工程经济中的决策支持系统构建试题及答案

工程经济中的决策支持系统构建试题及答案一、单项选择题（每题2分，共20分）1.工程经济决策支持系统（DSS）区别于传统管理信息系统（MIS）的核心特征是：A.具备数据存储功能B.支持半结构化/非结构化决策C.实现业务流程自动化D.提供标准化报表输出答案：B2.工程经济决策中，若需对某新建高速公路项目的车流量、建设成本、收费标准等变量进行概率分布模拟，DSS应优先集成以下哪种技术？A.敏感性分析B.蒙特卡洛模拟C.层次分析法（AHP）D.线性规划答案：B3.在构建工程经济DSS的模型库时，以下哪类模型不属于财务评价模型？A.净现值（NPV）计算模型B.内部收益率（IRR）求解模型C.设备更新决策马尔可夫模型D.投资回收期（PP）测算模型答案：C4.工程经济DSS的数据层通常需要整合多源异构数据，其中“某区域近10年GDP增长率”属于：A.结构化历史数据B.非结构化文档数据C.实时交易数据D.空间地理数据答案：A5.当使用DSS进行多方案比选时，若决策目标包括“投资收益率最大化”“环境影响最小化”“就业带动效应最大化”，系统应采用的核心算法是：A.单目标优化算法B.多目标遗传算法（MOGA）C.决策树分类算法D.时间序列预测算法答案：B6.工程经济DSS中，用于存储各种数学方法（如线性规划、回归分析）的组件是：A.数据库B.模型库C.方法库D.知识库答案：C7.某DSS在处理某化工项目决策时，需评估“原材料价格上涨20%”“环保标准升级导致设备改造费用增加”等情景对项目净现值的影响，这一功能主要依赖：A.数据挖掘模块B.情景分析模块C.专家系统模块D.可视化模块答案：B8.在工程经济DSS的用户界面设计中，“动态调整参数并实时显示NPV变化曲线”主要体现了系统的：A.交互性B.可靠性C.安全性D.可扩展性答案：A9.以下哪项不属于工程经济DSS构建的关键成功因素？A.明确的决策问题边界B.高质量的基础数据C.完全自动化的决策过程D.领域专家与系统开发人员的协同答案：C10.当利用DSS进行某桥梁项目的风险评估时，若已知各风险因素的概率分布但缺乏历史数据，最适宜的风险量化方法是：A.德尔菲法B.故障树分析（FTA）C.贝叶斯网络D.确定性分析答案：C二、简答题（每题8分，共40分）1.简述工程经济决策支持系统（DSS）的三层架构及其功能。答案：工程经济DSS通常采用“数据层模型层用户层”三层架构。数据层负责收集、存储与工程经济决策相关的多源数据（如历史财务数据、市场价格数据、政策法规数据），通过数据仓库（DW）和数据挖掘（DM）技术实现数据整合与预处理；模型层包含模型库和方法库，模型库存储专用决策模型（如NPV模型、IRR模型、敏感性分析模型），方法库提供通用算法（如线性规划、蒙特卡洛模拟、AHP），支持模型的构建、运行与组合；用户层通过人机交互界面（如可视化仪表盘、参数输入窗口）实现决策者与系统的交互，支持情景设定、结果展示和方案调整。2.说明在工程经济DSS中，数据预处理的主要步骤及其对决策准确性的影响。答案：数据预处理主要包括数据清洗（处理缺失值、异常值，如某项目历史成本数据中“100万元”的异常记录需修正）、数据转换（标准化、归一化，如将不同单位的成本数据统一为万元）、数据集成（整合来自财务系统、市场数据库、政府统计平台的异构数据）、数据规约（减少冗余，如合并重复的供应商价格数据）。高质量的预处理可避免“垃圾进，垃圾出”问题：清洗缺失值可防止模型误判（如遗漏某年度的通胀率导致NPV计算偏差）；转换统一量纲可保证模型参数的可比性（如同时包含万元和亿元的投资数据会导致权重错误）；集成多源数据能全面反映决策环境（如仅用内部财务数据而忽略外部市场数据可能低估成本风险）；规约冗余数据可提升系统运行效率（如处理百万条交易记录时保留关键变量可缩短模型计算时间）。3.对比工程经济DSS中模型库与知识库的区别与联系。答案：区别：模型库存储定量分析模型（如数学公式、算法程序），用于解决结构化问题（如计算NPV）；知识库存储定性知识（如专家经验、行业规范、政策条款），用于处理非结构化问题（如判断某环保政策对项目的影响程度）。联系：两者共同支持决策，模型库的运行需要知识库提供约束条件（如知识库中的“增值税率13%”作为NPV模型的输入参数）；知识库的推理需要模型库提供数据支撑（如通过模型库计算的IRR值辅助专家判断项目可行性）。例如，在新能源项目决策中，模型库计算不同补贴政策下的IRR，知识库根据“十四五”能源规划判断补贴政策的可持续性，两者结合得出最终结论。4.列举工程经济决策中常见的不确定性来源，并说明DSS处理不确定性的主要技术。答案：不确定性来源包括：市场因素（如产品价格波动、需求预测偏差）、技术因素（如新技术成熟度、设备故障率）、政策因素（如税收优惠调整、环保标准变化）、自然因素（如地质条件不确定性、极端天气影响）。DSS处理技术包括：①敏感性分析：确定关键变量（如通过单因素敏感性分析找出对NPV影响最大的成本变量）；②蒙特卡洛模拟：对不确定变量（如建设成本、运营收入）设定概率分布，通过数千次模拟提供NPV的概率分布，计算风险值（VaR）；③情景分析：设定“乐观基准悲观”情景（如油价上涨30%/持平/下跌20%），分别计算各情景下的决策指标；④贝叶斯网络：利用先验知识和新信息更新概率（如根据最新政策调整环保处罚概率）；⑤模糊数学：处理语言型不确定性（如将“高风险”“中风险”转化为模糊隶属度函数）。5.阐述工程经济DSS中“人机协同决策”的内涵及实现方式。答案：内涵：DSS并非替代决策者，而是通过提供数据支持、模型计算和情景模拟，辅助决策者完成“分析判断选择”过程，结合人的经验判断与系统的定量分析，提升决策质量。实现方式：①交互输入：决策者可自定义参数（如设定项目周期为10年而非系统默认的8年）；②结果解释：系统不仅输出NPV值，还展示关键变量的影响路径（如“建设成本增加10%导致NPV下降25%”）；③多方案提供：系统基于不同假设提供备选方案（如“高投资高收益”“低投资稳收益”方案），决策者根据战略目标选择；④动态调整：决策过程中，决策者可实时修改参数（如发现市场需求预测偏低时调整收入增长率），系统立即重新计算并反馈结果。例如，在房地产项目决策中，决策者通过系统模拟不同容积率（系统计算）与政府规划限制（决策者经验）的平衡，最终确定最优方案。三、计算题（每题15分，共30分）1.某新能源汽车电池生产线项目，初始投资5000万元，运营期6年。DSS需支持以下分析：（1）基础情景：年销售收入3000万元，年经营成本1200万元，残值500万元，基准收益率10%，计算净现值（NPV）。（2）风险情景：销售收入服从正态分布N(3000,200²)，经营成本服从三角分布（最小值1000万元，最可能值1200万元，最大值1400万元），残值服从均匀分布（400600万元），利用蒙特卡洛模拟（模拟1000次）计算NPV≥0的概率（需写出关键步骤）。答案：（1）基础情景NPV计算：年净现金流=30001200=1800万元（第15年），第6年净现金流=1800+500=2300万元NPV=5000+1800×(P/A,10%,5)+2300×(P/F,10%,6)查复利现值系数表：(P/A,10%,5)=3.7908，(P/F,10%,6)=0.5645NPV=5000+1800×3.7908+2300×0.5645=5000+6823.44+1298.35=3121.79万元（2）蒙特卡洛模拟步骤：①变量抽样：对销售收入X~N(3000,200²)，用反函数法提供1000个样本（如X₁=3000+200×Z₁，Z₁为标准正态分布随机数）；经营成本Y~三角分布，概率密度函数f(y)=2(y1000)/((14001000)(12001000))（1000≤y≤1200），f(y)=2(1400y)/((14001000)(14001200))（1200<y≤1400），提供1000个Y样本；残值S~U(400,600)，提供1000个S样本（Sᵢ=400+200×Rᵢ，Rᵢ为[0,1]均匀分布随机数）。②计算各次模拟的NPVᵢ：NPVᵢ=5000+(XᵢYᵢ)×(P/A,10%,5)+(XᵢYᵢ+Sᵢ)×(P/F,10%,6)③统计NPVᵢ≥0的次数，概率=（次数/1000）×100%（假设模拟结果中850次NPV≥0，则概率为85%）。2.某企业需从三个设备更新方案（A、B、C）中选择，DSS采用层次分析法（AHP）辅助决策。目标层为“设备更新方案选择”，准则层包括“投资成本（C1）”“生产效率（C2）”“维护便利性（C3）”“环境影响（C4）”。通过专家问卷得到：（1）准则层判断矩阵：C1C2C3C4C111/335C23157C31/31/513C41/51/71/31（2）方案层对各准则的判断矩阵（以C1为例，投资成本越小越优）：ABCA135B1/313C1/51/31（注：其他准则判断矩阵已通过一致性检验，此处仅需计算C1的权重及方案排序）要求：（1）计算准则层判断矩阵的最大特征值λmax（已知CI=0.12，RI=0.90），并检验一致性；（2）计算C1准则下方案A、B、C的权重，若C1在准则层的权重为0.25，且其他准则下方案总权重分别为A:0.40，B:0.35，C:0.25，计算最终方案排序。答案：（1）准则层一致性检验：CR=CI/RI=0.12/0.90=0.133>0.10，需调整判断矩阵（注：实际考试中若CR≤0.1则通过，此处假设题目给定CI=0.12为调整后值）。（2）C1准则下方案判断矩阵计算（投资成本越小越优，矩阵为成本型，需转换为效益型矩阵，即取倒数）：原矩阵（成本型）：ABCA135B1/313C1/51/31转换为效益型矩阵（越小越优，故比较时“B比A优”对应原矩阵中A比B重要3倍，效益型矩阵应为B/A=1/3），实际计算时直接对原矩阵进行归一化：列和：1+1/3+1/5=(15+5+3)/15=23/15；3+1+1/3=(9+3+1)/3=13/3；5+3+1=9归一化矩阵：A:[1/(23/15),3/(13/3),5/9]=[15/23,9/13,5/9]≈[0.652,0.692,0.556]B:[(1/3)/(23/15),1/(13/3),3/9]=[5/23,3/13,1/3]≈[0.217,0.231,0.333]C:[(1/5)/(23/15),(1/3)/(13/3),1/9]=[3/23,1/13,1/9]≈[0.130,0.077,0.111]各行均值（权重）：A:(0.652+0.692+0.556)/3≈0.633B:(0.217+0.231+0.333)/3≈0.260C:(0.130+0.077+0.111)/3≈0.106一致性检验：λmax=(A权重×列和A+B权重×列和B+C权重×列和C)/3=(0.633×1+0.260×1/3+0.106×1/5)/0.633+...（过程略），假设通过一致性检验。（3）最终方案权重：A总权重=0.25×0.633+(10.25)×0.40=0.158+0.300=0.458B总权重=0.25×0.260+0.75×0.35=0.065+0.263=0.328C总权重=0.25×0.106+0.75×0.25=0.0265+0.1875=0.214排序：A>B>C四、案例分析题（共30分）某国有能源企业计划投资建设一座2×1000MW超超临界燃煤电厂，总投资约80亿元，运营期25年。决策需考虑以下因素：市场因素：未来25年煤炭价格（目前550元/吨，波动范围±30%）、电力销售价格（受政府定价和市场交易影响，基准价0.42元/kWh，可能下调至0.38元或上调至0.45元）；技术因素：机组热效率（设计值45%，实际可能43%47%）、碳排放强度（设计1.0tCO₂/MWh，政策要求2030年前降至0.8tCO₂/MWh）；政策因素：碳税（2025年起可能开征，税率50100元/tCO₂）、可再生能源配额（需配套15%的风电/光伏容量，增加投资10亿元）；财务因素：基准收益率8%，折旧年限20年（直线法），所得税率25%。企业拟构建专用DSS辅助决策，要求：（1）设计该DSS的核心功能模块，并说明各模块的作用；（2）阐述DSS如何处理“碳税开征”这一不确定性因素（需结合具体技术）；（3）分析DSS输出结果对决策的支持价值。答案：（1）核心功能模块及作用：①数据集成模块：整合外部数据（如国家统计局煤炭价格历史数据、能源局电力价格政策文件、生态环境部碳税征求意见稿）和内部数据（企业历史机组运行数据、财务报表），通过ETL工具清洗（修正异常的煤耗数据）、转换（将不同单位的碳排放数据统一为tCO₂/MWh）、加载至数据仓库，为模型提供高质量输入。②财务评价模块：内置NPV、IRR、投资回收期等模型，支持参数动态调整（如输入煤炭价格550元/吨、电价0.42元/kWh），自动计算项目全周期现金流（考虑折旧抵税、碳税支出、配套可再生能源投资），输出敏感性分析表（显示对NPV影响最大的前3个变量）。③风险模拟模块：集成蒙特卡洛模拟引擎，对煤炭价格（正态分布N(550,(550×0.3)²)）、电价（离散情景：0.38元（概率30%）、0.42元（概率50%）、0.45元（概率20%））、热效率（三角分布43%47%，最可能45%）等变量抽样，运行10000次模拟，提供NPV的概率密度曲线，标注“NPV<0”的概率（如15%）和风险值（VaR95%=2.3亿元）。④政策情景模块：预设政策组合（如“无碳税+无配额”“碳税50元/t+配额15%”“碳税100元/t+配额20%”），每个情景下自动调整模型参数（碳税支出=碳排放强度×发电量×税率，配套投资增加10亿元），计算各情景的IRR（如情景1：IRR=9.5%；情景2：IRR=7.2%；情景3：IRR=5.8%）。⑤可视化交互模块：通过仪表盘展示关键指标（如基准情景NPV=12亿元，风险情景NPV均值=8亿元），支持拖拽调整参数（如将碳税税率从50元拖至100元，实时显示NPV下降至5亿元），输出动态趋势图（如“煤炭价格每上涨10%，NPV下降3亿元”）。（2）处理“碳税开征”的不确定性：①情景设定：DSS将碳税作为离散变量，设定“不开征”“50元/t”“75元/t”“100元/t”四个情景，分别对应概率20%、30%、35%、15%（通过专家问卷确定）。②模型集成：在财务评价模块中增加碳税支出计算逻辑：年碳税=年发电量×碳排放强度×碳税税率（如年发电量80亿kWh，碳排放强度1.0tCO₂/MWh，碳税50元/t，则年碳税=80×10⁴×1.0×50=4亿元）。③敏感性分析：运行单因素敏感性分析，固定其他变量，仅调整碳税税率（0150元/t），计算对应的NPV变化斜率（如碳税每增加10元/t，NPV减少1.2亿元），识别碳税对项目的临界影响值（如当碳税>85元/t时，NPV<0）。④蒙特卡洛模拟：将碳税作为随机变量（均值75元/t，标准差15元/t），与其他变量（煤炭价格、电价）同步抽样，模拟结果显示“当碳税>90元/t且煤炭价格>650元/吨时，项目亏损概率达70%”。⑤政策联动分析：结合“可再生能源配额”政策，模拟“碳税100元/t+配套15%风电”情景，计算综合成本（燃煤电厂投资80亿+风电10亿=90亿，年碳税=80×10⁴×0.8×100=6.4亿元（因配套风电减少火电发电量）），对比“纯燃煤”与“煤电+风电”方案的IRR（前者6.2%，后者7.