【教案】 国际高水平期刊上发表论文的经验、体会以及治学经验

1、国际高水平期刊上发表论文的经验、体会以及治学经验马铁驹华东理工大学 商学院专注于某一领域盯住某个领域，刻苦工作5年发散 -收敛：保留2个兴趣点深入研究厚积薄发？厚积厚发？循序渐进（深/高）会议论文IR EJOREnrgyMS20052006 2006 20062009 20072009 20092010技术扩散的优化模型 EJOR 20022005 技术扩散的演化模型多参加学术交流SeminarWorkshop学术会议 多收集批判性意见投稿前：反复修改精雕细琢米开朗基罗 摩西雕像“如果做一个研究要一年时间，那么把这个研究成果清晰地向别人表述好也要花一年时间”W. Brian Arthur投稿时

2、：Cover letter 突出文章意义自己的积累那些读者会感兴趣收到评审意见后：认真修改谦虚礼貌答复感谢审稿人的意见逐条答复如何修改在那里修改（页码，行） 每条都有修改/改进把握投稿杂志的主题与文章相符风格与文章相符文章思路、观点及研究过程能源技术经济系统优化模型的框架需求 1资源 1技术 1资源 2资源 K需求 2需求 M技术 2技术 3技术 4技术 5技术 N最小化总成本200821002030时间该优化模型简化的数学表述形式时间t的技术战略成本矢量 T: 问题的时间尺度限制条件方面: 如 需求资源排放模型实例：MESSAGE (IIASA), MARKAL (IEA)传统处理技术变化的

3、方式内生的技术变化一般把技术变化作为外生变量，例如：一项技术的效率每年提高1%；生产力每年提高2%；一项技术的成本每年降低2%。 从上世纪90年代开始，IIASA, 斯坦福大学等著名学术机构开始考虑构建“内生技术变化模型” - 把技术学习（technological learning）引入到优化模型中。 技术学习是指一项技术的成本会随着人们在这项技术上经验的积累而下降。而“经验的积累”在模型中通常用“累积装机容量来表示”，这样一项技术在时间t的成本取决于以前各期的装机容量，或者说取决于以前各期的决策。 B 是一个包含技术学习率的矢量。学习率（Learning rates）、 进步率（progr

4、ess ratio）、 和学习曲线（leaning curves）一个例子:假设光伏电池（PV）的初始投资成本为 40000US$/KW, 它的学习率为30% （或10%）。: 技术 i 在时间 t的投资（建厂单位装机容量）成本: 技术 i 的初始投资成本（或者理解为只是一个参数）: 到时间t技术i的累积装机容量: 技术i的学习率：累积装机容量翻倍后投资成本下降的百分比。学习率的不确定性McDonald and Schrattenholzer 2001历史观察数据表明技术学习率具有很大的不确定性技术学习率通常遵循对数正太分布技术学习的不确定性会怎样影响技术发展战略，如何来体现到模型中。过高估计

5、学习率 财务风险用随机优化模型来处理不确定的技术学习的几种方法 体现决策者风险态度的风险因子 - 因为高估学习率而导致的预期风险成本。 给预期风险成本设定的上限。确定性技术学习风险因子法风险限制法（1）风险限制法（2）一个受能源和气候变化政策模型启发的、高度形式化的模型产品资源现存技术改良技术革命性技术例如 煤例如 火力发电例如 燃气涡轮发电例如 光伏电池列如 电没有技术学习确定的技术学习率 =10%不确定的技术学习率 均值 =30%19902090基本设定（ base line cases ）的结果M1: 风险因子法 M2: 风险限制法（1） M3: 风险限制法（2）T1: 现存技术 T2:

6、 改良技术 T3: 革命性技术 亿美元两种风险限制法解的结构跟风险因子法解的结构差不多。2060年革命性技术的百分比风险限制法（2）风险因子法风险限制法（1）跟风险因子法（风险因子为1的情况）比较, 风险限制法（1）会产生对革命性技术发展提前或者推迟的结果，取决于技术学习不确定性和风险上限的不同组合。风险限制法（2）则会给出在发展革命性技术上更为保守的策略。系统的成本M31M32Case M31 的技术变化Case M31 和 M32 的排放指标Case M32 的技术变化文章提出的观点考虑技术学习的情况下，两种完全不同的技术路径可能要付出的成本是很相似的。而这两条不同的技术路径可能产生完全不

7、同的排放场景。这就意味着，如果有较早的干预，一个经济系统可以被导向到低碳经济，而不用付出太多额外的成本 （本研究没回答如何来导向的问题）。技术发展的“路径依赖”，传统上用进化模型来解释和说明。本研究给出提示，“路径依赖”也可以从优化模型的角度来解释：存在技术学习的情况下，存在着总成本相似的超过一个的最优解，系统有可能被引导到其中某个解上。研究历程 Tieju Ma. Coping with Uncertainties in Technological Learning, Management Science. 56(1), 192-201, 2010Tieju Ma and Yoshiteru

8、 Nakamori. Modeling technological change in energy systems - From optimization to agent-based modeling. Energy, 34(7), 873-879, 2009. Tieju Ma, Arnulf Grubler, and Yoshiteru Nakamori. Modeling technology adoptions for sustainable development under increasing returns, uncertainty, and heterogeneous agents, European Journal of Operational Research, 195, pp.296306, 2009. Tieju Ma and Yoshiteru Nakamori, Agent-based mod