能承担的风险，提出项目的风险预警和风险对策，是提高项目经济效益目标的重要手段[1]。单因素敏感性分析法便是工程投资项目中常用的不确定性分析方法之一。 1.单因素敏感性分析的概念 敏感性分析是指工程项目影响因素的发生变化时，变化对工程项目经济效果的影响程度。单因素敏感性分析假设各个不确定性因素之间相互独立，每次只变动某一个不确定性因素而假设其他因素不变，分别计算可变因素引起的经济评价指标的影响。若影响因素的较小范围变动可以导致经济指标的较大变动，则称之为工程项目的经济效果指标对参数的敏感性大；反之，则该经济效果指标对参数的敏感性小[2]。 2.单因素敏感性分析的一般步骤 2.1.确定工程项目分析指标 工程项目分析指标是单因素敏感性分析的对象，可以作为分析指标的指标有很多，一般来说，敏感性分析指标应与确定性分析过程中指标一致，常用的项目分析指标有投资回收期，净现值，内部收益率，投资利润率等等。 2.2.选定不确定性因素与因素变动范围 影响项目方案经济效果的不确定性因素有很多，没有必要全部进行敏感性分析，常选取的不确定性因素包括项目投资额，产品价格，经营成本，项目寿命期末残值，项目寿命期等等。 确定不确定性因素的变动范围，以利于后期对于经济效果的计算与敏感性分析图的绘制。常选取的变动范围有±5%，±10%，±15%，±20%等等。 2.3.计算不确定性因素变动对项目分析指标的影响 在各个不确定性因素之间相互独立，其他因素保持不变的假设下，每次变动一个不确定性因素，重复计算以选取的不确定性因素的变化对分析指标影响的具体数值，以敏感性分析表和分析图的形式表现出来。 2.4.确定引起项目分析指标变化明显的敏感因素 结合敏感性分析表与敏感性分析图，比较选出对分析指标影响最大的不确定性因素，即敏感因素。不确定性因素对分析指标的影响程度大小可通过敏感度系数Sk表示，
ARCSWAT模型使用
ARCSWAT模型使用 1. 模型介绍 SWAT（Soil and Water Assessment Tool）是由美国农业部（USDA）的农业研究中心（ARS，Agricultural Research Service）Jeff Amonld博士1994年开发的。模型开发的最初目的是为了预测在大流域复杂多变的土壤类型、土地利用方式和管理措施条件下，土地管理对水分、泥沙和化学物质的长期影响。它是一种基于GIS基础之上的分布式流域水文模型，近年来得到了快速的发展和应用，主要是利用遥感和地理信息系统提供的空间信息模拟多种不同的水文物理化学过程，如水量、水质以及杀虫剂的输移与转化过程。 SWAT模型综合了早期开发的SWRRB（the Simulator for Water Resources in Rural Basins）模型和ROTO（the Routing Outputs to Outlet）模型的特征，从1990s 问世以来，经历了SWAT94.2，96.2，98.1，99.2，2000等版本，模型在原理算法、结构、功能等方面都有很大的改进，现在使用的SWAT2005版本可以在Arcview、ArcGIS等常见的软件平台上运行，具有良好的用户界面，在ARCGIS上的SW AT 模型为ARCSW AT。本文使用的是ArcGIS 9.2支持下的ArcSW AT 2.0.0。 模型数据处理过程： SWAT模型所需的数据有地形、土壤、土地利用、气象、水文、营养物质等，根据研究目的不同可以选择建立不同的数据库，模型本身带有Land Cover/Plant Growth Database、Urban Database数据库。除此之外，还需要结合研究区域的特点和研究目的，建立用户数据库，其中包括耕作数据库、杀虫剂数据库、营养物质数据库、土壤数据库。模型数据处理流程如图2所示： 模型数据处理流程 模型的应用： 模型的应用主要表现在8个方面：校准与敏感性分析，气候变化模拟，GIS平台描述，水文评价，结构和数据输入效果评价，与其他模型比较，多种模型分析的结合，污染评价。
敏感性分析
第五章敏感性分析的概念及其分析步骤 1 敏感性分析的概念 敏感性一词指的是所研究方案的影响因素发生改变时对原方案的经济效果发生影响和变化的程度。如果引起的变化幅度很大，就说明这个变动的因素对方案经济效果的影响是敏感的；如果引起变动的幅度很小，就说明它是不敏感的。 投资项目评价中的敏感性分析，就是在确定性分析的基础上，通过进一步分析、预测项目主要不确定因素的变化对项目评价指标(如财务内部收益率、财务净现值、投资回收期、投资收益率等)的影响，从中找出敏感因素，确定评价指标对该因素的敏感程度和项目对其变化的承受能力。 一个项目，在其建设与生产经营的过程中，由于项目内部、外部环境的变化，许多因素都会发生变化。一般将产品价格、产品成本、产品产量(生产负荷)、主要原材料价格、建设投资、工期、汇率等作为考察的不确定因素。敏感性分析可以使决策者在缺少资料的情况下，能够弥补和缩小对未来方案预测的误差，了解不确定因素对评价指标的影响幅度，明确各因素变化到什么程度时才会影响方案经济效果的最优性，从而提高决策的准确性。此外，敏感性分析还可以启发评价者对那些较为敏感的因素重新进行分析研究，以提高预测的可靠性。 敏感性分析有单因素敏感性分析和多因素敏感性分析两种。 单因素敏感性分析是对单一不确定因素变化的影响进行分析，即假设各个不确定性因素之间相互独立，每次只考察一个因素，其他因素保持不变，以分析这个可变因素对经济评价指标的影响程度和敏感程度。单因素敏感性分析是敏感性分析的基本方法。 多因素敏感性分析是假设两个或两个以上互相独立的不确定因素同时变化时，分析这些变化的因素对经济评价指标的影响程度和敏感程度。由于项目评估过程中的参数和变量同时发生变化的情况非常普遍，所以，多因素敏感性分析也有很强的实用价值。 2 单因素敏感性分析的步骤 单因素敏感性分析一般按以下步骤进行： (1)确定分析指标 分析指标的确定，一般是根据项目的特点，不同的研究阶段、实际需求情况和指标的重要程度来选择，与进行分析的目标和任务有关。 如果主要分析方案状态和参数变化对方案投资回收快慢的影响，则可选用投资回收期作为分析指标；如果主要分析产品价格波动对方案超额净收益的影响，则可选用财务净现值作为分析指标；如果主要分析投资大小对方案资金回收能力的影响，则可选用财务内部收益率
SWAT模型 水资源 数学建模
ＳＷＡＴ模型：让水资源评估“技高一筹” 来源：发布时间：2009年12月01日 当我们盘点当今世界热点名词时，“气候变化”无疑 会榜上有名。的确，气候变化正在并已经对人类的社会经济 发展、生态系统、极端天气气候事件产生极其重要的影响。 而水资源作为生态系统的重要组成部分，不可避免地受到气 候变化的“关照”——气候变化将导致水资源时空分布格局 改变、极端水资源事件频率增加等。近年来，特别是进入21 世纪后，水资源问题越来越困扰全球的经济社会发展，中国 亦不例外。因此，探讨研究气候变化和人类活动影响下的水 资源问题，也就显得更为至关重要。 在此背景下，气象部门相关专家学者经过长期努力， 在水资源问题研究上取得显著成绩。SWAT（Soil and Water Assessment Tool)模型作为开展水资源评估影响的有效工 具，已初显成效。该模型正日益被采纳应用，并推而广之。 缘起：水文模型必不可少 第十一届全国人大财经委员会副主任、原水利部部长 汪恕诚曾说：“人多水少，水资源时空分布不均，水土资源 与经济社会发展布局不相匹配，是我国的基本水情。”此言 道出了我国水资源的总体特征。
我国水资源总量为2.8万亿立方米，居世界第六位，但人均占有量只有2200立方米，仅为世界平均水平的30%左右。目前，全国年缺水总量约达300亿立方米至400亿立方米，近三分之二的城市存在不同程度的缺水。此外，我国水资源分布呈南多北少、东多西少态势：长江及其以南水系流域面积占全国国土总面积的36.5%，其水资源量却占全国的81%；淮河及其以北面积占63.5%，水资源量仅占19%。西北内陆河地区面积占35.3%，水资源量仅占4.6%。 同时，受季风气候影响，我国的降水量年内分配极不均匀，大部分地区汛期4个月的降水量占全年总量的70%左右。此外，水资源中大约三分之二是洪水径流量，且降水量年际变化也很大。特别是在全球气候变化和大规模经济开发双重因素交织作用下，我国水资源情势更加堪忧。 如何对水资源系统进行深入研究，掌握其规律特性，趋利避害、造福人民呢？水文模型的应用提上日程。 国家气候中心专家许红梅博士介绍说，水文模型是以水文系统为研究对象，根据降雨和径流在自然界的运动规律建立数学模型，通过电子计算机快速分析、数值模拟、图像显示和实时预测各种水体的存在、循环和分布，以及物理和化学特性。水文模型可以帮助人们理解复杂的水循环系统，通过对观测资料的分析，使看不见、摸不着的水资源系统量化、直观化、连续化，从而为决策者提供科技支撑，为水资
敏感性分析的方法与步骤
敏感性分析的方法与步骤 加入收藏【大中小】[ 2010-1-15 ] 敏感性分析的方法与步骤 （一）选取不确定因素进行敏感性分析首先要选定不确定因素并确定其偏离基 本情况的程度。不确定因素：在项目决策分析与评价过程中涉及的对项目效 益有一定影响的基本因素。 敏感性分析不用对全部因素都进行分析，而只是对那些影响较大的、重要的不确定因素进行分析。不确定因素的选取通常结合行业和项目特点参考类似项目的经验进行，特别是项目后评价的经验。 可以选取的不确定因素包括建设投资、产出物价格、主要投入物价格、可变成本、运营负荷、建设期以及人民币汇率，根据项目的具体情况也可选择其他因素。 （二）确定不确定因素变化程度敏感性分析通常是针对不确定因素的不利变化 进行，为绘制敏感性分析图 的需要也可考虑不确定因素的有利变化。 习惯上常选取±10%。对于那些不便用百分数表示的因素，例如建设期，可采用延长一段时间表示，例如延长一年。 百分数的取值其实并不重要。因为敏感性分析的目的并不在于考察项目效益在某个具体的百分数变化下发生变化的具体数值，而只是借助它进一步计算敏感性分析指标，即敏感度系数和临界点。 （三）选取分析指标 最基本的分析指标是内部收益率或净现值，根据项目的实际情况也可选择 其它评价指标，必要时可同时针对两个或两个以上的指标进行敏感性分析。 通常财务分析与评价的敏感性分析中必选的分析指标是项目投资财务内部收益
率;经济分析与评价中必选的分析指标是经济净现值和经济内部收益率。 （四）计算敏感性指标 1.敏感度系数 概念： 敏感度系数是项目效益指标变化的百分率与不确定因素变化的百分率之比。 计算公式： ￡=△ A/ △ F 判据： E>0,表示评价指标与不确定因素同方向变化；E<0,表示程反方向变化。|E| 越大敏感度系数越高，项目效益对该不确定因素敏感程度越高。 敏感度系数的计算结果可能受到不确定因素变化率取值不同，而有所变化。但其数值大小并不是计算该项指标的目的，重要的是各不确定因素敏感度系数的相对值，借此了解各不确定因素的相对影响程度，以选出敏感度较大的不确定因素。 【例题3】某投资项目的单因素敏感性分析中，基本方案对应的销售量为 0.万台/年，财务内部收益率为25%。当产品的销售量减少10%时，该项目 的财务内部收益率降低到22%，则此时的敏感度系数为（）。（2008 真题） A. 0.30 B. 0.83 C. 1.20 D. 1.36 【解析】敏感度系数=△ A/ △ F二[(25%-22%)/25%]/10%=
SWAT模型研究进展
SWAT模型研究进展 随着人类活动日益增强,下垫面条件发生显著变化,影响了流域产汇流和水资源的时空变化,传统的集总式水文模型已不能很好地反映下垫面空间差异性造成的径流过程和各种物质循环过程的变化,分布式水文模型应运而生。 SWAT(Soil and Water AssessmentTool) 模型是美国农业部农业研究所(USDA-ARS)历经近30年开发的大尺度模型。模型以可以用来预测模拟大流域长时期内不同的土壤类型、植被覆盖、土地利用方式和管理耕作条件对产水、产沙、水土流失、营养物质运移、非点源污染的影响,甚至在缺乏资料的地区可以利用模型的内部生成器自动填补缺失资料。SWAT模型经历了不断的改进，已经在水文水资源及环境领域中得到广泛认可和普及。 SWAT主要基于SWRRB，并且吸收了GREAMS、GLEAMS、EPIC和ROTO 等模型的优点。模型自20世纪90年代初开发以来，已经经历了不断的发展。模型主要改进版本有： 1）SWAT94.2：添加了水文响应单元。 2）SWAT96.2：加人了植物截流、壤流的运算，径流营养物和杀虫剂的输送模拟和气候变化的分析方法，添加了自动施肥与灌溉作为管理选项， 用于计算潜在蒸散发的彭曼公式等模块也被加人。 3）SWAT98.1：改进了融雪模块、水质模拟以及营养物质循环，增加了放牧、施肥等作为管理选项，并增强了模型在南半球的适应性。 4）SWAT99.2：改进营养物循环和对各种水体(水库、池塘和湿地)水量平衡的处理方法，增加一种城市径流的模拟计算方法，将年代设置从2位变 为4位。 5）SWAT2000：改善“气象因子发生器’，，提供了更多的潜在蒸散发计算方法，太阳辐射、相对湿度、风速、潜在蒸散发等气象数据可以直接输 人或者根据“气象因子发生器”让模型自动产生，水库的数量不再受到 限制，并增加了Green&AmPt渗透方程和Muskingum模式分别计算入 渗与地下水平衡。 6）SWAT2005：改进了杀虫剂输移模块；增加了天气预报情景分析；增加了日以下补偿的降水量发生器；使在计算每日CN值是使用的滞留参数 可以是土壤水容量或者植物蒸散发的函数；增加了敏感性分析和自动率 定与不确定性分析模块。 近年来，SWAT模型在国内得到了广泛应用，主要包括3个方面：产流/产沙模拟、非点源污染研究及输入参数对模拟结果的影响研究。其中，径流模拟是SWAT应用的一个主要方面，在全国很多流域都有SWAT的应用案例。 王中根,刘昌明等用SWAT模拟了黑河干流山区莺落峡以上地区子流域月径流量和莺落峡日径流量,从模拟精度论证了模型完全适合在大流域应用。张雪松等以洛河上游卢氏水文站流域为研究区域,采用自动数字滤波技术校准径流,对模拟和实测值进行直接径流(地表径流与壤中流)与基流的分割校核,结果表明模型校核和验证期对径流的模拟都较好,对产沙预测和实际偏离较大,说明模型对降雨量小、产流产沙少的情况模拟不太理想。胡远安等介绍了SWAT模型在亚热带的江西芦溪小流域径流模拟,对水田模拟部分进行了局部修改,并进行了参数灵敏度分析,结果表明模型对长期径流量模拟比较精确,对日径流的模拟存在系统误差;丰水期的模拟比枯水期精确。黄清华,张万昌对黑河流域山区出山口径流的模拟
2016年造价工程师《案例分析》：单因素敏感性分析考试试题
2016年造价工程师《案例分析》：单因素敏感性分析考试 试题 一、单项选择题（共25题，每题2分，每题的备选项中，只有1个事最符合题意） 1、关于建筑面积、使用面积、辅助面积、结构面积、有效面积的相互关系，正确的表达式有__。 A．有效面积=建筑面积-结构面积 B．使用面积=有效面积+结构面积 C．建筑面积=使用面积+辅助面积 D．辅助面积=使用面积-结构面积 2、某市一栋普通办公楼为框架结构，建筑面积3000m2，建筑工程直接费为370万元，其中：毛石基础为39元/m3，而今拟建一栋办公楼3500m2，采用钢筋混凝土带形基础，单价51元/m3，其他结构相同。该拟建办公楼直接费的造价概算适合采用__。 A．概算定额法 B．概算指标法 C．扩大单价法 D．类似工程预算法 3、在建筑施工中广泛适用于各类建筑防水、防潮工程，尤其适用于高温或强烈太阳辐射地区的建筑物防水材料是（）。 A．沥青防水卷材 B．SBS改性沥青防水卷材 C．APP改性沥青防水卷材 D．聚氯乙烯(PVC)防水卷材 4、关于预算定额，以下表述正确的是__。 A．预算定额是编制概算定额的基础 B．预算定额是以扩大的分部分项工程为对象编制的 C．预算定额是概算定额的扩大与合并 D．预算定额中人工工日消耗量的确定不考虑人工幅度差 5、铝酸盐水泥__天的强度即可达到普通水泥28天的强度。 A．3 B．5 C．10 D．20 6、路堤的建筑应优先选用__。 A．亚黏土 B．碎石 C．重黏土 D．粉性土 7、下列各项，属于填方工程施工要求的是（）。
A．由上至下分层铺填，分层夯实 B．由下至上分层铺填，一次夯实 C．永久性填方边坡应符合有关规定 D．填方可不预留沉降量 8、与奥氏体不锈钢相比，铁素体-奥氏体不锈钢的主要性能为（）。 A．韧性较低 B．屈服强度较高 C．可焊性较差 D．应力腐蚀较大 9、某建设项目总投资2000万元，建设期3年，各年投资比例分别为；20%，50%，30%。从第四年开始项目有收益，各年净收益为350万元，项目寿命期为10年，第十年末回收固定资产余值及流动资金200万元，基准折现率为10%，试计算该项目的财务净现值__万元。 A．-283.45 B．243.84 C．303.36 D．283.86 10、穿电线的管子不允许焊接，如需要焊接(用于暗配)可采用__连接。 A．法兰 B．螺纹 C．套管 D．咬口 11、一般情况下，震级越高、震源越浅、距震中越近，地震烈度就越高。当震级达7级时，地震烈度一般在__度。 A．Ⅶ～Ⅷ B．Ⅸ～Ⅹ C．Ⅺ D．Ⅻ 12、下，列反映盈利能力比率的关系式中正确的是__。 A．资产净利率=(净利润/期末资产总额)×100% B．权益净利率=销售净利率×资产周转率×权益乘数 C．销售净利率=(净利润/平均资产总额)×100% D．权益净利率=(净利润/平均资产总额)×100% 13、依据《标准施工招标文件》，承包人对总监理工程师授权的监理人员发出的指示有疑问时，可向总监理工程师提出书面异议，总监理工程师应在__小时内对该指示，予以确认、更改或撤销。 A．12 B．24 C．36 D．48 14、资产负债表中正确的等式关系是__。 A．资产：负债+所有者权益 B．盈余资金；资金来源—资金运用 C．税后利润：利润总额—所得税
一级建造师考试单因素敏感性分析的步骤
一级建造师考试《建设工程经济》单因素敏感性分析的步骤 2011-6-15 14:12:47 2011年一级建造师考试将在9月24、25日举行，各地考生都在紧张的复习当中。学易网为了帮助各位参加2011年一级建造师考试的学员能够更好更全面的复习各门课程，整理了一级建造师《建设工程经济》知识点。希望能够帮助各位学员顺利的通过这次考试！！ 单因素敏感性分析的步骤 单因素敏感性分析一般按以下步骤进行。 (一）确定分析指标 技术方案评价的各种经济效果指标，如财务净现值、财务内部收益率、静态投资回收期等，都可以作为敏感性分析的指标。 分析指标的确定与进行分析的目标和任务有关，一般是根据技术方案的特点、实际需求情况和指标的重要程度来选择。 如果主要分析技术方案状态和参数变化对技术方案投资回收快慢的影响，则可选用静态投资回收期作为分析指标；如果主要分析产品价格波动对技术方案超额净收益的影响，则可选用财务净现值作为分析指标；如果主要分析投资大小对技术方案资金回收能力的影响，则可选用财务内部收益率指标等。 由于敏感性分析是在确定性经济效果分析的基础上进行的，一般而言，敏感性分析的指标应与确定性经济效果评价指标一致，不应超出确定性经济效果评价指标范围而另立新的分析指标。当确定性经济效果评价指标比较多时，敏感性分析可以围绕其中一个或若干个最重要的指标进行。 (二）选择需要分析的不确定性因素 影响技术方案经济效果评价指标的不确定性因素很多，但事实上没有必要对所有的不确定因素都进行敏感性分析，而只需选择一些主要的影响因素。在选择需要分析的不确定性因素时主要考虑以下两条原则： 第一，预计这些因素在其可能变动的范围内对经济效果评价指标的影响较大； 第二，对在确定性经济效果分析中采用该因素的数据的准确性把握不大。 选定不确定性因素时应当把这两条原则结合起来进行。对于一般技术方案来说，通常从以下几方面选择敏感性分析中的影响因素。 1.从收益方面来看，主要包括产销量与销售价格、汇率。许多产品，其生产和销售受国内外市场供求关系变化的影响较大，巿场供求难以预测，价格波动也较大，而这种变化不是技术方案本身所能控制的，因此产销量与销售价格、汇率是主要的不确定性因素。 2.从费用方面来看，包括成本（特别是与人工费、原材料、燃料、动力费及技术水平有关的变动成本八建设投资、流动资金占用、折现率、汇率等。 3，从时间方面来看，包括技术方案建设期、生产期，生产期又可考虑投产期和正常生产期。
单因素敏感性分析方法
单因素敏感性分析方法 设投资额为K，年销售收入为S，年经营成本为C，年增值税金为T，期末资产残值为SV，净现值为： NPV=-K+(S-T-C) (P/A,10%,10) (P/F,10%,1)+SV(P/F,10%,11) 设投资额变动的百分比为X，其变动后的净现值为： NPV=-K（1+X）+(S-T-C) (P/A,10%,10) (P/F,10%,1)+SV(P/F,10%,10) 设经营成本的变动的百分比为Y，其变动后的净现值为： NPV=-K+[S-T-C（1+Y）] (P/A,10%,10) (P/F,10%,1)+SV(P/F,10%,) 设产品价格变动的百分比为Z,由于增值税金为销售收入的17%再减去进项税，产品价格的变动不仅引起销售收入的变动，同时还会导致增值税金的变化，由于销售收入与产品价格变动的比例是相同的，所以产品价格变动后的净现值为： NPV=-K+[0.83S（Z+1）-T-C] (P/A,10%,10) (P/F,10%,1)+SV(P/F,10%,10) 多因素敏感性分析 单因素敏感性分析实质上是假设各影响因素之间不相关的前提下针对单个因素进行的，但是，各因素之间往往存在着互相依赖的关系，一个因素的变动会引起其它因素的变动，如国际市场上
石油价格的上涨会导致代替石油燃料的电动车的价格上升，另外一个方面，石油价格的上涨也会引起其它生产资料价格的上涨从而导致生产成本的增加。多因素敏感性分析将克服单因素敏感性分析的局限性，能够反映两个或者两个以上的因素同时变化的结果。 考虑投资额与经营成本同时变动，变动后方案的净现值为：NPV=-K（1+X）+[S-T-C(1+Y)] (P/A,10%,10) (P/F,10%,1)+SV(P/F,10%,10) 如果考虑投资额、经营成本和产品价格这三个因素的变动，则变动后的净现值为： NPV=-K（1+X）+[0.83S(1+Z)-T-C(1+Y)] (P/A,10%,10) (P/F,10%,1)+SV(P/F,10%,10)
SWAT模型实验方法
农业非点源污染 农业非点源污染数据采集方法一： 采样准备 1、采样安排 a)水样的采集与监测项目的确定。 确定采集水样的位置，能够反映非点源污染的特征。同时，人 力能够到的地方，而且监测指标能够反映非点源污染的特点。 b)采样时间、采样频率的安排 为了更好的了解污染物的年间变化，在11年和12年，原则上 应以月单位进行水样采集，一旦出现天气突变情况，随时根据 情况调整时间。 c)除了特殊实验目的外（如研究雨季连续降雨），应当尽量排除 前一场降雨对实验的影响，以免造成实验数据分析的困难。 由于目前还无法实现自动采样，所有水样都依靠人工进行采集。 在实验过程中，根据实验情况调整采样时间，采样频率。 2、采样点的空间设置 为了研究污染物的空间变化，本次研究选择的土地类型包括： 水田，旱田，居民点，草地等。实验的水质采样点根据小流域 的出口入口及土地利用类型等水污染影响因素确定。利用GPS 定点采集水样。 3、实验方法 由于氮、磷是农业面源污染的重要原因，所以应利用GPS定点
采样，N、P、COD、BOD等。每项测定方法： a)总氮： b)总磷： c)COD： d)BOD： e)…… 农业非点源污染数据采集方法二： SWAT模型需要输入主要农作物的播种、施肥、灌溉等作物管理措施，可模拟流域内农业面源污染的负荷。而其中的数据通过查阅辽宁省统计年鉴得出流域内的化肥使用情况，并对化肥进行折纯，得出TN、TP作为基肥加入到模型中。 农业非点源污染数据采集方法三： 对非点源污染负荷估算得出数据 农村非点源污染调查分析的主要对象为农业人口数量、农村综合污水、化肥农药使用和分散式饲养畜禽废水等。非点源污染过程复杂，影响因素众多，对非点源污染负荷的估算也有很多途径。 （1）生活污水 考虑到乡村没有集中的城镇下水道系统，因此将村中人口产生 的生活污染源这算为有机肥输入到模型中。本次研究应采用最 新版本的人口普查中人口数据，列出流域中各乡镇排污当量数
项目可行性研究中经济评价的单因素敏感性分析_基于Excel工作表的计算机辅助图表
42/CHINA COMPUTERIZED ACCOUNTING 电算化实务 一、项目概况及基本图表 某中小型高新技术创新建设项目，项目建设期为1.5年，随后一年（2003年）达到设计生产能力的60％，2004年达到设计生产能力，项目经济寿命期为4年，项目计算期为5.5年。 该创新项目总投资为215万元，其中：建设投资总额为148.52万元（其中，固定资产投资总额为130.52万元，如图1；递延资产投资总额为18万元）；流动资金投资总 额为66.48万元，如图3（项目所需投入的流动资金，是根 据图2所示的成本测算数据，以及企业资产营运能力参数估算而得，表中各单元格以文本格式，显示测算表数据间勾稽关系及其内在模型；流动资金估算表中的“年工资及福利费”为项目所有人员的全年总工资及福利费用）。项目在经济寿命期4年内，其销售收入及税金的测算如图4。需说明的是，为便于理解，本文引用的图表均建立在同一工作薄（book ）的同一工作表（sheet ）中。 二、投资项目的确定性经济评价财 务指标评价法 投资项目可行性研究中的经济评价，主要是从财务的角度，预测投资项目各年的现金流量，编制现金流量表。现金流量表的编制，不仅使我们可以分析投资项目可能面临的风险及预期收益，而且使我们可以根据投资 项目可行性研究中经济评价的单因素敏感性分析 基于Excel 工作表的计算机辅助图表分析 赵新娥刘国英单位：武汉理工大学
电算化实务 项目各年现金流量的预测，以及借助Excel提供的常用函数（如ＳＵＭ求和函数）、财务函数（IRR返回一组现金流的内部收益率函数、NPV系列现金流及贴现率返回一项投资的净现值函数）以及逻辑函数（AND、IF）等，计算出投资项目的各项财务指标（详见图中各单元格以文本格式显示的各单元格数据间勾稽关系及其内在模型）。投资项目可行性研究中常用的投资决策财务评价指标包括：净现值法FNPV（financial net present value）、内含报酬率法IRR（internal rate of return）以及投资回收期法PT (payback time)等。 从上述计算过程可以看出，借助Excel强大的数据处理功能、财务函数的友好应用，我们很容易解决投资项目的各项指标的计算问题。如果综合分析项目的各项财务指标，我们就不难完成项目可行性研究的经济评价的确定性分析。 有一点需要指出的是，财务净现值FNPV法应用的关键在于确定合适的贴现率，投资项目评价对贴现率的选取是非常敏感的。在本例中，为评价该投资项目的先进性，项目各年现金流量折现所采用的折现率是该行业的平均报酬率，故各年均为一定值，此时我们可以直接利用净现值函数计算项目的净现值NPV。在实际工作中，因项目评价目的不同，项目期内各年现金流量折现率的选定可能因年而异，则其净现值可采用各年现金流量值乘以各期相应的折现系数（由各折现率确定）的各乘积之和来计算。 三、投资项目的不确定性单因素敏感性分析基于Excel的计算机辅助图表分析对项目可行性研究中经济评价进行敏感性分析，合 理地设计不确定性因素是首要问题。一般地，我们将销售价格、销售量、单位变动成本、固定经营成本、建设投资等作为基本的不确定性因素。各不确定性因素的变化对项目经济评价的财务指标有着错综复杂的影响：某一因素变动，则会引起另一系列因素随之变动。有些是直接的，有些是间接的，但最终都会对项目经济评价的财务指标产生影响。例如：销售量的变动将直接影响销售收入和变动成本的变动，间接引起销售税金、流动资金、经营成本和总成本、所得税等的变动，并使多项现金流量发生变动。这种投资项目不确定性因素蛛网式的“联动”，使得人工方式难以准确、高效地分析其对项目产生的影响，而必须借助计算机来辅助完成。 （一）单因素敏感性分析的计算机模拟效果及目的 在上述各基本表格（图1、图2、图3、图4）和现金流量估算表（图5）中，将各不确定性因素数据设置一微调器（把因素变化率设定为调整的步长），来模拟不确定因素的变化。由于Excel表格数据的动态链接特性，各不确定性因素发生变动时，对项目经济评价的财务指标的影响将可实现“自动”模拟。我们将各不确定性因素变动模拟出的财务指标值与其对应的因素变动率建立一组数据系列，对该数据系列，创建图表向导，选用其中的折线标准类型，建立敏感性分析图，我们就可以非常直观地进行不确定性因素的敏感性分析。 由于财务内部报酬率FIRR反映了项目本身的获利水平且可单独使用，只需与目标报酬率比较，就可以进行最后的决策；故当我们选定财务内部报酬率FIRR作评价指标时，通过敏感性分析图表，还可以很直观地得到各不确定性因素的“临界”变动率和相关的不确定性因素的变动预警数据。 （二）用计算机辅助模拟单因素敏感性分析的实现方法 1.模拟不确定性因素变动的微调器的设置 用微调器模拟不确定性因素按一定的变动率（±5％，±10％，±15％）变化，以及对项目经济评价的财务指标的影响（在本例中选取了财务内部报酬率FIRR作为评价指标）。下面将以选定销售量为例演示如何通过微调的设置，来模拟不确定因素的变化。 在销售收入及销售税金估算表（上图4）中，分别于产品销售量单元格C72、D72、E72、F72的右侧制作进行调节的微调器。其设置可具体按下列步骤进行操作：（1）单击菜单中的“视图→工具栏→窗体”，就会出现一个窗体组件。 /43 CHINA COMPUTERIZED ACCOUNTING