普通高等教育管理工程类规划教材

系 统 动力 学
( 修订版)

王 其 藩

清 华 大 学 出 版 社
( 京) 新登字 158 号

内　 容　 简　 介

　 　 本书主要讲述系统动力学的理论、原理和方法, 介绍了计 算机专用模拟语言 DYN A M O,

和构造模型与建立方程的技术、调试和检验的方法, 以及如何应用模型进行估计参数、决策分
析等。修订版新增加的内容包括: 混合图构模法、中国全国系统动力学模型的建立与应用、系
统动力学的最新发展与展望等。
它是为高校经济、管理和 系统工程等专业本科生编写的教学用 书, 也可 作为系统动 力学
和系统科学的研究人员、各类管理人员的参考书。书中附有大量模型实例和习题。图文并茂、
阐述清晰, 便于讲授和学习。

　 图书在版编目( CIP ) 数据

　 系统动力学　 / 修订版/ 王其藩著. —北京: 清华大学出版社, 1994

　 ISBN 7－302－01523－6

　 Ⅰ. 系…　 Ⅱ． 王…　 Ⅲ． 系统动力学　 Ⅳ．0313

　 中国版本图书馆 CIP 数据核字( 94) 第 03945 号

出版者: 清华大学出版社( 北京清华大学校内, 邮编 100084)

责任编辑: 魏荣桥
印刷者: 北京昌平环球印刷厂
发行者: 新华书店总店北京科技发行所
开　 本: 787× 1092 1/ 16　 印张: 19　 字数: 441 千字
版　 次: 1994 年 10 月第 2 版　 　 1994 年 10 月第 1 次印刷
书　 号: ISBN 7－302－01523－6/ F ・98
印　 数: 0001—2000
定　 价: 11．80 元
　

序　 　 言

　 　《系统动 力学》( 修 订版) 一书是 关于系 统动力 学( Sy stem Dyｎa mｉcs ) 的 一本很 好的 教
科书和很有价值的参考读物, 可作为高等院校的教师、研究生及本科生进行“系统动力学”
与“系统动力学理论 与方法”课程教学的参考 书, 亦 可作为系 统动力 学的理论 与应用研 究
人员、厂家、企业、公司的高级管理人员和各级计委、经委与科委人员的参考、进修用书。可
以预期该书的再版将进一步推动国内系统动力学理论与应用研究水平的提高。
系 统 动 力 学 是 一 门 分 析 研 究 信 息 反 馈 系 统 的 学 科, 1956 年 由 福 瑞 斯 特 ( J ay W.
F orrest er ) 教授始创于美国麻省理工学院。
系统动力学是系统科学和管理科学的分支, 是一门认识和解决系统问题交叉、综合性
的学科, 也是一门沟通自然科学和社会科学等领域的横向学科。系统动力学基于系统论,
汲取控制论、控制理论与信息论的精髓, 脱颖而出。系统动力学分析解决问题的方法是定
性与定量分析的统一, 以定性分析为先导, 定量分析为支持, 两者相辅相成, 它从系统内部
的机制、微观结构入手, 剖析系统进行建模, 借助计算机模拟技术, 来分析研究系统内部结
构与其动态行为的关系, 并觅寻解决问题的对策。因此, 系统动力学模型可视为实际系统
的实验室, 它特别适合于 分析解决社会、经济、生态 和生物等 一类非 线性复杂 大系统的 问
题。
《系统动力学》内容充实、广泛, 理论与实践紧密结合。全书约 45 万字共十四章, 对系
统动力学的理 论与方法、建模原则、建模各主 要步骤等 方面都作 了较详 尽且系统 的论述,
并举例说明了系统动力学建模的主要过程和介绍了两个系统动力学著名的应用实例——
世界模型与中国全国模型。该书还评述了系统动力学国内外发展的历史现状, 并对其未来
发展加以探讨。在再版时对该书作了许多新的修订和补充。
该书作者王其 藩教授曾 在 1981—1983 年间在 该学科发 源地美 国麻省理 工学院访 问
进修两年有余, 被吸收为该校系统动力学研究中心的终身成员。回国后, 王其藩教授从事
系统动力学的理论与应用研究工作, 致力于系统动力学国内外的学术活动, 主持过国际系
统动力学与全国系统动力学的学术会议, 他历任国际系统动力学学会政策委员会委员、国
际《系统动力学评论》杂志副主编、全国系统动力学学会筹委主任, 并且是国内几个重点大
学的兼职教授, 发表了许多有关系统动力学的文章、论著。
本人乐于为该书作序。
中 国 科 学 院 院 士
上 海 交 通 大 学 教 授
　 张钟 俊　 　 　 　
原中国系 统工程学会 副理 事长
全国系统 动力学学会 筹委 顾问
1993 年 8 月　 于上海交通大学　 　 　 　

・Ⅰ・
 　

前　 　 言
( 第 一 版)

　 　 系统动力学( Sy stem Dyｎamｉcs ) 始创于 1956 年, 在 50 年代末成 为一门独立完整 的学

科, 其创始人为美国麻省理工学院福瑞斯特( J ay W . F orrester) 教授。
系统动力学是一门分析研究信息反馈系统的学科。它是一门认识与解决系统问题、沟
通自然科学与社会科学的边缘学科, 是系统科学中的一个分支。
系统动力学从 其诞生的初期开 始就有其 独立的发 展体系, 有其 自身的理 论体系与 科
学方法。
早在 50 年代初, 福瑞斯特就对经济与工业组织系统进行了深入的研究。分析研究了
这些系统的性质和特点, 从而得出了有关系统的信息反馈、基本组成等重要观点。
在应用方面, 系统动力学初期主要用于工业管理, 因此, 早期称为“工业动力学”。随着
系统动力学的研究范围的不断扩大, 其理论与方法亦日臻成熟, 其应用范围几乎遍及各类
系统, 深入到各种领域, 远远超越“工业动力学”的范畴, 故改称现名。系统动力学在国际范
围的发展已具 相当规模, 目前世界上几十 个国家中 数以百计 较著名 的院校与 科研机构 讲
授系统动力学课程或开展理论与应用研究工作。数以百计以系统动力学为主修方向的硕
士、博士研究生已从各国毕业。迄今有关系统动力学的国际性学术会议已召开十余次。
系统动力学在 国内的发展起步 较晚, 但近年 来发展很 快, 参 加人员 已逾三百, 几乎 遍
及各大省市, 形势十分喜人。然而在国内对系统动力学还存在一些误解与含糊的认识, 诸
如“系统动力学即等于 DY NA MO ”,“系统动力学模型是非数学的”, 以及从学科定义 的角
度上看, 系统动力学在系统科学体系中与其他分支是什么关系等等。笔者力求在本书有关
章节中阐述自己的观点, 以供读者参考; 并期望这些讨论将有益于促进系统动力学在国内
的发展。
本书共有十四章, 编写的主要目的是为了满足国内高等院校、科研与管理界需要的一
本系统动力学教学、科研用书。本书内容力求充实、广泛, 理论与实践结合。
本书中的错误与不足之处敬请读者批评指正。
在本书撰写过 程中, 得到 上海机械学院 系统工 程系和系 统动力 学教研室 的同志们 的
大力支持与帮助, 在此一并致谢。

王其藩　 　
1985 年 12 月　 　

・Ⅲ・
 　

修 订 版 前 言

　 　 本书原版脱稿于 1985 年底, 然而近 8 年来系统动力学的理论与应用研究又有了许多

进展。在运用数学理论对系统动力学原理、原则进行论证, 系统动力学在非线性复杂系统
的非平衡、分岔、浑沌等特性的研究等方面已取得丰硕成果。
“ 系统思考”的发展日臻成熟,
在建立崭新的学习型组织的运用中已开花结果。
在国内 已成长了 一支人 数逾两千 的教学、科 研队伍; 1987 年在上 海召 开了首 届非 欧
美国举办的国际系统动力学会议; 自 1986 年以来已先后召开了 4 次全国性的专业学术会
议。在国内外刊物、会议上发表和出版的论文、专著、译著数以千计。许多高等院校设置了
系列课程, 已培养了数以百计的本科生、硕士生和博士生。
以上学术上的 新发展与动向在 修订版 中已作了 适当的反 映, 对一至五 章、九 章、十 二
章和十四章重新加以改写, 并对某些内容作了适当删节, 由原书的共 15 章改为 14 章。本
书虽为专著, 但为了能更好地用作高等院校的教学用书, 在修订版的主要章节中增添了思
考题、习题和实验。
在本书修订过 程中, 陈晓 参加了五章、十 二章部分 内容的修 订工作, 金音 参加了前 四
章修订的构思讨论, 朱贞同学做了全部插图整理与部分誊写、打印工作, 一并在此致谢。
中国科学院院士张钟俊教授为本书写序, 在此表示衷心的感谢。

编著者 　 　 　
1993 年 8 月

・Ⅴ・
　
目　 　 录

序言 ………………………………………………………………………………………………………… Ⅰ
前言 ………………………………………………………………………………………………………… Ⅲ
修订版前言 ………………………………………………………………………………………………… Ⅴ
第一章　 系统动力学概论 …………………………………………………………………………………… 1
§ 1. 1　 系统动力学及其发展简史 …………………………………………………………………… 1
§ 1．2　 关于本书的使用说明 ………………………………………………………………………… 3
第二章　 系统动力学理论的基本概念与构模主要过程与步骤 …………………………………………… 5
§ 2．1　 系统、模拟与模型 ……………………………………………………………………………… 5
§ 2．2　 反馈系统 ……………………………………………………………………………………… 6
§ 2．3　 系统的结构与描述 …………………………………………………………………………… 12
§ 2．4　 系统动力学理论的基本点及与其他学科的关系 …………………………………………… 18
§ 2．5　 系统动力学分析、研究、解决问题的方法、主要过程和步骤 ……………………………… 25
习题与实验 …………………………………………………………………………………………… 27
第三章　 系统动力学构模原理、方法与模型体系的演进 ………………………………………………… 31
§ 3．1　 构模基本原理 ………………………………………………………………………………… 31
§ 3．2　 动力学问题与系统动力学的规范模型 ……………………………………………………… 32
§ 3．3　 构模的目的与系统的界限 …………………………………………………………………… 32
§ 3．4　 问题的确定与模型构思 ……………………………………………………………………… 34
§ 3．5　 系统框图 ……………………………………………………………………………………… 37
§ 3．6　 因果与相互关系回路图法 …………………………………………………………………… 38
§ 3．7　 流图法( 结构图法) …………………………………………………………………………… 41
§ 3．8　 混合图 ………………………………………………………………………………………… 44
§ 3．9　 图解分析法 —— 速率与状态关系作图法 …………………………………………………… 44
§ 3．10　 模型体系的演进及其应用 ………………………………………………………………… 46
第四章　 DYNAM O 等模拟语言系列简介 ………………………………………………………………… 48
§ 4．1　 概述 …………………………………………………………………………………………… 48
§ 4．2　 方程式的种类 ………………………………………………………………………………… 49
§ 4．3　 延迟、平滑和平滑函数 ……………………………………………………………………… 56
§ 4．4　 函数 …………………………………………………………………………………………… 63
§ 4．5　 输出问题 ……………………………………………………………………………………… 73
§ 4．6　 准确度与计算间隔 DT 的选择 ……………………………………………………………… 76
§ 4．7　 高级 DY N AM O 与用于微机的 P D P lus, V ensin 等系列 ………………………………… 78
习题 …………………………………………………………………………………………………… 88
第五章　 一阶系统 ………………………………………………………………………………………… 89
§ 5．1　 概述 …………………………………………………………………………………………… 89
§ 5．2　 一阶系统的数学描述 ………………………………………………………………………… 89
・Ⅶ・
 § 5．3　 一阶系统的重要参数 ………………………………………………………………………… 90
§ 5．4　 正反馈系统 …………………………………………………………………………………… 94
§ 5．5　 负反馈系统 ………………………………………………………………………………… 101
§ 5．6　 负反馈系统的补偿特性 …………………………………………………………………… 106
§ 5．7　 S 形增长的反馈结构 ……………………………………………………………………… 110
§ 5．8　 一阶系统的另一有趣特性及其实例 —— 污染的净化 …………………………………… 119
第六章　 二阶系统 ………………………………………………………………………………………… 123
§ 6．1　 二阶系统的描述及其行为模式 …………………………………………………………… 123
§ 6．2　 典型的二阶系统 …………………………………………………………………………… 123
§ 6．3　 捕食者—被捕食者问题 …………………………………………………………………… 125
§ 6．4　 从系统动力学的角度看乘数—加速结构 ………………………………………………… 127
思考题 ………………………………………………………………………………………………… 130
第七章　 简单系统的振荡 ………………………………………………………………………………… 131
§ 7．1　 一阶系统行为的特点 ……………………………………………………………………… 131
§ 7．2　 二阶系统的振荡 …………………………………………………………………………… 133
§ 7．3　 二阶衰减振荡系统 ………………………………………………………………………… 141
§ 7．4　 三阶系统的振荡 …………………………………………………………………………… 144
§ 7．5　 结语 ………………………………………………………………………………………… 146
习题与实验 …………………………………………………………………………………………… 147
第八章　 模型与方程的建立 ……………………………………………………………………………… 151
§ 8．1　 什么是状态变量 …………………………………………………………………………… 151
§ 8．2　 速率方程 …………………………………………………………………………………… 158
§ 8．3　 辅助变量方程 ……………………………………………………………………………… 169
§ 8．4　 建模举例 …………………………………………………………………………………… 175
§ 8．5　 模型的参数 ………………………………………………………………………………… 189
§ 8．6　 方程的初始值 ……………………………………………………………………………… 192
§ 8．7　 查错 ………………………………………………………………………………………… 195
§ 8．8　 构思模型与建立模型方程的原则 ………………………………………………………… 199
习题 …………………………………………………………………………………………………… 201
第九章　 复杂系统 ………………………………………………………………………………………… 204
§ 9．1　 什么是复杂系统 …………………………………………………………………………… 204
§ 9．2　 复杂系统及其行为的主要特性 …………………………………………………………… 206
§ 9．3　 系统动力学有关社会经济与管理系统的一些重要观点 ………………………………… 208
习题与实验 …………………………………………………………………………………………… 211
第十章　 模型的调试与改进 ……………………………………………………………………………… 214
§ 10．1　 探索系统结构与其功能、行为关系的奥秘 ……………………………………………… 214
§ 10．2　 灵敏度与强壮性 …………………………………………………………………………… 219
§ 10．3　 模型方程的精炼与重构 …………………………………………………………………… 229
思考题 ………………………………………………………………………………………………… 236
第十一章　 模型正确性、有效性、信度与检验 …………………………………………………………… 238
§ 11．1　 有关模型的信度与正确性的一些概念 …………………………………………………… 238
§ 11．2　 系统动力学模型的检验 …………………………………………………………………… 240
・Ⅷ・
 § 11．3　 有关模型实用性与有效性的其他重要特点 ……………………………………………… 243
§ 11．4　 科研项目管理模型有效性、正确性分析 ………………………………………………… 244
思考题 ………………………………………………………………………………………………… 245
第十二章　 模型实例 ……………………………………………………………………………………… 246
§ 12．1　 系统动力学世界模型与罗马俱乐部 ……………………………………………………… 246
§ 12．2　 我国经济增长的动力和障碍
—— 中国全国系统动力学模型的建立与应用 …………………………………………… 257
思考题 ………………………………………………………………………………………………… 263
第十三章　 借助模型进行系统问题的研究与实验 —— 决策分析 ……………………………………… 264
§ 13．1　 调整参数以分析比较政策与方案 ………………………………………………………… 264
§ 13．2　 变动结构以分析比较政策方案 …………………………………………………………… 270
§ 13．3　 政策推荐及其评价问题 …………………………………………………………………… 277
习题与实验 …………………………………………………………………………………………… 281
第十四章　 系统动力学的特点、最新发展与未来展望 ………………………………………………… 282
§ 14．1　 系统动力学的五大特点 …………………………………………………………………… 282
§ 14．2　 系统动力学理论与应用研究的进展 ……………………………………………………… 283
§ 14．3　 系统动力学未来展望 ……………………………………………………………………… 284
§ 14．4　 结语 ………………………………………………………………………………………… 285
附录 ………………………………………………………………………………………………………… 286
附录一　 DYN A M O 输出量幂次的符号定义与注释 ……………………………………………… 286
附录二　 系统的增益、相位关系 …………………………………………………………………… 286
参考文献 …………………………………………………………………………………………………… 288

・Ⅸ・
 　
第一章　 系统动力学概论

§ 1. 1　 系统动力学及其发展简史
1．1．1　 什么是系统动力学

　 　 系统动力学( System Dy ｎa mｉcs) 是一 门分析研究信息 反馈系统的学科, 也是一门 认识

系统问题和解决系统问题交叉的综合性的新学科。它是系统科学和管理科学中的一个分
支, 它也是一门沟通自然科学和社会科学等领域的横向学科。
系统动力学理论的基本点鲜明地表明了它的唯物的系统辩证的特征。它强调系统整
体的观点和联系、发展、运动的观点。
从系统方法论来说, 系统动力学的方法是结构方法、功能方法和历史方法的统一。
系统动力学研究处理复杂系统问题的方法是定性与定量结合, 系统综合推理的方法。
按照系统动力 学的理论与方法 建立的模型, 借助计 算机模拟 可以用 于定性与 定量地研 究
系统问题。
系统动力学的模型模拟是一种结构—功能的模拟。它最适用于研究复杂系统的结构、
功能与行为之间动态的辩证对立统一关系。
系统动力学认 为, 系统的 行为模式与特 性主要 地取决于 其内部 的动态结 构与反馈 机
制。
由于非线性因素的作用, 高阶次复杂时变系统往往表现出反直观的、千姿百态的动力
学特性, 已引起人们的重视。系统动力学正是这样一门可用于分析研究社会、经济、生态和
生物等一类复杂大系统问题的学科。
系统动力学模型可作为实际系统, 特别是社会、经济、生态复杂大系统的“实验室”。系
统动力学的建模过程就是一个学习、调查研究的过程, 模型的主要功用在于向人们提供一
个进行学习与 政策分析的工具, 并使决策 群体或整 个组织逐 步成为 一种学习 型和创造 型
的组织。

1．1．2　 国内外系统动力学发展动向

( 1) 历史的回顾
系 统 动力 学 的出 现 始于 1956 年, 创 始 人 为美 国 麻省 理 工学 院 ( M . I. T . ) 福 瑞 斯 特
( Jay W . Forrester) 教授。50 年代后期, 系统动力学逐步发展成为一门新的领域。初期它主
要应用于工业企业管理, 处理诸如生产与雇员情况的波动, 市场股票与市场增长的不稳定
性等问题。此学科早期的称呼 ——“工业动力学”即因此而得名。尔后, 系统动力学的应用
范围日益扩大, 从民用到军用; 从科研、设计工作的管理到城市摆脱停滞与衰退的决策; 从
世界面临人口 指数式增长的威 胁与资源储量 日趋殆尽 的危机到 检验糖 尿病的病 理假设;
从吸毒到犯罪问题。总之, 其应用几乎遍及各类系统, 深入到各种领域。显然此学科的应
・ 1・
用已远远超越“工业动力学”的范畴, 所以改称为“系统动力学”。
在 60 年代一批代表这一阶段的理论与应用研究成果与水平的论著问世。福瑞斯特教
授发表于 1961 年的《工业动力学》( I ｎdustrｉal Dyｎamｉcs ) 已成为本学科的经典著作。它阐
明了系统动力学的原理与典型应用。《系统原理》( P rｉｎcｉp les of Systems , 1968) 一书 侧重
介绍系统的基本结构。
《城市动力学》( Urba ｎ Dyｎamｉcs , 1969) 则总结了美国城市兴衰问题
的理论与应用研究的成果。
可以认为, 这一阶段是系统动力学成长的重要时期。它经过最初 15 年的发展后, 在理
论与应用两方面为其在 70—80 年代的壮大与成熟奠定了坚实雄厚的基础。
( 2) 70 年代以来的壮大与成熟
这是系统动力学经历两次严峻的挑战走向世界, 进入蓬勃发展的时期。
第一次挑战。70 年代初, 拥有来自 26 个国家 75 名科学家的罗马俱乐部( T he Club of
R ome) 困惑于世界面临人口增长与资源日渐枯竭的前景。鉴于当时一些惯用的工具 难能
胜任对此复杂问题的研究, 于是他们转向寄希望于系统动力学方法。在 1970 年 6、7 月间,
经过一个多月 的酝酿和召开学 习讨论会, 俱乐部的 成员对福 瑞斯特 教授提出 的世界模 型
的雏型 ( WOR L D Ⅱ) 感到 兴趣并受到鼓舞。于是 罗马俱乐部决 定提供 财政支持, 在麻 省
理工 学院成立 一个由 福瑞斯特 教授的学 生梅多 斯教 授( Dennis M eadows ) 为首的 国际 研
究小组, 担负世界模型的研究任务。这是系统动力学面临的第一次严峻考验与挑战。作为
最初 的 研 究 成 果 福 瑞 斯 特 教 授 以 WORL D Ⅱ 为 基 础 发 表 了《世 界 动 力 学 》( World
Dyｎa mｉcs, 1971) , 接着 他指导下的小组 先后发表了《增长的限制》( T he L ｉmｉts to Growth,
Donella M eadows et . al. , 1972) ,《趋向全球的均衡》( T owa rd Globa l E quｉlｉbr ｉum, Dennis
M eadows et . al, 1974) 等著 作 阐述 其 研究 成 果 WOR L D Ⅲ 和 他们 对 未 来世 界 发展 的 观
点。他们研究了世界范围内, 人口、自然资源、工业、农业和污染诸因素的相互联系、制约和
作用以及其产生的后果的各种可能性。他们的基本观点是: 迄今世界范围指数式增长的势
头不能再持续下去, 世界的发展将逐渐过渡到某种均衡发展的状态; 由于工业化伴随来了
人口膨胀、资源短缺和污 染加剧, 因此从长远 的战略观 点看, 目前不 发达国家 按西方先 进
国家的模式所进行的工业化的努力未必是明智的。这些论著引起了一场令人瞩目、旷日持
久的论战。关于这一场争论学术上的是非问题, 非本书之任务, 仅在第十二章中略加介绍。
简单说来, 纵观那些众多的议论, 在正常学术论争中却也夹杂着不少西方世界惯有的学派
间的门户之见, 甚至无端的人身攻击。这似乎是新兴学科在西方国家发展过程中的普遍现
象。然而可以说, 系统动力学正是在这一番论战中, 加速壮大成熟起来的。
第二次挑战后, 在接受研 究世界问题 的挑战 不久, 几乎是在 同一时 期, 福 瑞斯特教 授
又主动地去迎接研究美国全国模型的新挑战。从 1972 年开始, 他们先后在数十家企业公
司、本国 和 外国 的 政府 部 门的 财 政 资助 下, 几 乎 倾其 全 组力 量 之半, 历时 11 年, 约 耗 资
600 万美元, 完成了 一个方程数达 4000 的全国 系统动力学模型。该 模型把美国的社 会经
济问题作为一个整体加以研究, 解开了一些在经济方面长期存在的、令经济学家们困惑不
解的疑团, 诸如, 70 年 代以来通货膨胀、失业率 和实际利率同时增 长等问题。其最有 价值
的研究 成果还在于揭示 了美国与西方国 家经济长波( L oｎg w ave) 形成的内在奥 秘。他们
・2・
的有关论述在意大利佛罗伦司( Florence) 1983 年 10 月的“长波、衰退与革新 ”的国际 会议
上受到重视。
总之, 系统动力学 37 年来经历了成长、发展和逐渐成熟的各个时期。其理论与应用研
究遍及各类系统, 涉及其他系统学科、各种学科与领域。在企业经营管理方面的应用自 50
年代始 经久不衰, 80 年代 初以来 系统动力 学与人 工智能等 新技术 相结 合, 在进行 新型 管
理思想研究、建立新型企业组织中发挥了重要作用。在过去的不同年代中, 它还以 60 年代
的城市 动力学, 70 年代的 世界动 力学和始 于 70 年代初, 而 得硕果 于 80 年 代的国 家动 力
学与经济长波理论研究而闻名于世。80 年代以来系统动力学在理论与应用研究两方面都
取得了飞跃性的进展, 进入了比较成熟的阶段。
( 3) 学术交流、教学、科研与人才培养
迄今, 国际性的系统动力学与相关的专业学术会议已召开 20 余次。80 年代以来每年
由国际系统动力学学会主持召 开年会, 1987 年 由我国学者组织了 该年的年会。国际 学会
主办了国际《系统动力学评论》等刊物。系统动力学学术界已发表的论文、专著与译著数以
千计。国际国内著名的高等院校均设置了系统动力学课程, 美国麻省理工学院与我国的复
旦大学设置了 8 门系列课程。在世界范围里已培养了不少以该学科为主要研究方向的博
士、硕士研究生和本科生, 他们成为推动学科发展的重要力量。
系统动力学引 进我国的历史已 逾十载, 在理论 与应用研 究工作 方面已取 得引人瞩 目
的成果, 为我国开放、改革十年的社会主义建设作出了贡献。这是我国数以千计的系统动
力学工作者在各级领导与公众的支持下, 兢兢业业共同努力奋斗的结晶。还特别值得指出
的是, 在过去十年中, 在我国已成 长了一支 人数逾两 千、老 中青三 结合、以中青年 为主体,
具有高中低三级的系统动力学教学科研人员队伍。
从国际 37 年、国 内 10 年的 学科发展 史可见, 系统 动力学, 无论 是在理论 还是在应 用
研究领域里都是一门十分有用的系统与管理学科。

§ 1. 2　 关于本书的使用说明

本书可作为高等院校教师、研究生及本科生进行“系统动力学”课程的教学用书, 同时
可作为系统动力学、管理科学与系统科学研究人员和高级管理人员的参考读物。
本书的内容共计 14 章。第二、三、五、六、七、九章主要阐述系统动力学的理论、原理与
方法。第四章介绍系统动力学的专用模拟语言 DYN AM O, 其中一至六节 是基本的, 第七
节是高级 DYN AM O 。第八、十、十一、十二章讨论构思模型与建立方程的 原则与技术, 模
型的调试与检验, 并给出模型实例。第十三章讨论如何应用模型进行决策分析。最后一章
是对系统动力学的特点、最新发展与未来展望。
笔者建议读者可根据自己的需要与要求按下列选读本书的章节:
① 初学者且希望成为具有一定的系统动力学的理论 与应用水平者, 可系统地学 习全
书;
② 已 具有 一定 理论 基础, 希望 提高 构模、调 试、检 验与 使用 模型 的能 力 者可 选读 第
・ 3・
八、十至十三章和第十四章。
③ 只对系统动力学的基本理论、原理感兴趣者可选读第二、三、及五章;
④ 对于具有初步理论基础的模型使用者, 可选读第十三章;
⑤ 对于已具有较强的理论基础与实践能力, 希望了解如何提高 系统动力学理论 与应
用研究水平者可选读第七、九、十四章, 及第四章的第七节高级 DY NA MO 。

・4・
 　
第二章　 系统动力学理论的基本概念
与构模主要过程与步骤

§ 2. 1　 系统、模拟与模型
2. 1. 1　 什么是系统

　 　 系统动力 学定义系统为: 一个由相互 区别、相互作 用的各部 分有机 地联结一 起, 为 同

一目的而完成某种功能的集合体。
此定义与系统论中对系统的定义是相同的。系统论是系统动力学的基础, 因此, 两者
对系统有相同的定义是不足为奇的。
从系统动力学的观点看, 一个系统包含物质、信息和运动( 可以包括人及其活动) 三部
分。系统动力学所研究的范围可大可小。其种类可分为: 天然的或人工的; 社会的或工程
的; 经济的或政治的; 心理学的、医学的或生态的。
在我们周围, 系统比比皆是, 例如电气的、机械的、热力学的、生物的、社会的、经济的,
不胜枚举。大的系统如天体运行系统; 涉及资源、能源、人口、粮食、资产与工业化以及污染
问题的全 世界社会—经 济—生态系 统; 一 个国家或 一个区 域的社会—经 济—生态和交 通
运输系统; 涉及企业建 设、人口、就业、交通、住房 与社会 福利的城 镇系统等。 小的系统 诸
如: 进 行生产, 销 售产品, 维 持库存, 雇用与辞 退工人的 企业经营 管理系 统; 包 括有驾驶 员
( 或无驾驶员) 的机械、电子与液压设备 的航天飞 行器、或飞机或 船舶或 汽车系统; 房屋 的
供暖空调系统。再小一点( 或许更为复杂) 的系统如动物的心脏、肺和血液循环的供氧生理
系统等等。

2. 1. 2　 什么是模拟与模型

“模拟”的主要特点就是模仿、仿效真实的客观事物和过程。
一般谈及模拟总是涉及到某种模型或简化的表达方式。模型是客观存在的事物与系
统的模仿、代表或替代物。它描述客观事物与系统的内部结构、关系与法则。为了实现模
拟, 首先模型的结构要仿效所要模拟的客观事物的主要构成部分。然后经适当的处理手段
使模型显示出该客观事物或过程的基本动态行为。模拟模型有许多种类: 脑力模型、物理
模型、数学模型、计算机模型或者前述模型的组合。各类模型对客观事物给予一定精确度
的描述。
所谓脑力模型是指人们头脑中对客观事物、周围环境的认识、判断与决策。
脑力模型往往是模糊的、不确定的、不完善的, 其内容是变动的。其隐含的假设难以鉴
别, 它们来源于何种信息与经验并不清楚, 其来历亦无法考证。脑力模型不易用来与他人
沟通, 也难于有效地控制与处理。当人们面临复杂的系统与问题时, 简单直观的脑力模型
就无能为力了。这是因为人的思维能力不可能处理高阶次、非线性、多回路的反馈系统。人
・ 5・
们自发倾向于把一个复杂系统分割成子块, 分别从子块得出局部结论; 却忽视了更重要的
子块间的相互作用与反馈作用。
借助物理模型实现模拟是广为采用的模拟方法。例如, 微型化的河流模型( 美国密西
西比河模型就是一例) 用于研究减少河水泛滥的措施。
物理模型固然 是可行的研究手 段, 可 惜往往 成本高、难于控 制、笨重不灵 巧又不便 使
用。再则, 某些系统如社会 经济系统, 既难于 在实体上 做实验, 亦无 法用物理 模型来做 实
验。因此, 人们通常宁愿采用数学模型。和物理模型不同, 在数学模型中, 不用具体的物理
器件而是用数学符号与方程式描述系统内各组成部分的功能与彼此间的关系。用数学模
型描述社会经济系统时, 由于它的非线性与复杂性, 根本不可能获得解析解。求解此类系
统的唯一出 路就是借助一步 步数值解的模拟 技术, 也就是 按一定的 时间间隔 ( 例 如, 一 秒
钟间隔) , 一步步去计算模型的方程式, 从而获得表示系统内变量随时间变化的模拟结果。
即模拟系统的动态行为。若上述计算是用手算进行, 则显而易见如此数学模型的模拟是极
其繁琐, 成本很贵的。
自本世纪 40 年代以来, 电子数字计算机模拟已取代手算模拟。在二次大战期间, 一些
先行的科学家 与工程师投身于 能快速计算和 满足模拟 要求的电 子设备 的研究上, 于是 电
子数字计算机应运而生。随着计算机的发展, 其运算成本大约每两年降低一半, 据预料如
此降低运算成本的速度至少能持续至本世纪 90 年代初。这一变化, 意味着先前既希罕又
昂贵的解决问题的模拟方法, 如今已十分价廉, 可以广泛采用了。
目前计算机模 拟技术已十分流 行, 广 泛地应 用于物理 科学、社会科 学和经济 领域中,
计算机模拟技术已用于研究分析各种有趣的重要的社会与经济问题。就世界模型而言, 较
知名的世界 模型在 70 年代就出现了 7 个。分别 采用系统 动力学、投入 与产出、计量经 济
学、最优化方法、经典经济理论以及混合方法建模。诸如美国福瑞斯特( Forres ter ) 与梅多
斯( M eadows ) 的世界模型 WOR L D Ⅱ与Ⅲ( 1971, 1972 年, 系统动力 学方法) ; 荷兰的 汉斯
( H ans ) 等 的 农 业 国 际 关 系 模 型 MOIR A ( 1975 年, 计 量 经 济 学 与 最 优 化 方 法 ) ; 日 本
Y oichikava 等的全球未来依存关系模型 F UGI ( 1977 年, 投入产出, 最优化, 系统动力学混
合方法) ; 和瓦斯利( Was sily ) 等的联合国世界模型( 1977 年, 投入产出方法) 等。其中福瑞
斯 特与 梅多 斯的 系统 动 力学 模型 最引 人注 目, 论 述这 一研 究成 果的《增长 的限 制》( T he
L ｉmｉts to Growth , 1972) 一书, 是 一本引起世界范 围广泛讨论与论争 的有关未来世界 问题
的论著。此书出版 7 个月后, 国际应用系统分析协会( IIASA ) 诞生于伦敦。此协会的活动
促进了后来的 各种世界模型的 研究, 刚才 提到的其 余 6 个世 界模型 都是在它 的历届会 议
上发表的。
系 统 动 力 学 模 型 是 按 照 系 统 动 力 学 理 论 建 立 起 来 的 数 学 模 型, 采 用 专 用 语 言
DYN AM O 等, 借助数字计算机进行模拟, 以处理行为随时间变化的系统的问题。

§ 2. 2　 反 馈 系 统
2. 2. 1　 什么是反馈

　 　 在 2. 1. 1 中已给出了“系统”的定义, 以更加精炼的语句来描述就是“系统为相互作用
・6・
诸单元的复合体”。系统内同一单元或同一子块其输出与输入间的关系称为“反馈”。推而
广之, 对整个系统而言,“反馈”则指系统输出与来自外部环境的输入的关系。反馈可以从
单元或子块或 系统的输出直接 联至其 相应的输 入, 也 可以经 由媒介 —— 其 他单元、子块、
甚至其他系统实现。
换言之, 所谓“反馈”就是信息的传输与回授。顾名思义, 反馈的重点应在于“回授”即
“反”字上。
顺便指出, 上述中所谓“输入”系指相对于单元、子块或系统的外部环境施加于它们本
身的作用。而“输出”则为系统状态中能从外部直接测量的部分。
我们周围的反馈现象比比皆是。比如, 空调设备是人们所熟知的, 为了维持室内的温
度, 需要由热敏器件组成的温度继电器与冷却( 或加热) 系统联合运行。由前者担负室内温
度的检测, 并与给定 的期望室温加以 比较, 然 后把信息 馈送至控 制器, 使冷却 ( 或 加热) 器
的作用在最大与关停之间进行调节, 从而实现控制室温的目的。其中温度继电器就是反馈
器件, 上述的信息馈送过程就是信息反馈作用。

2. 2. 2　 反馈系统与反馈回路

( 1) 反馈系统
所谓反馈系统就是包含有反馈环节与其作用的系统。它要受系统本身的历史行为的
影响, 把历史行为的后果回授给系统本身, 以影响未来的行为。
前节所介绍的空调设备就是这样一个系统。温度继电器与冷却器( 或加热器) 、泵、送
风机( 或辐射器) 等一起组成一个反馈系统。图 2. 1 描述了这一系统的反馈关系。
再如库存控制系统, 也是一个反馈系统。发货使库存量减少, 当库存低于期望水平以
下一定数值后, 库存管理 人员即按预定的 方针向 生产部门 订货, 货物经 一定延迟 到达, 然
后使库存量逐渐回升。其反馈关系如图 2. 2 所示。
上述库存信息 反馈调节过程可 简述如下: 反映 库存当前 水平的 信息经过 订货与生 产
部门的传递最终又以来自生产部门的货物的形式返回库存。
( 2) 反馈回路
图 2. 1 与 2. 2 给出的恒温系统与库存订货系统都是简单的反馈系统。从图中可知它
们都形成闭合的回路( 或称环) , 称之为反馈回路( 或环) 。

图 2. 1　 恒温系统 图 2. 2　 库存—订货控制系统

可见, 反馈回路就是由一 系列的因果与 相互作 用链组成 的闭合 回路或者 说是由信 息

・ 7・
与动作构成的闭合路径。
( 3) 反馈回路和反馈系统
明确反馈系统的涵义后, 可返回来再看一看什么是反馈系统。反馈系统就是相互联结
与作用的一组回路; 或者说反馈系统就是闭环系统。单回路的系统是简单系统; 具有三个
回路以上的系统是复杂系统。
反馈系统俯拾皆是, 生物的、环境的、生态的、工业的、农业的、经济的和社会的系统都
是反馈系统。

2. 2. 3　 反馈的作用与反馈系统的分类

( 1) 反馈的作用
为了掌握系统的动态行为与系统内部结构的关系, 首先要了解反馈的作用。为了弄清
反馈的作用还得从讨论开环系统入手。
开环系统是相比于闭环系统( 即反馈系统) 而言, 因其内部未有形成闭合的反馈环, 像
是被断开的环, 故称为开环系统。
图 2. 1 的恒温系统是闭环的反馈系统, 若将系统中的温度继电器取走, 则系统内闭环
变为开环, 由反馈系统变为无反馈的开环系统。于是, 系统原来具有的恒温特性也就失去
了。
前面已讨论过, 图 2. 2 的库存—订货系统也是一个闭环的反馈系统。系统中的库存缺
货信息的收集 与向生产部门提 出订货的要求 均由管理 人员承担; 假 设系统中 无管理人 员
或管理人员失 职, 则系统 中失去反馈环节 与反馈 作用, 处于无人 管理状 态, 也 就成为开 环
系统了, 库存量就不可能保持在合理的水平。
汽车、机车和所需要 的驾驶员( 司机) 构成具 有反馈的 闭环系 统, 汽 车才能正 常行驶;
一旦失去司机, 则失去了反馈与调节作用, 变成开环系统, 那就非出事故不可了。
在我们周围世界中, 粗略地讲: 诸如无人驾驶的汽车、机车本身, 无人操作或无计算机
控制的设备, 人们所使用的闹钟和手表等等可视作开环系统。这些系统不能检测到自身的
行为, 不能对其行为作出反应, 也不能作自我调整。另外, 有一些系统, 乍看起来似乎是开
环的, 其实只是反馈作用不强或不明显而已; 只要仔细加以考察, 就可以发现, 它们本身或
连同它们周围的环境还是组成一定的闭环系统的。例如老式的锅炉取暖系统, 自动化程度
低, 就 这种系统本身而言 是开环的, 但是把锅 炉操作人 员与取暖 系统管 理人员划 入系统,
整个取暖系统就成为具有反馈作用的闭环系统。不难想像, 要是一时锅炉无人管理, 或调
节装置失灵使 系统变成开环, 则锅炉或是 烧得不 够热或是 烧过头, 甚至 过热使锅 炉爆炸。
再如空中的浮云、地上的沙漠与城镇, 或河中的游鱼、江边的工厂与邻近的市区, 似乎彼此
之间都是不大相干、不存在反馈关系的系统; 但是, 若从生态环境的角度加以考察, 可以发
现它们各自都是生机勃勃, 内部休戚相关的生态系统。
( 2) 反馈系统的分类
在分析反馈系统的行为与其内部结构的关系时, 首先要区别反馈的种类。按照反馈过
程的特点, 反馈可自然地划分为正反馈和负反馈两种。
正反馈的特点是, 能产生自身运动的加强过程, 在此过程中运动或动作所引起的后果
・8・
将回授, 使原来的趋势得到加强。
负反馈的特点是, 能自动寻求给定的目标, 未达到( 或者未趋近) 目标时将不断作出响
应。
具有正反馈特 性的回路称为正 反馈回路, 具有 负反馈特 点的回 路则称为 负反馈回 路
( 或称寻的回路) 。分别以上述两种回路起主导作用的系统则称之为正反馈系统与负反馈
系统( 或称寻的系统) 。
1) 正反馈系统
前面说到, 所谓正反馈系统就是正反馈起主导作用的系统。
正反馈回路的 特点是, 发 生于其回路中 任何一 处的初始 偏离与 动作循回 路一周将 获
得增大与加强。正反馈回路可具有诸如非稳定的、非平衡的、增长的和自增强的多种特性。
图 2. 3 给出正反馈回路的例子。

图 2. 3　 正反馈回路举例

这些正反馈回 路的共同特点是, 产生于 回路中 各元件的 初始变 化将反复 不断地得 到

加强。图 2. 3( a) 工资—物价回路粗略地表明了人们( 特别是西方国家) 所熟知的工资与物
价相互影响与基本关系。当物价开始增长, 人们逐渐感到实际生活水平的降低, 就加强了
对增加工资的 要求; 随之 工资的普遍提高, 产 品的成本 也增加了, 生 产产品的 厂家与企 业
为了保证谋取足够的利润并弥补多付出的工资, 转而提高物价, 于是形成正反馈的增长过
程。
图 2. 3( b ) 人口的 自然增长 过程, 若不考 虑意外与 人为控制 因素的 影响, 它也 是呈 正
反馈的特点。
这两个正反馈例子都表现出正反馈回路的自增强、不稳定的特性。在实际系统中, 就
系统的产生的后果而言, 正反馈回路可导致良性循环与恶性循环两类。这一特性在许多复
杂的信息反馈的实际系统中多有所见。
2) 负反馈系统
图 2. 1 的恒温系统和图 2. 4 给出的系统就是负反馈系统的例子。因为这些系统都包
含负反馈回路, 它力图缩小系统状态相对于目标状态( 或某平衡状态) 的偏离。因此负反馈
回路亦可称为稳定回路, 平衡回路或自校正回路。
图 2. 4( a) 是一个 摆系统的 负反馈 回路。一旦钟 摆受 一推 力而偏 离其 垂直的 平衡 位
置, 地球引力就产生了一个水平分力 —— 恢复力, 力图使钟摆升至一定高度后摆回垂直位
・ 9・
置。在此分力的作用下摆在回程中, 其速度逐渐增加, 经平衡位置时速度达最大值, 因此摆
继续运动而产 生超调, 向 另一方向摆动, 摆的 位置又上 升至相应 的高度; 此间 作用于摆 的
恢复力又力图将它拉回垂直的平衡位置, 如此重复多次其摆动幅度逐渐减少, 最终返回到
目标位置—— 垂直平衡位置。

图 2. 4　 负反馈系统两例

电毯系统( 见图 2. 4( b ) ) 的运行特性 在某种程度上与 钟摆系统相似, 具有克服外 来干

扰力图恢复其目标状态的特性。当然它未必像钟摆那样发生振荡。经细心操作有可能避
免电毯温度的不规律波动实现平滑调节。
上述两系统均属于负反馈系统( 或称寻的系统) 。

2. 2. 4　 复杂反馈系统的特性

了解与掌握反馈系统的特性是用系统动力学分析研究系统问题的目的之一。
一般讲, 对于简单的系统或者经简化的复杂系统, 人们对其中问题简单、直觉的反应,
对这些系统的行为与其内部结构的关系的直观分析与判断, 或许并不太难, 也不致于全然
出错。
以一个简化的交通系统来说, 系统由交通拥挤程度、扩建道路的压力与道路状况等变
量组成, 这是一个简单的负反馈回路, 如图 2. 5 所示。
对此简单系统的问题—— 交通拥挤的对策, 人们容易作出直观的反应: 增建新道路与
改善道路的条件。如果说这一反应还是可取的话, 那么对下面其它系统的问题的对策, 人
们通常作出的直觉反应和判断多半是错误的。
　 　 系统存在的问题　 人们直觉的对策
① 某种重要产品长期匮乏 小土群兴办该产品企业
② 产品成本在增加 冻结产品的价格
③ 犯罪率增长 加强民警队伍
④ 害虫损坏庄稼 喷洒( 有严重副作用的) 杀虫剂
⑤ 国库储备不足 增印纸币
⑥ 人口过多使粮食供应严重不足 进口粮食或扩大粮食生产面积
　 　 人们之所 以对这一类问题 作出不正确的 反应, 是由于这 些问题 所牵涉的 系统都是 复
・ 1 0・
杂系统。复杂系统和特大系统诸如生物系统、生态系统与社会—经济—科技系统, 它们往
往表现出反直观的行为特性。图 2. 6 与图 2. 7 分别给出了简化的能源模型和简化的环境
污染模型。即使 它们尚远非原来 真正的复杂 系统, 但人们恐 已难对 它们内部 诸变量的 关
系, 对模型行为的特点, 以及对解决能源短缺和污染危害的对策作出直觉的反应。

图 2. 5　 简化的交通系统 图 2. 6　 简化的能源模型

图 2. 7　 简化的环境污染模型

事实证明, 由若干回路组成的反馈系统, 即使诸单独回路所隐含的动态特性均简单明

了; 但是其整体特性的分析却往往使直观形象解释与分析方法束手无策。因此, 反馈结构
复杂的实际系 统与问题, 其随时间变化的 特性与其 内部结构 的关系 的分析不 得不求助 于
・ 1 1・
定量模型和计算机模拟技术。
系统动力学的 理论、构模 原理与方法 就是在 人们面临 上述困 境, 寻 觅出路的 时候, 于
50 年代应运而生的, 它为复杂系 统甚至特大系统 提供了分析研究并 寻找解决问题的 对策
的强有力工具。

§ 2. 3　 系统的结构与描述
2. 3. 1　 系统的结构

　 　 从系统论的观点看, 所谓结构是指单元的秩序。它包含两层意思, 首先是指组成系统

的各单元, 其次是指诸单元间的作用与关系。系统的结构标志着系统构成的特征。
系统动力学认为一阶反馈回路是构成系统的基本结构。一个复杂系统则是由这些相
互作用的反馈回路组成的。
基于系统的整体性与层次性, 系统的结构一般存在下述体系与层次:
① 确定系统 S 范围的界限;
② 子系统或子结构 S ｉ ( ｉ= 1, 2, …, p ) ;
③ 系统的基本单元, 反馈回路结构 E j ( j = 1, 2, …, m) ;
④ 反馈回路的组成与从属成分:
1. 反馈回路的主要变量, 状态变量;
2. 反馈回路的另一主要变量, 变化率( 速率) 。
变化率的组成: 目标、现状、偏差与行动。
下面仅就系统的界限与反馈回路结构作进一步介绍。
( 1) 系统的界限
所谓某系统的 界限是指该系统 的范围, 它规定 了形成某 特定动 态行为所 应包含的 最
小数量的单元。界限内为系统本身, 而界限外则为与系统有关的环境。
当人们谈论一 个系统的时候, 总是把 它和某 特定的动 态行为、增长 与减少、波动和 变
化联系在一起。
“行为”系由系统产生的, 而且由系统内部的单元相互作用决定的。这些相
互作用的单元都包含在规定系统的范围的界限内。因此, 当讨论系统的结构的时候, 首先
要确定系统的界限在哪里, 然后才能研究系统内部的具体结构问题。图 2. 8 描述了系统与
环境及其内部组成部分的关系。
( 2) 系统的基本结构
系 统的 基本结 构是 一阶反 馈回 路。一阶 反馈 回路是 耦合 系统 的状 态、速率 ( 或称 行
动) 与信息的回路, 它们对应于系统的三个组成部分: 单元、运动与信息。状态变量的变化
取决于决策或行动的结果。而决策( 行动) 的产生可分为两种: 一种是依靠信息反馈的自我
调节( 如图 2. 9 所示) , 这是普遍存在于 生物界、社会经 济与机器 系统中 的现象; 另一种 是
在一定条 件下不依靠信息 的反馈, 而 按照系统本 身的某种 特殊规 律( 如 图 2. 10 所示) , 这
种现象存在于非生物界。这时并非信息不存在, 而是信息处于“潜在”状态未被利用。若用
系统动力学的流图来表示则相当于信息到决策之间的联线切断了。一个反馈回路就是由
上述的状态、速率、信息三个基本部分组成的基本结构。一个复杂系统则按一定的系统结
・ 1 2・
 图 2. 8　 系统界限与环境

图 2. 9　 系统的基本结构之一 图 2. 10　 系统的基本结构之二

构由若干相互作用的反馈回路所组成; 反馈回路的交叉、相互作用形成了系统的总功能。
( 3) 系统的基本结构与信息反馈
一个系统由单元、单元的运动和信息组成。单元是指系统存在的现实基础, 而信息在
系统中发挥关键的作用。依赖信息, 系统的单元才能形成结构。单元的运动才形成系统的
行为与功能。
信息作为一种比较严密的科学概念, 直到本世纪初才被人们所认识、利用。香农的信
息论对信息的存在性与度量方法进行了定量的数学描述。维纳通过研究生物体的内部调
节功能与机器 系统的自动控制 作用发现它们 存在着的 某些共同 规律, 把生物 系统中的 信
息反馈概念引入了机器系统。从而建立了控制论。与此同时福瑞斯特考察了社会经济、生
物与生态系统中存在的动力学问题, 首先把信息反馈概念应用于社会经济系统。福瑞斯特
认为, 社会经济系统中充满着信息反馈现象, 但问题就在于我们能否与如何认识它。
为了研究系统, 重要的是要有正确理论与原理来描述与揭示系统的内部结构, 把观察
到的现象有效地加以分析、解释和处理。若没有统一的结构, 经观察所得到的只能是零星
资料的大杂烩与相互矛盾的许多偶然事件的堆砌。进入工业社会后人们已经逐渐被淹没
于无数零碎的 知识与经验的汪 洋大海中, 问题就在 于缺少一 种能够 统一描述 各类系统 与
现象的普遍结构。系统动力学认为, 反馈结构能够成为描述社会经济系统和其他类型系统
的基本结构。
・ 1 3・
2. 3. 2　 系统的一般描述

系统动力学所分析研究的系统几乎都是多变量的系统。对于多变量系统而言, 只有用
状态变量的描述方法, 才能完全地表达系统的动力学性质; 也正是在状态变量描述的基础
上进一步揭示了系统的内在规律与反馈机制。应该指出, 在本世纪 50 年代初, 当控制理论
尚处于经典控制理论阶段( 现代控制理论是在 1960 年正式诞生的) , 用传递函数作为主要
描述系统的手段时, 系统动力学就在引入状态和状态空间的概念的基础上发展起来了。本
节讨论系统的状态空间描述问题, 首先从分析系统的结构入手, 然后在状态和状态空间概
念的基础上建立系统反馈结构的空间描述。
状态和状态空间长期以来早已在质点和刚体的古典动力学中得到广泛的应用。在这
里概要地介绍一下状态与状态空间的概念及其描述。
( 1) 状态
动力学系统的“状态”是完整地描述系统的时域行为的最小一组变量。若给定了 t= t 0
时刻该组变量的值和 t ≥ t 0 时输入函数, 则系统在 t ≥t 0 的任何瞬时的行为 就完全确定了。
这样一组变量称之为状态变量, 以状态变量为元组成的向量称为状态向量。
设 x 1 ( t) , x 2 ( t) , …, x m ( t) 是系统的一组状态变量, 则其相应的状态向量为:
x 1 ( t)
x 2 ( t)
X ( t) =
┆　
x m ( t)
　 　 ( 2) 状态空间
以 x 1 ( t ) , x 2 ( t ) , …, x m ( t ) 为坐标轴所张成的欧氏空间称为状态空间: 当坐标轴数为有
限数时, 此状态空间为有限维的。状态空间中的每一点都代表了状态变量的唯一的和特定
的一组值, 即系统的一个 特定状态, 而 t≥t 0 各瞬刻 系统的状 态则构 成状态空 间中的一 条
轨线。此轨线的形状( 或称系统的行为模式) 完全由系统在 t 0 时刻的初始状态与 t≥t 0 时的
输入, 以及系统固有的动力学特性所唯一地确定的。
( 3) 系统状态空间描述
在引入状态与状态空间的基础上, 下面来建立系统的状态空间数学模型。
一般而言系统包含有状态变量 x 1 , x 2 , …, x m , 控制变量或扰动 变量 u 1 , u 2 , …, u r , 及输
出变量 y 1 , y 2 , …, y h 。系统的动力学特征可用 m 个一阶微分方程所组成的方程组来描述:
¡¤
x ｉ = f ｉ ( x 1 , x 2 , …, x m ; u 1 , u 2 , …, u r ; t)
( ｉ = 1, 2, …, m)
而其输出特性可表达为
y j = g j ( x 1 , x 2 , …, x m ; u 1 , u 2 , …, ur ; t)
( j = 1, 2, …, h)
　 　 上述两方程组成了系统在状态空间的完整描述。为简化表达引入向量, 令
・ 1 4・
 x1 u1 y1
x2 u2 y2
X= 　 　 　 U= 　 　 　 Y=
┆ ┆ ┆
xm ur yh
分别称为状态向量, 扰动( 或控制) 向量和输出向量。同时引入与前示两个方程组中的函数
相应的向量函数:
f ( X, U, t) 与 g ( X, U, t)
　 　 于是原示的方程组可改写为下示向量形式:
X = f ( X , U, t ) —— 状态方程, X ∈ R , U∈ R
m r

h
Y= g ( X, U, t) —— 输出方程或量测方程, Y∈R
式中: R 表示欧氏空间; 向量 X 为 m 维; U 为 r 维; Y 为 h 维。这两个向量方程对系统在状
态空间作了完整的描述。
若系统是线性 的则向量函数 f 及 g 将 具有线性关系, 线性系统的 状态方程与输出 方
程可具下述形式:
¡¤

X = A( t) X + B( t) U
Y = C( t) X + D( t) U
其中 A( t ) 为 m× m 阵, B ( t ) 为 m× r 阵, C ( t ) 为 h× m 阵, D ( t ) 为 h× r 阵。它们分别称为转
移矩阵、控制矩阵、输出矩阵和传输矩阵。它们的元均不依赖状态变量和控制变量。
若 f , g 或 A、B 、C、D 的元为非时间函数, 则称此类系统为时不变系统或定常系统。其
状态空间描述式将不显含时间 t , 可写成:
¡¤

X = f ( X, U)
Y = g ( X, U)
对线性系统则为:
¡¤

X = AX + BU
Y = CX + DU
　 　 定常系统 或时不变系统是 时变系统的特 殊情况; 也可以 认为定 常系统是 时变系统 在
一定精度下的理想化模型。
另外, 当系统包含依赖于 控制或扰动 的项, 不论它 是定常的 或是非 定常的, 均称之 为
强制系统。当系统的状态方程与输出方程不受控制或扰动的影响时, 则此类系统称为自由
系统。
系统动力学分析研究的系统可以是非线性的和线性的; 非定常的和定常的; 强制的和
自由的。不同种类的系统, 其性质与特点往往不同。究竟如何描述一个系统应根据该系统
的具体情况和分析研究的目的与要求来确定。在物理系统范围内, 严格地说一切物理系统
都是非线性的, 但其中的 某些系统, 在一定条 件下可简 化为线性 定常系 统, 其 依据主要 取
决于解决问题 所要求的精度; 社会经 济—生态系 统几乎毫 无例外, 都是 非线性的, 非定 常
的强制系统, 而且较之 一般物理系统具 有更强的非 线性特 性, 但 在特定条 件下( 譬如扰 动
和变量的变动范围不大, 所研究的时间区间相对较短) , 为了简化分析, 可把某些社会经济
・ 1 5・
生态系统加以理想化, 即将其线性化, 并视为定常系统。

2. 3. 3　 系统动力学对系统的描述 ①

在系统的一般描述的基础上, 系统动力学对系统还有其独特的具体描述方法。如前所
述, 根据系统的整体性与层次性, 系统的结构一般自然地形成体系与层次。因此, 系统动力
学对系统的描述可归纳如下两步。
( 1) 首先, 根据分 解原理把 系统 S 划分 成若干 个( p 个) 相互关联 的子系统 ( 子 结构)
S t。
S = {S ｉ ∈ S ©¦1～ p }
式中:
S —— 代表整个系统;
S ｉ —— 代表子系统, ｉ= 1, 2, …, p 。
在这些子系统中往往只有一部分是相对重要, 为人们所感兴趣的。每个子系统 S ｉ( ｉ= 1, 2,
…, p ) 的内部关系的数学描述请见下一步。
各子系统之间的相互关系可通过关系矩阵的非主导元反映出来。在实际问题中系统
内的某子系统与其它子系统的直接联系是少量的、有限的, 因此关系矩阵通常是分块对角
优势的, 这一情况给子结构的分解带来很大的方便。
( 2) 其次, 子系统 S ｉ 的描述。
子系统由基本 单元、一阶 反馈回路组 成, 一阶反馈 回路包含 三种基 本的变量: 状态 变
量、速率变量和辅助变量。这三种变量可分别由状态方程、速率方程与辅助方程表示。它
们与其它一些 变量方程、数学函数、逻辑函数、延迟 函数和常 数一起 能描述客 观世界各 类
系统和千姿百态的变化。不论系统是静态的还是动态的, 时不变的还是时变的, 线性的还
是非线性的, 都可用这些变量方程来描述。下面根据系统动力学模型变量与方程的特点,
定义变量并给出数学描述如下:
¡¤

L = PR
R L
= W
A A
式中:
L —— 状态变量向量;
R —— 速率变量向量;
A —— 辅助变量向量;
・

L —— 纯速率变量向量;
P —— 转移矩阵;
W —— 关系矩阵。
P 阵之所以称为转移矩阵, 系 因为其作用在于 把时刻 t 的速 率变量转移到下 一个时刻 t+

① 本 小节严 广乐 参加撰 写。

・ 1 6・
 ・

1 上去。通常纯速率 L 仅为各速率 R 的线性组合, 因此一般 P 阵是个常值阵。W 阵之所以

称为关 系矩阵, 系因为 它反映 了变量 R 与 L 之间, A 本身 在同 一时刻 上的 各种非 线性 关
系。显然, 在特殊情况下, 若系统是线性的, 则关系矩阵 W 阵为一常阵。以上数学描述有如
下优点:
① 将系统中的动态部分与静态部分分别进行描述;
② 将系统中线性部分与非线性部分分开进行描述;
③ 可节省较多的计算机内存。
设系统有 ｎ 个变量, 其中有 m 个状态变量, k 个速率变量, 则
P 阵应占计算机内存容量为 m× k;
W 阵应占计算机内存容量为( ｎ- m) ( ｎ- k) ;
故 P 阵与 W 阵共占计算机内存容量为:
m× k + ( ｎ - m) ( ｎ - k) 　 　 　 　 　
2
= ｎ - m( ｎ - k) - k( ｎ - m)
2
= ｎ - [ m( ｎ - k) + k( ｎ - m) ]
一般情 况下, 系统的总 变量数 ｎ 比起 系统状态 变量数 m 与速率 变量数 k 都 大得多, 譬 如
说相差一个数量级, 即十倍左右。因此这种数学描述方法与一般的数学描述相比较, 可节
省计算机内存, 所节省的内存为[ m( ｎ - k ) + k ( ｎ - m) ] 个单位。当系统变量 ｎ 总数越大时,
所节省内存单位的绝对数值就越可观, 其优点就更为显著。
前面介绍了系统的一般描述方法和系统动力学对系统的独特描述方法。在以后的章
节中将根据需要加以采用。
应该说明, 系统动力学描述系统的基本方程应该是高阶非线性随机偏微分方程, 是一
种具有时空结构的进化方程。但由于数学与模拟语言处理上的困难, 建模时把它简化为确
定性的非线性 微分方程, 而在必要时在以 专用语言 描述的模 型中引 入空间坐 标及其梯 度
( 例如, 划分为不同区域与地区) 来描述空间结构, 反映某些变量的空间不平衡性。系统动
力学专用语言 中还备有多种噪 声函数, 可 作为测试 函数来研 究实际 系统中存 在的某些 随
机的不确定因素的影响。
以上还只是涉 及对实际系统中 能定量加 以描述的 那一部分, 然 而并不是 每一种系 统
或系统中的全部都可以用微分方程和其他数学函数精确地加以描述的。在社会经济等一
类含有人类活 动的复杂系统中, 因其机理 尚不太 清楚, 难于用明 显的数 学描述表 示出来。
这些被称之为系统中的“不良结构”部分只能用半定量、半定性或定性的方法来处理。系统
动力学工作者 在过去的 35 年中, 为此孜孜以 求作出了 一定的贡 献, 他们在对 社会经济 系
统逐步深 化的研究中, 把部分不良结 构相对地“良化”; 用近似的 良结构 代替不良 结构; 或
定性与定量结 合把一部分定性 问题定量化; 尚无法 定量化与 半定量 化的部分 则以定性 的
方法处理。他们不断地扩展和丰富专用语言软件中对不良结构的描述功能, 并可以让建模
人员自行定义宏函数以满足处理某些定性问题的需要。
确切地说, 系统动力学模型一般均包含了对良结构与不良结构的描述两部分, 以定量
描述为主辅以半定量、半定性或定性的描述。它是定量模型与概念模型的结合与统一。

・ 1 7・
 § 2. 4　 系统动力学理论的基本点
及与其他学科的关系

2. 4. 1　 系统动力学产生背景及其哲学观

　 　 随着科学技术水平的不断发展, 出现了科学技术高度分化又高度综合的发展趋势, 各
门学科的研究从原来的分兵作战的研究方法, 进入了整体、系统的研究阶段。近数十年来,
新 兴系统学科层 出不穷, 贝 塔朗菲的《一般系统论》, 维 纳的《控制论 》, 香农的《信 息论》等
系统学科的建立和发展, 促使人们日益广泛地开展对各类系统理论和应用的研究。
早在 50 年代初, 福瑞斯特就对经济和工业组织系统( 包括人、财务和技术结合在一起
的系统) 进行了深入的研究。分析和研究了这些系统的性质和特点, 从而得出了许多有关
系统的信息反馈、系统的基本组成等重要观点。随着系统动力学的研究范围的不断扩大,
其理论和方法也日益趋于成熟。从其诞生的一天开始就有其独立的发展体系, 作为一门独
立的学科, 系统动力学有其自身的理论体系与科学方法。系统动力学在分析研究复杂系统
和建立大规模、多变量、非线性的 各类系统模 型时所作 的基本假 设与采 用的模拟 手段, 都
基于它自身特有的理论与方法论。
唯物系统辩证 观是系统动力学 理论的核 心, 系 统动力学 理论的 基本点鲜 明地表明 了
这一特征。它强调系统、整体的观点, 联系、运动与发展的辩证观点, 主要矛盾与矛盾的主
要方面, 客观事物与世界的可知性以及实践是检验真理的唯一标准等。

2. 4. 2　 系统动力学理论的基本观点

系统动力学是一门基于系统论, 吸取反馈理论与信息论的精髓, 并借助计算机模拟技

术融诸家于一炉, 脱颖而出的交叉新学科。系统动力学能定性与定量地分析研究系统, 它
采用模拟技术, 以结构—功能模拟为其突出特点。一反过去常用的功能模拟( 也称黑箱模
拟) 法, 从系统的微观结构入手建模, 构造系统的基本结构, 进而模拟与分析系统的动态行
为。这样的模拟更适于研究复杂系统随时间变化的问题。下面, 我们首先从系统动力学对
其研究对象所需前提条件加以讨论, 然后探讨系统主要特性、系统结构与功能关系等等。
( 1) 前提条件
运用系统动力学对系统进行研究与建模的前提条件是该系统必须是远离平衡的有序
的耗散结构。这一条件还在耗散结构理论与非平衡系统自组织理论未出现之前就已被不
[ 3 8]
加证明地在使用着。
( 2) 系统及其主要特性
下面 对我们 所研 究的系 统作 进一 步界定, 并 对其 主要特 性诸 如系 统的 总 体性、相 关
性、层次与等级性、稳定性及类似性等, 以及复杂系统的特性略加阐述。
1) 社 会、经 济、生态系统 都是具有 自组织 耗散结构 性质的 开放系统。 系统动 力学 认
为, 客观世界的系统都 是开放系统。系统内 部组成 部分之间 相互作 用形成一 定的动态 结
构, 并在内外动力的作用下按照一定的规律发展演化。完全孤立和与外界绝对隔绝的系统
是不 存在的, 然 而在 特定的 时空 条件下, 可 以把 某些系 统近 似地 简化为 封闭 系统 来加 以
・ 1 8・
研究。
2) 复杂系统是一类具有多变量、高阶次、多回路和强非线性的反馈系统。一切社会系
统、经济系统、生态系统和生物系统等都是复杂系统。复杂系统的行为往往具有下述重要
特性: 反直观性, 对系统内部参数的变化不敏感, 全局与局部利益相矛盾, 远期与近期利益
相矛盾, 向低效益演变倾向等等( 详见第九章) 。
3) 系统的整体性和层次性
系统 的整体 性与 层次性 是系 统动 力学应 用综 合与分 解原 则研 究剖析 系 统的 理论 依
据。“整体大于部分之 和”这一 来源于亚里士 多德的论 点, 已 成为系 统思想的 重要观点 之
一。整体的质不同于单元的质, 整体的结构与功能不同于部分的结构与功能, 也不是各部
分的结构的堆积与功能的相加。比如: 一个国家系统是由生产系统、财贸系统、运输系统、
科教系统、能源系统等等组成的。显然, 整个国家系统的质以及结构与功能方面都不会等
于这些子系统的简单相加。因此, 我们在研究一系统时, 要以整体的观念考虑总系统与子
系统, 子系统与子系统之间的相互关系和反馈机制, 切不可把一些子系统简单地拼凑在一
起。
我们强调系统的整体性, 并不是说系统没有层次与等级。由于单元与结构的相对独立
性, 导致结构的等级性; 由于过程与功能的相对独立性, 导致功能的等级性; 最后由于系统
是结构与功能的统一体, 从而导致了系统的等级性。在研究一系统时, 弄清系统的等级与
层次, 这一点是具有重 要意义的。这是因为 具体的 自然规律 都反映 着某一等 级的系统 规
律, 低 级系统的规律理所 当然地渗透到高 级系统 中去, 但高级系 统有其 特殊的规 律, 它 绝
不能完全地还原为低级系统规律。当然我们也不能忘记, 客观世界不仅存在由低级系统向
高级系统的不断发展, 而且还存在各种不同系统等级之间的不断的相互转化。
由于存在客观 世界的系统等级 性, 建模 人员应 弄清楚系 统以及 系统各层 次的特殊 规
律。当分析问题、建立系统的模型时, 切不可把系统的特性强加于系统的各部分, 也不可简
单地把子系统某一特性归结为系统的特性, 更不可凭狭隘的经验, 不分青红皂白地把不同
等级系统的特性乱加套用。
4) 系统的相似性
在自然界、人类社会和人类思维活动等不同领域里, 存在着结构上与功能上的类似性
即系统的相似性。常有一种功能多种结构的现象, 可以说, 这也是人们可藉助模型定量地
研究系统的一个理论依据。
相似性原则是基于结构与功能都相似, 而不只是功能的相似。基于表面现象的类似性
或功能类似是肤浅的、含糊的、不科学的。它并不能为科学研究提供有价值的依据。因此,
系统动力学说一系统与另一系统相似, 指的是它们在结构与功能上的相似。在建立系统模
型时, 不能仅仅模拟系统的功能, 而且要真实反映系统的结构。这样的模拟才能较客观、较
科学地反映客观世界。系统动力学长期以来正是根据这一点沟通了不同领域的系统规律
和特性。也正是基于系统的相似性, 系统动力学用一阶反馈回路去统一系统的基本结构,
并采用 SMO OT H , DE L AY , SW IT CH 等函数模拟系统的平滑、延滞、开关等特性, 从而建
立起在结构上与功能上都较能反映真实系统的系统动力学模型。
实际 上, 在 建立 不 同系 统 的系 统 动 力学 模 型时 发 现许 多 不同 系 统 的动 态 行为 与 内
・ 1 9・
部反馈结构 都存 在着 许多相 似之 处。例如, 在均 为开 系 统的 假定 下, 人口 系 统的 出生 率
与死亡率 和 工 业 资 本 系 统 的 投 资 与 折 旧 率, 在 结 构 上 它 们 都 是 有 互 相 关 联 的
正反馈与负反馈回路, 并包含延滞环节, 因而从它们的结构来说, 它们是同构的。这样可以
推知其 动态特性 可能 是按指 数规 律上 升、下 降、超调 或是振 荡, 但并 不呈现 S 形的 增长。
又如: 指数规律又称为“自然增长规 律”, 在经 济学上表 示资本按 复利的 增长; 在社会学 上
它称为马尔萨斯定律, 表示人口的指数增长特性。在这些不同的系统中, 它们的基本结构
都包含一个正反馈回路。对于这些不同的系统在结构上的同构研究, 必须有助于把对系统
的类比描述上升到逻辑同调描述。使我们把各类系统的特殊规律提升到更一般的普遍规
律, 为 建立某一领域或一 些领域中的共性 结构、通用模 型与通用 子块, 为建立 普遍适用 的
系统共性结构 与功能理论奠定 基础; 同时 也为研究 各类系统 的具体 结构与规 律提供了 理
论依据和带来方便。
各类系统的系统动力学模型千变万化, 这在客观上对建立所谓的通用单元、通用子模
型和通用模型提出了要求。目前, 在能源、企业、管理、人口等领域已开始进行通用模型的
研究。
5) 相关性观点
所谓相关性指的是整体与部分、部分与部分、系统与环境之间的普遍的相互关系。这
些相互关系包括物质、运动、信息相互之间的关系。无论是在社会经济系统还是在工程系
统中, 都存在着一因多果、一果多因、因果关系环, 甚至交叉因果链的现象。随着我们所研
究范围的不断 扩大, 以往 的单向因果关系 就显得 不合理, 需要产 生一种 更为合理 的, 能 反
映客观实际情况的因果关系。反馈的因果关系或者说因果关系环, 是系统动力学描述系统
中各单元之间的因果关系的基本形式, 这是人们认识系统的相关性的进一步深入。
系统动力学研究的系统结构是建立在反馈的因果关系之上的。随着系统动力学的研
究范围的不断扩大与深入, 更多的人为因素的介入, 目标的多重性, 行为的多样性, 使所面
临的问题与现象也愈加复杂。这些问题引起单元间、变量间的关系更为复杂与模糊, 使现
有的描述方法显得过于勉强甚至无能为力。比如: 在经济系统中各部门之间的资金分配问
题, 如 何解决消费与积累 之间的比例问题; 经 济发展对 教育与科 技发展 的要求等 等, 都 包
含着一个辨别、比较、选择和决策的思维过程。这一过程表现为一种模糊的因果关系。这
就要求我们引入一种能描述这种因果关系的方法或单元。事实上, 上述的这种思维过程也
是建立在反馈因果关系的基础之上的。可以认为应用系统动力学方法并结合其它的理论
与方法( 如在描述模 糊的因果关系时 用到的一些学 科) 建立一种 能反映 模糊因果 关系, 描
述思维与决策过程的方法与模型单元, 将有助于扩大系统动力学的研究领域与范围, 并提
高系统动力学 模型的有效性; 以便使系统 动力学用 于研究包 含人为 因素的复 杂随机系 统
时更加得心应手。
( 3) 系统的结构与功能
系统是结构与功能的统一体。按系统动力学的观点, 系统结构的涵义包括两个方面:
一是指组成部 分的子结构及其 相互间的关系; 二是 指系统内 部的反 馈回路结 构及其相 互
作用。系统的结构与功能分别表示系统的构成与行为的特征。结构与功能有对立统一的
关系, 在一定条件下两者可相互转化。因此, 分析研究一个系统时必须同时考虑系统的结
・ 2 0・
构与功能, 通过反复交叉地考察系统的结构与功能, 才可能建立起在结构与功能两方面都
较好地反映实际系统的模型。也就是说, 建模人员必须与有关人员、专家紧密结合, 深入地
去洞察实际系 统诸组成部分间 总体与局部之 间与系统 内外之间 的种种 联系, 把系统的 行
为模 式与其 内部 的反馈 回路 结构 联系起 来, 通过 分析、比较、鉴 别, 获得对 系 统的 正确 认
识, 并把它们反映到模型的结构中去。这样一种从系统的微观结构入手进行建模的过程也
就是剖析系统的结构与功能的对立统一关系的过程。
在系统动力学的建模过程中, 人们将更充分地了解系统的结构与功能的相互关系。由
于系统动力学 从系统的微观结 构入手建立系 统的模型, 因此 为我们 研究系统 结构与功 能
的关系提供了科学的方法。系统动力学模型的基本结构为反馈回路。反馈回路又可分为
正反馈回路与 负反馈回路, 一个系统可能 由这两种 类型的反 馈回路 单独或以 某种方式 组
合而成。比如, 当系统行为出现指数规律增长趋势时, 是因为系统中有起主导作用的正反
馈回路; 当系统受到干扰偏离原来状态又能自动返回并趋向起始状态时, 则表明系统中至
少存在一个很强的负反馈回路。系统发生振荡行为则表明系统存在二阶以上的反馈回路
或者一个一阶负反馈回路加上一个一阶以上的延时环节。 S 形增长 特性则是正反馈 回路
与负反馈回路由非线性环节相联结而产生的。
应该特别指出的是, 系统动力学之建模大大不同于过去常用的功能模拟( 亦称黑箱模
拟) 法, 其模型模拟具有结构—功能模拟的突出特点。
( 4) 系统的内部微观结构与其宏观行为
系统行为 的性质主要( 但非全部) 地取决 于系统内 部的结构, 即 其内部的 反馈结构 与
机制。换言之, 系统行为的发生与发展主要地根植于系统内部。在一定条件下, 外部环境
的变动、外部的干扰会起着重要作用; 但归根结底, 外因只有通过系统的内因才能起作用。
( 5) 主导与非主导动态结构
在系统内部的 诸反馈回路中, 在其发展 运动的 各阶段总 是存在 一个或一 个以上的 主
要回路( 简称主回路) , 这些主回路的性质及它们相互间的作用包括竞争与协作, 主要地决
定了系统行为的性质及其变化与发展, 这就是主导动态结构作用原理( 相当协同学中的支
配原理) 。主导回路存在于系统运动、变化、发展和由旧系统结构过渡到新结构的全部过程
之中, 它们代表了在一定时空条件下系统的主导结构。应当指出的是, 强调主导部分的作
用并不排斥其他非主导部分在系统中的作用。系统的主导部分只能在与其他部分的相互
作用中形成和存在。系统行为的性质与模式( 相当于协同学中的相) 是由主导结构与非主
导结构共同作用的结果。此外, 由于系统内某些非线性变量、敏感变量的变化, 以及干扰与
涨落的影响, 主导结构是动态变化的。其具体内容在系统总体结构新旧更迭的前后当然不
同, 而 且即使在同一系统 结构中, 在一定的时 空条件下, 主导 与非主 导部分也 可能相互 转
化。
( 6) 主要变量和敏感变量与子结构
在系统中总存在一部分相对重要的变量, 他们对系统的结构与行为的性质、特征的影
响比较大, 而且总被包含于主回路之中。
系统动力学认为, 系统中往往存在一些灵敏变量( 或参数) 与子结构, 它们对干扰与涨
落的反应十分敏感和强烈, 一旦系统处于临界状态, 涨落对这些灵敏变量的作用可能导致
・ 2 1・
新旧结构的更迭。若这类灵敏变量处于主回路中或两种极性的回路的联结处, 由于灵敏变
量( 往往是非线性的) 本身的 微小变化, 将使主回 路转移、或改变 主回路 极性, 甚至导致 整
个系统的结构与行为产生巨大的变化。
( 7) 系统的历时性与系统的进化规律
系统的结构、参数与功能、行为是随时间的推移而变化的。在系统运动全过程的始末,
其主回路与反馈极性都在不断变动, 主回路与非主导回路也在相互转化。由于下面( 参见
( 8) ) 所论述 的原因, 系 统可能发生新旧 结构的更 迭, 旧 的结构与 系统瓦 解消失, 而新的 结
构与系统诞生。这是一个由量变到质变的过程, 由低级系统向高级系统发展、进化的过程。
这就是系统的历时性与系统的进化规律。
系统动力学研究的重点包括在同一种结构下结构与其动态行为的关系和系统从旧结
构向新结构变化的过程中可能产生各种行为模式。
( 8) 开放复杂系统的其他重要性质
1) 在非平衡状态下运动、发展、进化是开放复杂系统的一个重要动态行为特性。系统
动力学所研究的系统, 诸如社会、经济、生态系统, 都具有这一特性。
2) 开 放系统在 不断与 外界进行 信息流、物流、能流 的交换过 程中, 获得 外部动 力; 同
时, 在 系统内部的各组成 部分相互耦合、作 用, 形 成自然约 束与相 互协调, 产生内 部动力。
在内外动力的共同作用下推动系统内的组成部分朝向共同目标发展。这就是所谓自组织
的含义。系统动力学所研究的对象, 大部分都具有自组织性质。
3) 当系统进入远离平衡态的非线性域阶段, 系统与外界进行 信息流、物流、能流 的交
换规模显著增大且变化迅猛, 这时系统吸取的物流与能流不仅足以补偿系统的耗散, 而且
还足以促使系统结构的更新, 并对外部环境产生更强烈的影响或严重的后果。人类历史已
表明, 工业化以后的各类社会经济系统, 其行为的性质与特征均大体与此相似。

2. 4. 3　 系统动力学的学科基础

系统动力学的学科基础可划分为三个层次:
( 1) 方法论。系统动力学的方法论是系统方法论, 其基本原则是将所研究对象置于系
统的形式中加以考察。系统方法论目前还不很完善, 系统动力学自身的发展也将会丰富、
充实系统方法论。
( 2) 技术科学和基础理论。主要有反馈 理论、控制 理论、控制 论、信息 论、非线性 系统
理论, 大系统理论和正在发展中的系统学。
( 3) 应用技术 —— 第三层次。为了使系统动 力学的理论与方法 能真正用于分析 研究
实际系统, 使系统动力学模型成为实际系统的“实验室”, 必须借助计算机模拟技术。
此外, 在这一层次中还应包括在所应用领域中涉及的有关学科。例如, 将系统动力学
应用到社会经济系统时, 称之为社会经济动力学, 而对于社会经济动力学而言, 经济理论、
决策理论与 组织理论等则成 为系统动力学 的第三层 次学科 基础。同样 地, 对 于城市动 力
学、世 界动力学、生态动力学、能源动力学与 工程动 力学等等 都有它 们相应的 第三层次 的
学科基础。

・ 2 2・
2. 4. 4　 系统动力学在学科体系中的学科地位

系统动力学是系统科学中的一个分支。由于它被广泛应用于微观与宏观管理领域, 因
此也可以归属为管理科学的一个分支。这里仅对其在系统科学体系中所处的地位作进一
步说明。
系统科学一般被认为可分为三个层次: 第一层次为系统学; 第二层次为系统科学的基
础理论学科; 第三层次为实际的工程应用。而系统动力学作为研究一般系统的结构、功能
与动态行为、系统与环境的关系为主要内容的系统学科, 应属于系统科学体系中的一门重
要学科。无论从其研究与应用范围还是从其本身的理论基础与方法论来看它都不仅只属
于应用的领域, 更不只是一种模拟手段。应该说, 它是一门系统理论与实际应用紧密结合
研究系统的结构与功能的综合学科。也就是一门同时属于第二层次与第三层次的一门系
统学科。
系统动力学已经发展了三十多年, 但长期以来对于这门学科的理论体系、发展过程以
及学科地位研究得不多或不深。这可能是为什么系统动力学曾被人们误认为只是一种模
拟手段甚至就等于 DYN AM O( 系统动力学专用模拟语言 ) 的原因。 系统动力学正在 成为
沟通社会科学与自然科学的一座桥梁。随着系统动力学的应用领域的不断扩大和研究深
度的发展, 系统动力学将会成为一门更引人注目的系统学科。

2. 4. 5　 协同学与系统动力学

近年来, 随着人们研究领域的不断扩大, 横向科学、交叉学科不断涌现。我们不仅要研

究作为一门系统学科的系统动力学本身, 还有必要研究其它有关学科的特点, 探讨系统动
力学与这些学科的关系, 以了解系统动力学在系统科学中的地位。
目前, 在系统研究领域内有一门引人注目的新学科 —— 协同学。这是一门研究系统的
自组织理论的学科。
( 1) 根据自组织理论
系统可能从浑沌无序的状态演化成稳定有序结构。相反, 一个系统也可能从有序结构
变为无序状态或再变迁为新的有序结构, 系统从无序变为有序。维持稳定有序结构必须要
求一个系统与外界有能量与物质的交换, 必须位于远离平衡状态, 并要求系统内部各单元
之间存在着非线性的相互作用。协同学主要研究新旧结构的演化( 非平衡相变) 。
目前, 系统动力学研究的 对象大部分也 是处于 远离平衡 的非线 性非平衡 状态开放 系
统。它内部单元之间相互作用形成一定的结构, 并按照一定的规律发展演化。系统动力学
研究在同一结构下系统的动力学行为, 和不同结构之间的进化, 目前尚较少涉及到系统如
何从无序到有序的演化过程。
( 2) 系统的涨落点
在协同学中, 把引起系统巨变的因素称为涨落。在一个系统中必然存在着许多可能引
起涨落的参量, 一旦系统处于临界状态, 涨落可能引起很大反响。最初是在小范围出现, 最
后涉及整个系统, 使系统由有序变为无序或由一旧的结构变为一新的结构。系统动力学认
为一系统中存在着一个或几个灵敏参量或变量。它们对于外界的干扰与内部的涨落反应
・ 2 3・
十分敏感和强烈。
系统动力学模型中的反馈机制与结构是由各种反馈回路( 正的或负的) 根据一定的方
式组合而成的。当负反馈回路占主导地位时, 这个系统对外界的干扰有抑制作用, 系统处
于稳定的状态。而当正反馈回路占主导地位时, 系统对外界的干扰反应灵敏, 并具有放大
作用, 此时系统则处于不稳定状态。而联结正反馈回路与负反馈回路的单元往往是非线性
的。这一单元就有可能是系统的灵敏参量( 或称为涨落点) 。由于这些灵敏参量的变化, 将
使主回路转移并使原来的负或正反馈系统变为正或负反馈系统。
系统动力学把灵敏参量也称为政策杠杆作用点。如在一个社会经济系统中, 能源可供
性参量、污染程度、平均科技水平、城市土地占用系数等, 在一定条件下这些参量的微小变
动都有可能引起它们相应系统的巨大变化。因此, 我们在分析研究系统或进行政策试验时
需特别注意它们的变化。
( 3) 序参量与主回路
在自组织理论中采用在系统运动中起主导作用的慢参变量作为描述系统运动的序参
量。用序参量来描述系统的有序性, 并用李雅普诺夫函数来判断稳定结构的形成, 用“突变
论”根据序参量的种类与竞争来确定系统结构的形成; 而系统动力学认为决定系统运动性
质的主要因素为系统的主回路, 它们代表了在一定时空条件下系统的主导动态结构, 它们
由于系统内的非线性因素、参量变化以及外生变量的影响而不断地变化或转换。因此, 系
统动力学学者正致力于用特征根方法等寻找与判断主回路。这对于研究系统的结构与系
统的动态行为, 以及简化模型都是有益的。

2. 4. 6　 关于计量经济学和经济控制论

迄今, 在 研究 经济系 统的 领域 内, 已 出现 了许 多定量 研究 经 济规 律的 学派。 其中 比

较有代表 性的 是计 量经济 学与 经济控 制论。前 者是 把统计 学和 经济 学两 门 学科 的工 具
和概念相 结合 的一门 学科。后 者是 将控制 论应 用到 经济 领域 的 一门 学科。 二者 都十 分
重视真实系统的统计观测值和模型精确度。它们利用经济理论与观测数据建立系统的数
学模型, 在建模方法上依靠统计方法与传统的数学逻辑式。经济理论大多是静态的而不是
动态的, 而且传统的数学工具很难分析研究非线 性关系 , 因此, 它们 很难描述复杂的 和非
线性的动态系统。控制论目前只是在线性系统中应用较成功, 对非线性系统其应用与理论
都受到了限 制。这就决定了其应 用的范围, 它们主 要研究系 统平衡 点或工作 点附近的 特
性, 较适合作短期预测, 较难进行长期过程的研究。但是, 以上学科在模型精度与确立系统
模型参数方面的技巧可以借鉴。另外, 以上学派在把系统优化与控制、目标决策等理论应
用到经济系统方面, 确实做了许多有益的尝试。系统动力学认为社会经济系统本身不仅有
清晰、确定的相互关系, 还存在着模糊、随机的因素。这些因素和关系很难用传统的数学方
法描述。系统动力学与以上学科进行比较, 似乎更注重系统的内部机制与结构, 强调单元
之间的关系与信息反馈。系统动力学模型能描述系统内各种非线性的逻辑函数与延迟因
素。因此, 系统动力学可以处理高阶数、多回路和非线性的时变复杂系统与巨系统的问题。

・ 2 4・
 § 2. 5　 系统动力学分析、研究、解决问题的
方法、主要过程和步骤

　 　 系统动力学是一门分析研究信息反馈系统, 认识系统问题和解决系统问题的学科。用
系统动力学认 识与解决系统问 题不可能一 蹴而就, 恰恰相 反, 这 是一个 逐步深入、多次 反
复循环、螺旋上升的过程。

2. 5. 1　 定性与定量结合, 系统、分析、综合、推理的方法

系统动力学研 究解决问题的方 法是一 种定性与 定量结合, 系 统、分 析、综 合与推理 的

方法。它是定性分析与定量分析的统一, 以定性分析为先导, 定量分析为支持, 两者相辅相
成, 螺旋上升逐步深化、解决问题的方法。按照系统动力学的理论、原理与方法分析实际系
统, 建立起定量模型与概念模型一体化的系统动力学模型, 决策者就可以借助计算机模拟
技术在专家群体的帮助下, 进行定性与定量地研究社会、经济系统问题, 进行决策。
这是建立模型与运用模型的统一过程。在其全过程中, 建模人员必须紧密联系结合实
际、深 入调查研究, 最大限度地收 集与运用有 关该系统 及其问题 的资料 和统计数 据; 必 须
做到与决策人 员和熟悉该系统 的专家人员密 切结合, 唯此才 能使系 统动力学 的理论与 方
法成为进行科学决策的有力手段。

2. 5. 2　 系统动力学解决问题的主要步骤

这个过程大体可分为五步。首先要用系统动力学的理论、原理和方法对研究对象进行
系统分析; 其次进行系统 的结构分析, 划分系 统层次与 子块, 确定总 体的与局 部的反馈 机
制。第三步建立数学的、规范的模型; 第四步以系统动力学理论为指导藉助模型进行模拟
与政策分析, 可进一步剖 析系统得到更多 的信息, 发现 新的问题 然后反 过来再修 改模型;
第五步检验评估模型。下面仅简要地介绍各步骤的主要内容, 详见本书各有关章节。
( 1) 系统分析
系统分析是用系统动力学解决问题的第一步, 其主要任务在于分析问题, 剖析要因。
1) 调查收集有关系统的情况与统计数据;
2) 了解用户提出的要求、目的与明确所要解决的问题;
3) 分析系统的基本问题与主要问题, 基本矛盾与主要矛盾, 变量与主要变量;
4) 初步划定系统的界限, 并确定内生变量, 外生变量, 输入量;
5) 确定系统行为的参考模式。
( 2) 系统的结构分析
这一步主要任务在于处理系统信息, 分析系统的反馈机制。
1) 分析系统总体的与局部的反馈机制;
2) 划分系统的层次与子块;
3) 分 析系统 的变 量、变量 间关 系, 定义 变量 ( 包括 常数 ) , 确 定变 量的 种 类及 主要 变
量;
・ 2 5・
 4) 确 定回路及 回路间 的反馈耦 合关系; 初步 确定系统 的主回路 及它们 的性质; 分 析
主回路随时间转移的可能性。
( 3) 建立数学的规范模型
1) 建立 L , R , A , C 诸方程;
2) 确定与估计参数;
3) 给所有 N 方程, C 方程与表函数赋值;
( 4) 模型模拟与政策分析
1) 以系统动力学的理论为指导进行模型模拟与政策分析, 更深入地剖析系统;
2) 寻 找解决问 题的决 策, 并 尽可能付 之实施, 取得 实践结果, 获取 更丰 富的信 息, 发
现新的矛盾与问题;
3) 修改模型, 包括结构与参数的修改。
( 5) 模型的检验与评估
这一步骤的内 容并不都是放在 最后一齐 来做的, 其中相 当一部 分内容是 在上述其 他
步骤中分散进行的。
上述主要过程与步骤可以图 2. 11 表示。
过程与步骤

任务调研

问题定义 系统分析

划定界限

反馈结构分析
结构分析
变量定义

建立方程 修改模型

建立模型

模型模拟

模型评估

政策分析
与
模型使用

图 2. 11　 系统动力学解决问题的过程与步骤

・ 2 6・
2. 5. 3　 模型与现实系统的关系

系统动力学的规范模型与其它类型的模型一样, 它只是实际系统的简化与代表。换言
之, 一个模型只是实际系统一个断面或侧面。在一定意义上说, 若从不同角度对同一实际
系统进行建模, 就可以得到系统许多不同的断面, 也就可能更加全面、深刻地认识系统, 寻
找出更好的解决问题的途径。
系统动力学认为, 不存在终极的模型, 任何模型都只是在满足预定要求的条件下的相
对成果。模型与现实系统的关系可用图 2. 12 形象地加以说明。

图 2. 12　 系统动力学模型与现实系统的关系

习 题 与实 验

1. 构思练习
( 1) 目的: 提高读者从周围熟知的日常事物中识别反馈结构的能力。
( 2) 要求:
① 列举 8 种事件、决策过程或者行为, 它们可以 是随机的 —— 即任意 发生的, 也 可以
是基于反馈机制而引起的;
② 从上面 8 个例子中选出最有意义和最具代表性的 4 例, 解释 它们所基于的反 馈回
路与结构。
( 3) 提示: 此练习乍听起来比较困难, 读者可 以从下面列举的学 科范围里选择比 较熟
悉和有兴趣的问题:
饮食、睡眠、学习、工作、科学 研究、与他人 的关系、子女教 育、体育运动、购物、职业 培
训、娱乐、生物学、生态学、政治事件、经济学、社会学、城市问题、管理等。
在每个范围里考虑与之相联系的事件、决策或行为。比如考察睡眠过程, 盖上毛毯这
个动作既可以 看作是一个随机 发生的动作, 也可以 看作是基 于反馈 机制的调 节体温的 动
作。先用文字描述种种事件和有关决策或行为, 先不急于画出它们的反馈回路, 待到你积
累足够的事例后, 再把你觉得最有意义和最具代表性的事件画出反馈回路。
2. 生态控制政策分析—— 凯巴高原模型
・ 2 7・
 凯巴高原是在美国大峡谷北侧, 面积约为 4 250 000 亩的高原。自 1900 年, 由于食肉
动物被大量捕杀导致高原上鹿群的猛长, 使高原的生态失去平衡。假使你是凯巴高原的管
理者, 负责维持高原的生态平衡。假设现在的时间是 1920 年, 你面临着社会各界和社会团
体不断提出各种政策的要求:
① 赛拉俱乐部宣称大量捕杀肉食动物是导致生态不平衡的原因。因此应尽快重新引
入郊狼等肉食动物。
② 牧场主们因担心他们的牲畜受危险, 所以坚决反对引入肉食动物。
③ 当地的猎户希望自由进入高地, 但政府方 面已明确表示除非 找到有效控制鹿 群的
措施, 否则这些猎户只能另谋职业。
因为这一地区 以前从未有过这 种鹿群的 疯长现象, 没有 可参考 的资料来 帮助制订 措
施。但幸运的是几个来自大学的谋划者为你制作了一个模型, 他们希望你用这个模型来试
验不同政策措施对牲畜的影响, 你尽管将信将疑, 但别无选择。
利用模型作政策分析时, 键入模型程序并运行, 显示出基本运行的结果。基本运行显
示了按现在政策延续下去所产生的后果( 程序清单详见附录的 KA IBA B 模型) 。
下一步, 试验一下赛拉俱乐部引入肉食动物的政策, 开始时间是 1920 年。你必须重新
运行模型, 当计算机显示“E nt er R erun Changes ”时, 键入:
T PP T = 8000/ 8000/ 2000/ 1000/ 500/ 2000/ 4000/ 8000/ 8000
RUN
考察一下模拟的结果有何不同? 想一想为什么? 假如牧场主们反对引入郊狼等肉食
动物的政策, 则会减慢了肉食动物的引入速度。键入:
T PP T = 8000/ 8000/ 2000/ 1000/ 500/ 1000/ 2000/ 4000/ 8000
看一下模拟的结果产生了哪些变化? 为什么? 再设计一下你有哪些方法来解决这个
问题, 模拟一下, 看一看效果如何?
下面, 试一下由打猎者提出捕猎鹿群。有许多方法可以实现这个政策。最简单的方法
是把每年的鹿群数固定, 即键入:
C SDH P 1= 1　 　 ( 转入政策 1)
C CDH PY = ( 填 1000, 作为每年捕猎鹿群的常数)
C DHT = 1920　 　 ( 开始时间)
RUN
该政策 表示从 1920 年起 每年捕 猎的鹿 数为 一个固 定值 1000, 看 一下 模拟结 果有 何
变化? 为什么? CDHPY 和 DHT 用其它不同的值试一下, 看一下有何不同?
下面, 假设每年捕猎鹿的百分比数是固定的, 键入:
C SDH P 2= 2　 　 ( 转入政策 2)
C FDH PY = 　 　 ( 每年捕猎百分比为 0. 1)
C DHT = 1920　 　 ( 时间为 1920 年)
RUN
该 政策 表明 从 1920 年 起, 每 年捕 猎 鹿数 为 10% 。 试 着解 释 一下 结 果, 并 用不 同 的
F DH PY 和 DH T 值来模拟。最后, 设定一个目标值。键入:
・ 2 8・
 C　 SDH P3= 1　 　 ( 转入政策 3)
C 　 DDP = 　 　 ( 鹿数期望值为 30000)
C　 DHT = 1920　 　 ( 时间为 1920 年)
RUN
该政策能使鹿数不断调整达到期望值 30000, 看一下情况有何不同? 如果该政策又是
从 1924 年才开始实施( 即 DH T = 1924) , 情况又有何不同? 如果 DDP 大于 30000, 情况又
有何不同? 说明一下理由。你能向管理者提供什么良策?
N O T E 　 　 　 　 　 　 　 KA IBA B P L AT E A U M ODE L
NOTE
N O T E 　 　 　 　 　 　 　 ＊ ＊ ＊ DE ER PO P U LA T ION SE CT O R ＊ ＊ ＊
NOTE
L 　 DP . K = DP . J + ( DT ) ( DNI . J K- DP R . JK - DH R . JK ) 　 DE ER P O PU LA T IO N
N 　 DP = DPI
C 　 DPI = 4000　 　 　 　 　 　 　 　 　 DEE R P OP U LA T ION IN IT IA L
R 　 DH R. K L = CLIP ( DHP Y . K , 0, T IME . K , DH T ) 　 　 　 DEE R H A RVE ST R AT E
A 　 DH PY . K = SDH P 1＊ CDH PY + SDH P 2＊ F DHP Y ＊ DP . K+ SDH P 3＊ M AX ( 0, DP . K - DDP )
X 　 / DPA T
N O T E 　 　 　 　 　 　 DEE R H ARV E ST ED PE R Y EA R
C　 SDHP 1= 0 SWIT CH F OR DEE R H ARV E ST P OL ICY 1
C 　 SDHP 2= 0 SWIT CH F OR DEE R H ARV E ST P OL ICY 2
C　 SDHP 3= 0 SWIT CH F OR DEE R H ARV E ST P OL ICY 3
C 　 CDH PY = 0 CON ST A N T DE ER HA RV EST P ER Y EA R
C　 F DHP Y = 0 F RACT IO N OF DE ER HA RV EST ED P E R YE A R
C 　 DDP = 1 E 6 DESIRED DE ER PO P U LA T ION
C　 DPA T = 1 DEE R P OP U LA T ION A DJU ST M EN T T IM E
C 　 DHT = 1920 DEE R H ARV E ST T IM E
R 　 DN I . K L = DP . K ＊ N IR . K DEE R N ET IN CRE ASE
A 　 N IR . K = T A BH L( NIRT , F R . K , 0, 2, . 5) 　 　 N E T INCREA SE RAT E
T 　 NIRT = - . 5/ - . 15/ 0/ . 15/ . 2 NE T IN CREA SE RA T E T A BLE
A 　 F R. K = F P D. K / N F PD F OOD RAT IO
C 　 NF P D= 1000 NO RM AL F OO D P ER DEER
A 　 F P D. K = FO OD . K / DP . K F OOD PE R DE ER
R 　 DP R . K L = P P . K ＊ DKP P . K DEE R P REDA T IO N RA T E
A 　 DK PP . K= T A BH L ( DK P P T , DD. K / 8. 07, 0, . 025, . 005) 　 DEE R K ILL ED P E R P REDA T O R
T 　 DK P P T = 0/ . 1/ . 2/ . 28/ . 35/ . 4 DEE R KILL ED P E R P REDA T OR T A BLE
A 　 DD. K = DP . K / A REA DEE R DEN SIT Y
C 　 ARE A = 4250000
NOTE
NOTE ＊ ＊ ＊ P REDA T OR P OP U LA T ION SE CT O R ＊ ＊ ＊
NOTE
A 　 P P . K = T ABH L ( P PT , T IME . K , 1900, 1940, 5) 　 　 　 PR EDA T OR PO P U LA T ION
・ 2 9・
T 　 PP T = 8000/ 8000/ 2000/ 1000/ 500/ 100/ 100/ 100/ 100　 P RE DA T O R P OP . T A BLE
NOTE
NOTE ＊ ＊ ＊ F OO D SECT OR ＊ ＊ ＊
NOTE
L 　 F OO D. K = F O OD. J + ( DT ) ( F RR . JK - F CR . JK )
N 　 F OO D= F OO DI
C 　 F OO DI = 470E 6 F OOD IN IT IA L
R 　 F RR . KL = ( F OO DM - F O OD. K ) / F RT . K 　 F OO D REG EN ERA T ION RA T E
C 　 F OO DM = 480E 6 F OOD MA XIM U M ( M A XIMU M F OO D SU P P LY )
A 　 F RT . K= T A BH L ( F RT T , F OO D. K / F OO DM , 0, 1, . 25) 　 　 　 F OO D REG EN ERA T ION T IM E
T 　 FRT T = 35/ 15/ 5/ 1. 5/ 1 F OOD REGE N ERA T ION T IM E T ABL E
R 　 F CR . K L = DP . K ＊ F CPD . K F OOD CON SU MP T ION RA T E
A 　 F CP D. K = M F CP D＊ EF A F C. K 　 F OO D CO NSU ME D P ER DEE R
C 　 M FCP D= 2000 MA XIM U M F OO D CO N SU M ED P E R DEE R
A 　 E FA F C . K = T ABH L ( EF A T , FR . K , 0, 1, . 25) 　 　 EF F E CT O F F OO D A V AILA BLE
NOTE 　 　 　 　 　 O N F OO D CO NSU MP T ION
T 　 EF A T = 0/ . 4/ . 7/ . 9/ 1 EF F ECT O F F OO D A VA ILA BIL IT Y T A BLE
NOTE ＊ ＊ ＊ CO NT ROL ST A T EM E NT S ＊ ＊ ＊
NOTE
C　 DT = . 1 DELT A T IM E - - SIM U LA T ION INT ERV AL
C 　 LE NG T H = 1950 LEN G T H OF SIM U LA T ION ( F IN A L Y EA R )
C 　 PL T P ER = 1 PL OT PE RIOD ( F REQ U EN CY O F P LO T T ED OU T PU T )
N 　 T IM E= T IM EI IN IT IA L YE AR OF S IM U L AT ION
C 　 T IM E I = 1900
P L OT DP = D( 0, 100000) / P P = P ( 0, 8000) / F OO D= F ( 0, 480E 6) /
X 　 F RT = T ( 0, 40) / DP R = K ( 0, 800) / DHR = H
RU N

・ 3 0・
 　
第三章　 系统动力学构模原理、方法与模型体系的演进

§ 3. 1　 构模基本原理
3. 1. 1　 构模基本原理

　 　 ( 1) 构思模型最基本的依 据就是 前章 所述 的系统 动力 学对系 统、系统 特性的 一系 列

观点。扼要地说即有关系统的整体性、等级性与历时性, 系统的结构、功能与行为的辨证对
立统一关系, 系统的行为模式主要根植于内部反馈结构与机制, 以及主导部分作用原理等
( 详见§ 2. 4) 。
( 2) 一个“明确”三个“面向”: 即明确目的, 面向问题、面向过程与面向应用。建模时首
先应明确建模目的, 模型的任务是什么。建模过程的始终都要面向客观系统所要解决的矛
盾与问题; 面向矛盾诸方 面相互制约、相互影 响所形成 的反馈动 态发展 过程; 面向模型 的
应用、政策( 对于社会经济系统而言) 的实施, 否则建模将无异于盲目地进行工作与冒险。
( 3) 根据 系统特性, 在 建模的构 思、模 拟与测 试的全过 程中, 正确地 使用分解 与综 合
的原理。
根据系统的整体性和层次性, 可以应用综合与分解原则来研究系统。我们强调一方面
从整体的观点研究系统; 另一方面, 系统的层次性意味着一个系统是由不同等级层次的子
系统组成的, 这样, 在进行系统与结构分析时可以应用分解原理。即
① 系统动力学研究系统, 强调面向问题和研究问题。先确定目标, 以有助于确定系统
的边界。边界似一个想象的轮廓, 把与所研究问题有关的部分划入系统。
② 分析系统结构时, 应由上到下, 由粗到细, 逐步分解系统。
以上过程可以用方框图、因果相互关系图和流图来具体表示。
与以上分解过程相反的是综合过程。尽管分解过程对系统研究十分重要, 但我们决不
能停留在这一阶段。无论对于建立系统模型还是对于分析系统的动态行为, 分解的最终目
的是为了综合。只有系统的各部分有机地联结为一整体, 各部分的功能与行为符合总体的
功能与行为, 模型才能真实地表现真实系统的整体结构与功能。因此, 在建立与测试系统
模型 时, 我 们应 该逐 步由部 分测 试过渡 到总 体调 试, 从 整体 观点 出发不 断改 进模 型的 结
构, 全面地、系统地考察系统的内部结构和反馈机制。
( 4) 模型是实际 系统的“实验室 ”。它 是真实系统的简 化与代表, 是真实世界的某 些
断面或侧面。建模不等于对实际系统的复制, 应防止所谓原原本本、一一对应按真实世界
去建立模型的错误倾向。
( 5) 检验模型的一致性、有效性的最终标准是客观的实践。人对客观事物的认识不可
能一次完成, 而是螺旋上升的过程。因此, 没有终极的模型, 没有十全十美的模型, 只能有
阶段性的、达到预定目标和满足预定要求的相对有效的模型。

・ 3 1・
 § 3. 2　 动力学问题与系统动力学的规范模型
3. 2. 1　 什么是动力学问题

　 　 从系统动力学的观点看, 所谓动力学问题至少有两个特点。第一特点是, 它是动态的,

即它所包含的量是随时间变化的, 能以时间为坐标的图形表示。譬如, 人口的增长, 就业人
数的增减, 城镇与农村的生活质量和物价的涨落等都是动态问题。学习定义动态问题的技
巧是学习系统动力学的第一步。
第二特点是, 它包含了反馈概念。这一点以后将进一步讨论, 在此仅回顾前章述及的
基本概念。系统动力学认为各种组织系统, 经济、社会系统, 事实上几乎所有人工的系统都
是反馈系统。工程人员遇到的伺服机构与闭环控制系统; 生理学家所遇的体内自动平衡;
高保真度的放大器, 都是人所共知的反馈系统的例子。
系统动力学的研究重点系那些源自反馈机制的系统动力学问题。

3. 2. 2　 规范模型

从直观上看系统动力学方法最注目的特点或许是它拥有规范的、定量的、用计算机语
言书写的模型。这里所谓模型本质上是真实的系统的简化和代表, 是真实世界的某些断面
与侧面。一个系统动力学模型就是一个实验工具。它可重复地作系统的实验, 检验假设或
改变经营管理的政策。运用模型的目的在于研究系统存在的问题, 进而解决或缩小系统内
存在的矛盾与问题。
一个规范的模型较人们脑中的非规范脑力模型有两个优点。首先是它更加清晰, 更便
于人们沟通思想。系统动力学模型能揭示对存在问题的批评与实验的假设。相形之下, 脑
力模型则模糊不清晰。其模糊性来自客观事物的复杂性和多样性, 而人脑往往只反映过多
的直观细节, 而且, 思维模型不清晰性使人们之间有时发生误解, 难于沟通, 并导致应用错
误。
其次, 规范模型易于处理复杂的问题。与脑力模型不同, 系统动力学模型能一步一步
可靠地把假设中任何隐含的凌乱与迷津追索出来, 而不带有人们言辞上的含糊, 情绪上的
偏颇或直观感觉上的差错。计算机模型有上述优点并非因为计算机如何聪明, 在一定意义
上, 它是十足的傻子, 能进行令人厌倦的重复计算。
用适当的计算机模型进行实验, 从而弄清楚我们所面临的有待解决的复杂问题, 这一
事实, 确实颇具吸引力。然而规范模型应用于政策问题研究, 在过去尚未取信于所有的人。
计算机模型的发展尚处年幼阶段, 有些人仍倾向于自己固有的方法。事实已说明, 藉助计
算机的建模、模拟与政策 分析的一整套方 法, 与系统论 的思想, 信息 论和控制 理论中的 反
馈概念结合起来, 也就是它们熔成一门新科学 —— 系统动力学。

§ 3. 3　 构模的目的与系统的界限

无具体目的的模型宛如无舵无帆之船。系统动力学认为, 建模是为了说明一组特定的
・ 3 2・
问题。系统动力学的建模原则是面向问题, 而不是系统。强调建模目的性将有助于建立方
程。影响模型的内容有下述因素: 所需研究的问题; 模型用户的水平和情况; 准备在模型上
进行的政策分析和用户对模型期望的运用。

3. 3. 1　 系统动力学建模的主要目的

系统动力学建 模的目的在于研 究系统的 问题, 加深对系 统内部 反馈结构 与其动态 行

为关系的研究 与认识, 并 进行改善系统行 为的研 究, 对 社会经济 系统而 言, 这 方面的工 作
称之为政策研究。
从系 统动力 学的 应用重 点看, 以 社会经 济系 统来 说, 本 书将 强调 政策 分 析与 政策 改
进。诚然, 所有模型都是理论的, 但有时某些系统动力学模型的建立仅仅是为了检验理论。
毫无疑问, 检验理论是系统动力学模型有价值的用途之一。然而本书宁愿侧重于研究以政
策设计与改进为主要目的的那一类模型。
为防止政策分析变成学究式的探讨, 从一开始, 模型研制者就应关心模型结果的最终
被应用与实施问题。当由规范模型得出的结论无法贯彻实行时, 至少, 其失败原因之一是
由于在开始构模和确定问题与构模目的阶段, 未注意到模型成果的应用实施问题。
下面列出为提高复杂的企业管理系统模型的有效性, 所应恪守的一些原则:
( 1) 课题选择
① 解决一个问题;
② 问题对于用户必须是重要的;
③ 目标必须是可信的。
( 2) 建模过程
① 尽可能让用户参加;
② 加速模型雏型的设计;
③ 面向实际的需要进行模型真实性的测试;
④ 在模型设计中考虑好模型有效性的测量问题, 要与真实系统的测量一致。
( 3) 考虑更改的可能性
① 设计模型, 考虑到更改的可能性;
② 考虑对其他系统可能的冲击与影响。
上述原则的主要思想是,“ 实施”问题不仅与建好模型和用好模型进行政策分析有关,
“实施”问题必须自觉地从一开始就细心加以规划。可以毫不夸张地说, 当模型研制者在确
定构模的目的时, 若不同时考虑上述原则, 他等于在盲目地进行工作。

3. 3. 2　 系统界限

系统的界限( 或边界) 规定哪一些部分应该划入模型, 哪一些部分不应归入模型。系统

的界限是一个想象的轮廓, 把建模目的所考虑的内容圈入, 而与其他部分( 环境) 隔开。在
边界内部凡涉及与所研究的动态问题有重要关系的概念与变量均应考虑进模型; 反之, 在
界限外部的那些概念与变量均应排除在模型之外。在构模的进程中, 人们应不断提出这样
一个问题, 已考虑的界限的充分性如何? 假使系统的界限扩大以后, 原先推荐的政策是否
・ 3 3・
仍然有效? 对于所考虑的问题, 相应的界限总是存在的。
如何决定界限之所在? 界限应划在何处? 按照系统动力学的观点, 正确地划出系统界
限的一条准则是把系统中的反馈回路考虑成闭合的回路。应力图把那些与建模目的关系
密切、重要的量都划入边界, 界限应是封闭的。必要时还可以在定性分析的基础上辅以定
量分析, 以确定系统的主要变量与回路。系统动力学认为, 一个系统的动态行为的模式是
由系统界限内各部分的相互作用所产生的。也就是说,“ 界限”两字隐含着: 某一特定的动
态行为, 主要由系统内部所决定。
为确定界限应先明确建模目的。面向问题, 从确定所需研究的问题起步, 而不是盲目
地去建立所谓一个系统的模型。不明确建模目的, 则无法回答, 哪些变量和子块是重要的?
亦无从确定系统的界限。

§ 3. 4　 问题的确定与模型构思
3. 4. 1　 确定问题与构思模型的一些原则

　 　 前已述及, 所谓问题 系指系统内部各 部之间 存在的矛 盾、相 互制约 与作用、产生的 结

果与影响。建模的目的就在于研究这些问题, 并寻找解决它们的途径。所以建模的第一步,
应首先明确等待解决的问题是什么。在确定问题的始末, 构模者将对导致那些问题的根本
原因, 并对该系统的各方面产生一定看法。从而提出某些有关系统的问题的假设和对问题
所涉及的量进行定义。这些假设又反过来有助于加深对问题的认识。然后再提炼对问题
与有关量的定义, 或增添新的问题。
建模构思对于新老手都是系统动力学方法中最困难的阶段。构思是一种艺术。本节
将介绍某些构思模型的技巧, 包括一些考虑原则和有效的图形工具。因果与相互关系图和
流图 不仅是 有效 的思考 问题 的手 段, 也 是人 们对 所研究 的问 题进行 交流、讨 论的 方便 媒
介。它们是研究反馈结构与构模的头两个步骤。
综前述可知, 有三条普遍原则在确定问题、定义变量和构思模型的过程中十分有用:
1) 明确建模的目的;
2) 集中于问题与矛盾, 而不是整个系统。
这两点乍看起来似乎太一般化, 但却是使得建模成功的重要先决条件。领悟这两点,
将大大减少在确定问题、定义变量和构思模型过程中的复杂性。上述两条原则的作用犹如
重要的滤光器, 把冗余的细节滤掉, 使构模者集中注意于反馈结构中的重要方面。这两条
原则能使构模 者在应用系统动 力学方法构模 时, 从 想考虑一 切转向 只考虑有 关的某些 事
项和方面。
3) 构 思模型时 的另一 条原则是 系统动力 学仅处 理那些随 时间而 变化和源 自反馈 结
构的问题。这两者特别有助于确定问题、定义变量和构思模型, 可比喻为系统动力学工作
者的镜头。读者可琢磨这一比喻与前面提到的比喻“滤光器”的关系。当然比喻是有局限
性的, 一方面有助于弄清一些概念, 但无疑也会使人弄糊涂其他一些事。

・ 3 4・
3. 4. 2　 动态地定义问题

从系统动力学的观点看, 任何问题最好以随时间变化的变量图表示。如此用随时间变
化的图形去描述问题的过程, 可称为动态思考。当用图形描述时, 并不要求构模者使用严
格的数据或严谨的数学函数去绘图。在多数情况下, 构模工作者或用户用图形研究系统的
动态 行为时, 最 初可 能尚无 准确 的数据, 只 是集 中于变 量随 时间 变化的 趋势 与模 式的 研
究: 周期的增减, 变量之间的相位关系, 峰与谷的相对关系等等。
( 1) 重要变量的动态行为
用图形描述 随时间变化的变 量时, 首先要找 出那些 重要的变 量。针对研 究的系统 问
题, 力图去确定哪一些变量和问题症候关系最密切。譬如说, 所谓西方的城市问题包括许
多棘手与令人关切的内容, 而我们假定只突出关心城市的人口统计动态行为的模式问题,
如图 3. 1 所示, 则我们就真正地做到面向问题, 集中于待研究的问题了。图 3. 1 为美国主
要城市的兴衰史, 以人口变量为主要特征描述的。换一个做法, 城市的变迁也可以用财政
变量来描述, 如财政收入与支出、货币流通与债务的累计情况等等。

图 3. 1　 美国主要城市的人口增长情况

用这种图形突出了我们的注意力, 图形本身能定义变量, 或者有助于我们去定义变量

与问题。
从一张动态地描述重要变量的图形, 能够派生出许多其他的量。譬如, 从城市的人口
曲线可进一步描出一组每年出生、死亡与移民的人数曲线。
( 2) 时间坐标
时间坐标指的是, 变量在系统中变化的时间区间与范围。反应在图形上, 则为时间坐
・ 3 5・
标的起迄。模型在此期间进行动态模拟。此期间可为数小时( 如生物问题, 胰岛素的分泌
与消 耗) 或数百 年( 如资 源问题, 煤 和石油的开 发, 不 同能源型 式之间 的转换) 。更重要 的
是, 确定时间坐标有助于确定与定义某些待研究的特殊问题。
举例来说, 假定我们想研究西方国家天然气的生产、消费与城市问题。若我们所关心
的期间是从 1960 年到 1990 年, 则应考虑 石油禁 运、进 出口情况、政 治因素和 不同区域 的
差别。但若所关心的期间系从 1800 年到 2000 年, 则研究重点就不同了, 在如此长的时间
里, 禁运的影响很小, 象是“噪声”对长期的运行模式的影响可略之不计。此时构模者的注
意力应集中于 其他长期影响因 素, 天然 气的生 产与消费 系统, 如探测、发现、生产、消费 趋
势与长期间内的成本问题。用图形表示天然气的储藏、生产和消费的长期模式如图 3. 2 所
示。

图 3. 2　 天然气的储藏与生产模式( 从 1800 年到 2000 年)

规定时间坐标 在确定与定义动 态问题过 程中是重 要的一步, 当 你打算把 所研究的 变

量绘出图形时, 就自然而然地遇到这个问题。
( 3) 参考模式
所谓参考模式 系指用图形表示 出重要变 量, 并 推论和绘 出与这 些量有关 的其他重 要
的量, 从而突出、集中地勾画出有待研究的问题的发展趋势与轮廓。我们称这类随时间变
化的变量图形为行为参考模式。在整个建模的过程中, 构模者要反复地参考这些模式。当
系统的模型建成后, 鉴定其有效性标准之一, 就是看模型所产生的行为模式是否与最初确
定的行为参考模式大体一致。因此, 参考模式有助于确定问题, 有助于在构思模型时, 突出
重点, 并能在后来的模型有效性研究中显露头角。忽视参考模式而获得成功的系统动力学
研究的先例是颇为少见的。
( 4) 借助图形思考
应用变量随时间变化的模式考察问题的习惯, 是系统动力学完整方法中的一环。我们
将它作建模的起步, 然后引向结构构思, 建立规范的、定量的反馈结构模型。这里重点在于
应用图形来描述问题, 确定问题和分析问题, 也就是借助图形进行思考。
( 5) 当没有参考模式的时候
・ 3 6・
 有时候一个问题被提出来有待于构模, 却无清晰的参考模式。用户在能够用变量文字
描述问题前, 只能提出关于变更政策的影响。在此情况下, 有经验的模型研究者往往集中
于列举出可能的政策及其影响。这种列举政策的方法有时能代替清晰的动态图形。通过
研究 政策的 干预 与杠杆 作用, 可 以确定 系统 的重 要变量, 进 而可 从系统 对政 策干 预的 反
应, 推论出更多的随时间而变的量。
采用上述办法, 获得成功的关键是取得熟悉系统的人员的帮助。肯定地说, 在没有参
考模式情况下开发一个规范的系统动力学模型是困难的。读者应尽量避免这种情况。

3. 4. 3　 思考题

为了了解参考 模式及其在确定 问题过程 中的作用, 请读 者画出 下面用文 字叙述的 例

子的图形。
( 1) 一家生产某种牌号的缝纫机厂, 在过去的岁月 里, 其职工 人数起伏度很大。 试绘
出以时间为自变量的职工人数变化曲线( 请读者自己设定) 。并分析还有哪些变量与职工
人数的变化有关, 在同一时间坐标中绘出这些量的变化曲线。请注意这些变化量之间的相
应关系。另外, 影响此厂家的外部原因有哪些? 画出图形来。
( 2) 请用图形描绘一处游艺场或游览胜地的发展、衰败过程。
( 3) 考察一个城市交通的拥挤程度的变化及有关的影响因素。
( 4) 用图 形表示一 个国家 国民经济 发展的 历史情况, 诸如, 国民 生产总 值, 人 均国 民
生产总值, 粮食生产, 人口增长, 能源生产等情况; 并力图寻找它们之间的关系与时间上的
相位差。

§ 3. 5　 系 统 框 图

一旦待研究的问题已明确, 重要变量与参考模式已确定, 模型研制者下一步的任务就

是研究系统与其组成部分之间的关系以及这些重要变量与有关量之间的关系。为了研究
系统 的反馈 结构, 首 先要分 析系 统整体 与局 部的 关系, 进而 追索 因果与 相互 关系 链和 回
路, 然后把它们重新联结一起形成回路。回路的概念最简单的表示方法是图形。系统动力
学中常用四种图形表示法, 它们是系统结构框图; 因果与相互关系图; 流图; 速率—状态变
量关系图。本节讨论系统框图法, 后三者在第六、七、八节分述。
所谓框图就是用方块或圆圈简明地代表系统的主要子块并描述它们之间物质与信息
流的交链关系。
框图是所要介 绍的方法工具中 最简便的 一种, 然而它在 系统分 析与系统 结构分析 的
初步阶段显得很有用。一旦初步明确建模目的之后, 下一步就是要定义所要解决的问题与
有关的变量, 并初步确定所研究系统的界限。系统的界限往往不是一目了然的, 它是一个
想象的轮廓, 把与建模所要解决的动态问题有密切关系的最小数量的变量与部分划入, 使
系统与其环境隔开。
“ 明确目的, 确定问题”与“划定边界”是一个逐步深入了解系统和分析
问题、认识问题相辅相成的反复过程。在此过程中, 在方法上要区别对待粗细与主次, 往往
是先粗后细, 先主后次, 框图的简 洁性将十分 有助于人 们确定系 统界限、分析 各主要子 块
・ 3 7・
间的反馈耦合关系以及系统内可能存在的主要回路。
图 3. 3 给出了一个例子说明如何以框图粗略地勾划出一个国家的能源模型。

图 3. 3　 能源模型框图

图 3. 4 是一个描述各子块间反馈关系的全国的社会经济模型。

图 3. 4　 典型的全国社会经济模型框图

§ 3. 6　 因果与相互关系回路图法

因果与相互关系回路图往往用于以下两个方面:
( 1) 构思模型的初始阶段;
( 2) 非技术性地、直观地描述模型结构, 便于 与那些不熟悉系统 动力学的人员进 行交
流讨论。
因果与相互关系图普遍地用于构思模型的初始阶段, 但应该指出, 对于成熟的模型研
・ 3 8・
制者来说, 它并不是必经之路。

3. 6. 1　 什么是因果与相互关系图

读者在第二章第二节中所见到的图都是因果与相互关系图。它们有时候被称为影响
图或向图。如图 3. 5 所示, 图中的个别因果链( L ｉｎk) 可标明其影响作用的性质, 是正 的还
是负的。粗略地说, 正号表明, 箭头指向的变量将随箭头源发的变量的增加而增加, 减少而
减少; 而负号则表示变量间取与此相反的关系。

图 3. 5　 因果与相互关系图

图 3. 5 a 表明杯中水位与期望水位之差和斟水多少与快慢的关系。当水位差较大时,
斟水应多些快些; 反之则少些慢些。因此, 联结水位差与斟水多少的箭头, 标以正号。其他
箭头正负号的标法如图 3. 5 a 与 b 所示。道理是明显的, 请读者自行分析。
因果与相互关系图中某些带正号的箭头, 只是代表增加的涵义。例如图 3. 5a 中从“斟
水”到“杯中水位”的箭头, 当斟水速度降低时, 杯中水位还是继续增加, 只是增加得慢一些
而已。杯中水位是不会降低的( 假定杯中的水没流出或被喝掉) 。也就是说, 这一类带正号
的箭头并不表示被联接的两变量有比例关系。同理, 某一些带负号的箭头也不代表两变量
之间存在比例关系。因此, 当我们用一符号来说明变量间不同性质的关系时, 如比例关系
与积累关系, 要特别留心地加以区别。
下面对因果链极性的正与负加以定义。
因果链 A → + B:
　 　 连接 A 与 B 的因果链取正号,
( 1) 若增加 A 使 B 也增加, 或
( 2) 若 A 的变化使 B 在同一方向上发生变化。
因果链 A → - B:
　 　 连接 A 与 B 的因果链取负号,
( 1) 若 A 的增加使 B 减少, 或
( 2) 若 A 的变化使 B 在相反方向上发生变化。
为了确 定比例 型的 因果链 的极 性, 应先检 查一 下, 当 A 增加或 减少 时, B 如何 变化。
・ 3 9・
若 A 增加使 B 亦增加, 该因果链是正的; 若 A 增加使 B 减少, 则此因果链是负的。

3. 6. 2　 因果与相互关系图中反馈回路的极性

为了确定回路 的特性, 即 回路的极性; 可 沿着反馈 回路绕行 一周, 看一看 回路中全 部

因果链的累积效应如何。回路极性可为正或负。图 3. 5b 为铁路发展因果关系图。它包括
两条回路, 其一为循正反馈回路而行, 各因果链的累积效应为正, 即具有自加强作用。另一
回路中, 因果链极性的累积作用为负, 故回路极性为负。铁路建设的发展情况, 则与这两条
回路各自作用的强弱有关( 当然还与投资能力等因素有关) 。
确定回路极性的一般原则如下:
( 1) 若反馈回路包含偶数个负的因果链, 则其极性为正;
( 2) 若反馈回路包含奇数个负的因果链, 则其极性为负。
因此, 反馈回路的极性取决于回路中因果链符号的乘积。
正如第二章已论及的, 正反馈回路的作用是使回路中变量的偏离增强, 而负反馈回路
则力图控制回路的变量趋于稳定。由此可知, 负反馈作用并不坏, 而正反馈作用并不一定
都是好的。

3. 6. 3　 因果与相互关系图应用指南

因果与相互关系图简明易懂, 但它是靠不住的。它易于使初学者走入歧途。下述建议
或许有助于避免在应用因果与相互关系图时犯错误。
( 1) 把因果与相互关系图中的变量设想为能升降、增减与上下的量。暂不必担心是否
能以现有的单位和量纲去度量。此外可推论出:
1) 在因果与相互关系图中采用名词或名词的短语, 不用动词。 变量之间的影响 与作
用以带箭头的因果链表示。参见图 3. 6 可知, a 图是错误的, b 图才是正确的;

图 3. 6　 因果与相互关系图中变量间相互作用的表示法

2) 把变量增减的涵义弄确切;
3) 不用因果链去代表“然后……”的语气。
( 2) 尽可能确定变量的量纲。必要时可自己创造一些。例如某些心理学方面的变量,
不得不采用诸如精神上的“压力”单位。确定量纲有助于突出因果与相互关系图中的文字
叙述的涵义。
( 3) 尽可能定义变量本身为正值。不把诸如“衰减”、
“衰退”、
“ 降低”一类定义为变量。
・ 4 0・
由 于“衰 退”的增长 或“降 低”的上升的 说法 将令人 费解,
而且当 检验因果 链的极 性与确定 回路 的极 性时, 将使 人
目眩。如图 3. 6 的 a 图就不如 b 图的表达好。
( 4) 如 果某 因果 链需加 以扩 充, 以便 于 更详 尽地 反
映反馈 结构的机 制, 则 毫不犹 豫地将 其扩 充为一 组因 果
链。
( 5) 反 馈结 构应 形成闭 合回 路, 如图 3. 7 的 结构 是 图 3. 7　 一个未闭合的回路
开环回路, 但应该形成闭合回路, 它有待于修改完善。

3. 6. 4　 因果与相互关系图练习

请用因果与相互关系图, 根据下面文字叙述的内容描绘出它们的反馈结构。
( 1) 东西方两个大军事集团的武器生产竞 赛。完成后请找出一 条正反馈回路与 一条
负反馈回路, 看一看整个反馈结构有什么特点。
( 2) 库存控制系统: 包括定货、定货单积 压、发货。输 出库存以交付定 货, 生产则 补充
库存。分析结构中回路的极性。
( 3) 一个医生的工作量: 定义医生的工作量为常年来 就诊的病人数, 每个病人每 年平
均就诊次数与每个病人每次就诊平均时间( 小时) 的乘积。结构中应包括一条使病人就诊
增长的正反馈回路和数条限制其增长的负反馈回路。
( 4) 其他周而复始的循环现象。选择你所熟悉的问题与现象, 诸如人的呼吸、饮食、工
作的变动、社会文化的变迁, 时装特点的变化等。请构思 2—3 个因果关系结构, 至少包含
一条负反馈回路并说明理由。

§ 3. 7　 流图法( 结构图法)

因果与相互关系图只能描述反馈结构的基本方面, 不能表示不同性质的变量的区别,
这是它的根本弱点。例如, 状态变量的积累概念, 是系统动力学中最重要的量, 然而因果与
相互关系图全然忽略了这一点。在实际生活中有许多积累作用的变量。譬如, 当斟水的时
候, 杯中的水位的升高是积累的结果; 库存量是进货与提货速度代数和的积分。在介绍因
果与相互关系回路图时, 已经指出, 在描述这一类积分变量的变化时, 在因果链关系中, 只
能说增加或减少, 而不能说按比例变化。在概念上, 积累效应与影响它的速率是十分不同
的。假想用照像机摄下系统静态照片, 积累变量依然可见, 且可以加以测定, 然而影响积分
量的速率却见不到也无法在照片上加以测定。
我们希望清晰地描述影响反馈系统的动态性能的积累效应。由于描述积累作用的方
程与一般的代数方程是十分不同的, 因此引出系统的状态变量( L evel or state) 的概念 , 并
为了方便在图中以矩形符号代表它。

3. 7. 1　 状态变量、速率与流图法

在反馈系统中, 积累环节被称为库存、贮存、状态变量或位。
“位”的涵义系源自流体在
・ 4 1・
容器中积存的液面高度, 如水位。系统动力学认为反馈系统中包含连续的, 类似流体流动
与积累过程。速率或称变化率, 随着时间的推移, 使状态变量的值增或减。流图仿效阀门
与浴缸的关系把速率与状态变量描述如图 3. 8 所示。此图突出积累过程与液体流动过程
的类似性。

图 3. 8　 流图及其表示符号

在 图中的云 状的符 号表示源 ( Sour ces) 与漏 或沟( S ｉｎks ) , 两者 都是抽象 的概念, 它 们

代表输入与输出状态或称位( L evel ) 的 一切物质。以库存 来说, 库存 量的多寡和生产 与交
货有关, 云状符号表示库存的货源与交货的去向。相对于我们关心的有积累过程的真实系
统, 它们代表那些在 系统界限以外的 部分。图 3. 9 表示 兔子头数 流图。图中 的云状符 号
—— 源与漏, 表示此模型不考虑小兔的来源与老兔的去向, 把它们都放在界限之外。
图 3. 9 还给出把兔子按成年与未成年分类, 分成的两个状态的系统的例子。有一类问
题需要这样做。再看一例, 劳动力队伍一般可分成两部分, 一部分为已具有劳动技能的正
式工人; 另一部分为尚在 培训的工人, 培训 需要一定 时间, 如半年 或一年, 称为培 训延迟。
图 3. 10 描述了这种情况与结构。

图 3. 9　 兔子头数流图

图 3. 10　 劳动力的两状态流图

如何决定把一个积累的变量考虑成一个或两个或多个的状态呢? 这要取决于问题是
如何确定的和系统的动态性质是怎样的。这一点留到以后再讨论。下面举几个例子来说
明流图的应用。
图 3. 11 为曾广为使用的 DD T 循环过程的动态问题研究框图。为突出状态变量结构
关系, 图中的速率符号均略去, 所有辅助变量及其表示符号亦一概略去。
图 3. 12 为固体废物的发生机制。图中有“原材料加工”状态变量, 是为了研究关于再
・ 4 2・
 图 3. 11　 D D T 循环过程的动态问题研究

图 3. 12　 产生固体废物的机制 图 3. 13　 正反馈与负反馈基本回路流图

・ 4 3・
循环的政策而设置的。若模型结构只包含自然资源与固体废物两个状态变量, 当然也是可
以的; 但是, 如此简化的模型, 其能研究问题的范围将大为缩小, 用处也就小了。

3. 7. 2　 物流与信息链的表示

物质从仓 库( 状态变 量) 输出 时, 使库 存量减 少, 然 而反映仓 库情况 的信息, 源自仓 库

发至系统的其他部分, 却丝毫不影响仓库( 即状态变量) 本身。因此, 信息反馈链与具体的
物质流是极其不同的。在此顺便指出, 因果关系图的另一个重要缺点: 在因果关系图中, 为
了简 便, 忽 略了 信息 反馈链 与物 质流的 差别, 用 相同的 实线 箭头 表示两 种全 然不 同的 概
念。
流图能清楚地描述速率与状态, 并区分物质流与信息链。物质流与信息链分别用实线
与虚线箭头表示。图 3. 13 给出两个读者熟悉的反馈回路的例子。两例包含了各基本单元
与表示符号。
对于复杂系统的流图, 在信息回路中无疑还有其他变量, 称为辅助变量。在反馈结构
中, 除了速率与状态变量外, 还有许多信息变量需加以研究与定义。在以后的章节将详加
讨论。一个完整的流图, 其结构几乎已接近完全量化的模型了。模型的量化方法将在第四
章介绍。

§ 3. 8　 混　 合　 图

混合图已日渐普遍地成为描述系统结构的一种方法。所谓混合图就是在因果关系图
中, 把状态和速率变量按照流图中的符号表示出来。混合图全部用实线表示。图 3. 14 给
出一个用混 合图描述系统结 构的实例。此图 描述了自 然资源发 现率与 勘探成本、勘探 投
资、储产比及市场需求等诸方面的关系。

图 3. 14　 混合图实例
注: 在因果 关系 图中用 流图 的符号 清晰地 标出 状态变 量与 速率

这种混合表示法的优点在于: 既把重要的状态与速率变量清晰地表示出来, 又保持了

・ 4 4・
因果相互关系回路图的简洁性。把速率与状态变量清晰地标出来后, 使读者能更加可靠地
用混合图分析与推论反馈结构所综合的动态特性。混合图还能使读者比简单的因果相互
关系回路图更容易理解模型假设的实际动态因果相互关系。由于能识别速率与状态变量,
使混合图向建立可进行计算机模拟的方程式靠近一大步。

§ 3. 9　 图解分析法—— 速率与状态关系作图法

系统动力学强 调动态地定义与 思考问题, 系统 中的变量 最好能 以随时间 变化的图 形

表示。以这种图形描述所研究系统的变量的特性, 就是问题求解的一种形式。图解分析法
是一种简便、形象的分析 工具, 它 能分析以一 阶反馈结 构为基础, 简 单线性或 非线性系 统
变量随时间变化的特性。
图解分析法的第一步是要找到待研究的有关变量、状态与速率的关系曲线, 即以状态
变量与速率为坐标的关系曲线。速度 R AT E 与状态 LE V 的一般关系式为:
R A T E = f ( L E V ) , f 可 为线性或 非线性函 数, 此关系式 可以速 率—状态 关系图 表示,
如图 3. 15 所示。

图 3. 15　 速率—状态关系图

常见的 f 函数有线性与非线性两类, 如图 3. 16 所示。图中曲线 A、B、C 是线性的, D、

E 、F 、G 是非线性的。

图 3. 16　 线性与非线性函数

速率与状态关系图并无时间变量, 还不能直接获得变量与时间的关系曲线, 但根据它

可以用图解 法把它 隐含的变 量与时间 的关系 求出来, 即把 L E V 与 R AT E 变 量随时间 的
变化曲线绘制出来。图 3. 17 给出根据 RA T E 与 LE V 关系曲线以图解法求出某系统变量
・ 4 5・
随时间变化 的例子, 其 间关系一目了然, 不作赘 述( 若欲进一 步研究 此组曲线 所描述的 反
馈机制可参见第五章第七节 S 形增长的一阶反馈结构) 。可见, 通过图解分析能够求出简
单系统的解。

图 3. 17　 图解法求作系统变量随时间变化曲线

上述就是图解 分析法的基本内 容, 在此 基础上 可对所研 究的变 量间的关 系作进一 步

的 探讨。比 如, RA T E 与 L E V 的 关系 曲 线可 取 各 种可 能 的形 状, 并 求 出相 应 的可 能 解
L E V ( t ) 与 RA T E ( t ) 曲线。对社会经济系统而言, 上述内容即所谓“政策分析”过程, 它揭
示了政策与系统未来发展的内在联系。若是把上述过程倒过来, 先给出变量期望特性, 再
经作图求出变量的关系曲线当然也是可以的。
图解分析法具 有人所共知的简 单、形 象、清晰的优 点, 然 而它最 可贵的特 点还在于 它
能够分析解决用一般线性分析解析方法无法解决的简单非线性系统的问题。图解分析法
也有它的弱点, 它无法胜任对于复杂系统的分析研究任务。对此唯有仰仗系统动力学的理
论、构模原理和借助计算机模拟技术了。

§ 3. 10　 模型体系的演进及其应用

( 1) 系统动力学的传统模型
按其阶数与方程的数量可划分为大、中、小三种, 如表 1. 1 所示。它们应按照建模的目
的与要求加以选用。
( 2) 通用模型子结构系列
在企业经营管理决策方面已初步完成。
( 3) 模型库
表　 1. 1

种类 模型阶数 大约方程数 模型举例

美 国 SD 国 家 模 型 200 阶, 方 程 4000 以 上 ( 到
大 > 75 > 1500
1993 年底, 已精炼至 2500)
中 20—75 500—1500 中国国家模型库之主模型 50 阶, 方程 1000
小 < 20 < 500 一般的城市模型、企业管理模型

・ 4 6・
　 　 以主模型为核心辅以一定数量的分模型。主模型描述整体与局部、上与下的关系; 分
模型对系统的子系统和组成部分分别加以详细( 根据建模要求) 描述。它们可联合模拟运
行或独立运行。
( 4) 系统动力学模型为主体与其他理论、方法的结合
① 数理经济学、计量经济学与系统动力学 相结合运用。数理经 济学用于揭示与 描述
经济变量之间的定量关系。计量经济学主要用某些参数的估计。它们与系统动力学的结
合应用始于 70 年代初。
② 产业关联分析、投入产出分析与系统动力学结合运用, 始于 1977 年。
③ 优化理论与系统动力学结合, 始于 1977 年。
④ 非平衡自组织理论与系统动力学相结合。前者用于对一组系统动力学模型进行同
态简化, 获得集中模型( 或总体模型) 。另一种结合方法是, 先建立系统动力学模型, 推出系
统演化方程, 运用协同学找出序参量, 以解释系统的自组织现象。此种结合已用于洞庭湖
整治开发总体模型研究。
⑤ 运用灰色系统理论与方法为系统动力学模型中某些辅助方程的参数作估计。
⑥ 应用 图论分析 方法给 出系统动 力学流图 的极大 出树、反馈回路 的确 定方法, 十 分
有助于对系统动力学模型的调试与结果分析。
( 5) 系统动力学和其他多种方法组成综合模型体系。
( 6) 智能化综合系统是以系统动力学与复杂 系统理论( 耗散结构、协同学、突变论等)
相结合建立以系统动力学模型为核心的模型库, 再加上知识库与数据库等组成。

・ 4 7・
 第四章　 DY NA M O 等模拟语言系列简介

§ 4. 1　 概　 　 述

　 　 DYN AM O 是一种计算机模拟语言系列。取名来自 Dy ｎa mｉc Models ( 动态模型) 的混

合缩写。顾名思义, DYNA M O 命名的涵意在于建立真实系统的模型, 藉助计算机进 行系
统结构、功能与动态行为的模拟。
DYN AM O 和 系 统 动 力 学 的 关 系, 可 追 溯 到 50 年 代 系 统 动 力 学 发 展 的 初 期。
DYN AM O 的 前身 称 SIM PL E 是“S ｉmula tｉoｎ of Iｎd ustrｉa l Ma ｎag emeｎt P roblems Wｉth
L ots of E qua tｉoｎ ”的缩头词。目前流行的 DYN AM O 有 DY NA M O Ⅱ与Ⅱ/ F , DYN AM O
Ⅲ与 M ini－DYN AM O。DYN AM OⅢ 可处理带有下 标的变 量, M ini－DY NA MO 的规模 略
小于 DYN AM O Ⅱ可运行于 小型机。 Micro －DYNA M O 可运行 于微型机, 已于 1983 年 进
入实用阶段。DYN AM O Ⅳ是目前本系列中功能最丰富的一种, 它除了包括了 DYN AM O
Ⅲ还加上能 处理更高阶问题 的方法。此外, 功能与 DYN AM O 类同的模拟语 言还有美 国
it hink . ST E L LA 系列, V ens im、Powersim 和的 NDT RA N , 英国的 DYSM AP 。
用 DYN AM O 写 成的反馈系统模型 经计算机进行模 拟, 可得 到随时间连 续变化的 系
统图像。换言之, 模型描述系统的结构并模拟系统的功能与行为。譬如说, 收货与发货可
分别视为仓库的连续输入与输出。若输入等于输出, 库存量不变; 入大于出, 库存增加, 反
之则库存减小。
下面继续以库 存系统为例具体 说明 DYN AM O 如何 模拟一个连续 变化的反 馈系统。
为简单起见, 考虑输入、输出速率 为常数 的情况, 假定每 月发货 与入库各 为 100 与 80 件。
则库存 IN V 每月减 少 20 件, 其 动态行为 是线性 的, 以 图形表示 就是随 时间变化 的直线,
上述可用数学式表达:
INV 现 在 = IN V 过 去 + ( 时 间 间 隔) ＊ ( 纯 速 率) , 若 库 存 量 在 5 个 月 前 为 1200 件, 问
INV 现 在 = ? 由上式得:
IN V 现 在 = 1200 件+ ( 5 月) ＊ ( 80 件/ 月- 100 件/ 月)
= 1200+ 5＊ ( - 20)
= 1200- 100
= 1100 件
当速率随时间变化时又如何办呢? 很简单, DY NA M O 能把连续的时间分割成小的时
间间隔, 并假定在各小间隔内速率是固定的, 然后, 藉助计算机逐段地一一加以计算。显然
其计算结果是近似的。不过若计算的时间足够小, 速率变动不大, 则此结果将与从微分方
程获得的精确解( 如果可能求得的话) 十分接近。
DYN AM O 中的符号能清楚地说明计算机是如何进行计算的。DYN AM O 中的变量,
用时间下标 以区别在时 间上的先 后。用英文 字母 K 表 示现在, J 表 示刚刚过 去的那一 时
・ 4 8・
刻, L 表示紧随当前的未来的那一时刻。DT 表示 J 与 K 或 K 与 L 之间的时间长度。它们
之间的关系如图 4. 1 所示。
库存方程可用 DYN AM O 表示如下:
INV . K = IN V . J + DT ＊ ( OR RE . JK - SH . JK )
式中:
IN V . K —— 库存现有量;
IN V . J —— DT 前的库存量;
DT —— 计算的时间间隔;

图 4. 1　 DY NA M O 中的时间下标 OR RE —— 在 JK 间隔内收到的订货量;
SH —— 在 JK 间隔内的发货量。
当模拟一个动态反馈系统的时候, DYN AM O 按 每一个 DT 为一步, 对系统的定 量模
型, 逐步地模拟下去, 从而得出系统的行为。上述计算可手算, 显然这样做对于复杂系统是
不 可 能 的, 数 字 计 算 机 正 是 此 项 繁 重 计 算 任 务 的 理 想 承 担 者。 读 者 或 许 会 争 辩 说,
F OR T R A N , BASIC , P ASCA L 等 计 算 机 语 言, 不 都 能 够 完 成 计 算 任 务, 为 什 么 非 采 用
DYN AM O 呢? 简单地说, DYN AM O 是 特地为模拟反馈 系统设计的专用 语言, 使用 起来
更加方便。所以发展 DYN AM O 一直受到重视, DYN AM O 系列正是伴随系统动力学, 相
辅相成地发展起来的。
研制 DYN AM O 的一个目的是为了 方便建模人员, 使不熟悉 计算机的人 和有经验 的
程序人员都能使用。只需用简单的语句 PL OT , 就能得到图形输出, 并选择所希望的 比例
尺。用语句 P RINT 可得到以表格形式输出的数据模拟结果。DY NA M O 拥有一些专用的
函数, 十分有助于建模者的构思与书写模型的方程。

§ 4. 2　 方程式的种类
4. 2. 1　 一些规定与规则

　 　 ( 1) 变量名字符数的规定
DYN AM O 能识别的变量名字符数不超过 6 个。变量名的第一字符必须是字母, 其后
则可为字母或数字。任何具有字符数从 1 至 6 的变量名均能被识别。例如在模型中有多
个库存, 可用 IN V 1, INV 2, …以示区别。变量的命名, 当然是建模者权限内的事, 但以容易
识 别 变 量 的 涵 义 为 佳。 比 如 用 X 1 , X 2 , … 命 名, 在 手 算 时 可 能 有 方 便 之 处, 然 而 在
DYN AM O 模型中, 特别当模型方程数很多时, 就令人眼花 乱, 难于让人 读懂, 自然 也就
不便于交流。
( 2) 代数运算符的表示
DYN AM O 采用通用的代数运算符号:
加法　 　 　 +
减法 -
乘法 ＊
除法 /
・ 4 9・
 乘 法 也可 以用括 号把 相乘的 各变 量分 开来表 示, 比如: ( L A BOR . K ) ( PR OD. K ) =
L A BOR . K ＊ PR OD . K 。在代数运算中, 其次序是先乘方、开方, 再乘、除, 最后是加、减。但
在括号中的加、减却优先于括号外的运算符号。此外, 同一层次的运算符, 总是按先左后右
的原则进行运算的。
( 3) 一个方程中不能有空格, 每行不能超过 72 列。一行不够可另起一行, 但第 1 列须
为字符“X ”以作为标志。

4. 2. 2　 变量与常数

在 DYN AM O 书写模型中的所有数量, 可划分为两大类: 常数, 其值在一次模拟的全

过程中不变; 变量, 其值是可变的。在 DYN AM O 里区别它们是很容易的, 凡是变量都带
有时间下标: K , J , KL 或 JK 。常数均不带时间下标。例如, SA LE . K 表示变化的销售量,
SAL E 则表示固定的销售量。

4. 2. 3　 状态( Sta te, L evel) 变量方程

状态变量: 凡是能对输入和输出变量( 或其中之一) 进行积累的变量称为状态变量。

在 DYN AM O 中计算状态变量( 或称积累变量) 的方程称为状态变量方程。
状态变量方程在 DYN AM O 模型中, 须以 L 为标志写在第一列。例如:
L 　 　 L E VE L . K = LE V E L . J + DT ＊ ( INFL OW . JK - OU T FL OW . JK )
式中:
L E V EL —— 状态变量;
INF LO W —— 输入速率( 变化率) ;
O U T F L OW —— 输出速率( 变化率) ;
DT —— 计算间隔( 从 J 时刻到 K 时刻) 。
再如:
L 　 　 POP . K = POP. J + DT ＊ ( BIR T HS. JK - DE A T HS. JK + IN MIG. J K
- OU T MIG . J K )
式中:
P OP —— 人口变量( 人) ;
BIR T HS —— 出生率( 人/ 年) ;
DE AT H S—— 死亡率( 人/ 年) ;
INM IG —— 迁入率( 人/ 年) ;
O U T M IG —— 迁出率( 人/ 年) 。

4. 2. 4　 速率( 变化率) 方程

在 状 态 变 量 方 程 中 代 表 输 入 与 输 出 的 变 量 称 为 速 率, 它 由 速 率 方 程 求 出。 在
DYN AM O 中, 速率方程以 R 为标志。
与状态变量方程不同, 速率方程是没有标准格式的。下面给出一些例子。
R 　 　 BIR T H S . KL = BR F ＊ POP . K
・ 5 0・
式中:
BIR T HS —— 出生率( 人/ 年) ;
BRF —— 出生率系数( 人/ 年) ;
P OP —— 人口( 人) 。
又如:
R 　 　 DE AT HS . K L = P OP . K / A VL IF E
式中:
DE AT H S—— 死亡率( 人/ 年) ;
P OP —— 人口( 人) ;
A V LIFE —— 平均寿命( 年) 。
又如:
R 　 　 OR . K L = AV SH . K + ( DSIN V . K - INV . K ) / T A I
式中:
O R —— 订货率( 件/ 月) ;
A V SH —— 平均发货量( 件/ 月) ;
DSINV —— 期望库存量( 件) ;
INV —— 实际库存量( 件) ;
T A I—— 库存调整时间( 月) 。
由上述可得出:
( 1) 速率方程无一定格式。因此建立速率方程式颇费功夫。可以说, 构思与书写模型
的工作中, 考虑与建立速率方程的份量占了很大的比例。
( 2) 速率的值在 DT 时间内是不变的。进一步说, 速率方程是在 K 时刻进行计算, 而
在自 K 至 L 的时间间隔( 即 DT ) 中保持不变。速率的时间下标为 K L 。

4. 2. 5　 辅助方程

至今 所述关 于以 DYNA M O 语 言建 立模 型问题, 似 乎只 需确定 状态 变量, 决 定它 们

的速率方程, 和给定方程式中的所有常数而已。然而在建立速率方程之前, 若未先做好某
些代数计算, 把速率方程中必需的信息仔细加以考虑, 那么将遇到很大的困难。这些附加
的代数运算, 在 DY NA MO 中称为辅助方程, 方程中的变量则称为辅助变量。
由上述我们可以把辅助方程定义为: 在反馈 系统中描述信息的 运算式。“辅助”的涵
义就是帮助建立速率方程。
在 DYN AM O 语言中, 书写辅助方程时要以字母 A 为标志, 并写在第一列的位置上。
下面举例说明如何建立辅助方程。
先以茶水冷却模型为例。一杯茶置于桌上, 其冷却速度( 即温度的变化率) 和茶水与室
的温度差、周围介质的传热系数有关。用 DY NA MO 书写如下:
A 　 　 DISC . K = R OOM - T EA . K
R 　 　 CHN G. K = CONST ＊ DISC. K
式中:
・ 5 1・
 DISC—— 茶水与室温度差( ℃) ;
R OOM —— 室温度( ℃) ;
T E A —— 茶水温度( ℃) ;
CH NG —— 茶水的温度变化率( ℃/ 分) ;
CON ST —— 介质传热系数( 1/ 分) 。
读者可能会认 为本例的速率方 程较简 单, 应 用辅助方 程是多 余的, 此评论言 之有理,
不过此例目的 仅在于说明如何 应用辅助方程 帮助建立 速率方程, 故 有意把辅 助方程内 容
的难易、繁简问题先撇一边。在实际建模中, 读者应根据速率方程内容的繁简程度和实际
需要, 来确定如何应用辅助方程。
下面再举一些例子说明辅助方程的多样性和应用辅助方程的必要性。
期望库存 DSIN V 的辅助方程。在 4. 2. 4 中订货率 OR 的速率方程中有 DSINV . K 辅
助变量, 它是由下式求出的。
A 　 　 DSIN V . L = DIC＊ A VSAL E . K
式中:
DSINV —— 期望库存( 件) ;
DIC —— 期望库存覆盖时间( 周) ;
A V SAL E —— 平均销售率( 件/ 周) 。
交货延迟 DD 的辅助方程:
A 　 　 DD. K= BK LG . K / AV SH IP . K
式中:
DD —— 交货延迟( 周) ;
BKL G —— 订货积压( 件) ;
A V SHIP —— 平均发货率( 件/ 周) 。
土地占用系数 L FO 辅助方程:
L FO . K = BL DN GS. K ＊ L PB/ A R E A
式中:
L FO —— 土地占用系数( 无量纲) ;
BLDN GS—— 建筑物( 座) ;
L PB —— 平均每座建筑物占用土地( 亩/ 座) ;
A R E A —— 城市面积( 亩) 。
综上述可见:
( 1) 辅助方程没有统一的标准格式;
( 2) 辅助变量的时间下标总是 K;
( 3) 辅助变量可由现在时刻的其它变量: 状态变量、变化率和其它辅助变量求出。

4. 2. 6　 表函数( Ta ble F unctions)

模型中往往需 要用辅助变量描 述某些变 量间的非 线性关系, 显 然简单地 由其它变 量

进行代数组合的辅助变量已不能胜任。若所需非线性函数能以图形给出, 那么就能十分简
・ 5 2・
单地以 DYN AM O 的表函数表示。
现在考虑一个企业建设的例子( 第八章还要讨论本例) 。企业建设 BC 是变化率, 方程
如下:
R 　 　 BC . KL = NCF ＊ BS. K ＊ E LBC . K
式中:
BC—— 企业建设( 个/ 年) ;
N CF —— 额定建设系数( 1/ 年) ;
BS—— 企业( 个) ;
E L BC —— 土地对企业建设的影响( 无量纲) 。
在这里 只讨论 辅助变量 E L BC 方程 的建立问 题。我们假 定, E L BC 为 土地占 用系 数
L FO 的函数, L FO 变化范围为从零至 1。当 LF O= 0 时, 表示土地全未占用, L FO= 1 则表
示土地均被占用。图 4. 2 给出 E L BC 与 L FO 的非线性关系( 图中虚线②) 。
图 4. 2 的非线性曲线可选用它的十个点的 X 与 Y 坐标值来描述, 并列表如下:

X( L F O) 　 0 　 0. 1 　 0. 2 　 0. 3 　 0. 4 　 0. 5 　 0. 6 　 0. 7 　 0. 8 　 0. 9 　 1

Y ( E LBC) 1. 3 1. 28 1. 25 1. 22 1. 18 1. 1 1 0. 7 0. 3 0. 1 0

原曲线 E LBC ( 即 Y ) 在上述 诸点以外的其 它

值, 可根据此表给出的值进行插补求出。读者
一定注意到, X 坐标的值是等间距的, 因 此它
们可 用其最 小值、最 大值及 其相 邻点 的增 量
值来标志。本例可以 0, 1 和 0. 1 来表示。上
述内容可用 DYN AM O 简明地描写如下:
A 　 　 E LBC . K = T A BL E ( T E L BC ,
LF O. K , 0, 1, 0. 1)
T 　 　 T E L BC = 1. 3/ 1. 28/ 1. 25/ 1. 22/
1. 18/ 1. 1/ 10. 7/ 0. 3/ 0. 1/ 0
第二行之首标以 T , 就是表函数的意思。全行

图 4. 2　 土地对企业建设的影响 按次序把图表 中的 Y 坐标 的值写出, 以斜 杠

隔开, 在 DY NA MO 中也可以用逗号替之。
在 辅助 变量 E LBC 的方 程中, T ABL E ( —— , —— , —— , —— , —— ) 含 意为, E LBC 的 值可 以
由所列出的点所代表的函数关系进行计算得出。符号 T ABLE 含意为表函数, 表函数中的
第一项代表该辅助变量在图中的 Y 坐 标值, 可 任意命名, 但为了便于记忆 识别, 可在 变量
名前加字符 T 成为如本例的 T E L BC , 意为 E L BC 变量表函数的 Y 坐标值。第二项为输入
变量, 即图中的 X 坐标变量, 在本例为土地占用系数 L FO。第三、四和五项分别表示 X 坐
标的最小值, 最大值和增量值。当书写方程时应注意应使 Y 坐标的值, 与 X 坐标的值一一
对应, 完全与原图形中曲线的 X 、Y 值一致。
如前述, 辅助变量 Y 坐标的 值, 在特定 点之间的值是由 插补求 出的, DYN AM O 采 用
・ 5 3・
线性插补求取这些值。插补之所以必要是因为输入量不一定恰好等于那些特定点的 X 坐
标值, 当 然也 就没 有 相应 的 Y 值可 取, 只好 求助 插补, 而线 性插 补正 是较 常 用的 一种 方
法。线性插补可能当相邻两段的斜率发生突变时而产生 一点误差; 不过此误差在一 般情
况下是允许的。线性插补以其灵活性与简单性而被采用。若有人愿意的话, 可采用多项式
实现通过特定点的平滑过渡( 称为 T ABP L 表函数) , 然而 对准确度如此高 的要求, 在 系统
动力学的模型中似乎是多余的。
总之, 辅助变量的值可用表函数给出, 采用下示格式:
A 　 　 VA R . K = T A BL E ( 表名, 输入变量, 最小的 X 值 XM , 最大的 X 值 XM , X 的 增
量 ΔX)
T 　 　 表名= Y 0 / Y 1 / Y 2 / … Y n
　 　 Y 0 , Y 1 , Y 2 , …, Y n 为特定点 n 的 Y 坐标值。
一般系统动力学构模者使用两种类型的表函数: T A BL E 与 T ABHL 。它们的功能几
乎相同, 只是用 T ABH L 时, DY NA M O 不报告当输入变量超出表函数范围时的信 息。而
T A BH L 中的“ HL ”为“hｉg h －low ”的缩写, 其用意 在于表 明 T A BHL 处理输入 变量超出 表
函数的范围两端时, 当 X< Xm 取第 一个 Y 值( 即 Y 1 , Xm ) , 当 X > XM 时取 最后 一个 Y 值
( 即 Yn ) 。
此外, 还有 T A BXT 与 T A BPL 两种表 函数。T A BXT 用得不多, 其特点 在于当输 入
超出预定范围后, 表函数值用外插补求出。也就是插补的走向分别由第一个区间线段和最
后一个区间线段的斜率决定。T A BPL 表函数的功能前已述及, 其特点在于能消除线段连
接处形成的拐角。
应该指出, 以上只是侧重 介绍什么是 表函数, 书写 表函数的 格式, 以及表 函数的种 类
和特点。至于构思表函数曲线, 则是另一类技巧, 将在第八章中讨论。

4. 2. 7　 N 方程

DYN AM O 中的所有方程, 在书写时, 都采用指定的字符表明 方程的种类。我们 已经

讨论过 C , L , R , A 和 T 方程, 它们分别标志常数, 状态变量方程, 速率方程, 辅助方程和表
函数。现介绍 N 方程。
N 方程 的主要用途是为 状态变量方程赋 予初始值。 在模型程 序中, N 方 程通常紧 跟
着状态方程。下面再以第一节中的库存方程为例:
L 　 　 INV . K = INV . J + ( DT ) ＊ ( ORR E . JK - SH . JK )
N INV = 1000
上述方程表 明库存的初值为 1000 件, 模拟应从 IN V = 1000 开始, 一旦( OR R E . JK - SH .
J K) ≠0 则库存值偏离初始值。
所有模型中的状态变量方程必须赋予初始变量, 故每一个 L 方 程都必须随之以 N 方
程。请读者留意, N 方程中的字符不能出现时间下标。
DYN AM O 处理初始值与 N 方程的功能非常 强。比如, N 方程的右边可 以有辅助 变
量、变化率和常数; DY NA M O 能自动处理 N 方程为 L 方程赋予适当的初始值。对上述库
存 INV 初始值的例子, N 方程可写为:
・ 5 4・
 N 　 　 IN V = DIC＊ A VSH
式中:
INV —— 库存( 件) ;
DIC —— 期望库存覆盖时间( 周) ;
A V SH —— 平均发货率( 件/ 周) 。
DIC 可 为 常 数 ( 例 如 4 周) , 而 A VSH 需 从 辅 助 方 程 写 出。 即 使 原 模 型 程 序 中 未 给 出
A V SH 的初始值, DYN AM O 能自动算出辅助变量 A VSH 的初始 值。若在模型中未 能给
出足够的初始值和常数( 即信 息) , DYN AM O 可 自动 检出 并发“出错 ”信息。这一 点将 在
“排错”一节进一步阐述。
有时常数亦需用 N 方程计算得出。这类常数不仅限于状态方程的初始值。例如, 计算
家兔的头数需先算出其出生系数 BR F 。BRF 取决于许多因素诸如: 每只雌兔每年生小兔
的窝数 L PFY , 每窝胎数 OPL , 成活率 FS , 雌兔的比例系数 FF , 成熟母兔的比例 系数 F M
和平均寿命 A VL IF E 。BR F 应为这些项的乘积, 用 N 方程进行运算:
N 　 　 BR F = L PFY ＊ OPL ＊ FS ＊ F F ＊ FM ＊ A VL IF E ( 1/ 年)
C L PFY = 3
C OPL = 3
C FS= 0. 6
C FF = 0. 5
N FM = ( AV LIFE - 1) / AV LIFE
C A VL IFE = 5
读者可能注意到, FM 也是用 N 方程计算的。显 而易见, BRF 方程的值亦可 手算得出( 得
BRF = 5. 76) , 在模型中用 C 方程表示, 可毋须再用 N 方程, 即
C　 　 BR F = 5. 76
显然这对建模者来说就需要更多的时间。

4. 2. 8　 方程式种类小结

至今已讨论 DY NA M O 模型中的六 种方程, 每一种方程用前 已介绍的标 志字符表 示

如下:
L 　 　 状态变量方程
R 速率方程
A 辅助方程
C 赋值予常数
T 赋值予表函数中 Y 坐标
N 计算初始值
L 方程是积累( 或称积分) 方程。R 与 A 方程是代数运算方程。C, T 与 N 语句为模型提供
参数值, 在同一次模拟中是不变的。 X 语句表明该行是前行的继续。
DYN AM O 对上述各方程中的变量的时间下标, 都有特殊的规定。DY NA M O 将藉助
时间下标自动检查模型方程是否符合模拟的过程。
・ 5 5・
 图 4. 3 为系统动力学模型中各种变量与方程图形表示的通用符号。

图 4. 3　 DY N AM O 模型中常用的流图符号

§ 4. 3　 延迟、平滑和平滑函数

系统动力学模型应包含反馈系统中的主要物质与信息流。有时候, 物质与信息流存在
延迟。在现实生活中, 延迟的现象比比皆是, 比如, 厂家一般不可能立即向顾客交付订货,
而且货也未必 能同时到达; 人们感染生病, 一般要 经过潜伏期, 然后显出病的 症候; 播 种
粮食不会立即收获; 生产的投资不可能马上受益等等。可见, 延迟是信息反馈系统结构中
颇为重要的一个角色。所以 DY NA M O 有数种延迟函数, 为便利构模人员使用, 它们被预
先编制成相应的宏指令。

4. 3. 1　 物质延迟

考虑一个简单的疾病蔓延模型, 其基本的三状态变量的结构如图 4. 4 所示。但为了政

策分析的需要, 最好增加一个成为四状态变量结构如图 4. 5 所示。三状态变量结构包含:
未患病者 SU SC , 患病者 SICK 和康复者 RE COV 三个状态变量。四状态变量结构比前者
・ 5 6・
在“患病者”状态变量之 前增加一个“处潜伏期者”的状 态变量, 它代 表那些已 受传染但 尚
未显示出症候的人们。

图 4. 4　 疾病模型的基本结构

图 4. 5　 四状态变量的疾病模型结构

加入的新状态变量为处潜伏期人口 INC, 其输入速率为感染率 INF , 输出速率为疾病

症候显现率 SYM P ; 方程如下:
L 　 　 INC. K = IN C. J+ DT ＊ ( IN F . JK - SYM P. JK)
N INC = T SS ＊ INF
R SYM P. K L = INC. K/ T SS
式中 T SS 为潜伏期, 比如流感的潜伏期为 3 天。
上述方程式可用 DYN AM O 中的 DE L AY 1 方程代替, 功能相同, 但简明方便得多。
R 　 　 SY M P . K L = DE L AY 1( INF . JK , T SS )
下面讨论 DE LA Y1 和 DE LA Y3
( 1) DEL A Y 1—— 一阶延迟环节
DE L AY 1 系指一阶指数物 质延迟。由前 述可知, 它隐含 了一个 状态变量 ( IN C) 。以
DE L AY 1 代 替 一组 方程, 使 用方 便, 但 缺点 是该 状态 变量 被 隐含 了, 不 能绘 图 和打 印 出
来。
图 4. 6 给出 了 DE L AY 1 的 结构, 其 输入为 INF ( 感染 率) , 输出 为 SYM P ( 症 候显 现
率) 。请读者把此图与图 4. 5 相比较, 以加深对 DE LA Y1 结构的了解。从图 4. 6 还可见,
SYM P 与 CU R E 两变化率的结构是相同的, 都是[ 状态] / [ 时间常数] 。一阶物质流的延迟
环节 的输出 变化 率取同 一类 型表 达式 —— L E V . K / DEL , L E V 为内部 隐含 的 状态 变量,
DE L 为延迟时间。
隐含于 DE L AY 1 内的状 态变量应有 初始值, 然而 读者已见, 该 初始值并 不见于前 示
方程式中。其中 奥妙在于 DYN AM O 能灵巧自动地初 始化 DE LA Y 1 内部隐 含的状态 变
量。这是因为在 t = 0 时有:
SYM P = IC / T SS
= [ INF ＊ T SS] / T SS= IN F
因此在 t = 0 时, 状态 INC 将立即被赋予初值, 使输入率 IN F 与输出率 SYM P 相等。简言
・ 5 7・
 图 4. 6　 疾病模型中的 DE LA Y1 环节

之, DEL A Y 1 自动初始化其内部状态变量, 使输入率与其延迟的输出率处于平衡。建模人

员不必为此而操心。
( 2) DEL A Y 3—— 三阶延迟环节
基于前面的讨 论, 读者可 能提出是否能 把一阶 延迟环节 中隐含 的一个状 态变量再 细
分成若干个状态变量呢? 答案是肯定的。还是以疾病蔓延问题为例, 前已假定潜伏期 T SS
= 3 天, 那么, 可把处潜伏期的人口 IN C 划分为三部分, IN C 1 , IN C 2 及 INC 3 分别表示处于
潜伏期第 1 天、2 天和第 3 天的人口。其结构如图 4. 7 所示。由 INE 到 SY M P 的延迟称为
三阶指数物质延迟, DYNA M O 中以 DE LA Y 3 表示:
R 　 　 SY M P . K L = DE L AY 3( INF . JK , T SS )
DYN AM O 同 样 能 自 动 在 IN F 与 SYM P 之 间 产 生 三 个 隐 含 的 状 态 变 量, 输 出 变 化 率
SYM P 为:
L E V EL / ( T SS/ 3)

图 4. 7　 三阶延迟结构的流图

所以物质流经三阶延迟环节的时间为 3 天。读者应注意: 一个 DE L A Y 3 方程等效于 3 个

状态变量方程, 三个 N 方程和三个变化率方程。
( 3) DEL A YP

・ 5 8・
 前已介绍 DE L AY 3 的特 点与功能, 它也 隐含了状 态变量, 而且 不能被打 印与绘出 图
形来。这是美中不足之处。在某些情况下, 既要用 DE L AY 3 的功能又要把隐含的状态显
示出来, 这时就需要 DE L AYP 函数了。仍然以前述的疾病蔓延问题为例, 输出变化率( 症
候显现率) SY MP 的方程为:
R 　 　 SY M P. K L = DE L AYP [ IN F . JK , T SS, IN C. K ]
式中的 IN C ( 处潜伏期人口) 为三阶延迟环节中三个内部状态变量总和。DE L AY P 的这一
功能给建模者带来了方便。不仅能输出 INC, 还能通过它算出其它变量。应该指出的是,
一个 DE LA YP 方程 代表 10 个 方程 ( 三 个状 态变量, 三 个状 态初值, 三 个变 化率, 和一 个
状态变量总和的辅助方程) , 但是 M ini－DY NA M O 无此函数。
( 4) 物质延迟的阶次
阶次 的含 义 在延 迟结 构中, 可 以 从
前述 中清晰 了解 到, 它指 的 就是 延迟 环
节内部包含的状态变量数。读者自然地
要问, 能用 3 阶延迟代替 1 阶延迟, 为什
么不用 5 阶, 13 阶或 77 阶的延迟呢? 下
面来回答这一问题。
图 4. 8 给出不同阶次延迟环节的输
入量发生突变时, ( 即为阶跃输入时) , 其
相应的输出量的曲线。这是一簇曲线, 包

图 4. 8　 各阶次延迟环节对阶跃输入的响应 括 1, 2, 3, 6 和 12 阶延迟的响应。曲线簇
表明, 1 阶与 3 阶的 延 迟 特性 彼 此 差 别
很大。1 阶延迟表现出简 单的指数形增长的 特性, 2 阶延迟开始表 现出 S 形增长 特性( 请
参看第五章第六节) , 3 阶时的 S 形增长特性已 较明显, 6 阶与 12 阶的 S 形增长特性 也就
更加突出了。
随着 阶数的 增加, 延 迟环节 的响 应的增 长模 式本 质相同, 其 错开 程度 取 决于 延迟 时
间。显而易见, 固然 1 阶与 3 阶的曲线差别很大, 增长模式全然不同, 但 3 阶曲线与 6 阶甚
至 12 阶 曲 线 相 比 则 无 本 质 差 别, 只 是 程 度 上 差 异 而 已, 同 样 是 S 形 模 式。 因 此,
DYN AM O 中仅备有 DE LA Y 1 与 DE L AY 3 函数, 而无更高阶次的单个函数。若建模者确
实认为有必要应用高于 3 阶的延迟函数, 可用两个 3 阶函数串接成 6 阶的延迟函数。不过
应当指出, 使用阶数高于 3 的延迟函数未必妥当。
究竟采用哪 一阶数的延迟, 建模者 应考虑实 际系统 是如何响 应输入的 突然变 化。例
如: 订货率与交货率间的延迟, 可能用 3 阶为好, 因为当订货率突增时, 交货率一般不可能
立即随着变 化。一般交货的规律 是, 初期先 交付一小部分, 然后速度 较快, 在 S 形曲线 的
拐点处, 出现最大交货率, 此后又渐渐缓慢下去。在疾病传染的例子中, 可能用 1 阶延迟描
述潜伏期更好。

4. 3. 2　 平滑函数, 信息的平滑

先介绍一下提出“平滑”概念的背景。以生产经营管理中的现象为例, 企业领导人决不
・ 5 9・
会认定某日销货额突增的信息作为长远的趋势, 把它作为库存、生产安排与招工等问题决
策的依据。决策者总是力图从销售信息中排除随机的因素, 找出真实的趋势。换言之, 对
销售信息应求其在一段期间内的平均值。这种“平均”与“平滑”的处理方式在系统动力学
的模型中是屡见不鲜的。DYN AM O 提供这一功能的函数称为平滑。
信息的平滑或平均实质上是一种积累过程。它们可以包含一个或多个状态变量。在
DYN AM O 中 1 阶信息平滑或平均的机制等效于图 4. 9 的流图结构。
据图 4. 9 的流图结构可写出一阶“平滑”或“平均”函数的方程如下:
L 　 　 SVA R . K = SV A R . J + DT ＊ SRA T E . JK
N SVA R = V AR
R SRA T E . KL = ( VA R . K - SVA R . K ) / ST IM E
式中:
SVA R —— 已平滑的变量;
V A R —— 待平滑的变量;
SRA T E —— 平滑速率;
ST IM E —— 平滑时间。
在 DYN AM O 中用特定的辅助方程 SM OOT H 函数代表上述方程:
A 　 　 SV AR . K= SM OOT H ( V AR . K, ST IM E )
式中:
SM OOT H —— 平滑。
DYN AM O 能自动处理方程的初值问题。设置: t = 0 时, SV AR = V AR 。
被平滑的变 量可以是状态, 速率和辅助 变量。平滑时间 ST IM E 通常 为常数, 但 也可
以是变化量。直观地看, 平滑时间系指变量 VA R 经积累达到指数加权滑动平均值所需的
时间。
下面 讨论平滑 函数对 输入量的 响应特 性。若变 量 VA R 为阶 跃函数 ( 突增后 保持 恒
定) , 其平滑值 SV AR 将渐渐趋于此恒定值。若 VA R 是一个为脉冲, VA R 在 SVA R 趋近
V A R 之前就跌落下来, SVA R 不能达到 VA R 的幅值, 并 按另一指数式的 寻的特性下降,
如图 4. 10 所示。若 V AR 是一振荡的输入量, 其平滑值 SV A R 亦将随着振荡, 但幅值要小

图 4. 9　 一阶平滑结构流图 图 4. 10　 平滑函数对脉冲输入的响应

・ 6 0・
得多。因此平滑函数具有平滑原变量的激烈起伏功能。经平滑得到的平均值正是所期望
的真实趋势。
平滑函数也 可以改写成加权 平均的形 式。根据平 滑函数的 定义, 平滑函 数的表达 式
为:
SVA R . K= SVA R . J+ ( DT / ST IM E ) ( VA R . J - SVA R . J)
可重新安排如下:
SVA R . K = SVA R . J+ ( DT / ST IM E ) V AR . J - ( DT / ST IM E ) ( SVA R . J )
= ( DT / ST IM E ) ( VA R . J ) + ( 1- DT / ST IM E ) ( SV A R . J )
令 DT / ST IM E = V VV A
则有 SVA R . K = V VV A ( VA R . J ) + ( 1- VV VA ) ( SV AR . J )
式中 V V VA 为加权系数, 0≤V VV A < 1。上述表达式是 V AR 与 SV AR 的加权平均。加
权系 数 V VV A 与 平 均 时 间 常 数 ST IM E 有 关。 ST IM E 大 时, 即 V VV A 小, 而 ( 1 -
V V VA ) 大, 表 明加权 侧重 于历史 平均 值, 使 SVA R 对 VA R 的 变动的 反应 较 慢, 此乃 所
期望的平滑特性。反之, 若 ST IM E 小时, 则 V V VA 大, 使加权侧重于 V A R 的变化影响。

4. 3. 3　 信息延迟( I nf ormation Delays)

( 1) 一阶信息延迟函数 SM OOT H
与物质在系统中流动存在延迟类似, 信息在系统中传递也存在延迟。一个经济学家不
可能知道当日的国民生产总值( GN P ) 或社会 总产值( T ota l P rod uct of Socｉety ) 。公 司的
董事长不一定能掌握子公司当日的销售率。商品信息的传递一般都带有延迟的特性。这
种信息传递的延迟, 往往是系统结构中不可避免的组成部分。在建立模型方程时应加以考
虑。
在讨论平滑函数时, 附带揭示了下述事 实: 平均或 平滑信息导致延 迟。比如说, 当一
变化量增加时, 其平滑值也随之增加, 但有滞后现象如图 4. 11 所示。平滑函数也常常被用
于描述信息的延迟。
( 2) 三阶信息延迟函数 DL IN F 3
我们可以把数个 1 阶平滑函数串接成为高阶的信息延迟。图 4. 12 为三阶信息延迟的
流图。图中每一状态变量都力图跟踪前一级的状态值。
读者 可自行 根据 图 4. 12 的 结构 流图写 出全 部三 阶信息 延迟 的 DYN A MO 方 程式,
从而求出其最后的输出 SV 3 的表达式。DYN AM O 备有三阶信息延迟函数 DL INF 3, 仅一
个方程式就能代表图 4. 12 结构的全部方程式。
A 　 　 SV 3. K = DL INF 3( VA R . K , ST IM E )
式中:
SV 3—— 三阶信息延迟输出;
DL IN F3—— 三阶信息延迟;
V A R —— 输入变量;
ST IM E —— 平滑或延迟时间。
DYN AM O 能 自动为隐含 于 DL IN F 3 的状态 变量赋予 初始值, 它们 均等于待 延迟的输 入
・ 6 1・
变量的初值。
读者应注意 DE LA Y 3 与 DL INF 3 两者之间的差别, 并正确地选用它们。仅物流变化
率可输 入物质延 迟环节; 而任 何信息 —— 变 化率、状态、或辅助 变量均 可被 加以平 滑, 实
现信息延迟。
图 4. 13 给出通用的物质延迟与信息平滑和延迟函数的流图符号。平 滑( SM OOT H )
以简单的矩形表示, 输入量为信息变量和平滑时间。带有划格的矩形符号已普通用于表示
上述诸函数, 在划格矩形符号内注上相应的说明以便于辨认。这些符号不言自明, 不再多
加解释。

图 4. 11　 平滑函数对稳定增长的响应

图 4. 12　 三阶信息延迟结构流图 图 4. 13　 SM OO T H , DEL AY 1, DELA Y 3,

　 DE LA Y P 和 DLIN F 3 的流图符号

・ 6 2・
 § 4. 4　 函　 　 数

DYN AM O 提供多种类型的函数, 以便于构模者建立方程和调试模型。前面已介绍过

表函 数 T ABLE , 延 迟 函数 DE L AY 与 平滑 函 数 SM OOT H , 它 们 具有 各 自的 特 定 功能。
DYN AM O 中余下的函数大体可划分为数学, 逻辑和测试函数三类。

4. 4. 1　 数学函数

DYN AM O 备有五种数学函数, 采用标准数学符号:

SQR T ( X) = X , 非负值变量 X 的开方,
SIN ( X ) = s inX , 变量 X 的正弦,
COS ( X ) = cos X , 变量 X 的余弦,
x
E XP( X) = e , 指数函数, e= 2. 718…,
L OGN ( X ) = log e X , 以 e 为底的自然对数。
由于读者对这些函数比较熟悉, 它们在反馈系统模型中的应用颇广泛, 故不再举例叙
述。
在某些 DYNA M O 系列 中的软 件包, 如 M ini－DYN A MO 和 DY NA M O Ⅱ/ 370, 为 了
计算幂函数需借助于指数函数 E XP 与自然对数函数。
例如下示表达式: 　 　 E XP ( A ＊ LO GN ( B) )
A
等 于 B 。 当 A 为 非 整 数 或数 值 较 大 时, 采 用 此 表 达式 计 算 就 显 得 很 有 利。 此 外 某 些
A
DYN AM O 以 B ＊ ＊ A 表示 B 。

4. 4. 2　 逻辑函数

DYN AM O 的逻辑函数有 M AX, M IN , CL IP 和 SWIT CH 等。

( 1) M AX ( A , B) 取 A , B 中较大者, 即:
A , 若 A≥B
　 　 　 　 M A X ( A , B) =
B, 若 A < B
( 2) M IN ( A , B ) 取 A , B 中较小者, 即:
B, 若 A ≥B
　 　 　 　 M IN ( A , B) =
A, 若 A < B
M A X 函数可用来产生数的绝对值, 表达式为:
M A X( A , - A )
则不论 A 本身是正或负, 此式总是取非负的 A 值。
M A X 函数有时也用于防止出现除式分母为 0 和负值的情况, 表达式可取为:
A / [ M AX ( B, 0. 01) ]
若分母 M A X 函数中的 B≤0, 则 M A X( B, 0. 01) = 0. 01, 故有效地防止了除式被 0 除的情
况。此表达式有时在模型中颇有用处。因为只要当 MA X ( B , 0. 01) > 0, 此除式的商就有意
义, 所以若在模拟过程中, 由于偶然的原因出现 B = 0 情况, 但 M AX ( B, 0. 01) 仍大于‘0’,
・ 6 3・
故模拟不会发生停顿。
在建立方程时 易于错用 M A X 与 M IN 函 数, 下面讨论 一个不适 当使用 M IN 函数 的
例子: 库存的输出控制 问题, 常 使人认为采用 M IN 函数 是万无一 失的。人们 可能这样 设
想, 交 货率 SH IP 应 由需求 DMN D 决定, 若库存 INV 小于 DMN D , 则由 IN V 来 决定, 于
是选用 M IN 函数:
R 　 　 SH IP . KL = M IN ( DM N D. K , INV . K )
且 不说 此 方 程 的 右边 变 量 的 量 纲是 错 的, 错 在 何 处 与 如 何 更正 请 读 者 思 考, 更 主 要 是
M IN 函数的功能并不符合库存输出控制的客观规律。因为管理人员决不会让库存只剩下
几件产品并和盘交付出去, 当库存量趋于危险水平时, 他就会预先采取措施逐渐减小交货
率。换言之, 建此方程应考虑库存量多寡对交货率的影响, 一般此影响因素为连续的非线
性函数, 采用前述的表函数来描述才合理, 而 M IN 函数却隐含突变的特点, 不适于描述此
客观规律。
( 3) CLIP( A , B, X, Y) , 此函数的功能为:
A , 若 X≥Y
CLIP ( A , B , X , Y ) =
B, 若 X< Y
此函数使构模者能在模型模拟过程中, 更换或改变原来的函数和常数值。
此函数另一表示式为:
FIFGE ( A , B , X , Y )
F IFGE 涵义是, 若第 3 项的值大于第 4 项的值, 此函数取第 1 项的值。
( 4) SW IT CH ( A , B, X ) , 此函数功能为:
A , 若 X= 0
SW IT CH ( A , B, X) =
B, 若 X≠0
显而易见, 其功能类似于 CL IP 函数。只不过是没有第 4 项, 只根据第 3 项是 0, 还是
非 0 进行判断选择。SWIT CH 函数也有一个别名 FIFZE 。其涵义为, 若第 3 项等于 0, 取
第 1 项的值。请读者注意的是, 此函数只要第 3 项为非 0( 不论它是正还是负) 均取第 2 项
的值。
CL IP 与 SW IT CH 函数常常用于改变政策的测试。
在重复运行模型时 SWIT CH 函数还可用于改变部分方程式结构的测试。

4. 4. 3　 测试函数

通过不同类型的摄动实验可从模型及其代表的反馈系统获取大量信息。这些摄动实
验是藉助各类测试函数进行的。在模型测试中可采用变量的突增, 斜坡函数, 振荡与随机
干扰等。这些实验均有助于揭于模型内部结构与其动态行为的关系。这类测试的目的在
于深入地研究模型和它所代表的信息反馈系统。DYN AM O 备有各 类模拟外生摄动 的测
试函数, 包括: 斜坡 R AM P , 脉冲 PU L SE , 正弦 SIN , 和噪声 NOISE 。
为了说明这些 测试函数的涵义, 使用 方法, 函数的 特点以及 预期的 测试结果, 下面 以
一个简化的库存模型为例讨论刚才提出的问题。
简化的库存模型流图如图 4. 14 所示。
・ 6 4・
 图 4. 14　 简单库存控制系统模型流图

下面给出简单 库存控制系统模 型的方程 式清单, 这里不 准备仔 细说明这 些方程式 的

组建过程, 读者可自行研 究图 4. 14 与模型方 程式清单, 首先 弄清模 型的基本 结构进而 读
懂与其对应的方程表达式。在此只对变化率订货变量 OR DR S 的来历略加说明。从模型方
程式清单中可知:
R 　 　 OR DRS . KL = A VSHIP . K + INV A DJ . K
A A VSHIP . K = SM OOT H ( SH IP . JK , T AS )
A INV ADJ. K = ( DSINV - IN V. K) / T AT
式中:
O RDR S—— 订货率( 件/ 周) ;
A V SHIP —— 平均发货率( 件/ 周) ;
SHIP —— 发货率( 件/ 周) ;
INV ADJ —— 库存调节率( 件/ 周) ;
DSINV —— 期望库存( 件) ;
INV —— 库存( 件) ;
T A S—— 发货率平滑时间( 周) ;
T A T —— 库存调整时间( 周) 。
・ 6 5・
 隐含 在 这 一组 方 程中 的 思 想是, 订 货率 ORDR S 等 于 平均 发 货 率 加 上库 存 调 节 率
INV ADJ 。当库存 IN V 小于期望库存 DSINV 时, INV ADJ 值为正。OR DRS 值高于近期
的平均发货率, 使库存量 增长并趋向期望 值; 若 IN V 大 于 DSINV , 则产生与 上述相反 的
过程, 使库存量 IN V 降低, 最终也趋向于期望值 DSIN V 。
发货率 SHIP 方程包含测试函数, 测 试函数系一长串 函数的相加, 模拟时可选用 其中
任一函数。这些函数分别乘以常数 T E ST 1, T E ST 2…, 它们的初值均为 0。当模型运行者
欲选用某测试函数时只需将其相应常数置为 1 即可。
SIM PL E INVENTORY M ODE L 简单库存模型方程式清单
N OT E
N OT E　 　 　 　 SH IP N EN T S 发货
N OT E
R 　 SH IP . KL = NSH IP + T EST . K SH IP M EN T RA T E ( U N IT S / WK )
C　 　 　 N SH IP = 100
A 　 T E ST . K = T EST 1＊ ST E P ( ST H , ST RT ) +
X T ES T 2＊ RA M P ( SLP , ST RT ) +
X T ES T 3＊ P U LSE ( H GT H , ST RT , IN T V L ) +
X T ES T 4＊ A NP ＊ SIN ( 6. 283＊ T IME . K / P ER ) +
X T ES T 5＊ RA NG E ＊ N OISE ( )
C 　 T EST 1= 0/ T EST 2= 0/ T EST 3= 0/ T EST 4= 0/ T EST 5= 0
C 　 ST H = 10, ST RT = 2, SLP = 20, H GT H = 10, INT V L = 200, A M P = 10,
X P ER = 5, RA NG E = 20
L 　 IN V . K = IN V . J+ DT ＊ ( O RDRCV . J K- SH IP . JK )
N 　 INV = DSIN V 　 IN V EN T O RY( U N IT S )
R 　 O RDRCV . K L = DEL AY 3( ORDRS. JK , DEL 　) ORDE RS RECEIV ED( U NIT S/ WK )
C 　 DE L = 3( WK S) 　 DELA Y IN RECE IVIN G O RDERS
N OT E
N OT E　 　 　 ORDE RS　 订货
N OT E
R 　 O RDRS. K L= A VSH IP . K + IN VA DJ . K 　 ORDE RS P LA CE D ( U N IT S/ W K)
A 　 A VSH IP . K = S MO OT H ( S HIP . JK , T A S ) 　 AV G SH IP M EN T RA T E ( U NIT S / WK )
C　 T AS = 2( WK S) 　 T IM E T O A VE RA GE SH IP M EN T S
A 　 INV A DJ. K = ( DSINV - INV . K ) / IA T 　 IN V EN T O RY A DJU ST M EN T ( U NIT S / WK )
C　 IA T = 2( WK S) 　 IN V EN T O RY A DJU ST M EN T T IM E
N 　 DSIN V = DIC ＊ NSH IP 　 DESIRED IN VE N T ORY ( U NIT S)
C　 DIC= 3( WK S) 　 DESIRED IN VE N T ORY COV ERA GE
N OT E
N OT E 　 　 　 CO NT ROL ST A T EM E NT S 　 控制语句
N OT E
SP E C　 DT = . 25/ L EN GT H = 0/ P RT P ER = 0/ P LT P ER = . 5
P RINT 　 S HIP , T E ST , IN V , ORDRCV , ORDRS, A V SH IP , IN VA DJ
P LO T 　 SH IP = S/ IN V = I
( 1) 阶跃函数( T he ST E P F uｎctｉoｎ)
顾名思义, 阶跃函数为幅值在给定时刻发生突变的函数。它常被用来突然改变变量数
值。ST EP 函数的形式为:
ST E P( A , B)
式中:
・ 6 6・
 A —— 阶跃的幅度;
B —— 阶跃发生的时刻。
在时刻 B 前 ST E P 函数值为 0, 当时间等于和大于 B 时, ST E P 函数等 于 A 的值。A
与 B 可为 任何数量 的名, 其涵 义由 它们在 ST EP 函数 中位 置决定, 第 一个 变量表 示阶 跃
的幅值, 第二个变量表示阶跃发生时刻。阶跃幅值可正可负。
图 4. 15 给出用阶跃函数 ST E P 测试简化库存模型的模拟结果。所用测试函数的表达
式如下:
A 　 　 T E ST . K = ST E P ( H GHT , ST R T )
C H GH T = 10
C ST R T = 2
式中:
T E ST —— 测试函数;
H GHT —— 阶跃幅值;
ST RT —— 阶跃发生时刻。

图 4. 15　 阶跃函数测试简单库存系统的模拟结果

从前面简单库存模型的程序清单可知, 发货率 SHIP 的正常值 N SHIP 为 100 件/ 周, 阶跃

函数于第 2 周( ST RT = 2) , 由 0 突增加 10 件/ 周, 使 SH IP 增加了 10% , 达 110 件/ 周并保
持不变。图 4. 15 的虚线为发货率 SHIP 值时间变化曲线; 实线为库存 INV 相应的变化特
性。当发货率突 增 10% 后, 库存量 从期望值 DSINV 300 件, 迅速下 降; 与此 同时, 订货 率
O RDR S 增加, 以补充 库存的 减少。然而 从订货到 厂家交 货存在延 迟( 本模型设 平均为 3
周) , 所以库存量继续下降, 大约到第 6 周达谷底; 之后才回升。由于整个系统存在延迟环
节与负反馈的调节作用, 库存量呈现为围绕其期望值衰减振荡特性。读者可自行想法改变
模型, 设计出使库存量变化转为平稳的控制政策。
( 2) 斜坡函数( T he R AMP F uｎctｉoｎ)
斜坡函数是一种连续增长或下降的时间的线性函数。其 DYN AM O 的书写形式为:
・ 6 7・
 R AM P ( A , B)
式中:
A —— 表示线性函数的斜率;
B —— 表示斜坡函数的起始时刻。
在时间 B 时刻前, RA M P 取 0 值, 在 B 或 B 时刻之后其值由线性函数决定:
A ＊ ( T IM E . K - B )
现用 R AM P 函数作为测试函数, 使库存模 型的发货率 SH IP 按 R AM P 函 数增长, 研 究库
存 INV 随时间变化的特性。下面是测试函数 T E ST ;
A 　 　 T E ST . K = RA M P( SL P, ST R T )
C SL P = 20
C ST R T = 2
式中:
SL P —— 斜坡函数的斜率;
ST RT —— 斜坡函数起始时刻。
R A M P 函数代表对发货率线性增长的需求, 图 4. 16 给出它的曲线。该图还给出库存 IN V
的模拟结果。应当指出, 本例 IN V 几乎跌落至 0, 但对发货率无任何影响, 可以预料, 若斜
坡函数的斜率值再大些, INV 将出现负值。显然这是不合理的。在现实生活中, 库存 IN V
的下降情况需对发货率 SHIP 施加负反馈的信 息, 这一点 在此简化库存模 型中未予考虑,
读者可自行加以改进。

图 4. 16　 斜坡函数及简化库存模型的模拟结果

( 3) 脉冲函数( T he PU L SE F uｎctｉoｎ)
脉冲函数为 DYNA M O 提供瞬时冲击的方法。在现实生活中它描述变量的独立变化
现象, 也就是变量在每 一次短促的变动 后立即回至原值。在 DYNA M O 中脉 冲函数的 形
式为:
PU L SE ( A , B , C )
・ 6 8・
式中:
A —— 脉冲的幅度;
B —— 第一个脉冲出现的时刻;
C —— 相邻两个脉冲之间的间隔。
脉冲函数是一个周期性函数。如果模型使用者希望只对系统施加一个单脉冲, 只需把上示
函数表达式中的 C 赋予一个很大的值, 即较模型中其它时间量的值大得多的值就行。
图 4. 17 与图 4. 18 为单脉冲与周期性脉冲施加于库存控制模型的模拟结果。所采用
的测试函数方程为:
A 　 　 T E ST . K = PU L SE ( H GHT , ST R T , IN T VL )
C H GH T = 10
C ST R T = 2
200( 图 4. 17 的模拟结果)
C IN T VL =
5( 图 4. 18 的模拟结果)

图 4. 17　 单脉冲变化率作用下库存系统的行为( 脉冲间隔为 200 周)

式中:
H GHT —— 脉冲函数幅值;
ST RT —— 脉冲发生时刻;
INT V L —— 脉冲间隔。
与阶跃函数一样, 单脉冲 PU L SE 的作用, 就在于使库存控制系统发生振荡。
测试脉冲 的宽度为模拟计 算间隔 DT ( 本例为 0. 25 周) , 这是最近 似于瞬时连续情 况
的模拟。由前所述, 本例发货率脉冲的幅度值为 10 件/ 周, DT = 0. 25 周; 故库存量受单脉
冲的作用所降低的值等于( 10 件/ 周) ＊ ( 0. 25 周) = 2. 5 件, 模拟结果图 4. 17 的库存 变化
曲线由 300 件跌为 297. 5 件, 即较期望值少了 2. 5 件。推而广之可得一般规律: 在脉冲函
数变化率的作用下, 状态变量的变化值等于以 DT 为底, 脉冲幅值为高的矩形面积。 在本
例中, 状态变量 IN V 的变动值 Q 等于:
・ 6 9・
 图 4. 18　 周期性脉冲变化率作用下库存系统的行为( 脉冲间隔为 5 周)

Q= DT ＊ H GH T
进而可推导出 PU L SE 函数 的速率使状态变量 加上或减去 Q 值, Q 应等于 DT ＊ H GHT ,
所以
H GHT = Q / DT
而完整的 PU L SE 函数应为:
PU L SE ( Q / DT , ST R T , INT V L )
此测试函数一般应用于模拟研究状态变量有规律周期地降为 0 的过程的特性。下面
表达式就是描述某状态的值每 52 周降为 0 的方程。
L 　 　 L E V . K= L E V . J+ DT ＊ ( IN R AT E . J K- PU L SE ( LE V . J / DT , 0, 52) )
式中:
L E V —— 状态变量;
DT —— 计算时间间隔;
INR A T E —— 原系统内部的变化率;
P U LSE —— 脉冲函数。
( 4) 正弦函数( T he SIN F uｎctｉoｎ)
DYN AM O 备有正弦函数, 可用来测试模型对于振荡( 比如正弦) 输入变量的响应。正
弦函数的 DYN AM O 表达式为:
A ＊ SIN ( 6. 283＊ T IM E . K / B )
式中:
A —— 振荡幅度;
B —— 振荡周期;
6. 283—— 2 π( π为圆周率) 。
幅度 A 是正弦函数偏离原点的最大值, 周期 B 为相邻峰或谷 之间的距离。从 0 值到
峰值 A 之间 函数平滑增长, 随之回至 0 值, 进而 跃至负 的最大值 - A , 然后 又回 0 点。如
・ 7 0・
此, 以 B 为周期循环不已。
图 4. 19 与图 4. 20 示出库存系统对正弦振荡的输入变化率的响应, 测试函数为:
T E ST . K= A M P＊ SIN ( 6. 283＊ T IM E . K / P ER ) 　 　
A M P = 10
5( 用于图 4. 19 的情况)
P ER =
10( 用于图 4. 20 的情况)
式中:
T E ST —— 变化率测试函数( 件/ 周) ;
A M P —— 正弦函数幅值( 件) ;
P ER —— 周期( 周) 。

图 4. 19　 周期为 5 周的正弦函数及其作用下的库存模型的响应

图 4. 19 与 4. 20 的模拟结果, 并不令人惊异或费解。但由 图可见库存 IN V 的振 荡增

长很快, 更长时间的模拟将看出振荡是有界的。
( 5) 噪声函数( T he N OISE F uｎctｉoｎ )
DYN AM O 备有随机数发生函数, 称为噪声 N OISE 。此函数表示式为:
NOISE [ ]
N OISE 的值是无规则变化的。应该注意的是, 在 左右括弧之间没有 任何东西也不能 留下
空白。NO ISE 函数值的范围从- 0. 5 至+ 0. 5, 呈均匀或矩形分布。也就是说, 在- 0. 5 与
+ 0. 5 之间的任何十进制 5 位数字的出现机会是均等的。为了产生变化范围为 A 以 B 为
中心的随机数, 可用 DY NA MO 的表示式如下:
A ＊ NO ISE [ ] + B
这些随机数的平均值为 B, 其变化范围为:
[ B- A / 2, B+ A/ 2]
图 4. 21 为在噪声 NOISE 作用下库存模型的模拟结果。测试函数为:
T E ST . K = R AN GE ＊ N OISE [ ]
・ 7 1・
 图 4. 20　 周期为 10 周的正弦函数及其作用下的库存模型的响应

R AN GE = 20

图 4. 21　 NO ISE 函数作用下库存模型的模拟结果

显然, 状态变量库存 IN V 的特性与随机噪声大相径庭。INV 表现出和模型在阶跃与

脉冲函数作用下同一类型的振荡特性, 具有相同的振荡周期。库存反馈系统内部结构决定
了这一振荡的自然周期, 不受随机干扰的影响。虽然现实生活中的库存系统, 其反映需求
交货率带有随机性质。我们同样可得出结论, 库存量往往呈振荡特性, 振荡特性根植于企
业内部的订货政策, 而不是别的。换言之, 市场需求的变动性的影响并非主要问题, 所以管
理人员应着眼于研究系统内部的反馈结构。
在计算机模拟中使用噪声 N OISE 函数, 有一些重要的微妙之处值得强调一下。
1) 每 一计算间 隔 DT 产 生一 个随机 数, 因此 把 DT 取 得小些, 就 能产 生较多 的随 机
数, 使系统的输入具有更多的随机性质。
・ 7 2・
 2) N OISE 函数产生的数列只是伪随机的, 因此它每次产生的无序数列是相同的。所
以, 以此 NOISE 函数进行测试, 若无其它改动, 则重复做出的模拟结果完全相同。

§ 4. 5　 输 出 问 题

本节介绍输出语句、模型说明、注释和模拟的运行等问题。

4. 5. 1　 输出语句

在建立状态, 变化率与辅 助变量方程 之后, 只需加 上一些输 出语句, 就能 使计算机 执

行模拟, 打印结果和绘制曲线。SPE C 语句规定模型模拟需要的参数, PL OT 与 PR IN T 语
句分别说明需要绘图与打印的变量。下面简略说明上述语句的内容。
( 1) SPE C 语句
此语句 以 SPE C 为标志, 应先 把 SPE C 写在最 左端, 此语句可 包括 4 种参数与 常数,
以决定模型 如何在计算机 上进行 模拟。4 种 参数与 常数为: DT , L EN GT H , PR T PE R 和
P LT PE R 。
DT —— 计算 间隔, 即两 次模拟计算之 间隔, 以 DT 代替 常用数学 符号△ T , 它代表 时
间的变化。DT 的选择问题, 以后讨论。简而言之, DT 应选得相对于系统的最小时间常数
而言足够小, 使模拟结果不因 DT 值的变动而受到剧 烈的影响, 但 DT 值过份小将需 要过
多的计算机模拟时间, 造成无谓的机时浪费。若 DT 值小于 1, 则最好取 DT 的值为指数幂
2- n , 如 2- 1 , 2- 2 , …等, 以减小计算机模拟过程中的圆整误差。
L E N GT H —— 这是一个时间常数, 规定模拟停止的时刻。在 DYNA M O 里时间 用变
量 T IM E . K 表示, 当 T IM E . K 等于 或大于 L E N GT H 的值, 即令 模拟停止。 除非特别 说
明, DYNA M O 时间的起始值为 0。因此, 参数 L E NGT H 通常表示模拟运行的时间长度。
若模型方程中包含时间初始值方程, 例如:
N 　 　 T IM E = 1980
并设 L EN GT H 的值为 2000, 则模拟将持续 20 个模型的时间单位而不是 2000 单位。图形
与打印结果的时间坐标将起于 1980 而终于 2000。
P LT PE R —— 给定绘制图形相邻两点的时间间隔。不加特别说明时, DY NA M O 假定
P LT PE R 值为 0。
P RT PE R —— 给定打印结果相邻两数据间的时间间隔。与 PL T P ER 相同, 若无特别
说明 DYN AM O 自动设 PRT PE R 为 0。
当需要 绘制图形 与打印 出数据结 果时, 应分别 赋予 PLT PE R 与 PR T PE R 所需之 非
零值。比如, 设它们值均为 5( 它们可设不同的值) 。则每隔 5 个模型时间单位打印绘制出
所需变量的数据与图形。
SPE C 语句可 简明地 规定上述 各种参 数与 常数, 从而 决定 模型如 何在 计算机 上进 行
模拟。例如:
SPE C　 　 DT = 1/ LE N GT H = 100/ PR T PE R = 5/ PL T PE R = 2, 若 假定 时 间的 起 始
值为 0, 上述 SPE C 语句的给定内容将产生相 应的结果如下: 51 行绘图输出 ( 第一行 对于
・ 7 3・
时间为 0, 另加 L E NGT H / PL T RE R = 100/ 2= 50 行) , 并以表格形式打印出数据 21 行。
再看一个只要求绘出图形的例子。
SPE C 　 　 DT = 0. 25/ LE N GT H = 20/ P LT PE R = 0. 5, 因 为 DYNA M O 自 动 设 立
P RT PE R 为 0 值, 故本例的 SPE C 无需再赋 0 给 PR T RE R 。也就是说, 上述 SPE C 的内容
与下列的陈述是完全等效的。
SPE C 　 　 DT = 0. 25/ L E N GT H = 20/ P RT PE R = 0/ PL T PE R = 0. 5
( 2) PR IN T 与 PL OT 语句
P RINT 语 句 仅 需 列 出 所 需 打 印 出 的 变 量 名, 相 应 的 数 据 就 能 按 表 格 形 式 每 隔
P RT PE R 时间间隔打印出来。 读者 应注 意 的是, PR IN T 语 句中 的变 量不 应 带有 时间 下
标。作为例子, 下面给出打印库存控制模型的主要变量的 PR IN T 语句:
P RINT 　 　 INV , OR DR S, SH IP , AV SH IP
语句简明且上 述变量前面业已 叙述, 若必 要请读者 自行参阅 4. 4. 3 节中简单 库存模型 程
序清单。
P LOT 语 句 规 定把 哪 一些 变 量绘 制 在一 张 图 上。各 变 量 可 用任 选 字 符 代 表, 否 则
DYN AM O 自动按变量的书写顺序从 1 起赋予阿拉伯数字, 并打印出随时 间变化的曲线。
下面给出库存控制系统用选定符号表示变量的书写形式:
P LOT 　 　 INV = I/ ORDR S= O/ SH IP= S
则分别 以英文字 母 I , O 和 S 为 标志 在同 一图上 打印 出变量 INV , OR DR S 和 SHIP 各 曲
线的点。上例也可以写成:
P LOT 　 　 INV / OR DRS / SH IP
这时各变量分别以数字 1, 2, 3 打印出曲线。
以上 两例中 各变 量用斜 杠“/ ”隔 开, 其涵义 在于 令 DYN AM O 对被 斜杠 隔开 的各 变
量或变量组自动规定适当的坐标比例。由斜杠隔开的可以是一个变量也可以是若干个变
量。进而可推知, 凡属同一组的变量( 同组内变量以逗号隔开) 取相同坐标比例。斜杠的这
一功能可把某些希望可比的变量用同一坐标比例绘出它们的曲线。比如人口的诞生率与
死亡率一般是可比的, 用同一坐标比例就便于观察与分析。下面是关于人口问题主要变量
的 PL OT 语句的两种写法。
P LOT 　 　 PO P / PCPC , POPL , POP E / CBR , CDR / LE
或 P LOT PO P= P/ P CPC= C, P OPL = L , POPE = E / CBR = B, CDR = D/ L E = L
P OP —— 总人口数( 人) ;
P CP C—— 儿童人口( 人) ;
P OPL —— 劳动力人口( 人) ;
P OPE —— 老年人口( 人) ;
CBR —— 诞生人口的百分数( 无量纲) ;
CDR —— 死亡人口的百分数( 无量纲) ;
L E —— 期望寿命( 年) 。
DYN AM O 还允 许构模 者根 据需 要在 PL OT 语 句中对 变量 的坐 标范 围 作特 殊的 规
定, 在变量名后紧随以括号, 括号内给定坐标范围的最小与最大值。再以人口问题为例, 其
・ 7 4・
P LOT 语句书写如下:
P LOT 　 　 PO P = P ( 5E 8, 15E 8) / POP C = C , POPL = L , POPE = E
X / CBR = B, CDR = D( 0, 1) / L E = L ( 20, 80)
式中:
P OP —— 总人口范围为 5 亿至 15 亿;
P OPC , POPL , P OPE —— 分 别 表 示 儿 童、成 人 及 老 年 人 口 数; 其 人 口 范 围 均 由
DYN AM O 自动选定。
CBR , CDR —— 诞生与死亡人口占总人口的百分数, 0 至 100% ;
L E —— 期望寿命, 20 岁至 80 岁。
由上述可见, PL OT 语句内容的表达方式甚为灵活, 构模者可根据需要和要求决 定采
用其中的一种或它们 的组合。每一个 PL OT 语句只打印 出一幅图, 而每一幅图能包 含的
变量数是有限的( 比如 8 或 10) ; 若需打 印曲线的变量较 多, 只需要 重复使用 PLO T 语句
就是了。

4. 5. 2　 模型的注释与运行指令

( 1) 注释语句
为了使模型易于读懂, DYNA M O 备有＊ , N OT E 与 R U N 注释语句。
众所周知模型内容不仅要让计算机能识别接受, 同时也应让使用者易于读懂和掌握。
显然模型的各 部分和方程式若 附有适当的说 明与注译 对构模者 自身亦 大有裨益, 由于 缺
少必要的注释, 数以十、百计的方程式不仅对于使用者将 是一部难解的天 书; 而且日 子一
长, 构模者自己也可能忘却。下面向读者提出几条作好说明与注释的建议:
1) 变量名宜采用 易读易懂的符号 或缩写, DYN AM O 用的是 英文, 不 妨沿用之, 便于
国际通用。比如“库存”, 英语为“ｉｎveｎtory ”, 库存变量 可用 INV 表示, 当然用汉语拼 音也
未尝不可, 只是通用性差些。然而最好不要用 X , Y , Z …, 或再加上 1, 2, 3, …的下标去描述
一个变量多的模型。如此书写的模型也无异于一部晦涩难解的天书了。
2) 用＊ 语句在模型之首写明模型的名称, 建模的日期, 必要时可再写 上模型的编号。
以“库存控制模型”为例可以＊ 语句表述如下:
＊ 　 　 INV E NT OR Y 　 CON T R OL 　 M ODE L , 1994. 1
＊ 语句的内容允许达 50 个字符, 可包括空格在内, 这一点与前述的其它语句全然不同。
3) 模型各分部之首, 用 N OT E 语句作为小标题说明其特点。比如某模型中的生产部
分的方程组可用 N OT E 语句说明如下:
N OT E
N OT E 　 　 PR ODU CT ION 　 SE CT OR ;
N OT E
连用三个 N OT E , 在于使上下留出空白让小标题醒目突出, 便于寻找。
4) 用 N OT E 语句注释变量的定义, 或在方程式 之后先 间以空格, 然后 写上注 释。写
法请见实例。
5) 用 RU N 语句, 放在所有方 程与输出语句之 后, 说明前 述方程的 特点, 是基本模 拟
・ 7 5・
还是更改参数的模拟。若是基本模拟则 R U N 语句可写为:
RU N 　 　 BA SE 　 　 SIM U L AT ION
若是更改了参数的模拟, 则把被 更改的参数写入 R U N 语 句, 以示该 次模拟与基本模 拟及
其他模拟的差别。
( 2) 运行指令
M ini －DY NA MO 的 运 行 指 令 为“ DYN A MO ”, M icro －DYN AM O 的 运 行 指 令 为
R U N , 其它类型 DYNA M O 的运行指令, 请参阅有关的手册。
建立好模型后, 应取一适 当的文件名, 将 其存入计 算机的储 存器中, 只需 打入运行 指
令和该文件名, DYNA M O 软件包就会自动地将其模型的程序调出进行模 拟运行, 并 按输
出语句的要求打印出所需结果。运行指令用法举例如下:
DYN AM O　 　 INV
若库存 控制模型 的文件 名为 IN V , 把 上述 运行 指令打 入计 算机后, 就 能执 行该模 型的 模
拟。
( 3) 语句的顺序
计算机对模型中方程式书写的前后次序没有特定要 求; 不过书 写方程时应考虑 到如
何排列才能使人们研读时感到方便。
( 4) 各变量图形 的纵 坐 标 的范 围、大 小 可能 差 别很 大。为 便 于在 图 形上 表 示 出来,
DYN AM O 用 24 个英文字母, ( 字母 I 与 O 除外) 表示不同的幂次, 如 A 代表 10 ( 即 E -
- 3

03) , B 表 E + 09, T 表 E + 3 等等, 请详见附录 1。

§ 4. 6　 准确度与计算间隔 DT 的选择

前面的叙述, 已谈及 DT 大小的选择将影响模拟结果的准确度。读者 或许还有疑问,

计算间隔 DT 的取值对计算结果究竟有多大影响? 离散数值模拟的结果与连续函数 的解
析解有多大误差? 我们不去谈论计算机计算准确度的理论问题, 只从实例出发加以比较,
提出经验法则供读者参考。
从理论上说, 可取计算间隔充分小, 使离散计算结果与连续解的差别小到任何期望的
程度。我们认为, 只要计算间隔 DT 相对于模型中的 最小时间常数足 够小, 则 DT 值 的微
小变动对计算结果影响可以忽略。
下面以一 杯热茶 的冷却过 程为例, 比较 不同 DT 值 对计算结 果的影响。 设茶水温 度
T E A 为状态变量, 得方程组如下:
L 　 　 T E A . K = T E A . J + DT ＊ ( CHN G . J K )
N T E A = 90
R CHN G . K L = CON ST ＊ ( ROOM T - T E A . K )
C R OOM T = 20
C CON ST = 0. 2
式中:

・ 7 6・
 T E A —— 茶水温度[ ℃] ;
CH NG —— 茶水温度变化率[ ℃/ 分] ;
R OOM T —— 室温( ℃) ;
CON ST —— 介质传热系数( 1/ 分) 。
- 0 . 2t
下面, 把当 DT = 0. 125, 0. 5, 1, 5 的差 分方程 计算 结果 与微分 方程 的解 20+ 70e
的计算结果列表如下:

时 对应于不同 DT 值的茶水温度℃ 微分方程的解

　
间 DT 　 ( 分) 　
- 0. 2t
　 　 0. 125 　 　 0. 5 　 　 1 　 　 5 T E A = 20+ 70e

0 90. 0 90. 0 90. 0 90. 0 　 　 　 　 90. 0

1 77. 2 76. 7 76. 0 77. 3
2 66. 7 65. 9 64. 8 66. 9
3 58. 1 57. 2 55. 8 58. 4
4 51. 1 50. 1 48. 7 51. 5
5 45. 4 44. 4 42. 9 20. 0 45. 8
6 40. 8 39. 8 38. 4 41. 1
7 37. 0 36. 0 34. 7 37. 3
8 33. 8 33. 0 31. 7 34. 1
9 31. 3 30. 5 29. 4 31. 6
10 29. 2 28. 7 27. 5 20. 0 29. 5

若以微分方程 的解为真 值可求 出对应于 上表不同 DT 值, 历时 10 分钟 过程中, 差分方 程

计算结果的最大可能相对误差:

DT 　 ( 分) 0. 125 0. 5 1 5

最大相对误差　 % 约2 < 3. 5 < 8 约 56. 5

　 　 当 DT ≤1 时, 计算相对 误差小 于 8% ; 然而 DT = 5 时相对误 差大 于 55% , 显然 DT

值取得太大了。第一步计算后 T EA 就降至室温 20℃和 T E A 变化的真实过程大相径庭,
根本无法描述茶水的降温过程, 可见选用合适的计算间隔 DT 值是颇为重 要的, 不合 理的
DT 值( 过大或过小) 将使计算模拟失去意义。
选择 DT 的经验法则是, 取其值为( 0. 1～0. 5) 倍的模型最小时间常数。取小于 0. 5 倍
可防止出现不合理的计算结果。但若取小于 0. 1 倍则对于计算的准确度提高不大, 且需耗
费大量的计 算机时。以茶水冷却 模型而言, 模型的最小时间 常数为 1/ CON ST = 1/ 0. 2=
5, 故可取 DT 为:
DT = ( 0. 1～0. 5) ＊ 5
= 0. 5～2. 5( 分)
・ 7 7・
 § 4. 7　 高级 DYNA M O 与用于微机的
P D P lus V ensim 等系列

　 　 在前六节中介绍了 DY NA M O 系列的共同特点。本节将讨论少数 DY NA M O 具备的

特殊功能。DYN AM O Ⅱ与 DYN AM O Ⅲ具备自定义 M A CRO ( 宏指令) 功能和 DYN AM O
Ⅲ具备的阵列式描述功能。DYNA M OⅡ与Ⅲ对构造大规模的模型尤其有用, 方便了方程
的书写, 可用 M A CR O 把同一模型中具有相同形式、多次重复出现的方程加以简化。阵列
式描述功能采用下标把包含许多相同结构的子块紧凑地加以描述。这两种简化描述复杂
系统的逻辑方法使建模者能更清晰地剖析系统、构思与组建模型的结构以及书写方程。此
外, 本节还介绍 80 年代问世 并正继续在改进 的 PD( P r of essｉoｎal DYN AM O ) 、Vensim 等
软件系列, 可用于 IBM P C －XT ( 或 A T ) 微机。它除了具备 DY NA M O 系列已有功能外还具
备其它便于建模与应用模型的新功能。

4. 7. 1　 用户自定义 M ACRO ( 宏指令)

所谓 M A CR O 就是宏指令( 或宏函数) , 是 DYNA M O 方程的集合, 它包含一组方程,

具有特定功能与相应的指令名。DYN AM O 系列中的 M A CR O 指令有 SM OO T H ( 平滑)
函数, DEL A Y 3( 3 阶延迟) , T ABL E ( 表函数) 等。 DY NA M O Ⅱ与Ⅲ 允许建模人员独 创自
己需要的宏指令。
有两种典型的情况可采用自定义 MA CRO 。最常遇的典型情况是, 在模型中一部分子
结构, 它们在结构上完全相同, 多次重复出现, 彼此之间唯有参数或输入值的差别。把这些
子结构用一组方程描述并以其特定功能加以命名, 即形成自定义的新的宏指令。一旦定义
后, 后来重复地写宏指令的名就行了。因此, 自定义宏指令简化了描述, 缩短了程序单, 而
且更便于研读与书写。自定义 M ACR O 的另一种用途仅仅是为了易读、易记和便于交流,
在整个模型中或许只出现一次, 不一定重复出现。例如模型中可能要求书写一组方程, 用
于 描 述 某 变 量 的 发 展 趋 势, 也 可 用 宏 指 令 描 述 并 冠 以 T RE N D 的 指 令 名。 读 者 见 到
T R E ND 就一目了然它是描述发展趋势的, 其所包含的方程组则可略过, 不必去细读。
下面以 SLOP E 为例说明如何自定义宏指令。
( 1) 斜率( SL OPE ) 宏指令
假设建模者需要求得模型中一个或更多的变量( 例如以 X . K 表示) 的增长率, 则 可藉
助 SL OPE 指令来实现。首先选择适当的时间间隔 DE L , 然后计算出在 DEL 内 X. K 的变
化, 即
X. K - SMO OT H( X. K, DE L )
式中 SMO OT H 函数代表 X. K 在 DE L 期间的平均值。于是可得 SLOP E 函数为:
SL OPE . K = ( X. K - SM OOT H ( X. K , DE L ) ) / DE L 。
按 M A CR O 指令的形式书写斜率函数 SL OPE 应为:
M A CRO 　 　 SLO PE ( X, DE L )
A 　 　 SL OPE . K = [ X . K - SM OO T H ( X . K , DE L ) ] / DE L
・ 7 8・
 MEN D
可见, SL OPE 宏指令至少包含:
1) M A CRO 之后随之有以函数形式的宏指令的名;
2) 在 M A CR O 指令之下, 以方程式描述待定义的函数;
3) 以 M E ND 指令表明宏指令的定义结束。
在宏指令第一行中 X 与 DE L 即所谓哑元。任何时候, 当欲求某变量的 SL OPE 时, 仅
需将该变量名及其相应的时间间隔代入 X 与 DE L 即可, 它们不带下标。哑元应为数量的
名而不是数。应注意到这些数量名不要与模型中其他变量的名重复。在定义 M ACR O 中
可采用 DYN AM O 中除了 C 方程以外的任何方程。若用 L 方程则应配以 N 方程。
比如在模型中要计算过去两年的人口纯增长率, 可套用 SL OPE 宏指令, 书写如下:
A 　 　 POPN GR . K = SL OPE ( POP . K , IN T V )
C IN T V = 2
式中:
P OPNGR —— 人口纯增长率( 人/ 年) ;
P OP —— 人口( 人) ;
INT V —— 时间间隔( 年) 。
为了便于阅读, 可把宏指令 SL OPE 的定义改写如下:
M A CRO 　 　 SLO PE ( X , DE L )
INT R N A VA R
A 　 　 A VA R . K = SM OO T H ( X . K , DE L )
A SL OPE . K= ( X. K- A VA R . K ) / DE L
MEN D
式中 IN T RN 指令的涵义是把 AV AR 规定为 M ACR O 内部变量, A VA R 意为平均值。式
中其他变量名与指令名的涵义同前。
在上述定义中, 由于用了 SM OOT H 函数, 它能自动计算初始值, 取 A VA R 的初 始值
等于 X 的初始值, 所以 SL OPE 的初始值总为‘0’。若为了得到更一 般的情况, 使 SLOP E
取任意初始值, 可将宏指令 SL OPE 定义如下:
M A CRO 　 　 SLO PE ( X , DE L , ISLO PE )
INT R N A VA R
L 　 　 A VA R . K = A VA R . J + ( DT / DE L ) ( X . K - A V AR . K )
N A VA R = X- ISL OPE ＊ DE L
A SLOP E . K = ( X . K - A VA R . K ) / DE L
MEN D
以上方程组的书写, 与前不同处在于把 SM OOT H 函数的内容展开, 并具有一般 形式
的初始值 N 方程。ISLOP E 是新增加的哑元。若令 ISL OPE 为‘0’则宏指令 SL OPE 退化
为取初始值为‘0’。
SL OPE 宏指令从外部输入( 称输入变量) , 经计算而用于内部。这是宏指令的一 类用
法。下面再介绍另一类用法。
・ 7 9・
 ( 2) 输出的哑元
此类用法是用哑元定义由宏指令内部计算得出的结果, 而用于输出的变量。
其典型的例子就是在本章 4. 3. 1 中介绍的物质延迟 DE LA YP。它隐含了十个方程式
( 状态变量方程、状态初值、变化率各三个, 再加上一个状态变量总和的辅助方程) , 其中辅
助方程变量 即为输出, 它为 DE LA YP 内部三状 态变量 之和。DE L AY P 所隐 含的方程 如
下:
M A CRO 　 　 DE L AYP ( IN , DE L , PPL )
INT R N L V 1, RT 1, L V 2, R T 2, L V 3
L 　 　 L V 1. K = L V1. J + DT ＊ ( IN. JK - R T 1. JK )
N L V 1= IN ＊ DE L / 3
R R T 1. KL = L V1. K / ( DE T / 3)
L L V 2. K = L V 2. J + DT ＊ ( R T 1. JK - R T 2. JK )
N L V 2= L V1
R R T 2. KL = L V 2. K / ( DE L / 3)
L L V 3. K = L V3. J + DT ＊ ( R T 2. JK - DE L AYP , J)
N L V 3= L V 1
A DE LA YP . K= L V 3. K / ( DE L / 3)
A PP L . K = ( LV 1. K + L V 2. K + L V 3. K )
MEN D
式中:
L V 1, LV 2, L V3 —— 宏指令 DE L AYP 内部的状态变量;
R T 1, R T 2—— 宏指令 DEL A YP 内部的变化率;
IN —— 待延迟的输入变化率;
DE L —— 延迟时间;
P PL —— 宏指令 DE L AYP 的输出变量。
于是宏指令 DE LA YP 可以由 PPL 输出其内部的三个状态变量之和。
( 3) 宏指令书写规则
1) 宏指 令的定义以“M A CRO ”开头 随之宏指令的名 字及一对括弧, 括弧 内可置入 以
逗号隔开的任意个哑元。
2) 用一个或多个 DYN A MO 方程定义 MA CRO 的名、哑元及内部变量。这些方程的
右边可出现哑元、内部变量、宏指令本身以及已定义过的其它宏指令和变量。
3) 哑元仅是变量的名, 既不是代数式也不 是数。哑元的名不能 在模型中其他地 方重
复使用。
4) 宏指令的定义以 M E ND 指令为结束。
5) 宏指令的位置应放在其首次使用之前。
6) 每当套用宏指令时, 要保证所给定的实元 数目与位置要和宏 指令定义中的哑 元严
格准确地相对应。
7) 实际的输入元可为包含模型中数个变量的代数式。但是实际的输出变量只能是单
・ 8 0・
个变量, 而且在模型中的其他地方不许被重复使用。
8) 一 旦宏指令 被定义 后, 只 要在模型 反馈机 制中有实 际意义, 它可 用于模型 中除 了
C 方程以外的任何方程的右侧。
( 4) 宏指令实例
为了进一步说明构成宏指令的原则, 下面给出几个有用的实例。
1) 具非平衡初始值的 DE LA Y 1 —— DE L A 1G
假定 DE L AY 1 内部的状态方程的初始变化率改为等于某一固定值 IGR , 则成为具非
平衡初始值的宏指令 DE LA 1G 。其方程组如下:
M A CRO 　 　 DE L A1G( IN , DE L , IGR)
INT R N LEV
L 　 　 L E V . K= L E N . J+ DT ＊ ( IN . J K- DEL A 1G. J)
N L E V = ( IN - IGR ) ＊ DE L
A DE LA 1G . K= L E V . K/ DE L
MEN D
上述方程中的变量名多已见前述, 下面补充说明一些变量名及 LE V 初始方程的由来:
DE L A 1 G —— 具有非平衡初始值的一阶延迟函数;
　 　 IGR —— 固定初始增长率。
按给定要求 IGR 应等于:
IGR = ( IN - DE L A1G)
由于
DE L A1G= LE V / DE L
于是
IGR = IN- L E N/ DE L
所以整理后得
L EV = ( IN - IGR ) ＊ DEL
当令 IGR = 0 时, 则可使 DE L A 1G 还原为 DE L AY 1。与就是说 DE L A Y 1 是 DE L A 1G 当
IGR = 0 时的特殊情况。
初始增长率 IGR 也可以分数形式的 IF GR 表示, 则按定义初始条件应为
IF GR = ( IN - DE L A 1G) / L EV
把 DE LA 1G = L E V / DEL 代入上式得
IFGR = ( IN - L E V / DEL ) / L E V
整理后有
L E V( IFGR + 1/ DE L ) = IN
所以
LE V = ( IN＊ DE L ) / ( 1+ DE L ＊ IFGR )
这 就是 以分数 表示 的 DE L A 1 G 的 非平 衡初 始 值方 程, 读者 可自 行 检验, 当 IFGR 为‘0’
时, L E V 的初始值等于 IN ＊ DE L , 恰好是 DE L A 1G 的情况。
2) T R E ND 宏指令
・ 8 1・
 本节一开始就以宏指令 SL OPE 为引子说明如何自定义宏指令。宏指令 SL OPE 系假
定输入量 X 是瞬时可知 为前提的; 但对 实际系 统却不甚 合理, 因为 X 真正被 察觉总有 一
定时延。为弥补这一不足, 首先把输入变量 X 加以平滑, 然后代入前述的宏指令 SL OPE ,
于是形成新的宏指令 T R E ND 。其 DYN AM O 表达方式如下:
M A CRO 　 　 T R E ND( IN , T PPC, T E R C, IT R E D)
INT R N P PC , R C
L 　 　 PP C. K= PPC. J+ ( DT / T PPC) ＊ ( IN. J- PPC. J )
N PP C = IN - IT R E N D＊ T PPC
L R C. K = R C. J + ( DT / T E RC) ＊ ( PPC. J- R C. J)
N R C = IN - IT RE N D ＊ T E R C
A T R E ND. K = ( PPC. K- R C. K ) / T E R C
MEN D
式中:
　 　 IN —— 输入变量;
　 T PP C —— 觉察现在情况的时间;
　 T E R C —— 建立参考条件;
IT RE N D—— 初始趋势值;
　 　 P PC —— 被觉察的现在条件;
　 　 R C —— 参考条件。
上述为初始值非‘0’的 T RE N D 宏指令。
若取 IT R E ND 为‘0’, 则此 T RE N D 成 为初始 值为‘0’的特 殊情况, 其书 写方式可 简
化为:
M A CRO 　 　 T R E ND( IN , T PPC, T E R C)
A 　 　 T R EN D . K = SLO PE ( SM OOT H ( IN , T PPC ) , T ER C )
MEN D
宏指令 T R E N D 可计 算出基于现在趋 势的外推的 预测值, 可用 于预测在 一定期间 内
某变量的变化速率。
3) 有色噪声 PK NS
以前所介绍的 DYNA M O 的随机数发生函数是均匀分布的或矩形分布的。然而在系
统动力学模型 中, 希 望随机干 扰的具 有下述特 色: 较 接近于 钟形的正 态分布, 对 DT 的 大
小变化不敏感, 存在一定程度的自相关作用, 希望有一个可产生能更均匀地激发模型中的
频率响应的噪声函数, 即我们所需要的是有色噪声。
下面用宏指令获得有色噪声。
首先设法得到伪白色噪声然后加以平滑。
M A CRO 　 　 P KNS( M E A N, ST DV , T C)
INT R N W T NS
L 　 　 PK NS. K = P KN S. J + ( DT / T C) ＊ ( ME A N + W T NS. J - PK NS. J )
N PK NS = ME A N
・ 8 2・
 A W T N S. K= ST DV ＊ SQR T ( 24＊ T C/ DT ) ＊ N OISE [ ]
MEN D
式中:
P KN S—— 有色噪声;
M E A N —— 有色噪声的均值;
ST DV —— 有色噪声的偏差;
T C —— 有色噪声的相关时间常数;
W T NS —— 伪白色噪声;
SQR T —— 开平方;
N OISE [ ] —— DY NA MO 中的矩形分布噪声函数。
上式中 隐含的平 滑函数 的作用在 于使噪声 具有一 定的自相 关作用, 当 T C 越大时 自
相关作用就越强。平滑的另一作用是把噪声中的高频部分削弱, 使有色噪声具有较少的高
频成份。此外由于平滑函数的平均作用, 使有色噪声 PKN S 趋于正态分布。
使用有色噪 声函数 P KN S 时, 应为所用之随 机干扰选择适当均 值与标准偏差。粗 略
地说, PK NS 的值大多将在 M EA N ±ST DV 之内, 很少有超出 ME A N ±3ST DV 的。相关
时间常数 T C 在理论 上应与 工程上所 谓系统 的带宽有 关, 其 值应大 于模型中 的最小时 间
常数。

4. 7. 2　 DYNAM O Ⅲ的阵列

DYN AM O Ⅲ具备以下标标志变量的能力。这意味着一个变量名可以代表数个量, 一
个方程能描述模型结构中一个以上的单元。此功能使建模者能不受次数的限制, 以不同参
数值“复制”模型中的某一部分, 而毋须增加方程式。如法炮制则可把小的、集结结构子块
扩展成为复杂、分解式的大模型。
举例而言, 在前述章节已多次遇见的劳动力变量 WF . K 改用下标 表示后成为 WF . K
( S, T ) 。它代表数的阵列, S 与 T 为下标, 假定以 S 标志劳动力技能等极, 以 T 标志分配给
各技能等级劳动力的任务数。下面给出一个 90 名劳动力按技能等级及任务分配安排的阵
列。

劳动力 分配任务项数( 项)

( 人) 1 2 3

技能 A 10 13 21
等级 B 17 11 18

　 　 以后我 们将把带下标的 变量所代表的任 何一组数称为阵列。DYN AM O Ⅲ的变量 可

具 1, 2 或 3 个下标; 因此有 1, 2 或 3 维的阵列。当 然 DYN AM O Ⅲ 也兼容不带下标 的变
量。
下面介绍应用 DYN AM OⅢ阵列功能的实例。
( 1) 把简单传染病模型加以分解与扩展。
・ 8 3・
 在第四章的 4. 3. 1 中给出过传染 病模型的基本结 构( 见图 4. 4) 。原基本结构中 人口
是集结变量。若现在要求研究疾病在不同龄群中的蔓延问题, 特别是在学龄儿童与老年人
中的传染 问题, 则可 按年龄组把原来 的基本结构加 以“复 制”扩展成 为含有三 个年龄组 的
传染病模型。其流图( 结构图) 如图 4. 22 所示。

图 4. 22　 含三个龄群的传染病模型流图

流图中:
CSU SC, A SU SC, OSU SC—— 分别为儿童、成人与老年人中未生病的人数;
CINF , AINF , OINF —— 分别为儿童、成人与老年人的传染率;
CCNT CT S, ACN T CT S, DCN T CT S—— 分别为儿童、成人与老 年人每日受病患 者传
染的机会;
CSICK, ASICK, O SICK —— 分别为儿童、成人与老年人中的患病人数;
CR E CO V , AR E CO V , ORE COV —— 分别为儿童、成人与老年人中康复人数;
CDU R , A DU R , ODU R —— 分别为儿童、成人与老年人患病期;
CCU R E , A CU R E , O CU R E —— 分别为儿童、成人与老年人的治愈率。
下面进一步介绍如何以 DYN AM OⅢ的阵列表达功能书写模型方程。
设 A 为下标以代表各年龄组:
A = 1　 　 代表儿童人口;
A= 2 代表成年人人口;
・ 8 4・
 A= 3 代表老年人人口。
以上内容在模型中应先以 F OR 语句描述如下:
F OR 　 　 A= 1, 3= CH L DR N , ADL T S, E L DR L Y
然后把下标 A 嵌入各变量, 并列出主要变量的方程。
L 　 　 SICK. K( A ) = SICK . J( A) + DT ( INF . JK ( A ) - CU R E . J K( A ) )
N SICK ( A ) = ISICK ( A )
T ISICK ( ＊ ) = 10/ 5/ 5
上述 表函数 ISICK ( ＊ ) 中 的＊ 号是 DYNA M O Ⅲ的一 个指令, 它 依次 代表每 一个 下
标 A 的值并把 T ( 表函数) 方程右边的数值分别赋予 ISICK ( 1) , ISICK ( 2) , ISICK( 3) , 即:
N 　 　 SICK ( 1) = 10
N SICK ( 2) = 5
N SICK ( 3) = 5
依同法可将 SU SC. K ( A ) , SU SC( A) , ISU SC( ＊ ) 写出。
在模 型中有一 个描述 与患 者接触 后得 病的 比率称 得病 系数 FR SICK ( A ) , 各 龄组 的
值不同故也用表函数赋值。
T 　 　 F RSICK ( ＊ ) = 0. 05/ 0. 01/ 0. 03
此外把 T SICK. K ( A ) 与 T ABCO N( ＊ , A ) 再作一点解释。
T SICK ( 患病者总数) 为各龄组中患者之和, 在模型中以和函数 SU M 表示。
A 　 　 T SICK . K = SU M ( SICK . K)
SU M 函数命令 DYN AM O Ⅲ把模型中的所有 SICK 变量的值相加起来。即
SU M ( SICK. K) = SICK . K ( 1) + SICK . K ( 2) + SICK . K ( 3)
若 SICK 为二维或三维阵列, SU M ( SICK . K ) 将算出阵列中所有数值之和。
T A BCON ( ＊ , A) 是表函数, 它赋予 CNT CT S. K( A) 以实际数值。在表函数语句中的
＊ 号告诉 DYN AM O Ⅲ把其右边行中的数据依次赋入阵列中指定的位置。
DYN AM O Ⅲ的运行语句为“DYNA M O3”, 在终端键 盘上打入并随之 以模型文件名,
该模型立即被模拟。
( 2) 龄链结构
应用 DY NA M O Ⅲ的下标标志法可描述龄链结构。图 4. 23 给出四状态变量的龄链结
构图( 即流图) 。POP 1, POP2, POP 3 与 PO P4 分别表示儿童、青年、中年与老年人的人口。
分析一下结构图可知: POP 2, P OP 3 与 POP 4 具有相同的结构, 而 POP 1 和它们 有一
不同之处, 其输入变化率 BR ( 诞生率) 的结构是不同的。因此应分别加以描述。按结构的
不同可把方程按下标分为三类, 一类下标为 1; 一类为 AGE 1; 另一类为 A GE 2。并定义:
龄组 数 NA GE S = 4; A GE 1 = 1, N AGE S; A GE 2 = 2, N AGE S。 下 面 简 单 叙 述 如 何 用
DYN AM O Ⅲ书写龄链结构的主要方程。
L 　 　 POP . K ( 1) = POP . J( 1) + DT ＊ ( BR . JK - M OU T . JK ( 1) - DR . JK ( 1) )
L POP . K ( A GE 2) = P OP . J ( A GE 2) + DT ＊ ( M OU T . JK ( AGE 2- 1)
- M OU T . JK ( AGE 2) - DR . JK ( A GE 2) )
R BR . KL = SCL PRD ( BRF ( ＊ ) , 1, 2, PO P . K ( ＊ ) , 2)
・ 8 5・
 图 4. 23　 龄链结构流图

T BR F = 0. 1/ 0. 05
R M OU T . KL ( A GE 1) = POP . K ( A GE 1) / M T ( A GE 1)
T M T = 20/ 20/ 20/ 1E 30
R DR . KL ( AGE 1) = GR F( A GE 1) ＊ POP. K( AGE 1)
T DRF = 0. 002/ . 005/ . 006/ . 06
式中:
P OP —— 人口, 分成 1, 2, 3 与 4 共 4 个年龄组;
BR —— 诞生率;
M OU T —— 人口由低龄组进入下一龄组的成熟率;
M T —— 成熟时间;
DR —— 死亡率;
A GE 1—— 包括第 1, 2, 3 与 4 年龄组;
A GE 2—— 包括第 2, 3 与 4 年龄组;
SCLPR D —— 两个向量的标积。
以上变量名的涵义大多不言自明, 下面只作一点说明:
1) 第 4 龄组的 M OU T ( 4) 应等于‘0’是如何获得的。由于 M OU T ( 4) = PO P ( 4) / M T
( 4)
M T ( 4) = 1E 30( 很大的数)
所以 M OU T ( 4) = POP ( 4) / 1 E 30
≈0
2) 如何用 SCL PR D 函数计算出 BR 。
从流图结构知
BR = BR F2＊ POP2+ BRF 3＊ PO P3
此式可用 DYN AM O Ⅲ的向量的标积 SCL PRD 公式计算。
SCLPR D ( A, a fir st , a la s t , B, b fir st )
A 与 B 是向量。 a fi rst 与 a l as t 为 A 向量的第一与最后一个元素, b firs t 为 B 向量的第一个元素。
・ 8 6・
 向量 A 与 B 的标量积为:
a fi rst ＊ b firs t + …+ a la s t ＊ b l as t
于是可得
BR . KL = SCL PR D( BR F( ＊ ) , 2, 3, POP( ＊ ) , 2)
( 3) 带下标的变量的主要书写规则
1) DYN AM O Ⅲ 中的 阵 列 由带 下 标的 变 量 描 述。下 标 用 1 至 6 个 字 符 命 名, 称 之
F OR 变量。变量可带有多至 3 个下标。
2) 由 F OR 语句规定下标值( 整数) 的范围。FOR 变量可加上或减去某整数。
3) F OR 变量可出现于方程的左边及右边。
4) 带有下 标 的变 量, 其 下 标 可 为整 数 或 文 字。例 如 儿 童 人口 POP ( 1) 也 可 以 写 为
P OP ( CH LDR N ) , CHL DRN 为英文 CH IL DR E N ( 儿童) 的简写。
5) 变量的任一下标, 在同一维中可采用不同范围的整数值。
6) 阵列中的元素的值应恰当地赋予。阵列中的任一元素不可从同一阵列的其它元素
的计算得出。
( 4) DYNA M O Ⅲ中的某些重要函数
1) 阵列的乘法运算
设 C 阵为 A 与 B 阵之积,
C = AB
则在 C 阵中的第 I 列与第 J 行的 C ( I , J ) 应为:
　 　 C ( I, J ) = A ( I , 1) ＊ B ( 1, J ) + A ( I , 2) ＊ B ( 2, J ) + …+ A ( I, K ) ＊ B( K , J )
上述计算由 SCL PR D 来完成,
C ( I , J ) = SCLP RD ( A ( I , ＊ ) , 1, K , B ( ＊ , J ) , 1)
2) SU M V 函数
SU M V 意为取阵列中某维元素之和, 即:
SU M V ( VE CT OR , FIRST , L AST )
式中:
V E CT O R —— 阵列中的一维;
F IR ST —— 该维中待求和的第一个元素;
L A ST —— 该维中待求和的最末个元素。
3) P RDV 函数
P RDV 意为求阵列中某维元素之积, 即:
P RDV ( VE CT OR , FIR ST , L AST )
例如 PR DV( M U LT . K( ＊ ) . 1, NM U L T )
式中 M U LT 为 来自各 模型子块 的某无 量纲因子, 计有 N M U LT 个因子。PR DV 能求 出
N M U L T 个因子的乘积。若是为了求出某种变化率 R A T E , 只需把 R R DV 算出之积再乘
该变化率的额定值 N OR M , 即成。
R 　 　 R AT E . KL = NOR M . K ＊ PR DV ( M U L T . K ( ＊ ) . 1, N M U LT )
・ 8 7・
4. 7. 3　 专用 DYNAM O( PD —— Prof essional DYNAM O) Plus 和 Vensim 等语言

1985 年在美国, 用于 IBM 个人计算机的专用 DY NA MO 系列问世。它不仅是一种构

模语言, 而且成为较完整的建模、分析与模拟的统一系统。它不仅具 备 DYN AM O Ⅳ 的模
拟功能, 还包括模型开发与排错, 模型的文件编辑等功能。
专用 DYN AM O Plus 除了具备传统的打印与绘图功能外, 还具备多种新的功能:
( 1) 能灵 活设计 模拟结果 的输出 形式。模拟 结果可以 多种形式 输出, 包括打 印与 绘
图; 且易于设计和安排。
( 2) 企业管理专用绘图。除了绘制传统的变量随时间变化的图形外, 还能绘制两变量
的关系图, 即 X —Y 图。
( 3) 应用运算与逻辑功能可把多次运行结果加以比较, 并自动选择合适的输出。
( 4) 可选择在绘图仪上输出或 CR T 上显示彩色图形。
在 80 年 代中 兴 起 的还 有: 具 有 图示 辅 助建 模、辅 助 思考 功 能的 ST E U A、V ensim、
it hink 和 P owersim 等。它们的功能不断在改进, 到 90 年代后都能在 Windows 下工作; 其
中 V ens im 的功能尤最, 而且能运行方程达数千的大模型。

习　 　 题

( 1) 改正下列方程中的错误:
L 　 　 　 　 P O P . K = P OP . J+ OT ( BR . K - DR . K ) 　 　 　 　 人口( 人)
C P O P = 10000 人口基年值( 人)
A BR . JK = BN ＊ ERR . K ＊ P O P . J 出生速率( 人/ 年)
N BN = 0. 04
T E BR. K = T ABL E( T EBR, DE N . K / N DEN , 0, 1, 0. 2) 对出生速率的系数( 无量纲)
T T E BR = 1/ 1/ 0. 85/ 0. 65/ 0. 25
R DE N . K = P OP / ARE A 人口密度( 人/ km 2 )
N A RE A = 25 面积( km 2 )
N N DEN = 10000 人口密度极限( 人/ km 2 )
C L F = 80 期望寿命( 年)
A DR . K= P OP . J / LF 死亡速率( 人/ 年)
SP E C L EN GT H = 250, DT = 1 ( 年)
C T IM E = 1950 ( 年)
P RINT P OP = P / BR , DR
P LO T P O P . K / DEN
( 2) 回答下述问题:
1) 选择 DT 值的经验公式是什么?
2) DT 值的选择将对什么发生影响?
3) 一个系统动力学模型至少应包括哪些变量?
4) DY N AM O 能识别的变量名字符数不能超过几个? 对变量名的第一个字符有哪些限制?
5) 同一方程中能否有空格, 每行不能超过多少列?

・ 8 8・
 第五章　 一 阶 系 统

§ 5. 1　 概　 　 述

　 　 首先要说明的是为什么要研究一阶系统。在第二章已介绍过有关系统和反馈系统的
概念与定义。在现实生活中高阶数、多回路、非线性的反馈复杂系统比比皆是。一个复杂
社会经济系统可能有几十至几百阶。前已述及, 一个典型的西方的城市问题的系统约为二
十阶。一个系统的阶数是由此系统包含多少状态变量决定的。大家知道, 从物理学的角度
看, 一物理系统的阶数由它拥有多少独立储能元件来决定。一个复杂的高阶系统可视作由
一组子系统组成。也就是说一个复杂的高阶的系统从结构上可分解成若干的低阶子系统。
当然在实际生活中, 也存在许多简单的一阶或二阶的系统。因此研究一阶和二阶系统的机
制不仅是了解简单系统的本身的需要, 也是研究复杂系统的需要。当然我们应该注意到复
杂系统的特性并不等于组成它的简单子系统的特性之和。此外, 一个复杂系统的行为往往
是由某 些主回路 和某些 主要的变 量决定的; 换 言之, 复杂系统 中往往 存在一些 起主导 作
用的主回路和主要变量。这是很有用的概念, 根据这一概念, 我们有可能把一个高阶系统
简化成为一个一阶或低于四阶的简单系统。从这个角度看, 使我们更加了解研究一、二阶
系统的意义。一阶系统比二阶系统是更加基本的问题。所以首先在本章讨论一阶系统问
题。二阶系统将在第六章讨论。
本章讨论一阶系统的描述, 一阶系统的重要参数, 一阶系统的正负反馈系统的结构与
行为, S 形增长结构和系统的补偿四个问题。

§ 5. 2　 一阶系统的数学描述

在第二章第三节中已述及, 系统动力学是在时域中分析研究系统的, 它采用状态空间

法描述系统结构。系统向量形式的状态方程为:
¡¤
X = f ( X, U, t) 　 X ∈ R m 　 U ∈ R r
式中: R 表示欧氏空间, 向量 X 为 m 维, U 为 r 维。
为了简化叙述使读者易于掌握, 本节以一阶的定常自由系统为例进行描述, 但在实际
举例中不受此限。
设该系统为: m = 1, r = 0 的时不变系统, 则有:
¡¤
x = f ( x)
这就是一阶的微分方程式。此方程可以泰勒( T ayler ) 级数展开,
¡¤ 2
x = a 1x + a 1 1 x + …
此式的右边按不同近似程度的要求可保留一项或两项, 而把更高次项略去。a 1 , a 11 … 为泰
勒系数。
・ 8 9・
 ( 1) 保留一项的情况
・
x = a 1 x 求一阶微分方程的解可得
a t
1
x = x 0e
式中 x 0 为初始 值, 当 a 1 > 0 时系统 的行为 呈指数增 长特性, 在 数学上 称为 指数增 长规 律
或自然增长规律。在自然界中, 动植物在无约束条件下表现为此种增长特性。当出生率大
于死亡率时人口增长亦具此特性。
当 a 1 < 0 时, 系统的行为呈指数减小。在自然界中的 放射性射线强度 的衰减, 被 照杀
或药杀的细菌消亡过程, 死亡率大于出生率人口的减少过程都表现为指数减少。
( 2) 保留两项的情况
・
x = a 1 x + a 1 1 x 解的形式为
2

a t
a 1 ce 1
x= a t
1 - a 1 1 ce 1
式中 c 为常数, 当 a 1 > 0, a 1 1 > 0, t → ∞时, x 趋于定 值。曲线呈 S 形增长特 性, 通常称 之为
S ｉg moｉd 或逻辑( log ｉstｉc) 曲线。

§ 5. 3　 一阶系统的重要参数

根据微分方程 和过渡过程的知 识, 我们 知道描 述一阶系 统特性 的重要参 数有系统 时

间常数, 倍增时间常数( doublｉｎg tｉme) 等。了解并掌握这些参数对研究一阶系统问题很有
裨益。

5. 3. 1　 指数增长及其参数

( 1) 指数增长方程式
图 5. 1 为一阶正反馈系统的流图。
此 系 统 用 DYN AM O 书 写 的 差 分 方
程式如下:
L E V . K = L E V . J + ( DT ) ( R T . JK )
式中:
L E V —— 状态变量;
R T —— 速率;
DT —— 计算时间间隔。

图 5. 1　 正反馈一阶系统流图 由此式可改写为:
( L E V . K - L E V . J ) / DT = R T . J K
脱去 DYN AM O 的符号, 并令 DT 趋于 0, 则可得微分方程式:
dLE V ( t ) / dt = R T ( t )
假定 R T ( t ) = CONST ＊ L E V ( t )
CON ST —— 比例常数
所以 dLE V ( t ) / dt= CONST ・L E V ( t )
・ 9 0・
 CO N S T ＊ t
可解得: L E V( t) = LE V ( 0) e ( 1)
式中:
L E V ( t ) —— 状态在 t 时的值;
L E V ( 0) —— 状态的初始值;
CON ST —— 比例常数;
e —— 自然对数基。
( 2) 时间常数 T
时间常数定义为 CON ST 的倒数。
T = 1/ CON ST , 具有时间的量纲。
为 进一 步了 解时间 常数 T 的 物理 涵义, 设 t = T 时, 问 L E V ( t ) = ? 将 t = T 代入 式
( 1) 得,
( 1/ T ＊ T )
L E V ( T ) = L E V ( 0) e
1
= L E V ( 0) e
= 2. 73＊ L E V ( 0)
结果 说明, 当时 间 t 经历一个时 间常数后, t = T , LE V ( T ) 达 2. 73 LE V ( 0) , 即较初 始
2
值大 2. 73 倍。同 理可 求出 当 t = 2T 时, L E V ( 2T ) = L EV ( 0) e = 7. 45L E V ( 0) , 即 L E V
( 2T ) 为 LE V ( 0) 的 7. 45 倍。
时 间常数 T 决定 正反馈系 统中的 增长或减 少的速度。当 时间常 数大时( 或 CONST
小) , 相应的 L E V ( t ) 为较平缓的增长曲线。反之, L E V ( t ) 为较陡峭的变化曲线。
( 3) 倍增时间( d oublｉｎg tｉme ) T d
倍增时间定义为变量由初始值增至二倍的初始值时所需的时间。T d 与前述的时间常
数 T ( 或比例常数 CON ST ) 的关系可借助方程( 1) 推导如下:
CO N ST ＊ T
d
2L E V ( 0) = LE V ( 0) e
C ONST ＊ T
得: 2= e d

ln 2= CONST ＊ T d
所以:
T d = ln2/ CON ST
= T ＊ ln 2
= 0. 69＊ T
也就是说, 倍增时间约等于 70% 的时间常数 T 。每经过 一段时间 T d , LE V 的值将较 前增
加一倍。图 5. 2 表示了倍增时间常数 T d 与时间常数 T 两者的关系。

5. 3. 2　 一阶负反馈系统的重要参数

( 1) 方程式的基本形式
一 阶负 反馈 系统 的典 型 结 构如 图 5. 3 的 流图 所 示( 一 阶 负反 馈 系 统的 讨 论见 第 五
节) 。其方程式以 DY NA MO 语言书写如下:
LE V . K = LE V . T + ( DT ) ( R T . JK )
RT . KL = CONST ＊ DISC . K
・ 9 1・
 DISC. K = GL - L E V . K
式中:
L E V —— 比例常数;
R T —— 速率;
CON ST —— 比例常数;
DISC—— 偏差;
GL —— 目标值。

图 5. 2　 倍增时间 T d 与时间常数 T 的关系 图 5. 3　 一阶负反馈系统的典型流图

由上述方程可得:
( L E V . K - L E V . J ) / DT = CON ST ( GL - L E V . K )
脱去 DYN AM O 的符号, 并令 DT 趋于‘0’则可得微分方程式:
dL EV ( t ) / dt= CONST ( GL - LE V ( t ) )
分离变量得:
dL E V ( t ) / ( GL - LE V ( t ) ) = CON ST ＊ dt
解得:
- C O N S T＊ t
L E V ( t ) = GL - [ GL - L EV ( 0) ] e ( 2)
式中:
L E V ( t ) —— 状态在 t 时的值;
L E V ( 0) —— 状态初始值;
GL —— 目标值;
CON ST —— 比例常数;
e —— 自然对数基。
( 2) 时间常数 T
定义时间常数 T 为 CON ST 的倒数, 即 T = 1/ CO NST 。下面讨论负反馈系统时间常
数的涵义。把 t = T 代入( 2) 式得:
- ( l/ T ) ＊ T
L EV ( T ) = GL - [ GL - LE V ( 0) ] e
・ 9 2・
 - 1
= GL - [ GL - LE V ( 0) ] e
- 1
= LE V ( 0) + ( 1- e ) [ GL - L E V ( 0) ]
= LE V ( 0) + 0. 632[ GL - L E V( 0) ]
时间常数 T 代表状态由在初始值 L E V ( 0) 基础上增长 0. 632 倍的目标值与初始值之差所
需的时间。同理可进一步求出:
L E V ( 2T ) = LE V ( T ) + 0. 632[ GL - L E V ( T ) ]
L E V ( 3T ) = LE V ( 2T ) + 0. 632[ GL - LE V ( 2T ) ]
由上述各式可推算出下表的结果:

t [ ( L EV ( t ) - L EV ( 0) ) / ( GL - LEV ( 0) ) ]× 100% [ ( GL - LE V ( t) ) / ( GL - L EV ( 0) ) ]× 100%

0 　 0 100
T 　 63 37
2T 　 86 14
3T 　 95 　 5
4T 约 99 约1

　 　 [ ( L E V ( t ) - L EV ( 0) ) / ( GL - L E V ( 0) ) ]× 100% 表 明在时 间 t 时, 状 态值与 其目 标

值接近的程度。
[ ( GL - L EV ( t ) ) / ( GL - L E V ( 0) ) ]× 100% 表 明在时 间 t 时, 状 态值 与 目标 值之 差
距。
从表中可见, 经过三倍 的时间 常数 T 之后状 态值接近 目标值 的程度已 达 95% , 而 经
过 4T 后则达 99% 。可以认为这时状态已趋于稳定。了解到这一特点, 将有助于分析负反
馈系统的特性, 图 5. 4 形象地说明了简单负反馈系统的过渡过程。

图 5. 4　 负反馈系统的过渡过程

( 3) 减半时间常数( 或半衰期) T h ( ha lvｉｎg tｉme) 与时间常数 T 的关系

如果负反馈是 指数衰减过程, 同样可导出, 状态 值减半所 需时间 T h 与系 统时间常 数
T 之间的关系。设理论目标值 GL 为‘0’, 则由式( 2) 可得其微分方程的解析解应为:
- CO N ST ＊ t
LE V ( t ) = L E V ( 0) e
根据减半时间 T h 的定义导出:
・ 9 3・
 - ( 1/ T ) T
h
1/ 2L E V ( 0) = LE V ( 0) e
整理后得:
T h = T ＊ ln 2Ｄ 0. 69T
也就是说, 减半时间 T h 也是等于 0. 69 倍的系统时间常数 T 。
读 者不 难发现, 上 述结 果也可 从 5. 3. 1 中 的式 ( 1) , 当 取其 幂指数 为负 值 时, 推导 得
出。

5. 3. 3　 思考题

( 1) 什么是一阶系统、二阶系统和多阶系统?
( 2) 什么是倍增时间、减半时间, 它们对反馈系统状态变化有何影响?
( 3) 一阶负反馈系统有哪些主要参数?

§ 5. 4　 正 反 馈 系 统
5. 4. 1　 引言

　 　 在第二章的第二节已述及正反馈的概念与定义。在正反馈过程中由于变量自身的反
馈作用, 不断地加剧该变量的增长或减小。此现象在实际生活中不乏其例。为众人所熟悉
的俗话, 如“滚雪球”、
“雪崩效应”都是说的属于正反馈的过程。
“滚雪球”效 应是正反馈过程 的一种形象 比喻, 它反映某 种思想 或行动模 式的增长 过
程。当雪球从山坡滚下时, 雪球的体积与质量不断增加, 如此愈演愈烈, 雪球增长得越来越
快。
正反馈可以形成良性或恶性两种循环。在良性循环中, 当因果回路中的某一部分的情
况开始改善时, 正反馈的 作用将使该部分 的情况 得到进一 步的改 善; 反 之在恶性 循环中,
系统中恶化的部分的情况将愈加恶化。正反馈系统究竟是呈现良性还是恶性循环效应, 取
决于回路中各部分之间的作用是相互改善还是恶化。
目前世界上仍然存在的工资—物价循环增
长 的问 题, 就是 恶 性 循 环 的例 子, 其 机 制 如 图
5. 5 所 示。由 于 物价 高 涨, 工 人们 要 求增 加 工
资, 进而使 厂主 提高 产品价 格以 保证其 利润 的
增长和弥补工人增加的工资额。如此周而复始
越演 越烈。在 图 5. 5 中, 各变 量具 有同 样的 特
性, 当任一个变量增加时, 引起其他三个变量也
增加。第四个变量的增长, 进而促使第一变量增
长, 等等。全部四个变量都相互加强, 形成无限
制增长的趋势。在图中以正号( + ) 标志回路的
图 5. 5　 工资—物价增长因果反馈关系
正反馈特性。
军备生产竞争为正反馈过程的另一个例子, 如图 5. 6 所示。某国的军备增加后, 使其
敌国感到受威胁的程度随之增长, 从而促使这个国家增加其军备。其结果又促使第一个国
・ 9 4・
家感到威胁并又增加军备。从而形成无休止地恶性循环的军备竞赛。
图 5. 7 的指数增长曲线描述了大多数正反馈系统的特性。发展中国家的人口增长, 工
业化问题, 污染与非再生自然资源的消耗与减少都表现出指数增长或减少的特点。指数增
长的突出特点是, 一开始似乎增长地很慢, 然后在短时间内猛增。

图 5. 6　 军备增长的因果与相互关系回路图 图 5. 7　 指数增长曲线

本章叙述正反馈回路, 用单状态变量和单速率结构解释指数增长的产生, 并说明增长

的内在机制, 人口增长、军备竞赛与吸毒泛滥问题是说明简单正反馈回路机制的好例子。

5. 4. 2　 正反馈的一般结构

图 5. 1 是一个最简单正反馈结构。流图中的状态变量 L E V 为单向流动的物质积累。
任何时候有关状态数量上变动的信息, 经速率 RT 控制进入 LE V 的流量。假定 R T 正比
于 L E V , R T 等于 L EV 乘以常数 CON ST 。设 CO NST = 0. 2, L E V 的初始值为 1, 则系统
的方程如下:
L E V. K= L E V. J+ ( DT ) ( RT . JK )
L E V= 1
R T . KL = CONST ＊ LE V . K
CONST = 0. 2
DT = 1
式中:
DT —— 计算时间间隔( 年) ;
CON ST —— 常数( 1/ 年) ;
L E V —— 状态变量( 单位) ;
R T —— 速率( 单位/ 年) 。
为了解此结构如何产生指数式增长, 下面一步步写出数值模拟系统特性的过程。应用
上述的 R T 与 L E V 方程可列出简单的计算步骤如下:
① 由 L E V 的初始值计算出第一个 R T 值;
② R T 值乘以 DT ;
・ 9 5・
 ③ R T 与 DT 的积与 L E V 的初始值相加, 得新的 L E V 值。
以新 的 L E V 值代 替其 初始 值, 重 复上 述计 算过程, 如 此周 而复始, 直 至 所要 求的 时
间为止。
图 5. 8 为数值模拟具体步 骤。此例可视为储 蓄的本利计算, 利息为 0. 2, 时间 15 年。
L E V 累积所 有过去变化的值, 其作用犹 如一个“记忆”部件。由于 R T 正比 于 L E V , 因 此
R T 持续增长; 每一 L E V 的新的增量总是较先前的增量值大。把 LE V 的值作为时间的函
数绘出图来, 得出指数增长曲线如图 5. 9 所示。R T 也是指数增长的。

图 5. 8　 数值模拟结果

图 5. 9　 L EV 与 RT 的指数增长

在 5. 3. 1 已叙 及倍增时间常数 是描述指 数增长的 重要参数, 所 谓倍增时 间常数系 指

・ 9 6・
L E V 值增加一倍所需的时间, 超指数增长则以 减小的倍增时间常 数为标志。观察一 下指
数增长过程, 似乎其增长的绝对值在头几个倍增时间内并不显著。但是, 在更多倍的倍增
时间常数之后, L E V 值就以惊人地速度增长起 来。这种潜在的爆炸 性增长存在于每 一种
指数增长的系统中。
当然, 在有界限的系统中, 任何变量都不可能永远增长。在真实的世界系统内, 唯当增
长的力量能压倒阻碍的力量时, 才能出现指数增长。然而, 当系统的一些变量增长后, 负的
或控制的反馈力量必然最终地压倒正反馈力量成为系统特性的决定因素。在以后的章节
将详细探讨主导作用如何在正负反馈回路之间转移的过程。

5. 4. 3　 正反馈过程的某些特征

( 1) 指数增长的重要特点
以不同大小的时间坐标范围去观察指数增长过程, 会产生一种错觉, 似乎其特性在改
变。图 5. 10 中的( a) 、( b ) 、( c) 三条曲线分别取时间坐标范围为 0. 1T d , T d 和 20T d 。在( a)

图 5. 10　 指数增长的重要特性

图中 LE V 的增长很小, 在( b ) 图中其增长也很小, ( c ) 图则截然不同了, 似乎突然爆炸性增

长上 去。从( c) 图可 见, 当 t ≤15T d 前增 长趋势 一直不 显著, 而 在 t ≥15T d 之后才 猛然 暴
涨。指数增长这一特点在实际生活中是不乏其例的, 值得给予重视。
( 2) 超指数增长
许多正反馈过程的倍增时间并非固定不变, 而是减小的。在本节的实例中, 世界人口
增长问题就是突出的例子。在此情况下, 系统的变化率与状态关系是非线性的, 而不是通
常所说的线性的。如图 5. 11 所示, 实线表示非线性的情况, 其变化率增长速度较虚线的时
・ 9 7・
间常数不变的线性增长情况快得多。这种增长过程称为超指数增长。图 5. 12 给出计算机
模拟的超指数增长曲线, 作为比较, 还给出一般的指数增长曲线。由此可见, 系统时间常数
变化的非线性系统比起线性系统具有更加突出的指数式增长特性。“超”指数增长则因此
而得名。

图 5. 11　 非线性的变化率 —— 状态关系曲线

( 3) 指数式增长与崩溃特性
至此, 所 说的 正反 馈过 程 都只 是指 数
增长的过程。系统的状态与变化率的数值
均呈 持续 增长 的趋 势。然而, 并非 总是 如
此, 下面讨 论一 个可 能产生 指 数增 长与 崩
溃两种模式的系统。图 5. 13 给出该系统的
变化率与状态关系曲线。如图所示, 该曲线
与 横坐 标 ( L E V 状态 变 量) 相 交 的点 称 为
不稳定点。因为当系统运行于这一点时, 只
要状态值受到外界微小干扰立即使状态值
发生 微小的 增或 减, 则状态 值 立即 呈不 断

图 5. 12　 超指数增长曲线 增长或不断减小的趋势, 离开此点而去。从

图中可见, 系统运行在不稳定点右侧时, 呈
指数增长特性, 运行在此点的左侧时, 状态值不断减小, 越演越烈, 呈指数崩溃特性。图 5.
14 给出某变量产生指数崩溃模式的典型曲线。

5. 4. 4　 正反馈过程的实例 —— 世界人口增长问题

一阶正反馈结构能解释人口增长的主要的( 但不是全部的) 特性。图 5. 15 为简单的人

口因果关系图。它描述了人口 POP 与纯诞生率 NBR ( 每年 诞生人数与死亡 人数之差) 之
间的关系。当人口 POP 增长时, 纯诞生率也增加。在此为简化起见, 我们假设 N BR 为正
值即每年诞生人数总比死亡人数多, 并且每年新生人口与总人口的比例是固定的。在正反
馈的机制中 N BR 的增加使人口 PO P 增加, 后者又促使 NBR 增长。
・ 9 8・
 图 5. 13　 可产生两种模式的系统
图 5. 14　 指数崩溃模式曲线
变化率与状态关系曲线

图 5. 16 为与图 5. 15 相应的流图。纯增长比率 N GF 设为 0. 3% , 人口初始值为 5 亿。

方程如下:

图 5. 15　 人口系统的因果相互关系 图 5. 16　 人口系统的流图

POP . K = POP . J + ( DT ) ( N BR . JK )
8
POP= 5E
NBR . KL = NGF ＊ POP . K
NGF = 0. 003
式中:
P OP —— 人口( 人) ;
N BR —— 纯增人数( 人/ 年) ;
N GF —— 纯增长比率( 1/ 年) 。
按前述的指数增长倍增时间的公式计算, 此系统的“倍增时间”为
T d = 0. 7＊ 1/ NGF
= 233 年

・ 9 9・
 世界人口的 300 年模拟结果如图 5. 17 所示。图中还给出从 1650 至 1950 年期间世界
人口实际的历史增长趋势。比较一下历史数据与模型的模拟结果可以看出, 指数增长与历
史的超指数增长有明显的差别。历史实际数据在头 150 年内的趋势大体上符合 233 年倍
增时间的特性。但此倍增时间并不是保持不变。举例说, 在 1940 年和 1970 年期间, 倍增
时间常数减为 33 年。历史情况表明, 由于医疗技术, 卫生设备和营养的改善, 降低了死亡
率。为更突出地再现世界人口的增长曲线, 应考虑历史上死亡率逐渐降低的事实, 在此简
单的人口模型中增加相应的结构。

图 5. 17　 世界人口实际值与模型模拟值的比较

5. 4. 5　 小结

在正反馈闭合 回路中, 其 一部分的变化 将引起 全体在同 一方向 上产生无 休止的变 化

过程。正反馈系统最简单的模型只包括一个状态变量, 它累积速率的变化, 状态值的一般
特性是指数式增长, 不过系统中可也能发生加速崩溃过程。
指数增长过程的显著特点可用倍增时间表述。超指数增长则以其倍增时间逐渐减小
为标志。指数增 长过程, 最 初并不显著, 经多 个倍增时 间后, 将显出 突然爆炸 性增长的 特
点。在现实生活中的有界限环境中, 任何事物都不能永远增长, 到一定时候, 负反馈的因素
将遏制正反馈的作用, 并最终压倒正反馈力量成为主导的因素。第六节将讨论主导作用在
正负反馈回路中的转移问题。

5. 4. 6　 思考题

( 1) 正反馈过程的主要特性是什么?
( 2) 列举三到五个存在于现实生活中的正反馈过程。

・ 1 00 ・
 § 5. 5　 负 反 馈 系 统
5. 5. 1　 引言

　 　 负反馈系统的特点是它的跟随目标的特性。诸如自调节、自控制、自均衡, 体内平衡或
自适应等均隐含存在着寻的或趋向目标的负反馈结构。
恒温控制的取暖设备是普通的自控制系统。图 5. 18 为这类系统的因果回路图。恒温
系统力图维持预先设定的房间温度。当“决策部件”—— 恒温器检测到房间温度的实际值
与希望值存 在差别时, 就使加热部件投 入工作。当 增加的热 量使房 内温度提 高到希望 值
时, 恒温器就自动把加热部件关掉。

图 5. 18　 恒温加热系统因果回路图

图 5. 19 的负反馈结构也 可描述恒温 控制烤 箱、相 机的电眼、飞 机的自动 驾驶仪或 引

擎的速度调节器。这一类属于控制工程领域的系统力图维持其特定的目标。在一定意义
上可以说控制的概念本身必然伴生面向目标。

图 5. 19　 负反馈结构的因果与相互关系回路图

自动控制系统的特性可以在生物世界中找到相同之处。人体内包含许多自调节的生
理过程以保持相对稳定的内部环境。这种自调作用, 称之为恒温, 是人类生存所必须的。例
如温度调节系统通过新陈代谢作用与血液流速的不断变化以保持正常的体温。消化、血糖

・ 10 1・
调节与废物的排泄提供了恒温过程的另一个例子。
寻的作用是人类社会行为的基本特点之一。不妨考察一下子女家庭教育的社会化问
题。父母总是以自己的价值观, 处世态度和对子女的希望去教育子女, 一旦子女的行为受
社会和其它方面的影响而偏离父母的期望时, 父母就会力图施加影响去校正他们, 这就是
一种负反馈作用。
负反馈结构如何用状态变量与变化率( 速率) 表示? 简单的负反馈结构表现出什么行
为模式? 参数在负反馈系统中的作用如何? 将在本节中讨论与介绍。

5. 5. 2　 简单负反馈结构的因果与相互关系回路

图 5. 19 为负反馈结构的因果关系图。它包含四个基本单元 —— 期望状态( 目标) 、偏

差、校正量( 速率) 和系统状态( 水平) 。图 5. 19 可粗略划为决策( 或控制) 过程与行动过程
两部分。图中的主要回路是负反馈回路。在决策过程部分还存在一个正反馈回路。当这
两个回路作用 产生偏差时, 信息被检测、比较, 于是 决策部分 在系统 状态与校 正量环节 之
间起作用。如果系统中没有决策部分则为开环系统, 系统的运动与系统的状态无关。决策
部分规定状态如何控制校正量( 速率) 。所谓决策过程也就是一种控制作用过程, 它可以是
人类清晰的、有意识的决 策, 也可 以是下意识 的决策, 还有诸 如生物 发展过程 的控制和 系
统具体结构中存在的天然的相互制约作用等等。
最简单的负反馈系统在决策过程部分包含目标和偏差产生两部分。目标起参考和导
向作用, 决定系统的基本运动。目标值由系统内部或外部决定。图 5. 19 中的目标是由外
部给定的, 目标值作为系统的一个输入。在图 5. 18 恒温调节器系统中, 由系统外部的控制
者设定参考温度, 然后作用于恒温系统, 就是采用这一方式。
系统状态与目标值的偏差决定校正作用的方向与量的大小。在系统中, 恒温器就是担
负这个功能的。用敏感元件( 如热电偶) 监察室内温度并与温度设定值加以比较, 然后由温
度的偏差驱动恒温器去控制加热部件。
用图 5. 19 可解释负反馈的决策过程部分如何使系统形成循环的反馈作用, 从而产生
寻的特性。状态值的任一增或减使状态值与目标值之间产生偏差。为了减小偏差, 系统的
内部作用反过 来使状态值相应 地减或增, 使偏差 减小, 最终仍大 体维持 了原先的 状态值。
也就是说此系统具有抵制外界力量企图改变系统状态的特性。这一特性是一般负反馈系
统所共有的。

5. 5. 3　 流图与速率 —— 状态关系曲线

图 5. 20 为负反馈系统的典型流图。
R T ( 速率) 调节 物质的输 入与输 出 L E V ( 状态) , 它 是系 统的 动作的 控制 部件。偏 差
( DISC ) 是辅助变量, 它与比例常数 CONST 决定 RT 。而偏差大小取决于状态值和目标值
之差。下面为负反馈结构的基本方程式:
L E V . K = L E V . J + ( DT ) ( RT . JK )
L E V= 0
R T . KL = CONST ＊ DISC . K
・ 1 02 ・
 CONST = . 1
DISC . K = GL - LE V . K
GL = 100
式中:
L E V —— 状态( 单位)
R T —— 速率( 单位/ 时间)
CON ST —— 常数( 1/ 时间)
DISC—— 偏差( 单位)
GL —— 目标值( 单位)
借助速率—状态关系曲线, 可使读者更深入地了解系统的特性。为了绘出此关系曲线
首先应找出速率 R T 与状态 L E V 的关系式。把 DISC 的辅助方程代入 R T 方程可得:
R T . K L = CON ST ＊ DISC . K
= CON ST ＊ ( GL - L EV . K)
把 R T 作为 L E V 的函数, 据此方程可绘出它们的静态关系曲线, 如图 5. 21 所示。这
条静态关系曲线与时间变量没有明晰的依赖关系。曲线的斜率和它与横坐标的交点仅仅
取决于常数 CON ST 与目标值 GL 。这些常数的大小对系统行为的影响将在下面的章节进
一步探讨。

图 5. 20　 负反馈系统的典型流图 图 5. 21　 速率—状态关系曲线

5. 5. 4　 系统的特性

系统特性随时 间的变化曲 线, 可 藉助图 5. 21 速率—状态关 系曲线, 以图 解法模拟 而

得。下面介绍图解法模拟状态随时间变化曲线的步骤:
( 1) 用图 5. 21 的速率—状态曲线决定与 L E V 初始值相应的 R T 起始值。
( 2) 把 RT 与 DT 的乘积和原来的 LE V 值相加, 产生新 的 L E V 值。 把新 L E V 值绘
在状态—时间关系图上。在时间坐标上, 每一步相应地增加一个 DT 。
( 3) 根据新的 LE V 值, 从曲线上求出新的 R T 值。如此周而复始直到预定的时限。
图 5. 22 说明了图解法模拟的步骤并给出了状态 LE V 随时间变化的特性曲线。图中
标有带数字的文字变量符号如 L E V ( 0) , R T ( 0) 等, 这些括弧中的数 字表示相应的时 间间
隔的序号。例如, L E V ( 0) 与 R T ( 0) 就是在时间为‘0’时, 求出的 L E V 与 R T 的值。当时间
・ 10 3・
为‘0’时, 由 L E V ( 0) 可求出 RT ( 0) , 如图 5. 22( a ) 所示。DT 与 RT ( 0) 的 积加上 L E V ( 0)
产 生 在时间为 1 个 DT 时 的 L E V ( 1) ( 见( b ) 图 ) 。再由 L E V ( 1) 决定 R T ( 1) , 进而由 R T
( 1) 求出在时间 2DT 时的 L E V( 2) 。按同法可求出所有 LE V 与 R T 随时间变化的值。由
图 5. 22( b ) 可见, L E V 的随 时间变化的增量 随 L E V 的 增长而逐渐减小。 当 L E V 逐 渐趋
近 GL 值, R T 趋于‘0’时, L E V 最终停止增长。

图 5. 22　 负反馈系统的图解模拟

根据一阶系统过渡过程的理论可知, 图 5. 22( b ) 所示 的 L E V 随 时间变化曲线包 括两

个区段: 瞬态与稳态两个部分。在瞬态区段中, L E V 值与目标值 GL 不相等。此时 LE V 具
有寻的与瞬 变的特点。另一方面, 在稳态 区则是 接近或近 似地达 到目标值, 稳定 不变了。
R T 也最终近似地达到‘0’值。
在本章第二节里已讨论过, 根据一阶系统过渡过程的知识, 可推导出负反馈系统中把
L E V 作为时间的函数的解析表达式, 为了与图解值对比, 该解析式表示如下:
- C O N S T＊ t
L E V ( t ) = GL + [ L E V ( 0) - GL ] e
式中:
L E V ( t ) —— 时间 t 时的状态值;
GL —— 目标值;
L E V ( 0) —— 状态的初始值;
e —— 自然对数的基;
CON ST —— 速率—状态曲线的斜率;
t —— 时间

5. 5. 5　 寻的负反馈系统的行为的三种模式

寻的负反馈系 统行为的可能模 式可藉助 5. 5. 4 节中状态 变量 LE V 的解 析表达式 进

行分析。分析一下该式, 可得下述几种基本情况:
( 1) GL > 0, LE V ( 0) ≥0, ( LE V ( 0) - GL ) < 0—— 模式( 1)
・ 1 04 ・
 ( 2) GL > 0, ( L E V ( 0) - GL ) > 0—— 模式( 2)
( 3) GL = 0, LE V ( 0) > 0—— 模式( 3)
模式 ( 1) 与( 2) 的 曲线示于 图 5. 23, 模
式 ( 1) 与图 5. 22( a ) 、( b ) 所示的情 况相同。
状态值渐近地增长趋向目标值。
模式 ( 2) 是 当 L EV ( 0) > GL 的 情况,
状态值指数衰减趋向目标值 GL 。
模 式 ( 3) 称 为 零 目 标 结 构。 目 标 值
( GL ) 为‘0’, 状 态 值 由 L EV ( 0) 指 数 衰 减
至‘0’。图 5. 24 与图 5. 25 为此结构的速率

图 5. 23　 寻的系统运行模式( 1) 与( 2) —状态曲线和状态值随时间变化曲线。由

于速率 R T 总为负值。所以状态值为 随时
间变化的指数衰减曲线。从图中可看出系统时间常数在指数衰减过程中的物理意义。经

图 5. 24　 GL = 0 时, 速率—状态关系曲线 图 5. 25　 GL = 0 时, 状态变量的指数衰减曲线

3T 的时 间 后, L EV ( 3T ) 约 为 5% LE V ( 0) , 经 4T 的 时 间 后, L EV ( 4T ) 衰 减 至 约 为 1%
L E V ( 0) 值, 可认为已接近零目标值。图中还表示出减半时间常数( 半衰期) T h 与系统时间
常数 T 的关系。

5. 5. 6　 思考题

( 1) 负反馈过程的主要特性是什么?
( 2) 列举三到五个存在于现实生活中的负反馈过程。

・ 10 5・
 § 5. 6　 负反馈系统的补偿特性

负反馈系统具有当其状态变量受外生输入( 或输出) 速率作用时仍力图使状态变量趋

于目标值的特性, 称为补偿特性。本节分别讨论在外生输入与输出速率作用下系统的补偿
特性及其实例。

5. 6. 1　 系统补偿特性

首先讨论这样一个问题, 不变的外生输入速率对系统的行为会发生何种影响?
图 5. 26 给出 带有两个 速率 RT 1 与 R T 2 的 负反 馈结 构, 其 中 RT 2 是 不变的 外生 输
入速率。

图 5. 26　 带有不变的外生输入速率的负反馈系统

系统的方程式如下:
LE V . K = LE V . J + ( DT ) ( R T 1. JK + RT 2. JK )
RT 1. K L = CON ST ＊ DISC. K
CON ST = . 1
DISC. K = GL - L E V . K
GL = 100
RT 2. K L = CR T
CR T = 8
式中:
L E V —— 状态变量( 单位) ;
R T 1—— 速率 1( 单位/ 时间) ;
CON ST —— 比例系数( 1/ 时间) ;
DISC—— 偏差( 单位) ;
GL —— 目标( 单位) ;
R T 2—— 速率 2( 单位/ 时间) ;
CR T —— 常数( 单位/ 时间) 。
・ 1 06 ・
 由上述方程可进一步推导出:
R T 1. K L = CON ST ＊ ( GL - LE V . K )
N T R T . K L = CON ST ＊ ( GL - LE V . K ) + RT 2. JK
= CON ST ＊ ( GL - LE V . K ) + CR T

式中:
N T R T —— 纯速率( 单位/ 时间)
根据 RT 1. KL , R T 2. K L 及 N T RT . KL 可绘出系 统的速率—状 态曲线 如图 5. 27 所
示。

图 5. 27　 速率—状态变量关系曲线

曲线( a) 描述系统未加入 R T 2 前的速率—状态关系。曲线( b ) 表示 R T 2。曲线( c) 表

示纯速率, 即 R T 1 与 R T 2 之和。这些曲线有助于分析研究系统行为。假定 LE V 原先的初
始值等于目标 值 GL , 加入 RT 2 后使 L E V 开始增加; 由于现在 L EV 值大 于目标 值 GL ,
新的 L E V 值使 R T 1 成为负值的输出率。如图所示, 当 R T 1 尚小于 RT 2 时, NT R T 大于
‘ 0’使 L EV 继续 增 长, 同 时 NT R T 的值 却 逐 渐 减 小。最 终 输 出率 RT 1 补偿 了 输 入 率
R T 2, 建立了新的动平衡。系统达到新的较大的目标值 NGL , N GL 可按下法简单求得。
当 N T RT = 0 时得:
CR T = - CON ST ( GL - L E V )
= - CON ST ＊ GL + LE V ＊ CONST
L E V = NGL = ( CR T / CONST ) + GL 或以时间常数 T ( T = 1/ CON ST ) 表示:
N GL = T ＊ CR T + GL
由此可见, 系统新的平衡值较期望的目标值 GL 增加了 T ＊ CR T , 即为时间常数 T 与
不变的输入速率 CR T ( 或 RT 2) 的乘积。
上述是当负反馈系统加上外生不变的输入速率 R T 2 时, 对系统行为的影响。
同理, 若把原具有的外生输入速率 RT 2 改为外生输出变化率 R T 1( 仍设等于 CRT ) ,
使系统建立新的平衡值, 它较期望的目标值 GL 却是 小了同样 的乘积( T ＊ CR T ) , 即时 间
・ 10 7・
常数 T 与输出速率 CR T 的乘积。
从上 述讨论 可知, 负 反馈系 统具 有补偿 功能, 当 系统在 附加 输入 或输 出 速率 的情 况
下, 可自动建立起新的平衡, 新的平衡值与原期望的目标值不同。此差值( 或称误差) 与系
统的时间常数及外生速率有关。根据控制理论的知识可知, 该系统是有差调节系统, 系统
的调节 能力正比于误差 ( 或差值) , 所 以系统的调节 作用不 可能消除 误差本身, 即 误差( 或
差值) 总是存在的。
由此可得出普遍的结构: 负反馈系统具有 力图维持系统处于 平衡状态的特性。 在最
简单 的系统 中, 基于 状态值 与目 标值之 差的 速率 发挥调 节作 用, 驱动系 统状 态趋 向目 标
值。而时间常数决定系统对状态变化的反应速度。
下面将讨论一个简单的例子: 库存控制系统。

5. 6. 2　 库存控制

假定库 存控制的 原则如 下: 仓 库管理员 希望库 存量保持 在期望的 水平 上, 当 实际 库

存量小 于期望值 时, 开 始向工 厂订货以 补充供 应的不足; 反之, 当库 存量高 于期望 值, 则
停止订货; 若库存过多, 管理人员把过多部分退回工厂。图 5. 28 的流图代表上述的库存控
制系统。

图 5. 28　 简单的库存控制系统

流图中的销售率 SR 使库存 IN V 减少, 销售率 SR 取决于库存系统外 部的市场情况。

假定, 仓库管理人员对市场毫无控制能力。
补充库存量的订货率 OR 取决于管理人员的订货政策。流图中给出一种最简单 的订
货政策: OR 由 库存 INV 与期望库 存 DIN V 的 差 DISC 以及 每周订货 系数 FOW 。 FOW
描述管理员对 DISC 的反应速度。因此( 1/ FO W) 表示经订货以补充库存的突然缺货所需
的周数, 它就是系统的时间常数。
另外, 本模型假定:
( 1) 不存在物质流通的延迟;
( 2) 不存在信息的延迟。
则根据流图, 可写出系统的基本方程式如下:
・ 1 08 ・
 IN V . K= INV . J + ( DT ) ( OR . JK - SR . JK )
IN V = DIN V
OR . K L = F OW＊ DISC. K
FOW = . 5
DISC. K = DINV - IN V . K
DINV = 200
SR . K L = ST E P( 20, 4)
式中:
INV —— 库存( 单位) ;
O R —— 订货率( 单位/ 周) ;
F OW —— 每周订货系数( 单位/ 周) ;
DISC—— 偏差( 单位) ;
DIN V —— 期望库存( 单位) ;
SR —— 销售率( 单位/ 周) 。
假定系统初始状态为平衡状态。到第四周, 销售率突然由‘0’增至 20 单位/ 周, 看一看
模型中的订货政策所隐含的维持期望库存的能力。
模拟结果如图 5. 29 所示。结果表明, 简单地由偏差值决定订货的政策, 不足以维持库
存 的期 望值, 库 存值 INV 值 较 期望 值 DIN V 低 20% 。 也 就是 说, 当 系 统加 上 输出 速 率

图 5. 29　 一阶负反馈系统对销售阶跃增加的响应

( SR ) 后, 其新的平衡值永远达不到期望值。如 5. 6. 1 节所述, 其差值等于系统的时间常数

T 与不变输出率的乘积。由 SR 与 OR 的模拟结果可见, OR 经 6 周后于第 10 周, 趋 近于
SR , 也就是补偿了 SR 的增加。这两条曲线之间的斜线部分代表库存从原平衡状态过渡到
新 平衡 状 态的 过程 中累 计的 减 少量, 它 正 好等 于 系 统的 时 间常 数 ( 1/ F OW ) 与 SR 的 乘
积。
・ 10 9・
5. 6. 3　 思考题

如何理解负反馈系统的补偿特性? 试举出若干现实生活中的实例。

§ 5. 7　 S 形增长的反馈结构

S 形增长是颇 具典型的一种系 统行为, 它包含了指数与渐 近两种增 长过程。图 5. 30

给出了一般的 S 形增长曲线。从图可见, 稳态区前的过渡 区是由两种明显不同的增 长过
程组成的, 先是指数增长, 继之渐近增长。前者是正反馈起主导作用, 后者则是负反馈起主
导作用。

图 5. 30　 S 形增长

许多动植物的繁殖趋势具有 S 形的模式。初期增殖超过死亡, 呈指数增长特性, 但是

由于增长逐渐受到环境条件的限制, 增殖的速度优势渐渐减弱, 当纯增长率为‘0’时, 系统
进入均衡状态。
S 形增长过程在实际生活中屡见不鲜, 比如一般人们的学习过程就是一例。初期取得
成绩的速度是 缓慢的, 然 后逐渐加快速度, 当 个人的学 习能力已 充分发 挥后, 取得成就 的
速度 反而逐 渐降低。在 一定范 围的 人群中 的一 些“扩散 ”现 象也 显示 S 形特性, 比 如, 新
闻、谣言、骚乱 和传染病等的流 传与传播就是例 子。许多社会—经济 活动也呈 S 形特性。
在一定地域内, 西方国家的城市结构的增长, 表现为 S 形增长趋向。有人认为封建帝国的
发展也符合 S 形 增长模式。又如许多人 主张地球上人口 的增长趋势应 类似于其 他生物,
呈 S 形特性。图 5. 31 给出人口增长的两种模式, 实线为代表历史的与预计未来的人口指
数增长趋势, 虚线为某些学者建议的人口趋向均衡的 S 形模式。

5. 7. 1　 S 形增长的系统内部结构

前已述及, 从反馈的机制 分析, 系 统产生 S 形行为的基本 条件是, 正反馈 先起主导 作

・ 1 10 ・
 图 5. 31　 世界人口增长的两种可能模式

用, 然后负反馈转而起 主导作用。也就是 S 形的 增长过程由指数 增长与渐近 增长的前 后

两段组成。
图 5. 32 为 简化 的 S 形 增长 系统 的
流图, 其中 包含 了回 路主 导 作用 转移 的
机制。
系统的主要方程式如下:
L E V . K = L E V . J + ( DT ) ( R T . JK )
LEV = 1
R T . K L = RT V . K
R T V . K = T A BL E ( T R T V , L EV .
K , 0, 1200, 100) 图 5. 32　 S 形增长机制的流图
T R T V = 0/ 5/ 10/ 15/ 20/ 25/ 20/ 15/
10/ 5/ 0/ - 5/ - 10
式中:
L E V —— 状态变量( 单位) ;
R T —— 速率( 单位/ 时间) ;
R T V —— 速率值( 单位/ 时间) ;
T A BL E —— 表函数。
从上述方程中可得系统的速率—状态关系的方程式为:
R T . KL = T ABLE ( T RT V , L E V. K, 0, 1200, 100)
图 5. 33 为其相应的关系曲线。由图可见, 此曲线明显包括两个不同的线段: 具有典型
的正 反馈正斜 率的部 分和负反 馈负斜率 的部分。两 部分的 衔接点对 应于 L EV = 500( 单
位) , R T = 25( 单位/ 时间) , 这时速率达到最大值, 为正反馈转化成负反馈的转折点。
・ 11 1・
 分析一下速率—状态关系曲线, 我们 就能了解状态随时 间变化的特性。L E V 的 初始
值略大于‘0’, 从而产生正比于 LE V 的 R T 值。RT 值在 DT 的时间间隔内经过积累作用,
反过 来与 L E V 初 始值 叠加 形成 新 的增 大 了的 L E V 值, 接 着 又产 生 新 的较 前 大一 些 的
R T 值和更加增长的 LE V 值。如此周而 复始形成愈演愈 烈的正反馈的指 数增长过程, 直
到 L E V 达到 500 单位。此后 转入负反馈区, 增长开始受 限, 显然 L E V 仍然继续 增长, 但
R T 值却是不 断减小 的, 直 至 R T 趋 于‘0’, 与此 相应 L E V 值渐近 地达 到系 统的目 标值。
图 5. 34 给出系统 S 形增长 的模拟结果, 图中包括 L EV 与 RT 随 时间变化 的曲线。速 率
R T 在其最 大值的前后, 明显 地划分正 斜率与 负斜率两 部分; 状态变 量 L E V 呈典型 的 S
形特性, 其拐点与速率 RA 的最大值发生于同一瞬时。

图 5. 33　 非线性速率—状态曲线 图 5. 34　 S 形增长结构的模拟结果

为了使读者加 深对非线性速率—状 态曲线与 S 形增长特性 两者内 在联系的 了解, 图

5. 35 给出 S 形增长曲 线的图解 分析法, 它综 合了图 5. 33 与图 5. 34 的内 容, 该 图读者 可
自行分析比较。图解分析法, 是一种较直观的分析工具, 可用于分析研究基本单元和简单
系统, 当然用于分析非线性系统尤其能发挥其独特的长处。
下面进一步引 伸更为一 般的关 于系统产 生 S 形行为 的结论: 任一 具有图 5. 33 形 状
的速率—状态关系的一阶系统都必定产生 S 形增长行为。同时应该指出, 虽然图 5. 33 给
出的速率—状态关 系曲线, 在 转折点的斜 率是突 变的, 由正值突 变为负 值, 然 而这是理 想
的假设, 现实生活中的实际系统, 在转折点的斜率不可能如此骤然突变。图 5. 36 给出斜率
变化较为平滑的, 更切合实际速率—状态关系曲线, 以供读者参考。

5. 7. 2　 S 形增长结构的稳定与非稳定平衡问题

本节探讨 S 形增长 反馈结构的稳定特 性, 及该 结构对变动初始 条件或外 加影响的 响

应。
若系 统的状 态变 量 LE V 最 终达到 某个 状态并 长期 保持 下去, 则称 系统 达到 稳定 平
・ 1 12 ・
 图 5. 35　 S 形增长曲线的作图法

衡。这时速率 R T 为‘0’, 状态 L E V 的值不再变化。图 5. 33 中非线性速率—状态关系曲

线与横轴的 交点就是系统达 到稳定平衡的情 况。一旦由于外 界的影响 使 L E V 增加而 偏
离了 稳定平 衡点 时, 系统的 负反 馈作用 产生 负的 R T 值将 迫使 L E V 重返 稳 定平 衡时 的
值。同理, 当外界影响使 L EV 减少而偏离平衡点时, 系统的负反馈作用产生正的 R T 值也
同样使 L EV 返回平衡值。图 5. 37 的模拟结果说明上述两种情况: ( a) 图为当 LE V 值被
外加 100 个单位而偏离原平衡值的模拟结果; ( b) 图则为当 L E V 值突然减少 100 个单位
的模拟情况。每一情况都显示了负反馈的寻的特性。
下面再讨论“非稳定平衡”问题。我们仍以图 5. 33 或图 5. 36 中的非线性速率—状态
关系曲线为例进行分析。假定在状态 L E V 增长之前, 其值为‘0’, 速率 R T 的值亦为‘0’,
这个状态称为“非稳定平衡”状态。除非系统受到外生的干扰, 系统将维持“非稳定平衡”状
态不变。然而, 此状态是不 稳定的, 哪怕外界干扰使 L E V 略微 增加一点, 或 LE V 的初 始
值大于‘0’, 则产生大于‘0’的速率 R T 值, 使系统的状态 L EV 按照 S 形模式增长。由此可
见, 这是一个非稳定平衡的状态。

5. 7. 3　 S 形增长实例

( 1) 阻尼摆系统
本例来自物理学。目的是为了说明 S 形增长结构也存在于自然科学 领域中; 同 时又
给出一例说明系统动力学是一门研究各类信息反馈系统的行为的学科。
在一定条件下, 阻尼摆是一个单状态变量的反馈系统, 其位移特性呈 S 形增长。
假定, 一个摆垂直浸没于稠度很高的液体( 如油) 中。图 5. 38 给出此系统的结构, 设摆
杆的质量为 0, 摆 的一端以铰链固 定于油液体底部; 另一端安 装一个球, 质量为 M 。 摆的
・ 11 3・
 图 5. 36　 几种产生 S 形增长的速率—状态关系曲线 图 5. 37　 S 形增长结构的外界干扰模拟

初始垂直位置如虚线所示, 定为 0。当摆 离开初始位置后, 在重力的 作用下沿所示方 向转

动下落, 但摆同时还受到粘滞液体阻碍其运动的阻力。
根据物理学的知识可得此摆系统的方程如下:
T I = T g+ T d
T g = F g ＊ L ＊ s in ( A )
Td= Fd＊ L
T I = M ＊ L ＊ AA
2

F d = - B ＊ AV
式中:
・ 1 14 ・
 T I —— 摆围绕铰链的转矩;
T g —— 重力产生的转矩;
T d —— 阻尼产生的阻力矩;
F g —— 重力;
F d —— 阻尼力;
A —— 摆角度;
L —— 摆杆长度( 假定质量为 0) ;
M —— 小球质量;
A A —— 角加速度;
A V—— 角速度;
B —— 阻尼系数;
G —— 重力加速度。
图 5. 38　 摆系统的结构
从上述方程可推导得:
2
M ＊ G＊ L ＊ sin ( A) - B＊ AV＊ L = M ＊ L ＊ AA
因为 T d 与 T g 方向相反, 现若粗略地假定, 两者的绝对值相等, 则有:
T d + T g ≈0,
2
即 T I ≈0, M＊ L ＊ AA≈0
因而 M ＊ G＊ L ＊ sin ( A) ≈B ＊ L ＊ AV
或 AV ≈( M ＊ G/ B ) s in ( A )
式中:
A V—— 角速度( 度/ 秒) ;
M —— 质量( 斯勒格, 对英尺－磅秒制单位= 32. 2 磅) ;
G —— 重力加速度( 英尺/ 秒 2 )
B —— 阻尼系数( 磅力/ 度/ 秒) 。
根据上式, 对于不同的 A 值作出 AV 与 A 的关系曲线, 如图 5. 39 所示。曲线是 呈正
弦的, 其幅度较小, 这是因为阻尼系数 B 比较大的缘故。读者容易判断此曲线的型式满足
产生 S 形增长的条件。
摆运动随时间变化的特性如图 5. 40 所示。
时为摆的不平衡状态。当摆离开原位开始下落后, 角速度 AV 渐渐增加, 当 A =
A= 0°
, AV 达最大值。之后 AV 开始减小, 当 A= 180°
90° 时, AV 为 0。这就是摆的稳定状态。请
读者注意, 摆角是逐渐趋于 180°
的, 摆不会产生超调。
阻尼摆系统还告诉我们反馈是如何作用于纯物理现象的。显然, 摆的角速度会改变角
的大小, 角的大小也反过来改变角的速度。弄明白了摆系统的这种循环因果相互关系, 将
触类旁通有助于我们加深对许多物理现象的了解。
下面说明如何获得摆系统的流图与 DYNA M O 方程式。根据物理学的知识和前已推
导的结果, 可得摆系统的基本方程为:
d A = AVd t　 　 　 　 　 　 　 　
A V = ( M ＊ G / B ) sin ( A )
・ 11 5・
 图 5. 39　 角与角速度的关系 图 5. 40　 阻尼摆的特性

据此两方程可给出系统流图如图 5. 41 所示。
根 据 流 图 可 得 系 统 的 DYN AM O 方 程
如下:
A . K = A . J + ( DT ) ( AV . J K ) 　 　 　 　 　 　
A= 1
A V . KL = ( M ＊ G / B) sin ( A . K ＊ 6. 28/ 360)
M= 1
B = 20
图 5. 41　 摆系统的流图 G = 32
式中:
A —— 摆角度( 度) ;
A V —— 角速度( 度/ 秒) 。
( 2) 传染病的蔓延。
在一定条件 下, 传染病 的蔓延情况表现 为 S 形增长。一般的传 染病如大 家熟知的 上
呼吸道感染包括普通感冒和流感等。它们在有限地区蔓延特性可用单状态变量模型加以
模拟。模型的基本假设如下:
1) 人口总数恒定, 无迁移人口;
2) 患者与未患者混合均匀分布;
3) 传染病再发生的周期大于该传染病的发生、传播、患者痊愈的全过程。
图 5. 42 为传染病蔓延系统的因果关系图。图中的反馈机制隐含了上述假设。感染率
取决于已患病和处潜伏期的人口。回路 1 是正反馈回路, 病患者增加时, 使每日受感染得
病人数上升, 进而扩大了病患者的总数, 如此循环反复形成了正反馈。回路 2 是负反馈回
路, 由于总人口数是固定的, 当患病人数增长时, 处于潜伏期的人数就减少, 因而使每日受
感染的人数随着减少。最终当所有人口都患过病后, 每日受感染的人数就减为 0。
・ 1 16 ・
 图 5. 42　 传染病蔓延因果关系图

图 5. 43 是一阶传染病蔓延模型的流图。每日受 感染人数 CR 是根据 在封闭环境下,

患者均匀分布的假设下, 由图示诸因素决定的。道理自明不作赘述。

图 5. 43　 传染病蔓延模型流图

根据流图可写出方程式:
IP. K= IP . J + ( DT ) ( CR . JK )
IP = 10
CR . K L = IPC＊ NCF ＊ IP. K ＊ SP . K
IPC = . 1
N CF= . 02
SP . K = P - IP . K
P = 100
式中:
IP —— 患病人口( 人) ;
CR —— 每日受感染人数( 人/ 日) ;
IPC —— 每次接触的感染率( 无量纲) ;

・ 11 7・
 N CF —— 额定接触系数( 比例数/ 人/ 日) ;
SP —— 未患病人口( 人) ;
P —— 总人口( 人) 。
根据上述方程式, 可推导出 CR 与 IP 的关系式。
CR . K L = IPC＊ NCF ＊ IP. K ＊ ( P - IP. K)
此关系式即为速率—— 状态关系方程, 其图形如图 5. 44 所示。此曲线表明, 当患病人数增
加的同时, 每日发病人数也增加, 进而使患者总数扩大, 这是正反馈作用。然而当患病人数
IP 增长时, 处潜伏期的人数 SP 在减少, 这是负反馈作用。整个过程 先是正反馈起主 导作
用, 然后逐渐减弱至 0; 继之负反馈作用成为主导作用, 且逐渐加强。所以 CR 值经最大值
后逐渐减小, 而 CR 最 终变为‘0’, 不 可能为负值, 这是因为 CR 按定 义只能是个单向 流动
的变量, 且未患病人数 SP 逐渐减至‘0’的缘故。
图 5. 45 为传染病模型的模拟结果。病患者 IP 表现为 S 形增长特性, 未患病人数 SP
则呈倒置 S 形。

图 5. 44　 感染率与患病人口关系曲线 图 5. 45　 传染病模型模拟结果

5. 7. 4　 小结

产生 S 形增长特性 的必需条件是, 系统内部起 主导的反馈作用 受非线性 的影响由 正

反馈转化为 负反馈。速率与状态 变量的关系 曲线具有 明显的特 点, 速率先随 状态值而 增
长, 达最大值后逐渐减小直至 0。状态变量 S 形增长过程中出现的拐点对应于速率的最大
值。当变化率为 0 时, 状态变量达到稳定平衡这是一阶负反馈机制的重要特性。在现实生
活中有不少 S 形增 长现象, 诸 如在一定地区范 围内传染病的蔓 延、流言 的传播、动植物 的
繁殖等等。

・ 1 18 ・
5. 7. 5　 思考题

试在三～五个不同领域中举例说明 S 形增长过程的特点。

§ 5. 8　 一阶系统的另一有趣特性及其实例
—— 污染的净化

　 　 在 5. 7 节中讨论了 S 形增长结构。它虽是简单的反馈系统, 却包含非线性的特性, 能

把正反馈过程转化为负反馈过程。这是一阶系统中有趣的例子, 在现实生活中不乏其例。
本节将揭示另一种一阶系统的有趣特性。许多简单的负反馈系统具有将负反馈过程转化
为正反馈过程的非线性特性, 这里将通过剖析污染净化系统来阐述这个问题。
下面讨论非线性污染模型。图 5. 46 所示为非线性污染模型的流图。这也是一个一阶
系统, 污染 发生率 P OLGR 也为 外生变量; 污染净化率 POL AR 取决于 污染量 P OL 和污
染净化时间 P AT ( 或称污染衰减时间) 。P AT 是污染比率 POL R 的非线性函数, 如图 5. 47
所示。

图 5. 46　 非线性污染模型的流图

污染净化时间 P AT 具有随污染比率 POL R 迅速增长的特性, 设 1970 年 POL R 为 1,

当时的污染情况减少到 2/ 3 时, 所需污染衰减时间 PA T 为 1 年; 若 P OLR 增至 20 倍, 则
所需衰 减时间 PA T 为 5 年; POL R 达 40 倍时, PAT 为 10 年; POL R 达 80 时, PAT 为
50 年。当 PA T 达 无穷大 时, P OLA R 趋 于 0, 根 据图 5. 47 可 作 出图 5. 48, 图 5. 48 给 出
P OLA R 与污染量 POL 的函数关系。P OLA R 有一个最大饱和值 M AR ( 最大净化率) , 在
达到 MA R 之前它随 POL 增加而线性增加, 达到饱和值后随 PO L 的继续增加而降低。随
着 POL 的 增长, POL A R 的 斜率先是正值, 然后是零值, 最后成为 负值。这一变化使 系统
有可能从负反馈变成正反馈系统。
下面进一步讨论, 此非线性污染模型对不同污染发生率 POL GR 的响应。根据图5. 46
的流图可写出系统的方程式如下:
POL . K = POL . J + ( DT ) ( PO LGR . J K - POL A R . JK )
・ 11 9・
 图 5. 47　 污染净化时间与污染比率的非线性关系

图 5. 48　 污染净化率与污染量关系曲线

POL = 0
POL GR . KL = CONST
CONST = 10
POL AR . KL = POL . K / PA T . K
POL AR . K= POL . K / PO LS
POL S= 1
PAT . K= T A BL E ( T PAT , POL R , 0, 80, 10)
T PAT = 6/ 2. 5/ 5/ 8/ 11. 5/ 15. 5/ 20/ 31/ 50
式中:
P OL —— 污染( 吨) ;
P OLGR —— 污染发生率( 吨/ 年) ;
P OLA R —— 污染净化率( 吨/ 年) ;

・ 1 20 ・
 P AT —— 污染净化时间( 年) ;
P OLR —— 污染比率( 无量纲) ;
P OLS —— 污染参考值( 吨) 。
纯污染率 N PR 为:
NP R= POL GR - POL AR
根据此方程和图 5. 48 可作出 N PR 与 POL 关系曲线, 如图 5. 49 所示。这就是常用的
变化率 —— 状态曲线。由图中的纯污染率 N PR 曲线可见, POL GR 值的大小至关重要。当
P OLGR 的值如 ( a ) 所示 小于 POL AR 的最 大值 M AR 时, N PR 曲线 与污 染 P OL 坐标 交
于 P 点, 则污染值渐渐地趋于污染值 P。此时 PO LA R 在数值上等于 PO LGR , 整个系统处
于动平衡状态。相应的模型模拟结果如图 5. 50 所示, 它证实了前面的分析。

图 5. 49　 纯污染发生率与污染量关系曲线

图 5. 50　 较小的 PO LG R 施加于非线性模型的模拟结果

・ 12 1・
 若 POL GR 的 值大于 P OLA R 的最大值 M AR 如图 5. 49 中的 ( b) 所示, 相应的 N PR
曲线与横坐标 P OL 没有交点, 因此排除了系统趋于平衡的可能性。从图 5. 51 的模拟结果
可见, POL 的增 长过 程明 显 地可 分为 四个 阶段, 初 期 为渐 近增 长, 这时 负 反馈 起主 导 作
用; 接着是线性增长, 对应于 POL AR 保持在 M A R 值期间; 第三阶段为指数式增长直至
P OLA R 趋于 0; 然 后开始第 四阶段, 由于 N PR 等于 POL GR , POL 是线性增 长且不受 限
制。

图 5. 51　 较大的 PO LG R 施加于非线性模型的模拟结果

污染系统说明了污染净化时间( PA T ) 是如何影响负反馈系统的反馈机制的。当污染
净化时间为常 数时, 不论 外生的污染发生 率的值 有多大, 污染净 化率总 是能趋于 该值, 所
以污染量最终总要达到动平衡状态的。当污染净化时间为可变量时, 则情况迥异, 污染情
况严重时, 净化率变小, 从而产生更为复杂的系统行为。在低污染发生率的情况下, 虽然污
染呈现积累趋势, 然而最终仍趋向平衡。但是, 当系统具有高污染发生率时, 处于过载状况
的系统净化能力, 已不足于抵偿污染发生率。因此, 可得结论, 具有可变净化时间的非线性
系统, 其特性全然异于线性系统, 高污染发生率将导致污染量的无限制增长。

・ 1 22 ・
 第六章　 二 阶 系 统

简单系统是各种复杂系统中的基本单元或通用的子结构。所以有必要在学习一阶系
统的基础上介绍二阶系统。
所谓二阶系统就是包含有两个独立的状态变量的系统。本章重点在于介绍什么是二
阶系统, 有关二阶系统的 结构与行为关系 的分析 从简, 将在第七 章简单 系统的振 荡中, 再
详加叙述。

§ 6. 1　 二阶系统的描述及其行为模式
6. 1. 1　 二阶系统的数学描述

　 　 由前述已 知, 系统动 力学用状态空间 法在时域 中描述系 统的结 构和研究 系统的功 能

与行为。系统向量形式的状态方程如:
¡¤ m r
X = f ( X, U, t) 　 　 X ∈ R 　 　 U ∈ R
式中: R 为欧氏空间。
为了简化叙述 使读者易于掌握, 这里以 二阶的 定常自由 系统为 例说明二 阶系统的 描
述问题。这时系统为 m= 2, r= 0 时的不变系统, 其向量方程可表为:
¡¤
X = AX
a 11 a 12
式中: A=
α21 α
22

　 　 A 为转移矩阵。

6. 1. 2　 常系数二阶系统的行为模式

从微分 方程与过 渡过程 的知识中 得知, 常系数 二阶系统 对阶跃输 入的 响应有: 渐 近

增长、超调、衰减振荡、等幅振荡和发散振荡等模式, 如图 6. 1 所示。

§ 6. 2　 典型的二阶系统

本节用流图法描述几个典型的二阶系统。
图 6. 2 为社会—经济领域的库存—劳动力系统流图。
图中库存( IN V ) , 劳动力( WF ) 为状态变量。库存受产量( PR ) 与发货率( SR ) 的控制,
前者使库存增加, 后者则使库存减少。劳动力( W F) 受纯雇佣率( HF R ) 所控制。纯雇佣率
( HF R ) 则由劳动 力调节 时间( WFA T ) 与期望 劳动力调 节( DCWF ) 决定; 而 DCW F 则 由
库存( IN V ) 与期望库存( DIN V ) 之差 和库 存校正 时间 ( ICT ) 、劳 动生产 率( PPM ) 所 决定。
由图 6. 2 可见, 库存与劳动力两个状态经由 它们的速 率变量 ( PR , SR 与 HF R ) 、辅助变 量
・ 12 3・
 图 6. 1　 二阶系统对阶跃输入的响应

图 6. 2　 库存—劳动力系统流图

( DCW F) 与常数 PP M 等形成了二阶信息反馈系统。

图 6. 3 给出了库存—订货积压系统的流图。

图 6. 3　 库存—订货积压系统流图

图中包含库存 ( IN V ) 与订货 积压( BL O ) 两 个状态变 量。 INV 由 进货率( AR ) 与发 货

・ 1 24 ・
率( SR ) 所调节。订货积压( BL O) 由订货率( OR ) 与进货率( AR ) 所控制。订货率( OR ) 由库
存( IN V ) 、期望库存( DINV ) 与库存校正时间( ICT ) 决定。进货率( AR ) 受制于订货延迟时
间( DO) 。如此形成了库存—订货积压系统。
图 6. 4 给出了另一种类型的二阶系统, 机械类力学中的弹簧系统。

图 6. 4　 弹簧的变形与其动量的二阶系统

在此 系统中我们定义 弹簧的位置( POS) 与 弹簧的 动量( M OM ) 为系统的 两个状态 变

量。弹簧的位置( P OS) 是速度( V ) 的积分, 而速度( V ) 等于动量( M OM ) 除以质量( M ) 。动
量( M OM ) 是 弹 簧 作 用 力 ( F ) 的 积 分, 弹 簧 作 用 力 ( F ) 等 于 位 移 ( DISP ) 与 弹 簧 系 数
( SCON T ) 的乘积。位移( DISP ) 的正负与大小是由弹簧的位置 ( POS ) 与其平衡位置( E P )
相比较来决定的。显而易见, 弹簧的运动是一个二阶系统。
上述 向读者 表明, 一 个二阶 的力 学弹簧 系统 可用 系统动 力学 方法 描述, 进而 不难 推
知, 其他二阶与更高阶的非生命系统也可以用系统动力学的方法描述。
在我们周围的 世界中, 可 用二阶模型 描述的 实际系统 处处可 见, 除 了上述外, 又如 电
气电子方面的 电感电容振荡系 统; 人体血 液中葡萄糖与胰 岛素浓度的制约 系统; 生物 与
生态方面的捕食者—被捕食者系统, 以及再如社会—经济方面的乘数—加速系统等等。本
章的后二节将进一步介绍捕食者—被捕食者和乘数—加速两种不同类型的二阶系统。

§ 6. 3　 捕食者—被捕食者问题
6. 3. 1　 问题的提出

　 　 捕食者—被 捕食 者结构 是二 阶系 统, 这 种机 制在 生物、生态 等类 系统 中 是不 难找 到

的。介绍本例的目的主要是为了了解二阶系统的结构, 其次是学习捕食者—被捕食者原理
及应用。
本世纪 20～30 年代意 大利生 物学家 U mberto D′
A ncona 从事 研究不 同种类 鱼群 繁
衍过程中的生存竞争与表现在数量间的关系。他偶然发现在第一次世界大战期间, 从地中
海某些港口捕获的一些鱼群的所占百分比统计数据中, 捕食者鱼类( 如鲨鱼、鳐鱼等) 的比
例出奇地增高, 为平常年份的三倍左右。他敏感地认为: 这一情况与大战期间减少捕鱼强
・ 12 5・
度和总捕获量有关。但是, 捕鱼强度究竟如何影响捕食者与被捕食者鱼类的繁衍与数量上
的增长的相互关系呢? 这一问题不仅涉及生物学中不同种类的生存竞争研究而且与捕鱼
业的发展攸息相关, 因为它隐含着捕鱼方案譬如捕鱼强度的选择与优化问题。
捕食者—被捕食者 问题是由 D ′
A ncona 的同 事, 意大利著 名数学家 V ito V olt erra 解
决的。其结论为: 在一定时间内, 适当次数( 即强度) 的捕鱼有利于被捕食者平均数量上的
增长, 使捕 食 者减 少; 反 之, 不 适 当地 减 少捕 鱼 次 数则 得 出 捕 食 者增 长 的 结 论, 称 之 为
V olterra 原理。他出色地回答了杀虫剂使用后果等一类的问题。下面是一个著名的实例。
19 世纪 60 年代由于偶然原因, 从澳大利 亚侵入美国的介 壳虫严重损坏了 美国的柑桔业。
随之, 其捕食者, 瓢虫—— 介壳虫之天敌被引进, 从而抑制了介壳虫的繁殖, 使其数量减至
较 低水 平。当 本世 纪 DDT 问 世后, 出 于 欲使 介 壳 虫更 加 减少 的 愿望, 果园 主 大量 施 用
DDT 药杀介壳虫。但事与愿违, DDT 也消灭了瓢虫, 结果应验了 Volt erra 原理, 介壳虫的
数量反而增加, 危害更加严重了。

6. 3. 2　 捕食者—被捕食者数学模型的推导与讨论

( 1) 首先把所有的鱼分成被捕食者和捕食者两类。前者设为 x ( t) , 后者设为 y ( t) 。
( 2) 设: 被 捕食者有足够的 生存空间, 其单位空间的密 度较小, 并 有充分的食 物。因
此在无捕食者的侵害下, 被捕食者的繁衍应具指数增长特性, 即:
¡¤
x= ax, 　 a > 0
　 　 ( 3) 当存在捕食者时, 单位时间内捕食者与被捕食者的 接触次数( 接触时前者捕 食后
者) 应为:
¡¤
bx y, 　 b > 0
　 　 ( 4) 于是可得:
¡¤
x= ax - bx y
　 　 ( 5) 捕食者 内部不 存在竞争, 其自 然减少 率与增长 率分别 为- cy 与 d xy 。于是可 得
・
y:
¡¤
y = - cy + d xy
　 　 ( 6) 上述两微分方程式即为在无人工捕鱼条件下的捕食者—被捕食者模型。
由于 D′
A ncona 获得的被捕获的捕食者( y ) 的百分比是每年的平均值。因此应设法求
出 x 与 y 的平均值 x 与 y , 才能加以比较。经过数学处理可得:
x = c/ d , 　 y = a / b
　 　 ( 7) 考虑在有人工捕鱼条件下, 修改数学模型。
由于 人工捕 鱼, 使被 捕食者 与捕 食者 鱼类 同 时减 少, 并假 定他 们 按同 样的 比率 ε减
少, 于是分别有:
x ( t ) —— 由于人工捕鱼被捕食者鱼类的减少量。
ε
ε
y( t) —— 由于人工捕鱼捕食者鱼类的减少量。
—— 捕鱼强度。
ε
修改模型并经整理后得:
¡¤
x = a x - bxy - ε
x = (a - ε
) x - bx y
・ 1 26 ・
 ¡¤
y = - cy + d xy - ε
y= - (c + ε
) y + d xy
　 　 经与( 6) 中的平均值表达式类比可得修改模型后的 x 与 y :
c+ ε a - ε
x = ,　 y =
d b
　 　 ( 8) 由( 7) 可推知, 适量的人工 捕获( 即 ε
< a ) , 将 使 x ( 被捕 食者) 增加, y ( 捕 食者) 减
少。反之减少捕猎强度却使 x 减少, 而 y 增加。这就是 Volterra 原理, 它阐明了 D′
A ncon a
发现的在第一 次世界大战期间 由于减少捕鱼 强度, 导致地中 海域捕 食者鱼类 数量剧增 以
及 DDT 的施用反而导致更严重的介壳虫害的内在机制。

6. 3. 3　 捕食者—被捕食者系统的流图

根 据 6. 3. 2 节 中( 7) 微 分方 程组, 可把 捕食 者—被捕食 者系 统以 系统 动 力学 流图 表
述, 如图 6. 5 所示。

图 6. 5　 捕食者—被捕食者系统流图

这是一个二阶系统, 它可能产生振荡的行为模式。但是, 在现实生活中, 多数捕食者—

被 捕 食 者 系 统 并 不 产 生 持 续 的 振 荡 行 为, 而 是 随 着 时 间 的 推 移 趋 于 均 衡 状 态, 这 与
V olterra 原 理 与 模 型 所 预 示 的 振 荡 行 为 模 式 不 完 全 一 致。这 是 为 什 么 呢? 原 因 在 于
V olterra 推导 方程时 未考虑捕 食者与 被捕食者 各自在同 类内部, 由于 食物引起 的竞争 的
影响。只需把这一因素的作用适当地引进原方程就可以得到更一般形式的捕食者—被捕
食者模型。对此, 这里就不再详细讨论了。

§ 6. 4　 从系统动力学的角度看乘数—加速结构

本节的 目的在于: 第一, 介 绍二阶系 统结构; 第二, 从系 统动力学 的角 度介绍 并评 价

乘数—加速理论。

6. 4. 1　 Sa muelson - Hicks 的乘数—加速模型

30 年代末, 美国经济学家 Samuels on 首次阐述乘数—加速的 机制, 其 目的在于, 解释

・ 12 7・
西方经济的商业周期的内部机制。后来, 由英国经济学家 Hicks 加以发展, 成为更加 通用
的 Samuelson －H icks 模型。其方程式如下:
Yt = C t + I t + Gt
C t = cYt - 1

I t = γ( Yt- 1 - Yt- 2 )
式中:
Y—— 国民生产总值( 即收入) ;
C —— 消费;
I —— 投资;
G —— 政府开发;
c, γ—— 常数。
上述方程经简单的推导可得国民生产总值 Y 的二阶差分方程式:
Yt = ( c + γ) Yt - 1 - γYt - 2 + Gt
　 　 给定不同的参数值, 此方程可产生多种行 为模式: 包 括衰减与发散振 荡, 渐近增 长或
先超调, 然后趋于均衡状态等。
然而, 为了使此方程产生衰减振荡, 常数 c 与 γ必须取不合理的低值。换而言之, 若采
用合理的参数值, 该模型无法产生西方经济 3—7 年的商业周期。
该模型明显地存在下述缺点:
( 1) 投资方程的量纲有误。投资的量纲应 为[ 资产 单位/ 年] , 但 该方程的右侧的 量纲
却为[ 资产单位] ;
( 2) 该模型的 设计目 的是为了 描述非 平衡的经 济行为( 商业 周期) , 却忽 略了物质 流
货物与资产的积累, 然而它们都是导致不平衡的重要经济变量。

6. 4. 2　 加进资产积累状态变量成为二阶的乘数—加速系统动力学模型

为了 使修 改 后的 系 统 动力 学 模型 易 于与 原 来 模型 比 较, 这里 仅 加 进一 个 状态 变 量
—— 资产的积累, 而没有把货物积累状态变量 —— 库存同时加入。显然, 若要成为描述商
业周期的理论, 库存变量是必须考虑的。即使如此, 修改后尚不完善的模型仍然产生了较
原模型好得多的行为特性。
修改后模型的流图如图 6. 6 所示。
其相应的 DYN AM O 方程如下:
A 　 　 IN C . K = C . K + I . K + G . K
A C. K = PC＊ SIN C. K
C PC = . 8
L SINC . K = SINC . J + ( DT / T SI ) ( IN J . J - SIN C . J )
N SINC= 1000
C T SI = 2
A I. K = ( DK . K - K. K) / NT A K
C N TA K = 2
・ 1 28 ・
 图 6. 6　 部分修改后的二阶乘数—加速结构流图

A DK . K = KOR ＊ SINC . K
C KOR = 2. 25
L K . K = K . J + ( DT ) ( I . J )
N K = DK
A G . K = IG + ST E P ( SG , T SG )
C IG = 200, SG= 20, T SG = 2
方程中的变量定义在流图中已注明, 不再重复。
从流图中可追索出乘数回路与加速回路因果图, 如图 6. 7 与图 6. 8 所示。

图 6. 7　 乘数回路因果图 图 6. 8　 加速回路因果图

乘数回路( 见图 6. 7) 由消费( C) 、收入( INC) 及平均收入( SINC) 组成, 为正反馈回路。

加速 回 路 ( 见 图 6. 8) 由 两 个 回 路 组 成。 一 个 是 由 投 资 ( I ) , 收 入 ( IN C ) , 平 均 收 入
( SINC) 和期望资 产( DK ) 组成的正反 馈回路, 另一个 是由投 资( I) 与资产 ( K ) 组成的负 反
馈回路, 两者通过投资变量( I ) 联结起来。此两回路构成二阶系统, 它可能产生振荡行为。

・ 12 9・
6. 4. 3　 模型的行为模式

修改后模型产生的衰减振荡行 为模式见图 6. 9。该图描述了假 设政府开支阶跃 增长

10% 后, 系统中主要变 量的 行 为。由图 可 见, 当政 府开 支增 长 10% 后, IN C ( 收 入) , C ( 消
费) , I( 投资) 均增长, 但它们的峰值出现在不同时刻。从系统的结构可知, C( 消费) 正比于
平均收入( SINC ) ( 图中未给出) , 其峰值出现应较 IN C 迟两年。 I 的峰值比 IN C 早两年出
现。由于 I 被积累于资产( K ) , 与期望资产( DK ) 组成自调整负反馈环节, 反过来阻 止 I 的
增长。由于 I 的下降, 虽然 C 保持短期的增长, 仍将最终迫使 INC 下降。在此过程中, 乘数
回路加剧了 INC 与 I 的超调作用, 从而增加了系统的不稳定性。由图 6. 9 可知衰减振荡的
周期约为 28 年( 亦可从解析解得出) 。经分析该系统的方程表明, 所有合理参数的组合只
能产生 远较 3—7 年商 业周期长 得多的 振荡行为。 因此可得 出结 论: 二阶乘 数—加速 结
构, 在其合理参数范围内, 无法产生短周期 3—7 年的振荡行为。

图 6. 9　 修改后模型当政府开支 G 增加 10% 的模拟结果

若要产生原所期望的 3—7 年商业周期, 必须对乘数—加速结构加以改造。第一步至

少还得加入货物库存积累等环节, 那就比二阶系统复杂得多了。如此, 则已超出本章与本
书的范围, 不再讨论。

思　 考　 题

( 1) 常系数二阶系统有哪些可能行为模式?
( 2) 从所给出的 4 个实例中给你什么启示?
( 3) 试从现实生活中举出若干二阶系统, 并画出它们的流图。

・ 1 30 ・
 第七章　 简单系统的振荡

系统的振荡行 为与现象往往使 人们特别 是初学者 迷惑不解, 从 而产生畏 难情绪和 采

取回避的态度。振荡的机制对于一些从事系统动力学研究工作并颇有数学基础的人员, 也
不能既形象又 本质地解释人们 常遇到的问题: 为什 么连续的 一阶系 统不可能 产生振荡 行
为? 为什么二阶系统能产生振荡行为? 人们也往往只满足于对超调和振荡行为的笼统回
答, 诸如由于系统中有“延迟”或有“惯性”等等。
本章拟用图解分析法对简单系统振荡的机制问题作定性与定量的分析。以野兔增长
系统为例说明 一阶系统行为的 特点, 为什 么只能是呈 S 形增长 而不可能有超 调与振荡 现
象。以简单的库存—劳动力模型为例, 分析系统产生收敛、发散和等幅振荡等不同行为模
式的内部原因与机制。

§ 7．1　 一阶系统行为的特点
7．1．1　 一阶系统为何不发生振荡

　 　 一阶系统不可能发生振荡行为的结论, 可从野兔增长系统的分析中获得证实。野兔增
长模型也是引导读者入门, 学习系统动力学的好例子。
图 7．1 为该模型的流图。模型只包含一个代表野兔数的状态变量 R , 假定野兔生活在
面积有限的范围内。状态的输入、输出速率分别为野兔出生率( R BR ) 和死亡率( R DR ) 。系
统有两个基本的反馈回路, 一个是 包含 R BR , 影响野兔出 生率的正反馈回 路; 另一个 是包
含 RDR , 控制野兔死亡率的负反馈回路。野兔呈指数增长趋势, 直至野兔数目达到环境的
承载能力为止。

图 7．1　 一阶野兔增长模型

根据系统流图可建立方程, 主要方程如下:
・ 13 1・
 L 　 　 R ．K = R . J+ DT ＊ ( R BR . J K- R DR . J K)
N R= RI
R R BR . K L = ( R . K ) ( FBR . K )
A FBR . K = ( L PFY ) ( SIPL ) ( PFP )
R R DR . K= ( R. K) / ( AL R . K )
A A LR . K = T ABHL ( A L RT , R . K , 0, RM A X , INC )
式中:
R —— 野兔数 ( 只) ;
R BR —— 兔出生率 ( 只/ 年) ;
R DR —— 兔死亡率 ( 只/ 年) ;
RI —— 野兔初始数 ( 只) ;
F BR —— 生育比率 ( 1/ 年) ;
L PF Y —— 雌兔每年窝数 ( 窝/ 兔・年) ;
SIPL —— 每窝小兔成活率 ( 只/ 窝) ;
PF P —— 雌兔占总兔数的比率 ( 无量纲) ;
AL R —— 兔平均寿命 ( 年) ;
R M AX —— 自变量, 兔数的最大值 ( 只) ;
INC —— 自变量, 兔数的增量值 ( 只) 。
　 　 兔生育比率 FBR 等于 L PFY ( 雌 兔每年下窝数) , SIPL ( 每窝小兔 成活率) 和 PFP ( 雌
兔占总数的比例) 三者的乘积。而 兔的出生率 RBR 则为 R ( 兔总数 ) 与 FBR ( 兔的生 育比
率) 的乘积。兔的死亡率 RDR 等于 R ( 兔总数) 除以 AL R ( 兔的平均寿命) 。模型假定兔的
平均寿命随着兔数的增长而降低, 这是考虑有限的空间与食物供应下两个因素的影响, 显
然, 随着兔数的增长使得空间日益拥挤和兔均食物量减少, 其结果必然增加死亡率。假定
最终兔数逐渐趋于平衡稳定, 死亡率等于出生率。因此可推论平均寿命 AL R 的最小值为
1/ F BR 。
一阶野兔系统的行为模式应该是怎样的呢? 首先要问的是, 兔数是否能不断增长? 答
案是否定的。由于我们事先假定, 野兔的生活空间和食物供应都是有限的, 因此, 兔的出生
率与死亡率将出现动平衡。兔的总数最终将趋于其稳定值。
其次要问, 兔数是如何从初始值过渡到最终的稳定值的? 会发生超调吗? 有一种普遍
的看法认为兔的增长特性应取图 7．2 的模式。也就是先超调然后降至稳定值。这种设想
是错误的, 因为超调不可能在一阶系统中发生。要分析这个问题还应从野兔的初期增长情
况谈起。最初, 兔总数尚少, 宏观的环境与生活条件很好, 兔的出生率大于死亡率, 兔数不
断上升。当有限的空间越来越拥挤, 且兔平均食物供应不断减少时则兔的死亡率 RDR 逐
渐等于出生率 RBR , 则出现稳定平衡情况。在理想的条件下平衡状况应保持下去。这是因
为 R BR 保持等于 R DR 的原故, 假设达到平衡后又出现 R BR > R DR , 则使兔数 R 增长, R
增则 使 A L R ( 平 均寿命) 降低 和 RDR 上升, 结 果又使 R 和 R BR 降 回, 这是 负反馈 作用。
然后再分析一下是否可能出现超调现象。假定兔数增长发生超调现象如图 7．2 所示, 出现
・ 1 32 ・
极大值处以圆圈标志。根据数学的知识
可 知, 此时状 态量 的纯 变化 率应 为“0”,
即 R BR = R DR 。从前面 的分析可知, 一
旦 R BR 与 RDR 两者 相等, 在一 阶系 统
里, 它 们 将 保持 恒 等, 则 兔 数 R 保 持 稳
定不 再变化, 于 是最 大值 也 就无 从出 现
了。简言之, 该一阶系统的行为特点可概
括如下: 一旦出现平衡, 则平衡将保持下
去; 只有兔 总数 发生 变化 时 出生 率与 死
亡率才能变化。然而兔总数只有当出生
率与 死亡率 不相 等时 才能 发 生变 化, 所 图 7．2　 一阶野兔系统增长特性的一种假定
以一 旦出现 出生 率等 于死 亡 率后, 系 统
达到平衡, 并永远保持下去。
由此可推知, 一阶系统既然不能产生超调行为, 那更谈不上产生什么振荡现象了。

7．1．2　 一阶系统需附加什么条件才可能产生振荡

一阶系统只在附加另一个状态变量成为二阶系统后, 才有可能产生振荡行为。
再以野兔增长的一阶系统为例进行讨论。前面已述及, 在一阶系统中当野兔数增长达
平衡后将保持不变。若欲使该系统发生振荡, 即要求兔总数出现正、负超调, 随着时间推移
上下波动。欲使兔数下降, 则只当兔的死亡率 R DR 大于出生率 RBR 时, 才有可能。原系
统达到平衡时 RDR = R BR , 又如 何 使 RDR > RBR 呢? 为 了使 原先 处 于平 衡的 R DR 与
R BR 变 为不平 衡, 原 系统中必 须增加 某种变量, 在兔 总数暂 时不变的 情况 下该变 量能 继
续促使 R DR ( 或 R BR ) 产生变化。显然此变量不能是原系统中的任何辅助变量, 因为这些
辅助变量都是原有状态变量兔总数 R 的代数函数, 当 R 处于平衡后, 它们也都不变了。唯
当 新加的变 量为另 一( 或 一个以 上) 独 立的 状态 变量时, 才 有可 能使 R DR ( 或 R BR ) 继 续
发生变化。新的状态变量可以是以野兔为食物的猛兽或是可变动的野兔饲料供应。它们
单独或同时作 用都能够在 RDR 与 R BR 两者 相等之后又继续 使它们发生变化, 变成不 相
等。如此, 原来的一阶系统也就变成二阶的或二阶以上的新系统了。
由此可得结论, 一阶系统不可能发生超调或振荡行为。一个系统要发生超调或振荡的
行为, 则必须是二阶系统或高于二阶的系统。

§ 7．2　 二阶系统的振荡

前节的结论中已指出, 只有二阶以上的系统才可能发生振荡行为。然而, 系统的阶数

不是产生振荡的充分条件, 二阶以上的系统不一定都能产生振荡。为了了解为什么在特定
的系统中可以产生振荡, 应该研究系统的结构和其内部的反馈机制。本节研究简单的二阶
系统为什么能产生等幅振荡。

・ 13 3・
7．2．1　 二阶的库存—劳动力系统

本段以库存—劳动 力模型为例说 明二阶 系统产生 等幅振荡 的机制, 其结 构流图如 图

7．3 所示。

图 7．3　 二阶库存—劳动力模型流图

模型的主要方程如下:
L 　 　 INV ．K = INV . J+ DT ＊ ( PR . JK - SR . JK )
N INV = DINV
R PR . KL = WF . K ＊ PP M
R SR. KL = ( 外生函数)
L W F . K = WF . J + DT ＊ ( H FR . JK )
N W F= SR / P PM
R H FR . K L = ( DINV - IN V . K) / ( IA T ＊ P PM ＊ WFA T )
式中:

INV —— 库存 ( 单位) ;
PR —— 产品产量 ( 单位/ 月) ;
SR —— 销售率 ( 单位/ 月) ;
WF —— 劳动力 ( 人) ;
PPM —— 劳动生产率 ( 单位/ 人・月) ;
H FR —— 纯雇佣率 ( 人/ 月) ;
DINV —— 期望库存 ( 单位) ;
IA T —— 库存调节时间 ( 月) ;
WFA T —— 劳动力调节时间 ( 月) 。
・ 1 34 ・
　 　 图 7．3 的库存—劳动力模型的初始状态如何呢? 由方程中得知, 此系统假设库存的初
始值 INV 等于期望库存 DIN V , 劳动力的初始值 W F 等于 SR / PP M , 把 DINV 代入 HF R
方程中的 变量 INV , 得初始 HFR 值 为“0”, 因 此状态 变量 INV 保 持不变, 把 SR / PP M 代
入变化率 PR 方程中的 WF , 得 PR = SR , 故库存处于动平衡, 库存量保持不变。
试问当销售率增加时, 此模型将有何反应? 特别是库存将显示何种行为? 读者的各种
看法一 般可归纳 为五种: 衰减 振荡、等幅振荡、发 散振荡、超调和 S 形增长, 分别 如图 7．4
中的曲线 A 、B、C、D 和 E 所示。事实上此模型只能显示非衰减( 等幅) 振荡行为, 而且不论
模型中的参 数 PP M 、IA T 、DIN V 和 W FA T 如何选择。此结论往 往使读者甚 至企业管 理
人员感到惊讶和迷惑不解。一些读者设想, 一旦销售量增加使库存减少, 企业管理人员必
定努力调整劳动力提高产量补充库存, 使库存量等于期望值, 并认为这一政策最终能使整
个系统达到平衡, 这种设想是不对的。下面定性的讨论为何此系统一经干扰就永远不能再
恢复最初的平衡状态? 为什么模型的动态行为是非衰减( 等幅) 振荡? 然后再简单说明此
系统模型为什么不会产生其它四种行为模式。

图 7．4　 销售率增加后系统动态行为模式的设想

7．2．2　 库存—劳动力模型的行为

图 7．5 给出库存—劳动力模型的产品产量对销售率变动时的响应。在 t 0 前原先系统

处于平衡状态, 产品产量与销售率相等。假定在 t0 时刻销售突然阶跃上升, 问库存将如何
变化? 如图 7．5( b ) 所示, 在 t≥t 0 时由于产品销售率开始高于产量, 使库存 IN V 开始下降,
低于期望值 DIN V 。从雇佣率 HF R 方程得知, 当 DINV > IN V , 则 HF R > 0, 意味着企业致
力于增雇劳动力, 使劳动力与产量( 假定产量正比于劳动力) 都逐渐增加。然而只要产品产
量仍然低于销售率, 库存将继续降低, 但其速率是渐减的。库存量先是快速下降, 当产品产
量逐渐地越是接近销售量, 库存下降速度越趋平 缓。相反, 劳 动力雇佣率 HF R ( 假定 正比
于期 望与 实际 库存量 之差) 的 最大值 出现 在库 存量达 到最 低时, 也就 是对 应于产 品产 量
・ 13 5・
P R 恰好等于售货率 SR 的时刻。因此到 t 1 时, 产量 PR 等于销售率 SR 后, 劳动力 WF 与
产量 PR 继续增长。自时间 t0 至 t 1 期间产量 PR 的变化趋势如图 7．5( a ) 所示。

图 7．5　 销售率 SR 阶跃增加后, 产品产量与库存的变化行为

在 t 1 时刻产量 PR 等于销售率 SR , 而库存低于期望值, 在 t1 时库存短缺量达最大, 如

图 7．5( b ) 所示。在 t 0 与 t 1 期间所流出的库存量与( a ) 图中的阴影面积相对应, 也就是销售
率与产品产量差的积分。由于在 t 1 时库存量低于其期望值, 促使企业继续雇佣劳动力, 所
以劳动力 W F 总数与产品产量 P R 继续上升。
在 t1 时 刻之后, 如 图 7．6( a ) 所示, 产品产量 PR 就高 于销售 率 SR , 库 存 INV 开始 回
升。由于这时 PR 只是略大于 SR , 库存 IN V 的回升先是缓慢的, 当 PR 达到峰值 时, IN V
增长速度达到最快。观察和比较 t 1 与 t2 期间 DIN V 与 H FR , P R 的动态变化行为, 可以发
现, 由于库存期望值与实际值的差由最大值起( 在 t 1 时刻) 先是缓 慢地后渐快地变 成 0( 在
t 2 时刻) , 即在 t2 时刻库存与其期望值再次相等, 故相应的 H FR 与 PR 也是先以最快 速度
增长( t 1 时刻) , 然后是缓慢地增长, 直至增长 率为 0( t 2 时 刻) 。图 7．6 给出了由 t0 至 t 2 期
间, IN V 与 PR 、SR 的变化行为。
在 t2 时刻, 虽然库存 INV 等于其期望值 IDN V , 但产品产值 PR 达到最大值并继续保
持大于销售率 SR 的 值( 直到 t 3 时刻) 。产品产量 PR 之所以在一段 时间内保持大于 销售
率 SR 是有其客观依据的, 是为了使库存能重新获得在 t 0 与 t1 期间失去的原储备量, 力图
使库存量达到它的期望值。实际上在现实的库存系统中就是如此, 产品产量在一段时间内
与销售率相比必须增长并保持足够高的水平, 使图 7．6( a ) 在 t 1 至 t 2 期间阴影部分的面积
等于 t 0 至 t 1 期间阴影面积。换言之, 应使得后一 段期间内所获得库 存增加量能弥补 在前
一时期所失去的库存量。
依前述类似 的道理, 可 分析 t 2 之后的 系统行为。在 t2 时刻 之后, 库 存 INV 高于期 望
库存值 IN V , 由于产品 产量高于销售率, 所以库存 量继续增长, 使库存开始出 现盈余与 过
・ 1 36 ・
 图 7．6　 P R 大于 SR 使库存 INV 回升

剩。库存的过剩积压迫使纯雇佣率变成负值, 它意味着企业在解聘雇员, 劳动力 WF 与产

品产量 PR 随之开始下降。WF 与 P R 将继续下降, 而库存 IN V 继续上升。至 t 3 时刻, IN V
达最大值, PR 等于 SR 。在 t 3 后由于 INV 仍大于它们期望值 DIN V , 纯雇佣率 H FR 继续
为负值, 使 IN V 开始下降。直到 t 4 , H FR 与 PR 达到负的最大值, 而库存 INV 再次与其期
望值 DIN V 相等, 纯雇佣率 H FR 为 0 的情况。如图 7．7 所 示, 至此 在 t 4 时刻系统的 状态
和行为特征又恢复到初始 t 0 时情况, 完成了一个振荡的过程。图 7．7 给出了从 t0 至 t 4 库
存 INV 和产品产量 PR 行为一个周 期的曲线。由于在 t 4 时刻 PR 小于 SR 且其差( SR -
P R ) 达最大值, 纯雇佣率 H FR 为 0。所以在 t 4 之后出现库存 INV 继续降低, 于是( DIN V
- IN V ( t ) ) > 0, 使 H FR 大于 0, 企业又开 始增聘 雇员, 也 就是重 现了 先前 在 t 0 时 刻之 后
发生的过 程。如此周而复始就 形成了 不衰减即 等幅振荡, 周 期为 T 。在一个 周期内库 存
INV 在前半周流出的量应等于后半周内获得的量。
关于振荡过程, 曲线形状与 周期问题可进一步 作以下分析。观察 在 t 2 至 t3 期间 产品
产量 P R 的变化趋势是饶有趣味的。试问从 t 2 至 t 3 P R 将取哪一条曲线呢? 在图 7．8 中给
出三种可能, 曲线①与在 t 1 和 t 2 期间的曲线段是对称的, 曲线②、③ 从 t 2 时刻就开始 偏离
曲线①, 也就是说和在 t 1 与 t 2 期间的曲线段不对称。究竟哪一条曲线符合模型的结构呢?
结论是, 在已给定的条件下 PR 应取线段①模式。下面仅作简单直观的解释。首先, 对
称的 PR 曲线是符合模型的结构的。根据模型的方程式可推导出, 产品产量 PR 曲线的斜
率任何 时候都 取决于 劳动 力的变 化率, 即 为在相 同时 间间 隔内纯 雇佣 率 HFR 与 生产 率
常数 PP M 的乘积。其解析推导如下:
根据文中的库存—劳动力方程可知
P R ( t) = WF ( t) ＊ PPM , 两边对时间 t 取导数得:

・ 13 7・
 图 7．7　 库存—劳动力模型的振荡曲线

图 7．8　 在 t 2 与 t 3 期间 P R 曲线的三种可能性

dPR ( t) ( dW F ( t) ) ＊ P PM
=
dt dt
dWF ( t)
又 = HFR ( t)
dt

・ 1 38 ・
 dPR ( t)
∴ = HFR ( t) ＊ PPM
dt
( DIN V - IN V ( t) )
又∵ HFR ( t) = 代入前式得:
PP M ＊ IAT ＊ W FAT
dPR ( t) ( DINV - INV ( t) )
=
dt IAT ＊ WF AT
　 　 从进一步推导中可知 PR 的变化率( 即斜率) 仅取决于库存期 望与其实际值之 差。所
dPR ( t)
以在 t 2 至 t 2 期间与库存增加量相应的 H FR ( t ) 及 , 在绝对值上应和 t 1 至 t 2 期 间与
dt
dP R ( t)
库存减少量相应的 HF R ( t ) 及 相等。PR 的对称曲线①能否满足上述要求呢? 回答
dt
是肯 定的。下面 对此再 加以分析。图 7．9 是 PR 行为 的对称曲 线( 即为 图 7．8 中 的曲 线
① ) 。取两个时刻 t ′
与 t″
, 它们对应的 P R ( t ′
) 与 P R ( t″
) 在数值上是相等的。由于曲线是对
称的, 在 t 1 至 t 3 区间曲线分别在 t ′
与 t″
时刻的斜率的绝对值应相等。为了与模型的结构一
致, 在 t ′ 时刻的雇佣率 H FR ′ 为正值与在 t ″ 时的 HF R ″
为负值, 在绝对值上应该相等。由于
H FR ( t ) 取决于( DINV - IN V ( t ) ) , 为此只要 证明在 t ′时短缺 的库存量 等于在 t ″
多余的 库
存量, 即要求有©¦DINV - IN V ( t ) ©¦t ′= ©¦DIN V - INV ( t ) ©¦t″。由 于©¦DIN V - INV ( t ) ©¦t′等 于
P R ( t) 在 t′
与 t 2 区间的积分( 阴影面积 I) , ©¦DINV - IN V ( t ) ©¦t ″等 于 PR ( t ) 在 t 2 至 t ″
区 间的
积 分( 阴 影面积 Ⅱ) 。因 为假定 PR 曲线 是对称 的, 所 以阴影面 积Ⅰ与 Ⅱ是相 等的。因 此
H FR ′
与 HFR ″
相等得证。于是上述证明对称的 PR 曲线是符合模型结构的。

图 7．9　 PR 的对称曲线符合模型结构的示意图

然而对称的 PR 曲线①是否是在 t 2 与 t 3 区间唯一的与系统结构一致的曲线呢? 前面

只是证明了曲线①符合系统的结构, 尚未证明它是唯一的。在图 7．8 还给出另外两种 PR
的行 为模式, 曲 线② 与③, 只有 把这 两种可 能性 排除掉 才能 最终 确定曲 线① 是唯 一的 曲
线。
P R 取图 7．8 曲线②的情况。若 PR 从 t 2 , 对应其峰值, 开始循曲线②以比曲线①更快
的速度下降, 则其相应的解雇率( 即负的纯雇佣率 H FR ) 应比相应 于曲线①情况时 大。而
为了有较高的解雇率, 在 t 2 至 t 3 区间内曲线②的 PR 与 SR 的差的积分, 即由曲线② 决定

・ 13 9・
的多余库存量应大于由曲线①相应产生的多余库 存量。可是从图 7．8 的 PR 曲线族 显而
易见, 情况恰好相反, P R 曲线①与售货率 SR 所包围的面积比 P R 曲线② 与 SR 所包 围的
面积更大。因此不符合模型的结构, PR 取曲线②的假定应加以否定。
同理可证明 PR 也不可能取曲线③路径。若 P R 取曲线③模式, 从其峰起以较曲线①
慢的速度下降, 也就是应具有较曲线①情况小的解雇率。然而由于 PR 曲线③包围的面积
比曲线①所包围的要大, 所以 PR 曲线③与 SR 的差值在[ t 2 , t 3 ] 的积 分显然比对应曲 线①
情况下的积分 值要大, 即 曲线③比曲线① 产生更 多的库存 积压; 根据模 型的结构 与方程,
这时应有较大的解雇率, 于是陷入自相矛盾。因此 PR 取曲线③的可能性也应加以否定。
换 言之, P R 在[ t 1 , t2 ] 区 间的增长 曲线与 在[ t 2 , t 3 ] 区间 下降曲 线的 对称性 保证 了 PR
与 SR 差值 在两时间 间隔里 的面积( 即积 分值) 相等, 进而 保证了 库存—劳 动力模 型产 生
等幅振荡行为。
在以上分析中, 事 实上已回答了此库 存—劳动力模型不可 能产生衰减振荡 ( 即图 7．8
中的 PR 曲线②模式) , 也不可能产生发散振荡( 即图 7．8 中的 PR 曲线③模式) 。图 7．4 中
还给出另外 两种可能的模式 —— 超调与 S 形增长。本模型是 不可能产 生超调模 式的, 前
面已经分析 过它只能产生振 荡行为。至于 S 形增长那是 一阶系统的行 为模式, 若把一 阶
系统看成是二 阶系统的特例也 未尝不可, 但是本模 型的结构 如前所 述只能产 生等幅振 荡
行为。
图 7．10 把对库存—劳动力模型行为的分析作一个形象的总结。( a ) 图把整个等 幅振

图 7．10　 简单库存—劳动力模型的等幅振荡

荡 周期 T 划成四 个区段, 并用Ⅰ, Ⅱ, Ⅲ和 Ⅳ表示 PR 与 SR 曲线 所包围 的各块面 积, ( b )

・ 1 40 ・
图给出库存 INV 的行为曲线。
图 7．10( b ) 表明, IN V 在[ t 0 , t1 ] 间下降, 从 t 1 开始 上升, 在 t 2 时 IN V = DIN V , 然后 继
续增至 t 3 , INV 在 t 3 时增加的幅度等于它在 t 1 时减少的幅度。IN V 在 t 1 时的各值和在 t 3
时的峰 值都取 决于 产品产 量 PR 与销 售率 SR 所包围 的面 积的大 小, 也就 是决定 于每 当
P R 赶上 SR 之前库存 IN V 的增加量或失去量。也就是库存的变化量应等于 PR 与 SR 的
差的积分。由于在( a ) 图中各块面积之间, 面积Ⅰ= 面积Ⅱ, 面积Ⅱ= 面积Ⅲ, 而面积 Ⅲ=
面 积 Ⅳ, 因此 面积 Ⅰ = 面 积Ⅱ = 面 积Ⅲ = 面积 Ⅳ, 即 ( a) 图 中 各块 面 积 相等。 所以 库 存
INV 呈现出如( b ) 图的等幅振荡模式。
以上已较完整地用图解分析法把二阶库存—劳动力模型产生等幅振荡的机制作了直
观的、定性的分析。下面我们来看一看库存—劳动力模型的计算机模拟结果, 图 7．11。把
图中各变量变化曲线与前面的直观定性分析结论相比较可知, 它们是完全一致的。模拟结
果中的 PR 曲线是对称的等幅振荡曲线, 它的一个周期 可划成Ⅰ, Ⅱ, Ⅲ和 Ⅳ四部分, 各块
的面积是相等的。库存 INV 亦呈等幅振荡特性。

图 7．11　 等幅振荡库存—劳动力系统的计算机模拟结果

§ 7．3　 二阶衰减振荡系统

前节以库存—劳动力为例讨论了二阶等幅振荡系统。库存—劳动力系统产生等幅振
荡的原因在 于假定纯雇佣率 H FR 取决于期望库 存与实际库存之 差。前面已 以定量与 图
解分析相结合说明了该系统产生等幅振荡的过程、机制, 任何时候不论是库存缺货还是过
剩, 劳动力都继续增长。也就是说它隐含着这样的机制: 库存的调节与劳动力初始值所形
・ 14 1・
成的生产能力是高于或低于销售率, 能否补偿平均销售率无关。当库存不足时, 产品产量
持续增长并高 于销售率, 却忽视一旦库存 补给充 足时, 产品产量 会发生 过剩这样 的事实。
结果产量的峰 值发生在库存量 等于期望库存 的时刻, 即最大 库存增 长率发生 在库存等 于
期望库存的时候。显然如此系统行为是一般厂家所忌讳的, 原来的雇佣劳动力政策是不可
取的。
根据上述分 析可见, 反 映雇佣政策的纯 雇佣率 H FR 需加以 修改。可考虑使 HF R 包
含有库存校正与劳动力调整两项, 以获得满足长 期销售率所要求的 生产能力。修改 HF R
后的结构流图如图 7．12 所示。

图 7．12　 修改 H F R 结构后库存—劳动力模型流图

作相应修改与增补的方程如下:
R 　 　 H FR ．K L = ( DW F ． K - WF ．K ) / WFA T
A DWF ．K = W DS ．K + WDIP ． K
A W DS ．K = SR ．JK / PPM
A W DIP ．K = ( DIN V - INV ．K ) / ( IA T ＊ PPM )
式中:

H FR —— 纯雇佣率 ( 人/ 月) ;
DWF —— 期望劳动力 ( 人) ;
WF —— 劳动力 ( 人) ;
WFA T —— 劳动力调节时间 ( 月) ;
W DS —— 销售率对劳动力的要求 ( 人) ;
W DIP —— 库存对劳动力的要求 ( 人) ;
・ 1 42 ・
 SR —— 销售率 ( 单位/ 月) ;
PPM —— 劳动生产率 ( 单位/ 月) ;
DINV —— 期望库存 ( 单位) ;
INV —— 库存 ( 单位) ;
IA T —— 库存调节时间 ( 月) 。
　 　 期望劳动 力 DWF 包含销售率与 库存两方 面对劳 动力要求 之和, 即 DWF 等于 W DS
与 W DIP 之和。W DS 方程很简单, 等于销售率 SR 除以劳动生产力 PPM 。W DIP 则为库
存 与期 望 库存 之差 ( DIN V - INV ．K ) 除 以库 存 调节 时 间 IA T 与 劳 动 生产 率 PPM 之 乘
积, 即为库存对劳动力的要求。纯劳动力雇佣率 HF R 方程 为期望劳动力 DW F 与劳 动力
W F 之差值除以劳动力调节时间 WFA T 。
读者 要问, 为什 么经此修改后( 采用新的 雇佣政策) 会使 系统产 生衰减( 或称 为收敛)
振荡呢? 下面还是以图解分析与定量分析相结合的方法来回答这个问题。
把 H FR 方程中的各项逐一代入, 整理后成为一个单一的方程如下:
SR DIN V - IN V
HFR = + - WF WF AT
PP M IA T ＊ P PM
= ( ( SR / P PM ) - WF ) / W FA T + ( DIN V - IN V ) / IAT
＊ PPM ＊ W FAT
不难判别 式中右端第二项 ( DINV - INV ) / IA T ＊ PP M ＊ W FAT , 就 是未修改 前原模型 中
的纯雇佣率。模型修改后的纯雇佣率增加了第一项即:
( ( SR / PPM ) - WF ) / WFA T
　 　 当 SR > PR 时, 由于 PR = WF ＊ PPM
所以 SR > W F ＊ PP M 　 　 　
则 SR / PPM > W F
有 ( SR / P PM ) - W F > 0
可见 当 SR > P R 时, ( ( SR / P PM ) - W F) / W FAT 大 于 0, 为正值。反之 经类似推 导可知,
当 SR < PR 时, ( ( SR / PPM ) - WF ) / W FA T 小于 0, 为负值。
从雇佣政策的 具体涵义看就是 当 SR > P R 时, 增加雇 佣劳动力; 当 SR < PR 时, 则 解
雇劳动力。显然修改后的雇佣劳动政策比修改前更加符合企业管理的一般规律。
下面结合图 形再作进 一步分析。 图 7．13 为修改雇 佣政策 后库存—劳动 力系统的 行
为。
假定在 t = t0 时刻, 销售 率 SR 发 生阶跃 增长, 使 IN V 下降, PR 上 升; 而修改 雇佣 政
策后的 PR 将以较采用 旧政策时更快 的速度 增长。这是 因为此时 H FR 不仅 受( DIN V -
INV ) 的影响, 还要考虑 SR > PR 这一事实。由于有较大的 PR 值, 在 t 0 与 t 1 期间使库存与
期望 库存的差别, 较采用旧政策 时( 即修 改前) 的情 况小。在 t = t 1 时, P R = SR ; 但( DIN V
- INV ) 仍大于 0, 所以纯雇佣率仍为正值, 劳动力继续增长, 使 t 1 以后 P R > SR 。一旦 PR
> SR , 由前述 可知( ( SR / PPM ) - WF ) / WF AT 为负值, 对 HFR 的影 响为负。然 而此时,
库存仍 然低于期望值, ( DIN V - INV ) 对 H FR 的作用 为正。此两因 素的正负 作用是相 互
・ 14 3・
矛 盾的, 初期 因 PR 仅 较 SR 略 微 大一 点, 所以 ( DIN V - INV ) 仍起 主导 作用, H FR 为 正
值, 继续增加劳动力, 使 PR 继续增长。于是代表新政策的( ( SR / PPM ) - WF ) / WFA T 逐
渐起主导作用, HF R 成为负值, 意味着辞退雇员。此过程中在库存缺额未完 全消除前 PR
将达峰值并开始下降。从图 7．13 上看, [ t 0 , t 1 ] 区间的面积比[ t1 , t 2 ] 区间的面积要大。

图 7．13　 修改雇佣政策后库存—劳动力系统的行为

当 t= t 3 , PR 又等于 SR 。从图 7．13 中可推论, 在[ t 2 , t3 ] 区间的某一时刻 t 2′

, 库存最初
的缺额将完全得到补偿, INV 又等于 DINV 。在 t 2′ 之后库存才开始超出期望值。从图中可
见, 在[ t 2′
, t 3 ] 期间库存所得的积累量远较在[ t 0 , t 1 ] 期间所失去的量为少。重复上述类似的
分析可 推知 PR 与库存 IN V 的振荡 的幅度 是逐渐 减小 的, 即为衰 减振 荡, 他们分 别趋 向
于销售率 SR 与期望库存 DINV 。
衰减幅度的强度与速度的快 慢和库存调节时 间 IAT 有关。当 IA T 增大, P R 振 荡幅
度减小, 较快地趋向新的稳态 值。考察在图 7．13 中的 t1′
时刻, 由于 PR > SR , 其作用 是促
使纯 雇佣率 HF R 的值减 小, 然 而此时库 存 INV 仍 小于期 望库 存 DINV , ( DIN V - INV )
仍有较大作用, 所以 HFR 仍取正 值。若 IA T 取值 更大 些, 则库存 差额 ( DIN V - IN V ) 对
H FR 产生影响的重要性就相对更小了。因此纯雇佣率 HF R 方程中的( ( SR / P PM ) - W F)
将起主导作用, 使 PR 取值减小, P R 的峰值变小并提前到来, 也就是说 PR 与库存 INV 的
振荡幅度较 IAT 取正常值时为小并较快地趋向平衡值。

§ 7．4　 三阶系统的振荡

前两节以简单 的二阶库存—劳动 力模型 为例分析 了振荡中 的两种 模式, 等幅与衰 减

振荡。若回顾一下前两节的模型方程可知, 该模型隐含着这样的假定, 在生产决策与获得
最终产品之间不存在时间上的延迟, 即一经决策, 产品就送来入库。显然如此假定通常是
不现实的, 因此应加 以修改。可考虑在§ 7．2 简单二阶模 型的基础上增加 一些环节, 在产
品入库之前和生产产品决策之间插入中间产品库存状态变量, 使原系统成为三阶系统。本
节仍用图解分 析法来分析附加 延迟环节对系 统的影响, 分析 为什么 延迟环节 会引起库 存
INV 与劳动力发生扩展振荡( 或谓之发散振荡) 。
图 7．14 为修改结构后的三阶库存—劳动力模型的流图。请读者留意此流图与修改前
・ 1 44 ・
的二阶模型流图( 见图 7．3) 之差别。修改后 P R 为中间产品产量, 流入新状态变量中间产
品库存 IPI 。完工产品产量 FP 为 IR I 的输出变化率, 它由中间产量库存 IPI 和库存—生产
延迟 IPD 决定。

图 7．14　 三阶库存—劳动力模型流图

修改后模型比 原来二阶的模型 增加了一 些变量, 增补的 主要变 量及修改 的方程式 如

下( 其余部分见 7．2 节) :
L 　 　 INV . K = INV . J + DT ＊ ( FP . JK - SR . JK )
R FP . K L = IPI. K/ IPD
L IPI. K= IP I. J+ DT ＊ ( PR . JK - FP. JK )
N IPI= PR ＊ IP D
式中:

INV —— 库存 ( 单位) ;
F P —— 完工产品产量 ( 单位/ 月) ;
IPI —— 中间产品库存 ( 单位) ;
IPD —— 库存—生产延迟 ( 月) ;
PR —— 中间产品产量 ( 单位/ 月) 。
　 　 由 于库存—生产 的延迟 作用, 由外生销 售率 SR 阶跃 变化 引起库 存的 减少需 要比 无
延迟环节时更长的时间才能获得补偿。
在 SR 发生阶跃增加后, 库存 INV 随之减少, 转而增加劳动力, 使 P R 增长。可是完工
的产品产量 F P 较 PR 有时间滞后, 故在 t0 ( PR = SR 时) 之后, 库存的短缺 继续加剧, 直至
t 1′
( FP = SR 时) 为止。图 7．15 中在 t 0 与 t 1 之间曲线 FR 与 SR 所包围的面积 I , 代表 库存
・ 14 5・
的短缺量。

图 7．15　 有库存—生产延迟的库存—劳动力系统的行为

下面分析该系统为何产生扩展振荡。考察 t 0 至 t 2 期间的情况, 在 t 0 与 t 1′
期间, 由于库
存尚未补充够, PR 继续增长。库存的不足现象一直延续到 t 2 , 当 FP 、SR 曲线所包围 的面
积Ⅱ与Ⅰ相等时, 才最终被解决。图 7．15 中Ⅰ与Ⅱ两块面积相等隐含着有:
©¦FP ( t 2 ) - SR ( t 2 ) ©¦= ©¦F P( t 0 ) - SR ( t 0 ) ©¦
( 实际上, ©¦FP ( t 2 ) - SR ( t 2 ) ©¦应略 大于©¦F P( t 0 ) - SR ( t 0 ) ©¦, 对此这里 不再讨论) 。由于系 统
结构中存在库存—生产延迟, 故在 t 2 时刻 PR 曲线必在 FP 之上, 即:
©¦PR ( t 2 ) - SR ( t 2 ) ©¦> ©¦FP ( t 2 ) - SR ( t 2 ) ©¦
于是
©¦PR ( t 2 ) - SR ( t 2 ) ©¦> ©¦FP ( t 0 ) - SR ( t 0 ) ©¦
所以, 在 t 0 与 t 2 两个时刻 PR 与 SR 的差值不同, 后者较前者大。也就是说 PR 的幅度的扩
展, 而且 P R 曲线还有一个重要特征是, 它比 F P 领先一个逐渐增大的相位角。可以推论,
此情况将持续下去, 从而形成 PR 的扩展( 发散 ) 振荡。进 而可推知, 劳动力曲线亦呈 现扩
展振荡 的模式。而 FP 曲线也 是扩展 振荡, 只不过幅 度相应 地小于 PR , 这 里不再 详细 讨
论。
库存 IN V 的行 为模式 又如何呢? 由 图 7．15 可见, 由于延 迟的影 响, 当 t = t 2 , IN V =
DIN V 时, FP 继续增长至 t 2′
, 然后逐渐降低与 SR 相交于 t 3′
。在 [ t 0 , t 1′
] 期间库存的损 失等
于面积Ⅰ; 在 INV 等于 DINV 以后的[ t 2 , t 3′
] 期间, 库存的增加量等于面积Ⅲ。把面积Ⅲ和
面积Ⅱ两者 加以比较, 毫无疑义, 前者 大于后者。 也就是说, 由 于系统存 在库存—生产 延
迟, 在一个周期里 FP 曲线与 SR 曲线形成的上 部分面积 ( 代 表库存的 增加量) 大于 与 SR
形成的下部分面积( 代表库存的减少量) , 因此库存 IN V 呈扩展振荡模式。
把上述分析过程重复下去就不难得出 PR 、FP 与 INV 均呈连续扩展振荡的结论。

§ 7．5　 结　 　 语

本章目的在于研究系统产生振荡的内部机制。一阶系统是不会振荡的。二阶和二阶
以上的 系统的行 为模 式可能 有多 种型 式: 等 幅振 荡, 衰减振 荡, 扩展 振荡, 超调 与 S 形 增
・ 1 46 ・
长等。
本章给读者一 些例子, 说 明如何应用系 统动力 学的理论 去分析 模型的结 构与行为 的
关系, 进而分析研究客观系统的结构、功能与行为的辨证对立统一的关系与过程。这样做
对建立模型的信度是需要的, 而且也是把模型付之实用和作政策分析的重要前奏。
本章分析了简单系统的振荡的机制, 将有助于读者去了解、研究实际生活中复杂系统
的振荡机制问题。同样也有助于构模者去进行复杂系统的建模。

习 题 与实 验

　 　 模型结构与行为关系研究
( 1) 目的: 通过实验加强读者对系统模型行为和系统 结构关系的理解, 并训练提 高读
者分析研究实际系统结构与行为关系的能力。
( 2) 模型简况: 这是一个特定 城市的模型, 它主要描述该 城市发展过程中 经济建设、
住宅建设以及人口之间的相互关系。该模型包括以上三个状态变量, 26 个动态方程。该模
型的流图与程序清单见附录和图 7．16。
( 3) 要求:
1) 解释为什么模型显示出人口和经济的超调和下降的动态行为模式?
2) 前一个问题对城市的管理有何实际意义?
( 4) 实验步骤
第一步:
键入模型程序, 运行并得到基本运行结果。读者可以自己决定如何用图形表示结果,
以及图示哪些变量; 在再运行过程中, 也可以根据需要图示更多的变量。为了便于分析, 尽
量将可以比较的变量同时图示在一张图上, 并且尽量使用相同的比例。其次, 在得出具体
结论之前, 在图上用不同颜色笔标出那些你觉得有意义的变量的变化曲线与情况, 这将有
助于你从本质上了解模型的行为模式和内部结构关系。如果需要, 还可以在图上作一些注
解。然后读者可以验证: 如果将住宅建设子块或经济子块从模型中去除之后, 模型行为显
示的将是同一阶系统相同的 S 形增长。例如, 假设住宅子块不起作用, 可先作如下改动后
再运行模型:
C　 　 L PH = 0
C 　 　 H CN = 0
C　 　 H DN = 0
T A HM T = 1/ 1/ 1/ 1/ 1/ 1/ 1/ 1/ 1/ 1/ 1
你将看到模型显示 S 形增长, 而不是超调或下降。请仔细比较各种变量的时间尺度,
以及模型结构、参数值、表函数, 你就会找到问题的答案。
第二步:
通过在再运行过程中改变常量值和表函数可以验证你的想法是否正确。如果参数的
改变范围或模 型运行结果不符 合现实也不要 紧, 因 为本试验 的目的 是找出产 生系统行 为
的结构原因, 而不是政 策分析。如果你对系 统产生 超调行为 的原因 仍没有找 到合理的 解
・ 14 7・
 图 7．16　 简化城市模型之 DY N AM O 流图

释, 你就应该试着改变几个系统参数以便熟悉这一模型, 将常数值换成一个你认为的可能
值, 运行模型并观察其结果。同样你也可以改变表函数曲线的形状或其斜率。
第三步:
请读者设法调 整参数以控制或 者抑制模 型所显示 出的超调 和下降 行为模式, 即寻 找
一套模型参数 变化的最小组合, 尽可能保 持原有 的模型特 性; 同 时又能 抑制超调 行为, 并
使人口、企业建设、住房等呈现简单的 S 形增长。简明扼要回答前面提出的问题。
1) 需要指出所采用的变量组合, 并附相应的运行图形。
2) 回答要具体, 如果可能, 还可作更深入的分析以 加深对政策的理 解。最后, 得 出结
论, 什么措施能最有效地抑制城市的衰退? 以及为什么在城市决策者采取措施之后城市问
题仍然可能存在?
・ 1 48 ・
附录: 简化城市模型程序单

　 　 N O T E PO P U LA T ION - HO U SIN G M ODE L

L 　 P . K = P . J+ ( DT ) ( B. J K+ IM . JK - D. JK - OM . J K)
N P= PN
C PN = 50000
R B. K L = P . K ＊ BN
C BN = 0. 03
R D. K L = P . K ＊ DN
C DN = 0. 015
R IM . K L = P . K ＊ IMN ＊ A M . K
C IM N = 0. 1
R OM . K L = P . K ＊ OM N
C OM N = 0. 07
A PP G . K = ( B. JK + IM . JK - D . JK - OM . JK ) / P . K
A AM . K= A JM . K ＊ A HM . K
A AJ M . K = T ABL E( A JM T , LF JR . K , 0, 2, . 2)
T AJ M T = 2/ 1. 95/ 1. 8/ 1. 6/ 1. 35/ 1/ . 5/ . 3/ . 2/ . 15/ . 1
A AH M . K = T A BLE ( A HM T , HH R . K, 0, 2, . 2)
T AH M T = 1. 4/ 1. 4/ 1. 35/ 1. 3/ 1. 15/ 1/ . 8/ . 65/ . 5/ . 45/ . 4
L BS. K = BS. J + ( DT ) ( BC. JK - BD. JK )
N BS= BSN
C BSN = 1000
R BC. K L = BS. K＊ BCN ＊ BCM . K
C BCN = 0. 07
A BCN . K = BL M . K ＊ BL F M . K
A BLM . K = T A BL E ( BLM T , L F O, K , 0, 1, . 1)
T BLM T = 1/ 1. 15/ 1. 3/ 1. 4/ 1. 45/ 1. 4/ 1. 3/ . 9/ . 5/ . 25/ 0
A LF O . K = ( LBS＊ BS. K + LP H ＊ H . K ) / A REA
C ARE A = 10000
C LBS= 0. 2
C LP H = 0. 1
R BD. KL = BS. K ＊ BDN
C BDN = 0. 025
A BLF M . K = T ABL E( BL F M T , LF J R. K , 0, 2, 0. 2)
T BLF M T = . 2/ . 25/ . 35/ . 5/ . 7/ 1/ 1. 35/ 1. 6/ 1. 8/ 1. 95/ 2
A LF JR . K = LF . K / J. K
A LF . K = P . K ＊ LP F
C LP F = 0. 35
A J. K = BS. K ＊ JBS
C JBS= 18
・ 14 9・
 L H . K = H . J + ( DT ) ( H C. J K- H D. JK )
N H= HN
C HN = 14000
R HC. K L= H . K ＊ HCN ＊ H CM . K
C HCN = 0. 07
A HCM . K = H L M . K ＊ H A M . K
A HL M . K = T ABL E ( RL M T , L FO . K , 0, 1, 0. 1)
T HL M T = . 4/ . 7/ 1/ 1. 25/ 1. 45/ 1. 5/ 1. 5/ 1. 4/ 1/ . 5/ 0
R HD . KL = H . K ＊ H DN
C HDN = 0. 015
A HA M . K = T A BLE ( H AM T , HH R. K, 0, 2, . 2)
T HA M T = . 2/ . 25/ . 35/ . 5/ . 7/ 1/ 1. 35/ 1. 6/ 1. 8/ 1. 95/ 2
A HH R. K= P . K / ( H . K ＊ H S)
C HS = 4
P L OT P = P ( 0, 400000) / H = H ( 0, 200000) / H HR = R , LF JR = J ( . 5, 1. 5) /
X BS= B( 0, 8000) / P P G= G( - . 03, . 09)
P L OT L F O= F ( 0, 1) / BL M = B ( 0, 2) , HL M = H ( 0, 2)
P L OT P P G = G ( - 0. 03, 0. 09) / A JM = J( 0, 2) , A H M = H ( 0, 2)
P L OT H C = H , HD= D( 0, 8000) / BC = B, BD= M ( 0, 400)
C DT = 0. 5
C PL T P ER = 3
C LE NG T H = 150
RU N F IG U RES 1 T HRO U GH 4
BO T T O M

・ 1 50 ・
 第八章　 模型与方程的建立

建立方程是把模型结构“翻译”成数学方程式的过程, 把非正规的、概念的构思转换成
正式的定量的数学表达式—— 规范模型。建立方程的目的在于使模型能用计算机模拟( 或
得到解析解) , 以研究模型假设中隐含的动力学特性, 并确定解决问题的方法与对策。
建立方程阶段远非仅仅是在有趣的构思与结果分析两个阶段之间的技术插曲。正如
前面曾述及的, 以因果关系回路图表示模型, 其含义常常模糊不清。从为了更真切地描述
客观事物的意义上说, 规范模型要精确得多, 它可藉助计算机毫不含混地一步一步算出变
量随时间的变化。另外, 建立方程阶段所必需的精确性也迫使构模者清晰地去思维, 从而
加深对系统结构的了解。
本章的第一节叙述状态( L evel) 变量的处理。虽然状 态变量方程似乎 很简单, 可 是当
考虑一个变量是否用状态变量方程来表示有时候是颇为微妙的。第二节讨论一些典型的
变化率方程式 用 DYN AM O 语言的 表示式, 目的在于免使读 者对于某些典型 的结构还 重
新去做“发明”一类的事情。第三节讨论辅助方程和介绍构思表函数的艺术。在前三节的
基础上, 第四节讨论一个建立 DYN AM O 方程的例子。第五节讨论模型的参数问题。第六
节讨论模型参数与初始值的选择。第七节介绍模型方程的查错方法。第八节小结构思模
型与建立方程式的原则。

§ 8．1　 什么是状态变量

状态变量的概念及其 DYNA M O 的书写方式已分别在第一章和第四章介绍过。从这

些讨论中我们知道, 状态变量是随时间而变化的积累量, 是物质、能量与信息的储存环节。
状态变 量的 输入、输出 变化 率使积 累量 增加或 减少, 在 DYNA M O 语 言中 给出状 态变 量
典型的表达形式。这些是简单明了的, 令人疑惑的倒是, 是否一切状态变量都是积累量; 是
否把一切积累量都考虑为状态变量?
本节目的就在于帮助读者判断系统中的某种变量在什么情况下应以状态变量方程表
示, 在什么情况下以常数或辅助变量表示更加合适。譬如, 物价最好视为状态变量还是辅
助变量, 或者甚至当作常数? 答案要视具体情况而定, 不能一概而论。

8．1．1　“快拍实验”

下面谈一个简单的实验, 有助于识别系统中可能的状态变量。设想在所研究的系统中
把时间“停顿”一下, 把一切流动的变化量冻结, 好像用一架快速照相机把系统中的一切物
理过程, 不能触及与不可见的特性拍下一张照片。那么可能的状态变量将是那些在照片中
依然存在和有意义的量。即使似乎时间停顿了, 流动的变量都冻结了—— 或者仍可见于照
片, 但已测量不到 —— 我们仍旧能测得状态变量( 积累的内容) 的存在。
・ 15 1・
 作为系统中的可能的状态变量, 种类 很多, 举例 来说, 如: 人口、企业雇员人数、库存、
生产的能力、血清胆固醇与银行的结存等。此外, 又如文化传统、人们的习惯、人们的感受
和平均售货率等。当你设想把时间暂停的时候, 这些量也不消失。以平均月售货额来论,
乍听起来很像是变化率, 事实上“平均”的涵义隐含着积累的实质, 因此它应该属于状态变
量。应该指出, 量纲无助于判定是否是状态变量。
但不是说, 那些在快拍中仍然存在的一切量都必须定义为状态变量。明显的例子就是
系统中的常数量。例如在某类生产部门的劳动力在一个时期内可能基本上是不变的, 只需
简单地用常数来表示。换言之, 在快拍中可见的劳动力人数, 若肯定是过去的雇佣率与解
雇率的积累结果, 则不必视作状态变量。
从更为一般地 考虑原则来说, 确定一 个变量 是否状态 变量, 要看它 的变化速 度, 与 模
型的时间坐标相比较是快还是慢而定。如前所述, 模型中的一些常数可认为是那些变化速
度相对整个时间轴而言非常慢的量。同理, 我们也可以把某些变化速度相对时间轴而言非
常快的量视为辅助变量。在进一步探讨这个问题之前, 让我们先对状态变量和辅助变量在
系统动力学性质中的作用作更深一步的分析。

8．1．2　 状态变量在回路中的作用

一个因果链中的状态变量 具有改变系统整 体的动力学性质 的能力。图 8．1 与图 8．2

是以雇员人数为状态变量的流图与其相应的外部特性。

图 8．1　 雇员的累积作用流图 图 8．2　 在图 8．1 结构中, 当期望雇员

　 阶跃增长时的外部特性

假设劳动力需求 W FS 突然增加, 则雇用率 H FR 如下式:

H FR . K L = ( WF S. K - WF . K ) / W FA T
式中:

H FR —— 雇佣率 ( 人/ 月) ;
WFS —— 期望雇员 ( 人) ;
WF —— 雇员 ( 人) ;
WFA T —— 雇员调整时间 ( 月) 。
　 　 由上式可见, 当 WFS 突然增加, 雇 佣率 H FR 亦随着阶 跃增加, 使得雇员 WF 最 初以

・ 1 52 ・
较快的速度 增长; 由于 W F 的增长反 过来使 H FR 的势头 减低。如此相互影响 和作用, 雇
员 W F 不可能像 WF S 那样突然增长, 而是平滑地逐渐趋近于 W FS 。由上述可见。突然增
长的 WF S 的特 性经由 状态变量 W F 自身 积累作 用的变换, 使 W F 表 现出 平滑指 数增 长
的自寻的特性。
许多例子说明, 具有积累作用的状态变量环节有改变其各种形式输入量的特性( 曲线
形状) 的能力。假定, 状态变量环节的输入为常数, 即平行时间轴的水平直线, 当无其它输
出时, 状态变量取直线增长的形式, 其斜率等于输入量变化率。另一种情况, 若输入为直线
增长, 状态将为抛物曲线增长。当输入为振荡波时, 状态变量亦取类似的波形, 不过相位大
大不同于前者, 要落后四分之一的振荡周期。
作一 个对比, 辅 助变量( Aux ｉlｉary ) 和变化率( R a te ) 的代 数运算 关系则表 现出大不 相
同的性质。当辅助变量环节的输入为常数时其输出亦为常数, 输入为振荡波形, 其输出亦
为相同波形且无相位的移动。它们也无时延的作用。譬如说, 当阶跃变化输入辅助变量环
节时, 它立即产生同 样性质的输出, 除了改变 幅度或反 相( 乘以负号 ) 以 外, 输 出波形的 模
式与输入波形相同。
从以上讨论可得出普遍的结论: 若因果链中的变量值可随其输入量的变化而瞬变, 则
它们可定义为辅助变量。若一变量经因果链的传递将改变其波形, 则宜以状态变量环节表
示之。

8．1．3　 状态变量被视为变化率之间的去耦环节

把状态变量环节置于因果链中的辅助变量间的连接处时, 它能起去耦作用; 也就是说

它能使辅助变量更加具有独立性—— 好像是原先由齿轮连接之处, 换以液压耦合。在一定
意义上说, 状态变量环节的去耦作用只是其前述的变换作用的另一种说法而已, 然而还是
值得单独地强调一下。
如果 有人 问 企业 的经 理, 仓库 的 作
用何在? 他一定会说那是为了使公司迅
速地交付订货而无需匆忙地改变生产的
安排。一般, 顾客订货与生产部门两者之
间都 有库存 环节, 而 不是 直 接连 接在 一
起。库存环节削弱了生产部门与交货率
间的 联系, 这意 味着 使得 它 们在 一定 程
度上彼此独立。
任一带有输入与输出的状态变量环
节都有这种去耦的功能。当库存量很小
时, 库存 的作 用被 削弱, 但 是 一般 而言,

图 8．3　 简单的监狱犯人模型说明状态变量环节 对于变化率的去耦作用是状态变量环节

对输入与输出变化率的隔离作用 主要特点之一。这是状态方程运算的积
累性质所固有的。通过状态变量数值的
增与减以缓冲在输入与输出变化率之间出现的任何数值上的不等。
・ 15 3・
 众所周知西方国家经常狱满为患。图 8．3 监狱犯人模型是一个富有启发性的例子, 它
隐含某些可能采取的政策。狱中犯人数随监禁率而增加, 随着完刑率或释放率而减少。流
图中假设监禁率是由外部输入决定的。释放率简单地等于狱中犯人数除以平均服刑时间
A T S。 平均服 刑时间( A T S) 以辅助量表示, 它等于 平均判刑时 间( A SL ) 和监 狱容量对 服
刑期限 的影响系数( E CT S) 的乘积。流 图的结构假定, 当狱满或 超过容 量时, 犯人将更 快
地被假释 以 腾 出 地 方 给 新 犯 人; 因 此, 当 罪 犯 数 与 监 狱 容 量 比 ( CR ) 逐 渐 增 加 时, 系 数
E CT S 的取值随着减小, 使平均服刑时间( AT S) 相应缩短。
读者可尝试 把此简单模型的 方程式写出, 并构思 出适当的 E CT S 表函 数。下面将 进
一步讨论, 这个系统如何对监禁率的增加作出反应。考虑两种情况:
( 1) 系统在监狱额定容量以内运行
设监狱容量( PC) 为 2000 人, 此时, 尚有一半之 余, 当监禁 率( IR ) 突然 增加后, 使 罪犯
在监数增至 80% 的额定容量, 同时释放率( R R ) 也开始增长。由于罪犯人数低于监狱额定
容量的 80% , RR 实际上是正比于罪犯人数 PP。
R 　 　 R R ．KL = PP . K / AT S . K
式中:
R R —— 释放率 ( 人/ 年) ;
P P —— 监狱罪犯 ( 人) ;
A T S —— 平均服刑时间 ( 年) 。
此时, AT S 基本上等于平均判刑时间 A SL 。因为这里隐含着一种政策考虑, 当罪犯数不超
过 80% 容量之前, E CT S 均取值为 1。图 8．4 表示当监狱额定容量 PC= 2000( 人) 时, 系统
主要变量随时间变化的曲线。可见, R R 以较慢速度趋于 IR 。

图 8．4　 监狱系统对监禁率( IR) 突增的响应( P C= 2000 人)

( 2) 系统在超负荷条件下运行
设监狱 容量 PC = 700 人, 而在 监初始 人数 PP 仍为 1000 人, 即已超 负荷 40% , 容 量
比( CR ) 已为 1．4。这时系统对 IR 突增的响应特性将大大不同于前者。由于监狱已过分拥
・ 1 54 ・
挤, 其缓冲监禁率( IR ) 与释放率( RR ) 之间的不平衡的能力甚微, 也就是说, 在狱犯已过满
的 条件 下, 当 IR 以 较 大的 值 突增 时, 由 于 在监 绝 对人 数 ( P P ) 无 法 大 幅 度增 长 ( 容 量 所
限) , 只好提高释放率 R R ( 这是西方国家常有的情况) 。从图 8．5 可见, 释放率 R R 很快地
趋于 IR 的突增值。说明作为状态变量环节的监狱人数( PP ) 对 IR 与 R R 之间缓冲能力已
微乎其微。值得读者注意的是模型中隐含着狱满的对策, 在当 CR ( 罪犯数与监狱容量比)
大于等于 80% 之后, E CT S 取值先是缓慢减少, 遂而大幅度降低。

图 8．5　 监狱系统对监禁率( IR ) 突增的响应( 设系统超负荷 1．4 倍工作)

监狱系统例子的目的在于强调状态变量环节的去耦特性。因此, 模型假设所隐含的西
方国家犯罪诉讼与判决的体制与政策问题均略去。

8．1．4　 简单狱中犯人模型的主要方程

L 　 　 PP . K = P P . J + DT ＊ ( IR . JK - RR . JK ) 　 　 　 监狱罪犯( 人)
N PP = IPP 监狱罪犯初始值( 人)
C IPP = 1000
R IR ．KL = NIR + ST E P( SH, ST ) 监禁率( 人/ 年)
N N IR = PP / AT S 额定监禁率( 人/ 年)
R R R ．KL = PP . K / AT S．K 释放率( 人/ 年)
A A T S．K = ASL ＊ E CT S. K 平均服刑时间( 年)
A E CT S．K = T ABL E ( T E CT S, CR ．K, 0, 2, ．2) 容量对服刑期的影响( 无量纲)
T T E CT S = 1/ 1/ 1/ 1/ 1/ ．94/ ．7/ ．5/ ．3/ ．2/ ．15 E CT S 的表函数
A CR ．K = P P．K / PC 容量比( 无量纲)
C PC = 2000 监狱容量( 人)

8．1．5　 状态变量环节导致系统发生不平衡的可能性

前面曾提到, 状态变量环节可视为因果链中的液压联轴节, 在输入率与输出率之间起

去耦作用。状态变量的这一作用使因果链可能获得一种重要的特性。当在模型中加进状
・ 15 5・
态变量环节后, 就使模型增加了不平衡的特性。在动力学系统中, 平衡的概念意味着系统
内一切输入变量准确地与相应的输出变量保持动态平衡。由于状态变量对其输入、输出变
量有解耦作用。在模型中加进状态变量中就产生使输入、输出变量在数值上不等的机会。
首先讨论一下只有一个状态变量的模型。当模型达到稳定时, 其输入与输出变量彼此
相等, 该状态不再变化。因为系统中没有其它状态变量存在, 故各辅助变量与变化率都直
接或间接地与此状态变量联系着。若此状态变量已不再变化, 则模型中的辅助变量均不变
化, 因此输入、输出变量也不会再变化。所以从该状态变量的输入与输出量开始相等起, 模
型中的一切量都保持为常数。
在模型中加入 第二个状态变量 后, 若 要使模 型处于稳 定状态, 则要 求两组输 入、输 出
变量同时各自相等。在包含有两个状态变量的系统中, 其中一个状态变量有可能处于稳定
状态, 但另一状态变量可能尚未稳定。这来自后者的不稳定力量, 将反馈至第一个状态变
量, 使之脱离稳定。其结果可能产生振荡, 譬如说简单生态系统中的肉食猛兽与幼弱动物
的头数的变化, 其相位将不是同步的, 因而产生振荡。
读者从上面的 叙述中可以正确 地得出结 论, 只 包含一个 状态变 量的模型 是不会产 生
振荡的, 然而, 包含有两个或两个以上状态变量的模型则可能产生振荡。其理由就在于, 即
使系统的一部分已处于稳定, 有可能由于附加状态变量的存在, 导致系统另一部分的不稳
定。另外还可推知, 不包含状态变量的系统根本无动力学性质可言, 是毫无意义的。因为
一旦模型的参数被确定, 辅助变量被计算出来, 则没有能再变动的量了。
在一定意义上可以说, 状态变量提供了产生不平衡特性的可能性, 此乃系统动力学模
型发生一切动力学行为的源泉。

8．1．6　 极快与极慢的积累过程

在讨论“快拍”试验一节中, 曾提出把变 量变化 的速度与 系统时 间坐标联 系起来考 虑

的概念。显然, 常数在整个模拟过程是不变的, 它们代表那些与模型时间参考系的长短相
比可认为基本 上不变化的量, 但是在很长 的时间 坐标里, 该变量 很可能 还是略有 变化的。
举例来说, 一个描述生产、分配因果链的模型, 若时间参考坐标定为 4 年, 生产能力可认为
是常数; 若时间坐标定为 20 年, 则生产能力必须确定为状态变量。因此, 当构模时确定一
个量为常数, 并非因为它 永不变化, 而仅仅是 因为它在 模型的时 间参考 坐标里, 可被认 为
基本上不变。某些常数从动力学性质的意义上看是变化极慢的积分量而已。
反之, 若变量的变化周期相对于模型时间坐标而言很小, 则不宜视作状态变量。譬如
说, 人 们 可 能对 一 个 国 家 的石 油 使 用 的 政策 问 题 感 到 兴 趣, 此 模 型 的 时 间 坐 标 需 设 为
100—200 年。在这样的模型中是否有必要把汽油的库存作为状态变量来考虑呢? 若是, 其
流图结构可用图 8．6 表示。图中汽油的使用率 U R 可表示如下:
R 　 　 U R ．K L = DGR ．K / T U R ．K
式中:

U R —— 使用率 ( 加仑/ 年) ;
DGR —— 国内汽油储备 ( 加仑) ;
・ 1 56 ・
 T U R —— 储备量可供使用时间 ( 年) 。
　 　 假定一般工业化国家汽油储备量可
供一个月使用, 也就是 1/ 12 年。1/ 12 年
的时间常数相对于前述的 200 年的时间
坐标是微不足道的。如果把它的输入和
输出 率在 200 年 的时 间坐 标 上画 出, 可
以发现, 两者几乎重叠一起。也就是说输
入与输出率间的差别以及为缓冲此差别
状 态变 量( 汽油储 存量) 所 需 的变 化, 在
200 年的时间坐标里根本无法看出来。
事实上, 在如此长的时间里, 把国家
汽油储备设为辅助变量较状态变量更为 图 8．6　 国内汽油储备作为状态变量时的流图
合适。确定一个量为辅助变量而不是状
态变量的依据是, 由于原状态变量的时间常数相对较小, 可认为其输入与输出变化率基本
上相等, 把变化率与状态变量都作为辅助变量处理。以上述国家汽油储备( DGR ) 为例子,
DGR 可按下式导出:
DR ．K L = U R ．KL = DGR ．K/ T U R ．K
所以　 A 　 　 DGR ． K = DR ．K ＊ T U R . K
式中:
DGR —— 国内汽油储备 ( 加仑) ;
DR —— 交货率 ( 加仑/ 年) ;
T U R —— 储备量可供使用时间 ( 年) 。
因此, 把汽油储备作为辅助变量处理后, 可简
单地以乘积计算, 如图 8．7 所示。
上述处理方式作为一般的原则可叙述如
图 8．7　 汽油储备为辅助变量的流图 下: 一个积分变量, 若相对于模型的时间坐标
而言其变化速度很快, 则可设为辅助变量。
另外, 从上机费用与所花计算时间看, 若把一个相对于时间坐标来说变化速度很快的
积分量设定为状态变量是不值得的。第四章中介绍过模型计算步长 DT 的选择, 建议 DT
取值介于( 1/ 2—1/ 10) 的最小时间常数为宜。据此, 若把汽油储备设为状态变量, DT 起码
应选为 1/ 25 年, 由于时间坐标为 200 年, 则完成每一次模拟需进行 5000 次迭代运算。而
且在本例中, 汽油储备量的动力学性质本来就很弱, 因此把它考虑为状态变量是很不值得
的。

8．1．7　 小结

本节从各个角度说明状态变量的环节在系统动力学模型中的作用。各种说法都是相
互联系的。事实上都是状态变量基本特性—— 源自积累过程—— 的转述。状态变量环节
・ 15 7・
能改变随时间变化的输入量的形状, 能削弱输入与输出量之间的联系, 使它们多多少少能
独立变化, 从而使模型可能具备不平衡的动力学性质。
是否把一个量 定义为状态变量, 首先取 决于是 否能把这 个量看 作为某种 对时间的 积
累过程。
“ 快拍试验”有时难于应用于某些积分过程, 如: 人对某种信息的感受过程; 某种量
的平均过程以及社会传统的形成过程。一个有经验的构模者可根据该量积分过程的时间
常数的大小, 来判断如何处理。时间常数很小时, 设为辅助变量; 时间常数很大时, 设为常
数项; 一般情况下则设为状态变量。应当指出, 一个积分过程是否能被设定为辅助变量, 对
初学者是一个颇难回答的问题, 唯有经过较多的实践才能逐渐提高这方面的判断能力。

§ 8．2　 速 率 方 程

速率方程( 或变化率方程, 以后行文中两者兼用) 的功用在于把 影响 系统状态的 诸因

素—— 来自系统内外的信息, 计划与决策, 转化成改变系统状态的行动。整个模型的构思
与建立方程的过程, 一个重要任务可以说是寻找适当的方程式去描述速率或变化率。
本节依次讨论下述典型变化率方程:
　 　 　 　 　 　 L E V EL . K ＊ CONST
L E V EL . K / LIFE
( GOA L . K - L E VE L . K ) / ADJT M
L E V EL . K＊ A U X. K 和 LE V E L . K / AU X. K
E F FE CT . K + N OR M . K
E F FE CT . K ＊ N OR M . K
每一类型将分 别叙述, 学 完本节后, 读者 应了解建 立变化率 方程的 要领, 并掌握一 些
典型例子, 以备将来构模时应用。应该指出, 既不能穷举变化率方程的型式及其可能的变
型, 也确实不存在一张可取的变化率方程一览表。在建立模型方程时, 必须善于组合各种
信息, 因例制宜地建立合适的变化率方程。

8．2．1　 L E VE L . K ＊ CONST

速率 R AT E 的方程式如下:
R 　 　 R AT E ． KL = LE V E L ．K ＊ CON ST
式中 CON ST 代表其系统内常数。
图 8．8 是一个典型的产生指数式增长的简化正反馈回路。
利息 IPR 等于银行结存 BA L 乘以固定年利率 FA IR , 其方程如下:
R 　 　 IPR ．KL = BA L . K ＊ F AIR
式中:

L PR —— 利息 ( 元/ 年) ;
BAL —— 银行结存 ( 元) ;
FA IR —— 年利率 ( 1/ 年) 。
・ 1 58 ・
 图 8．8　 银行付息结构流图 图 8．9　 产量 P R 的形成结构流图

　 　 读者请注意, 方程中的量纲与实际生活相对应, IPR 量纲可准确计算如下:

IPR = ( 元) ＊ ( 1/ 年) = ( 元/ 年)
假定存户没有取款, 银行结存将按复利率增长, 而且无限界。随着银行结存的增长, 利
息的绝对值一年比一年多, 使银行结存随时间按指数式增长起来。读者可在简单的增长模
型中遇到类似的方程式。譬如, 人口与其它生物的数量的增长、市场的销售额与城市的增
长, 以及任何其他隐含增长率设定为常数的系统。
图 8．9 表示某企业 产量 PR 的形 成结构流图。 PR 等于雇员 W F 与生产率 PR OD 的
乘积:
R 　 　 PR . KL = WF . K ＊ PR OD
式中:

PR —— 产值 ( 件/ 月) ;
WF —— 雇员 ( 人) ;
PR OD —— 生产率 ( 件/ 人/ 月) 。
再强调一下, 注意量纲的一致性。
PR = ( 人) ＊ ( 件/ 人/ 月)
= 人＊ 件/ 人＊ 月
= 件/ 月
此公式隐含着一个假定, 在模型的时间坐标范围内, 该企业雇员的平均生产率是不变
的。也就是说不加班, 不缩短工作日, 每周工作日数不变, 也没有管理问题或其它因素带来
的对生产率的影响。
读者大概已注意到, 在前面的叙述中, 已经涉及到了校核方程式量纲问题。量纲分析
包括: 写出方程中所有变 量的量纲, 把方程式 右边的各 项量纲进 行代数 简化, 然后比较 方
程式左右两边的量纲是否一致。量纲分析虽然不能判定方程式本身是否正确; 然而, 它能
简明地揭示那些造成量纲不一致的概念错误。
学习前两例后, 读者可能 要问: 若 当状态 变量增长 时, 其 输入与 输出变化 率也随着 变
化, 那么变化率方程应如何表示? 回答这个问题并不难。事实上, 方程式
R AT E ．K L = LE V E L ．K＊ CON ST
有很大的灵活性, 必要时可引入反馈量, 把常数项 CON ST 改为取决于系统内其他量 的变
量。
・ 15 9・
8．2．2　 L E VE L ．K / L IF E

不少状态变量的输出变化率可用下式描述:
R 　 　 R AT E ． KL = LE V E L ．K / LIFE
式中:
R AT E —— 变化率 ( 或称速率) ;
L E VE L —— 状态变量;
L IFE —— 使用年限或寿命。
　 　 图 8．10 描 述某 种待 交 付产 品的 发
货率结构。其方程为:
R 　 　 SR ． KL = BCKL OG ．K / DD
式中:
SR —— 交货率 ( 件/ 周) ;
BCKL OG —— 订货积压 ( 件) ;
DD —— 交货延迟 ( 周) ; 图 8．10　 速率以 LEV E L．K / L IF E 表示待
交付产品的发货率结构
交 货延 迟 DD , 表 示 从 定 货 开 始 到 交 货
为止所需的平均时间。请留意量纲, BOK LO G / DD 的量纲为件/ 周。
图 8．11 为按龄递减链结构。虽以昆虫生活史为例, 事实上可用于构造任何按龄分组
的动植物模型, 人口、头数或棵数, 构造按房 龄分组 的城乡建 筑以及 在不同加 工阶段流 动
的产品的模型等等。速率均以式 L E VE L ．K / L IF E 表达。式中的分母可解释为物或信息在
L E V EL 中逗留的平均时间。为简便起见, 在此例中, 除了最后一个 LE V E L 有死亡率( 输
出率) 外, 余皆略去。

图 8．11　 以昆虫生活史说明具有速率 L EV EL ．K / LIF E 的龄链( aging chain ) 结构

把输出率( 或输出速率) 表示为状态除以平均停留时间有许多重要优点。首先, 表达式

分母中的常数有真实生活含义, 其量纲为时间, 而任何其他设想出来的量纲都不能通过严
密的量纲分析。其次, 该输出率永远不会使状态量变成负值; 与此相反, 在图 8．9 中的库存
(IN V ) , 由 于 无 反 馈 到 交 货 率 ( SR ) , 当 交 货 率 过 大 时, 库 存 量 可 能 成 为 负 值, 可 见, 用
L E V EL ． K / LIFE 式 表达 速率, 可避 免使 库存和 待付 定货一 类的 状态 变量出 现负 值的 问
题。
・ 1 60 ・
 当然, 并非一 切输出率 均必须 以 L E VE L ．K/ L IFE 表达, 但不 妨说, 此 表达式 往往 可
考虑作有希望的候选者。

8．2．3　 ( GOAL ．K- L E VE L . K ) / ADJ T M

图 8．12 为典型的负反 馈回路, 它是人们 所知的系 统中, 最为经 典的自寻 的( 或跟踪)

结构。它力图使系统的实际状态接近某希望的状态或目标状态。
此负反馈回路速率的一种简单表示式如下:
R 　 　 R AT E ． KL = ( GOA L ．K - L E V EL ． K ) / A DJT M
式中:
R AT E —— 变化率或称速率;
GO AL —— 目标状态;
L E VE L —— 状态变量;
ADJT M —— 调整时间。
式中的 常数项 ADJT M 为 调整时间, 在此 期间, 速率 RA T E 力图 使状态变 量与目 标状 态
之间的差缩小。此式为纯速率, 即输入率和输出率的代数和, 其值可为正或负或零。

图 8．12　 负反馈的一般结构 图 8．13 　 纯 雇 佣 率 采 用 ( G OA L ．K - L EV EL .

　 K ) / A DJT M 模式的结构

图 8．13 的结构采用了此型式的速率方程。图中的速率为雇员的纯雇佣率( 雇佣率与

解雇率之代数和) 。表达此结构的方程为:
L 　 　 W F ．K = WF ．J + DT ＊ HF R ．JK
R H FR ．K L = ( WF S．K - WF ．K ) / W FA T
式中:
WF —— 雇员 ( 人数) ;
H FR —— 雇佣与解雇率 ( 人/ 月) ;
WFS —— 期望雇员 ( 人) ;
WFA T —— 雇员调整时间 ( 月) 。
期望雇 员( WF S) 的规模, 由系统中的 另外部分决定。具体 说要视企业完成生 产计划的 情
况是提 前还是落后而定。不 论纯雇佣率( H FR ) 是如何算出, 它总是 力图调节 使实际的 雇
・ 16 1・
员人数等于劳动力的希望规模。这一调整需要一定时间, 由时间常数 W FAT 表示。顺便
指出, 劳动力的纯雇佣率的量纲应为人/ 月。
纯雇 佣率 能使 雇员人 数增 或减, 取决 于 WF 与 WFS 值 的相 对大小。当 WFS > WF
时, ( W FS ．K - W F ． K ) / WF AT 为正, 企业需雇佣劳动力, 雇员人数将增长。若 WFS 在一
段时间 内保持为 常数, W F 将继续增 长, 直 至 W F 等 于 WF S; 那时 纯雇 佣率 为零, 雇员 人
数 W F 不 再变化。同此, 若 W FS< WF , 则纯 雇佣率为负值, 将使 WF 减少直至 WF 等 于
W FS 为 止。 此 系 统 显 然 是 自 寻 的 系 统, 即 雇 员 人 数 ( WF ) 被 调 节 至 雇 员 的 期 望 规 模
( WF S) 。
此 结 构和 前述的 速率 结构( L EV E L ．K / L IFE ) 是有内 在联 系的, ( L E VE L ．K / L IFE )
可 视 为 ( 0 - L E VE L ．K / L IF E ) ; 则 它 只 是 ( GOA L ．K - L E V EL ． K / A DJT M ) 结 构 ( 设
A DJT M = L IF E ) , 当 GOA L 为零的特殊 情况而已。这两种速 率方程的主要不 同处在于,
( GOA L ．K - L E VE L . K ) / A DJT M 可使状 态变 量增或 减, 而 LE V E L ．K / LIFE 只 能使 状
态变量减少。
毋 需 再 多 做 其 他 工 作, 从 前 述 中, 我 们 可 推 论 隐 含 于 R AT E ．KL = ( GOAL ．K -
L E V EL . K) / A DJ T M 结构的某些特性。假定图 8．13 中的结构已处于稳定状态; 即 WF =
W FS , 且 H FR = 0; 此刻若 WFS 突然阶跃增加如图 8．14 中所示, 则 W F 将指数式增长, 表
现出寻的特性。雇员调整时间 W FAT 是状态变量 WF 的时间常数, 它和 L IFE 及早 先在
一阶系统参数讨论中提到的 CON ST 类似。因此, 可得知: 当 WFS 增长到其新的稳定值的
一半时所需的时间大约为 0．7＊ WFA T 。经过( 3＊ WF AT ) 的时间后, WF 可达到 95% 的
新稳定值。同理, WF S 的突降, 将使 WF 产生反方向的类似变化。
寻的与 负 反 馈 回 路 结 构 在 实 际 系 统 中 是 很 多 的。因 此, 由 纯 速 率 R A T E ．KL =
( GOA L ．K- L E VE L . K ) / ADJT M 表示的结构, 是最通用速率中的一种。举例来说, 在宏
指令平滑( SM OOT H ) 函数中, 所采用的速率就是这种结构。在构模时是否采用这种 速率
结构, 要考虑两个方面, 系统的结 构与行为, 要看负 反馈与寻 的结构 是否适合 于系统的 实
际情况, 系统的外在行为 是否可足够近 似地被 看作如图 8．14 所 示, 以保证采 用纯速率 方
程( GOA L ．K - L E VE L . K ) / ADJT M 的正确性。

8．2．4　 L E VE L ．K ＊ AUX．K 与 L E VEL ．K/ AUX．K 速率方程

R 　 　 R AT E ． KL = LE V E L ．K ＊ A U X ．K 与
R 　 　 R AT E ．KL = LE V E L ．K / AU X．K
实际上 只分别 是 8．2．1 的 LE V E L ．K ＊ CONST 与 8．2．2 的 LE V E L ．K / LIFE 的 扩展 而
已。也就是用 A U X ．K 代替原来方程中的常数 CONST 与 L IFE 。因此, 构思这些方程时
不论是采用常数还是采用辅助变量 A U X ・ K , 其思路是相同的。
图 8．9 产量 PR 的形成的方程式可改写如下:
R 　 　 PR ・KL = W F・K ＊ PR OD．K
式中:

PR —— 产量 ( 件/ 月) ;
・ 1 62 ・
 WF —— 雇员 ( 人) ;
PR OD —— 生产率 ( 件/ 人/ 月) 。

图 8．14　 图 8．13 速率结构, 当 WF S 阶跃 图 8．15　 污染净化率方程的建立

增加时的系统行为 　

与原方程比较, 唯一的 不同只是以 PR OD．K 取代 原来的 P ROD。PR OD．K 是辅助变量,

它包含变更每周工作日数或工人的劳动效率, 加班或缩短工作日等情况。
下面讨论另一个例子, 环境污染物的净化或中和率方程的构成。图 8．15 为污染物净
化方程结构。污染物净化率方程采用 L E VE L ．K / A U X．K 的结构:
R 　 　 POL A ．K L = PO L ．K / POL AT ． K
式中:

PO LA —— 污染净化率 ( 污染单位/ 年) ;
POL —— 污染 ( 污染单位) ;
P OLA T —— 污染净化时间 ( 年) 。

　 　 污染净化时间表示污染物被自然过程分解与吸收的平均时间。这里假定污染物包括
各种类型在内, 诸如从卫生纸( 需要 6 周) 到 DDT ( 在土壤中其半衰期约为 10 年) 。
由上述可见, 当学习把本节 所述两种结构作为 速率方程时, 除了用辅助 变量 A U X ．K
代替常数 CON ST 和考虑如何建立辅助变量方程以外并无其他新内容。

8．2．5　 E FFE CT ．K + NOR M ．K

前面介绍的各种速率方程, 可作为构造复杂速率的基本单元。本节讨论由额定速率迭
加某些因素的影响所构成的速率。
R 　 　 R AT E ．KL = NOR M ．K + E FFE CT ．K
式中:

R AT E —— 速率;
NOR M —— 额定速率;
E FFE CT —— 某些因素的影响作用。
　 　 图 8．16 给出实例 说明本模式速率 方程的应用结构, 图中状态 变量雇 员( W F ) 的规 模
・ 16 3・
受雇佣率( HR ) 与离退率( Q R ) 的控制而增减。从管理的角度着眼, 企业首先需根据内部的
具体情况设定雇员定额, 并经常雇佣新雇员以补充正常的离退人员; 其次由于客观因素突
变对 产量需求 短期影 响, 使 期望雇 员人 数( W FS) 发生 相应 的变更, 因 此需 要考虑 如何 增
减人员以适应客观情况变动。下面的雇佣率方程描述了这些决策考虑。

图 8．16　 E F F ECT ．K + NO RM ．K 的模式应用结构

R 　 　 H R ．KL = A QR ．K + ( W FS．K- W F．K ) / WFA T

式中:

HR —— 雇佣率 ( 人/ 月) ;
A QR —— 平均离退率 ( 人/ 月) ;
WF —— 雇员 ( 人) ;
WFA T —— 雇员调整时间 ( 月) 。
此式隐含假定企业雇佣人员的能力不受限制。
上式中, AQ R ( 平均离退率, 即为额定雇佣率) 相当于标准公式中的额定速率一项。从
管理角度看, 就是按额定雇佣率( 等于平均离退率) 雇佣新雇员以代替正常的离退人员, 以
保持雇员的总数。式中第二项则表示期望雇员人数变动的影响。
此式的组合方式虽是新的, 但式中的各 项都不是陌生的。 平均雇佣率( AQ R ) 可 把离
退率 QR 加以平滑( 用 SM OOT H 函数) 而得。第二项为调整项, 该模式已在 8．2．3 节中叙
述过, 其作用在于调整雇员( W F ) , 使它等于期望雇员规模( WFS ) 。整个速率方程说明, 雇
佣率基于平均 离退率, 并 按照客观情况对 企业生产 的要求围 绕平均 离退率进 行上下的 调
整。
或者此式可改写为如下更容易读的形式。定义 W FC 为“雇员数校正”, 则有:
R 　 　 H R ．KL = A QR ．K + WFC ． K , 　 　 　 　
A W FC ．K = ( WF S． K - WF ．K ) / WFA T ,
・ 1 64 ・
 A A QR ．K = SM OOT H ( Q R ．JK , T AQ R ) ,
式中:

W FC —— 雇员数校正 ( 人) ;
T A QR —— 平均离退雇员调整时时 ( 月) 。
其他定义同前述, 不再重复。
改写后的雇佣率方程, 不折不扣地具有本节介绍的速率方程 的标准形式 E FFE CT ．K
+ N OR M ．K 。
图 8．17 给出第二个例子, 是某种货物库存管理系统。

图 8．17　 产量方程由额定速率加上库存与待付订货两校正项构成的结构

由图 8．17 可见, 本例的产量结构包含两个校正项。其一是, 企业要花一定时间才能满

足库存对定货的要求, 即存在定货待付的问题, 由此需要对产量进行校正。其二是, 由于期
望库存暂时的突然变动, 引起对产量进行校正的要求。和前例一样, 这两个校正项是起调
节作用的, 它们使产量在基于平均产量的水平上进行上下波动, 以保证企业的生产具有相
对稳定的节拍。这里所说的平均产量是把交货率( SR ) 加以平滑而得。其结果产量方程具
下列形式:
E FF ECT 1．K + E F FE CT 2．K + NOR M ．K
即 A U X．K + N OR M ．K
再具体些, 方程组如下:
R 　 　 PR ．KL = ASR ．K+ A U X．K 　 　

・ 16 5・
 A A U X．K = IC．K + BC．K
A IC ．K = ( DI ．K - I．K ) / IA T
A BC．K= ( B．K - DB) / BAT
式中:

PR —— 产量 ( 件/ 月) ;
A SR —— 平均交货率 ( 件/ 月) ;
A U X —— 辅助项 ( 件/ 月) ;
IC —— 库存校正 ( 件/ 月) ;
BC —— 待付订货校正 ( 件/ 月) ;
DI —— 期望库存 ( 件) ;
I —— 库存 ( 件) ;
IA T —— 库存调整时间 ( 月) ;
B —— 待付订货 ( 订单积压) ( 件) ;
DB —— 期望待付订货 ( 件) ;
BA T —— 待付订货调整时间 ( 月) 。
　 　 当库存过多时, 库存校正量 IC 为负值将使产量 PR 趋向低于平均 交货率 SR ; 当 订单
积压过多时, 待付订货校正项 BC 为正, 则使产量 PR 提高以交付积压的订货( 或订单) 。
显然, 在 这些 例 子中, 要 求各 附加 项 具有 相同 的量 纲, 譬如, 产量 PR 的方 程中 包 含
A SR 、IC 和 BC 三项, 它们的量纲均为件/ 月。而且必须是同种类产品。其道理是显而易见
的, 人 们不能在研究铣床 与车床两种不同 产品的 产量时, 把两者 相加混 为一谈, 除非允 许
你更改研究命题为机床的产量问题。
应当 指 出, 采 用方 程 R AT E ．KL = N OR M ．K + E FFE CT + … 的 模 式 作为 速 率 方 程
时, 虽然简单易懂, 很有用, 但是此模式并不是可以任意地采用的。和其他模式的速率方程
一样, 人们在采用它们时, 必须十分了解所研究的系统的特点, 要以实际生活中的事实, 哪
怕只是一些特定条件下的事实来加以验证。

8．2．6　 E FFE CT ．K ＊ NOR M ．K

此表达式是系统动力学模型中最普遍使用的一种速率方程。它能与系统其他部分的
因素组合, 构成复杂的速率方程。式中的 N OR M 项系对系统其他部分的有关因素进行运
算得出的。此方程的特点在于把速率考虑为某一额定速率乘以一个因子或与多个因子连
乘的积。此乘积即速率的值, 它可能高于或低于额定速率的值。若某因子对速率无影响,
可取其 值为 1; 某因 子使速 率值高出 额定速率 的 30% , 则可 取值 为 1．3; 另 一因子 使速 率
减少 15% 则可取值为 85% , 如此等等。相对其他形式的速率表达式, 此法有其易构思、利
于通过构模了解实际生活的优点。
例如, 城市人口的迁入 与迁出率可 采用此模 式。影响人 口流入 或流出城 市的因素 很
多, 诸如就业机会、失业情况、居住条件及文化生活设施等等。下面的例子仅考虑就业机会
对城市人口增减的影响。
・ 1 66 ・
 图 8．18 的流图描绘了就业机会对城市移民的影响的机理。就业机会 JR 等于工作岗

图 8．18　 采用 EF F E CT ．K ＊ N ORM ．K 方程的城市人口速率结构

位数除以劳动力人数。方程式如下:
R 　 　 IM ．KL = ( NIMF ＊ CIT POP ． K ) ＊ EP JRIM ．K
R E M ．K L = ( CIT POP ．K / NA R ) ＊ E JR E M ．K
式中:
IM —— 人口迁入率 ( 人/ 年) ;
NIMF —— 额定人口迁入系数 ( 分数/ 年) ;
CIT P OP —— 城市人口 ( 人) ;
EP JRIM —— 就业机会信息对人口迁入的影响( 无量纲) ;
E M —— 人口迁出率 ( 人/ 年) ;
N AR —— 额定平均居留时间 ( 年) ;
E JR E M —— 就业机会对人口迁出的影响 ( 无量纲) 。
假定 NIM F 与 NA R 为常数。其道理已在 8．1．6 叙述, 由于它们相对于研究人口流动问题
模型的时间坐标而言, 是变化速度极慢的量, 故可近似地视作不变的常数。
值得重视的是在此组方程中, 采用了系数 E PJR IM 与 E JR E M , 它们能根据就业 机会
情况的变动, 修正人口 的迁入与迁出率。当 工作机会 JR 大于 1 时, 意味着城 市里的工 作
岗位数多于劳 动力人数, 因此将出现迁入 率增加 与迁出率 减小的 趋势; 反之, 则产生与 前
述相反的趋势。E PJR IM 与 E JR E M 一类辅助变量方程的构思将在 8．3 节中进一步详述。
需要进一步指出的是, 此类方程中的影响因素( E F FE CT ) 的个数, 是不受限制 的。建
模者可根据系统的具体情况, 确定把哪些影响因素写进模型。此类方程的一般式可写为下
述形式:
RA T E ．K L = N OR M ．K ＊ E F FE CT 1．K ＊ E FFE CT 2． K ＊ …
美国福瑞斯特教授在他的世界动力学模型中就提供了这样一个用例。该模型中, 影响人口
・ 16 7・
死亡率( DR) 的因素包括: 物质生活条件、食物供应、污染和居住拥挤程度。方程如下:
R 　 　 DR ． KL = ( DRN ＊ P ． K ) ＊ DR M M ．K ＊ DR FM ．K ＊ DR PM ． K ＊ DR CM ．K
式中:
DR —— 死亡率 ( 人/ 年) ;
DRN —— 正常的死亡系数 ( 分数/ 年) ;
P —— 人口 ( 人) ;
DR M M —— 物质条件对死亡率的影响 ( 无量纲) ;
DR FM —— 食物供应对死亡率的影响 ( 无量纲) ;
DR PM —— 污染程度对死亡率的影响 ( 无量纲) ;
DR CM —— 居住条件对死亡率的影响 ( 无量纲) 。
在该模型中, 根据当时( 1970 年) 全球的情况, DRN 取值为 0．028, 即当时世界人口的 平均
寿命约为 37 岁。因此, 方程中各影响因素的取值, 在 1970 年时均应为 1( 详见§ 8．3 节) 。

8．2．7　 几点说明

1) 用因素连乘方程构写纯速率时的注意事项
采用 R A T E ．KL = NO RM ． K ＊ E FF E CT 1．K ＊ EF FE CT 2．K …构 写 纯速 率 方 程时,
留心避免犯违背客观事实的错误。假如有人书写世界纯出生率 N BR 的方程如下:
R 　 　 N BR ．K L = ( NBRN ＊ P．K) ＊ N BR M M ．K ＊ NBR FM ．K＊ N BR PM ．K
＊ NBRCM ．K
方程中的四个影响因素, 依次为物质生活条件、食物供应、污染程度和居住拥挤程度。现在
用一个可能出现的情况来检验此方程的正确性。假设一旦出现世界性的灾难事件, 使实际
纯出生率( NBR ) 成为负值。然而在此方程中, 由于各影响因素亦都同时为负值, 其连乘结
果反而得出正值的纯出生率, 完全与客观情况相背。因此, 此例必须把出生率与死亡率分
开考虑才能采用影响因子连乘的方程式。
2) L E V EL ． K / LIFE 与 L E VE L ． K / A U X ．K 速率方程的缺陷和改进
前几 节讨论 的速 率方 程如 L E VE L ． K / L IFE 与 L E VE L ． K / A U X ．K , 必 要时 用因 子
连乘加以改进。以图 8．10 的速率结构为例来说, 交货率 SR 方程为:
R 　 　 SR ．KL = BCKL OG．K/ DD
式中:
SR —— 交货率 ( 件/ 周) ;
BCKL OG —— 待交付的定货或订单积压 ( 件) ;
DD —— 交货延迟 ( 周) 。
此表达式存在明显的缺陷, 由于交货率取决于待交付定货的积压情况, 而不论库存是否还
有货可发出, 即使库存为零 而交货 率 SR 仍 然可取 大于 零的值 ( 除非恰 好 BCKL OG 亦 为
零) 。库存无货仍能发货, 显然这是违背客观事实的。改进此方程式的办法就是引进库存
对交货率的影响因子 E IS, 使方程成为:
R 　 　 SR ． KL = ( BCK LO G / N DD ) ＊ E IS ．K
・ 1 68 ・
式中:

N DD —— 额定交货延迟时间 ( 周) ;
E IS —— 库存对交货率的影响 ( 无量纲) 。
E IS 最根本的特点在于, 当库存为零时, 其值亦 为零, 它有 效地反映库存情 况, 并修改 交货
率。也就是说 E IS 修正了额定交货延迟时间 N DD, 使实际的延迟时间符合于真实生活的
情况。修改后的方程式具有 N OR M ．K ＊ E FF E CT ． K 的形式。
由此 可悟出 一点, 掌 握了前 述速 率的基 本方 程, 读者便 可根 据所 研究 系 统的 具体 机
制, 把基本方程加以组合, 从而获得合理地描述系统动力学特性的速率方程。
3) 是用加法还是乘法
从速率方程的学习中, 读者可以看出在速率的基本方程中, 以运算方式划分可以分成
两类, 即加法与乘法。两者有区别吗? 两者是不同的。
在速率方程中, 如 8．2．6 节 所述采用 乘法联 结方程中 的两项, 速率 能取零值; 而采 用
加法联结则不能, 除非方程中存在另一负值的项, 且其绝对值与正值项相同。
采用加法还是乘法如何决定呢?主要一点要看在影响速率的诸因素中, 是否存在某因
素在一定条件下它能压倒一切起主导作用, 若有则应采用乘法联结。若无, 则两法皆可。在
某些情况下, 这两种方法的选择, 很难明确地一刀切。例如在 8．2．6 节中城市人口速率方
程, 考虑就业机会的影响因素, 项间用乘法联结。这样构思不能无条件地套用。仍以城市
人口的迁移问题为例。回朔历史上城市的发展进程和当前世界上某些地区城市发展的情
况, 恐怕很难找出这样的城市, 存在无人迁入或无人迁出的时候。因此, 为了构造反映这种
实际情况的速率方程, 或许宁愿采用加法并进一步考虑加权因子, 把影响人口迁移的诸因
素, 如就业机会、居住条件和文化生活设施等的作用联结起来。
这里道出了另一条原则, 采用何种模式的方程要看哪一种形式更能自然地、合理地描
述客观因素的影响。

§ 8．3　 辅助变量方程

在系统动力学模型中, 辅助变量表述了系统内部的信息。所有信息最终均可追溯源自
系统内的状态变量。读者可能设想, 可以不用辅助变量方程, 藉助于状态变量和常数直接
建立所有速率方程。然而, 事情并不那么简单。其一, 不采用辅助变量的模型的程序单很
可能无法让人 读懂; 更糟 的是由于 DYN A MO 软件无法打印 或绘制出那些未 曾给出变 量
名的变量, 故模型中某些令人感兴趣的信息量, 将无法让人所悉。因此, 人们只好采用辅助
变量方程来描述系统重要的信息量, 藉此以建立速率方程。
在 8．2 节中, 读者事实上已 了解到模型中需 要辅助变量, 诸如: 期望 雇员 WFS．K , 污
染 物 净 化 时 间 POL A T ．K , 库 存 校 正 量 IC．K , 生 产 率 PR OD．K 和 影 响 因 子
E J RE M ． K —— 就 业机会对人口迁 移的影响。读者从所 列举的例 子中, 可以看到, 辅助 变
量所包括的 具体含义的多样 性。它们的量纲各不 相同, 期望 雇员 W FS 量纲为人, 可能 会
被误认是一个 状态变量; 库存校正系 数 IC 量纲为 件/ 月, 却像是 一个速 率; 污 染净化时 间
・ 16 9・
量纲为年; 生产率 P ROD 量纲为件/ 人/ 周; 而 E JR EM 是无量纲因子。由于辅助变量囊括
范围极广的内容, 因此人们无法清晰地从量纲的类型去判断一个变量是否是辅助变量。
辅助变量方程 的表达类似于速 率方程, 都是 代数运算 不包含 积分, 而且无标 准形式。
辅助变量可为常数项、状态变量、速率或其他辅助变量的任一组合。唯一的限制是所构思
的代数方程应是有意义的, 和真实系统的机理是一致的。
本节将讨论辅助变量的两方面问题, 一是如何建立概念清晰的代数方程式; 二是如何
确定表函数( T able F uｎctｉoｎ ) 。表函数可描述难于用代数方程表达的变量间的关系。构思
表函数也是一种艺术, 故给予特别的注意。

8．3．1　 辅助变量的代数表达式

构模者任务之一就是把系统内部的机理和变量之间的关系加以量化。建立辅助方程
的第一步是, 首先确定哪些是状态变量与速率, 余下的变量则应为辅助变量。然后按照系
统内在的机理, 把各辅助变量表达为有关信息的函数。
建立辅助方程的一个关键是, 应把原来只是“概念”的东西考虑为可以量化的量, 并搞
清楚它自身和当它增或减时的具体含义。然后确定一个能概括该“概念”的变量及相应的
量纲。必要时还得创造出新的量纲以适应模型量化的需要。例如人们对某事态或某种要
求反应的急切 程度, 来自 某方面或某事物 的压力, 产品 质量的高 低, 诸如此类 均可能加 以
识别与量化, 它们的高低或增减的含义也是一目了然的。在建模过程中, 构模者应大胆尝
试, 为某些辅助变量创造出含义明确的量纲并规定适当的坐标尺度。
另外一点值得指出的是, 一个变量本身与它在系统里的影响是有区别的。因此, 第一
步先写出变量本身的方程, 第二步着重研究如何把它的影响程度加以量化。
下面讨论如何把某些“概念”与变量进行量化。图 8．19 为某风景区游客反馈系统的因
果关系回路图。假定整个区域面积( AR E A ) 为一定, 包括自然风景本身( N A ) 与可供 游客
涉足、栖息( CA ) 两大部分。两部分的面积可相对变化, 后者扩大则前者缩小。把游客拥挤
程度的概念考 虑为一个辅助变 量, 如图所 示把反映 拥挤程度 的游客 密度作为 每年游客 人
数与供游客涉足、栖息面积的函数。即:
A 　 　 V DE N . K = V DY . K / CA . K
式中:

V DE N —— 游客密度 ( 请读者考虑其量纲) ;
V DY —— 每年游客数 ( 人/ 年) ;
CA —— 可供游客涉足、栖息面积 ( 亩) 。
从因 果关系 回路 图可知, 游 客密 度 VDEN 要 对每 年游 客人数 V DY 与供 游客 涉足、栖 息
面积 CA 发生影响。
按上 式计算 V DE N 的量纲 应为( 人/ 年) / 亩。 有些读者 对此问 题的最 初答案 可能 是
人/ 亩, 他们只考虑到空间, 而忽略了时间因素。事实上这一点是显而易见的, 在单位面积
上同样是 1000 名游客, 他们是在同 一天还是 分散于一 个月里到 来, 其拥挤程 度是很不 一
样的。
・ 1 70 ・
 鉴于自然风景 区面积 N A 、供 游客涉足栖息的 面积 CA 与全 区域面 积 A RE A 具有 相
同的量纲, 它们之间关系只能是加或减, 如下式:
CA + NA = AR E A
若以 DYN AM O 表达 NA 则为:
A 　 　 N A. K= AR E A - CA . K
式中:

NA —— 自然风景区面积 ( 亩) ;
A RE A —— 全区总面积 ( 亩) ;
CA —— 供游客涉足、栖息面积 ( 亩) 。
　 　 N A 是 CA 与 AR E A 的函数。假定总面积为不变常数, 则事实上 NA 随 CA 而变化。
在一定时期里, 供游客游览与栖息的面积 CA 将增长以缓和游客的拥挤程度 V DEN , 故把
它定义为状态变量; 当然也可以反过来把 NA 定义为状态变量, 把 CA 定义为辅助变量。
读者由此可知: 若辅助变量是一个或一个以上具有同一量纲的量的函数, 则它们之间
应为代数相加的关系; 若辅助变量的量纲不同于组成它的诸因素的量纲, 则它们之间应为
乘或除等的关系。
另一例是企业推销员增减因果关系图, 如图 8．20 所示。

图 8．19　 某名胜游客反馈系统的因果关系图 图 8．20　 企业推销员的增减因果关系图

图中因果关系为正反馈回路, 表明了推销员增减的机理。推销员的工作决定了顾客订货与
销售额, 又进而决定企业 的财政收入与预 算, 新财政预 算预计以 后能雇 佣推销员 的规模。
若预计推销员 的规模大于原来 推销员的人 数, 则 增加新雇 员, 如 此周而 复始, 则整个回 路
是增长的趋势; 反之, 则为减少趋势, 辞退雇员。
图 8．20 中的订货方程又是如何建立的呢?“订货”的量纲为件或件/ 月, 取决于是把它
考虑为待交付订货的积累量、状态变量, 还是输入的变化率。图 8．20 因果关系回路隐含各
变量间的关系: 当推销员增加时, 使订货增加, 其结果使财政收入与预算增加。由于财政预
算是属于每单位时间多少的量( 如月或年预算) , 故我们可得出结论, 此例中“订货”表现为
订货率而不是积累量。
因为推销员 S 与订货 OB 具有不同量纲, 这些变量之间的关系, 从数字角度看应 为乘
或除的关系。

・ 17 1・
 A 　 　 OB. K = S. K ＊ OBPS
或 A 　 　 OB . K = S . K ＊ OBPS . K
式中:
OB—— 订货率 ( 件/ 月) ;
S —— 推销员 ( 人) ;
OBPS —— 每个推销员完成的交货率( 件/ 月/ 人) 。
O BPS 可为常数或另一变量, 取决于其他考虑, 其依据之道理可参阅 8．1．6 节。
作为练习, 建议读者自行构思图 8．20 中其他变量的表达式。其他辅助变量的例子, 读
者已在第四章 DYNA M O 简介中见 到, 请自 行分析和对比以 加深对如何建立 此类方程 的
体会。此外, 在建模举例的章节中也有这方面的论述。

8．3．2　 辅助变量的表函数表示

构思表函数系 一种颇具难度的 技巧, 表 函数以 图形表示 方法在 模型中规 定变量之 间

的关系。表函数 如何用 DYN AM O 语 言表示已在第四 章中介绍, 本节重点则 在于探讨 如
何构思和建立有意义的表函数。
图 8．21 为一简化的城市模型的一部分。它描述了当土地面积固定时企业用房 BS 的
建设与毁损过程的结构机理。结构中有一个重要的负反馈回路, 当城市的土地布满着建筑
物、道路、公园和停车场一类的设施时, 也就是说随着土地占用系数的增加, 此负反馈回路
将限制城市的建设。请读者自行写出状 态变量 BS、速率 BC ( 企业建设率 ) 、BD ( 企业 建筑
毁损率) 和辅助变量 LF O( 土地占用系数) 的方程式。

图 8．21　 部分简化城市模型的因果关系与流图

下面以企业建设率 BC 为例, 套用前述的 N ORM ．K ＊ E F FE CT ．K 模 式, 写出速 率方

程如下:
R 　 　 BC. KL = NCF ＊ BS. K ＊ E LBC. K
式中:

・ 1 72 ・
 BC —— 企业建设率 ( 幢/ 年) ;
N CF —— 参考建设系数 ( 1/ 年) ;
BS —— 企业建筑物 ( 幢) ;
E L BC —— 土地对企业建设的影响 ( 无量纲) 。
此式说明, 除非供建筑用土地紧缺, 否则企业建筑物每年将按照现存建筑物数的某一参考
比例增长。然而, 事实上土地的紧缺程度将影响企业的建设速度。下面将说明如何以表函
数描述 E L BC 与 L FO 的关系。
L FO ( 土地占 用比例) 的范围从 0( 在城市被 兴建前夕 ) 至 1( 城市已 完全建成, 毫无 余
地再扩建) 。当 LF O 取值为 1 时, E L BC 应为 0, 此时唯有老的建筑物拆除后, 才能代之以
新的建筑物。我们关心的另一个情况是, 当 LF O 为何值时 E LBC 取值为 1。所谓 E LBC =
1 的情况即城市按参考情况下建设系数 N CF 的速度进行建设。
对于一 个典型的 城市, 此参考 条件可 假定 为当 60% 的 城市土 地被 占用, 即土 地占 用
系数 L FO 取 为 0．6 时, 相 应 的 N CF 值 取为 0．07( 1/ 年) 。也 就 是 说, 当 L FO = 0. 6 时,
E L BC = 1, 而 NCF 取值为 0．07。
还有 两个 重要 的因素 要考 虑: 表函数 曲线 斜率与 形状。 就此 例而 言, 土 地占 用系 数
L FO 增长的影响将最终使城市建设下降。当土地开始紧缺, 繁华地区的土地都已占用, 新
建筑的施工要 经有关当局批准, 土地价 格惊人的 昂贵, 如此等 等都反映 了 L FO 增长的 影
响。所以 L FO 对企业建设的影响是负反馈作用, 表函数 EL BC 曲线相应的斜率应为负值。
图 8．22 给出表函数 EL BC 的曲线组。曲线 1 当 L FO 小于 0．6 时, E L BC 取值为 1, 其
含义 为在城 市发 展初期, 房 屋建 设保持 每年 以
参考系数 N CF= 0. 07 的速度增长。当 LF O 大
于 0．6 趋于 1 时, E L BC 陡降趋 于 0, 意 味着 随
着 L FO 的增 加, E L BC 以 更 高的 速 度 下降, 而
最终停止建设。
曲线 2 描 述了 另一 种 情况。当 L FO 小 于
0．6 时 E L BC 大 于 1; 在 L FO 自 0 变化 至 1 的
过程中 E L BC 取 S 形下降, 过了 LF O= 0. 6( 而
E L BC = 1) 的 点 后 降 速 增 高, 约 当 L FO = 0. 7
时下降速度达最大。此曲线形状说明, 在土地占

图 8．22　 土地对企业建设的影响 用面积 LF O 超过 70% 以 后容许建 新房屋的 条

( E LBC ) 的表函数 件加速恶化。
这两种曲线选择哪一种往往与构模者对土
地的影响的了解有关。假定我们选用曲线 2, E L BC 的表函数可用 DYN AM O 书写如下:
A 　 　 E L BC . K = T A BL E ( T E L BC , L FO , K ．0, 1, 0．1) ,
T T E LBC= 1. 3/ 1. 28/ 1. 25/ 1. 22/ 1. 18/ 1. 1/ 1/ . 7/ . 3/ . 1/ 0
式中:

E L BC —— 土地对企业建设的影响 ( 无量纲) ;
・ 17 3・
 T E L BC —— E L BC 的表函数。
　 　 另 一 种 形 状 不 同 于 前 的 E L BC 表 函 数
示于图 8．23。曲线 趋向先 是增加然 后下降。
在 L FO = 0．4 之 前, 曲 线 斜 率 为 正, 然 后 为
负。此形状的表函数使一个表达式包含两种
不同性质的影响: 正的与负的。在正斜率区间
城市 建筑增 长率 逐年增 加, 其含 义为 在城 市
兴建 初期, 一些 基础 建设, 如砖 窑、道 路等 加
速了城市建设的速度。自来水、天然气、与电
图 8．23　 土地对企业建设的影响的另一表函数 气设 备等设 施的 问世, 吸引 了更 多的 建设 投
资。曲线的负斜率区间则隐含着土地紧缺的
影响, 其限制作用与前述曲线 1 与 2 的相应阶段的机理相同, 不再赘述。

8．3．3　 建立表函数的原则

前面以土地对企业建设发展的影响为例讨论了如何建立表函数。这里进一步探讨建
立表函数的重要原则。
( 1) 建立表函数时大致要考虑: 曲线的斜率与形状, 一个或一个 以上的特殊点和 参考
曲线。
( 2) 设置曲线的斜率。使之与其所表示的 影响的性质相吻合, 负值斜 率代表负反馈,
正值斜率代表正反馈。
( 3) 选择曲线的形状。小心确定在极端条件下和曲线中部的斜率与曲率的值。曲线趋
于平坦的部分 对应于影响减弱 与饱和的情况, 而陡 急升降的 部分则 对应于影 响与效应 增
强的情况。
( 4) 尽可能都以相对值表示表函数的自变量和因变量。即它们均除以各自的参考值。
当自 变量( x 坐标) 相对值为 1 时, 因变量 ( y 坐标, 这里即为 表函数值) 的值为参考值或 称
参考点。有时可换另一种做法把自变量减去参考值后作 x 坐标, 当自变量等于参考值时,
则 x = 0, 此时, 表函数 y 的值正是参考值, 即参考点的值。
( 5) 尽可能在表函数上把 x , y 下述的特殊点标出:
1) y 值为 0 时;
2) y 值为 1 时;
3) x 值为 0 时;
4) x 值为 1 时;
5) 极端条件下的 x 与 y 值;
6) 其他( 视所研究问题的具体情况而定) 。
( 6) 若表函数系乘法因子, 则其取值为 1 时为参考点, 此时其影响作用为 0, 规定为正
常或参考条件、参考点。若表函数是作为和差方程式中的一项, 则当它取值为 0 时, 表示它
不发生影响与作用。
・ 1 74 ・
 ( 7) 一些参考线如 y= x , y = y 0 , 或 y = x 0 , 可用来 表示 理想与 希望 的条 件, 作 用达 饱
和的限制或表函数中的其他内容。

8．3．4　 小结辅助方程

量化模型回路中的信息和变量时, 要有清晰的概念。构模者可藉助因果关系图和流图
等工具进行从变量的构思到具体建立变量的方程式。在建立辅助方程时, 最富有启发的思
想往往来自变量的量纲, 量纲分析与量化方法是一种很重要的技巧。
建立并解释表函数是一种艺术。分析表函数的斜率及其形状的可能性, 作出某些参考
曲线, 并确定曲线上两三个特殊点, 都是要费一番功夫的。在社会经济生态系统中以表函
数表示非线性的影响与压力, 是最有效和方便的。特别是某些在实际系统中确实存在的影
响与作用, 其真实数据却见不到测不出, 这时往往只得乞助于表函数了。
由于用表函数 描述变量间的关 系时, 有一定 灵活性, 其答案 不是唯 一的, 往往是一 簇
曲线族, 有待于检验和选定。所以应用表函数时要提防坠入“陷阱”的可能。当读者用模型
进行模 拟试 验时, 因为 用 DYN AM O 软件 易于 更改表 函数 的值, 很可 能取 值不当 违背 了
某些先前的微妙假设。比如说, 表函数曲线的取值不通过参考点或不与特定的参考趋向一
致, 或违背合理的趋向等等。
另一个值得提醒读者的是, 由于表函数的简单方便, 人们常常会把一些能以其他方程
式描述得更清晰的关系, 也都用表函数。下面把期望生产率 DP R 的两个表达式作个比较:
A 　 　 DPR . K = A SR . K ＊ E IDP . K 　 　 　 　 　 ( 1)
和　 A DPR ．K = A SR ．K + ( DI．K- INV ．K ) / IAT ( 2)
式中:

A SR —— 平均交货率 ( 件/ 月) ;
E IDP —— 库存对期望生产率的影响 ( 无量纲) ;
DI —— 期望库存 ( 件) ;
INV —— 库存 ( 件) ;
IA T —— 库存调整时间。
　 　 第( 1) 式中 的 E IDP 采 用表函数( 或者可写为 E IDP ．K = INV ．K / DI． K ) , 以描述迫 使
生产率围绕平均交货率上下波动的影响。第( 2) 式中引进了校正项, 更清晰地阐明了生产
率调整的内在规律。当 IN V 与 DI 不相等时, 存在一定差别。第( 1) 式对此反响的速度只是
隐含地表示于曲线的陡降趋向。而第( 2) 式却是以 库存调整时间常数 IAT 清晰地描 述出
来。一般言, 我们宁愿采用清晰的表达式, 以便使构模者更容易地掌握模型和更可靠地把
模型的结构与真实情况比较。若由于采用表函数而忽略了系统中的积累与延迟效应, 则可
以说过多地使用表函数是很有害的。

§ 8．4　 建 模 举 例

本章讨论了状态、速率和辅助方程, 对它们的特征、区别与功能逐一作了探讨。但是唯
・ 17 5・
有 经过 应用 的实 践环 节, 读 者 才能 真 正 掌握 这 些内 容。本 节 以建 立 科 研项 目 管理 系 统
( R &D P roj ect , 这里简称科研项目) 模型的主要过程说明如何运用至今所学习的系统动力
学 方法 论和建 模步 骤进行 建模。主 要步 骤包 括: 确 定问 题( 问题 定义、参考 模 式, 构模 目
的) ; 模型构思( 系统界限、反馈结构) ; 建立方程式; 计算模拟和模型评估。本节我们只讨论
前三步, 最后两步骤将在第十章和十一章叙述。
下面按上述步骤讨论科研项目管理模型的建模。

8．4．1　 确定问题

科研项目管理工作是一个管理系统。假定我们从事于大量研究与开发( R &D ) 项目工

作, 这些工 作的 计划 与管理 急待 改善, 以减 少或 消除现 存的 由于 管理不 善造 成的 麻烦 问
题。大规模科研项目可能存在的问题有国家投资开发项目往往出现突破计划, 成本过高,
中途需增加并培训新雇员以及拖延规定的期限等等。当然一般这些问题不一定都同时存
在, 但我们假定这些问题都是存在的。
这里我们考虑一个人员多, 任务重和期限为 3—5 年的大规模科研项目。
( 1) 问题的定义
科研项目的进行情况有两种可能性, 一是进展顺利无返工和拖延问题, 另一种则为进
展不顺有返工和拖延现象。
图 8．24 为科研工作进展顺利情况的动态特性。由于管理完善, 对所需雇员人数与完
工的日期都估计得较准确, 雇员的人数与劳动强度变化很小。
图 8．25 给出科研工作进展不顺利情况动态特性, 诸特性都偏离了图 8．24 的情况。当
科研主管人员了解工作进展不顺利的情况后, 将采取一些步骤进行补救。初期可能加班加
点, 继 而补充新雇员, 工作的进展 是不等速 的, 初 期慢后期 快, 任 务最后 是完成了, 但是 预
定完工期限还是超过了。

图 8．24　 科研进展顺利的动态特性 图 8．25　 科研项目工作进展不顺利的动态特性

( 2) 参考模式
这里仅介绍科研项目管理系统行为的两种基本参考模式。一是按计划完成模式如图
8．24 所示; 二是突破预 订计划模式如图 8．25 所示。图 8．26 给出了 科研项目完成比 例随
・ 1 76 ・
时间变化曲线的两种模式。一种是实际情况, 另一种是实际情况给人们的感觉或错觉, 取
参考模式的时 间坐标大于正常 的完成期 限 40 个月, 譬如 50 或 60 个月, 以便 于研究科 研
项目未能按时完成计划的系统行为。
通常参考模式系基于实际的数据, 这里假定: 建模委托者能提供这些数据。但是某些
图形往往只能经推断而得, 例如要获得图 8．26 中实际的与人们感觉到的科研项目完成的
百分 数曲线 的数 据可能 特别 困 难。在这 种
情况 下, 它 们只 能设 法从其 他 已知 数据 加
以推断。劳动者雇佣率的变化曲线可从劳
动力 统计数 据的 升降变 动情 况 推断 出来,
也是这样一个例子。
( 3) 构模目的与使用模型的用户特点
假定 用户 为科 研项 目的 管 理人 员, 他
们的责任与任务是防止突破计划或力图使
突破的程度与影响尽量小。模型为管理人
员改 进科研 项目 管理与 政策 研 究的 工具。 图 8．26　 完成任务的实际情况与人们的主观错觉
则建 模时应 考虑 用户的 特点, 使模 型适 应
于用户的要求。譬如模型应具备哪些功能, 输出打印与图形输出有何特定要求等等。

8．4．2　 模型结构的构思

( 1) 系统的界限
从建模目的得知, 该模型应侧重于科研项目管理的动态特性, 即管理人员对科研项目
管理的控制能力, 系统界限大体包括下述内容:
1) 科研项目的大小、多寡;
2) 工作人员( 劳动力) 数;
3) 雇佣人员的进出;
4) 劳动生产率或工作效率;
5) 加班或每班工作时间低于额定的情况( 设正常时应为 8 小时或 7 小时工作制) ;
6) 科研工作的进展情况( 完工的项目数) ;
7) 返工情况;
8) 任务对人－时的要求;
9) 时间计划;
10) 计划的机动性;
11) 成本。
此外还有其他许多内容, 如: 资金的多寡、科研项目技术的复杂程度、工作人员的个人
经验等等, 这些均不划入系统的界限内。
简言之, 划定系统的界限时, 应把那些产生所感兴趣的系统行为的必需的变量划进界
限内。能不划入的就尽量不划入, 能集中简化的就加以简化。下面三个问题将有助于构模
者决定把哪一些变量划入系统界限:
・ 17 7・
 1) 系统中有哪些具体过程与所要研究的问题有关?
2) 这些过程是如何形成的? 它们给予人们的印象与概念是什么?
3) 这些印象与概念如何组合起来产生影响那些具体过程的压力?
也就是说,“ 过程”、
“概念”与“压力”提供了构思系统模型的起点。
( 2) 系统的反馈结构
图 8．27 为科研项目管理系统的反馈结构的因果回路图。

图 8．27　 科研项目管理系统因果回路图

本例目的在于说明如何进行建模, 所以有意把模型简化, 以便于读者学习与掌握建模

步骤。科研项目管理模型的建模目的侧重于研究当系统突破预定计划时, 在时间与人员配
备上两方面引起的问题。面向这两个问题, 根据参考模式提供的信息与情况和划定的系统
边界, 经过一系列构思步骤, 得到图 8．27 的因果回路图。该图的构思过程大体包括下述步
骤。
1) 先从系统内部存在的具体过程入手
科研项目系统 内的基本变量包 括: 任 务的多 寡; 完 成的进度; 已 完成和待 完成的项 目
数; 对劳动力的需求; 人员的工作效率与进出情况; 以及距完工期限的日数。上述诸变量间
的相互作用 及因果关系可用 图 8．28 表示。一旦 劳动力增 加, 工 作进展 快, 剩 下的任务 减
少, 反过来对劳动力的需求就减少, 这就是此系统的基本过程, 此回路的极性是负的。
・ 1 78 ・
 2) 根据工作 人员数 与所剩工 作量( 人－月) 可推断 出为 完成任 务所 需要 月数、完工 的
可能日期, 反回来可推断出今后对工作人员数的需求。将上述考虑以因果回路图描述, 可
在图 8．28 的基础上加上完工期望月数的反馈回路扩展成为图 8．29 的反馈结构图。此图
可以认为是科研项目管理系统的简化因果回路图。读者可自行将图 8．29 与图 8．28 加以
对比, 找出两者的异同, 很明显图 8．29 是在第一步图 8．28 的基础上加以扩展的。
3) 前两步构 思所得 的反馈结 构尚未能 描述突 破预定计 划的机 制( 在 完工日期, 所 需
人员和成本诸方面突破计划) 。在我们所考虑的系统界限内, 哪一个变量有可能导致突破
计划呢? 显然“返工”变量是最值得加以考虑的因素。

图 8．28　 科研项目管理系统的基本过
图 8．29　 考虑期望月数反馈回路后的系统简化因果回路图
程

一个大的科研项目的进行过程中, 其各子项目的研究与设计不可能都是一次成功的,
总是有一定百分比不合格需要返工的, 而且不合格部分的发现往往需要一定的时间。基于
此, 可将图 8．29 的有关部分加以修改成为图 8．27 所示。
另 外, 读者 对图 8．27 中 的“毛 估 生
产率”( PPR OD) 或许 还 有 疑 问, 下 面 分
析一下它是如何决定的。图 8．30 给出决
定“毛估生产率”P PRO D 的结构。
“毛生
产率”( GP ROD ) 是未把不合格项目剔出
情况下, 雇佣人员的生产率。“实际生产
率”( R PR OD ) 则为只把合格项目计 入的
生产率。然后把“毛生产率”( GP ROD) 和

图 8．30　 实际的与毛估的生产率 “实 际生产 率”加权 平均 得到“毛 估生 产

率”( P PRO D) 。
把图 8．30 的 结 构补 充 到前 面 已 修改 过 的图 8．29 的 因 果 关 系图 中 去, 就 形 成 如 图
・ 17 9・
8．27 所示的科研项目管理系统的反馈结构。
在前面的构思模型的阶段中, 已初步用因果关系图把系统的基本反馈结构勾画出来,
这是最关键与最困难的一步。但是为了最后建成模型还要做许多工作: 确定反馈结构的流
图; 建立方程式; 系统模拟; 模型测试; 政策分析与模型的应用以及模型的评估。而且在进
行后续的各步骤过程中, 还将不断返回到第一步和前面的各步, 对模型中的反馈结构反复
加以推敲, 使之逐渐完善到满足要求。
本节将再继续以本例介绍建模的另一重要步骤: 应用流图建立方程式。余下各步, 在
后续章节中讨论。

8．4．3　 反馈结构流图与建立模型的方程式

根据大系统理论的分解协调原理, 把图 8．27 反馈结构划分成六个子块:

—— 科研项目实际完工数,
—— 未发现的待返工项目数,
—— 毛估完工数,
—— 毛估剩余工作量,
—— 人员雇佣率,
—— 计划安排。
并确定状态、速率等变量, 如图 8．31 所示。此模型的主要方程式约有 23 个, 能模拟前面已
述及的科研项目管理系统突破计划的可能参考模式。建议读者在学习后续内容之前先按
照给定的要求与所示的系统结构图, 自行书写模型的方程式, 然后与所附的模型程序单比
较, 找出异同, 这将有助于读者深入学习构模原理。
( 1) 模型中状态变量与速率
根据前面已经 介绍的变量类 型判别 原则, 在图 8．27 的因果 回路图 中, 可 确定的最 明
显的状态变量( 即积累量) 有: 劳动力、项目实际完成数和 未发现的待返工 项目数, 而 且它
们的 输入、输 出速率 也是 显而 易见的。图 8．31 可视 为把这 些状 态变 量与 速 率迭 加于 图
8．27 的因果回路图 而形成的, 在图 8．31 中读者还可发现 另外两个状态变 量, 即预定 完工
日期( SCD) 与管理人员对生产率 的估计( P PRO D) 。后者事 实上采用平滑函 数( 宏指 令) ,
为简单起见, 通常不画出其速率。
为了使方程的 书写井井有条, 把方 程按前 述的六个 功能子 块分组, 从图 8．31 的左 上
角 的子块, 科研项 目实际 完工率( R PRG ) 与毛 完工 率( A PPR G ) 开 始大 致顺 时针而 下, 经
图的中心部分, 最后又回到图 8．31 左部。本模型的基本方程见 8．4．5 节。下面仅就子块
中某些方程的构思和书写作简单的介绍。
( 2) 科研项目实际完工率与毛完工率( R PR G 与 A PPR G)
累计的实际完成项目 CR PRG 为状态变量, 其方程如下:
L 　 　 CR PRG . K = CR PR G. J + DT ＊ RP RG . JK
状态变量 CR PR G 只受输 入速率 R PR G 的控制, 因为假 定一旦科研项目 真正完工 就
不再折损。
R 　 　 R PR G . K L = A PPR G . K ＊ FSA T
・ 1 80 ・
 图 8．31　 科研项目管理系统的模型的结构、状态与速率变量

A A PPR G . K = WF . K ＊ GPR OD
式中:

R PR G —— 科研项目实际完工率 ( 项目/ 月) ;
A PPR G —— 科研项目毛完工率 ( 项目/ 月) ;
FSA T —— 项目合格系数 ( 无量纲) ;
WF —— 劳动力 ( 人) ;
GPR OD —— 毛生产率 ( 项/ 人－月) 。

　 　 科研项目 实际完工率 RP RG 等 于毛完工率 AP PRG 乘以合 格系数 FSA T , 而毛完 工

率 A PPR G 等于工作人员数 W F 乘以毛生产率 GP ROD。
( 3) 未发现的待返工项目 U RW
U RW 为状态变量, 待返工项 目发生率 GU RW 与待 返工项 目的检出 率 DU R W 分 别
・ 18 1・
为其输入与输出速率, 有关方程如下:
L 　 　 U RW . K = U RW . J + DT ＊ ( GU R W . JK - DU R W . JK )
R GU RW . K L = A PPR G. K ＊ ( 1- FSA T )
R DU R W . KL = U R W . K / T DR W . K
A T DR W. K = f ( F PCO MP . K )
式中:

U RW —— 未发现的待返工项目 ( 项) ;
GU RW —— 待返工项目发生率 ( 项/ 月) ;
DU RW —— 待返工项目的检出率 ( 项/ 月) ;
A PPR G —— 毛完工率 ( 项目) ;
FSA T —— 合格系数 ( 无量纲) ;
T DRW —— 检出待返工项目所需时间 ( 月) ;
F PCOM P —— 毛估完工的百分比 ( 无量纲) 。
　 　 FSAT 为 合格 率, 所以 ( 1- FSAT ) 为不 合
格 率, 于 是 可 推 论 得 出 待 返 工 项 目 发 生 率
GU RW 等 于 毛完 工 率 A PPR G 乘 以 不合 格 率
( 1- FSAT ) 。而检出率 DU RW 等于 U R W 除
以检出 所需时 间 T DRW 。 T DR W 则为 毛估 完
工 百分 比 FPCOM P 的 非 线 性 函 数, FP COM P
变 化范 围 由 0 至 1, T DR W 与 F PCOM P 的 非
线性关系用表函数表示, 如图 8．32 所示。
模型中 假定, 当 FPCOM P 较 小时, T DR W
取 值 较 大, 并 大 体 为 常 数; 当 FPCOM P 大 于
0．4 后, T DR W 值迅速减少。至于 T DRW 的上
图 8．32　 T DRW 与 F P CO MP 一般关系曲线
下限数值和其下降斜率的大小应与科研项目的
管理人员一起作调查研究, 共同商量确定。
( 4) 毛估完工项目
累计的毛估完工项目 CPPR G 的表达式为:
A 　 　 CPPR G. K = CR PR G. K + U RW . K
式中:
CPPR G —— 累计毛估完工项目 ( 项) ;
CR PR G —— 累计实际完工项目 ( 项) ;
U RW —— 未发现的待返工项目 ( 项) 。
　 　 毛估完工百分比 F PCO MP 定义为 CPPR G 与初始给定项目 IPD 之比:
A 　 　 FPCOM P . K = CPPR G . K / IPD
前述诸变量的相互关系的反馈结构流图如图 8．33 所示。
( 5) 毛估剩余工作量( E PR E M )
・ 1 82 ・
 图 8．33　 实际完工与未发现待返工项目两子块的流图

毛估剩余工作量 E PR E M 的表达式为:
A 　 　 E PR E M . K = ( IPD- CPPR G. K ) / PPR OD. K
式中:

E PR E M —— 毛估剩余工作量 ( 人－月) ;
IPD —— 初始给定项目 ( 项) ;
CPPR G —— 累计毛估完工项目 ( 项) ;
PPR OD —— 毛估生产率 ( 项/ 人－月) 。
　 　 此 式 来 历 颇 简 单, 由 于 毛 剩 余 项 目 等 于 初 始 给 定 项 目 IPD 与 累 计 毛 估 完 工 项
CPP RG 之 差, 将 ( IPD －CPPR G . K ) 除 以 毛 估 生 产 率 PPR DD , 则 得 毛 估 剩 余 工 作 量
E PR E M 。
下面介绍预估生产率 IPRO D 的方程式:
A 　 　 IP ROD. K = WT R P. K ＊ R PRO D. K+ ( 1- WT R P. K) ＊ GP ROD
A 　 　 WT R P . K = f ( F PCOM P . K )
式中:
IPR OD —— 预估生产率 ( 项/ 人－月) ;

・ 18 3・
 WT R P —— 实际生产率的权函数 ( 无量纲) ;
RPR OD —— 实际生产率 ( 项/ 人－月) ;
GPR OD —— 毛生产率 ( 项/ 人－月) ;
F PCOM P —— 毛估完工百分比 ( 无量纲) 。
　 　 预估生产率 IPR OD 为实际生产率 R PR OD 与毛生产率 GPR OD 的加权平均。当开展
研究 工作的 初期, 毛 生产 率 GPR OD 应 有较 大的 权值, 而 实 际生 产率 R PR OD 具 较小 权
值; 反之, 当研 究工 作趋近 完工 时, R PR OD 应有 较大 的权值, 而 GPR OD 具 较小权 值, 所
以实际生产率的权函数 W IR P 为 毛估完工百分比 FPCOM P 的 非线性函数, 如图 8．34 所
示。
( 6) 人员的雇佣
考虑劳动力 W F 为状态变量, 仅受纯雇佣率 HR 的影响, 其方程为:
L 　 　 W F . K = WF . J + DT ＊ HR . J K
R H R . KL = ( WFS. K - W F . K) / W FAT
A W FS . K = W CW F . K ＊ IW F . K + ( 1- WCW F . K ) ＊ W F . K
式中:
WF —— 劳动力 ( 人) ;
HR —— 纯雇佣率 ( 人/ 月) ;
WFS —— 期望劳动力 ( 人/ 月) ;
WFA T —— 劳动力调整时间 ( 月) ;
WCWF —— 劳动力调整权函数 ( 无量纲) ;
IWF —— 预估需要劳动力 ( 人) 。

图 8．34　 实际生产率 RPRO D 的权函数 图 8．35　 劳动力调整权函数 WCWF

　 　 纯雇佣率 HR 的方 程等于期望劳动 力 W FS 与 现有劳动力 WF 之差除以劳动力 调整

时间 W FAT 。其道理是显而易见的。期望劳动力 W FS 则由 IWF 与 W F 加权平均求出。权

・ 1 84 ・
函数 W CW F 是非线性函数, 它是 T R E M 的函数
W CWF . K = f ( T R E M . K )
式中 T R E M 为距完工期的月数, 权函数 W CWF 为图 8．35 所示。
权函 数 W CWF 的取 值与 T RE M 的关 系隐含 这样 的假定: 当 完工 期限日 益逼 近时,
IWF 的权值越小, WF 的权值越大, 趋于 1。也就是说越接近完工期限, 越希望工作人员队
伍保持稳定, 越不希望增添新手。如此假定是符合常理的。
( 7) 计划安排
此子块的主要方程为:
A 　 　 T R EM . K = SCD . K - T IM E . K 　 　
L SCD. K = SCD. J+ DT ＊ N AS. JK
R N AS. KL = ( ICD. K- SCD．K ) / SAT
式中:

T R E M —— 距完工月数 ( 月) ;
SCD —— 预定完工期 ( 某月) ;
T IM E —— DYNA M O 中的时间变量 ( 月) ;
N AS —— 所需时间的增长率 ( 月/ 月) ;
ICD —— 预估完工日期 ( 某月, 或多少个月) ;
SA T —— 计划调整时间 ( 月) 。
　 　 SCD 为预定完工期, 指科研项目预定在多少月后完工。由于客观情况的变化, 如返工
问题使 SCD 增加, 譬如原预定于第 ｎ 月完工, 由于返工推迟至第 ｎ + N 月完工。由于返工
问题使完工期 SCD 延长, 其增长率和( ICD. K - SCD. K ) 的成 正比, 与计 划调整时间 SA T
成反比。
前面所述的毛估剩余工作量、人员雇佣、计划安排三个子块的综合反馈结构流图示于
图 8．36。
( 8) 其他
上述为模型 各子块的主 要方程式。 科研管理 模型的全 部方程 详见 8．4．5 节, 限于 篇
幅, 这里不一一赘述。不过还需要指出, 一个完整的科研项目管理模型除了上述各子块外,
还需要为所有状态变量方程赋予初值、并确定表函数、模型中的常数以及控制模型模拟的
参数, 如: DT 、L E NGT H 、PL T PE R 、PR T PE R 的值和打印绘图的要求等, 模型的基本 运行
如图 8．37 所示。

8．4．4　 本节小结

本节目的在于说明如何确定问题, 构思反馈机制与建立模型的方程, 故选择一个简单

的模型 —— 科研项目管理模型。该模型仅包括 4 个状态变量方程( 不计平滑环节) , 5 个变
化率方程和 13 个辅助变量( 其中包括 3 个表函数) 方程。对所研究的科研项目管理系统而
言, 显然模型的结构与方程式都不是唯一的。此模型将作为在以后章节中讨论模型的参数
选择、排错和模型的改进时的媒介。
・ 18 5・
 图 8．36　 毛估剩余工作量、人员雇佣、计划安排三子块的反馈结构流图

8．4．5　 简化的科研项目管理模型程序

　 　 　 　 SIM PL E P RO JECT M O DE L
NOTE
N O T E RE AL P ROG RESS
NOTE
A A P PRG . K = WF . K ＊ GP ROD　 　 　 A PP A REN T PRO GRE SS RA T E ( T A SK S
/ M ON T H )
C GP RO D= 1 GRO SS P RODU CT IVIT Y ( T ASK S/ P E RSON /
X M ON T H )
R RP RG . KL = A P P RG. K ＊ F SA T REA L PR OGRE SS RA T E ( T A SK S/ M O NT H )
C F SA T = 0. 7 F RA CT ION SA T ISF ACT ORY
・ 1 86 ・
 图 8．37　 科研项目管理系统模型的基本运行

( DIM EN SIO N LESS )

L CRP RG . K = CRP RG. J + DT ＊ RPRG . JK
N CRP RG = 0 CU M U LA T IV E REA L PR OGRE SS ( T A SKS )
NOTE
N O T E 　 U N DISCO VE RED RE WO RK
NOTE
R GU RW . K L = A P PRG . K ＊ ( 1- F SA T ) 　 GE NE RA T IO N O F U N DISCO V ERE D
REW ORK ( T ASK S/ M O NT H )
L U RW . K = U RW . J+ DT ＊ ( G U RW . JK - DU RW . JK )
N U RW = 0 　 U N DISCOV ERE D REW ORK ( T ASK S)
R DU RW . K L= U RW . K / T DRW. K DE T ECT IO N OF U N DISCOV E RED REWO RK
( T AS KS / MO N T H )
A T DRW . K = T A BLE ( T T DRW, F P COM P . K , 0, 1, 0. 2)
T IME T O DET ECT REW ORK ( M O NT HS )
T T T DRW = 12/ 12/ 12/ 10/ 5/ . 5 T A BLE F OR T IM E T O DET E CT REWO RK
NOTE
NOTE P RECEIV ED P ROG RESS
NOTE
A CP P RG . K = CRPRG . K + U RW . K CU M U LA T IVE P ERCEIV ED P ROG RESS
( T AS KS)
A F P CO MP . K= CP P RG . K / IP D F RA CT ION P ERCT IV E D CO MP L ET E D
( DIM EN SIO N LESS )
C IPD = 1200 IN IT IA L P ROJE CT DEF INIT ION ( T A SK S)
NOTE
NOTE E F FO RT P E RCEIV ED RE M AIN IN G
NOTE
A E PRE M . K = ( IPD- CP P RG . K ) / P P ROD. K
EF F ORT P E RCE IV ED RE MA ING ( MA N ＊
・ 18 7・
 MO N T H S)
A P P ROD. K = SM OO T H ( IPRO D. K , T PP RO D)
P ERCEIVE D P RODU CT IVIT Y ( T ASK S/
P ERSO N / M ON T H )
C T P P ROD= 6 T IME T O P ERCEIVE D P RODU CT IVIT Y
( M ON T H S)
A IPR OD. K = WT RP . K ＊ RP ROD. K + ( 1- WT RP . K ) ＊ GP RO D
IN DICA T ED PRO DU CT IV IT Y ( T A SKS / P ER －
SON / M O NT H )
A RP ROD . K = GP RO D＊ FS AT REA L PR ODU CT IV IT Y ( T A SKS / PE RSON /
M ON T H )
A WT RP . K = T A BLE ( T W T RP , F P COM P . K , 0, 1, 0. 2)
WE IGH T GIVE N REA L PRO DU CT IV IT Y
T T W T RP = 0/ . 1/ . 25/ . 5/ . 9/ 1 T A BLE F OR W T RP
NOTE
NOTE H IRIN G
NOTE
L WF . K = WF . J+ DT ＊ H R . JK WO RKF OR CE ( PE OP L E )
N WF = WF N
C WF N = 2 IN IT IA L V AL U E F OR W ORK F ORCE
( P EO P LE )
R H R. K L= ( W F S. K - WF . K ) / W F AT N ET H IRIN G RAT E( PE OP LE / M ON T H )
C WF A T = 3 WO RKF OR CE ADJ U ST M EN T T IM E
( M ON T H S)
A WF S . K = WCWF . K ＊ IW F . K + ( 1- WCWF . K ) ＊ WF . K
WO RKF OR CE SOU G HT ( P EO PL E )
A IWF . K = EP REM . K / T REM . K IN DICA T ED WORF O RCE ( P EOP L E)
A WCWF . K = T A BHL ( T W CWF , T REM . K , 0, 21, 3)
WILLIN GN ESS T O CH AN GE WO RKF O RCE
( DIM EN SIO N LESS )
T T W CWF = 0/ 0/ 0/ . 1/ . 3/ . 7/ . 9/ 1 T A BLE F OR W CWF
NOTE
NOTE SCHE DU LIN G
NOTE
A T RE M . K = S CD. K - T IM E . K T IME RE MA IN IN G ( M ON T H S)
L SCD. K = SCD. J + DT ＊ N A S. JK SCH EDU LED COM P LE T ION DA T E ( M ON T H )
N SCD= SCDN
C SCDN = 40 IN IT IA L V AL U E OF SCD
R N A S. K L = ( ICD. K - SCD . K ) / SA T N E T ADDIT IO N S T O SCH E DU LE ( M ON T H S/
M O NT H )
C SA T = 6 SCH EDU LE ADJ U ST M EN T T IM E ( M O NT H S )
A ICD. K = T IME . K + T P REQ . K IN DICA T ED COM P LE T IO N DA T E ( M ON T H )
A T P RE Q . K = E PRE M . K / WF S . K T IME P ERCEIV ED RE QU IRE D ( M O NT HS )
NOTE
NOTE CO N T ROL ST A T E ME N T S
NOTE
S PE C DT = . 25, M AX LEN = 40, P L T PE R = 1, PRT PE R = 0
A LE N GT H . K = CLIP ( M A XLE N , 0, 1, F COM P . K )
A F CO M P . K = CRPRG . K / IPD F RA CT ION A CT U AL LY CO MP L ET E D
・ 1 88 ・
 ( DIM EN SIO N LESS )
P L OT 　 WF = W ( 0, 80) / SCD= S ( 30, 70) / CP PRG = P , CRP RG = R , U RW = U ( 0, 1200) / P P ROD
= + ( . 6, 1)
RU N BA SE

§ 8．5　 模 型 的 参 数

系统动力学模型在进行模拟之前, 首先应对模型中的所有常数、表函数及状态变量方
程的初始值赋值。辅助变量与速率均可从状态变量与常数算出, 所以通常不必单独地计算
它们的初始值。此节重点讨论参数选择。

8．5．1　 参数的赋值方法与准确度的高低问题

系统动力学模型的参数选择是人们普遍关心和存疑或误解最多的问题。尤其对于那
些熟悉统计学模型的参数灵敏度与参数估计的人员更是如此。不少人主张用统计的方法
并花费许多精力与时间用于系统动力学模型的参数估计。其实这样做往往事倍功半。系
统动力学模型的基本结构是信息反馈, 反馈模型的行为对参数变化是不敏感的, 其模型行
为的模式与结果主要取决于模型结构而不是参数的值大小, 因此, 以统计学信度的概念来
估计系统动力模型的参数是不必要的, 意义不大。但并不是说系统动力学模型的参数无须
估计, 而是它需要其它的估计方法。
对模型参数的准确度应有恰当的要求, 即只要满足建模要求就行了。切忌一味盲目地
追求高准确度, 如果 达到±50% 的 准确度 已满足要 求, 就 不必追 求±10% 或± 1% 的准 确
度, 以免浪费时间、人力与物力。问题在于对准确度的要求、目的何在? 具体说来应视系统
的类型与建模目的而定。例如对库存系统的振荡问题, 人们对其振荡周期、幅度大小要比
对它与历史 数据的拟合更加 关心。对大多数 社会经济 模型而言, 其 主要目的 在于政策 分
析, 因此若某些参数在一定范围内变动对模型所隐含的政策没有影响, 则不必对它们作进
一步的估计。
为了估算要花 费多大的精力于 某参数的 估计, 应以模型 行为对 该参数值 的灵敏度 如
何而定。为此则必须运行模型, 而模型又需要参数, 于是陷入两面为难的困境。如何解决
这一难题呢?可先粗略地试用该参数的一些可能数值进行模拟测试, 直至模型行为无显著
变化时, 就把其相应值确定为该参数值。

8．5．2　 系统动力学模型参数与参数估计方法

( 1) 参数的种类
1) 常数类: 常数( 如面积、生产率等) , 转换系数, 调节时间与参考参数值等;
2) 表函数;
3) 初始值。
( 2) 参数值估计方法
1) 经调查获得第一手材料
这一类参数数据可经调查获得或由要求建模并熟悉客观系统的一方提供。例如, 城市
・ 18 9・
模型需要城镇面积的数据, 可查阅地图册或由房管部门提供。建筑物的寿命可经社会调查
得出或者还是由房管部门提供。工厂的生产能力, 工人的劳动生产率可从生产计划部门获
悉。
有时候由于数据缺乏, 某些数据的值一时难于确定, 可先根据该参数变动的可能性估
计其上下限, 然后在后续的建模工作中逐渐加以确定。譬如说, 在科研项目管理模型中的
常数、返工件的检出时间, 一时无法确定, 可先从估计其上下限入手。从该系统的给定数据
可知, 科研项目的完工期最长为 50 个月, 因此可把 T DRW 的上限粗略地设为 50 个月。再
看如何定下限。经实际调查了解到, 返工件检出要经一定时期, 至少 1 个月以上, 因此可将
T DR W 的下限设为 1 个月。然后在后续的建模工作中确定 T DRW 的值为 12 个月。在最
后修改后的模型中, T DR W 又由常数改为表函数。
2) 从模型中部分变量间关系中确定参数值
如城市系统模型中的建筑毁损率 H D 的有关方程如下:
C　 　 H L = 66　 　 　 　
R H D. K= H . K / H L
式中:
H D —— 建筑物毁损率 ( 座/ 年) ;
H —— 建筑物 ( 座) ;
H L —— 建筑物平均寿命 ( 年) 。
　 　 经调查或从房管部门得知, 建筑物平均寿命为 66 年, 故模型中取 H L 等于该值。因此
每年建筑物损毁数目为 H ＊ ( 1/ H L ) 。反之, 若经调查获知的建筑物毁损率 H D 与建 筑物
H 的关系曲线, 则可据下式求出平均寿命 H L 。
HL = H . K / H D. K
一般认为, 在一定历史时期里, 比如在某一世纪里, HL 可视为常数。
再如从 SMO OT H 方程的变量关系确定平滑时间 ST IM E ,
SVA R . K = SMO OT H ( VA R . K , ST IM E )
式中:
SV AR —— 已平滑变量;
SM OOT H —— 平滑函数;
V AR —— 待平滑变量;
ST IM E —— 平滑时间。
若 VA R 突增 100% 后 SV AR 经 4 个月 T h 达到其终值的 50% , 则根据一阶系统参数关系
式有:
0. 69＊ ST IM E = T h
把 T h = 4 个月代入得:
ST IM E = T h ＊ ( 1/ 0. 69)
= 4＊ ( 1/ 0. 69)
∴ ST IM E Ｄ 6 个月
・ 1 90 ・
于是推算出 ST IM E 约为 6 个月。
3) 分析已掌握的有关系统的知识估计参数值
现以非洲某地区斑马匹数增长与其增长率的关系为例加以讨论:
L 　 　 ZP . K = ZP . J + DT ＊ ( ZN GR . JK - ZP R . JK )
R ZNGR . KL = ZGR F . K ＊ ZP . K
A ZGR F . K = ZBR F . K - ZDR F . K
式中:
ZP —— 斑马匹数 ( 匹) ;
ZNGR —— 斑马纯增长率 ( 匹/ 年) ;
ZPR —— 斑马被猛兽捕杀率 ( 头/ 年) ;
ZGRF —— 增长系数 ( 1/ 年) ;
ZBRF —— 斑马出生系数 ( 1/ 年) ;
ZDRF —— 斑马死亡系数 ( 1/ 年) 。
这里只重点讨论如何决定 ZGR F 的最大值 ZGRF M 。ZGR F M 是指在食物无限制、无猛兽捕
杀的情况下, 斑马的增长系数。为了求出 ZGR F M , 首先自然地会联想到增长系数 ZGRF 是
出生系数 ZBR F 与死亡系数 ZDR F 之差, 即:
ZGRF = ZBRF - ZDR F
进而 可推知增长系 数 ZGR F 的 最大值 ZGRF M 应 为 ZBR F M ( 最大值) 与 ZDR F m ( 最小值)
之差, 即:
ZGR F M = ZBR F M - ZDRF m
先设法求出 ZBR F M 。斑马的出生系数( ZBR F ) 与雌性斑马的比例系数( ZFF ) 、成年雌
斑 马 每年 生育 次数 即窝 数 ( ZLP F ) 、每 窝的 小斑 马数 ( ZF PL ) 、生育 分布 系数 ( ZL S- 2) /
ZL S 、成活率( ZSF ) 以及斑马的平均寿命( ZL S ) 有关。可表述如下:
ZBRF M = ZFF ＊ ZL PF ＊ ZFPL ＊ ZSF ＊ ( ZL S- 2) / ZL S
式中: ( ZL S- 2) / ZL S 为生育分布系 数, 其中设 雌斑马两岁后开 始生育, 生育期 间为( ZL S
- 2) 。
设式中其数据为: ZFF = 0. 5, ZLP F = 1, ZFP L = 1, ZSF = 0. 9, ZL S = 12。将诸值 代入
求 ZBR F M 的方程中得:
ZBR F M = 0. 5＊ 1＊ 1＊ 0. 9＊ ( 12- 2) / 12= 0. 34
再求 ZDRF m 。前已给定斑马平均寿命( ZL S) 为 12 年, 则可推知:
ZDR F m = 1/ ZL S
= 0. 08
于是求得 ZGR F M 为:
ZGR F M = ZBR F M - ZDR F m
= 0. 26
进而根据§ 5．3 有关一阶系统参数的知识可知:
此系统的最小时间常数　 T m z = 1/ ZGR F M
・ 19 1・
 T m z = 3. 9 年
此系统的最小倍增时间　 T m d = 0. 7＊ T mz
T m d = 2. 7 年
4) 根据模型的参考行为特性估计参数
继续以非洲某 地区斑马的增长 为例, 说 明如何 根据模型 参考行 为模式估 计斑马最 大
增长系数 ZGR F M 。
斑马头数增长曲线来自历史资料。从该曲线可求得斑马头数的倍增时间 T d , 再按 T d
= 0. 7T 的关系算出系统的时间常数 T 。则可得斑马的增长系数 ZGRF :
ZGR F = 1/ T
此值是从系统的实际行为曲线推算出来的。它可能比由前法求出的值要小一些。因为前
法是按人们对该系统的知识分析计算出来的, 未必能把许多实际因素都考虑到。比如, 未
考 虑未 成 年 与 成 年斑 马 之 差 别, 都 一 样 作为 成 年 斑 马 看 待, 就 会 使 推 算 出 的 增 长 系 数
ZGR F 较实际的大一些。
读者可能要问, 上述估计参数值的两种方法取何为好呢? 我们建议, 一般说最好采用
前法。宁可多花一点功夫 , 分析掌握有关系统的知识, 进而估计参数值。后一方法尽量不
用, 其主要原因在于 它是根据系统行为 参考模式求出参 数值的。在§ 11．2 系统动力 学模
型的检验中要讨论到, 模型检验需要以系统的参考行为为依据, 若在估计模型参数时亦以
系统参考行为为依据, 则使参考行为模式在模型检验阶段的意义与作用大为逊色。其道理
是显然的, 唯当模型参数值来自独立于参考行为模式以外的其它途径, 并在模型检验阶段
证实模型行为与系统参考行为模式一致时, 人们对模型的信度才能提高。

§ 8．6　 方程的初始值

模型中状态方程的初始值有三类:
( 1) 拟合历史数据;
( 2) 模型模拟从平衡开始;
( 3) 模型模拟始于某些特殊的增长( 或降低) 规律。
此三类各有自己的特殊问题。通常确定模型初始值的工作既麻烦、困难又需较高技术
水平。

8．6．1　 模拟从平衡状态开始

有一类模型是处理商业周期、捕食与被捕食者和库存等动态过程的。因为其动态过程
涉及偏离平衡状态这样的问题, 故可划归平衡模型类。研究这一类问题时, 先是建立平衡
模型, 然后施以适当的扰动使产生特定的动态行为模式。通过分析揭示了系统结构与行为
的本质关系, 从而获得对模型与原系统的增长或下降特性的深入了解。
所谓模型处于 平衡系指模型中 各状态变 量的输入 与输出速 率达到 均衡, 整个模型 处
于动态平衡状态, 各状态变量值保持不变。由此可见, 欲使模型的初始状态处于平衡, 关键
是保持模型中诸状态方程的输入与输出速率相等( 或平衡) 。
・ 1 92 ・
 图 8．38　 简单的平衡系统

下面以单状态变量, 且只有一外生输入速率的最简单系统为例, 说明如何确定平衡模

型状态变量方程的初值, 系统的流图如图 8．38 所示。以 DYN AM O 书写其方程式如下:
L 　 　 L E V . K= L E V . J+ DT ＊ ( IN . J K- OU T . JK)
N LEV = ?
R IN . KL = E XOG . K
R OU T . KL = L EV . K / CON ST
式中:

LE V —— 状态变量 ( 单位) ;
IN —— 输入速率 ( 单位/ 时间) ;
E XOG —— 外生变量 ( 单位/ 时间) ;
OU T —— 输出速率 ( 单位/ 时间) ;
CON ST —— 时间常数 ( 时间) 。

E XOG 可为常数或时间的函数。待求者是 L E V 的初始值。问 N 方程 LE V = ? 才能使模

型处于平衡状态。按照系统平衡的定义得知, 欲使此系统平衡, 应有:
IN = OU T 　 　 　 　 　 　
因为 IN = E XOG
O U T = L E V / CONST
所以有 L E V / CONST = EXOG
及 L E V = EXOG＊ CON ST
于是得状态变量的新方程:
N 　 L E V = E XOG ＊ CO NST
在模型中 LE V 初始值可 用上式表示, 也可用计算出 的具体数值 表示, 但我们 建议还是 以
文字式表示较为灵活。
类似上述 的问题, 读 者可以对 处平衡 状态下的 链式状 态变量( 见§ 8．2．2 图 8．11) 的
诸初始值的求法自行加以探讨。
再以§ 4．4 中图 4．15 简单库存控制模型中的初始值的确定为例进行讨论。下面将有
关方程式摘录如下:
L 　 　 INV . K = INV . J + DT ＊ ( ORDR CV . J K - SH IP . JK )
N INV = ?
・ 19 3・
 R SHIP . K L = N SH IP+ T E ST . K
R OR DRCV . KL = DE LA Y3( OR DR S. JK , DEL )
R OR DRS . KL = A VSHIP . K + IN VA DJ . K
A INV ADJ . K = ( DSINV - IN V . K ) / IAT
A A VSHIP . K = SM OOT H ( SH IP . JK , T AS )
N DSIN V = NSH IP ＊ DIC
式中:

INV —— 库存 ( 单位) ;
O RDR CV —— 经延迟的订货率 ( 单位/ 周) ;
SHIP —— 发货率 ( 单位/ 周) ;
O RDRS —— 订货率 ( 单位/ 周) ;
A VSHIP —— 平均发货率 ( 单位/ 周) ;
IN VA DJ —— 库存调节率 ( 单位/ 周) ;
DSINV —— 期望库存 ( 单位) ;
IA T —— 库存调节时间 ( 周) ;
DIC —— 期望库存覆盖时间 ( 周) 。
　 　 当模型处于平衡状态时的库存调节率 INV ADJ 应为‘0’, 即:
IN VA DJ = ( DSIN V - INV ) / IA T = 0
则有 DSIN V- IN V = 0
得 IN V= DSIN V
这是本例求得初始值 INV 最简便的方法。此外, 还可以从其他平衡 方程式的相互关 系中
求得初始值 INV 的其它表达式, 请读者自行分析, 这里不再赘述。
上述说明了模型初始值的确定原理与方法, 即使模型再复杂些, 也可照此同样道理与
方法处理。

8．6．2　 模拟从非平衡状态开始

有一类系统的初始状态不是简单的稳定平衡的。比如处于发展中的企业的模型其初
始状态应取增长的模式, 即线性增长或指数增长的模式。又如一个国家的人口平均年增长
率为 2% , 其 相应的 模型的初 始值就 应尽可能 与此情况 拟合。 为了拟 合非 平衡模 型的 情
况, 关键的一点是状态变量、纯速率和状态变量增长系数具有下述关系式:
( IN - OU T ) / L E V = F C
式中:

IN —— 输入速率 ( 单位/ 时间) ;

OU T —— 输出速率 ( 单位/ 时间) ;
LE V —— 状态变量 ( 单位) ;
FC —— 增长系数 ( 1/ 时间) 。
・ 1 94 ・
　 　 下面考虑一个简单的非平衡人口系统, 用上式求其初始值。系统的有关方程为:
L 　 　 POP . K = POP . J + DT ＊ ( BR . JK - DR . J K )
R BR . KL = BR F＊ POP . K
R DR . KL = POP . K / L E
式中:

P OP —— 人口 ( 人) ;
BR —— 出生率 ( 人/ 年) ;
DR —— 死亡率 ( 人/ 年) ;
L E —— 期望寿命 ( 年) ;
BRF —— 出生系数 ( 1/ 年) 。
根据上述给定的增长系数关系式可推知, 此人口系统应有下面关系式:
( BRF ＊ POP - POP / L E ) / POP = FC
简化后得:
( BR F - 1/ L E ) = F C
若期望寿命为已知, 则
BRF = FC + ( 1/ L E )
于是可得初始值为:
N 　 　 BR F = F C+ ( 1/ L E )
C FC = 0. 2
从以上 方程式可 明显看 出, 若 取 F C= 0 则为系 统处于平 衡状态的 情况, 它 只是非 平衡 状
态的特例。而 F C> 0 则为一般情况, 即非平衡状态情况。
对于有 ｎ 个状态方程的模型, 可采用 FC 1 > 0, FC ｉ> 0 ( ｉ= 2, 3, …, ｎ) 使之成为非平衡
状态的模型。若欲使模型成为平衡状态, 则只要令 FC 1 , FC 2 , …均等于‘0’就可以了。

§ 8．7　 查　 　 错

一次模拟运行即完全成功的模型, 在实践中几乎是极少见的。建模是一个复杂反复的
过程, 需要克服一道道关卡。本节目的是介绍如何查找 DYN AM O 模型中的错误。首先介
绍 DYN AM O 语言的检错步骤, 然后讨论同时方程, 及某些 DYN AM O 不能查出的错误。

8．7．1　 错误的分类

DYN AM O 把程序中 的错误 按其严重 程度分 为三类: 警告, 严重错 误和 致命错 误, 并

给出适当指示与说明。
凡是 DY NA M O 能鉴别出来, 但不影 响模拟结果的错 误称为“警 告”错 误。例如某 变
量时间下标应为“J”却错为“K ”等。
凡是会影响模拟结果的错误称之“严重”错误。在分时系统中 DY NA M O 将自动停止
模拟。在批处理系统中, DY NA M O 将把模拟继续下去, 得出包含错误的结果, 让用户自己
・ 19 5・
从运行结果中寻找错误。
凡是导致模拟无法进行的错误称为“致命”错误, 模拟不能进行下去。
DYN AM O 搜索模型程序单中的错误从头至尾反复三遍。
第一遍。找出方程式格式上的错误, 搜索变量时间下标的错误为其目标之一。这一类
违背规定的错误将受到“警告”。
第二遍。查找程序单中是否有未加定义的变量; 是否有已定义而未加应用的变量; 是
否各状态变量方程都有初始值。这里涉及三种错误: 第一和第三种是“严重错误”; 第二种
为“警告”错误。
第三遍。查找并确定是否有同时的辅助方程与初始值方程。它们都属“致命错误”, 而
同时辅助方程错误对建模者而言则更为重要, 因为它可能包含着模型构思上的错误。
若模型能通过上述三遍的检查而无严重的或致命的错误, 则可以被进行模拟。在模拟
进行过 程中, DYN AM O 还将指示 出模拟运 算中的 错误, 诸如表函 数输入 错误数据、出 现
被‘0’除的情况、浮点运算 溢出以及负数开 平方或求对数 等等。关于 DYN AM O、Vensim
等软件系列所具有的查错功能请详见有关手册。

8．7．2　 常见的其他错误

在模型中多种常见的打印错误是颇难查找的, 望读者特别注意。
( 1) 首列为空格。某些 DY NA MO 以首列空格代替 N OT E 的功能, 它使其后同 行的
文字说明不参予模拟计算。如果打印过程中在方程式前面于首列处错打一空格, 则该方程
不参予模拟计算, 实际上等于被抹去。
( 2) 混淆字母‘O ’与数字‘0’。某些终端的键盘打 印出的英文字母“O”与阿拉伯 数字
“0”在字形上十分相似, 不易区别。
( 3) 行中出现空格。行中出现空格将使同行 中空格后的一切内 容全部不参予模 拟运
算。这一作用正是注解所需要的, 但若空格出现于方程中, 则将其后的内容截去。
( 4) 行太长。同一行只允许打印 72 行, 其后的任何内容均被自动删去。某些计算机系
统在打印超过 72 行后, 不能发出信号, 因此颇易犯此打印错误。打印时应注意这个问题,
若方程式太长, 一行不够, 可用“继续语句( X) ”把它延续至下一行去。
另一种易犯的非打印错误是选择 DT 值过大。在§ 4．6 曾建议取 DT 为( 0．1—0．5) 倍
的模型最小时间常数。但有时模型中的时间常数不甚清晰, 可能取了 过大的 DT 值, 产生
不 合理 的 计算 结果, 出 现意 外的 发 散振 荡与 不 规则 波 动。遇 此, 可 取 DT 值 为( 0．25 或
0．5) 倍的原先的取值, 再试行模拟, 若模型行为有改观, 则说明把 DT 值取小一些是对的。

8．7．3　 同时方程

DYN AM O 能计算所有未赋予初值的变量的初值。计算反馈回 路中的变量的初 值是

基于回路中已知的数据与其他有关值进行的。若在该回路中没有任何一个变量被赋过值
或没有任何经计算可得出的初值, 则回路中的一切初值均无从求出。这种情况一般只发生
于只含有辅助变量、一个或多个平滑函数或延迟函数而有待于求初始值的回路。遇此情况
DYN AM O 能自 动报 告出“同时 N 方 程”( Sｉmultaｎeous N equa tｉoｎ ) 字 样, 并 罗列 出与 此
・ 1 96 ・
有关的变量。
若反馈回路中都是辅助变量却没有插入任何状态变量, 则这些辅助变量称为同时的。
它们各自现时 刻的值都要靠回 路中其它辅助 变量前一 时刻的值 经计算 而得, 于是按此 循
回路 进行计 算, 最终 导致 辅 助变 量成 为其 自身 的 函数, DY NA M O 无 法承 担 如此 计算 任
务。这种同时辅助方程较前者( 同时 N 方程) 是更为严重的错误。一旦模型中出现这种情
况, 则表明在模型构思与技术方面有严重错误, 应特别加以重视。
同时辅助方程 不仅为模拟计算 设置了障 碍, 而 且还向人 们提出 一个人的 认识与客 观
实际的关系的 哲理性问题: 在真实系统中 的回路是 像这些同 时方程 组那样运 行和表现 的
吗?在构思与建立模型过程中, 建模人员应十分留心诸闭合回路是否至少包含一个状态变
量或平滑函数。
至于解决同时 N 方程问题, 似乎更困难些。因为建模人员很难预料 N 方程同时性的
存在。某些初始值是嵌在延迟( DE L EY ) 与平滑( SM OOT H ) 函数之中, 还有一些初始值是
由 DYN AM O 从辅助方程与速率方程计算得出的。
( 1)“同时初始值( N ) 方程”的实例
读者可 能还记 得在§ 4．4 图和 4．15 节 给出 简单库 存控 制系 统的模 型。其中 发货 率
SHIP 与期望库存 DSINV 的方程式为:
R 　 　 SH IP . KL = N SH IP+ T E ST . K
N DSIN V = DIC ＊ N SH IP
SHIP 方程 的缺陷 在于未考 虑 SHIP 应受 到库存 IN V 现状的 制约, 因此原 模型 中的 IN V
可能出现极不合理的负值。假定建模者为了改善模型将 SH IP 与 DSINV 方程作了如下修
改( 同时假设建模者忘记了在 4．4．2 节中曾指出发货 SH IP 采用 M IN 函数是错误的) :
R 　 　 SH IP . KL = M IN ( NSH IP + T E ST . K , IN V . K / DT )
A DSIN V . K = DIC＊ A VSH IP . K
姑且不论 SHIP 方程采用 M IN 函数犯了不符合库存输出 控制的客观规律 的错误, 以 及不
寻常地在方程中使用了 DT 。这里只分析模型按照上述修改后如何导致“同 时 N 方程”的
严重错误。
当将修改后模型在计算机上进行模拟时, 可立即得到如下关于模型有错误的信息:
“同时 N 方程( SIM U L T AN E OU S E Q NS IN N E QN S)
有关变量( IN VO LV E D) : SHIP , A VSHIP , DSIN V , IN V ”。
下面根据错误信息中的有关变量从修改后 模型方程中去追 索导致“同时 N 方程”的原因。
为便于分析, 下面把模型中有关变量的方程整理如下( 这些变量的定义请参见图 4．15) :
N 　 　 IN V = DSINV
A DSIN V . K = DIC＊ AV SH IP . K
A A VSH IP . K = SM OOT H ( SH IP . JK , T AS )
R SH IP . KL = M IN ( N SH IP + T E ST . K, IN V/ DT )
显而易见, 其中只有一个 N 方程:
N IN V = DSINV
为了 计算 INV 的 初 始值, DY NA M O 转 而去 找 DSIN V , 并将 其原 来 的 A 方程 转化 成 N
・ 19 7・
方程:
N DSIN V = DIC ＊ A VSH IP
此式中 DIC 为常数。A VSH IP 又是一个 A 方程, DYNA M O 又转而去找它, A VSHIP 是平
滑函数, 它本身包含一个 N 方程:
N A VSH IP = SHIP
但又发现 SHIP 不包含 N 方程, DY NA M O 转向 SHIP 的 R 方程, 并将其转化为 N 方程:
N SH IP = M IN ( NSHIP+ T EST , INV / DT )
到此可把以上初始值计算方程列成一串:
N IN V = DSIN V = DIC ＊ AV SH IP = DIC ＊ SH IP = DIC ＊ M IN ( N SHIP +
T E ST , INV / DT )
于是可得:
N IN V = f ( IN V )
此式说明, 初始值 IN V 是它 自身的函数, 也就是初始值 INV 取决于 IN V 本身, 这就形 成
了含有“同时 N 方程”的回路。
从此错误解脱出来的简单办法就是给 INV 赋予初始值。
N IN V = 1000
或者用已具 有初始值的某些 量来初始化尚待 赋予初始 值的那些 变量。如本 例中的 SH IP
可初始化如下:
N SH IP = N SH IP + T E ST
因为模型中 N SH IP 与 T EST 都已有初始值。
( 2)“同时辅助方程”的实例
在§ 8．4 中以科研项目管理系统作为建模举例, 给出了方程式清单。假定有人企图改
进模型, 修改了原模型中的某些变量并在原模型基础上增加一些新的变量, 然而却导致了
“同时辅助方程”的麻烦。为了说明这一过程, 首先把增加与修改的方程列举如下:
增加方程:
A 　 　 CPD . K = W T FPD . K ＊ FPD + ( 1- WT FPD . K ) ＊ IPD
A WT F PD. K= T A BL E ( T WT FP D, FPCOM P. K , 0, 1, ．2)
T T WT FP D= 0/ . 1/ . 25/ . 7/ . 9/ 1
C FPD= 1200
式中:

CPD —— 现有的科研项目 ( 项) ;
FPD —— 最终的科研项目 ( 项) ;
W T FPD —— 最终科研项目权函数 ( 无量纲) ;
IPD —— 初始给定项目 ( 项) ;
F PCOM P —— 毛估完工百分比 ( 无量纲) 。
修改方程:

・ 1 98 ・
 原方程 修改后方程
A 　 FPCOM P . K = CPPR G . K / IPD FPCOM P . K = CPPR G . K / CPD . K
A 　 FCOM P. K= CRP RG . K/ IPD FCOM P. K= CRP RG . K/ FPD
C　 IPD= 1200 IP D= 800
A 　 E PR E M = ( IP D- CPPR G. K ) E PR E M . K = ( CPD. K- CPPR G. K )
/ P PRO D. K / PPR OD . K
为便于读者阅读将修改方程中部分变量的定义说明如下:
CPP RG —— 累计毛估完工项目 ( 项) ;
F CO MP —— 实际完工百分比 ( 无量纲) ;
CR PR G —— 累计实际完工项目 ( 项) ;
E PR E M —— 毛估剩余工作量 ( 人－月) ;
P PRO D —— 毛估生产率 ( 项/ 人－月) 。
将 修改后模 型送入 计算机模 拟, DYNA M O 立 即指出模 型存在“同时 辅助方程”的 错
误。下面粗略地追索一下导致错误的原因。
从以上给出的方程可知: 为了计算 F PCOM P, 需计算 CPD。为了计算 CPD, 需进而计
算 W T F PD , 而 WT FP D 又取决于 FPCOM P 。即,
FPCOM P = f ( F PCOM P )
也就是模型出现了无状态变量的闭合回路, 即产生了“同时辅助方程”的错误, 也就是
模型出现结构上的错误。DYN AM O 对此无能为力, 无法运算下去。
修正此错误的办法可以采用:
1) 把辅助变量 CPD 改为 FP D 与 IPD 加权之和的平滑函数;
2) 将 W T F PD 从为 FPCOM P 的函数改作为 FCOM P 的函数。

8．7．4　 查错技巧

查错技巧除已经介绍过的以外, 这里再扼要补充如下:
( 1) DYNA M O 自动给出错误信息, 指示模型中出错所在;
( 2) 按 PR T PE R = DT 的 值把可 疑的出错 变量的 值在 小范围 内详 尽打 印出来, 然 后
分析数据, 从不合理的数据中追索出变量与方程错误所在;
( 3) 充分利用排错过程中模型修改的记录 及模型主要运行结 果, 把这 些积累的资料,
加以系统的分析研究, 将十分有助于排除模型结构与书写方面的错误。

§ 8．8　 构思模型与建立模型方程的原则

建立模型原则包括构思模型结构与建立模型方程两方面的内容。

8．8．1　 构思模型结构的原则

( 1) 系统能比较完整地用状态变量加以描述
・ 19 9・
 系统动力学以状态空间法描述系统的结构与其时域行为。系统的状态是一个最小的
变量组, 称为状态变量。状态是物质的表述, 代表系统中的累积或储存的量, 它们能比较完
整地、准确地描述系统, 描述由同一类物质组成的系统的状态变量组, 具有同一量纲。
( 2) 模型 中每一反 馈回路 至少应包 含一个 状态变量, 否则 将出现 产生同时 辅助方 程
及不同速率直接连接的回路, 这是不允许的。
从原则上说, 在模型中速率只取决于状态变量与模型中的常数。任一速率不能直接控
制其它速率。
( 3) 物质守恒原则
状态的变化代表物质的变化与运动。当状态 A 流向状态 B, 若 B 增大了, 则 A 必定是
减少了。这就是物质( 流) 守恒原则。一地区人口的变化, 增或减全然受出生率、死亡率与
人口迁移率 的控制。由于农村人 口的城市化 使农村人 口减少了, 而 同时使城 镇人口增 加
了。
( 4) 信息非守恒流
赖以信息系统 的单元才形成结 构, 赖以 信息单 元的运动 才形成 系统统一 的行为与 功
能。系统动力学以速率与辅助变量描述信息。信息可从某一信息源传输至系统中其它变
量或其它系统中去, 但并不使信息源本身有所减少。
( 5) 状态变量仅仅受其速率控制
系统中任一状态的变化仅受其输入与输出速率的控制与影响。任一状态变量不能直
接影响另一状态变量。
( 6) 唯有信息链能连接不同类型的物流守恒系统或子块。
譬如, 雇员状况能影响产 量, 进而 影响库 存的进货 率, 但 雇员绝 不能作为 货物直接 进
入库存。因为雇员与库存是两种不同类型的物质系统, 它们之间的相互影响必须藉助信息
链的作用。

8．8．2　 建立模型的原则

( 1) 关于量纲
1) 每 一方程 的左右两 边的量纲 必须一 致。含有加 或减的方 程中诸 项的量纲 应该 相
同, 也就是说唯有量纲相同的量才能相互加减。量纲检查虽然不能证实方程式本身是否正
确, 但若量纲不正确则方程必定是有错的。
2) 不能仅仅从量纲的含义来判别系统中的状态变量与速率。包含有积累过程的变量
有可能是状态变量, 然而不要把凡是随时间变化的量都视作变化率( 速率) 。
3) 在同一物质系统( 或子系统) 中的状态变量组应具有相同的量纲。它们的速率的量
纲都为状态的量纲除以时间。
( 2) 关于参数
与变量相同, 模型中每一参数应该是有意义的或是在真实系统中能找出对应物。不应
为了凑出量纲而生造出毫无实际意义的比例系数与换算系数。
( 3) 关于变化率( 速率) —— 社会经济系统中的决策
1) 速率方程即使在极端( 或甚至在实际系统 中不可能出现) 的条件下, 应仍然是 有意
・ 2 00 ・
义的。速率方程应该是壮实的, 即使当其输入量超出正常范围时, 仍能作出合理的反应。
2) 区别期望情况与实际情况。比如当库存过多时, 有人可能希望有负的产量, 以便使
库存减少, 但是如此“期 望”是不 切 合实 际的, 产 量下 极 限能 降为‘0’, 但根 本 不可 能成 为
负值。
3) 区别实际情况和被人们已察觉到的情况。实际的情况与能被人们察觉到的情况是
有差别的。反映决策与行动的速率( 变化率) 方程的结构应该考虑到在实际生活中决策者
察觉到的信息是有时延与偏差的。
4) 描述决策与行动的速率应基于可能得到的信息。 实际系统中的信 息十分丰富, 但
决策者一般只 能得悉其中的一 小部分而不是 全部, 因此描述 决策的 速率方程 的结构应 符
合这一实际情况。
应当指出, 以上两方面的原则是基本的, 其内容尚在不断发展和改进中。

习　 　 题

　 　 书写方程
( 1) 目的: 本 练习是为了训练 读者分析和构思 系统动力学模型的 速率方程及辅助 方
程的能力; 并了解书写这些方程时容易出现的严重缺陷。系统动力学模型中的速率方程是
一个政策表述, 它显示出有关信息是如何转化成一个具体行为的。速率方程支配着系统状
态的所有变化, 因此, 正确地书写速率方程是系统动力学构模过程中的一个重要环节。
( 2) 要求: 评价以下十个假设的方程。这十个方程中前面几个都是涉及简单、单一的
事件, 而后面几个可以从多方面来评价。读者先分析每个方程中存在的所有问题, 然后写
出自己的改进方程。
1) 描述图书馆藏书量的模型, 描述利用率的方程是:
A 　 　 SF O . K = BOOK S. K ＊ BPS / SH L VS . K
其中: SF O: 书架占用率( 被占用书架在书架总数中的比例) ;
BOOKS : 图书馆总书量( 册) ;
BPS: 平均每个书架存书量( 册/ 架) ;
SHL V S: 图书馆书架总量( 架) 。
a . 评价上面的速率方程
b . 改进并判断你修正后的方程
2) 批发商模 型( 见图习 8．1) , 其中发 货率 定
义如下:
R 　 　 SR . KL = BKL G. K/ DD
其中: SR : 发货率 ( 单位/ 周) ; 习　 8．1
BK LG : 订货积压 ( 单位) ;
DD: 交货延迟 ( 周) 。
3) 同 2) 中的模型, 方程如下:
R 　 　 SR . KL = M IN ( BK L G . K / DD , INV . K )
・ 20 1・
其中: IN V 是库存。
4) 库存 模 型中 进货 率 的方 程 表现 了 一
种使 库存 保持 期望平 衡水 平的政 策( 见图 习
8．2) , 方程如下:
R 　 　 PR . KL = ( DI- INV . K ) / IAT
其中: PR : 进货率;
DI: 期望库存;
IN V : 库存;
SR : 发货率; 习　 8．2
IA T : 库存调整时间。
5) 两个学生在争论两个十分相似的 PR 方程,
一个是: R 　 　 PR . KL = SR . K L
另一个是: R 　 　 PR . KL = SR . JK
你的看法如何?
6) 在一个城市模型中, 把迁入和迁出速率合计成一个净迁移率 NM IG, 方程为:
NM IG . KL = N MF ＊ POP . K ＊ E J . K
其中: NM IG: 净迁移率 ( 人/ 年) ;
NM F : 平均迁移因子 ( 年) ;
POP : 人口( 人) ;
E J : 就业因素对净迁移的影响 ( 无量纲) 。
假设 JO BS．K 指城市中存在的岗位数。
a . 假设上面关于净迁移率的方程是可以接受的, 评价以下建议的两种求 E J 的方程:
i. E J. K= CONST ＊ JOBS. K
ii . E J . K = CONST ＊ ( JOBS. K / P OP . K )
b . 设计如下 T EJ 的表函数
E J . K = T A BH L ( T EJ , JO BS. K / POP . K , 0, 2, 0. 2)
7) 在一个扩展了的城市模型里, 加入了城市住房因素的影响。净迁移率的方程是:
N MIG . K L = N M F ＊ POP . K ＊ E J . K ＊ E H . K
其中: E J: 就业对迁移的影响;
E H : 住房因素对迁移的影响。
假设 E J 和 E H 都是已书写正确的方程。
a . 解释在何种极端情况下, 这种 N M IG 方程将产生严重的错误模型行为。
b . 你拟解决此问题。
8) 在另一个城市模型中, 迁移率被分解成迁入率和迁出率, 下面是迁入率方程:
IN M IG. KL = NM F ＊ P OP+ E J. K + E H. K
评价以上方程, 并推荐一个改进的方程。
9) 评价下面库存—劳动力模型中净雇用率方程, 各个量的意 义可以从习 8．3 流 图中
看出, 其中 DCP 是期望的生产率变化, DCW 是期望的人力变化。
・ 2 02 ・
其中: 净雇佣率定义为:
DI- INV . K
R 　 　 H FR . K L =
IA T ＊ PRO D＊ W FAT
INV : 库存;
DI : 期望库存;
IAT : 库存调节时间;
P ROD : 生产率;
DCP: 生产率期望变化 ( 单位/ 月) ;
DCWF : 劳动力期望变化;
W F: 劳动力;
W FA T : 劳动力调节时间;
H FR : 雇佣或解雇率。
10) 在 一 个库 存 —— 劳动 力 模型 里, 库 存 偏
差的大 小作为 雇佣 或解雇 工人 的依 据, 但 发现 模
型呈现持续的波动。为消除波动, 引入加班或减时 习　 8．3
工作机制, 这样就使产量化为库存偏差的函数。平均生产率水平是以工人工作满 40 小时
计算的。
PR . K L = PRO D＊ W F・K + ( DI・K- I・K) / IA T
其中: PR : 产量( 单位/ 月) ;
PR OD: 生产率 ( 单位/ 人、月) ;
WF : 劳动力( 人) ;
DI: 期望库存( 单位) ;
I : 库存( 单位) ;
IA T : 库存调节时间( 月) 。
a . 评价此 PR 方程;
b . 提出另一种合理的 PR 式。

・ 20 3・
 第九章　 复 杂 系 统

系统动力学理 论与方法非常适 用于研 究与处理 社会、经济、科技、生态和 生物系统 这

样一类复杂系统的问题。因此对于系统动力学理论的研究者和系统动力学模型的构模工
作者而言, 弄清楚什么是复杂系统, 并了解和掌握这一类复杂系统的特点是十分必要的。

§ 9．1　 什么是复杂系统
9．1．1　 什么是复杂系统

　 　 系统动力学定义复杂系统为高阶次、多回路和非线性的反馈结构。
不论在自然界还是在社会经济范畴里, 复杂系统比比皆是。例如, 生物生态系统、动植
物本身及其赖以生存的环境、人体内的各种器官、人脑、人的神经系统、消化系统和血液循
环系统都是极其复杂的系统; 一切社会系统也都是复杂系统; 一个企业的管理结构具有复
杂系统的全部 特性; 人口 系统、城 市与农村 系统、能源系统、交通 系统、贸易系 统和政府 组
织都是复杂系统。
复杂系统中的反馈回路形成相互联系相互制约的结构。就社 会－经济 系统而言, 反馈
回路联结了关键变量( 决策的杠杆作用点) 与其周围其他变量的关系。决策导致行动, 行动
改变系统周围的状态, 并产生新的信息 —— 未来新决策的依据。如此循环作用形成反馈回
路。
复杂系统常表现出各种出乎意料之外的不易弄明白的特性。由于复杂系统某些特殊
性质, 往往使企图改善系统行为的努力遭到失败与挫折。

9．1．2　 复杂系统的主要特点

( 1) 高阶数
前已述及, 系统的阶数是由系统内的状态方程的数目决定的。系统阶数在四阶或五阶
以上者称为复杂系统。典型的社会－经济系统的系统动力学模型阶数约在 10 至数百之间。
譬如说, 一个简化的典型 西方国家城市的系 统动力学模型阶 数为 20。美国麻省理工 学院
系统动力学 研究中心所建的 美国全国模 型, 其 阶数在 200 以上。真 实系统的 阶数往往 很
高, 然而可根据不同的建模目的和要求, 确定模型的阶数。一个企业的模型, 大体应包括雇
员、库存、资产、设备、市场与产品信誉水平等主要状态变量。根据需要还可分别把雇员分
成熟练与非熟练; 库存分为成品与半成品库存两个状态变量。一个国家的人口模型, 单就
人口状态而言, 根据建模 的要求可以或 是 1 个 人口状态, 或是 4 个人 口状态, 或是 15 个、
66 个甚至逐龄分 解至 80 个或 100 个人口状 态变量。依此类推, 建筑物、机器与设备 亦可
以按龄群划分状态变量。此外, 应该注意的是, 确定一个系统动力学模型的阶数虽然以标
“L ”的方程数 为主要根据, 但是若要准确 地估计模型的阶 数和全面地分析 系统的行为, 还
・ 2 04 ・
要考虑系统中是否有延迟和平滑等环节, 对此就不再赘述了。
( 2) 多回路
复杂系统内部相互作用的回路数目一般在 3 个或 4 个以上。诸回路中通常存在一个
或一个以上起主导作用的回路, 称为主回路。主回路的性质主要地决定了系统内部反馈结
构的性质及系统的行为。复杂系统一般包含正反馈与负反馈回路。负反馈回路在理论文
献中已讨论甚多, 在工程中一般只讨论负反馈回路问题。在社会经济和生态系统中的增长
过程与现象却毫无例外地与正反馈回路有关。系统动力学对这两种不同反馈回路的性质
以及两者之间的转换关系都给予充分的研究。
负反馈回路具有寻的特性, 它( 们) 力图调节系统使之趋于一定目标。正反馈回路的作
用恰与此相反, 它倾向于使系统指数式地离开某些不稳定点。正反馈回路的性质决定系统
的增长或崩溃行为, 而正反馈回路的性质又取决于回路结构及回路所包含的诸变量因素。
正反馈回路中这些变量因素又往往受系统中其他回路的影响与控制。在第五章一阶系统
中已讨论过回路的正负反馈性质的相互转化问题。一开始呈正反馈特性的回路, 若回路中
某些变量因素 受其他回路的影 响而改变, 则可能使 回路的增 长能力 逐渐减弱 并进入一 种
特殊的运行 状态, 所谓 拐点或中和点。这时 系统行 为既不呈 正反馈 特性亦不 呈负反馈 特
性, 系统恰好运行于两类反馈的“交界”点。如果上述过程继续进行下去, 该回路将进入负
反馈运行区域, 产生渐进增长并趋于新的运行点。与上述发展过程相反, 另外一种情况是
回路初呈负反馈特性, 后来逐渐转化为呈正反馈特性。复杂系统往往产生各种振荡行为。
此外, 主回路并非固 定不变, 它( 们) 往往在诸 回路之间 随时间而 转移, 结果导 致变化多 端
的系统行为。
( 3) 非线性
实际生活中的过程与真实系统几乎都带有非线性的特征。正是非线性的耦合关系导
致前述的主回 路转移, 它 可以使系统中某 一反馈回 路在一段 时期内 对系统的 机制起主 导
作用, 产生相应的系统行 为; 然后 又促使此主 导作用向 系统内的 其他回 路转移, 并产生 另
一模式的系统行为。从系统外部观察, 同一系统先后表现的行为模式可能迥然不同, 似乎
毫无联系, 前后判若二物。
由于各种非线 性函数的作用引 起多重回 路结构的 重新组合, 使 复杂系统 对于大多 数
系统参数的变化很不敏感。非线性还使得系统力图抵制人们为改变系统行为模式所作的
努力。系统内单元之间的关系大多是非线性的。所以非线性特性是描述复杂系统行为所
必不可少的。只有直接地处理系统的非线性问题, 才能了解社会系统行为的性质和构造出
反映客观系统真实的动态性质的模型。一旦树立关于复杂系统非线性的概念, 人们就会放
弃一味追求系 统方程的解析解 的念头, 并 接受较具 经验色彩 而形式 上不太雅 致的系统 模
拟方法。同时可使建模者把注意力从过分追求社会系统的参数准确度转移到更为重要的
系统结构方面。
复杂系统往往具有一般人所不知的特性, 它和人们所熟知的、从直观上可加以剖析的
简单系统特性大相径庭。也就是说, 复杂系统的特性与人们过去在数学与工程方面所了解
到的极不相同, 在那些领域中所研究的系统多半是简单系统。
复杂社会系统总是包含许多因素, 由于历史的原因, 对它们研究过去被分割成彼此绝
・ 20 5・
缘的学科。如果人类能够成功地解决复杂系统的问题, 那么诸学科之间的森严壁垒将随之
融解。在同一系统中可能包含社会、经济、文化、技术、政治和心理的诸因素的相互作用。通
常上述因素之间的相互作用较之任何单独因素的具体内容更为重要。所以, 当我们思考与
研究问题时, 若仍然把这些学科彼此隔绝, 则它们之间的作用将永远不能被洞察。
复杂系统具有许多重要的行为特性, 这些都是建模工作者应该了解的, 否则无法设计
出高质量的模型。复杂系统及其行为具有下述重要特性:
1) 反直观性;
2) 对系统内多数参数的变化不敏感;
3) 对改变政策的顽强抵制性;
4) 含有可 施加影 响的“压力点”, 即 政策的 杠杆作用 点, 而 且它们 的出现往 往出乎 人
们意料之外;
5) 削弱内部的活力以补偿或中和外部施加的校正作用;
6) 长期与短期运行、整体与局部之间对同一政策的响应往往不同;
7) 有向更恶劣的景况演变的倾向。
下面简单地讨论这些特性。

§ 9．2　 复杂系统及其行为的主要特性
9．2．1　 反直观性

　 　 一切复杂 系统, 不论 是工程的、生物的、经济 的、管 理的还是 政治的, 都表 现出反直 观

的特性。
长期和周围的 简单系统打交道 的人们往 往形成传 统的思考 方法, 习惯于 作直观的 判
断。当他们进入复杂系统的王国时, 很难不犯粗心大意的毛病。由于环境, 人们的日常生
活与思维过程几乎都只涉及一阶负反馈回路的经验。这类回路只含一个重要的状态变量,
具有寻的特性。举例说, 你能从桌上拿起一件物品, 首先是由于你能感觉出手与目的物的
差距和控制手的运动去缩小差距, 进而触及并将它拿起。此过程有许多神经与肌肉参与,
在整个系统中起主导作用的是手所代表的位置状态变量。根据所有正常人的经验, 人们了
解事物的因果关系总是紧密地与时空相关联的。在简单系统中人们遇到的问题与困难, 往
往可以一下子察觉, 原因与结果的对应关系往往是明显的, 原因紧紧伴随着结果。然而, 在
复杂系统中这种简单的因果关系已不复存在, 若乱加套用, 必出谬误。在那里, 原因与结果
的联系在时空 上不是紧密相关 的, 某些症 候的产生 原因可能 实际上 远在系统 中的另一 部
分, 而且症候的出现较产生它的最初原因在时间上可能有较大的滞后。
复杂系统远较人们所熟知的简单系统难于捉摸得多。它与简单系统截然不同, 但表面
上看起来却似乎一样。复杂系统往往诱惑人们误入歧途, 把系统中某些症候与某一种在时
空上贴近的原因联系在一起, 而通常它们并无因果之间的关系。事实上它们都源自同一系
统内部结构的反馈机制。在复杂系统中几乎所有变量都是高度相关的, 但是从时间相关角
度去区别因与果, 其意义并不大。过分地热衷于统计与相关分析是没有意义的。譬如说,
在某种情况下, 因与果、原因和现 象的关系似 乎都是明 摆着的, 但当 人们设法 采取措施 消
・ 2 06 ・
除该现象后,“ 原因”却依然如故, 那些措施或者无效, 或者实际上是有害的。以通常人们所
关心的信度高 低的角度来衡量 那些直观的所 谓解决复 杂社会经 济系统 问题的办 法, 多 半
是错误的、无效的。这种情况不乏其例, 诸如在寻找导致各类型国家面临困境、城市发展遇
到难题和外汇兑换危机等的原因时, 均有所见。

9．2．2　 对变动参数的不敏感性

复杂系统明显地对于系统内许多参数( 包括方程式中的常数) 的变动不敏感。纵然社

会科学企图获 得对心理与经济 系统高准确度 的测度, 但是这 类系统 的非线性 反馈模型 表
明甚至把它们的参数变动数倍, 模型行为也无多大变化。仔细考察一下我们身处其中的社
会系统就能证实这一点。譬如说, 尽管地处不同的大洲, 有不同的社会传统或者具有全然
不同的原材料条件, 不同国度在经济发展中所遇问题却十分相似。在完全不同的工业领域
甚至在不同的国家中企业发展的模式却十分类似。过去数百年中在先进工业化的国家里,
虽然它们经历了从农业社会过渡到工业社会, 由金融彼此独立到中央银行的作用, 从单个
企业发展到大型公司, 并且信息的传递由数周的延迟缩短为数秒, 但是这些国家的社会经
济发展规律却十分相似。事实上社会经济系统的发展主要取决于那些变化缓慢的自然因
素与社会、心理因素。

9．2．3　 对变更政策的抵制性

复杂系统往往抵制政策的变动, 甚至当系统中主要的政策发生变化时, 系统的行为也

无多大变化。其原因就在于前述的复杂系统的反直观特性与对参数变化的不敏感性。
政策是 由系统的结构( 即信息源的 选择与使用) 与参 数( 决定信 息的影响 程度与行 动
的强度) 组成的。所谓政策指的是那些描述信息如何被用来决定行动的规律。由于通常政
策的变化只是改变信息影响与行动的程度, 所以若一个系统对大多数参数的变动不敏感,
则意味着系统对政策的变更不敏感。这就是社会系统具有顽固特性的原因所在。因为当
政策变更时, 仅使系统中大多数状态变量的值发生微小变化, 因此对系统中的政策作用点
施加的新的综合信息也是变化甚微的, 所以尽管是新的政策与信息, 却产生几乎如故的系
统行为。

9．2．4　 通过政策的作用点( 影响点) 进行控制

复杂系统对系统中的个别参数与部分结构的变化十分敏感。这一点与前述恰好相反,
却也是值得重视的。
在任何系 统中总能找到少 数参数与子结 构( 即 政策作 用点) , 它 们的变化 对系统行 为
影响极大。一旦 作用于这些作用 点之一的政 策发生变 化, 其 作用将 在系统中 放射式地 传
播。似乎行为处处都不同了, 但人们尚未被说服或强制去作不同的反应。如果人们仍依旧
法去响应系统新的信息, 则其行动必然碰壁。
系统对某些参 数与部分结构的 敏感问题 通常并非 显而易见, 它 们唯有经 过系统动 力
学方法的小心检验才能加以确定。

・ 20 7・
9．2．5　 系统对校正计划的抵制

施加于社会系统的校正计划往往远较预期效果为差。这是由于系统内部存在抵制与
阻碍外加作用力的倾向, 这一点须仔细加以考虑。对社会经济系统而言, 若施加于系统的
计划需付出很高的代价, 则在系统内部引起的补偿的反作用也可能是严重的。由于通常对
外部的财政要求无法得到持久的满足, 因此唯有当施加计划为低成本时才是可行的。可以
说, 着 眼于系统内部的改 进, 要比 单纯从系统 外部施加 校正计划 更有效 得多, 例如企业 采
用奖励以提高 生产率, 就 是一种把改善系 统行为所 需费用通 过调动 系统内部 的活力去 解
决的措施。

9．2．6　 长短期效果的矛盾

一般说当变更 复杂系统内部参 数时, 所引起 的短期与 长期的 影响、作用与效 果, 往 往

彼此是相反、相伴的。在日常生活中有很多为人们熟知的例子, 如挫折往往是成功之先声,
先后退一步, 然后可以更大踏步地前进。或是反过来, 先是暂时的成功随之一蹶不振, 先是
“大跃进”却继之长期的停滞与衰退等等, 都隐含这一规律。举例来说, 积累率是一项反映
积累规模与国民经济活动的重要综合指标, 确定合适的积累率影响甚大。持续的高积累率
( 例如, 大于 30% ) 固然可获 得国民 经济短期 的高速 增长, 然而 却造成 积累 与消费 比例 和
工业结构的严 重失调, 使 积累效果差, 能源利 用不合理 与浪费, 终于 使整个国 民经济陷 入
困境。在 50 年代末与 60 年代初, 我国在这方面有过代价高昂的经验教训, 其后遗症历久
未愈, 直到 80 年代还要花很大力气调整不合理的工业结构。由此可知, 在规划一个复杂的
系统( 尤其是社会经 济系统) 的未来发展时, 应特别 注意权衡 眼前与 长远利益 两方面的 对
立统一关系。

9．2．7　 向低效益发展的倾向

复杂的社会系统具有向低效益发展的倾向。复杂系统的这一特点是前述的反直观与
长短期效果相背特性的综合结果。由于系统的反直观特性常常使系统设计者作出失误的
设计, 采取某种使系统获得近期益处的措施, 却事实上同时为系统的未来长期发展设置了
错误的安排。但凭直观人们却较易看到近期的效果, 待有害的后果逐渐被人们察觉时, 往
日的错误努力早已结出恶果。也就是说某一强化的行动一方面使系统获得暂时改善, 却同
时更加剧了长期的困难。由此形成复杂系统的另一派生的特性 —— 向低效益发展的倾向。
这一特性为复杂系统又增添了一层难以捉摸的色彩。
综合前述可见, 复杂系统的特性容易诱使系统的设计者和规划者发生失误。

§ 9．3　 系统动力学有关社会经济与管理系统的一些重要观点

9．3．1　 开放的社会、经济、生态系统的非平衡自组织性质

在前面已提出这一观点, 在此再进一步加以说明。在复杂的社会经济系统中, 人们的

控制能力是很有限的。尽管人是社会的主人, 人类本身塑造了社会经济系统, 而且在一定
・ 2 08 ・
程度上可运用 政策的选择来控 制这个系统和 改变它的 结构; 但人又 不可避免 地受这个 系
统的制约与束缚。更何况人所能制御的部分只属于更大的系统中的一小部分, 也就是说它
只是一个更大的自组织系统的组成部分。因此, 我们认为, 社会经济系统是兼有自组织系
统特性与人造系统特性而以前者为主导的复杂开系统。
社会、经济、生态系统是在非平衡状态下运动、变化、发展的复杂开系统。系统动力学
强调应该按照非平衡、动态的观点来研究这一类系统的问题, 这在经济学中称之为非平衡
系统经济学。这一观点已成功地被用于美国全国经济模型等的建模工作。

9．3．2　 个体与群体决策的性质

在组织与群体中的正常人, 具有有限的推断能力, 他们在综合考虑具体社会条件和经

谨慎简化的条件下, 能进行有限的合乎理性的决策。这里, 具体社会条件指的是约束条件
和客观局限性。系统动力学认为, 决策者能够从有限的信息流、并根据决策者自身的有限
能力按有限的客观合理性作出决策。而作为决策者的个体与群体能够学习历史知识、汲取
前人的经验, 并在决策的 实践中不断地积 累学识 和经验, 从而提 高对客 观事物、问题的 分
析、推理、判断和作出决策的能力。因此, 可以认为这样的决策是合乎理性的、逻辑的和科
学的。

9．3．3　 社会经济系统动态结构与其功能行为判优问题

( 1) 所涉及内容与关系。首先, 判优问题首先要考虑 系统结构层次、组成部分间 的关

系。首先是按层次, 上与下、宏观层次与微观层次之间; 全局与局部之间; 部门或子系统之
间; 主导部分与非主导部分之间; 系统内自组织与组织部分之间。其次层次间与各相关联
部分间在数量上、程度上的比例、配置与协调关系。以上两方面的关系要通过对动态结构
与行为的剖析、不断交叉地考察来判别确定。第三、从时间序列上看, 随着结构、参数的演
变引起上述诸关系的变化, 及其可能存在的滞后效应。
( 2) 判别优劣的 客观标准应以社 会、经济、生态系统 能在相当长 ( 50～ 100 年) 的历 史
时期中获得最大的社会与经济利益与效益为原则。要处理好全局与局部, 远期与近期在利
益上的矛盾, 要适当折衷而以全局和远期的利益为重。判别标准可具体化为在结构、组成
方面的协调度 与在功能、行为上的满意度, 并 划分为适 当的级别; 进 而建立完 整的评估 指
标体系。
( 3) 决策者、专家与建模人员三结合借助模型模拟进 行定性与定量分 析, 系统地 加以
综合、推理、判别与决策。逐步使决策群体或整个组织被“辅导”成为一种“学习性、创造性
的组织”。
首先对系统整体动态结构与行为之优劣进行判别, 并确定问题所在。其次制订配套的
发展战略与政 策, 有预见 地对系统结构与 参数进 行调整、配置, 以获 得优良的 动态结构 与
相应的动态行为, 以期使系统的功能达到预定的合理目标, 并且在系统发展的各个历史阶
段均有好的或较好的功能与行为。再次, 预见系统未来发展进程中, 在不同的历史阶段可
能存在的制约、危机与陷阱; 有预见地、及早地采取对策与措施。第四, 经以上各步逐渐使
决策群体或组织成为一种学习性、创造性的组织。
・ 20 9・
9．3．4　 确定系统发展的目标

确定系统发展的目标时应同时确定实现目标所需的时间和相应的合理速度界限。

9．3．5　 分析社会、经济系统某些反直观的行为

为了分析社会、经济系统某些反直观的行为, 必须把它置于足够长的时间跨度里加以
考察。研究表明, 我国的人口问题、能源问题、生态环境等等的发展、变动或变革, 至少需要
100 年的时间跨度才能揭示其历史的全貌。

9．3．6　 国际社会、经济环境对一国或地区的影响、作用与制约

其中十分值得注意的是西方经济长波( 周期为 50—60 年) 的影响与作用。

9．3．7　 惯用的线性分析方法不足于描述和表达社会经济与管理系统

因为这些系统 中的大多数因素 具有非线 性性质, 它们的 重要行 为都不折 不扣地表 现

出非线性的特征, 而且通常这类系统变量的变化幅度很大, 所以“小信号”的线性分析方法
不甚适用。

9．3．8　 关于系统的最优解

系统动力学认为, 没有必要去追求这一类复杂系统问题的最优解。因为一般地讲, 只
有在简单系统问题才存在最优解。事实证明, 对社会经济与管理系统的主导部分加以改进
要远较使非主导部分最优化的得益大得多。

9．3．9　 社会科学的“实验室”

有一种看法认为, 社会科学与物理科学( 或自然科学) 根本不同, 它不可能像后者那样

可进行可控的实验。实则不然, 只要人们充分发挥才智, 应用所掌握的知识与技术, 就有可
能建立较完善的、高有效性的模型。一旦建成模型, 用计算机模拟实验阶段也就可以开始
了。

9．3．10　 关于变量定义与数据

有一种观点认为, 模型中的变量只限于那些已被人们确认者。其实不然, 原先尚未被

定义过的变量, 后来被人们加以定义而成为模型中的重要变量的并不乏其例。关于数据,
有一种观点认为, 模型中的变量必须是那些可获得时间序列数据者。事实并非如此, 系统
动力学认为, 固然凡是对系统的行为有重要影响的变量都应划入模型界限, 但对那些尚未
收集到可靠数据的变量, 可根据系统的实际情况作出合理的估计或猜测。

9．3．11　 关于结构与参数的准确度

系统动力学 认为模型结构的 正确与否, 远比 参数的 准确度的 高低重要 得多。众所 周

知, 有 一些社会经济模型, 人们耗 费许多时间 和精力去 测量参数, 然 而其模型 的基本结 构
・ 2 10 ・
却与实际系统大相径庭。显而易见, 在这种情况下由于模型的结构不正确。即使其参数再
精确也无济于事, 其模型还是无法描述实际的信息反馈系统的行为。

9．3．12　 决策与政策的关系

有一种观点认为人的决策活动是十分微妙、令人费解、晦涩甚至是不可知的。事实并
不然, 一种决策总是与相对少量的几个主要因素联系着, 只要紧紧抓住这些主要因素加以
剖析, 就能够确定产生决策的来龙去脉。选定主要因素后就可把其余的次要因素作为噪声
与不确定因素来处理。在处理社会经济问题的决策与政策的关系方面, 系统动力学的基本
观点是, 政策是长期的、全局的, 而决策是短期的、个别的, 两者有显著不同, 不可混淆。同
时两者还存在另外一层关系, 即个别决策的作出是以相对长期的政策为依据的。

习 题 与实 验

　 　 公司劳动力资源的再分配问题
( 1) 问题 的提出: 企业 经理们往 往通 过企 业内部 资源 的再分 配来 提高 资源利 用率,
而不是简单追加新资源的投入。这样做的原因一是资金紧张, 二是能最佳利用现有资源。
通过下面的分析我们会发现这种行为引起的一个普遍问题。当公司的月产量略高于销售
量时会引起产品库存的积压。为刺激销售, 公司把一部分用于生产部门的人力转入市场部
门。由于没有考虑到市场部门新投入与新增顾客订单之间的时间延迟, 订单持续增加, 以
至出现订单增长率高于月产量、库存耗尽的情况, 公司才发现必须停止把人力从生产部门
转移到市场部门。而且为了补足库存的短缺, 公司不得不重新将其转移到市场部门的人力
重新转回生产部门。经过一段延迟, 由市场部投入人力的减少, 将导致销售的减少, 库存又
重新出现过多积压。于是, 又回到老路上并开始新一轮的循环。
( 2) 目的: 构思并建立能描 述产生以上循环 行为的变量与机制 的模型。解释管理 决
策对这些行为的影响程度。
1) 问 题定义: 把该问 题作 为一种 行为 模式, 即确 定相 关变量, 并 粗略 地勾出 它们 的
基本行为趋势。
2) 动态假设: 用文字阐 述你对产生该问 题行为的内部机 制的初步假设, 并用反馈 因
果关系图阐明你的假设。
3) 建立模型: 图 9．1 显示了解释该问题行为模型的基本流图, 该流图并不全面, 但描
述了 模型 的 基本 关系 和重 要 方程, 读者 应 该补 全 该流 图 并 写出 完 整的 DYN AM O 方 程
组。例如, 理想库存调节 DIA 的方程已示于图中, 参数 IAT 和 DI 应该分别等于 2 个月和
100 000 单位。这种情况下, 你只需写出 DIA , IA T 和 DI 的 DY NA M O 方程。期望生产资
源调节 DAPR 的方程未在图中给出, 流图中仅绘出决定 DAPR 的诸输入。你必须建立一
个符合逻辑的 DAPR 方程, 这里提出供你参考的思路: DA PR 的量纲应为人/ 月。
同样地, 可建立从生产部向市场部转移的变 量 M PM 。期 望资源转移 DM PM 的 表函
数见图 9．2, 你必须 构思 MA PR 的表 函数( 由 DM PM 和 M APR 决 定 M PM 的方 程在 流
图上) 和库存影响发货变量 E IS 的表函数 ( 图 9．3 和 9．4) 。最后, 你 还要建立从市场 转移
・ 21 1・
 图 9．1　 流图

到生产部门的速率方程 M M P 和有效市场资源变动速率 CE M R 。为建立与 M PM 相平行

但反向的速率方程, 你先要了解 MP M 的逻辑关系。CE M R 的建立基于以下假设: 有效市
场资源 E M R 不断变化趋向于实际市场资源 M R , T E M R 为其调节时间。

图　 9．2

・ 2 12 ・
 图　 9．3 图　 9．4

4) 写出 DYN AM O 的模型方程。完整的模型应该包括 PL OT 及 DT 、PL T PE R 。所有

参数值已在图 9．1 给出( 时间单位是月) , 状态变量的初始值亦于图 9．1 的矩形方框中。
5) 模型模拟: 模型最初处于平衡状态, 即要求:
a . M M P 和 M PM 的初始值相等。
b . 月产量 P 与月发货量 S 的初始值相等( S 取决于库存对发货量的影响变量 E IS) 此
时, 所有变量保持为常数。
然后改 变系统的 平衡状 态, 将 期望库存 从 100 000 增加 到 120 000, 观察行为 的变 化
情况。系统会振荡吗? 请注意不同变量的相对相位, 振荡会消失吗? 请你解释产生振荡的
根本原因。你所建议的参数变化能否加速振荡的消失? 如果可能, 请改变参数并观察系统
行为如何变化。

・ 21 3・
 第十章　 模型的调试与改进

建立系统动力学模型是一个分解综合、循环反复逐渐达到目标的过程。此过程包括下
述主要环节: 构思模型结构, 建立方程, 模拟调试, 再构思与提炼修改。这一反复过程的长
短繁简与被研究问题的复杂程度有关。一般而言, 建模是不可能一次成功的。退一步说,
即使有可能将 某模型一次写成, 笔者仍然 认为首先 应对研究 对象进 行科学合 理的分解 划
块和充分的子块调试, 然后逐步反复地综合、调试与修改, 直至形成满足要求的模型。如此
循环反复正是 洞察研究系统内 部结构与其行 为的关系 的不断深 入过程, 这正 是建模的 主
要目的。
本章共三节。第一节阐述如何用模型探讨系统结构与其行为关系的奥秘。第二节讨
论模型的灵敏度与强壮性。第三节研究如何修改模型。学习本章读者将了解许多有关建
模的哲理与技巧, 在学习系统动力学的征途中前进一大步。

§ 10. 1　 探索系统结构与其功能、行为关系的奥秘

为了研究系统结构与其行为关系的奥秘, 首先应考察单反馈回路的行为, 其次是回路

的各种组合的行为, 最后是系统行为的整体研究。为了弄清系统某一特定行为与现象的来
由, 毋 须乱加猜测, 可通过对可疑 的因素进行 孤立和综 合的测试, 从 而确定根 植于内部 结
构的原因。
从局部的观点 着眼来研究模型 各单一因 果链的因 果关系, 固然 能说明两 个变量间 的
关系, 并用方程式与表函 数加以描述; 但是着 眼于反馈 回路, 则所谓 因果关系 就含混不 清
了。比如说, 人口系统的人口与诞生率两者的关系, 究竟何者为因, 又何者为果呢?事实上,
每一变量既是一些变量的因又是另一些变量的果。以反馈和整体的观点看问题, 使人们能
够深入地把握住事物的实质, 显得生机盎然, 相比之下使简单、线性、单支路的因果关系观
相形见绌。
所以为追索系 统行为的形成原 因, 我们 将侧重 研究系统 的反馈 结构而不 是那些孤 立
的变量。若发现某因素在某回路中的作用较大, 并影响该回路在模型中的主导地位—— 由
非主导变为主导或反之, 那么应着眼于对该回路在系统中的作用的研究, 而不仅只是看到
那个孤立的因素。为了分析系统结构、功能与其行为的辩证统一关系, 本节先讨论变动参
数与表函数 值的影响。为确定任 一反馈回路 在模型中 的作用, 可通 过对比将 该回路分 别
“放入”与“剔出”模型时对模型行为产生的影响作出推断。

10．1．1　 使参数取极端值, 改变系统结构

仍以第 八章 中介绍 的研 究项目 管理 模型 为例进 行讨 论。参数 F SAT 为项目 合格 系

数, 在模型中设 FSAT = 0. 7, 作为参考值得到模型的参考行为, 改变 FSA T 值可得到的各
・ 2 14 ・
种行为与参考行为作比较。当 F SAT 的值介于 0 与 1 之间时则产生实际完成与未发现的
待返工的项目的混合情况。但当 FSAT 为 1 时, 使模型结构改变, 相当于图 8．31 中的右面
部分( 待返工项目 反馈结构) 被取走, 仅剩下三个基 本的状 态变量( 劳动 力、累 计实际完 工
项目和预定完工日期) 的简单反馈结构。结构情况如何改变, 看一下下列方程就一目了然
了。
R 　 　 R PR G . K L = A PPR G . K ＊ FSA T
A 　 　 R PR OD. K= GPR OD＊ FSA T
R 　 　 GU R W . KL = AP PR G . K ＊ ( 1- F SA T )
式中:
R PR G —— 项目实际完工率( 项目/ 月) ;
A PPR G —— 项目毛完工率( 项目/ 月) ;
R PR OD —— 实际生产率( 项/ 人－月) ;
GP ROD —— 毛生产率( 项/ 人－月) ;
GU RW —— 待返工项目发生率( 项/ 月) 。
由于合 格系数 FSAT = 1, 所以 R PR G= A PPR G, RPR OD= GPRO D 和 GU R W = 0。
此外, 可推知预估生产率 IPR OD = GPR OD , 亦为常数。因此, 当 F SA T 为 1 时, 等于剔出
许多反馈链与回路, 使模型中的一些变量变为常数。模型的模拟结果如图 10．1 所示, 它模
拟了任务无返工的理想情况。

图 10．1　 当合格系数 F SA T 为 1 时科研项目管理模型的模拟结果

　 　 此例说明 如何使模型的部 分结构失去反 馈联系, 从而确 定结构 与某一特 定行为模 式

之间的关系。在大而复杂的模型中要确定内部结构与行为模式间的关系是比较困难的, 不
过原则上上述使回路逐一失效追索结构与行为相应关系的方法, 仍不失为一关键手段。
回路失效法对于具下述形式的纯变化率方程式是颇为通用的。纯变化率方程如下:
( GOAL ．K- L E VE L . K ) / ADJT M

・ 21 5・
式中: GOA L 为目标; LE V E L 为状态变量; A DJT M 为时间常数。
此表达式可为指数平均、平滑、延迟或各类型的调节单元。当令 ADJT M 为一很大的
数时, 此表达式的值近似 为 0, 于是状态变量保 持其初始值不变。因 此任何通过它的 反馈
路径被中断或反馈回路被切断, 可以确定模型各种行为模式与内部结构的本质联系。
在第八章 第四节中介绍了 科研项目 管理系统 模型( 方程见 8．4．5 节) , 此 模型中有 三
个常数和上述变化率方程中 ADJT M 类似。它们是 WFA T ( 劳动力调整时间) , SAT ( 计划
9
调整时间) 和 T P PRO D( 对生产率变化的察觉时间) 。图 10．2 给出当设 T PPR OD= 10 时
的模拟结果。此时 P PRO D( 毛估生产率) 为常数, 其值与毛生产率 GPR OD 相等。所有通
过 PP ROD 的 反馈 回路都 被取 消了, 但 U R W ( 未 发现 的待 返工项 目) 环节 的作用 仍然 存
在。系统的行为与基本模拟运行很相似, 如图 10．2 所示。由于 PPR OD 等于常数( 等于初
始值) , 过高地 估计 了生产, 结 果劳 动力人 数 WF 略小 于基 本运行 情况, 使 任务完 工时 间
从 48 个月延长至 50 个月。

图 10．2　 科研项目管理系统模型, 当设 T PP RO D 为 109 月时的模拟结果

10．1．2　 设表函数的值为常数

欲使反馈回路失效的简便方法是令其有关的表函数成为不变的常数。
在第八 章第四 节的科研 项目管理 系统模 型中, 使表函数 T DRW ( 检出 待返工 项目 所
需时间) 的值由原来为:
T 　 　 T T DRW = 12/ 12/ 12/ 10/ 5/ 5
改为:
T 　 　 T T DRW = 6/ 6/ 6/ 6/ 6/ 6
则使图 10．3 因果相关图中虚线表示的因果链失去作用, 也就取消了原有的负反馈回路的
作 用。改 变 T DR W 后 的模 拟 结 果如 图 10．4 所 示。它与 原 模 型的 基 本运 行 结果 ( 见 图
8．37) 除了接近完工的那一段外, 无多大差别。此试验模拟中, U R W ( 待返工项目) 自 始至
・ 2 16 ・
终持续增长, 而工作人员却错觉为设计项目已经完成。也就是说虽然“完工”的项目中仍然
包含大量不合格的, 而设计研究工作却要结束了。

图 10．3　 令 T DRW 为常数使科研项目 图 10．4　 设表函数 T DRW 值恒为常数( 6 个月)

管理系统反馈回路失去作用 科学项目管理系统的模拟结果

图 10．5 给出改变表函数 WCW F ( 劳动力调整权函数) 后的模拟情况。

图 10．5　 设 WCWF ( 劳动力调整权函数) 恒为 0．5 时的模拟结果

原 T WCW F 的值为:
T W CW F= 0/ 0/ 0/ . 1/ . 3/ . 7/ . 9/ 1
改为:

・ 21 7・
 T W CW F= . 5/ . 5/ . 5/ . 5/ . 5/ . 5/ . 5/ . 5
从图可见, 这时需要 73 个月才能完工。究其原因应追至起始阶段系统的状况。模型假定
工作人员的初始人数仅为 2 人, 显然庞大的工作量是无法由 2 人在原预定的 40 个月里完
工的, 因此必须进行调整人力。当取 WCWF = 0. 5 时, 意味着把调整劳动力与调整完工期
限并重, 人员 只增至约 20 余人, 计划完工 期限 SCD 则由 40 个月 延至 60 多个月, 结果 是
令人不满意的。只有极少数管理人员会如此管理工作。其次可见当 WCWF 恒为 0．5 时,
意味着在第 40 个月以后, 由于感 到工作进度 落后了, 管理人 员情愿 不断增加 雇员来完 成
任务, 在最后的四分之一时间内雇员几乎增加了 2 倍。显然如此管理方法是极少见的。此
外, 实际上短期内突增的新人员不可能使生产率立即提高。综合上述可得出结论, 令劳动
力调整权函 数 W CW F 恒等 于 0．5 是违背常理 的。W CW F 的合 理取值 应是, 在任务上 马
初始期 应取为 1, 也 就是说 应雇佣足 够的人员, 而 不是少雇 佣人员 推迟 完工 期; 当 逐渐 接
近完工期限时 应逐渐减小 WCWF 的值, 在距完工日期的 半年内应取 0 值, 即停止再 雇佣
新人员。

10．1．3　 使用测试函数

在第四章第四 节介绍了各种 DY NA M O 中的测试函 数: 阶 跃、斜 坡、脉 冲、函 数、噪 声

以及三角函数等。这些函数用于研究模型子块的行为特别有效, 有时候也可用于模型的总
体测试。通常这些函数被作为扰动使模型离开平衡状态。用这些理想的函数来测试子块
可以了解, 当把某一子块与其它子块联结一起时, 其行为的特点。
构模人员的一 项任务是把一个 尚在设计 中的总体 模型划分 成子块, 建立 子块的方 程
组, 选择子块中欲施加干扰的那些变量, 并确定做哪些测试和测试函数应施加于子块中的
哪些方程式。从总体模型内的其他子块或从系统的界限外部来看, 这些方程正是该子块的
输入处, 比如说, 变化率方程或直接输入变化率的辅助方程。在过去介绍过的模型中是不
乏其例的, 例如, 商业周期振荡模型中的订货率, 传染病模型中的传染率等等。
至于如何应用测试函数来洞察系统结构与行为的关系, 请读者参阅第四章第四节。

10．1．4　 通过模拟实验剖析模型的结构与行为

模型结构的分 块模拟是洞察结 构与行为 内在关系 的有效方 法, 但是这里 也潜伏着 一

种危险。因为在计算机前操作运行得出输出结果是极方便的, 然而也容易陷入盲目性, 盲
目地模拟实验是无助于认识上的深化的。
为了从模拟实验中追索出更多的隐含在模型结构中的奥秘, 应先拟出模拟步骤。预先
分析每一次实验预期的模型行为, 写下你的假设, 把它们与实验结果相比较。若发现非预
期的模型行为, 应认真加以分析其原因。建议设计一些关键性的模型实验, 以研究假设中
的矛盾现象。实验时应作详细记录, 内容应包括: 模型与子块的详细结构、对现象和问题的
观察、推测与分析等等。千万勿过于相信自己的记忆力。
对模拟结果应 尽可能联系与对 照现实 生活中的 真实系统, 对 模型行为 的起、落、转 折
与相位关系作出合理的解释。
此外, 应特别强调指出, 模型是一种实验工具, 和一切科学的东西一样, 对于一个可靠
・ 2 18 ・
的实验的最基本要求是应具有重复性。
最后, 也是最重要的一点, 应明确 建立系 统动力学 模型的目 的, 唯有反复 模拟与解 释
模拟的行为才能向此目的逼近。研究模型的结构与行为只是了解掌握真实系统的结构与
行为的手段。建模的最终目的是寻求对实际系统有益的策略与政策并在实际系统中加以
实施, 以解决实际系统存在的问题。

§ 10. 2　 灵敏度与强壮性

为了使基于模 型模拟的分析与 推荐的政 策令人可 信, 建 模者应 了解当模 型的假设 在

合理的范围内变动时, 这些分析会有多大变化。当变动模型的参数和更改方程式时, 模型
的灵敏度与强壮性如何? 当模型参数与结构合理变化时是否会使由模型获得的关于实际
问题的结论变得不可信?

10．2．1　 灵敏度的种类

从不同观察角度看模型的灵敏度可划分为三种:
1) 数值的灵敏度;
2) 行为的灵敏度;
3) 政策灵敏度。
一个强壮性较好的模型应具有较低的行为灵敏度与政策灵敏度。
数值灵敏度是指当参数或结构变动时导致模拟计算结果在数值上的变化。一切数量
模型都显示其对数值的敏感性。
行为灵敏度是动态模拟模型所关心的。它指的是, 当变动参数或更改方程式时, 模型
行为的变化程度( 请注意, 这里使用“行为”两个字而不用随时间变化的“模式”或“图形”的
字眼) 。我们将看到系统动力学模型的行为对参数变化是不敏感的。
政策灵敏度的潜在影响最大。考虑模型灵敏度的主要原因在于, 当模型在合理的范围
变动时, 由模型获得的政策的结论是否改变。拟合实际系统的模型参数并不是唯一的, 通
常参数值有一个合理的范围。倘若模型的行为对于参数在合理范围的变动的反应过于敏
感, 也就是说强壮性差, 则它无助于对不同政策优劣的评价。
倘若由模型模 拟得到的关于政 策的结论 对某一参 数特别敏 感, 建模者首 先就应该 确
定该敏感性是来自模型中的毛病还是真实世界的反映。若经确定过于敏感来自前者, 则应
考虑修改有关 的结构与方程式, 必须重新 分析真 实系统, 重新构 思, 考虑是否 需要更详 尽
地描述系统的结构。若结构上无问题, 符合真实系统的机制, 则应尽可能把有关参数估准。
倘若在此情况下真实系统确实具有同样的敏感性, 那么最好还是去寻找其他更好的、不依
赖此参数值的政策。
政策灵敏度分 析可带来一个重 要的收获 是弄明不 敏感的那 一面, 即确定 模型行为 对
哪些参数的变动是不敏感的。若参数变动已越出选定范围, 而得出的政策分析仍然有效,
则这些参数值的估计准确度毋须超出此选定的范围。如果政策分析是主要目的, 只要政策
分析的结论不受参数的变动的影响, 则对模型的数值灵敏度, 甚至行为灵敏度不必过于关
・ 21 9・
注。从理论与美学的角度考虑, 或许三种类型的不敏感性均需齐备, 但从实用角度看实际
上仅主要考虑对政策变动的不敏感性一项。

10．2．2　 参数与结构

本段着重讨论 测试模型的参数 灵敏度, 同时也 讨论模型 对于改 变结构与 方程时的 灵

敏度。通常, 仔细地分析实际系统就能够构思出好的反馈结构和建立相应的方程式组; 然
而有时候描述某一结构或机制的方程可能不止一种, 使得建模人员难于取舍, 这时只能在
模型调试中去解决。若各供选用的方程都使模型产生基本上相同的行为, 则可任选其一。
若它们使模型产生不同的行为, 则应将之与实际系统的行为作比较, 从而确定哪一个方程
最真实地描述客观情况。
在本章第一节 中实际上已以科 研项目管 理系统模 型为例讨 论了结 构灵敏度 的测试,
即变动 PPR OD ( 对生产率变化的察觉) 的值, 比较系统行为的改变。这里进一步讨论这个
问题。在第八章第四节讨论过同一模型的另一变量, IP ROD( 预估生产率) 的方程式为:
　 　 A 　 　 IP ROD ．K = WT R P . K ＊ R PRO D. K + ( 1- WT R P . K ) ＊ GP ROD
式中:
IPR OD —— 预估生产率( 项/ 人－月) ;
W T RP —— 实际生产率的权函数( 无量纲) ;
R PR OD —— 实际生产率( 项/ 人－月) ;
GP ROD —— 毛生产率( 项/ 人－月) 。
这是加权平均方程。此 方程中的变量 R PRO D ( 实际生 产率) 可 考虑以其他更加 合适
的变量代替, 方程改写为:
A 　 　 IP ROD . K = WT CP . R ＊ ( CP PRG . K / CU ME F F . K )
　 　 　 　 　 　 　 + ( 1- W T CP . K ) ＊ GPR OD
式中:
W T CP —— 权函数( 无量纲) ;
CPP RG —— 累计毛估完工项目( 项) ;
CU M E FF —— 累计工作量( 人－月) 。
比较两 式 可 知, 新 方 程 中 以 CP PRG . K / CU M E FF . K ( 此 比 值 称 为 计 算 生 产 率) 与
W T CP . K 分别代替原方程中的 R PR OD. K 与 WT R P．K 。
新方程的含义可解释如下: 当新项目的研制工作尚处早期阶段时, 其生产率的估计依
赖过 去的经验, 即 GPR OD( 毛生产率 ) 为 常数, 这一点 与原 方程无 异; 当研 制工作 逐渐 取
得进展后, 预估生产率 IPROD 应越来 越依赖于计算的 生产率, 即 CPPR G ( 累计毛估完 工
项目) 与 CU ME F F( 累计工作量) 的比值, 而不是原方程中的实际生产率 R PR OD。
式 中 CU M E F F ( 累 计 工 作 量 ) 是 个 新 的 状 态 变 量, 其 输 入 变 化 率 为 劳 动 力 W F 。
CU M E FF 的初始值取一较小的非零值以防止当模拟刚开始时比式分母出现‘0’的情况。
权函数 W T CP 是把原式中的 WT R P 加以修改而得。其表函数值的选择要保证 预估
生产率 IPR OD 最初完全 取决于 GP ROD( 毛生产率) , 而 当毛估 完工项目 达 60% 以后, 则
完全取决于计算生产率。当然此表函数值的取法不是唯一的, 也可以取其他一组数值。
・ 2 20 ・
 图 10．6 为改变结构之后的模拟结果。读者将它与图 8．37 仔细比较就可发现两者的
异同。劳动力 W F , 预定完工日期 SCD , 待返工项目 U R W 和累计完工情况等随时间 的变
化曲线相差甚微; 唯有毛估生产率 PPR OD 曲线有微妙的不同。修改结构前, PPR OD 变化
率呈 S 形, 而修改后的 PPR OD 1 在时间过半后基本上是线性的。

图 10．6　 比较变动 IP ROD( 预估生产率) 的方程式前后的模型行为

上述不同的原因 何在呢? 主要由于 修改结构前的 WT R P 呈 S 形, 使 PPR OD 亦 呈 S

形; 而修改结构后, 方程式的第一项的值 W T CP 与计算生产率的乘积, 在时间过半后 基本
上呈线性变化。尽管有这一微小不同, 但还是可以认为上述结构的变动并不使模型的行为
发生太大的变化。也就是说模型行为对这一结构的变化是不敏感的, 其强壮性是好的。
可以认为, 模型结构是决定模型行为的主要因素。一般说, 变动结构对模型的行为会
有较大影响。结构的最大变动就是改变系统的界限, 它可使模型行为发生很大的变化。因
此设定界限从建模工作的第一步起就应给予重视。

10．2．3　 对参数变化的不敏感性

更改参数对模 型行为的影响没 有像改变 反馈、变化率与 状态变 量的结构 所带来的 影

响那样大。改变某一参数而不影响模型行为的情况是常见的。当然, 数值会有所变化但模
型行为的模式往往基本上不变。这里将以科研项目管理系统模型为例探讨为何具有反馈
结构的模型会显示这种的强壮性。
图 10．7 给出把 GP ROD( 毛生产率) 由原来的 1 改为 2 后模型的模拟结果。结果颇令
人惊异! 科研项目的完工时间仍然需要 48 个月。当 GPR OD 增加了一倍后所有变量的行
为仍保持与 GPR OD 未改变前相同的模式。不过请注意, 某些变量在数值上有很大变动:
劳动力( 工作人员) WF 大约减了一半, 而毛估生产率 PPR OD 提高了一倍。这是符合实际
・ 22 1・
的, 因 为当工作人员的生 产率提高了一倍, 项 目管理者 仍将执行 预定的 完工期限 为 40 个
月的计划, 既然生产率提高了一倍, 工作人员人数也就可以减半。至于推迟完工期限的机
制仍与修改前的基本模拟相同, 是由于返工问题的影响。使 GPR OD( 毛生产率) 减半亦可
进行类似的模拟运行。

图 10．7　 GP RO D 为 2 时科研项目管理模型的模拟结果

再 如改 变初始 值 IPD ( 给 定的初 始项 目数) , 令 IP D 增加 50% , 由 1200 项 增为 1800

项, 但模型的行为模式并无改变。因为完工期限仍为 40 个月, 为了完成增加的任务, 则必
须增加工作人员。虽然劳动力人数增加了, 但它随时间变化的模式不变。由于返工问题完
工期仍然要延长 8 个月。反之, 降低 IPD 结果亦同, 只是相应地减少雇佣人员数。因此可
以说, 模型行为对变动给定状态方程的初始值是不敏感的。
由上述可得出结论, 此模型对参数变化显出较高的数值灵敏度, 但模型对参数变化的
行为灵敏度却是低的。
这些例子和从中引出的结论对初学者可能感到意外。部分原因是人们习惯地认为减
少任务或提高劳动生产率必定缩短完工期, 即使完工期限预定为多少个月也不予考虑。
这里再以 改变 FSA T ( 项目合 格率) 为例 讨论参数 灵敏度问 题, 并进而揭 示改变参 数
与导致结构变化的关系。设 F SA T 由原来的 0．7 改为 0．5, 大体减了 30% 。项目管理模型
模拟结果如图 10．8 所示。由图可知, 项目完工期限为 58 个月( 基本模拟为 48 个月) 。虽
然如此, 模型行为的模式仍无变化。 但是若把 FSA T 增至 1, 则模型行为 与 FSAT 为 0．5
时的行为相比就有很大不同。请读者把图 10．8( F SAT = 0. 5) 与图 10．1( FSA T = 1) 加以
比较, 就不难得出这一结论。当 F SAT = 1 时, 返工问题已不复存, 也就没有突破预定计划
的问题 了。因此我 们不能 再认为当 FSAT 增 为 1 时 模型行为 对 FSA T 的 变化是 不敏 感
的。进一步对此加以追索, 可以发现, 当 F SAT 由 0．5 变为 1 时, 由量变最终导致质变, 实
际 上 已 改变 了 模 型 中 的反 馈、变化 率 和 状 态 的 结 构。 具 体 说, 和 返 工 问 题 有 关 的 状 态
U RW ( 待返工项目) , 其变化率与反馈链都一并勾销了。正是这一结构的变动导致模 型行
・ 2 22 ・
为由图 10．8 变为图 10．1。
由此可见, 分析参数灵敏 度有助于掌握 参数变 化与结构 相应关 系和参数 数值的合 理
范围, 同时分析参数灵敏度也有助于确定由于改变某些参数有否量变引起质变, 从而导致
结构变动的可能性。

图 10．8　 合格率 F SA T 由 0．7 减为 0．5 时, 科研项目管理系统模型的模拟结果

10．2．4　 系统动力学模型对参数变化的不敏感性

迄今所述的灵 敏度测试表明, 系统动力 学模型 表现出对 参数变 化相对地 不敏感的 特

性和强壮性。有些读者对此持有异议, 但事实却雄辩地支持这一观点。譬如说, 我们用一
些随时间变化 的模式的组合来 描述研究项目 突破预定 计划问题, 这 些模式事 实上不受 大
多数参数的变化的影响。若项目管理模型被用作政策分析的工具, 则毋须对参数的数值提
出过高的准确度要求。突破计划定量上的度量与有关的相对成本问题将留到政策推荐一
节中去评论。
为何系统动力学模型对于参数变化的灵敏度低于对结构变化的灵敏度? 为何与其他
类型的定量模型相比, 系统动力学模型有较小的数值灵敏度? 其基本原因有二。首先应加
以考虑的是主反馈回路的作用。所谓主回路系指在反馈结构中, 在一定时间内该回路对模
型行为模式的形成起主要作用。譬如, 当一个国家的人口正处在增长时期, 包含诞生率的
正反馈回路的 作用超过企图制 止人口增长的 负反馈回 路的作用, 它 成为诸反 馈回路中 的
主回路。这时若改变非反馈回路中的参数, 对系统行为的影响将是微乎其微的。
系统行为呈复杂纷繁的原因还在于模拟过程中主回路通常在数回路间发生转移。当
变动某参数时 可能在一段时间 内对运行过程 中的一部 分起作用, 但 在其余时 间与对其 他
部分不发生任何影响。例如在科研项目管理模型中 改变 W FA T ( 劳 动力调整时间) , 只对
模拟初期发生影响, 但后来就不起作用了, 因为雇佣率后来主要取决于另外一个包含权函
数 W CW F ( 反映管理人员的意愿) 的反馈回路。
・ 22 3・
 另一重要原因是反馈回路的补偿作用。当改变某一参数时, 固然可加强或削弱某一回
路, 但由于系统动力学模型的多回路特点, 与此同时将自然而然地加强或削弱其他回路去
补偿前述的相反作用, 其结果则是对模型行为影响甚微或毫无影响。例如前面已讨论过改
变 GPR OD ( 毛生 产率) 在科研项目管理 模型中的影响, 一方面 GPR OD 改 变生产率, 而劳
动雇佣回路却补偿 GPR OD 的影响, 使模型的行为基本不变。从控制理论的角度来分析,
包含负反馈回路的系统具有补偿参数变化的功能。这一点在工程反馈控制系统中是常见
的, 电子线路中的参数稳定放大器, 蒸汽机的速度调节装置等都包含有负反馈作用。社会
经济系统虽然 比工程系统复杂 且高级得多, 它也同 样包含有 与工程 系统类似 的反馈控 制
结构。
反馈补偿作用是实际系统和系统动力学模型的共同特性。它是实际社会经济系统呈
现顽强抵制企图改变系统行为的政策的原因。或者说, 这类系统对参数变化是相对地不敏
感的。一个设计精致的、再现实际系统的反馈控制机制的模型应能显示和实际系统相同的
行为和特性, 并具有较好的强壮性。

10．2．5　 改变初始值进行参数灵敏度的测试

系统动力学模 型的参数灵敏度 测试问题 的另一个 内容是改 变初始 值的测试, 下面 以

科研 项目管 理系统模 型中的两 个状态 变量的初 始值, W FN ( 劳动 力初 始值) 与 SCDN ( 预
定完工期限初始值) 为例进行讨论。这两个初始值的表达式为:
N 　 　 WF = WFN
C 　 　 W FN = 2
式中:
W F —— 劳动力( 人) ;
W FN —— 劳动力初始值( 人) ;
N 　 　 SCD = SCDN
C　 　 SCDN = 40
式中:
SCD—— 预定完工日期( 月) ;
SCDN —— 预定完工日期初始值( 月) 。
在 DYN AM O 中只需用 C 语 句对 WFN 与 SCDN 赋 予新 的值 就能进 行改 变初始 值的 新
模拟。
先讨论改变 SCD 初始值的灵敏度测试, 令 C 方程 SCDN= 30( 月) ( 即由原来的 40 个
月减为 30 个月) , 模拟结果如图 10．9 所示。预定完工日期限为 38 个月, 较基本模拟运行
时缩短了, 这是由于返工问题突破计划, 推迟完工期为 8 个月。由图可见, 为了缩短完工期
必须雇 佣较基 本模拟运 行时更 多的 工作 人员。尽 管改 变 SCDN 值后 模拟 结果有 这些 变
化, 然而模型行为的模式并未受影响。
　 　 图 10．10 是把 WFN 由原来的 2 人增为 30 人的模拟结果。由于初始工作人员比基本
模拟运行增加 了 15 倍, 劳动力变 化曲线与基 本模拟运 行时不同, 原 有的增长 的起始部 分
不复存在了, 可假定地认为在模拟开始之前劳动力增长过程已提前进行了。此外, 图中其
・ 2 24 ・
 图 10．9　 S CDN = 30 时科研项目管理模型的模拟结果

图 10．10　 WF N = 30 时科研项目管理模型的模拟结果

他曲线与原来无多大差别。
图 10．11 是把 W FN 由原来的 2 人增为 100 人的模拟结果。 显然初始人员 100 人是
大大超过为完成任务的实际需要, 科研项目主持人从一开始就会作出决定, 把人员裁减下
来。在头 10 个月里由 100 人减至 28 人, 以后又略有回升。再看其它变量, 在人员大量裁
减下来之前的 头十个月里, 由于有大量的 工作人 员, 完 工速度很 高, 累计完工 项目增长 很
快。但是不久待返工项目也增长较快, 向项目主持人敲起了警钟, 人员不足应再增加雇员,
所以从第 15 个月以后 WF ( 劳动力) 又逐渐回升至 37 人。尽管有初始的超额人员, 使初期

・ 22 5・
完工项目剧增, 然而最终的完工期为 47．5 个月与基本模拟运行相差不多。其原因在于该
模型主要回路及其他反馈回路的补偿作用, 如 10．2．4 节中所述。
基于上述可知: 科研项目管理模型对于劳动力的 初始值( W FN ) 的变化是有一定 敏感
性的, 但对于预定完工期初始值( SCDN ) 的变化却是不敏感的。

图 10．11　 WF N = 100 时科研项目管理模型的模拟结果

10．2．6　 变动表函数的测试

表函数可视作一组参数或其系数为参数的多项式的近似。不论对表函数如何分类, 任
何表函数与任何参数一样有其定义域和合理的变化范围。同一表函数可能为一组曲线, 各
曲线 的斜 率应 在合理 的范 围内, 其形 状应 与典型 的样 式相 近, 并 都共 有某 些参 考点。 图
10．12 为库存对交货率的影响表函数 E IS 曲线, 此表函数 为一曲线簇, 图中只给出虚 线和
实 线两条, 它 们都共有参考点 ( 0, 0) 与( 1, 1) 。图 10．13 与图 10．14 给出了土 地占用系 数

图 10．12　 库存对交货率的影响函数 EIS 图 10．13　 土地占用系数对企业建设率的影响

L FO 对城市、企业建设率的影响曲线。固然它们不尽相同, 但它们的斜率值与变化趋势在
・ 2 26 ・
共同的合理范围内, 它们也都通过参考点( 0．6, 1) 与( 1, 0) 。
和必须进行参数灵敏度测试的道理
相同, 应对 在合 理范 围内 变 化的 表函 数
进行测试。测试步骤颇简单, 把改变表函
数前后的模拟结果加以比较就是了。改
变 表 函 数 前 的 模 拟 称为 模 型 的 基 本 模
拟。首先测试两种极端情况, 若模型行为
未发 生重要 变化, 则 可得 出 模型 行为 对
表 函 数 值 在 合 理 范 围变 化 不 敏 感 的 结
论。然而, 若模型行为发生重要变化, 则
对此 表函数 应给 予关 心与 重 视, 仔细 地
研究 它与模 型行 为的 内在 关 系, 有时 候
图 10．14　 土地占用系数对企业建设率的影响
或许应考虑重新建立方程式。
构模的思路要保持清晰, 颇为重要的是应区别下述两种情况。一种是改变表函数后足
以变动模型的结构; 另一种是对模型的反馈结构、变化率与状态的结构不产生根本性的影
响。值得指出的一点是当改变表函数参数时, 应严格局限在其合理的范围内, 否则可能得
出关于灵敏度的错误结论。
图 10．15 给出土地占用比例 L FO 对企业建设的影响的表函数 EL BC 。图中虚实两条
曲线几乎重合, 但却表示基本上不同的 假设: 虚线 的表函数是当 L FO 为 1 时, E LBC 取值
, 它意味着假定即使土地已全部被占用完, 城市建设仍可 永远继续扩展下 去, 显然如 此假
ε
定是荒谬的, 站不住脚的; 实线的表函数则是合理的。可以肯定, 若城市模型用虚实两个曲
线分别加以模拟, 将得出两种绝然不同的模型行为。只要当 LF O = 1 时, EL BC 函数( 它可
包含一 簇曲线) 取值 为 0, 它将 保持土地 占用完 后停止扩 建的假定, 则 变动 E LBC 函数 值
不改变模型的行为模式。结论是, 上面述 及的城市模型, 在 L FO = 1 时, 对改变 E L BC = 0
的假定十分 敏感, 但对 于在恪守当 L FO 为 1 和 E L BC= 0 的条件下, 变动 EL BC 的值( 当
L FO < 1 时) , 却很不敏感。

图 10．15　 城市发展模型中, 土地占用系数 图 10．16　 科研项目管理模型中表函数 T DRW

LF O 对企业建设的影响函数 EL BC ( 返工项目检出时间) 的替代曲线

・ 22 7・
 下面 再以科研 项目管 理系统模 型中的 T DR W ( 返工项目 检出时 间) 为例讨论 表函 数
的测试问题。图 10．16 表示模型中 T DR W 的原表函数值( 实线) 与替代值( 虚线 A 与 B ) 。
曲线 A 与原曲 线具有相 同形状, 只是 起始值 由 12 个月 减为 6 个月。 图 10．17 为 模拟 结
果。曲线 B 与原线起始部分重合, 但下降较快。其模拟结果示于图 10．18。
图 10．17 与 10．18 表明替代曲线 A 与 B 的模拟结果, 与基本模 拟运行的结果基 本相
似。因此可认为模型行为对表函数 T DRW 的变化是不敏感的。

图 10．17　 科研项目管理模型表函数 T DRW 取曲线 A 时的模拟结果

图 10．18　 科研项目管理模型表函数 T DRW 取曲线 B 时的模拟结果

10．2．7　 模型灵敏度的重要性

作为本节的结束讨论一下分析模型灵敏度的意义。灵敏度分析能定量地测定模型对
变动参数、结构的行为灵敏度与政策灵敏度之高低, 进而判断模型强壮性之优劣。若模型
・ 2 28 ・
模拟揭示出模型中某参数或表函数对模型行为有重大影响, 则有三种对策可供采用, 它们
在不同条件下都是合理的。
首先, 高灵敏度表明该参数或表函数易引起异议, 应仔细加以估计。若以模型为基础
分析得出的结论与某参数有关, 而该参数有数个可供选择的窄小范围, 那么对此参数应极
其细心地加以估计, 以便确定哪个范围是合适的。
其次, 部分地或总体地改写模型的方程式使模型更准确、更详尽地反映实际系统的结
构。这一改写可能包含把某一常数改为可形成新反馈结构的变量, 把某一表函数代之以含
有一个或多个状态与变化率的反馈结构。上述努力的目的都在于排除模型行为对某参数
的高灵敏度。高灵敏度的产生往往源自在建模过程中人为地过分简化模型的结构。经改
写重建方程以后使模型的结构更细致、更准确地捕捉了实际系统的反馈结构, 于是由于主
回路和反馈回路的补偿作用, 将有助于减小或消除原模型中存在的不合理的高灵敏度。
上述对策能有效地减小或消除模型中不合理的高灵敏度, 从而提高模型的强壮性。
第三, 高灵敏度可能预示着实际系统中存在一个相应的敏感点, 若在此施加作用力或
干扰将对系统产生重要的影响。然而应该指出, 作出上述判断与采取如此对策必须基于精
心地构模, 模型的结构确实符合实际系统或适合于所要解决的问题, 而且模型中的参数与
表函数经过严格设计与调试。

§ 10. 3　 模型方程的精炼与重构

建立系统动力学模型是一个不断反复循环上升的过程: 要经过构思; 建立方程; 模拟;

应用模型; 评估和改进模型等步骤。在每一小阶段中, 模型的各部分都可能被重构、重写方
程、被提炼甚至被删去或者添加新的结构。上述反复过程的最终目的是为了构造出与实际
系统高度一致的模型, 使它符合建模的目的和要求, 并用于解决实际问题。本节讨论改进
与重 构模型 的思考与 方法。主要 包括解集 ( d ｉsag g rega tｉoｎ ) 、渐增 动态 假定、添加 反馈 结
构、改常数为变量 和引进政策评估 ( 对于社 会经济系 统) 准则等。最 后将讨论 很重要的 问
题, 建模过程何时终了。讨论中仍以科研项目管理系统模型为例, 并加以改进与部分重构。
修改后的模型将作为第十三章决策分析讨论的基础之一。

10．3．1　 模型动态假设渐增法

系统动力学模 型强而有力的特 点之一, 就是它 能同时把 多个有 关产生问 题的原因 的

假定组合在一起, 并加以比较, 确定这些假定中哪个( 些) 与产生问题的行为有关。
用系统动力学 模型确认假设与 系统面临 问题的关 系的最简 便做法, 是利 用反复逼 近
的构模方法。其思路为: 先从某一个较清晰的动态假定入手建立方程并进行模拟, 然后在
修改 阶段中 逐渐 加入其 他可 能与 所要研 究的 问题行 为有 关的 假定, 并一 一加 以模 拟、比
较, 直至确认假设与问题行为的关系为止。
在科研项 目管理模型的建 模过程中, 第一步是 籍助“未发现 待返工项 目”的概念建 立
动态假设的方程。当时暂时忽略了竞争因素, 现在我们遵照动态假设渐增的方法, 引进一
个新变量 CPD ( 新给定项目数) , 有关方程如下:
・ 22 9・
 A 　 　 CPD. K = T A BL E ( T CPD, FCOM P. K, 0, 1, . 2)
T 　 　 T CPD = 800/ 830/ 900/ 1000/ 1140/ 1200
N 　 　 FPD= T ABLE ( T CPD, 1, 0, 1, . 2)
A 　 　 FCOM P . K = CRP RG . K / FPD
式中:
CPD —— 新给定项目( 项) ;
T CPD —— CP D 的表函数;
F PD —— 给定的最终项目( 项) ;
F CO MP —— 完工比例( 无量纲) ;
CR PR G —— 累计实际完工项目( 项) 。
CPD 为 F CO MP 的函数。
改动后的 CP D 的 方程式反 映了如下 情况: 初期对 任务的规 模低估 了, 然 后项目数 由
800 项起始渐呈 S 形增长, 最终达 1200 项。而 在原来的简单模型 中( 见 8．4．5 节) 给 定项
目数是不变的, 始终为 1200 项。以表函数表达 CPD 给测试带来方便, 可作关于给定 任务
情况的各种假设。为了便于比较, 最终给定项目数 FPD 应始终为 1200 项, 方程中巧 妙地
应用表函数来实现。此外, 读者或许已注意到, FPD 始终取 CP D 的最终值, 而 CPD 正如前
述可以根据要求作各种假设和变化, 因此 FPD 的值将自动地调整。

10．3．2　 添加反馈结构

在模型现有的变量间增添附加的反馈环节是重写模型方程式最一般的方法。新反馈
链的构思与方程的书写步骤均同第八章第四节所述。
作为例子我们把原科研项目管理模型中的变量 APPR G ( 毛完工率) 和 FSAT ( 合格系
数) 的方程式加以改写, 引入新的反馈链。在 APPR G 的方 程式增添辅助变 量 E SP GP( 预
定完工期压力对毛生 产率的影响) , 在 FSAT 的方程 中引入辅助变量 E E XP FS ( 经验 对合
格系数的影响) 与 E SPFS( 预定完工期压力对合格系数的影响) 。主要改动如下:
A 　 　 A PPR G . K = W F . K ＊ GPR OD . K ＊ E SPGP . K
A 　 　 E SPGP . K = T A BL E ( T E SPGP , ICD. K / SCD. K , 0. 9, 1. 2, 0. 05)
A 　 　 FSAT . K = NF SA T ＊ E E XPFS . K ＊ ESPFS . K
C　 　 N FSA T = 0. 7
A 　 　 E E XP FS. K = T ABLE ( T E EXPF , FE XP . K , 0, 1, . 2)
A 　 　 E SPF S. K = T ABLE ( T E SPFS, ICD. K / SCD. K , 0. 9, 1. 2, 0. 05)
式中:
A PPR G —— 毛完工率( 项/ 月) ;
　 W F —— 劳动力( 人) ;
GP ROD —— 毛生产率( 项/ 人・月) ;
E SPGP —— 预定完工期压力对毛生产率的影响( 无量纲) ;
ICD—— 预估完工期( 月) ;
SCD —— 预定完工期( 月) ;
・ 2 30 ・
 F SA T —— 项目合格系数( 无量纲) ;
N FSAT —— 额定项目合格系数( 无量纲) ;
E E XPFS —— 经验对合格系数的影响( 无量纲) ;
F E XP —— 有经验劳动力的比例( 无量纲) ;
E SPFS—— 预定完工期压力对合格系数的影响( 无量纲) 。
这里不逐一讨论这些变量与方程, 仅对一些要点略加 说明。 EE XPFS 为 FE XP ( 有经
验劳动力的比例) 的函数。它基于假定相应于不熟练劳动力( 或工作人员) 的项目合格系数
要比有经验劳动力的合格系数小。预定完工期压力的影响为 ICD / SCD 的函数, 当 ICD ( 预
估完 工期) 大于 SCD( 预定完 工期) 压力开 始增 长, 此 比值 越大 表明完 工期 越是落 后于 预
定期。E SPGP 与 E SPFS 两个变量的假定是当预定完工期压力增 加时, 使 毛生产率增加,
但使项目合格系数减小。在此, E SPGP 实际上是代表加班的作用。E SP GP 更合理的假定
应是先随 ICD / SCD 的比值增加 而增加, 出 现峰值后则随 ICD / SCD 的增大而减 小。但为
简明起见, 这里仍采用前一种假定。
此外, 由于 ESPGP ( 预定完工期压 力对 毛生产 率的 影响) 反映 加班 的作 用, 因 此它 还
应对状态变量 CU M E FF ( 累计工作量) 的方程发生影响, 其方程表达式为:
L 　 　 CU M E FF . K = CU M E FF . S + DT ＊ ( W F . J ＊ ESPGP . J )
式中:
CU M E FF —— 累计工作量( 人－月) ;
W F —— 劳动力( 人) ;
E SPGP —— 预定完工期压力对毛生产率的影响( 无量纲) 。
式中的 E SP GP 对 CU ME F F 的变化率起修正作用。ESPGP 是 ICD/ SCD 的函数。它
假 定 当 ICD / SCD > 1 时, 有 E SPGP > 1, 它 反映 加 班 的 作 用。 变 化 率 经 修 正 后, WF ＊
E SPGP > W F, 所 以 使 CU M E FF 增 长 加 快, 反 过 来 若 ICD/ SCD < 1, 有 E SP GP < 1, 则
E SPGP 的作用使 CU M E FF 增长减慢。

10．3．3　 改常数为变量

在方法上把常数改为变量与在模型中添加反馈链只有微小的差别。一个常数可改为
状态变量或辅助变量。作为例子, 下面将如何把额定合格系数 N FSA T 改成辅助变量作一
说明。其方程如下:
A 　 　 N FSA T . K = T A BL E ( T N FSA T , FCOM P . K , 0, 1, . 2)
T 　 　 T N FSA T = . 5/ . 55/ . 63/ . 75/ . 9/ 1
式中:
N FSAT —— 额定合格系数( 无量纲) ;
F CO MP —— 毛估完工百分比( 无量纲) ;
T N FSA T —— NF SA T 的表函数值。
构思 NFSAT 变 量的假 定在于: 科研设 计任务 其初期与 收尾阶 段的工作 情况是大 不
相同的。在初期课题工作的特点是, 讨论明确任务与要求, 方案的论证和绘图等; 到中期,
制造原型机和模型实验; 到尾期, 分析总结研究结果、写报告和整理文件等。显然在初期需
・ 23 1・
要有较多的反复与返工, 因此合格系数应小些, 其趋势呈 S 形, 由 0．5 逐渐增至 1。

10．3．4　 状态变量的解集

将一个集中度 较高的状态变量 分解成为 多个状态 变量在前 几章中 已涉及, 如简单 的

传染病模型、龄群老化链和物流延迟等, 都是将一个状态分解成多个状态的实例。分解将
遇到两个问题, 一是分解的技术问题, 二是何时需要分解。分解的技术问题业已解决, 不再
赘述; 本节只讨论第二个问题, 在什么条件和情况下需要分解( 即解集) 。
把一个状态变量改写成两个或更多的状态变量, 主要出于两方面的考虑: 政策分析与
改进模型行为的需要。以社会经济系统的例子来说, 鉴于政策分析的需要常常把一个状态
变量分解成多个变量。为了研究人口在农村与城市中的不同增长规律及农村人口城市化
问题, 至少应把人口分成两个状态变量。如果要进一步分析不同年龄组的人口问题, 则还
应按需要划分年龄组。于是研究人口问题的模型( 或子块) 可能包含数量极不相同的人口
变量。譬如说可能只包含 1 个或两个人口状态变量, 4 个或 15 个甚至 66 个人口状态变量
等等。上述分解状态变量的做法纯出于政策分析的需要, 若无政策分析方面的特殊要求,
分解或过细分解的做法就成为多余的事了。
采取分解的另一方面的考虑是为了使模型能更好地反映实际系统的行为。首先分析
一下, 把一个状态分解 成两个或更多的 状态是否 能使模 型的行为 发生显著 的变化。若 可
能, 就值得一试。并同时权衡一下得失,“ 分解”为模型行为带来多大程度的改善, 又如何使
模型复杂化。至于究竟在模型中是否采用分解的做法, 最终的仲裁者是对模型为基础的政
策分析的要求。若分解状态变量带来模型行为的变化足以改变政策分析的结论, 则分解就
是十分必要的。
值得注意的是当进入改进模型的工作阶段时, 构模者仍然要如同刚开始构模时那样,
极力避免陷于一种错误思路, 企图把状态变量分解成同真实系统一样。若“分解”并不为模
型行 为与政 策分 析带来 益处, 那 么它就 成为 一种 多余的 装饰, 还 可能使 构模 者分 散注 意
力, 抓不住关键所在。
下面介绍分解状态变量的例子和其它有关分解状态变量的问题。
( 1) 科研项目管理模型中状态变量劳动力( W F) 的分解
原基本模型中, 劳动力 WF 为一个状态变量, 雇员不分新老一样对待。我们可考虑把
劳动力分解为两个状态变量, 一个代表熟练雇员, 一个为新雇员。这样做是出于政策分析
与改善模型行为的考虑。可以假定新雇员完成任务的速度要比熟练雇员慢, 当新增一批雇
员时, 在他们成为熟练雇员之前项目完工速度不会突增。也就是说雇员由新手变成熟练有
一个延迟过程, 有否此延迟作用对模型的模拟结果影响是很大的。分解劳动力状态变量结
果表明, 在模型中可加一个新的政策杠杆作用点。当把劳动力分解成两个状态后, 可模拟
雇员培训计划对加速新雇员转化为熟练雇员和对提高生产率的影响。
图 10．19 给出两个状态的劳动力流图的结构。
其相应的 DYN AM O 方程如下:
A 　 　 WF . K = EXPW F. K+ N EW WF . K
L 　 　 E XPWF . K = EXPW F . J + DT ＊ W FAR . JK
・ 2 32 ・
 N 　 　 E XPWF = E XPW FN
C 　 　 E XPWF N = 2
R 　 　 W FAR . KI= N E WW F. K/ A SM T
C 　 　 A SM T = 6
L 　 　 N E WWF . K = NE WW F . J+ DT ＊ ( HR . JK - W FA R. JK )
N 　 　 N EW WF = NE WW FN
C　 　 N E WWF N = 1
式中:
W F —— 劳动力( 雇员) ( 人) ;
E XPW F —— 熟练劳动力( 人) ;
N E WW F —— 新劳动力( 人) ;
W FA R —— 新 劳动 力 成熟 率 ( 人
/ 月) ;
E XPW FN —— 熟 练 劳 动 力 的 初
始值( 人) ;
图 10．19　 科研项目管理模型把劳动力
A SM T —— 劳动力成熟所需 时间
分解为两个变量的流图
( 月) ;
N E WW FN —— 新劳动力初始值( 人) ;
H R —— 雇佣率。
雇佣 率 仍 取 原 模 型 中 的 方 程 式 ( 参 见 8．4．5 节 ) 。读 者 可 能 注 意 到 为 简 化 起 见
E XPW F ( 熟 练 劳 动 力 ) 的 方 程 中 无 输 出 变 化 率, 唯 当 W FA R 变 成 负 值, 即 只 有 当
N E WW F ( 新劳动力) 为负 值时, E XPWF 方能降低。此等 怪事当然是此方 程式的弱点, 读
者可 自行在 状态 变量 E XPWF 上加 上简 单的输 出变 化率, 诸如 退休 与调离, 然而 再细 琢
磨一下现有的两状态变量劳动力结构, 发现它基本上能描述劳动增减的实际情况。当需要
减少雇员时( HR 变为 负值 ) , 自 然首 先是 辞退 新 雇员 ( N E WWF ) , 当 NE W WF 成 为负 值
时, WF AR 亦为负, 则使 E XP WF 减少。当然 E XP WF 不能为负值, 否则就会完全违 背事
实了。幸好建模是面向问题的, 所以此模型的模拟不大可能出现这种情况。
( 2) 分解状态变量的后果
明显的一个后果是使方程式数目增加了。另外, 主要的是它改进了模型的结构。再以
科 研 项 目 管 理 模 型 为 例 进 行 讨 论, 当 把 劳 动 力 分 解 成 新 雇 员 N E WW F 与 熟 练 雇 员
E XPW F 两个状态后, 原模型的毛生产率 GPR OD( 为常数) 应加以修改。最简便的方法是
仿照 GPRO D 为 NE W WF 和 E XPW F 各赋予一个常数。这里讨论另一种做法, 方程如下:
A 　 　 GPR CD. K= N GP ROD＊ E E XP GP. K
C 　 　 N GPR OD= 1
A 　 　 E E XP GP. K = T A BL E ( T E E XPGP, F E XP . K , 0, 1, . 2)
T 　 　 T E E XPG = . 5/ . 55/ . 65/ . 75/ . 85/ 1
A 　 　 FE XP. K= E XP WF . K / NE W WF . K
式中:
・ 23 3・
 GP ROD　 —— 毛生产率( 项/ 人・月) ;
N GPR OD —— 额定毛生产率( 项/ 人・月) ;
E E XPGP —— 经验对毛生产率的影响( 无量纲) ;
T E E XPGP —— 表函数 E EXPGP 的值( 无量纲) ;
F E XP —— 熟练雇员的比例( 无量纲) 。
毛生 产率由 常数 改为变 量, 等 于额 定毛 生
产 率 N GPR OD 乘 以 表 函 数 E E XPGP,
E E XPGP 代 表雇 员 熟练 程 度 对 毛生 产 率 的 影
响。此 表 函 数 值 如 图 10．20 中 的 实 线 所 示。
E E XPGP 表函数 的合 理可 能域 则为 虚 线 A 与
B 所包围的区域。下面讨论一下 A 与 B 两直线
的来历。
先讨论虚线 A 即 E E XPGP A 的方程式。
假定 新 雇 员的 平 均生 产 率 为 0．5, 熟 练 雇
员为 1。则 E E XPGP A 作 为 FE XP 的函 数可 写
为:
图 10．20　 表函数 EE XPG P 的合理可能域
E E XPGP A = f ( FE XP)
= ( 0. 5) ( 1- FE XP) + ( 1) ( FE XP )
∴ E E XPGP A = 0. 5+ ( 0. 5) ( F EXP )
显然这是线性函数, 如图中 A 线所示。A 线的两个特殊点为( 0, 0．5) 与( 1, 1) , 它们是很容
易确定的。
若设新雇员的平均生产率为 0, 依同理可得另一条虚线 B , E EXPGP B 的方程式为:
E E XPGP B = 0+ ( 1) ( F E XP )
= FE XP
我 们 建 议 E E XPGP 的 合 理 值 取 实 线 值 所 示, E E XPGP 实 。 除 了 两 特 殊 点 外,
E E XPGP 实 的值都略 小于 E E XPGP A 的值。这是 考虑到在新雇员转 化为熟练雇员的 过程
中, 需 要对新雇员做许多 培训工作, 使熟练雇 员的工作 效率有所 降低, 因此除 两个特殊 点
外, E E XPGP 实 应较 E E XP GP A 小一些。此外 E E XPGP A 与 E E XPGP 实 的起始也可取高于
或 低于 0．5, 这 要看 实际 情况 作出 合 理的 假 定。或 许 有人 要 问 E E XPGP 是 否 可取 低 于
E E XPGP B 的曲线? 这样假 定意 味着新 雇员 的生 产率为 负值, 如 果说在 新雇 员到 来的 初
期, 如此假说 还是有一 定的道 理的, 但若 假设自 始至 终 EE XPGP 都低 于 E E XPGP B 则 就
不合理了。因此较合理的假定应是取 E E XPGP 实 值大于 EE XPGP B 的值。

10．3．5　 引进政策评估指标准则

为了使社会经济系统模型能反映政策执行与实施的有效性与客观效果。模型中可引
进某些政策评 估的指标与准则, 诸如: 在企 业经营管 理中的成 本、利润、财政增长 等; 在 宏
观经济模型中也可引进类似的评价政策有效性的指标。根据实际系统中的不同情况, 在模
型中设定相应的指标与准则, 还有助于在进行系统的研究与模型测试时, 使问题更加集中
・ 2 34 ・
与突出。
再以科研项目管理模型为例, 如前所述, 人们关心的主要问题是劳动力与项目计划的
突 破 问 题。此 外, 管 理 人 员 也毫 无 疑 义 地 关 心 成 本, 因 此 在 原 有 方 程 中 引 进 成 本 变 量
COST 的方程式:
A 　 　 COST . K = CU M EF F. K＊ CPM M
C 　 　 CPM M = 3000
式中:
CU M E FF —— 累计的工作量( 人・月)
　 CPM M —— 人・工时的成本( 元/ 人・月)
CU M E FF 的方程前已述及。若假定在无返工情况下, 生产率为项/ 人・月, 1200 项任务需
1200 人・月才能完工, 而成本为 1200× 3000= 360 万元。有了成本 COST 变量, 就可方便
设置其它评价成本有效性的指标, 便于研究如何使雇员数与成本都尽量小。

10．3．6　 建模过程何时终了

当谈论建模何 时是终结的问题 时要把它 和一定的 明确要求 与目的 联系起来, 否则 很

难给予回答。若泛泛地说则一个模型的修改与改进过程是无止境的。联系一定的目标与
要求来评价一个模型的进展情况就容易得多。
下面给出一些 判断模型进展程 度的看法 供读者参 考: 如 果你确 信模型已 达到满足 预
定目的并与实际系统高度一致, 则建模工作已完成。
如果你认为再 花功夫修改模型 得到的边 际效益已 低于边际 成本, 则改进 工作应立 即
停止。
如果模型已变得越来越大和越来越复杂, 甚至使你自己也感到茫然无措, 则应立即停
止修改和扩大, 并使模型倒退回到适当的规模。
一般的倾向总是对模型要求过高过多, 走得过了头, 这种情况应注意防止。
最后应该指出, 没有终极的模型也没有十全十美的模型。

10．3．7　 科研项目管理模型修改后的程序与模拟结果

( 1) 考虑打印和绘制哪些变量, 包括设计适当的坐标比例。
( 2) 打印出基本模拟运行时主要状态变量的初始值与最终值。
( 3) 模型修改后的基本模拟结果:

时　 间 劳动力 额定完工期 累计完工量 成　 本

( T IME ) ( WF ) ( SCD) ( CU M E F F ) ( COST )
( 月) ( 人) ( 月) ( 人・月) ( 元)

E + 00 E + 00 E + 00 E + 00 E+ 3

0 3 40 0 0

61. 5 38 59 2082. 5 6247. 4

・ 23 5・
 图 10．21　 修改后模型的主要变量在模型基本模拟中行为

图 10．22　 修改后模型中新反馈变量在基本模拟运行中的行为

10．3．8　 科研项目管理模型修改后程序清单

　 　 　 ( 从略, 请读者试根据所述修改意见自行写出)

思　 考　 题

( 1) 建立系统动力学模型有哪些主要环节?
( 2) 如何 寻找系统 动力学 模型的主 回路, 在模型 的调试与 改进阶 段寻找系 统的主 回
路有何重要意义?
・ 2 36 ・
( 3) 为什么复杂系统动力学模型对参数变化不敏感?
( 4) 什么是状态变量的解集?
( 5) 在何种情况下可认为建模过程可告一段落或结束?
( 6) 根据 10．3．8 程序单在计算机上进行基本模拟运行并分析运行结果。

・ 23 7・
 第十一章　 模型正确性、有效性、信度与检验

任何模型都不能与实际系统完全一样。因为系统具有类似性, 不同结构的系统可具有
同一性质的功能, 也就是所谓同构特性, 所以有可能用模型来描述客观的实际系统。因此,
要求模型及其 行为等同于或几 乎等同于实际 系统的结 构与行为 是不恰 当的, 也是不必 要
的。然而不论是构模者还是模型的使用者( 用户) 或其他关心模型的人, 都很想知道, 基于
模型模拟得到的政策分析和有关客观系统的看法与结论, 其可靠性如何? 可信程度如何?
换言之, 也就是模型的正确性、有效性与信度如何? 确定模型的信度的研究与测试过程通
常称之为模型的检验与证实工作。

§ 11. 1　 有关模型的信度与正确性的一些概念
11．1．1　 模型的检验、证实与目的

　 　 首先, 我们 应明 确一个 前提: 离 开明确 的建 模目的 去奢 谈模 型的检 验问 题是 无意 义

的。承认这一思想是容易的, 但在实践中却容易被人遗忘。我们从一开始就强调过, 系统
动力学模型是面向问题, 强调所要研究的问题和回答在合理范围内提出的问题, 而不是面
向系统和回答一切问题。当我们谈论模型的信度时, 只能把信度的建立和对所面向的问题
的分析联系起来, 而不是硬把信度和其他不相干的问题扯在一起。简单地说, 强调建模目
的与目标起到两个作用: 使检验、证实工作集中于主要问题和有助于判断模拟结果的正确
性与有效性。
举例来说, 当你判断一个 振荡系统模 型的有 效程度时, 是侧 重于振 荡的周期, 还是 侧
重于系统在某一时刻的准确状态。这是两种截然不同的观点, 前者侧重的是系统的行为,
后者则热衷于所谓“逐点预测”。从系统动力学观点看, 应该把重点放在前者而不是后者。
观察与考虑问题的角度与侧重点不同, 则对同一模型的有效性的评价必然迥异。
因此, 在评价一项建模工作时应记住建模的目的, 切勿离开原定目的与要求去评估一
个模型的正确性、有效性与信度。当模型的使用者( 用户) 应用模型研究与回答问题时, 也
不要偏离既定目的性。值得指出的是, 模型应用者与观察者( 旁观者) 最易犯忽视模型目的
性的错误。

11．1．2　 模型的正确性与模型的适用性、一致性

从研究模型正确性的目的考虑, 可把它们转化为下面两个更加有用的问题:
( 1) 模型是否适用于原来的目的和所要研究的问题?
( 2) 模型是否和预定要描述的实际系统的那一部分一致?
正确性的字义内含着绝对的意义, 好象有效的模型就是真实的。但是一般说, 要证实
事物本身的正确性就很难, 更何况要证实模型与实际的一致性呢? 较现实的作法则是反过
・ 2 38 ・
来设法寻出其谬误之所在。因此, 关于证实模型的适用性与一致性问题, 最好是从找出模
型行为与实际情况有哪些差异入手。把问题提法改为: 在什么情况下, 模型不适用于原构
模目的或与所观察到的事实不符?
把正确性问题转述成上面两个问题后, 就更加突出了明确构模目的性的重要性。若不
考虑研制模型的目的就无法确定模型要适合于什么, 更谈不上模型是否适用。
我们认为, 系统动力学构 模者和用其他 方法的 构模者都 必须花 力气去测 试模型的 适
用性与一致性, 把模型修改得直到对这两者的要求都满意为止。如果说, 模型永远不可能
与真实世界完 全一致, 那 么应该弄清楚, 一致 性达到什 么程度才 合格了, 不一 致性的允 许
限度是多大? 众所周知, 在统计学中常见的诸如 95% 的信度区间或显著水平, 似乎是客观
的, 实际上也是依赖于主观所选择的标准的。
系统动力学构模者寻求合理的模型的适用性与一致性。若模型研制的目的是为了改
进某种政策的 实施, 那么 构模人员应与用 户合作, 共同 商定衡量 该政策 实施结果 的标准。
据此来评估模型的正确程度。

11. 1. 3　 模型的实用性与有效性

评估模型的最终标准是它的实用性与有效性。这似乎是十分显见的道理, 但我们认为
还需加以强调。
模型的实用性与有效性涉及两个主要的问题。模型在实现研究目的方面的作用如何?
模型及其模 拟结果能否被实 用? 模型的实用 性与有效 性和模型 的适用 性、一 致性紧密 相
关。若模型不适用于预定的目的与要求, 则无从谈论模型对达到目的所起的有效作用。然
而, 有效性的概念较适用性与一致性的范畴更广泛, 并且能更好地说明模型的正确性。模
型的实用性与 有效性的优劣取 决于它对于分 析研究与 解决问题、沟 通研究人 员与客观 问
题之间所起的作用。
模型实用性与 有效性好坏的度 量, 需要 一系列 包括从技 术到研 制人员主 观判断的 综
合测试与检验。对于面向政策分析研究的模型的最终检验是要看政策在实际系统中实施
的客观效果是否与模型的分析基本一致。虽然, 政策实施结果的衡量因问题与具体系统而
异, 不好划一。不过, 不管衡量的方法如何不同, 对它们共同的要求是需要一定可信度。而
信度问题需由其他方法确定。不论用何种方法, 最终还要看实际系统对政策实施的反应及
客观效果。

11．1．4　 应防止的一种倾向

在对待验证模型的问题上有一种倾向应加以避免。那就是把维护模型免受不同学派
的评头品足作为检验模型的目的。当系统动力学尚处于发展的初期阶段, 系统动力学模型
曾被其他个别 学派中的部分学 者视作异端邪 说, 并 企图用该 学派所 惯用的检 验模型的 准
则, 去否定属于完全不同类型的系统动力学模型的正确性、有效性。经过数年的论争才平
息风波。鉴于上述历史背景, 一些系统动力学构模者尚心有余悸, 一味片面地去追求用统
计的方法检验模型, 例如, 拟合优度检定, 复合相关系数估计等等去检验系统动力学模型。
当然这一类检 验对某些系统动 力学模型来说 是可用的, 但是 上述检 验模型的 出发点是 不
・ 23 9・
妥的。那不是一条建立系统动力学模型信度的正确路子。
模型研制人员常常遇到这样的问题: 模型正确可靠吗? 模型经过检验没有? 提出这一
类问题当然是合情合理的。但仔细一琢磨, 它们背后还隐含着一种想法, 认为模型检验工
作只是在模型建立后一道一次完成的手续。这一想法和系统动力学模型的检验方法是很
不同的。系统动力学模型的检验证实工作贯穿于循环反复建模过程的始终。目前尚不存
在某一单项的检验能充分地证实系统动力学模型或提供模型有效性、正确性的量度。任何
想要评价和判 断系统动力学分 析研究、解 决问题的 原理方法 与模型 的人都大 体上要经 历
构模者所走过的路程。在系统动力学领域中, 至少目前还没有一条进行模型检验的简单划
一的途径。

§ 11．2　 系统动力学模型的检验

系统动力学模型的适用性与一致性的检验过程包括许多测试方法与技巧。它们可划
分成四组: 结构的适合性 检验、模 型行为的适 用性、模型结构 与实际 系统的一 致性以及 模
型行为与实际系统的一致性。这四组中的任何一组都不足于单独地检验模型的适用性与
一致性。但是当把它们组合成一个整体时, 则形成全面的、严格的检验手段, 恰如精细严密
的滤波器, 能够把各类有严重弱点或粗制滥造的模型筛选出去, 只允许那些能反映客观实
际与系统本质的模型通过。

11．2．1　 模型结构适合性( suita bility) 检验

( 1) 量纲的一致性
检查模型诸方程中的变量的量纲是否一致, 是否合理并符合实际情况。一个系统动力
学模型若包含量纲不一致的方程式, 那是在任何情况下都决不允许的。唯一的例外只是当
把这种方程式作为坏的典型写作反面教材。量纲的一致性检查为模型的检验迈开基本的
重要的一步。要求各变量有正确的量纲, 各方程式的左右边的量纲必须一致。模型中所有
参数反映在实 际系统中都应有 合理的意义, 而不是 拼拼凑凑 勉强为 了使方程 式的量纲 保
持一致。
( 2) 方程式极端条件检验
检验模型中每一个方程式在其变量的可能变化的极端条件下是否仍然有意义。
构模人员应检查每个方程特别是速率方程, 它们在极端情况下是否有意义。唯当确信
每一方程都是 强壮的之后, 才能使模型研 制与使用 者双方都 摆脱担 心个别方 程运行不 合
理的忧虑。极端条件检查能够揭示: 为什么模型中需要非线性的环节, 例如描述饱和效应
的表函数; 期望与实际情况有何区别; 模型中有何弱点等。
( 3) 模型界限是否合适
检查模型所包含的变量与反馈回路是否足以描述所面向的问题并符合预定的研究目
的。
当界限过分小时, 则意味着模型可能忽略了某些重要的变量, 或忽略了富有活力的反
馈链, 并缺少某些有用的政策杠杆作用点。此时, 很难去谈论模型具有多大潜力可满足预
・ 2 40 ・
定的目的和要求。模型的研制与使用者双方都应极力避免和克服把产生系统行为归因于
系统外部事件作用的结果的倾向。界限应足够大, 把重要的影响因素划进来, 作为系统内
信息反馈回路的组成部分。反之, 若把系统的界限划得过大, 使得模型过于复杂, 反而模糊
了结构与动态行为之间的主要关系。在复杂实际系统中, 由于系统本身过于复杂, 要弄清
结构与动态行为的内在关系是颇难的。在依据给定的构模目的、要求, 对模型作充分的分
析与模拟实验, 弄明已有的结构确实不能满足要求之前, 不要轻易下结论而匆忙地扩充界
限和增添环节与结构。

11．2．2　 模型行为适合性检验

( 1) 参数灵敏度
检验模型行为对参数值在合理范围内变化的灵敏度如何? 模型行为模式是否因某些
参数的微小变动而改变? 对于社会经济模型而言, 当参数在合理范围内变化时, 是否改变
基于模型模拟分析的政策结论?
有两种可能情况: 一种是模型模拟结果与数据对参数的变动有一定敏感性, 要通过一
系列试验判断参数合理变化的范围和确定参数灵敏度来建立模型的信度。另一可能情况
是, 模型对参数在合理范围内变化很不敏感, 因此确定模型的信度就比较容易得多。
( 2) 结构灵敏度
检查模型行为对结构与相应的方程式的合理变动是否过于敏感? 即模型行为模式对
于结构与方程式的合理变动是否改变?
再之, 对于社会经济系统 更苛刻的要求 是检查 基于模型 模拟的 政策结论 是否因结 构
的微小变动而改变。若一个模型表现出过高的政策灵敏度, 则应被认为不适用于作为政策
分析。

11．2．3　 模型结构与实际系统一致性检验

( 1)“外观”检验
模型的结构看起来是否与实际系统相像? 模型是否象一张可识别其所代表的实际系
统的照片? 再者, 熟知系统的人们是否充分确信模型中的速率、状态变量与反馈结构合理
地拟合了实际系统的主要特性?
如果模型 的结构从“外观”看 起来与实际 系统毫无 相似之处, 那 么即使模 型的行为 被
判定是合适的, 也不能认为基于它所作出的分析可获得较高的信度。
( 2) 参数含义及其数值
首先, 模型的参数是否可在实际系统中辨别出它们相应的具体含义? 其中是否有一部
分是为了保持某些方程式量纲的平衡而人为生造出来的?
其二, 参数值范围的选择是否较好地与实际反馈系统中可获的信息变化情况一致?
如果参数的数据可获得, 其范围的确定是否合理呢? 如果某种信息的数据不是垂手可
得的, 又如何合理地去描绘估计该信息的特征与参量? 不论参数值是用什么方法估计出来
的, 根据对系统已获知的大量知识与了解来判断, 它们是否有实际意义?

・ 24 1・
11. 2. 4　 模型行为与实际系统一致性检验

( 1) 模型行为是否能重现参考模式
模型是否能再现最初规定的各种参考模式? 这些参考模式包括系统中存在的问题的
行为模式, 对已往政策的反应模式以及根据原模型假定所推断的行为等等。
可以肯定地说, 不能再现参考行为模式的系统动力学模型是无用的。
( 2) 认真对待模型的奇特行为
在某些测试条 件下模型是否产 生过与预 期极不相 同, 且 未曾在 实际系统 中观察过 的
行为?
上述情况可能导致两种完全不同的结论。一种是模型有错, 必须加以修改。另一种是
模型正确地揭示了在同一情况下实际系统可产生该行为模式。即使这种奇特行为模式以
前未曾在实际 系统中观察到, 但是如果经 严格分析 证实该奇 特行为 是有意义 的且产生 奇
异行为模式的机制是真实的, 那么毫无疑义, 模型的信度就更加提高了。
( 3) 极端条件下的模拟
检查社会经 济模型在极端条 件下或极端的 政策下的 模型行 为( 或许以前 尚未在实 际
系统中发现) 是否合理?
虽然, 极端条件下的模拟结果在实际系统未必都会产生, 而且极端条件的设定可能带
有主观假设的成分, 然而此检验对提高系统动力学模型的信度起了极大的作用。一个模型
若在极端条件下不能产生合理的行为模式, 其可靠性就值得怀疑。虽然极端条件未必经常
或一定发生, 但是有谁能肯定, 一个真实系统在正常运行条件下绝对不会突然产生异常的
极端情况呢!
( 4) 统计学方法的检验
从统计学的角度检查模型产生的模拟结果是否与来自实际系统的数据相似。
虽然在统计学 方法上已经有一 套检验模 型与实际 系统行为 是否一 致的正规 步骤, 但
是, 迄今我们从未主张用它来对系统动力学模型进行参数估计。相反, 我们强调目前还没
有任何单一的统计方法能检验系统动力学模型的正确性。
应用统计 学方法, 在 一定噪声( 如用 N OISE 函数) 的影响下, 可 对分别取 自实际系 统
与其模型模拟的数据进行统计检验与比较。若对有噪声影响的模型的检验结果与对实际
模型的检验结果基本相同, 则不容置疑模型与实际系统一致性的信度提高了。
应该指出的是, 当我们谈到用统计方法来检验时, 强调的是对整个系统动力学模型的
模拟结果进行 统计检验, 而不是用统计方 法对系统 动力学模 型的局 部结构与 参数进行 检
验。

11．2．5　 建立系统动力学模型信度的检验方法小结

综前所述, 有关系统动力学模型信度的检验方法以表格形式归纳如下:

・ 2 42 ・
 模　 型　 结　 构 模　 型　 行　 为

针对目的要求的模型适 量纲一致性; 参数灵敏度:

合性检验( 检验重点在 方程式运行在极端条件下; —— 行为特性;
模型内部) 界限范围: —— 政策结论。
—— 重要变量; 结构灵敏度:
—— 政策的杠杆作用。 —— 行为特性;

—— 政策结论。
模型与实际系统一致性 模型的“外观”正确性: 参考模式的再现( 界限范围
检验( 检验模型模拟结 —— 速率与状态变量; 是否与行为特性相适应) :
果与来自实际系统的信 —— 信息反馈; —— 所关心问题的行为;
息数据的一致性) —— 延迟; —— 已往的政策;

—— 逻辑函数。 —— 预期的行为;
参数值范围: 奇异行为;
—— 概念上拟合; 极端条件下模拟。
—— 数值上拟合。 统计方法检验:
—— 时间序列分析;

—— 相关与回归方法。

§ 11．3　 有关模型实用性与有效性的其他重要特点
11．3．1　 模型结构规模适应使用者的要求

　 　 检查一下, 为了便于使用者应用模型研究实际系统的问题, 模型的规模是过于简单或

过于复杂; 状态变量是集总度过高或分解过细?
为了让使用者 最有效地应用模 型, 模型 规模的 繁简应适 当加以 折衷以便 于用户了 解
掌握。可是往往出现相反的情况, 由于用户深受某些内容详尽的模型的影响, 可能促使构
模人员力图把模型设计得过大过细, 使模型在结构、行为与政策分析功能上都超过实际的
需要。这种只考虑用户主观要求的做法只能使用户在自我感觉上认为模型的有效性提高
了, 但实际上并不能真正提高模型本身的有效性。而且还增加了人力、物力和时间的消耗,
提高了构模的成本。

11．3．2　 透析反直观的行为特性

反直观的行为特性在社会经济系统中颇为常见。为判断系统是否具有这一特性, 可作
如下检查: 模型行为对某些政策的响应, 其最初印象是否表现出似乎与直观的实际情况有
矛盾? 是否只有藉助于模型的模拟分析研究才能将其隐含于系统结构的内在关系揭示出
来? 若是, 则该系统具有此特性。
众多的事实表明: 复杂的非线性、多重信息反馈系统 的行为往往呈现 反直观的性质。
譬如说, 复杂系统在两个长短不同的时间区间内, 所表现的行为的主要特征可能迥异。一
・ 24 3・
个国 家的经 济从 50 年的发 展趋 势来看, 处 于下 降阶段, 但 是, 在某 一段短 期 的 3 年内 观
察, 却很可能是上升的。而人们的直观观察往往只见其一, 很少能同时注意到两者的并存。
因此, 当使用模型研究复杂系统的行为时, 应把握住系统的历时性、整体性与相关性,
当然还要学会一点分析问题的技巧, 否则可能坠入反直观性行为的五里烟雾, 导致盲目地
去修改模型、扩大模型以图提高所谓模型的有效性。

11．3．3　 模型有效性的另一个度量: 模型能否产生新的洞察问题的能力和新的思想

一个高有效性 的模型应具有产 生新的洞 察问题的 能力, 也就是 能进一步 揭示所要 研

究的问题的性质以及产生这些问题的系统的内在奥秘的潜力。一个真正有效的模型应该
能成为新思想 和提出新问题的 丰富源泉, 甚至提出 的问题可 能已远 远超出本 模型所具 有
的分析研究能力。如果新的思想不仅在构模过程中而且在模型完成后都能不断产生, 那么
就可以认为此模型的有效性与正确性是高的。
上述可简明地总结成下表:

模　 型　 结　 构 模　 型　 行　 为

模型的实用性与有效性 是否满足用户的需要; 反直观性行为;

—— 规模大小; —— 由模型显示的;
—— 模型的繁简; —— 借助模型进行分析问题
—— 状态集总度与分解度的高 　 　 而发现的反直观性。
　 　 　 低。 产生新的洞察力和新的思想。

§ 11. 4　 科研项目管理模型有效性、正确性分析

在第八、十、十三 章曾先后以科研 项目管 理模型为 例讨论模 型方程 的建立、测试和 改

进等内容。事实上, 许多关于检验模型的内容已经涉及, 本节再以此模型为例作一些补充
讨论。
此模型的某些检验如量纲的一致性已经满足, 这里毋需再加赘述。该模型对于部分参
数与结构变动的灵敏度虽已有所讨论, 但为了全面建立模型的信度, 还需要进一步作更多
模型适用性与一致性的检验。当然, 模型界限的范围已足以使模型产生参考模式, 但是未
必已把那些赖以产生完工期与成本突破计划的全部假设包括在内。模型的“外观”检查, 包
括变量及变量间关系, 看起来虽无法辨认是属于哪一类具体的研究设计项目, 但却酷似一
个真实的科研项目管理系统。
此模型在某些检验面前暴露了它的弱点。例如, 未能通过某些极端条件测试, 当劳动
力 初 始 值 过 大 时, 状 态 变 量 新 雇 员 N EW WF 将 出 现负 值 ( 请 读 者 参 见 第 十 章 ) 。 幸 好
N E WW F 未 达太负的值, 因此, 它对模型行为 的影响还 不过于 出格。即使 FE XP ( 熟练 雇
员比例) 大于 1 或小于 0, EE XPGP ( 经验 对毛生产率的影 响) 的取 值仍然有意义。完 工项
目数总是正值, 且模型能较快地作自我校正。为了防止状态变量新雇员 NE W WF 出 现负
值, 对其输入、输出变化率, 雇佣率与新雇员成熟率, 应加以改写并加上离退率等。
・ 2 44 ・
 最后应当指出, 在本章第 二、三节 所讨论 的有关检 验模型有 效性、正确性 与信度的 方
法中, 还有一部分尚未用于检验科研项目管理模型, 望读者自行加以完成。

思　 考　 题

( 1) 你如何理解系统动力学模型的正确性与实用性, 二者有何关系?
( 2) 系统动力学模型的适用性与一致性的检验过程包括哪些主要检验步骤与方法?

・ 24 5・
 第十二章　 模 型 实 例

§ 12. 1　 系统动力学世界模型与罗马俱乐部
12．1．1　 模型诞生背景

　 　 作为第一个例子, 下面介绍系统动力学世界模型, 为了交代其来龙去脉还得从罗马俱

乐部谈起。
1968 年 4 月 意大利经 济学家 A urelio P eccei 召集 来自 10 个国 家的 30 名科学 家、经
济学家、文学家、教育学家、企业家在罗马聚会, 探讨未来人类面临的问题与困境。这次会
议导致罗马俱乐部( T he Club of R ome) 的成立。这是一个非正式的组织, 被人称为无形的
学院, 它的成员一直不满一百人, 却拥有最广泛的国籍与文化的代表。其宗旨在于促进人
类对其所生活的全球系统的各种独立变化着的组成部分—— 社会、经济、政治和自然——
的认识, 促使地球上的决 策者能注意到这 些相互 影响、相互作用 的错综 关系, 从而对世 界
产生新的认识与理解, 并促使新政策的诞生和实施。罗马俱乐部的成员认为人类面临问题
是如此复杂又相互纠结在一起, 传统的制度与政策对此既无能为力, 甚至也无法把握住其
全部内容。他们最初的一系列会议雄心勃勃地作出了开展研究人类面临的困境的决定。
　 　 70 年代初, 当时拥有来 自 25 个国 家 75 名科 学家与学者的 罗马俱 乐部困惑 于: 世 界
工业生产呈指数增长趋势( 见图 12．1) , 而金融 与经济的周期性衰 退、通货 膨胀、人口 的迅
速 增 长( 见图 12．2) 、城市 人口 发展的 失控 ( 见 图 12．3) 、就 业困 难、传统价 值 观念 的被 抛
弃、非再生 自然资源 消耗的 指数式增 长( 见图 12．4) 与资源 储备的 日渐 枯竭、生态 环境 的
恶化等一系列棘手的世界难题。这一切描述了迄今世界存在的指数增长的基本趋势。而

图 12．1　 世界工业生产
注: 以 1963 年 值为 100, 1963—68 年 间平 均增长 率为 7% , 人均 增长 率为 5%

・ 2 46 ・
 图 12．2a　 世界人口增长趋势
注: 目前 年纯增 长率约 2．1%

图 12．2 b 　 各主要区域与国家人口增长情况

且这些问题具有三个共同的特点: 普遍地发生 于世界各区域; 它们涉及社 会经济、政 治和

技术因素; 而更重要的是这些因素是相互联系、相互作用的。罗马俱乐部企图探索产生这

・ 24 7・
 图 12．3　 发达与不发达地区城市人口增长趋势
注 : 目前 不发 达地区 城市人 口的 倍增时 间常 数约为 15 年

图 12．4　 世界农用肥料增长趋势
注 : 倍 增时间 常数 为 10 年, 60 年 代末肥 料消 耗总量 为第 二次大 战期间 的 5 倍 。

些问题的原因, 寻求未来世界与人类摆脱困境的出路。首先要回答的问题是, 迄今世界上

诸主要因素指数增长的势头能否持续下去? 鉴于一些人们惯用的研究方法与工具都是从
单项因素着眼 入手, 既不 能认识整体大于 各部分 之和的系 统的整 体性质, 又在非 线性、高

・ 2 48 ・
阶次、多重反馈系统面前束手无策, 它们实在难于回答这一复杂的巨大系统的问题。
　 　 罗马俱乐部终于转向寄望于 50 至 60 年代已在工业企业管理与城市问题的应用研究
方面崭露头角的系统动力学。1970 年夏 天, 福瑞 斯特向俱乐部成员 介绍了世界模型 的雏
型, WO RL D Ⅱ。该模型辨证统一地分析 了上述世界诸重 要因素的相互作 用与关系, 深受
俱乐部成员们的赞赏。
罗马俱乐部决定委托麻省理工学院的系统动力学组进一步开展对未来世界发展前景
的研究工作。于是成立了由福瑞斯特教授的学生梅多斯教授为首的国际研究小组。

12．1．2　 世界模型及模拟结果

国际研究小组当时建立世界模型的指导思想是:
( 1) 世界系统面临新的压力, 人们为世界前景感到 困惑和忧虑。世界 系统包括社会、
经济、科技和生态环境等方面。各部分之间存在各种力的作用, 从而导致系统中各种变量
的 变化, 增 长 或衰 退。诸 如 人口 增 长 的压 力、资 源 日渐 缺 乏的 危 机、污 染渐 趋 严重 的 威
胁……。这 些因素都是相互联 系、相互 作用的, 然而 过去人们 研究世 界问题时 往往只是 考
虑孤立的因素;
( 2) 随着现代化通讯技术的发展, 各区域间社会政 治、经济、军事的相 互联系的增强,
各部分间的相互影响和作用与日俱增, 世界的整体性越来越强了, 整个世界是一个极其复
杂的超规模的巨型信息反馈系统, 昔日那种把世界各国、各地区视作彼此无关的观点已经
陈旧过时;
( 3) 世界 上发生的 事件与 现象均隐 含一定 的因果相 互作用关 系, 究其原因 都源发 于
世界内部、根植于相应的信息反馈机制;
( 4) 世界上各种增长着的因素与力量与客 观条件之间的矛盾 与斗争始终存在。 世界
总是处在从不 稳定到斗争, 达到新的稳态, 然 后再发生 不稳定, 如此 循环不已 螺旋上升 的
过程。从旧的稳态过程到新的稳态的途径有待人们去探索;
( 5) 人类对未来世界的发展模式应早有警 惕, 自觉地 采取调整的措施, 否则在未 来的
某个时期, 严重的恶果将突然袭来;
( 6) 世界系统是开系统, 但在短期内( 1900～2100) 可考虑为封闭系统。
国际小组研究 世界范围内人口、工业、农 业、自 然资源与 环境和 污染诸因 素的相互 联
系、制约和作用, 以及产生各种 后果的可 能性。上述 诸因素的 因果相 互关系如 图 12．5 所
示。图中的以因果链表示变量间的关系, 带有正号的箭头表示某变量的增长将导致该箭头
所指向变量的同时增长。该图描述世界系统的基本反馈机制。由人口、工业化和食物形成
一个正反馈环。同时还存在工业化与自然资源形成的负反馈环; 工业化与污染形成的负反
馈环; 工业化与污染和人口形成的负反馈环以及工业化、食物、占用土地、自然空间和人口
形成的负反馈环。由于这些变量与反馈回路面的相互影响与作用, 产生世界复杂的动态行
为。
因果回路图只能粗略地描绘系统的反馈机制, 为了藉助计算机进行模拟, 还得先设计
好系统的结构图( 或称流图) , 然后根据结构建立方程, 形成数学的规范的模型。
世界 模型 只 有一 百多 个方 程 式, 详 见本 书 的 12．1．3 节, 其基 本 模 拟结 果 如图 12．6
・ 24 9・
 图 12．5　 世界系统基本变量的因果回路图

图 12．6　 世界模型的基本模拟结果

所示。
　 　 世界模型模拟结果的基本结论是: 迄今世界范围内人口、工农业和生态破坏指数式增
长与加剧的趋 势, 不能永 远持续下去, 将受到 种种客观 条件的限 制, 世界的未 来发展应 逐
渐过渡到某种均衡发展状态。具体结论如下:
( 1) 迄今工业化所带来世界的进步是人口增长的基本因素。
( 2) 世界若按西方工业化的模式发展下去, 到下个世纪人类将面临:

・ 2 50 ・
 ① 自然资源日渐枯竭引起工业发展衰退;
② 污染严重加剧, 导致人口下降;
③ 人均食物的降低也将导致人口下降;
④ 指数式增长带来的物理与心理上的拥挤, 造成不利的社会压力。
( 3) 尽管由于世界的不平衡发展, 存在落后与贫穷的 地区与国家, 然而按人均拥 有财
富看, 目前已是世界的黄金时代。
( 4) 没有充分论据可以使人信服, 目前不发达、落后的国家可以 达到西方先进工 业化
国家的现有生活水平。
( 5) 不发达国家不应重蹈西方发达国家所 走过的工业化道路。 发达国家将面临 种种
阻碍, 不发达国家应想方设法加以避免。
他们在模型的 基本运行的基础 上还作了 许多改变 条件的模 拟试验, 作了 政策分析 讨
论, 并提出如何使世界从指数增长的模式过渡到均衡发展的建议与方案。
简言之, 他们的观点可归 纳为: 由 于工业 化伴随了 人口膨胀, 资 源的短缺 和污染的 增
长, 从长远的战略观点看, 目前不发达国家按西方先进国家的模式所进行的工业化的努力
未必是明智的。迄今持续增长的模式应让位于某种程度的均衡发展。
这些论点为罗马俱乐部所接受, 并公诸于世, 于是在 70 年代引起了一场令人瞩目的、
旷日持久的论战。上述论点被持不同观点的人们称之为对未来的悲观估计。
关于这一场争论学术上的是是非非, 已超出本书讨论范围, 但纵观那些众多的议论至
少以下两点是基本一致的:
( 1) 关于未来世界的发展趋势, 普遍认为过去世界诸 重要因素指数增 长的势头, 不可
能也不应再持续下去。
( 2) 系统动力学的世界模型( WO RL D Ⅱ和 WOR L DⅢ) 是 70 年代诞生的一批世界模
型中的第一个, 它也是第 一个研究世界诸 主要因素 之间辨证 对立统 一关系的 定量的世 界
模型。尽管对它 的评价众说不一, 但它对未 来世界 发展的探 索所给 予人们的 启迪是有 益
的。作为一门分析研究信息反馈系统的新学科的系统动力学亦更为人们所认识了。

12．1．3　 世界模型 W OR L D Ⅱ程序单

＊ 　 　 　 　 WO RLD DY NA M ICS
N OT E ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊
N OT E　 　 REP RO DU CE D WIT H P ERM ISSIO N F ROM T H E M . I. T . PRE SS
N OT E　 　 ORIGIN AL LY P U BLISH ED IN WO RLD DY NA M ICS, JA Y W . F ORRE ST ER
N OT E 　 　 ( CA MBRIDGE . M A SS. : MIT P RE SS, 1971. 1973)
N OT E ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊ ＊
　 　 L P . K = P . J + ( DT ) ( BR . JK - DR . JK )
　 　 N P= PI
　 　 C P I= 1. 65E 9
　 　 R BR . KL = ( P . K ) ( CLIP ( BRN , BRN 1, SW T 1, T IM E . K ) ) ( BRFM . K ) ( BRM M , K ) ( BRCM . K )
　 　 X ( BRPM . K)
　 　 C BRN = . 04
　 　 C BRN 1= . 04
　 　 C SW T 1= 1970

・ 25 1・
A BRM M . K = T A BH L ( BRM MT , M SL . K, 0, 5, 1)
T BRM M T = 1. 2/ 1/ . 85/ . 75/ . 7/ . 7
A M SL . K = E CIR . K / ( E CIRN )
C E ClRN = 1
A E ClR. K = ( CIR. K ) ( 1- CIA F . K ) ( N RE M . K ) / ( 1- CIAF N )
A N REM . K= T A BLE ( N REM T . NRF R . K , 0, 1, . 25)
T N REM T = 0/ . 15/ . 5/ . 85/ 1
A N RF R . K = N R . K / N RI
L N R . K = N R . J + ( DT ) ( - N RU R . JK )
N N R= N RI
C N RI= 900E9
R N RU R . KL = ( P . K ) ( CLIP ( N RU N , N RU N 1, S WT 2, T IM E . K ) ) ( N RMM . K )
C N RU N = 1
C N RU N 1= 1
C SW T 2= 1970
R DR . KL = ( P . K ) ( CLIP ( DRN , DRN 1, SWT 3, T IM E . K ) ) ( DRM M . K ) ( DRP M . K ) ( DRF M . K )
X ( DR CM . K )
C DRN = . 028
C DRN 1= . 028
C SW T 3= 1970
A DRM M . K = T A BH L ( DRM MT , M SL . K, 0, 5, . 5)
T DRM M T = 3/ 1. 8/ 1/ . 8/ . 7/ . 6/ . 53/ . 5/ . 5/ . 5/ . 5
A DRP M . K = T ABL E( DR PM T , PO LR . K, 0, 60, 10)
T DRP M T = . 92/ 1. 3/ 2/ 3. 2/ 4. 8/ 6. 8/ 9. 2
A DRF M . K = T A BHL ( DRF M T , F R . K, 0, 2, . 25)
T DRF M T = 30/ 3/ 2/ 1. 4/ 1/ . 7/ . 6/ . 5/ . 5
A DRCM . K = T A BLE ( DRCM T , CR . K, 0, 5, 1)
T DRCM T = . 9/ 1/ 1. 2/ 1. 5/ 1. 9/ 3
A CR. K = ( P . K ) / ( LA ＊ P DN )
C L A = 135E 6
C P DN = 26. 5
A BRCM . K = T A BLE ( BRCM T , CR. K, 0, 5, 1)
T BRCM T = 1. 05/ 1/ . 9/ . 7/ . 6/ . 55
A BRF M . K = T A BHL ( BRF M T , F R . K, 0, 4, 1)
T BRF M T = 0/ 1/ 1. 6/ 1. 9/ 2
A BRP M . K = T A BL E ( BRPM T , PO LR . K , 0, 60, 10)
T BRP M T = 1. 02/ . 9/ . 7/ . 4/ . 25/ . 15/ . 1
A F R. K= ( F P CI. K ) ( F CM . K ) ( F PM . K ) ( CL IP ( F C, F C1, SWT 7, T IM E. K) ) / F N
C F C= 1
C F C 1= 1
C FN= 1
C SW T 7= 1970
A F CM . K = T A BLE ( F CM T , CR . K, 0, 5, 1)
T F CM T = 2. 4/ 1/ . 6/ . 4/ . 3/ . 2
A F P CI . K = T A BHL ( F P CIT , CIRA . K , 0, 6, 1)
T F P CIT = . 5/ 1/ 1. 4/ 1. 7/ 1. 9/ 2. 05/ 2. 2
A CIRA . K = ( CIR. K ) ( CIAF . K ) / CIA F N
C CIA F N = . 3
A CIR . K= CI . K / P . K

・ 2 52 ・
L CI. K= CI. J + ( DT ) ( CIG. J K- CID. J K)
N CI= CII
C CII = . 4E 9
R CIG . KL = ( P . K ) ( CIM . K ) ( CL IP ( CIG N , CIGN 1, SWT 4, T IME . K ) )
C CIGN = . 05
C CIGN 1= . 05
C SW T 4= 1970
A CIM . K = T A BHL ( CIM T , M SL . K , 0, 5, 1)
T CIM T = . 1/ 1/ 1. 8/ 2. 4/ 2. 8/ 3
R CID. K L = ( CI. K ) ( CLIP ( CIDN , CIDN 1, SWT 5, T IM E. K) )
C CIDN = . 025
C CIDN 1= . 025
C SW T 5= 1970
A F P M . K = T ABL E( F PM T , PO LR . K, 0, 60, 10)
T F P M T = 1. 02/ . 9/ . 65/ . 35/ . 2/ . 1/ . 05
A P OL R . K = PO L . K/ PO LS
C P OL S= 3. 6E 9
L P OL . K = PO L . J+ ( DT ) ( P OL G. J K- P OL A . JK )
N P OL = PO LI
C P OL I= . 2E 9
R P OL G. K L = ( P . K ) ( CLIP ( PO LN , P O LN 1, SW T 6, T IM E . K ) ) ( P OLCM . K )
C P OL N = 1
C P OL N 1= 1
C SW T 6= 1970
A P OL CM . K = T A BHL ( P OL CM T , CIR . K, 0, 5, 1)
T P OL CM T = . 05/ 1/ 3/ 5. 4/ 7. 4/ 8
R P OL A . KL = PO L . K / PO LA T . K
A P OL AT . K = T ABL E( PO LA T T , PO LR. K, 0, 60, 10)
T P OL AT T = . 6/ 2. 5/ 5/ 8/ 11. 5/ 15. 5/ 20
L CIA F . K = CIAF . J+ ( DT / CIAF T ) ( CF IF R . J ＊ CIQ R . J- CIAF . J)
N CIA F = CIAF I
C CIA F I= . 2
C CIA F T = 15
A CFIF R . K = T A BHL ( CF IF RT , F R . K , 0, 2, . 5)
T CFIF RT = 1/ . 6/ . 3/ . 15/ . 1
S Q L . K = ( QL S) ( Q L M . K ) ( Q LC . K ) ( Q LF . K) ( Q LP . K )
C Q LS = 1
A Q LM . K = T A BHL ( Q LM T , MS L. K , 0, 5, 1)
T Q LM T = . 2/ 1/ 1. 7/ 2. 3/ 2. 7/ 2. 9
A Q LC . K = T ABL E ( Q L CT , CR . K , 0, 5, . 5)
T Q LCT = 2/ 1. 3/ 1/ . 75/ . 55/ . 45/ . 38/ . 3/ . 25/ . 22/ . 2
A Q LF . K= T A BH L( Q LF T , F R. K , 0, 4, 1)
T Q LF T = 0/ 1/ 1. 8/ 2. 4/ 2. 7
A Q LP . K = T A BLE ( Q LP T , P O LR . K , 0, 60, 10)
T Q LP T = 1. 04/ . 85/ . 6/ . 3/ . 15/ . 05/ . 02
A N RM M . K = T ABH L ( NRM M T , MS L. K , 0, 10, 1)
T N RM M T = 0/ 1/ 1. 8/ 2. 4/ 2. 9/ 3. 3/ 3. 6/ 3. 8/ 3. 9/ 3. 95/ 4
A CIQ R . K = T A BHL ( CIQ RT , Q LM . K / Q L F . K , 0, 2, . 5)
T CIQ RT = . 7/ . 8/ 1/ 1. 5/ 2

・ 25 3・
NOTE
NOTE CON T ROL CA RDS
NOTE
C DT = . 2
C L EN GT H = 2100
N T IM E = 1900
A P RT P ER . K = CLIP ( P RT P 1, P RT P 2, P RSWT , T IM E . K )
C P RT P 1= 0
C P RT P 2= 0
C P RSWT = 0
A P LT P E R. K = CLIP ( P LT P 1, P LT P 2, P LSWT , T IM E . K )
C P LT P 1= 4
C P LT P 2= 4
C P LSW T = 0
P L OT P = P ( 0, 8E 9) / P OLR = 2( 0, 40) / CI= C( 0, 20E9) / Q L = Q ( 0, 2) / N R= N ( 0, 1000E 9)
P L OT F R = F , M SL = M , QL C= 4, Q LP = 5( 0, 2) / CIA F = A ( . 2, . 6)
RU N O RIG
　 　 世界模型变量定义:
BR BIRT H RA T E ( P EO PL E/ YE AR )
BRCM BIRT H －RA T E －F ROM －CRO WDIN G MU LT IPL IE R ( DIM EN SION LE SS)
BRCM T BIRT H －RA T E －F ROM －CRO WDIN G －M U L T IP LIER T A BLE
BRF M BIRT H －RA T E －F ROM －F OO D M U LT IP LIER ( DIM E NSION LE SS)
BRF M T BIRT H －RA T E －F ROM －F OO D－M U L T IP L IE R T A BLE
BRM M BIRT H －RA T E －F ROM －M AT E RIA L M U LT IP LIER ( DIM E NSION L ESS)
BRM M T BIRT H －RA T E －F ROM －M AT E RIA L －M U L T IPL IE R T A BLE
BRN BIRT H RA T E NO RM AL ( F RA CT ION / YE AR )
BRN 1 BIRT H RA T E NO RM AL N O. 1( F RA CT ION / YE AR )
BRP M BIRT H －RA T E －F ROM －PO LL U T ION M U L T IP LIER ( DIME N SIO NL ESS )
BRP M T BIRT H －RA T E －F ROM －PO LL U T ION －MU LT IP LIER T A BLE
CF IF R CA P IT AL F RA CT ION IN DICA T E D BY F OO D RA T IO ( DIME N SIO NL ESS )
CF IF RT CA P IT AL －F RACT IO N －IN DICAT E D－BY－F OO D－RAT IO T A BLE
CI CA P IT AL INV E ST M EN T ( CAP IT A L U NIT S)
CIA F CA P IT AL －IN V EST M E NT －IN －AG RICU LT U RE F RA CT IO N ( DIM E NS IO NL ESS )
CIA F I CA P IT AL －IN V EST M E NT －IN －AG RICU LT U REF RA CT ION , IN IT IA L
　 　 　 　 ( DIME N SIO NL ESS )
CIA F N CA P IT AL －IN V EST M E NT －IN －AG RICU LT U RE F RA CT IO N NO RM AL
　 　 　 　 ( DIME N SIO NL ESS )
CIA F T CA P IT AL －IN V EST M E NT －IN －AG RICU LT U RE－F RA CT ION A DJU ST ME N T T IM E
　 　 　 　 ( Y EA RS)
CID CA P IT AL －IN V EST M E NT DISCARD ( CA P IT A L U N IT S / Y EA R )
CIDN CA P IT AL －IN V EST M E NT DISCARD NO RM AL ( F RA CT IO N / YE A R)
CIDN 1 CA P IT AL －IN V EST M E NT DISCARD NO RM AL N O. 1( F RA CT IO N / YE AR )
CIG CA P IT AL －IN V EST M E NT GE NE RA T IO N ( CAP IT AL U N IT S/ Y EA R )
CIG N CA P IT AL －IN V EST M E NT GE NE RA T IO N N ORM A L
　 　 　 　 ( CAP IT AL U N IT S/ P E RSON / Y EA R )
CIG N 1 CA P IT AL －IN V EST M E NT GE NE RA T IO N N ORM A L N O . 1
　 　 　 　 ( CAP IT AL U N IT S/ P E RSON / Y EA R)
CII CA P IT AL INV E ST M EN T , IN IT IA L ( CA PIT A L U NIT S )
CIM CA P IT AL －IN V EST M E NT M U LT IP LIER ( DIM E NSION L ESS)

・ 2 54 ・
CIM T CA P IT AL －IN V EST M E NT －M U L T IPL IE R T A BLE
CIQ R CA P IT AL －IN V EST M E NT －F RO M －Q U A L IT Y RA T IO ( DIM E NSION LE SS)
CIQ RT CA P IT AL －IN V EST M E NT －F RO M －Q U A L IT Y －RAT IO T A BLE
CIR CA P IT AL －IN V EST M E NT RA T IO ( CA PIT A L U NIT S / PE RSON )
CIRA CA P IT AL －IN V EST M E NT RA T IO IN AG RICU LT U RE
　 　 　 　 ( CAP IT AL U N IT S/ P E RSON )
CLIP LO GICA L F U NCT IO N U SE D A S A T IM E S WIT CH T O CH A NG E
　 　 　 　 P ARA M ET E R V A LU E
CR CRO WDING RA T IO ( DIM EN SIO N LESS )
DR DEA T H RA T E ( P EO P LE / YE A R)
DRCM DEA T H －RA T E －F RO M －CROWDING M U L T IP LIER ( DIME N SIO NL ESS )
DRCM T DEA T H －RA T E －F RO M －CROWDING －MU LT IP LIER T A BLE
DRF M DEA T H －RA T E －F RO M －F O OD M U L T IP L IE R ( DIM EN SIO N LES S)
DRF M T DEA T H －RA T E －F RO M －F O OD－M U LT IP LIER T ABL E
DRM M DEA T H －RA T E －F RO M －M A T ERIA L M U L T IPL IE R ( DIM EN SION LE SS)
DRM M T DEA T H －RA T E －F RO M －M A T ERIA L －M U LT IP LE R T A BLE
DRN DEA T H RA T E N ORM A L ( F RA CT ION / Y EA R )
DRN 1 DEA T H RA T E N ORM A L N O . 1( F RACT ION / Y EA R )
DRP M DEA T H －RA T E －F RO M －P OL LU T IO N MU LT IP LIER( DIM EN SION LE SS)
DRP M T DEA T H －RA T E －F RO M －P OL LU T IO N －M U L T IP LIE R T A BLE
E CIR E F FE CT IV E －CA P IT AL －IN V EST M E NT RA T IO ( CAP IT A L U NIT S/ PE RSON )
E CIRN E F FE CT IV E －CA P IT AL －IN V EST M E NT RA T IO N ORM A L
　 　 　 　 ( CAP IT AL U N IT S/ P E RSON )
FC F OO D CO EF F ICIEN T ( DIM E NSION LE SS)
F C1 F OO D CO EF F ICIEN T N O . 1( DIM EN SION LE SS)
F CM F OO D－F ROM －CRO WDIN G MU LT IP LIE R ( DIM EN SION LE SS)
F CM T F OO D－F ROM －CRO WDIN G －M U L T IP LIER T A BLE
FN F OO D N ORM A L ( F OO D U N IT S/ P ERSO N / Y EA R)
F P CI F OO D P OT EN T IA L F ROM CAP IT A L IN VE ST M EN T
　 　 　 　 ( F O OD U N IT S/ P E RSON / Y EA R )
F P CIT F OO D－PO T E NT IA L －F ROM －CA P IT AL －IN V EST M E NT T A BLE
FPM F OO D－F ROM －P OLL U T ION M U L T IP LIER ( DIME N SIO NL ESS )
FPMT F OO D－F ROM －P OLL U T ION －MU LT IP LIER T ABLE
FR F OO D RA T IO( DIM EN SION LE SS)
LA LA N D A REA ( S QU ARE K IL OM ET E RS)
M SL M A T ERIA L ST AN DA RD OF L IV ING ( DIM EN SION LE SS)
NR N A T U RA L RE SOU RCE S ( N A T U RA L RESO U RCE U N IT S)
N RE M N A T U RA L－RES OU RCE－EXT RACT IO N M U LT IP LIER ( DIM E NS IO NL ESS )
N RE MT N A T U RA L －RES OU RCE －EXT RACT IO N －M U LT IPL IE R T A BLE
N RF R N A T U RA L －RES OU RCE F RA CT IO N REM A IN ING ( DIM EN SIO N LESS )
N RI N A T U RA L RE SOU RCE S, INIT IAL ( N A T U RA L －RE SOU RCE U N IT S )
N RM M N A T U RA L－RES OU RCE－F ROM －M A T ERIA L M U L T IP LIER ( DIME N SIO N LESS )
NPMMT N A T U RA L －RES OU RCE －F ROM －M A T ERIA L －M U LT IP LIER T ABL E
N RU N N A T U RA L －RES OU RCE U SAG E NO RM AL
　 　 　 　 ( N A T U RA L RE SOU RCE U N IT S/ P ERSO N / Y EA R )
N RU N 1 N A T U RA L－RES OU RCE U SAG E NO RM AL N O. 1
　 　 　 　 ( N A T U RA L RE SOU RCE U N IT S/ P ERSO N / Y EA R)
N RU R N A T U RA L －RES OU RCE －U SA GE RA T E ( N A T U RA L R ESO U RCE U N IT S/ Y EA R )
P P OP U L AT IO N ( P EOP L E )

・ 25 5・
P DN P OP U L AT IO N DEN SIT Y N O RMA L ( P EO P LE / SQ U A RE　 K IL OM ET ER)
PI P OP U L AT IO N , IN IT IA L ( P EO P LE )
P L SWT P LO T SWIT CH T IM E ( Y EA RS)
PLTP1 P LO T P ERIOD NO . 1( Y EA RS)
PLTP2 P LO T P ERIOD NO . 2( Y EA RS)
P L T P ER P LO T P ERIOD ( Y EA RS)
POL P OL LU T ION ( P OLL U T ION U NIT S)
P O LA P OL LU T ION ABSO RPT IO N ( P OL LU T ION U NIT S / YE AR )
P O LA T P OL LU T ION －A BSORP T ION T IM E ( Y EA RS)
P O LA T T P OL LU T ION －A BSORP T ION －T IME T A BLE
P O LCM P OL LU T ION －F ROM －CA P IT AL M U LT IP LIER ( DIME N SIO NL ESS )
P O LCM T P OL LU T ION －F ROM －CA P IT AL －MU LT IP LIE R T A BLE
P O LG P OL LU T ION GEN ER AT ION ( P OLL U T ION U NIT S/ Y E AR )
P O LI P OL LU T ION , IN IT IA L ( P OL LU T ION U NIT S)
P O LN P OL LU T ION NO RM AL ( P OL LU T IO N U N IT S / P ERSO N / YE A R)
P O LN 1 P OL LU T ION NO RM AL N O. 1 ( PO LLU T IO N U N IT S/ P ERSO N / Y EA R )
P O LR P OL LU T ION RAT IO ( DIME N SIO NL ESS )
P O LS P OL LU T ION ST AN DA RD ( P O LLU T IO N U N IT S)
P RSW T P RINT SWIT CH T IM E( YE ARS )
P RT P 1 P RINT PE RIOD N O . 1( YE ARS )
P RT P 2 P RINT PE RIOD N O . 2( YE ARS )
P RT P E R P RINT PE RIOD ( YE ARS )
QL Q U A LIT Y OF L IF E ( S AT ISF A CT ION U NIT S)
QLC Q U A LIT Y OF L IF E F ROM CROW DIN G ( DIM E NSION LE SS)
Q L CT Q U A LIT Y －O F －LIFE －F ROM －CRO WDIN G T A BL E
QLF Q U A LIT Y OF L IF E F ROM F OOD ( DIM E NS IO NL ESS )
Q L FT Q U A LIT Y －O F －LIFE －F ROM －F OO D T A BLE
QLM Q U A LIT Y OF L IF E F ROM MA T E RIA L ( DIME N SIO NL ESS )
Q L MT Q U A LIT Y －O F －LIFE －F ROM －M AT ERIAL T A BLE
QLP Q U A LIT Y OF L IF E F ROM PO LLU T ION ( DIM EN SION LES S)
Q L PT Q U A LIT Y －O F －LIFE －F ROM －P OLL U T ION T A BLE
QLS Q U A LIT Y －O F －LIFE ST A N DA RD ( SA T ISF ACT IO N U N IT S)
S WT 1 SWIT CH T IM E N O. 1 F OR BRN ( Y EA RS)
S WT 2 SWIT CH T IM E N O. 2 F OR N RU N ( Y EA RS)
S WT 3 SWIT CH T IM E N O. 3 F OR DRN ( Y EA RS)
S WT 4 SWIT CH T IM E N O. 4 F OR CIGN ( Y E ARS )
S WT 5 SWIT CH T IM E N O. 5 F OR CIDN ( Y EA RS)
S WT 6 SWIT CH T IM E N O. 6 F OR P OLN ( YE A RS)
S WT 7 SWIT CH T IM E N O. 7 F OR F C ( YE A RS)
T ABH L LO GICA L F U NCT IO N , T A BLE LO OK U P A N D INT ERP OL AT IO N
T ABL E LO GICA L F U NCT IO N , T A BLE LO OK U P A N D INT ERP OL AT IO N
T IM E CA L EN DAR T IM E ( Y EA RS )

・ 2 56 ・
 § 12. 2　 我国经济增长的动力和障碍—— 中国全国
系统动力学模型的建立与应用
12．2．1　 引　 　 言

　 　 本节是我国“六五”期间重点科研研究项目“公元 2000 年中国”中“长期发展趋势模型

Ⅱ”研究工作的一部分成果。我们运用系统动力学的理论与方法, 揭示我国社会经济系统
未来近百年发展的趋势、特征、面貌, 对不同时期存在的矛盾、动力和障碍因素进行整体定
量的分析, 把公元 2000 年时中国的 面貌作为 长过程中 的一个历 史断面 来研究, 并提出 长
期的发展战 略决策。该研究在系 统动力学全国社 会经济整体 定量模 型 SDN M C 上进行。
1984 年完成 的 SDN M C 包括工 业、农 业、人 口、能 源、教育、科技、消 费、污染、及交 通运 输
等十二个子块。
SDN M C 能分析研究的主要问题有:
( 1) 社会、经济、生态环境和资源总体之间的相互影响与制约关系;
( 2) 人口、科技、教育、能源、污染、交通运输诸因素之 间的关系, 以及它们对国民 经济
发展的作用和影响;
( 3) 工农业之间的关系;
( 4) 积累与消费的关系及其对国民经济发展的影响。
( 5) 社会总产值与国民收入增长速度问题;
( 6) 人口目标、年龄结构和人口问题对社会经济的影响;
( 7) 新旧能源的更迭。

12．2．2　 SDNM C 模型结构

SDN M C 共包括 以下 12 个子 块: 人 口子块; 非农业 生产 能力子 块; 资本 积累子 块; 国

民收 入及 其分 配子 块; 消 费品 生产 子
块; 生产资料生产子块; 农业生产能力
子块; 能 源子 块; 交 通运 输子 块; 科 技
子块; 教育子块; 污染子块。
各子块通过变量之间的耦合而互
相联系。这种相互作用形成了模型的
反馈结构。图 12．7 与图 12．8 分别描
述了子块间的联系和模型的主要反馈
回路。为便于阅读, 图 12．8 作了简化,
有些关系链没有画出。
下面简述部分子块的机制。
图 12．7　 S DN M C 子块结构图
( 1) 人口子块
人口子块主要 由四个部分构成: 人口 年龄结 构分组、平均期 望寿命、生育 胎数和生 育
胎数 控制。人 口年 龄分 5 个年 龄组: 0—6 岁、7—15 岁、16—45 岁、46—60 岁、60 岁以 上
・ 25 7・
 图 12．8　 SDN M C 主要反馈回路

( 不包括 60 岁) 。平均期望寿命受粮食、社会福利、污染和人口拥挤四方面因素影响。生育
胎数受妇女最 大可能生育胎数 和家庭平均期 望生育胎 数两方面 因素制 约, 生 育胎数控 制
反映了政府人口政策的影响, 也受到生育胎数的反馈作用。
( 2) 非农业生产能力子块
非农业生产 能力定义为除了 农业以外所有 的经济生 产部门 的生产能 力( 服务业当 时
未放在内) 的综合。模型中采用 Cobb－D ougla ss 生产函数公式计算非农业生产能力。实际
非农业生产能力从潜在生产能力中扣除能源、交通运输和污染的负面影响后得到。
( 3) 资本积累子块
资本积累子块中的主要变量有固定资产总量( 为一状态变量) 、基本建设投资、在建固
定资产、资产形成率等。从固定资产投资到资产形成存在三阶延迟环节。
( 4) 国民收入及其分配子块
子块 中的主 要变 量有国 民总 收入、人均 国民 收入、积 累额、积 累率、人 均 消费 品增 长
率、个人消费总量、社会消费总量。模型假定积累率的高低受人均消费品增长速度的制约。
( 5) 科技子块
科技子块中状态变量科技水平分为工业科技水平和农业科技水平两部分。两者在性
质上相同。科技水平为一无量纲指标, 受国内教育水平因子、技术引进因子和科技投资因
子的影响。
( 6) 污染子块
状态变量污染程度亦为一无量纲变量。它受污染净化率和污染发生率的控制, 前者减
轻污染程度, 后者则加剧污染程度。污染净化率与污染程度本身和污染净化时间有关, 是
非线性关系。污染发生率主要取决于生活排污和工业排污的状况。科技水平的增长可以
缩短污染净化时间和减少污染发生率。
( 7) 能源子块有两种机制。一种机制是只考虑 传统能源( 不可再生能源 ) 的生产 和能
源进口; 另一种机制则同时考虑传统能源的生产和新能源开发。
・ 2 58 ・
 国内能源产出量由能源投资和投资产出率决定。投资产出率则受传统能源剩有率和
科技水平的影响。
限于篇幅, 其它子块结构的介绍从略。

12．2．3　 SDNM C 模拟结果及分析

在此仅重点讨论 SDN M C 模拟结果所揭示的中国经济增长的动力因素和阻碍因素。

( 1) 动力因素
大量的定性与 定量两方面的分 析结果 表明: 劳动力、资产积 累、科技水平 和教育水 平
四 个因 素对 于我 国经 济 发展 的 作用 是 十 分重 要 的。在 模型 中 把 这四 个 因素 作 为 Cobb－
D oug la ss 生产函数的投入要素。
SDN M C 的模拟结果清楚地表明了以上四种动力因素在时间坐 标上的不同区间 对我
国经济增长的不同作用( 见图 12．9) 。

图 12．9　 各动力因素对经济增长作用的动态发展

根据图 12．9, 可以 划分成 3 个时期, 其 间劳动 力、资产、科 技和教 育对 经济增 长的 作

用各不相同。
1) 第一时期: 1965—1980 年。这个时期中, 资产是经济增长的决定因素。四个动力因
素作用的变化趋势如下:
・ 资产作用逐渐减弱( 但仍占主导地位)
・ 劳动力作用有所增加
・ 科技作用显著提高
・ 教育作用无显著变化
动力因素的这种变化模式与下列事实是相符的:
① 1980 年前, 固定资产投资和 劳动力增加对中国 经济的增 长起了 主要的作 用, 其 涵
义是资本密集型和劳动力密集型的企业在经济结构中占据了主要成份。
② 在已拥有一定数量的资本和劳动力的基础上, 技术进步对经 济增长的作用便 迅速
增长起来。从图 12．9 中, 可以看出, 1980 年左右技术的作用已超过劳动力的作用。
2) 第二时期: 1980—1990 年。这个时期中, 我国正经历着重大的经济改革。经济结构
・ 25 9・
将发生巨大的变化。首先, 我国经济从过去的绝对封闭式变成开放式, 在此期间从国外引
进大量先进技术。其次, 更加重视经济效益和生产效率, 而不是一味追求产值。而提高生
产效率和经济效益一靠现代化管理, 二则靠技术进步。
SDN M C 的模拟 结果反映 了这种 变化, 在此期间, 资 产作用仍 占首 位, 但科技 作用 已
跃居第二, 而劳动力作用退居第三。
我国众多的人口一方面对物质供应、住房和交通运输等造成了巨大的压力, 同时也提
供了丰富的劳动力资源。然而模拟结果表明在此期间劳动力的增加对于经济增长的促进
作用开始减弱了。这标志着一个以资金和技术进步为主导力量的我国经济发展新阶段的
到来。
3) 第三时期: 1990—2065 年。在这个漫长的时期中, 技术进步 对经济的增长起 了主
导作用。从 1990—1995 年, 资产作用不断减弱。但从 1995—2015 年 20 年中, 资产作用又
有所回升。这表明经过一段时期的技术更新与技术引进提高了科技水平之后, 经济的进一
步发展需要进一步的资本投资。它与资本的作用相比, 此阶段中技术进步的作用持平。公
元 2015 年后在新的资产形成的基础上, 技术进步作用进一步提高。
上述模拟结果分析的意义在于它向人们揭示我国未来经济的增长将主要依靠科技进
步和周期性的新固定资产投资。科技进步取决于许多因素, 诸如教育水平的提高, 科技投
资等, 这些都是至关重要的。
( 2) 阻碍因素
SDN M C 模拟结果亦表明, 我国经济未来发展道路上 布满了各种各样 的障碍, 有 的是
近期的, 有的是远期的; 有的是明显的, 有的则是潜在的。应该说, 远期阻碍在某种程度上
更应引起重视, 潜在的阻碍比显见的阻碍可能更为严重。如果对未来的轮廓有所了解, 无
疑将有助于作出正确的决策。
1) 近期的障碍
所谓近期, 我们是指从现在到本世纪末, 下世纪初。这段时期的主要障碍有: 过多的人
口、能源供应短缺、交通运输能力不足, 资金紧张、污染严重等。
图 12．10 给出了 SDNM C 对以上三个变量的模拟结果。图 12．10 结果向我们表明, 对

图 12．10　 能源可供性、交通运输积压率、污染程度
比率变化趋势模拟结果

・ 2 60 ・
未来不应抱过分乐观的态度。如果以现有的结构继续发展下去的话, 在 1980—2000 年间,
能源供应、交通运输 和污染情况都处于 很严重的状态。其 间, 能源 可供性下降 26% , 污染
程度增加 55% , 交通运输积压率仅改善( 下降) 11% 。
进一步的研究表明, 2000 年交通运输问题要比能源问题更为重要。在 SDN MC 中, 交
通运输与能源对经济是同时作用的。通过以下的测试模拟既能够综合地分析能源与交通
运输状况对经济的影响, 又能独立地分析它们各自对经济的作用。方法是同时断开或分别
断开能源与经济的反馈环和交通运输与经济的反馈环。模拟结果如下:

能源与交通运输 能源单独 交通运输

年
对经济的综合影响 影响 单独影响
1985 40. 5% 19. 2% 23. 6%
1995 40. 9% 18. 9% 27. 8%
2000 39. 9% 18. 6% 28. 0%
2010 32. 8% 14. 8% 25. 1%

　 　 可见 2000 年前交通运输对经济的单独影响要比能源的单独影响大。
如果说人口、能源及交通运输问题还易为人们所认识的话, 那么迄今为止污染危害的
危险性尚远未受重视。当然其中部分原因是由于国家资金有限, 目前尚不能把许多资金用
于污染治理上, 但对这个问题我们应该有足够的认识。
此外, 模拟结果表明, 本世纪最后 20 年我国资金紧缺情况将十分严重。无论是消费还
是积累基金都不能完全满足增长的需求。文中定义资金缺少量与资金量的比值为资金紧
缺率。在这二十年间, 资金紧缺率平均达到 11% 左右, 公元 2000 年后, 资金紧缺情况才能
逐步缓和。
2) 长远的障碍
从长远看, 人口、污染和能源供应问题可能成为我国经济发展的阻碍。
图 12．11 表示了我国人口未来发展的三种可能模式。

图 12．11　 我国人口发展趋势

・ 26 1・
 图 12．11 中曲线( c) 表示在无任何人口控制政策下的人口发展趋势。很明显这种发展
结果是我们国家无法承受的。
曲线( b) 表示了一种最有可能的发展趋势。这种情况是假定 2000 年期望家庭生 育胎
数为 1．2( 实际达到 1．3 胎) , 2000 年后期望为 1．6( 实际达到 1．87 胎) 。在这种情况下, 未
来 80 年中我国人口将保持在 12 亿之上, 直到 2055 年前才开始缓慢减少。
曲线( a ) 则表示人口的另一种发展模式。在这种情况下, 我国人口在 2005 年后即迅速
下降, 但这种发展趋势将带来严重的年龄结构不合理的现象。影响社会和经济的安定和发
展。
图 12．12 表示了假定传统能源储量在初始年基础上不再增加的情况下传统能源储备
剩有率的变化趋势。预计到下世纪末将会出现新旧能源更迭的问题。

图 12．12　 传统能源储备剩有率 CE R 变化趋势

( 3) 克服障碍的政策分析
根据以上的模拟结果, 对于近期障碍来说, 人口控制无疑是项十分重要的任务。另外,
解决交通运输紧张情况要比解决能源问题更为来得迫切。
在政策模拟中曾作过以下试验, 即假定 2000 年能源短缺情况可以通过进口能源加以

EA V IN : 能源可供性
图 12．13　 能源进口政策对能源可供性的动态影响

・ 2 62 ・
改善, 与此同时国内能源投资相应减少。模拟的结果表明, 这种政策只能带来短期的情况
好转, 然而将导致公元 2000 年后能源供应情况的更加恶化( 见图 12．13) 。
针对资金紧缺率问题, 也作了政策模拟, 假定在这一时期内通过引进外资来增加固定
资产, 从而使资金紧缺率降至 6．6% 。模拟结果表明: 这将使公元 2000 年的全国社会总产
值比没有引进外资时提高 5．7% , 国民收入提高 4．6% 。根据这一结果, 可以认为在 20 世
纪余下的十几 年里, 应积 极鼓励引进外资, 这 不仅能够 促进经济 增长, 同时也 通过引进 新
技术, 推动我国科学技术的发展。

思　 考　 题

( 1) 什么是系统动力学世界模型?
( 2) 请根据所附程序单画出该模型的流图, 并找出主要反馈回路。
( 3) 什么是中国全国系统动力学模型?
( 4) 试分析 SDNM C 的主要反馈回路。
( 5) 试根据 80 年代末以来国内外政治经济形势的新 变化, 再分 析近期与远期我 国经
济增长的动力和障碍。

・ 26 3・
 第十三章　 借助模型进行系统问题的研究
　 　 　 与实验 —— 决策分析

　 　 从应用系 统动力学解决问 题的角度看, 借助模 型进行决 策研究 分析固然 是建模的 主

要目的之一, 然而应该说“决策分析”也是建立模型的一个必要步骤。系统动力学解决问题
的过程是一个认识—实践—再认识—再实践的循环过程。为了建立一个有效的模型需要
经过相同的过程。系统动力学强调实践的观点, 认为客观实际是检验模型的唯一标准。模
型不经实际应用, 无法鉴别其优劣, 而且模型唯有经过实践才能得到改善。众所周知, 由于
决策分析 是应用模型的前 奏, 因此决 策分析和政策 的实施( 实践) 是 建立规范 的数学模 型
全过程中的重要一环。
所谓用模型进 行政策分析是指 借助模型 分析研究 某个特定 政策的 作用, 其实施结 果
是否能改善实际系统中待解决问题的行为。决策分析的目的就在于研究哪些政策有效, 它
们为什么有效。
为了应用模型 分析研究系统的 问题, 建 模人员 除了必须 掌握前 面已述及 的系统动 力
学理论、构模原则与技巧之外, 还应具备把真实世界政策的改变“翻译”成模型参数或结构
的相应更改, 并解释这些变动的具体涵义的能力。模型参数与结构的变动包括适当改变常
数、表函数和方程式的形式和数目。在社会经济系统的模型里这两方面的更改均意味着决
策的变化。模型中较灵敏的参数往往代表实际系统中政策的杠杆作用点。若由此入手, 采
取措施将最有希望改善或解决系统存在的问题。当决策分析时若模型包含有新的反馈结
构, 则表明可在实际系统中采用新的处理信息的方法来改进系统的行为。
本章阐述有关决策分析的方法与技巧, 并举例加以说明, 最后讨论以模型模拟为基础
产生的政策的真实性、强壮性和可靠性问题。

§ 13. 1　 调整参数以分析比较政策与方案

在第十章第二节中我们讨论了灵敏度问题。改变模型参数的值进行模拟, 并将其结果
与模型基本运行的行为模式作比较, 这一过程称为模型对参数的灵敏度测试, 有时此过程
也可以称之为对实际系统的决策分析调试。
社会经济模型中的某些参数可称之为政策参数—— 在实际系统中其相应的数值范围
在一定程度上受人的控制。可以认为在经过精心设计的模型上进行对政策参数的灵敏度
测试, 相当于实际系统对相应的政策改变的灵敏度测试。在测试中若发现模型中有较灵敏
的政策参数则表明它们正是实际系统政策分析所要追寻的杠杆作用点。
应该指出, 对于政策模拟分析所得出的可能结论往往隐含着下述重要先决条件。当改
变某一政策参数, 且仅仅改变该参数时, 政策变化不引起其他坏的副作用。首先从概念上
说, 应 弄明白真实世界的 政策的本质, 能用模 型准确地 加以解释, 并 在一定程 度上允许 简
・ 2 64 ・
化模型; 其次从技术上说, 模型中某变量若为常数则意味着它对模型中的其他部分不产生
任何反馈作用及影响。显然客观真实世界的情况与上述隐含的假设是不完全相同的。因
此为了准确地模拟政策改变, 构模者在一定程度上必须成为系统的一部分, 发挥某些被忽
略的反馈链的作用, 在改变某个政策参数的同时, 把其他相关联的参数也作相应合理的调
整, 把改变该政策参数波及之所在和影响都尽量考虑在内。这一点对调整参数, 不论是常
数还是表函数的政策模拟都是十分重要的。

13．1．1　 以模型中某些常数作为政策参数

在前述的章节 中已出现许多政 策参数的 例子, 例如工厂 企业库 存的期望 覆盖时间 可

视为 政策参 数, 把原 为 3 个 月缩 短至 2 个月 则意 味着管 理政 策的变 化, 减少 库存 的平 均
值, 降低库存管理费用。
在第十二章讨 论了世界模型 W ORL D Ⅱ 及其基本 运行的模 拟结果, 这里 再以此为 例
说明如何调整模型参数以分析比较政策方案。
世界模型的建 模者认为虽然现 实世界是 开系统, 但是在 近两百 年内可近 似地视为 一
个封闭系统, 近代世界的 历史也表明: 随着世 界人口与 工业的增 长, 伴随而来 的是人均 生
存空间与可耕 土地面积的减少, 非再生自 然资源日 益耗尽以 及污染 净化能力 的过载等 现
象。因此地球上迄今无限制的增长势头将不应也不可能持续下去。在基本模拟运行中已
向人们揭示, 如果人类不采取明智的行动来限制人口的增长, 发展中国家不摒弃西方发达
国家所走过的 工业化道路, 现实世界的社 会经济系 统和自然 系统的 内在规律 将自发地 产
生遏制作用, 使增长的势头减缓或停止。
世界模型揭示 了四种抑制世界 增长的 因素: 非再生资 源的枯 竭; 污 染的增长; 人均 生
存空间的减少以及食物的匮乏。这四种因素从起主导作用的先后层次上看, 属第一层次的
因素是非再生资源的匮乏问题, 已在第十二章世界模型的基本模拟结果分析中述及, 下面
从决策分析的角度讨论其他抑制世界增长的三个层次。应当说明一点, 下述分析中给出的
模拟结果与图形曲线, 正如原建模者强调指出的, 不应把它们当作是对未来世界发展的预
测, 这些图形只应视为世界系统的可能的行为模式。
( 1) 污染的危害 —— 抑制世界增长诸因素中的第二层障碍
如果自然资源不是世界增长的障碍, 那么下一个障碍应该是什么呢? 若假定自然资源
可源源流长, 不会出现不 足现象, 或者说资源 消耗速度 较预期的 慢, 或资源储 量较原估 值
大许多, 如此未来世界将发生什么情况呢?
设 在 其 他 条 件 不 变 下 资 源 消 耗 常 数 NR U N 1 从 1970 年 起 减 至 原 来 的 25% ( 即
N R U N 1= 0. 25) , 即 减弱第 一层 障碍, 因此 人口 与工业 的增 长可 以比 N RU N 1 取 原值 时
持久一些, 然而它们能否永远增长下去呢? 回答是污染是增长的第二层障碍( 见图 13．1) 。
当人口与工业 化按着原有的模 式持续增长时, 伴生 的污染物 必然越 来越多地 在环境中 积
累起来, 达到 1970 年时的 40 倍, 超过了自然净化的能力。污染量的陡然增加将反过来迫
使人口与工业化的增长达到顶峰后, 先后跌落下来, 此下降趋势将持续至污染发生率低于
自然环境净化率时为止。
模拟结果表明, 由于严重的污染使人口在 2060 年后下降到峰值时的六分之一。人口
・ 26 5・
崩溃式的减少将主要发生在世界上那些受污染危害最严重的地区。严重的人口猛减问题
很可能将首先出现在工业发达的国家。若情况如此, 则由于发达国家中人口骤减, 经济大
幅度下降, 反过来使污染产生量亦迅速下降, 那么世界人口或许不会如图所示那样严重地
下降。
再看一看, 设定 NR U N 1= 0. 25 时在其他方 面所带 来的影响。 在人口急 剧减少的 同
时, 人均物质生活水平将相应地迅速提高。因为所有的资产都用来为那活着的六分之一的
人口服务。当然这一点或许不现实, 因为人口的减少主要发生在工业发达的国家与区域,
因此剩下的人 口与主要的资产 在地域上是分 开的, 而且不发 达地区 文化和教 育水平的 落
后与差别亦将有碍于有效地利用资产。
严重的污染使粮食产量在 2050 年左右急剧下降, 迫使投资于农业资产的比重直线上
升。
污染量约在 2050 年时达到峰值。虽然人口从 2040 年起就开始下降, 但并没有立即引
起污染积累积量的下降, 这是因为与此同时资产尚未减少, 仍然起主要作用的缘故。

图 13．1　 降低自然资源消耗率导致污染危机的加剧

　 　 ( 2) 拥挤, 人均生存空间的减少—— 抑制世界增长的第三层障碍

假定抑制世界 增长的自然资源 匮乏与污 染两层障 碍均被人 类克服, 那么 是否还有 第
三层障碍呢? 是的, 那就是拥挤, 人均生存空间的减少。
假定: 从 1970 年起有:
1) 资产消耗常数 N RU N1= 0
2) 污染常数 POL N 1= 0. 1
即假 定自 1970 年 开始 不再消 耗已 有自然 资源, 或 回收技 术已 达到 使资源 不 再减 少的 水
平, 且污染减为原来的 1/ 10, 即把它们的反馈作用与影响都取消了。显然这是不现实的假
设, 尤其是设定自 1970 年开始, 现在看来和近 15 年的历史不符。如此假定只是为了研究
・ 2 66 ・
抑止世界增长的障碍的层次性。
模型模拟结果表明( 见图 13．2) , 到 2100 年人口 将增至 97 亿, 拥挤 程度为 1970 年的
2．65 倍( 即拥挤比 CR = 2. 65) 。到 2060 年生活质量( Q L ) 下降到足以抑制人口的增长, 到
2200 年人口趋于稳定。资产增至 380 亿单位, 为 1970 年的 3．9 倍。由于人均用地的减少,
不得不增加对于农业的投资, 农业资产的比重从 1970 年的 0．28 增至 2300 年的 0．55。世
界模型未考虑 拥挤与它对人口 增长的影响两者 之间的时间延 迟, 所 以人口 与资产呈 S 型
增长特性, 如果考虑实际可能存在的时间延迟的影响, 它们将可能呈现围绕平衡值上下波
动的振荡行为模式。若拥挤导致国际冲突与核战争, 人口或将骤降至低于平衡值然后再增
至平衡值。若由于拥挤引起传染病的广范围流行, 人口亦将呈围绕平衡值波动的不稳定特
性。更加精心设计的模型将有可能揭示这些动态的行为模式。
( 3) 食物的匮乏 —— 抑制世界增长的第四层障碍

图 13．2　 拥挤对世界增长的抑制

假定从 1970 年起有:

1) 资源消耗常数　 N R U N 1= 0,
　 　 2) 污染常数 P OLN 1= 0
　 　 3)“拥挤”不引起死亡率的上升与出生率的降低( 如何修改死亡 率与出生率两原 表函
数的值详见表 13．2) 。
模拟 结果表明 ( 见 图 13．3) , 在上 述假定条 件食物 匮乏 将成为 抑制 人口 增长的 因素。
人口呈 S 形增长 特性, 公元 2300 年, 人 口增至 108 亿, 图 13．3 和图 13．2 比较, 初期人 口
增长要 快些, 使生 活质量( Q L ) 下 降更快些。食物供应 率下降至 0．77, 这 一点足以抑制 并
停止人口的增长。也就是说即使置食物供应对生育率与死亡率的影响以及其他所有可能
影响因素于不顾, 但由于人口本身的增长导致食物的匮乏, 最终也将迫使人口停止增长。
・ 26 7・
 图 13．3　 食物匮乏 —— 世界增长的第四层障碍

　 　 表 13－1 列出世界模型中部分政策参数及其变化的可能涵义。
表 13－1　 世界模型中部分政策参数及其变化的可能涵义

政策参数 变化范围 政　 策　 涵　 义

NRU N 1 资 源消 耗常 　 　 非再 生自然 资源消 耗下降 至 0, 或意 味着 能百 分

1—0
数 之百回收已消耗的资源。

　 　 污染 下降为 0, 净化技术达到很高水平, 污染发 生

PO LN 1 污染常数 1—0
率被有效地控制到很小的值。

　 采 用控制生育 政策, 采 取有效的节 育措施 使生育 率

BRN 1 额定生育率 0. 04- 0. 028
下降。

　 　 改善生活条件和提高保健医疗水平使婴儿死亡率
DRN 1 额定死亡率 0. 04- 0. 015
大为降低并延长人类平均寿命。

BRCM 拥 挤 对 生 育 　 　 为了作政策 分析人为假 定拥挤对 生育率 无影响,

其修改值见表 13．2
率影响的因子 显然这是不合理的。

DRCM 拥 挤 对 死 亡 　 　 为了作政策 分析人为假 定拥挤对 死亡率 无影响,

其修改值见表 13．2
率影响因子 显然这是不合理的。

13．1．2　 以表函数作为政策参数

通常表函数表示实际系统中政策的假设。在 13．1．1 节与表 13－1 中已给出例子 并解

释了它们的实际涵义。这里仅从技术角度对改变表函数值进行模拟作补充说明。
・ 2 68 ・
 为 了 揭 示 世 界 增 长 的 第 四 层 障 碍 —— 食 物 匮 乏 问 题, 在 13．1．1 节 的 模 拟 中 把
BRCM ( 拥挤对生育率的 影响因子) 与 DRCM ( 拥挤对死 亡率的影响因子) 作为政 策参数,
作了下述的更改, 如表 13－2 所示。

表 13－2　 表函数 BRCM 、DRCM 的原值与修改值

表　 函　 数 表　 函　 数　 值

BRCM 原　 值 BRCM T = 1. 05/ 1/ . 9/ . 7/ . 6/ . 55

拥挤对生育率影响因子 修改值 BRCM T = 1. 05/ 1/ 1/ 1/ 1/ 1

DRCM 原　 值 DRCM T = . 9/ 1/ 1. 2/ 1. 5/ 1. 9/ 3
拥挤对死亡率影响因子 修改值 DRCM T = . 9/ 1/ 1/ 1/ 1/ 1

　 　 从 修改后的 BR CM 与 DR CM 可知, 不论 拥挤程度 如何增 加它们的 值都保持 为常 数

1, 也就是说拥挤程度对它们丝毫没有影响, 其间的反馈作用均被切断, 一笔勾销。显然这
一假定是不合 乎实际的, 不过为了层层剥 皮弄清阻 碍世界增 长的障 碍层次才 作了如此 让
步模拟试验。
模拟 结果和解 释请参 见 13．1．1 节和图 13．2( 拥挤对 世界 增长 的抑制 ) , 在此 不再 赘
述。

13．1．3　 政策参数变化范围的限制

建模工作者有 时会沉醉于政策 模拟试验 的兴趣与 追求所谓 完美的 政策, 然而在试 验

中搞得的十全十美的政策, 其中某些方案却可能根本无法在实际系统中实施。在终端上更
改参数值和进 行政策模拟是容 易的, 但是 要在实际 系统中实 现相应 的改变却 是完全另 一
种情况, 绝非易事。事实往往如此, 具体的实际系统限制了模型中所有参数值的可能范围,
其中包括了政策参数。而且, 参数值越是接近极端情况, 在实际系统中其相应的政策越是
难于实施。
因此, 构模者应十分小心地把政策参数的变化范围保持在可能达到的边界内( 为了深
入洞察模型的行为所进行的极端情况试验不在此限) 。应当记住模拟本身并不能告诉你哪
一种政策是能够被实施的, 它只能告诉你若条件如此这般将可能发生什么情况和后果。

13．1．4　 追寻灵敏度过高的政策参数

迄今在系统动 力学模型中, 确定灵敏参 数与重 要政策参 数行之 有效的方 法仍然是 尝

试法。由于所研究系统的复杂性, 尚难形成一套简明通用的试验方法。系统动力学模型把
实际系统描述 为规范的定量的 计算机模型, 模型 成为真实 系统的 实验室, 使非线 性的、多
变量、复杂的反馈系统能 在模型上进行模 拟实验, 但是 实验的思 路、原则与方 法全仰赖 建
模者的技巧、经验和直观感觉。政策分析的科学方法尚有待于今后去研究。这里仅提供一
些不成熟的建议。
( 1) 为确定灵敏度过高的政策参数, 首先要了解和熟 悉模型的各种行 为模式, 很 清楚
只有通过一系列的模型的计算机模拟, 才能确定灵敏的政策参数, 而别无它法。当然若能
・ 26 9・
对模 型变 量 之间 的因 果相 互关 系 先作 一 番深 入 的 分析, 将 大 有裨 益 于 确定 灵 敏的 政 策
参数。
( 2) 其次, 很有用的一点是确定在不同时间的主导反馈回路。如果某一参数对任一主
回路都无明显影响, 则模型行为对该参数的变化肯定是不敏感的。
( 3) 确定那些影响正反馈回路的参数。因为正反馈回路的作用企图使系统失去稳定,
若某参数能影响其反馈强度, 则它或许可能对模型的行为产生显著的作用。
此外, 应该注意到反馈系 统另一个很 重要的 特性, 那就是前 面曾述 及的, 含有负反 馈
回路的反馈系 统一般对内部参 数的变化具有 补偿作用, 因此 模型行 为对参数 的变化不 大
敏感。这一特征意味着, 以变动参数表示政策的改变时, 在系统动态分析中, 变动参数作用
往往不太有效。恰当地调整政策参数固然能获得小的改善, 有时甚至是明显的改善, 但是
显著的改进效果主要来自政策结构的改变, 下一节专门对此进行讨论。

§ 13. 2　 变动结构以分析比较政策方案

决定反馈系统的行为的最重要因素是系统的反馈结构。如前所述, 所谓反馈系统的结
构就是系统的内部物质与信息流的组织型式。因此在系统的动态分析研究中, 为了改善系
统行为, 进行政策模拟时常常引入新的反馈链, 把实际系统中新的有用信息加进已有的模
型结构。根据系统动力学的构模原则应把重点放在信息的通道与回路上, 根据这点才使系
统动力学模型成为有价值的政策分析工具。
本节讨论如何通过改变或扩展模型结构来代表不同的政策方案。政策模拟的具体方
法有简单的也有复杂的, 简单如常数、CL IP 函数和 SW IT CH 函数等等。但本节重点放在
如何构思增添新的表示政策选择的方程式, 包括改变或扩展系统的反馈结构。
下面分别就以上诸点进行讨论。

13．2．1　 引进政策参数

为了模拟分析 比较政策方案, 可在模拟 某些辅 助变量的 方程中 引入简单 的常数项 作

为政策参数。
在 科 研 项 目 管 理 模 型 中 辅 助 变 量 累 计 估 计 完 工 项 目 CPPR G 和 毛 估 剩 余 工 作 量
E PR E M ( 见 8．4．5 节) 的原表达式分别为:
A 　 CPPR G . K = CR PR G . K + U R W . K
A 　 IW F. K= E PR E M . K / T RE M . K
式中:

CPP RG —— 累计毛估完工项目( 项) ;
GR PR G —— 累计实际完工项目( 项) ;
U RW —— 未发现待返工项目( 项) ;
IWF —— 预估需要劳动力( 人) ;
E PR E M —— 毛估剩余工作量( 人・月) ;
・ 2 70 ・
 T REM —— 距完工月数( 月) 。
　 　 在上述两 方程中可分 别乘以政 策参数 —— 常 数 PP, 成为如 下两个 新的方程 式, 以 便
于进行改变政策模拟:
A 　 CPPR G. K = PP( CR PR G. K + U RW . K )
A 　 IW F . K = PP ( E PR EM . K / T RE M . K )
当 PP= 1 时, 两方程分别等于原方程, 当 P P≠1 时, 设置 PP 为大于或小于 1 的值, 可
进行政策变化模拟测试。
下面以科研项目管理模型中的 E PR E M ( 毛估剩余工作 量) 方程 式为例进一步讨 论如
何引进与使用政策参数 PP 。
A 　 　 E PR E M . K = P P ( ( IPD －CPP RG . K ) / PPR OD . K )
式中:
E PR E M —— 毛估剩余工作量( 人・月) ;
IPD —— 初始给定项目( 项) ;
P PRO D —— 毛估生产率( 项/ 人・月) ;
T REM —— 距完工月数( 月) ;
CPP RG —— 累计毛估完工项目( 项) ;
PP —— 政策参数( 无量纲) 。
　 　 当 PP= 1 时, 此方程即为原方程。此方程描述对剩余工作量的估计, 剩余工作量只取
决于初始给定项目与累计完工项目之差除以雇员生产率, 显然该方程是基本的, 它尚未考
虑管理工作方面的困难与问题。譬如把完成的工作量估计偏大, 把雇员劳动生产率估计偏
高等等, 因此使 E PRE M 值偏小。所以应对原方程略加修改以矫正这种偏离实际的倾向。
要实现这种修改和模拟颇易, 只需把新方程中的 PP 设置为各种可能值即可。那 么 PP 应
如何设置呢?
　 　 当 PP = 1 时, 新方程即为 原方程, 既 然原方程的值偏 小, 所以为 了更好地模拟实 际情
况, 应设 PP 为大于 1 的值, 例如 PP 取 1．15。这在技术上毫不成问题。这一修改将影响纯
雇 佣率( H R ) 的方程及预定完 工期( SCD ) 的方程。 EP RE M 增大 ( PP > 1) 使 IW F ( 预估 需
要 劳动力) 亦增 大了, 进而影 响 WF S( 期 望劳 动力) , 最终 影响 HR ( 纯雇佣 率方 程) , 同 时
E PR E M 增大也使 SCD ( 预定完工期) 延长至 58 个月。图 13．4 给出取 PP = 1. 15 时, 科研
项目管理模型的模拟结果。读者可以自行与基本模拟的结果作比较。
在 E PR E M ( 毛估剩余工作量) 方程中 引进 PP ( 政策参数) 因子, 模型行为不会出 现反
常的情况, 因为当项目任务接近完成时 E PRE M 值趋于零, 这是合理的和合乎逻辑的。
经过 进一步分析 可知, 若把政策 参数( ( PP > 1) 引进 IW F ( 预估 需要劳动 力) 方程, 将
使 纯雇佣率( H R ) 与预定 完工期( SCD ) 两变量的 行为失 常。因此如 此政策模 拟是不合 理
的, 此政策是不可行的。

13．2．2　 在模型模拟过程中改变政策参数

当人们使用社会经济模型时, 常常希望了解在模拟过程中改变政策的影响。为实现这
・ 27 1・
 图 13．4　 把毛估剩余工作量提高到 1．15 倍时( P P = 1. 15)
科研项目管理系统模型的模拟结果

一目的最简单的方法是应用 CLIP ( 或 ST E P ) 函数。下面以世界模型 WOR L D Ⅱ中某些方

程式为例说明如何在模型模拟过程中改变政策参数。这类方程在 W OR LD Ⅱ中有好几个,
例如出生率 BR , 死亡率 DR , 污染产生率 POL G, 污染净化率 P OLA , 资产投资形成率 CIG
和资产折旧率 CID 等( 详见§ 12. 1 所附 WOR L D 模型程序单) , 都采用 CL IP 函数以便进
行变动政策参数的模拟, 现仅以资产折旧率 CID 的方程为例进一步加以说明。
R 　 CID . K L = ( CI. K ) ( CLIP ( CIDN , CIDN 1, SWT 5, T IM E . K ) )
式中:
CID —— 资产折旧率( 资产单位/ 年) ;
CI —— 资产( 单位) ;
CIDN —— 额定资产折旧率( 1/ 年) ;
CIDN 1 —— 额定资产折旧率 1( 1/ 年) ;
ST W 5 —— 额定资产折旧率转换时间( 某年) 。
　 　 在模 拟过程中当时间 T IM E 大于 ST W 5( 比如 1970 年) 后, CLIP 函数取 值由原来 的
CIDN ( 比如等于 0．025) 改为 CIDN 1( 比如等于 0．030) 。更改 ST W5 的值可模拟在任意一
年改变政策, 而更改 CIDN 1 的值则表示自该年( = ST W 5) 起执行该政策。
改变政策前( 即基本运行时) 和后, 其模拟结果的差异以及从反馈机制角度的分析, 这
里不再讨论, 请读者自行研究。下面再讨论一个较熟悉的例子, 看一看如何在科研项目管
理模型中模拟采用奖励政策对提高劳动生产率的影响。为实现上述模拟的最简单的做法
还是应用 CL IP ( 或 SE T P ) 函数。把原毛生产率 GPR OD 的方程式
A 　 GPR OD . K = N GPR OD ＊ E E XPGP . K
・ 2 72 ・
中的 N GPR OD( 额定生产率) 常数代之以 CLIP 函数, 即:
A 　 GPR OD . K = CL IP ( NGP ROD , GP 1, PST , T IM E . K ) ＊ E E XPGP . K
式中:

NGPR OD —— 额定生产率( 项/ 人・月) , 取 1;

GP 1 —— 实行奖励政策后的生产率( 项/ 人・月) , 取 1．2;
P ST —— 政策起始时间( 月) , 取 24;
E E XP GP —— 经验对毛生产率的影响( 无量纲) 。

　 　 由于 CLIP 函数 的作用, GP ROD 将 在第 24 个月以 后自动 地由等于 N GPRO D( = 1)

转换为等于 GP1( = 1. 2) 。这一修改代表着因雇员实行奖励政策劳动生产率提高了 20% 。
再看一看同一模型中的成本方程式。在§ 10．3 节曾介绍的成本方程为:
A 　 COST ．K = CU M EF F. K＊ CPM M ;
式中:

COST —— 成本( 元) ;
CU M E FF —— 累计工作量( 人・月) ;
CPM M —— 人・工时的成本( 元/ 人・月) 。
　 　 当实行奖励政策以后, 一方面雇员的劳动生产率提高了, 另一方面成本也提高了。所
以成本 COST 不 再是 如上 所示简 单地 正比于 最终 的累 计工作 量 CU ME F F, 应适 当考 虑
采用鼓 励政策后 每人・ 工时成本 的提高后, CPM M 前后取 值不同, 而且 成本方程 由辅 助
方程改为状态变量方程。

L 　 　 COST . K = COST . J+ DT ＊ ( WF . J ＊ E SP GP. J ＊ CPM M . J)

N 　 　 COST = 0
A 　 　 CP MM . K = CL IP ( CP MM N , CPM M I , PST , T IM E . K )
C 　 　 CPM M N = 3000
C 　 　 CPM M I = 3200

式中:

COST —— 累计成本( 元) ;
WF —— 劳动力( 人) ;
E SP GP —— 计划压力对毛生产率的影响( 无量纲) ;
CPM M —— 每单位人・工时的成本( 元/ 人・月) ;
CPM M N —— 额定每人・工时的成本( 元/ 人・月) ;
CP MM I —— 实行奖励政策后每个工时的成本( 元/ 人・月) 。
　 　 从 上 述 方 程 可 知, CL IP 函 数 将 在 模 拟 过 程 中, 在 t = PST 时, 把 CPM M 的 值 由
CPM M N ( = 3000) 自动地 转换 为 CPM M I ( = 3200) , 从而 实现 在模拟 过程 中 改变 政策 参
数。
从前述数例可见, 系统动力学模型在模拟过程中改变政策是非常方便的, 只要在模型
・ 27 3・
中适当地采用 CL IP ( 或 ST E P) 函数就是了。

13．2．3　 在模型中增加政策反馈回路

下面讨论如何 设计政策反馈结 构, 把包 含新活 动与新信 息的回 路加入原 模型以达 到

改良系统行为的目的。关键在于应增添什么链与什么回路。当然, 即使对于同一目的, 政
策反馈结构的设计方案可以很多, 这是由于系统的同一种特性、同一功能可有多种结构的
缘故。因此, 对构模人员而言则需要作充分的方案比较, 择优而用之。是否能设计出满意
的政策反馈结构关键在于设计者必须:
1) 十分熟悉实际系统与模型;
2) 充分了解正反馈与负反馈回路的机制及其行为特点。前者有使行为产生不稳定的
倾向; 后者则具有使模型行为趋于稳定的能力。
系统的面貌是千姿百态的, 非线性的信息反馈复杂系统尤其如此。在设计上是没有简
单划一的模式可循的, 设计者唯有在系统动力学理论与实践两方面多下功夫才是。
( 1) 增加小的负反馈环
设计反馈结构的思路往往是政策分析的先导。下面以简单的劳动力系统为例进行讨
论。任务是要设计一个能满足服务要求的雇员系统。图 13．5 给出了包含有雇员与订货单
积压两个状态变量的雇员—订货积压系统的流图。
　 　 模型反馈结构的主要方程如下:
L 　 　 W F. K = WF . J + DT ＊ NH R . JK
A 　 　 CB. K = ( B . K - DB . K ) / T CB
A 　 　 DOU T . K = A OR . K + CB. K
A 　 　 DWF . K = DOU T . K / PR OD
R 　 　 N HR . K L = ( DWF . K- W F. K ) / T CW F
A 　 　 N OU T . K = W F . K ＊ PR OD
R 　 　 R B. KL = NOU T . K
式中:

WF —— 雇员( 人) ;
N HR —— 纯雇佣率( 人/ 周) ;
CB —— 订货积压校正( 件/ 周) ;
B —— 订货积压( 件) ;
DB —— 期望订货积压( 件) ;
T CB —— 定货积压校正时间( 周) ;
DOU T —— 期望产量( 件/ 周) ;
A OR —— 平均定货率( 件/ 周) ;
DWF —— 期望雇员数( 人) ;
PR OD —— 劳动生产率( 件/ 人・周) ;

・ 2 74 ・
 图 13．5　 简化的雇员 —— 订货积压系统结构
注: 一旦 订货率 发生 突变, 模型 显示 出振荡 行为 。

T CWF —— 雇员调整时间( 周) ;
N OU T —— 额定产量( 件/ 周) ;
RB —— 交货率( 件/ 周) 。
　 　 结构 中的订 货积压校 正环节( CB) 将订 货单积压 ( B ) 与其期望 值( DB ) 之差反 馈至 纯
雇 佣率( N HR ) 形成负反馈 以调整雇员( WF ) 人数, 从而获 得适当的 产量, 使订单 积压( B)
尽 可能趋于其 期望值( DB) 。期望产量( DOU T ) 等 于平均订 货率( AOR ) 加上 订货积压 校
正 值( CB) 。 AOR 可以是 订货率 O R 的 平滑函数。基于期望产 量( DOU T ) 和 劳动生产 率
( PR OD ) 决定 期 望 劳 动 力( DWF ) —— 即 雇 佣 劳 动 力政 策, 模型 假 定 PR OD 是 固 定 的,
P ROD 的统计数据是 可以 获得 的。DW F 简单 地由 P ROD 除 以 DOU T 而 得。纯 雇佣 率
( N HR ) 为 DWF 与 W F 之差除以劳动力调节时间( T CWF ) 而得, 此值可正可负。模型假定
额定产量( NO U T ) 等于雇员数( WF ) 与劳动生产率( PR OD ) 的乘积。所有产量都用于交付
订货, 即设交货率( R B) 等于额定产量( N OU T ) 。
此结构为两阶系统, 按第七章系统的振荡的讨论可知。它在外生变量订货率 ( OR ) 的
・ 27 5・
作用下将产生振荡行为。显然这种不稳定特性对企业的信誉和雇员的士气都有极坏影响。
采取什么政策和行动才能削弱系统的振荡趋势就成为企业经营者关心的问题。如前节所
述, 改变政策参数 T CW F( 劳动力调节时间) 与 T CB( 订货积压调节时间) 以减小振荡 是方
法之一。然而由于反馈系统的特性对参数变化不太敏感, 政策参数 T CW F 与 T CB 可能要
取极限值, 因而失去实用价值。另一出路就是改变系统结构, 从经营者可能采取的对策着
眼。为了调节企业的产量, 企业经营者难道唯有采用雇佣或辞退的对策吗? 显而易见, 还
是有别的选择余地的。譬如调整工作日的长短以调节产品的产量就是一种可行的方案。若
取此法, 则应对反馈结构作一点修改和补充。修改方程如下:
A 　 OU T . K= NO U T . K ＊ E U T OT . K
R 　 R B. K = OU T . K
A 　 E U T OT . K = T A BH L ( T U T OT , DOU T . K / N OU T . K , . 7, 1. 3, . 1)
T 　 T E U T OT = . 85/ . 87/ . 91/ 1/ 1. 09/ 1. 13/ 1. 15

图 13．6　 雇员订货积压系统附加辅助变量
( EU T OT , 延长或缩短工作日) 形成小的负反馈环结构
式中:
OU T —— 产量( 件/ 周) ;

・ 2 76 ・
 N OU T —— 额定产量( 件/ 周) ;
E U T OT —— 调节工作日长短的影响系数( 无量纲) ;
RB —— 交货率( 件/ 周) 。
　 　 相应的新结构流图如图 13．6 所示。该图与图 13．5 之别只是在结构上增加辅助变量
E U T OT 和 O U T 而已。增加 E U T OT 变量后产生的阻尼作用使系统的振荡显著减小, 模
型假定雇员工作日的长短允许在±15% 之内调节。在模型中形成一个小的负反馈环, 它只
包含一个状态变量。当订货率( OR ) 突然增加时使订货积压( B) 和期望产量( DOU T ) 随之
增加, 后者又使 EU T OT 增加, 从而使 OU T 即 RB 上升以减少 B, 这就是新形成的负反馈
环的作用。
上述产生阻尼作用的方法可以上升为一般原则: 在可能发生振荡的结构中增添新链,
使形成只包含一个状态变量的小的负反馈环, 从而产生抑制振荡的衰减作用。这种小的负
反馈环可根据需要在模型中增添一个或若干个。

§ 13．3　 政策推荐及其评价问题

建立 系统动 力学 模型的 最终 目的 是为了 分析 研究以 洞察 真实 系统内 部 的问 题与 奥

秘。在建模过程中或模型建成后, 人们总是希望能应用系统动力学理论、方法和模型把所
研究的系统的未来发展安排得更好。在社会经济系统中, 政策研究要注意两点: 一是政策
的可行性, 二是“预报”的不确定性。这就迫使人们在借助模型模拟拟定政策时, 要考虑和
回答两类问题。一类是有关了解政策的真实性的, 另一类是涉及政策的可行程度的。下面
就有关问题进行讨论。

13．3．1　 何谓系统行为的改善

在评价政策优劣之前, 应先确定对系统行为的衡量标准, 否则各执一词, 无从下手。比

如, 实 际的库存系统常发 生振荡行为, 这是管 理人员所 不希望的, 因 此能抑制 或消除库 存
系统振荡的政策, 就是好的, 反之则为差的。依此类推地, 凡是能扭转城市的停滞局面的政
策, 能 有效地控制污染或 控制人口的政策, 能 促进一个 国家、一个地 区的经济 发展的政 策
都在好政策之列。应该指出, 即使如此, 人们对于优劣的评价也常不尽相同, 对具体情况与
问题应作具体分析。
信息反馈系统 有一个突出的特 性, 那就 是包含 其中的各 种因素 的作用往 往是既对 立
又统一, 有矛盾又有所折衷。例如以振兴一个老城市为目的城市政策, 总要面临争地皮的
难题, 诸方面都在争夺紧 张的地皮, 例如居民 住房、绿化环境 和企业 在用地上 的矛盾往 往
需折衷解决。过分强调发展企业时必然出现市民居住空间过于拥挤的倾向; 反过来, 若片
面强调发展居民住房建设而限制企业的发展, 则不利于经济的发展, 严重时甚至使城市失
去维持自身生存的能力。因此争地皮的尖锐矛盾需加以协调, 适当地折衷解决, 否则城市
政策是不可能取得一致意见的。
类似的例子比比皆是, 不胜枚举。要为系统动力学模型设定衡量系统行为优劣的统一
・ 27 7・
尺度是不可能的。某些政策的短期效应可能与其长期的效应恰好相反, 不同的要求与指标
往往要有所折衷, 要确定何者为希望的方案是不容易的。定量模型只能为权衡取舍方案时
增添参考信息, 有价值的判断最终要由人来作出。

13．3．2　 政策的正确性

在第十一章侧 重讨论模型正确 性问题, 把较抽 象的概念 转化成 易于处理 的模型有 效

性与一致性的概念。本节的讨论内容基于假定: 模型已经过一系列调试, 完全能满足构模
要求, 与所针对的真实情况高度一致。然后把模型作为实验工具做不同管理政策的和实施
结果的模拟实验。然而疑问仍然存在, 这些经模拟推荐政策的可信度与正确性如何呢?
再者, 探讨模型的正确性概念有助于弄明白正确性的有关问题。对于基于已经检验的
模型的政策模拟分析, 我们要问, 那些政策的强壮性如何? 该模型是否足以支持它所推荐
的政策?

13．3．3　 政策的强壮性

§ 10. 2 节从评价模型优劣的角度讨论了模型的强壮性问题。这里则换一个角度转到
对“政策”的估价, 集中于“政策灵敏度”高低的分析上, 并改变提法称之为“政策的强壮性”
优劣问题。
所谓政策的强 壮性也就是政策 的可靠性, 是指 在多大程 度上允 许模型的 假定偏离 实
际系统而不影响基于模型的政策的正确性。系统动力学认为, 当模型参数和外界条件有所
变化或者模型方程式作了合理的替换时, 由模型模拟推荐的政策仍然属于好的选择, 则认
为该政策是强壮的。若一种政策对于上述变化过于敏感, 则它就不可信了。
由于任何模型, 不论是思 维中的还是 定量的, 都不 可能与实 际系统 完全一致, 所以 政
策的强壮性是非常重要的。因为实际系统的问题总是有某些方面未能被模型所包括; 因此
欲使政策在模型中的作用近似于实际系统的情况, 政策必须是强壮的。当然, 对于政策强
壮性高低的评断必定是相对的。人们最大限度能做到的只能是努力去寻求那种强壮性尽
量好些、灵敏度尽可能低些的政策。

13．3．4　 政策灵敏度与强壮性测试

　 　 由模型模拟得到的政策推荐的最糟糕情况, 莫过于它对参数变化的过于敏感。若参数
在合理范围变动, 模型的模拟政策也随之大起大落, 那么它怎能取信于模型用户呢! ?
由同一模型获 得的政策对各参 数的变动 的强壮性 与灵敏度 不尽相 同, 可 能对多数 参
数是强壮的, 而对某一个参数却是十分敏感的。因此, 为发现这些问题, 目前唯一可行的办
法还是对模型进行大量的测试。有充分的理由认为, 任何由模型推荐的政策, 若欲得到用
户的肯定并在实践中得到实施或应用, 它首先需要经过大量和严格的参数灵敏度测试。
具高强壮性的政策应允许对模型方程式作合理的替代或增添方程。若模型推荐的政
策因结构的微小变动而迥异, 则意味着模型的结构还存在问题。在没有获得有关实际系统
更多的信息并对模型的有关部分进行重构, 把相应的过于灵敏的问题消除之前, 构模工作
将难于进行下去。
・ 2 78 ・
 在模型中, 允许替代方程的存在或许有数处。哪些变量方程可用? 哪一方程更适用?
构模者若要回 答和解决诸如此 类的问题, 唯有对实 际系统的 结构与 运行情况 作十分详 尽
的剖析才行。经分析仍未能决定时, 应把可能的替代方程一一加以模拟测试比较, 然后择
优而用之。若经此步骤后, 模型所推荐的政策若仍对参数十分敏感, 则应重复上述步骤, 必
要时甚至考虑彻底重新构模。
此外, 一种成功的政策还应经受改变外部条件的各种测试。就库存系统来说, 对新的
库存控制政策 的评价要看, 在订货是稳定 上升或 是下降、或是振 荡、或是随机 冲击的种 种
条件下它能否仍然使成本降低。一种特殊的农业用地管理政策的好坏要看它能否经受得
住气候的变幻。评价企业经营政策的优劣要看在商业周期的谷底和持续通货膨胀期间, 它
能否使企业继续赢利。实际系统的外部环境反映在模型中是以外生参数来表示的。构模
者应以推荐的 政策为参考找出 这些外生参数 的合理变 化范围, 并模 拟确定与 该政策失 效
时相应的外生参数极端值。
　 　 简言之, 为了制定实际系统的富有强壮性的政策, 人们必须花许多时间与精力去确定
它们在什么条件下将失去强壮性。
强壮性是政策正确性的一个方面。其次, 它使模型具有支持所荐举的政策的能力, 这
里举一个历史的经典的例子来说明这个概念。马尔萨斯的人口论早已为世人所熟知, 他的
第一篇关于人口问题论文以脑力模型向人们描绘了一幅世界人口未来增长的图象。用系
统动力学的语言—— 因果关系回路图, 可将其复述如图 13．7 所示。

图 13．7　 马尔萨斯的人口论因果关系回路

・ 27 9・
 马尔萨斯 认为, 地球 上没有一个地 方( 特别是他 的祖国 —— 英国) 能支撑 无限制增 长
的人口。食物的减少最终将导致疾病、饥饿与社会矛盾激化, 这些是死亡率控制因素。它
们的综合作 用将使死亡率剧 增, 从而停 止英格兰 的人口 增长。同时 马尔萨斯 认为当时 能
“预见”人口的增长趋势并形成“预见”性控制的行动, 从而抑制出生率。他认为若社会意识
到前面提到的死亡率控制因素威胁, 或许社会就会接受降低出生率的新传统。他当时提倡
晚婚、节育。但是, 马尔萨斯是个现实主义者, 他悲观地认为, 生育率回路的作用总是强于
死亡率回路的作用。
马尔萨斯的思想可理解为主张控制人口增长的政策。他曾预示, 若无“预见”地控制人
口, 在一世纪内英格兰将无法养活自己。然而历史却证明他的“预言”是错的。许多人已指
出他的人口“脑力”模型失于未考虑工业革命、农业生产率的提高和随之而来的移民( 移出
英格兰) 的影响。另外, 其模型还不恰当地假定英格兰当时能采用“预见”性的控制政策使
出生率降低。可以认为, 马尔萨斯的人口模型与他所论及的那个世纪的历史不符, 也就是
说它不能 用于模拟短期的 ( 历史上一 个世纪相对数 世纪而 言仍是短 的) 政策, 因为如前 所
述, 它的模型忽略了移民与生产率提高在那个世纪的重要影响 ① 。
　 　 应特别指出的是, 以上讨论并不企图对马尔萨斯的人口模型作全面的评价, 而目的在
于说明, 马尔萨斯的人口模型不具备支持它所荐举的关于人口控制问题的政策, 其强壮性
是差的。以此说明政策推荐与模型强壮性、适用性的内在关系。
一个具有足够 能力支持其所推 举的政策 的模型, 在其建 模时应 该把模型 的检验和 对
政策正确性的检验同时都加以考虑。这些工作也就是对构模研究工作的结果的校验。在
构思模型 的初期, 建 模者应力图按照 给定要求与待 解决的问 题适当 地设定模 型( 即系统)
的界限, 末了到研究工作接近完成的阶段, 构模者应再次考虑模型的界限问题。构模者应
向自己提问, 如果把某些因素划到界限之外, 基于模型模拟的政策分析是否还保持其正确
性? 似乎我们的讨论又回到第十一章模型的正确性与信度了, 其实不然, 通过对政策强壮
性的讨论, 使读者对模型的要求更加明确清楚。

13．3．5　 政策的可行性—— 可付之实施的政策

可以肯定地说, 没有一个 构模者与用户 会故意 制定一套 无法在 实际系统 中实施的 政

策。不过有两个关于政策实施问题的重要考虑易被构模者忽略。第一, 那些对真实系统的
政策负有责任的人们是否相信模型模拟所荐举的政策的价值呢?第二, 真实系统在政策实
施过程中的反响如何?
那些对复杂管 理系统负有责任 的人员, 他们的 决策往往 源自自 己脑中的 即所谓脑 力
模 型。譬如 说经 模型模 拟分 析, 若认为 某种 产品需 求的 价格 弹性系 数偏 低( 绝对 值小 于

① 注 : 马尔 萨 斯的 人 口模 型 假定 由 于食 物 短缺 等 因素 的 综合 作 用, 最 终将 抑 制英 格 兰人 口 的增 长 而 出 现动 平
衡。虽 然这一 假设 并不符 合英 格兰的 历史, 然 而若把 该模型 用来 粗略地 描述 全球长 期人 口发展 模式, 虽 然很不 完整 , 但
或许有 其合 理之处 。在介 绍世 界模型 中已述 及, 在未 来的世 纪中 , 地 球仍 应近似 地视为 闭系 统, 历史上 的增 长趋势 不可
能无限 制的 延续下 去, 到下 世纪世 界的 增长包 括人口 的增 长将受 到限 制。然 而 阻碍 增长 的因 素不 单是 食物 匮乏 一个
因素 , 而 是包 括资 源 的短 缺、污染 的影 响、空 间的 拥挤 以及 食物 的匮 乏 在 内的 诸因 素 的综 合 作用 ; 而且 它 们将 依 次先
后地成 为限 制增长 的主要 因素 。因此 可以 认为, 马尔 萨斯 的人口 模型 过于简 化, 是很 不完善 的。

・ 2 80 ・
1) , 则似应提价, 但最终是提价还是降价主要取决于管理人员相信哪一种方案。在某些方
面, 管理人员脑中的系统图象要比任何定量模型丰富得多, 他们往往按自己相信的脑中模
式行事。
固然, 政策推荐来自系统动力学模型, 然而, 管理人员进行决策时, 并没有脱离他们脑
中的脑力模型。因此, 为了使最后的决策能付之实施, 在建立方程时, 应特别对反映政策的
结构与参 数反复加以推敲, 使它们能 与所描述的实 际系统( 甚至 直观地观 察) 以及管理 人
员脑中的脑力模型的结构根本一致。有时候模型的结构与模拟结果的联系与关系未必能
令人信服。模型行为的产生原因必须分析清楚, 使用户能够弄明白系统行为、功能与系统
结构 的内在 关系, 尤 其是那 些奇 异的现 象、过渡 过程特 殊行 为与 系统反 馈结 构的 内在 联
系。
为了建好模型, 使模型模拟的政策可付之实施, 用户应该自始至终参予建模。对事物
的深入洞察主要基于建模全过程的工作, 而不只是建模的最终阶段与结果。若用户不能参
予建模, 则构模人员的任务将是十分艰难的。
关于政策实施的第二个问题( 实际系统在政策实施过程中将如何响应) 是指把系统内
部结构按要 求改变时, 会产生什么结果。模 型研究 工作通常 侧重于 研究什么 政策是有 益
的, 而不是把重点放在研究这些政策应如何被用于实际系统。但是政策的成功实施不仅取
决于政策本身的好坏, 而且十分敏感地与新旧政策的更迭过程有关。系统动力学强调实践
的观点, 实践是检验的标准, 因此, 政策如何实施的问题是不容忽视的。另外, 构模人员应
该知道, 政策改变的执行过程是一个内内外外相互影响、复杂的动态反馈过程。
因此, 建模时构模人员应把握住系统的固有的整体性, 把政策优化与政策的实施这两
方面的问题都全面系统地加以考虑。

习 题 与实 验

( 1) 请画出 8．4．5 简化科研项目管理模型的流图, 分析其主要反馈回路。

( 2) 运行该模型, 分析基本运行的行为模式。

・ 28 1・
 第十四章　 系统动力学的特点、最新发展与未来展望

§ 14. 1　 系统动力学的五大特点
14. 1. 1　 特点一

　 　 系统动力 学是一门可用于 研究处理社 会、经 济、生 态和生物 等一类 高度非线 性、高 阶

次、多变量、多重反馈、复杂时变大系统问题的学科。它可在宏观与微观的层次上对复杂多
层次多部门的大系统进行综合研究。

14. 1. 2　 特点二

系统动力学的研究对象主要是开放系统。它强调系统的观点, 联系、发展与运动的观
点; 认为系统的行为模式与特性主要根植于其内部的动态结构与反馈机制。

14. 1. 3　 特点三

系统动力学研 究解决问题的方 法是一 种定性与 定量结合, 系 统、分 析、综 合与推理 的

方法。尽可能采用“白化”技术, 把不良结构尽可能相对地“良化”, 其模型模拟是一种结构
—功能模拟。

14. 1. 4　 特点四

规范的模型, 它是社会经济一类系统的实验室。系统动力学最引人注目的特点之一是
它的模型从总体上看是规范的, 变量按系统基本结构的组成加以分类, 尽管在辅助方程中
可能含有半定量、半定性或定性的描述部分。规范的模型便于人们清晰地沟通思想, 进行
对存在问题的剖析和对政策实验的假设; 便于处理复杂的问题, 能一步步可靠地把假设任
何隐含的凌乱与迷津追索出来, 而不带有人们言词上的含糊, 情绪上的偏颇或直观上的差
错。
系统动力学模型被誉为实际系统的实验室。经模型模拟以剖析系统, 获取更丰富、更
深刻的信息, 进而寻觅解决问题的途径。在社会、经济、生态领域的应用, 它可用来定性与
定量 地剖析 历史、分 析现在 和研 究未来, 是 实现 决策科 学化 与经 营管理 现代 化的 有力 手
段。对于以良结构和定量为主的系统动力学模型, 其解决问题的过程实质上是寻优过程,
可用来寻求系统的较优结构与参数, 以获取较优的系统功能。然而, 一般而言, 系统动力学
的建模过程就是一个学习、调研的过程, 其模型的主要功用在于向人们提供一个进行学习
与政策模拟分析的工具, 使决策群体或组织成为一种学习性和创造性的组织。

14. 1. 5　 特点五

系统动力学的建模过程便于实现建模人员、决策者和专家群众的三结合, 便于运用各
・ 2 82 ・
种数 据、资 料、人们 的经验 与知 识、也便于 汲取、融 汇其他 系统 学科 与其他 科 学理 论的 精
髓。

§ 14. 2　 系统动力学理论与应用研究的进展

在过去十年的理论与应用研究的实践中, 系统动力学在不断地发展。在理论研究方面
不断深化、丰富; 在建模方法上不断演进; 在应用方面不断拓宽。

14. 2. 1　 理论研究的进展

( 1) 运用数学理论对系统动力学的理论、方法进行论证。从数学上建立系统动力学的
公理体系, 提出分析复杂 系统一般特性的 原则; 运用组 合拓扑理 论用新 的观点、方法分 析
系统动力学的 结构特性; 汲取其他系统学 科, 如非平衡 理论、突变理 论的概念 研究复杂 系
统结构的稳定性及复杂系统动态行为的非连续特性。浑沌已被列入系统动力学所研究的
系统行为模式的频谱。特征根分析判别复杂系统主回路。对模型关键参数及部分结构的
优化研究等等。
( 2) 在过 去十年中, 对 非线性复 杂系统的 非平衡、分岔、浑沌 等特性 借助系统 动力 学
模型在社会、经济、生物与生理等系统的研究中已获得丰硕的成果。自 80 年代中期已有人
开始应用系统动力学模型定量分析系统的协同性。

14. 2. 2　 专用模拟语言与软件的发展

在 80 年代以前已发展了以功能最丰富的 DYN AM O Ⅳ为代表的 DYN AM O 系列。在

80 年代推出了功能 与 DYN AM O Ⅳ相当而 可用于 个人计算 机的专 业 DYN AM O , 具有 量
纲 分 析、优 化 等 功 能 的 DY SM AP 2, 可 便 于 建 模、分 析 反 馈 回 路 机 制 的 ST E L LA 与
DYSMO D, 带有 Dat abase 的 DYSBASE , DYN AM O / C , 以及把 专用 软件与 其他 软件 ( 如
GIS) 结合成一体的组合软件系统。

14. 2. 3　 模型体系的演进( 详见§ 3. 10)

( 1) 系统动力学的传统模型。按其阶数与方程的数量可划分为大、中、小三种, 它们可
按照建模的目的与要求加以选用。
( 2) 通用模型子结构系列, 在企业经营管理决策方面已初步完成。
( 3) 模型库。以主模型为核心辅以一定数量的分模型。模型描述总体与局部、上与下
的关系。
( 4) 系统动力学模型为主体与其他理论、方法的结合运用。
( 5) 系统动力学和其他多种方法组成综合模型体系。
( 6) 智能化综合系统。以系统动力学与复杂 系统理论( 耗散结构、协同学、突变论等)
相结合建立以系统动力学模型为核心的模型库, 再加上知识库与数据库等组成。

・ 28 3・
14. 2. 4　 学习型组织的崛起

在全 世界正 在经 历由工 业社 会向 信息社 会过 渡与转 变的 大背 景下, 自 80 年 代初 以

来, 由美国麻省理工学院斯隆管理学院的创始与推动, 一种崭新的学习型企业组织正在崛
起。
这是一种精干、扁平化、信息化、善应变, 能不断自我学习、自我超越与创新、持续开拓
未来的组织形式。学习型组织是一种最能充分发挥人的主观能动性的组织形式; 组织中的
成员有共同理 想、目标与 前景, 富 有进取 精神, 善思索、能默契, 能 相互砥砺、切磋、共同 成
长。
系统思考是学习型组织的灵魂。以系统思考为核心和脑力模型、共同前景、团队学习、
个 人进 取相互 融合 贯通, 成为 浑然 一体的“修炼”艺术 与技 能, 这是建 立学 习型组 织的 基
石。
学习型组织将是 90 年代以后最富有生命力、竞争力的组织形式和最成功的企业组织
形式之一。目前已有杜邦、英特尔、苹果电脑、迪吉托电脑、福特汽车、联邦快邮、太平洋贝
尔、汉诺威保险公司、加拿大皇家石油等十余家世界著名大企业加入麻省理工学院的学习
型组织中心, 希望获得辅导, 以尽快脱胎换骨成为学习型的企业。

§ 14. 3　 系统动力学未来展望

可以预 料, 系 统动力学 将继续 以较高 的速 度在我 国发 展, 90 年代 后至公 元 2000 年,

将进一步消除差距, 逐步从以“学习仿效”为主进入“独创”阶段。在理论与应用研究的深度
和广度上达到能与西方科技先进国家并驾齐驱的境地。

14. 3. 1　 理论研究方面

( 1) 今后 15—20 年我国的系统动力学理论研究工作应在下述方面有所贡献:
1) 系统动力学本身的理论研究
① 系统动力学的哲学思想与方法论;
② 系统的结构与功能、行为的关系。这方 面的研究应侧重系 统的振荡、非平衡、突变
现象的内在机制、噪声对模型工作的影响、复杂系统主回路的判别等内容;
③ 系统的建模方法。模型的简化问题、模 型阶数与降阶问题、模型的 参数估计、通用
的模型基本单元;
④ 模型的检验。模型的信度等。
2) 系统动力学在发展系统科学中的作用
系统动力学能 定量地分析各类 复杂系统 的结构与 功能的辨 证对立 统一关系, 能定 量
地分析系统的特性, 它将在建立完整的系统科学体系、系统论与系统学的研究工作中作出
应有的贡献。
可以预言, 系 统动 力 学 将 与 人工 智 能 融 合 成为 人 们 广 为 应用 的“系 统 思考 ( sy stems
thｉｎkｉｎg ) ”的全新理论与方法。
・ 2 84 ・
14. 3. 2　 应用研究方面

众所周知, 在西方世界的经济结构已在酝酿新的变革, 工业化的时代将让位于未来的

全面信息时代。处在这样的时代背景下, 对我国的未来加强整体性与综合性研究显得尤其
必要。系统动力学作为一门软科学, 未来研究的理想工具, 它不仅适用于研究全国一级、区
域一级的问题, 而且可应用于企业一级和家庭、个人的天地中去。
1) 公元 2000 年的中国的研究。这是一个复杂的、巨大的系统。历来, 对我国未来的经
济、社会、科技和生态问题较偏重于定性、局部的研究。显而易见, 对这一类问题仅有定性
的研究是不够的, 唯有同时开展定量与全局性的研究才能深入地进行分析与比较。由于系
统动力学具备前已述及的特点, 它无疑地将能在这一类课题的研究工作中发挥作用。
应用系统 动力学建 立我国 国家一级 或地区一 级的经 济—社会—科技—生态 模型, 从
总体上研究全局性、长远性、综合性和战略性的理论与实践问题, 并制定对策与解决方案。
把公元 2000 年和 2050 年中国 作为一 个长期过 程( 50 年、100 年以上 ) 中 的历史断 面
来研究。
研究上述年份中国的社会环境和生产系统、经济区域和城市系统、社会经济与信息系
统诸子系统之间的关系。探索它们的相互依存、相互补充与相互制约的机制与条件。
2) 研究全国或一个区域的经济战略与社会战略问题。
经济战略: 工业、农业、资源、生态、人口和消费的关系。
社会战略: 人口就业、家庭、生活水平、住房和教育等的关系。
3) 系统动力学将普遍地应用于企业的经营管理与决策, 并大力发展学习型企业组织。
4) 在 个人计算 机日益 普及的公 元 2000 年, 家 庭与个 人将有条 件把系 统动力 学作 为
简便有效的手段, 去规划、设计家庭的发展与个人的前程。
5) 系统动力学将在其它领域, 诸如医学、生物和工程问题等方面得到广泛的应用。
6) 研究世界发展动向与我国经济、社会发展的相互联系与影响。
可以预料, 系统动力学未 来在国际上 的发展, 不论 是在理论 研究还 是应用研 究方面,
其基本内容与课题都将大体上与前述的我国未来的情况相似。因此, 在这里就不再详加赘
述了。

§ 14. 4　 结　 　 语

系统动力学是一门处在蓬勃发展的系统学科。其自身的理论、方法和模型体系仍然在
深度与广度上发展演进。
可以期待, 以系统动力学 为基础, 汲取其 他系统学 科与科学 理论之 长, 将 形成一种 定
性与定量结合, 系统思考、综合与 推理, 系 统规划 与优选等 一体化、智能 化, 分 析研究处 理
非线性复杂时变大系统的更加有效的理论、方法与手段。
系统动力学还 是一门年轻的学 科, 在理 论与应 用研究两 方面的 发展都还 有广阔的 天
地。可以断言, 系统动力学在世界范围内蓬勃崛起的时期正在到来, 在本世纪末系统动力
学的理论与应用研究将在广度与深度上出现飞跃性的进展。
・ 28 5・
 附　 　 录

附录一　 DYN AM O 输出量幂次的符号定义与注释

字　 母 等效十进制 ＊ 注　 释 字　 母 等效十进制 ＊ 注　 释
A E —03 N E + 30
B E + 09 十　 亿 P E + 24
C E + 27 Q E+ 15
D E + 33 R E + 12
E E - 06 S E + 21
F E - 09 T E+ 03 千
G E - 12 U E - 24
H E - 15 V E + 18
J E - 18 W E- 27
K < E- 30 X E+ 00
L E - 21 Y E - 30
M E + 06 百　 万 Z > E + 30
　 　 ＊
E - 03 等 于 10- 3 , E + 03 等 于 103 , 依 此类推 。

・ 2 86 ・
 ①
附录二　 系统的增益、相位关系

附图 1　 输出与输入幅度比与 D/ P 的关系曲线

附图 2　 指数滤波相移与 D / P 关系曲线

　
　
　

① 增 益、相位与 D / P 关系 曲线有 助于 对反馈 回路 的机制 作深 入的分 析。

・ 28 7・
 参　 考　 文　 献

[ 1] A nderson , B . O . and M oore . J . B. 1979. O pt im al F ilt er ing T echniques . P rent ice H all E nglewood
Cliffs . N ew J ers ey.
[ 2] Bert alanffy, L . V . 1980. General Syst em T heor y. N ew York: Geor ge Braziller.
[ 3] Braun , M . , 1978, Different ial Equat ion and t heir A pplicat ion , 2nd edition , N ew Y ork : Springer
V erlag . 413—419.
[ 4] E berlein, Robet L . and Q ifan Wang, 1985. St atis tical E st imat ion and Syst em Dynamics M odels.
P roceedings of T he 1985 International Syst em Dynamics Conference .
[ 5] F orrest er , Jay W . , 1961. Indus trial Dynamics . Cambridge . Mas s. : T he M IT P res s .
[ 6] F orrest er , Jay W . , 1968. Principles of Syst em s. Cambridge , M ass . : Wright －A llen P ress , Inc .
[ 7] F orrest er , Jay W. , 1969. U rban Dynamics Cam br idge, M ass . : T he M IT P ress .
[ 8] F orrest er , Jay W . , 1971. World Dynamics. Cambridge , M ass . : W right －A llen P ress , Inc .
[ 9] F orr es ter , Jay W . , 1975. Collected P aper of Jay W . F or res ter . Cambr idge , M as s. : Wright －Allen
P ress , Inc.
[ 10] F orr es ter, Jay W . , N athaniel J . Mas s and Char les J . Ryan, 1976. T he Sys tem Dynamics N ational
M odel : U nders tanding Socio－E conomic Behavior and P olicy A lt ernat atives , T echnological
F orecas ting and Social Change , N o . 9: 51—68.
[ 11] F orrest er , Jay W . , and P et er M . Senge, 1980. T es ts for Building Confidence in Sys tem Dynamics
M odels. Syst em Dynamics. T IM S Studies in M anagement Sciences , 14( 1980) : 209—228.
[ 12] F orr es ter , Jay W . et al . , 1983. Implicat ion for N at ional and Regional Econom ic P olicy. P resented in
Conference on Long W ave , Depres sion , and Innovat ion , F lorence , It aly, 26—28 O ct ober 1983.
[ 13 ] F orrest er , J ay W . T he Sys tem Dynamics N at ional M odel: Objectives, P hilos ophy, and Stat us.
P roceedings of t he 1984 Int ernat ional Syst em Dynamics conference . 1—16, Os 1o .
[ 14 ] F orrest er , Jay W . , 1989. T he Sys tem Dynam ics N ational M odel M acrobehavior from
M icrost ructure, Computer －Based M anahement of Complex Syst em s, S pringer－verlag, 3—12.
[ 15] F ortm ann, T homas E . and K onrad L . H it z, 1977. A n Int roduct ion t o Linear Cont rol Syst em . M ar cel
Dekker Inc .
[ 16] G oodman , M ichael R . , 1974. St udy N ot es in Syst em Dynam ics . Cambridge , M as s . : T he M IT Pr es s.
[ 17] Graham, Alan K . , 1980. P arameter E st imat ion in Syst em Dynamics Modeling, in Elem ent of t he
Sys tem Dynamics M ethod, J orgen Randers, ed. , Cambridge, M ass . : T he MIT P ress . 143—161.
[ 18] H aken , H . , 1983. A dvanced Synergect ics . N ew York : Springer －V erlag .
[ 19] H aken , H . , 1978. Synerget ics －A n Int roduct ion . New Y ork : S pringer －Verlag .
[ 20] Kalman, R . , 1960. A New A pproach to L inear P rediction and F ilt ering P roblem s, Journal of Bas ic
Engineering , Series D, 82( 1960) 35—45.
[ 21] M ass , N athaniel J. , 1975. Economic Cycles: A n A nalys is of U nderlying Causes. Cambridge , M ass . :
T he M IT P ress .
[ 22 ] M ass , N at haniel J. and P eter M . Senge, 1978. Alt er nat ive T est s for t he Select ion of M odel
V ar iables . IE EE T ransactions on Syst em , M an , and Cybernetics , July , 1978.
[ 23] M eadows Donella et al . , T he Limit s t o Growt h , 1972. Cambridge , M as s . : T he M IT P ress .
・ 2 88 ・
[ 24 ] M eadow s , Dennis L . and Donella H . Meadow s, eds. , 1973. T ow ard Global Equilibrium.
Cambridge , M as s . : T he M IT P ress .
[ 25] O gat a , K . , 1967. St ate －Space A nalys is of Cont rol Syst em . Prent ice －H all .
[ 26] P ugh , A . , 1983. DY NA M O U ser' s M anual ( 6t h ed. ) . Cam bridge, M ass . : T he M IT P ress .
[ 27] Randers , J. , ed. , 1980. E lements of t he Sys tem Dynam ics M ethod. Cambridge M ass . : T he M IT
P ress .
[ 28 ] Richar ds on , G. P . and A . L . P ugh , 1981. Int roduction to Sys tem Dynamics M odeling w it h
DYN A M O. Cambridge, M ass . : T he MIT P ress .
[ 29 ] Rober ts , E . B . , 1972. St rat agies for E ffect ive Im plement ation of Complex Corpor at e M odels.
International Symposium on Model and Comput er Bas ed Cor porate P lanning , U nivers ity of
Cologne, Germany, M arch, 1972.
[ 30] Robert s , E . B . , 1974. A Simple M odel of R & D P roject Dynamics. R & D Management , Vol . 5.
N O . 1( Oct ober 1974) .
[ 31 ] Saeed K halid etal , eds , 1991. P roceedings of T he 1991 International Conference of Syst em
Dynam ics . Bangkok .
[ 32] Senge P eter M . , 1990. T he F ift h Discipline: T he A rt and P ractice of T he L earning Organizat ion,
Doubleday .
[ 33] St erman, John D . A n Integrat ed T heor y of T he Econom ic L ong Wave. P roceedings of T he 1984
International Sys tem Dynamics Confer ence . 54—77, O slo .
[ 34] W ang, Q ifan and John D. St erman, 1983. A Diss aggregat e Population M odel of China . P roceeding
of T he 1983 Int er nat ional Sys tem Dynamics Conference , V ol . II , 841—861, Bos ton and was
reprint ed in Simulation , July 1985, 7—14, t he U . S .
[ 35] Wang, Q ifan et al. 1986. A Study of Syst em Dynamics F rom T he V iew of Sys tem T heory.
P roceedings of T he 1986 Int er nat ional Syst em Dynamics Conference , Spain .
[ 36] W ang, Qifan et al. eds . , 1987. T heory and Applicat ion of Sys tem Dynamics . ( Beijing: N ew T imes
P ress )
[ 37] W ang , Q ifan and Robert E berlein , eds, 1987. P roceedings of T he 1987 Int ernat ional Conference of
Syst em Dynamics S ociet y, Shanghai.
[ 38] 王其藩主编,《系统动力学—1986 年全国系统动力学会议论文集》, 系统工程编辑部, 1987。
[ 39] 王其藩主编,《社会经济复杂系统动态分析》, 复旦大学出版社, 1992。

・ 28 9・