湍流模型简介

第1篇：湍流模型简介

商业银行信用风险度量模型简介及思考

摘要：信用风险是现阶段商业银行面临的主要风险，本文在对商业银行信用风险度量代表性模型介绍、比较和分析的基础上，分析了我国商业银行信用风险管理的特点，并提出了加强我国商业银行信用风险度量研究的思考。

关键词：信用风险;度量模型;信息披露

2004年6月，巴塞尔银行监管委员会正式出台了《新资本协议》，并将于2006年底付诸实施。《新资本协议》对于信用风险资本的要求更侧重于银行评级体系，并有向银行内部信用风险度量模型方向发展的趋势。因此，在当今经济、金融全球化的新形势下，我国商业银行借鉴国际上先进的信用风险管理经验，强化信用风险管理，加强商业银行的内部评级体系和风险度量模型的研究，缩小与国外银行业的差距，适应《巴塞尔协议》新框架的需要，已成为当前刻不容缓的工作。

一、商业银行信用风险度量方法与模型

(一)传统信用风险度量方法

1.“6C”信用评分法。“6C”信用评分法是商业银行传统的信用风险度量方法。它是指由有关专家根据借款人的品德(character)(借款人的作风、观念以及责任心等，借款人过去的还款记录是银行判断借款人品德的主要依据);能力(capacit y)(指借款者归还贷款的能力，包括借款企业的经营状况、投资项目的前景)、资本(capital)、抵押品(collateral)(提供一定的、合适的抵押品)、经营环境(condition)(所在行业在整个经济中的经营环境及趋势)、事业的连续性(continuity)(借款企业持续经营前景)等六个因素评定其信用程度和综合还款能力，以决定是否最终发放贷款。

2.z-score违约预测模型。z-score违约预测模型是由美国阿尔特曼教授(Altman)于1968年提出来的，他采用多变量分析法对66家美国制造企业的经营状况进行了判别研究，并建立了由5个参数(财务指标)组成的z值模型，并对美国制造企业的破产进行了判别分析。

Z分数模型的判别函数如下：

X1=(期末流动资产-期末流动负债)/期末总资产

X2=期末留存收益/期末总资产

X3=息税前利润/期末总资产

X4=期末股东权益的市场价值/期末总负债

X5=本期销售收入/总资产

Altman教授通过对Z分数模型的长期研究提出了判断企业破产的临界值(z-score)。研究发现，Z值越低，该企业遭受财务失败的可能性就越大;Z值越高，该企业遭受财务失败的可能性就越小。Altman曾经对66家企业进行分析测算，其准确程度达95%左右。Z分数模型的具体判断标准为如下所示：

(二)现代信用风险度量模型

目前国际流行的现代信用风险管理模型主要有Credit Metrics模型、麦肯锡模型、KMV模型、CSFP信用风险附加计量模型等四类。

1.Credit Metrics模型是由J.P.摩根公司等1997年开发出的模型，运用VAR(Value at risk)框架，对贷款和非交易资产进行估价和风险计算。该方法是基于借款人的信用评级、次年评级发生变化的概率(评级转移矩阵)、违约贷款的回收率、债券市场上的信用风险价差计算出贷款的市场价值及其波动性，进而得出个别贷款和贷款组合的VAR值。其主要优势在于通过计算信用工具在不同信用等级上的市场价值，达到用传统的期望值和标准差来度量资产信用风险的目的，并将VAR方法引入到信用风险管理中来;对组合价值的分布有正态分布假定下的解析方法和蒙特卡罗模拟法，在一定程度上避免了资产收益率正态性硬性假设，可以用资产价值分布和百分位求出资产损失;对“违约”的概念进行了拓展，认为违约也包括债务人信用等级恶化;它是一种盯市场(Market-to-Market)信用风险度量模型，能将债务价值的高端和低端考虑到。该模型提出了边际风险贡献的概念，很好地刻画新增一笔债券/贷款的风险和收益及其取舍方法。主要劣势在于：大量证据表明信用等级迁移概率并不遵循马尔可夫过程，而是跨时自相关的。该模型使用历史数据度量信用风险，属于“向后看”的风险度量方法。

2.麦肯锡模型则是在Credit Metrics的基础上，对周期性因素进行了处理，将评级转移矩阵与经济增长率、失业率、利率、汇率、政府支出等宏观经济变量之间的关系模型化，并通过蒙地卡罗模拟技术(a structured Monte Carlo simulation approach)模拟周期性因素的“冲击”来测定评级转移概率的变化。麦肯锡模型可以看成是对Credit Metrics的补充，它克服了Credit Metrics中不同时期的评级转移矩阵固定不变的缺点。

3.KMV模型是KMV公司1997年建立的用来估计借款企业违约概率的方法。首先，它利用Black-Scholes期权定价公式，根据企业资产的市场价值、资产价值的波动性、到期时间、无风险借贷利率及负债的账面价值估计出企业股权的市场价值及其波动性。其次根据公司的负债计算出公司的违约实施点(default exercise point，为企业1年以下短期债务的价值加上未清偿长期债务账面价值的一半)，计算借款人的违约距离。最后，根据企业的违约距离与预期违约率(EDF)之间的对应关系，求出企业的预期违约率。KMV模型的优势在于以现代期权理论基础作依托，充分利用资本市场的信息而非历史账面资料进行预测，将市场信息纳入了违约概率，更能反映上市企业当前的信用状况，是对传统方法的一次革命。KMV模型是一种动态模型，采用的主要是股票市场的数据，因此，数据和结果更新很快，具有前瞻性，是一种“向前看”的方法。在给定公司的现时资产结构的情况下，一旦确定出资产价值的随机过程，便可得到任一时间单位的实际违约概率。其劣势在于假设比较苛刻，尤其是资产收益分布实际上存在“肥尾”现象，并不满足正态分布假设;仅抓住了违约预测，忽视了企业信用品质的变化;没有考虑信息不对称情况下的道德风险;必须使用估计技术来获得资产价值、企业资产收益率的期望值和波动性;对非上市公司因使用资料的可获得性差，预测的准确性也较差;不能处理非线性产品，如期权、外币掉期等。

4.CSFP信用风险附加计量模型。它与作为盯市模型(MTM)的credit Metrics不同，它是一个违约模型(DM)，它不把信用评级的升降和与此相关的信用价差变化视为一笔贷款的VAR(信用风险)的一部分，而只看作是市场风险，它在任何时期只考虑违约和不违约这两种事件状态，计量预期到和未预期到的损失，而不像在credit Metrics中度量预期到的价值和未预期到的价值变化。在CSFP信用风险附加计量模型中，违约概率不再是离散的，而被模型化为具有一定概率分布的连续变量。每一笔贷款被视作小概率违约事件，并且每笔贷款的违约概率都独立于其他贷款，这样，贷款组合违约概率的分布接近泊松分布。CSFP信用风险附加计量模型考虑违约概率的不确定性和损失大小的不确定性，并将损失的严重性和贷款的风险暴露数量划分频段，计量违约概率和损失大小可以得出不同频段损失的分布，对所有频段的损失加总即为贷款组合的损失分布。

上述四个模型的区别可归纳为以下六个方面。第一，在风险的界定方面，credit Metrics和麦肯锡模型属于盯市模型(MTM);CSFP信用风险附加计量模型属于违约模型(DM);而KMV模型既可被当作MTM模型，也可被当作DM模型。第二，在风险驱动因素方面，在KMV模型和Credit Metrics中，风险驱动因素是企业资产价值及其波动性;在麦肯锡模型中，风险驱动因素是失业率等宏观因素;而在CSFP信用风险附加计量模型中，关键的风险驱动因素是经济中可变的违约率均值。第三，在信用事件的波动性方面，在Credit Metrics中，违约概率被模型化为基于历史数据的固定的或离散的值;而在KMV模型、麦肯锡模型和CSFP信用风险附加计量模型中，违约概率是可变的，但服从于不同的概率分布。第四，在信用事件的相关性方面，各模型具有不同的相关性结构，KMV模型和credit Metrics是多变量正态;麦肯锡模型是因素负载;而CSFP信用风险附加计量模型是独立假定或与预期违约率的相关性。第五，在回收率方面，在KMV模型的简单形式中，回收率是不变的常数;在CSFP信用风险附加计量模型中，损失的严重程度被凑成整数并划分为不同的频段，在频段内回收率是不变的;第六，在计量方法方面，Credit Metrics对个别贷款或贷款组合采用分析方法进行计量，对大规模贷款组合则采用蒙地卡罗模拟技术进行计量;KMV模型和CSFP信用风险附加计量模型采用分析方法进行计量;麦肯锡模型则采用模拟技术求解。

通过对上述国际银行业信用风险度量模型的考察，我们可以看出银行信用风险管理模型呈现以下八个方面的发展趋势与特点。一是从过去的定性分析逐渐转化为定量分析的趋势;二是从指标化形式向模型化形式的转化或二者结合的趋势;三是从对单个资产的分析转化为从组合角度进行的分析的趋势;四是从盯住账面价值的方法转向盯住市场的方法的趋势;五是既考虑单个贷款人的微观特征，也考虑整个宏观经济环境的影响的趋势;六是运用现代金融理论的最新研究成果的趋势，比如对期权定价理论、资本资产定价理论、资产组合理论的运用;七是汲取相关领域的最新研究成果的趋势，比如经济计量学方法、保险精算方法、最优化理论、仿真技术等;八是运用现代计算机大容量处理信息和网络化技术的趋势。

二、加强我国商业银行信用风险度量研究的几点思考

长期以来，我国商业银行在信用风险度量方面，采取主观评价色彩很浓的传统方法，主要是由信贷管理人员分析结合借款企业的财务报表和往来结算记录等情况后进行信贷决策。而且目前我国普遍存在信息披露不规范、财务数据时效性较差且可信度较低的状况、时序信用数据又相当缺乏以及在计量模型具体运用方面技术专业人才的缺乏，这些都严重制约了对信用风险度量的深入研究。因此，当前我国商业银行加强信用风险度量研究可从以下几方面着手。

一是应尽快建立起完善的银行业信用数据库和贷款违约损失的时间序列数据库，解决运用模型进行定量研究所面临的数据库缺乏的瓶颈制约问题，为我国银行业的信用风险度量研究提供有力的数据支撑，为我国银行信用风险度量研究向模型化研究过渡做好准备。

二是借鉴美国等发达国家的先进经验，积极建立健全有关社会信用的法律体系和征信评级体系。要积极借鉴国外做法，通过相关法律法规体系的建设完善，在失信的惩戒形式和制裁程度、失信惩罚机制的操作、信用信息征集、评估、披露、使用以及涉及的企业秘密、个人隐私等领域，加强立法与执法的力度，提高整个社会信用水平。

三是加强信息披露的公开性和透明性建设。尽管近年来信息披露有很大进步，但信息披露不及时、不全面、不真实的情况还依然存在。因此须尽快出台相关法律、法规及规章制度，积极采取措施，进一步规范信息披露工作，加强市场的自律，确保信息披露的公开、及时、全面、准确。

四是我国商业银行可与有关政府部门和科研机构一起，结合自身特点，对有关信用风险度量模型进行改进，或“量体裁衣式”地开发新的信用风险度量模型，以适应金融业竞争日趋激烈的新形势。

五是积极加强对商业银行信用风险管理人员的相关知识的培训力度，培养一批掌握国际先进信用风险管理方法的高素质人才队伍，为我国商业银行信用风险度量研究提供有力的智力支持。

参考文献：

[1]Michel，C.，G.，Dan and M.,Robert.A Compara tive Analysis of Current Credit Risk Models[J].Journal of Banking and Finance，Vol.24，PP.59-117，2000

[2]安东尼·桑德斯.信用风险度量——风险估价的新方法与其他范式.北京机械工业出版社，2001年

[3]梁琪.商业银行信贷风险度量研究.中国金融出版社，2005年

[4]武剑，王健.新资本协议中违约概率模型的研究与应用，世界经济，2003;9

(责任编辑： 周智立)

作者：郭　敏

第2篇：简介水利工程项目管理信息化的模型

【摘 要】为了为水利工程项目管理信息化提供通用框架，为建设水利工程项目管理的信息化做指导，文章中介绍了水利工程项目管理信息化的主要内容和特点，还探讨了各个阶段管理信息化的需求，指出水利工程在整个生命周期过程中管理信息化领域的模型。

【关键词】水利工程 管理信息化 领域模型

一、引言

水利工程项目管理作为一项综合复杂的工程。其建设的周期较长、规模较大还有较为复杂的技术条件，由工程规划、设计勘察、项目实施、项目竣工验收至正式运行管理，在水利工程的使用周期中，需要完成征地、迁民、水土保持和环境保护等多个环节。在水利工程项目管理中需要完成对各种庞杂信息的处理，因此对信息资源的开发和共享、信息的支撑技术有较高要求。现代化信息技术的快速发展促进了水利工程项目施工管理进入信息化时代，在水利工程项目管理过程中对信息技术必须充分利用，合理开发与利用各类信息资源，其中包含了信息收集、传递、儲存和处理等。水利工程项目管理信息化不是根据需求前进，主要是依靠科学技术的革新得到发展。原始的信息化都是由指定的技术策划出发，没有将信息技术和组织业务之间匹配度考虑在内，同时没有将工程参与人员真实需求及其目前所持有的信息资源考虑在内。

二、水利工程项目管理信息化的含义与主要特点

(一)水利工程项目管理信息化含义

信息化不单指信息技术的应用，它需要与组织要求进行密切联系的系统性工程。信息化最终目标是根据信息技术的可能性，对当前业务进行综合性分析与改进，然后对计算机系统进行开发与分析。建设水利工程项目管理信息化过程，不但是工程项目管理信息制度的制定，也是组织结构与沟通体系、共享信息与信息创新模式的不断调整和健全的过程。水利工程项目管理信息化与许多不同的组织内部或者组织之间、不一样的工程间甚至工程单位与政府机关和社会民众间的信息交流等各方面问题有着联系。水利工程由设计规划、建设施工到运营整个使用周期过程中，在各个阶段都有各类参与方，其面临的管理问题各有不同，同样信息化的要求也不一样。在对水利工程实施设计规划时期，管理信息化重点以规划为中心，这个阶段的要求是可视化设计和对工程最终的作用预测。

(二)水利工程管理信息化的特点

1、水利工程管理信息化不仅限于单纯的项目信息系统规划。信息化以工程全生命周期的效益最优为原则，而不是阶段最优，尤其不是建设阶段最优[3]。目前，大多数的水利工程管理信息化，在建设前都没有明确的建设目标、远近期规划，信息化建设具有很大盲目性，导致信息化建设成为办公自动化的一部分，而不具有全局性。系统开发过程中，由于缺乏统一规划、标准，导致基础设施、信息系统、信息资源等难以整合，造成资源浪费。此外，信息化建设中没有考虑建设的可持续性，将信息化作为一次性项目完成，缺乏后期的维护，使得系统跟不上业务发展，最终导致系统不可用。

2、水利工程管理信息化是全生命期的信息化。整个生命周期应当执行统一的、分层次的信息化规划。目前的信息化建设集中于工程运营期，工程建设的规划决策期即工程前期和建设期的信息化建设明显滞后。工程运营期的管理工作较为常态化，信息化建设体制、信息化所需要的信息技术体系最为成熟。管理前期即管理的规划期，由于涉及管理的规划设计、可行性研究、决策等业务工作，对于信息智能化支持要求较高，所以信息化程度较低。管理的建设期涉及参与方最多，信息交换及共享较为复杂。其信息化的程度与水平较低。在管理的生命周期当中，运营期的业务流程清晰，管理常态化，信息化的程度高，而其他时期的信息化程度较低，在管理的整个生命周期内，各阶段由于信息化的水平差距较大，信息共享程度较低，实现全生命周期的信息化问题亟待解决。

三、水利工程管理信息化领域模型

水利工程管理信息化的关键在于信息资源。信息源可分为资源、施工活动、产品、项目管理组织及外部管理组织 5 种，这些信息源可称为建筑施工项目信息化管理系统的基本要素。基于这些要素进行抽象，建立水利工程管理信息化的领域模型。其中，要素包括与工程建设及运营相关的各类组织业务流程信息系统及人员[4]。领域模型描述的是水利工程管理信息化过程中所涉及的实体以及实体间的联系。主要包括组织构成模型、资源构成模型和业务构成模型。

(一)组织构成模型

组织构成模型包括项目参与方的管理组织形式和项目的管理模式。水利工程在规划设计、建设、运营的整个生命周期中，不同阶段会有不同的参与方，因而会产生不同的项目管理模式，管理组织的构成也就有所不同。管理模式主要由项目的管理组织、管理活动及管理对象构成[5]。信息的流动方式与效率依赖于管理组织的结构。一般而言，工程项目参建方主要包括业主、施工总承包商、分包商、监理方以及供应商等。

(二)资源构成模型

水利工程建设过程中涉及消耗资源和周转资源两类。周转资源主要包括机械设备和人力资源，其中，人力资源分为管理人员和工人;消耗资源主要包括构件原材料和混合材料，如混凝土、钢筋等[6]。此外，水利工程管理中还包括征地移民、生态效应等社会资源和自然资源的消耗。水利工程项目消耗各种资源多，需要多专业的联合作业，项目建设技术、工艺复杂，有效地利用公共资源，可以降低工程建设风险，实现异构组织的资源共享。在水利工程建设过程中借鉴相似工程的方法和教训，也可以作为案例，为其他工程所借鉴和利用。

(三)业务组成模型

业务主要部分为具体的项目管理。水利工程项目管理业务主要包含了造价管理、进度管理、财务管理、质量管理、材料设施管理、文档管理等。在水利工程项目施工建设中业主、相关政府部门、施工总承包方、分包方、监管方及供应商都承担者不同角色，譬如相关政府部门主要是负责监管和审批，施工承包方主要负责工程项目建设。管理中所关乎的业务不一样，其业务的构成模型具有相应的独特性。

四、总结

由技术方面来看，水利工程项目管理信息化过程中所采用的技术都是成熟且通用的。水利工程项目管理信息化主要含义有公众服务、集成创新和建设管理三方面。根据信息化的主要含义，将信息化中相关的实体和要素进行分析，可以得出组织、资源和业务的构成模型。在水利工程整个使用周期中，模型间需要相互协作和整合，包含了水利工程项目管理信息化所牵涉的各个领域。

作者：陈凯

第3篇：将科学论证融入科学教学：ADI科学论证教学模型简介

科学论证教学是将论证引入科学课堂，使学生经历类似科学家的论证过程，从而促进学生理解科学概念与科学本质，发展学生的科学思维。当下， “科学是一种知识体系”这种朴素科学观已经发展为“科学是基于证据的思想、解释与辩护”[1]的新时代科学观。由此，科学教育不应只是科学事实的传授与技能的训练，更应重视培养学生的批判性思维与论证能力。科学论证在科学教学中的重要性日益凸显，如何将科学论证融入科学教学成为新一轮科学教育改革关注的热点问题之一。

科學论证在科学教学中的价值

促进学生深入理解科学本质科学理论是在不断质疑中形成和发展的，这一过程促使科学家建构概念、评价其他理论、解释文本、形成论证并评估理论的可能性[2]。科学论证教学模拟科学家的科学实践，使学生体会科学知识的产生过程，以及理解科学知识具有暂时性、科学方法具有多样性等特征，加深对科学本质的理解。

促进学生构建科学知识与科学概念科学论证是一种逻辑话语实践，旨在理清观点和证据之间的关系(Duschl，2007)。在科学论证教学中，学生能自主构建对科学概念的独特理解并进一步内化、精致化。通过论证，学生以话语实践的方式将思维外显化并接受公众评价，从而进一步加深理解。同时，在论证过程中，学生需反思他人的观点与论证过程，将他人的观点、理论、诠释纳入已有的知识体系中，从而掌握科学知识，实现深层次的反思性学习。

培养学生的科学思维科学论证需要学生利用证据论证观点，评估观点的形成过程，以及理解并参与科学知识的传播、论证过程[3]。这不仅需要学生综合运用分析、评价、创造等高阶思维，同时也能发展学生的批判性思维，提高学生的元认知能力，实现自我觉察、反省、评价与调节。

提高学生的沟通与表达能力科学论证作为一种话语实践具备讨论与辩论的社会属性[4]，学生需将内隐的思维以口头语言或书面语言方式外显化，这一过程能充分锻炼学生清楚、有条理的表达能力。此外，论证并不在于输赢而是共同协商达成一致，因此在反驳与捍卫观点的同时，也能培养学生的有效沟通能力。

ADI科学论证教学模型

探究教学是科学教学中最常用的方法，科学论证的发展促使科学探究教学从“内容过程…‘发现探究”走向“证据解释”[5]。ADI论证教学模型使以“证据解释”为取向的教学模型，将论证教学与科学探究学习进行了有机结合，借助科学论证推动科学教学的开展，引导学生通过对探究数据的论证、解释、反思参与科学实践活动。该模型的实施阶段和步骤如图1所示。

阶段1：确定任务和问题教师设计情境，激发学生兴趣并产生问题意识;教师协助学生确定探究问题与任务。

阶段2：设计方案并收集数据学生组成小组，围绕阶段1所提出的问题设计探究计划。在本阶段，学生经历方案设计、方法选择、数据收集过程，模拟科学家的实践活动。

阶段3：分析数据并进行初步论证学生提出一个由观点、证据和推理组成的论点并与同学分享讨论。证据可以是多种形式，可以是观测的数值(温度、质量等)，也可以是对情况的描述、推断。但需要对证据进行推理解释，如观测数值随时间的变化趋势，对照组与实验组之间的差异等。此阶段是模型的关键步骤。

阶段4：论证分享环节各小组分享论证，其他组的成员对观点的合理性、有效性进行评价，营造真实的科学论证环境。在分享过程中，小组成员轮流到其他小组观摩，同时本小组留1名组员为其他观摩小组解释本组的论证过程。

阶段5：反思性研讨给学生充足的时间对论点、论据及论证的方式进行反思，为学生提供发挥潜力的空间，使其体验到科学实践的真实性。

阶段6：撰写个人调查报告整合书面论证形式，鼓励每个学生思考学到了什么，如何学到的，以及为什么得出这样的观点。实验报告涉及3个问题：①你想做什么?为什么想这么做?②你做了什么?为什么这么做?③你的观点是什么?在呈现形式方面，鼓励学生以表格、图表的形式清晰呈现，并在制作表格的过程中梳理想法。学生在写作时需要与同伴讨论材料的意义，增强对材料的提炼与理解。

阶段7：双盲评议学生完成调查报告后上交给教师，教师隐去作者信息后，分发给3个不同的小组，由其他小组对调查报告质量进行评价并提出改进意见。此环节旨在为学生提供更多的反馈意见，鼓励学生思考、制订、使用适当的论证评价标准，并培养学生的元认知能力。

阶段8：修改并最终提交报告教师将已评价的调查报告返还给对应学生，由他们继续修改，完成后提交给教师评分，直至合格。此环节旨在通过迭代过程，提高学生的书面论证技巧，加深学生对内容的理解。

研究表明，ADI科学论证教学模型在促进学生理解科学知识、参与科学实践、提高科学论证能力( Osborne，2015)方面具有显著效果，是科学教学的新图景。ADI科学论证教学模型以论证驱动探究，既保留了科学探究教学对学生探究能力的培养，同时促使学生借助口头论证和书面论证对探究所得的数据进行分析、推理、解释，以构建个体的独特理解，契合了培养学生科学本质观、批判性思维，以及对科学社会问题的理解等当下科学教育导向的科学教育目标。

应用ADI科学论证教学模型需要注意的问题

教学内容的选择 并非所有的科学内容均适用ADI科学论证教学模型。首先，教学内容应具有可论证性且具有论证价值。例如，围绕科学概念与原理形成的议题就可以作为论证内容。这类议题往往是学生模棱两可的，在日常生活、学习中容易产生错误概念。通过论证可以实现学生的概念转变，加深对科学概念和原理的理解。其次，ADI科学论证教学模型整合科学论证与科学探究，因此教学内容也应考虑到科学探究教学的要求，保证教学内容具有探究的必要性与可能性。

问题情境的设计创设适宜的问题情境是有效开展科学论证教学的重要环节之一。问题情境的设计应该具有真实性，即与学生的日常生活建立联系，贴近学生生活的情境更能调动学生的学习积极性与主动性。其次，问题情境设计应暴露学生的前概念，帮助教师掌握学情，精准抓住学生学习的生长点。第三，问题情境应使学生产生认知冲突，学习的发生源于解决认知冲突或消除认知心理的不平衡。在这种认知冲突的驱动下，激发学生的求知欲，推动科学论证教学的顺利进行。

论证教学环境的创设论证的发生需要有一个自由、安全的论证环境，良好的论证环境和氛围下学生才更容易勇于表达想法。教师应该明确课堂中学生与教师的身份，学生是课堂中合理的知识观点的生成者.课堂环境建设应以学生为中心，构建学生有纪律、有自主权、自我负责的课堂环境。其次，教师扮演支持学生的角色，鼓励学生反思自身理解、想法、立场的变化过程。第三，教师要努力构建课堂学习共同体，使学生在小组解决问题的过程中完成使用数据、设计项目、撰写报告等活动，在良好的生生、师生互动中促进学生的科学学习。

参考文献

[1]李雁冰.科学探究、科學素养与科学教育[J].全球教育展望，2008，37(12)：14

[2]潘瑶珍.基于论证的科学教育[J].全球教育展望，2010，39 (06)：84

[3] Duschl R.The assessment of argumentation and explanation[M]. Therole of moral reasoning on socioscientific issues and discourse in sclenceeducation. Springer， Dordrecht， 2003： 139-161

[4]Ad d riz-Bravo A.Revisiting school scientific argumentation from theperspective of the history and philosophy of science[M]. Internationalhandbook of research in history， philosophy and science teaching.Springer， Dordrecht. 2014： 1443-1472

[5]任红艳.科学教育中论证教学的缺失与回归[J1.教育研究与实验，2018 (04)：57-61

[6]Sampson V.Grooms J.Walker J P.ArgumentDriven Inquiry as away to help students leam how to participate in scientific argumentationand craft written arguments： An exploratory study[J].Science Education，2011，95(2)：217-257

作者：高潇怡 刘文莉

第4篇：K-e湍流模型

K是紊流脉动动能(J)， ε 是紊流脉动动能的耗散率(%)

K越大表明湍流脉动长度和时间尺度越大， ε 越大意味着湍流脉动长度和时间尺度越小，它们是两个量制约着湍流脉动。

但是由于湍流脉动的尺度范围很大，计算的实际问题可能并不会如上所说的那样存在一个确切的正比和反比的关系。在多尺度湍流模式中，湍流由各种尺度的涡动结构组成，大涡携带并传递能量，小涡则将能量耗散为内能。

在入口界面上设置的K和湍动能尺度对计算的结果影响大，

至于k是怎么设定see fluent manual "turbulence modelling"

作一个简单的平板间充分发展的湍流流动，

基于k-e模型。

确定压力梯度有两种方案，一是给定压力梯度，二是对速度采用周期边界条件，压力不管!

k-epsiloin湍流模型参数设置：k-动能能量;epsilon-耗散率;

在运用两方程湍流模型时这个k值是怎么设置的呢?epsilon可以这样计算吗?

Mepsilon=Cu*k*k/Vt%

这些在软件里有详细介绍。陶的书中有类似的处理，假定了进口的湍流雷诺数。

fluent帮助里说，用给出的公式计算就行。

k-e模型的收敛问题!

应用k-e模型计算圆筒内湍流流动时，网格比较粗的时计算结果能收敛，但是当网格比较密的时候，湍流好散率就只能收敛到10的-2次方，请问大侠有没有解决的办法?

用粗网格的结果做初场网格加密不是根本原因，更本的原因是在加密过程中，部分网格质量差注意改进网格质量，应该就会好转.

在求解标准k-e双方程湍流模型时(采用涡粘假设，求湍流粘性系数，然后和N-S方程耦

合求解粘性流场)，发现湍动能产生项(雷诺应力和一个速度张量相乘组成的项)出现负

值，请问是不是一种错误现象?

如果是错误现象一般怎样避免。另外处理湍动能产生项采

用什么样的差分格式最好。而且因为源项的影响，使得程序总是不稳定，造成k,e值出现负

值，请问有什么办法克服这种现象。

你可以试试这里计算的时候加一个判断，出现负值的时候强制为一个很小的正值。

这可能是因为你采用的数值格式的问题，一般计算程序对k方程都要做一定处理，

以保证k的正定。

比如，强制规定源项与0的关系，以使数值计算稳定。

就ke模型而言。

它是problem dependent.对简单的无弯曲无旋转无...的湍流问题，它能算而且能给出好的结果，但对复杂的流动问题，它就不能使用了。

出现负的ke不仅仅是计算格式的问题，

更重要的是模型问题，没有谁能证明ke模型在任何流动问题中都能保证ke是正的。

有这么一些办法避免ke出现负值

1。对K=ln(k)和E=ln(e)求解，问题：壁面ke=0难处理，

2。先用层流计算500步，然后再用ke算

3。各种强制限制办法

4。源项局部线性化

5。算到一定程度，如果k值趋势对了，就干脆不求ke方程

第5篇：