vensim案例

基于Vensim PLE啤酒游戏仿真实验报告专业班级：工业工程一班*名：***学号：***********2 基于Vensim PLE啤酒游戏仿真1.实验报告2.提交啤酒游戏的因果关系及仿真结果基于Vensim PLE啤酒游戏仿真实验报告一、实验目的与要求1.1实验目的(1)初步掌握VENSIM软件的仿真模拟过程，认识并了解VENSIM软件VENSIM是一个建模工具，可以建立动态系统的概念化的，文档化的仿真、分析和优化模型。

PLE（个人学习版）是VENSIM的缩减版，主要用来简单化学习动态系统，提供了一种简单富有弹性的方法从常规的循环或储存过程和流程图建立模型。

本实验就是运用VENSIM进行系统动力学仿真，进一步加深对系统动力学仿真的理解。

（2）以上机题目所给的啤酒游戏为案例实际操作VENSIM软件进行模拟仿真运用系统动力学的原理和VENSIM软件构建了啤酒游戏的供应链模型，以及各相关因素之间的因果反馈关系模型。

模拟仿真一个供应链流程的运行。

从而将系统动力学的知识与软件实际操作融会贯通，更加了解该软件的应用。

（3）通过模拟仿真的结果来分析牛鞭效应牛鞭效应，就是指当供应链上的各级供应商只根据来自其相邻的下级销售商的需求信息进行供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。

通过增加供应链模型节点个数并对其仿真结果进行分析，证明随着供应链长度的增加，牛鞭效应也愈加明显；对VMI 库存管理模式与传统库存管理模式的系统结构及运营绩效进行了比较，说明供应链成员间的信息共享可以有效地弱化牛鞭效应。

1.2实验要求啤酒游戏中包含零售商、批发商、供应商三个成员。

同时对游戏中的参数进行如下假设：消费者对啤酒的前4周的需求率为300箱/周，在5周时开始随机波动，波动幅度为±200，均值为0，波动次数为100次，随机因子为4个。

假设各节点初始库存和期望库存为1000箱，期望库存持续时间为3周，库存调整时间为4周，预测平滑时间为5周，生产延迟时间和运输延迟时间均为3周，且为3阶延迟；不存在订单延迟。

供应链管理啤酒游戏实验报告牛鞭效应vensim啤酒游戏实验报告《供应链管理》啤酒游戏实验报告第（）组角色零售商批发商制造商姓名学号成绩实验报告实验项目名称啤酒游戏所属课程名称供应链管理实验日期 20__年_月_日实验概述【实验目的及要求】1.能够模拟供应链上制造商、批发商、零售商等不同节点企业的订货需求变化 2.认识供应链中需求异常放大现象（即“牛鞭效应”）的形成过程 3.分析“牛鞭效应”的产生原因 4.找出减少“牛鞭效应”的方法 5．每个角色根据客户需求和经营数据，制定订货策略，向供应商订货 6．每个角色计算自己的经营业绩 7．每个小组画出订货需求变化曲线图，揭示“牛鞭效应” 8．分析“牛鞭效应”的产生原因 9．分析策略改进后“牛鞭效应”的变化 10．找出减少“牛鞭效应”的对策【实验原理】牛鞭效应，是经济学上的一个术语，指供应链上的需求变异放大现象，是信息流从最终客户端向原始供应商端传递时，由于无法有效地实现信息的共享，使得信息扭曲而逐级放大，导致了需求信息出现越来越大的波动。

此信息扭曲的放大作用在图形上很像一根甩起的牛鞭，因此被形象地称为牛鞭效应。

可以将处于上游的供应方比作梢部，下游的用户比作根部，一旦根部抖动，传递到末梢端就会出现很大的波动。

简而言之，牛鞭效应指沿着供应链上游移动，需求变动程度不断增大的现象。

从而导致安全库存大量增加。

实验内容【实验方案设计】 1、三人组成团队小组，第一次游戏的第一轮开始。

2、零售商根据消费者需求数量（纸牌随机点数）和相关经营数据，制定订货策略，向批发商发出订货。

3、批发商根据零售商需求数量（零售商订货数量）和相关经营数据，制定订货策略，向制造商发出订货。

4、制造商根据批发商需求数量（批发商订货数量）和相关经营数据，制定生产计划，进行生产。

5、第一轮结束，下一轮开始，依次进行，每轮都要重复步骤3、4、5，直到系统提示本次游戏停止。

6、第一次游戏结束。

7、提前期缩短后进行第二次游戏，游戏过程与第一次游戏相似，只是在途时间为1天。

2008－2009第2学期决策理论与方法实验报告实验名：vensim仿真实验选课班级：C01学号：0061578姓名：马艳华指导教师：陶长琪学生实验报告实验名称：vensim仿真实验【教学目标】学会系统模型的分析、因果关系图的建立、仿真结构流程图的构造，并熟练运用系统动力学仿真软件Vensim，进行仿真结构模型的求解，为实际问题的决策提供预测参考。

掌握连续模型系统动力学仿真—一阶正负两阶负反馈模型系统仿真。

【实验目的】连续模型系统动力学仿真【实验内容】1.运用Vensim做DYNAMO系统仿真：（1）因果关系图的建立；（2）流程结构图确定；（3）系统仿真结构方程的编写。

【实验步骤】DYONAMO仿真计算1、一阶正反馈回路。

人口增长机理，出生率R1增加，总人口P增加，从而使得出生人口增加，又使得年出生人口增加。

给定人口年增长率是2%，人口的初始值是100，则描述人口增长过程的DYONAMO程序是：L P.K=P.J+DT*(R1.JK-0)N P=100R R1.KL=P.K*C1C C1=0.02仿真结果总人口P图如下：仿真表：仿真步长（年）2.一阶负反馈回路。

将库存量调整到目标库存量的机理。

初始库存X设定为1000，期望库存Y设定为6000，将目前库存调整到期望库存的时间Z设定为5周。

当库存量增加，库存量与期望库存的差额D就减少，两者是负因果关系。

库存系统动态行为的DYONAMO方程是：L I.K=I.J+DT*(R1.JK-0)N I=XC X=1000R R1.KL=D.K/ZA D.K=Y-I.KC Y=6000C Z=5库存差与库存量的I与D图如下仿真步长：3.两阶负反馈回路。

一阶负反馈回路。

将库存量调整到目标库存量的机理。

初始库存X设定为1000，期望库存Y设定为6000，将目前库存调整到期望库存的时间Z设定为5周，初始途中存货G设定为10000，订货商品的入库时间W 设定为10周。

vensim求if then else例题
vensim求if then else例题：
解答一：
saveper 存储步长，模型每隔多长时间，存储一次数据
time step 时间步长，模型每隔多长时间，循环计算一次
在菜单栏模型菜单设置选项，可以设置这两个量
一般time step 可以是1 0.5 0.25 0.125 0.0675等
saveper 若点击勾选，就是与time step保持一致，若不勾选，就可以单独设置，比如另设成1 10等
举例：模型是经济模型，我们为了提高精度，每0.125年计算一次，但需要的数据是年度数据，那就可以设成time step=0.125 saveper=1 模型运行后，点左侧表格按钮，你会发现运行的结果是按1年为间隔的数据
解答二：
销售率的方程书写有误，正确的应该是
销售率=1000+if then else(time>50,400,0)
条件函数的格式是if then else(判断条件,真时的值,假时的值)。

VENSIM作业建模目的：模型根据河北省各阶段学生人数及升学率数据建立模型，目的是研究河北省教育水平的发展和高等教育的覆盖率，时间是2000—2020年。

其中人口基数为10000人。

1、 因果图如下：由因果回路图可以看出，高等人才所占比例主要和大学生人数有关，而大学生人数和高中生人数，初中生人数及小学生人数是一环扣一环的递进关系，尤其是高中生和大学生之间互相影响。

从图中可以看出主要数据是各阶段的升学率，退学率等。

2、 数据主要数据来源是河北省统计局的有关各学校数量，学生人数，及各阶段升学率的数据。

模型中所用的适龄儿童入学比例，各阶段的升学率均是从上图的数据得出。

而其余的数据例如辍学率，其余去向比例，招生比例等均是根据上图数据经过计算的出的。

3、 流程图流程图是根据因果回路图进行设计的。

其中库为高中生人数，应为不知道大学生毕业的数据，所以选在以高中生人数作为库研究，但是重点研究的还是大学生人数。

对应上图的统计数据可以验证模型在2000—2010年模型的准确性。

除了大学生人数在开始的时候有较大误差，图像走向总体与上图数据所得出的趋势相同。

4、图标分析要研究整体受教育水平和高等人才的覆盖率，就要从小学生人数开始一步一步研究。

学龄前儿童入学率从2000—2010年始终在0.995上下波动，非常未定，所以学龄前儿童入学比例即使有高等人才比例的影响下依然很稳定，所以就出现了小学生人数与学龄前儿童比例图像近似重合的情况。

可以看出小学生人数从2000年开始逐年降低，到2011左右开始保持稳定。

小学生人数降低应该是和我国推行的计划生育政策有关，这一点直接影响了后面各阶段学生数量。

初中生人数图和小学生人数图相似，原因是小学升初中的比例也是在0.995上下波动，所以即使受到高等人才比例的影响也没有很大的波动，所以两个图的总 是是近似一样的。

不论是小学的入学比例还是小学的升学比例都在0.995上下波动，这并不是数据错误，而是我国九年义务教育制度的结果。

vensim演化博弈案例主题：vensim演化博弈案例要求：介绍一个使用vensim进行演化博弈模拟的案例，包括模型构建、参数设定、结果分析等内容。

案例：在生态系统中，物种之间的相互作用是一个复杂的演化博弈过程。

为了研究这种演化博弈过程，我们可以使用vensim软件进行模拟。

假设有两种物种A和B，它们之间的相互作用可以用以下模型来描述：A的增长率= A的繁殖率 - A的死亡率 - A与B的相互作用B的增长率= B的繁殖率 - B的死亡率 - B与A的相互作用其中，繁殖率和死亡率是物种自身的属性，相互作用则是两种物种之间的影响。

我们可以将相互作用分为两种情况：合作和竞争。

合作可以提高物种的繁殖率，竞争则会降低繁殖率。

为了模拟这个过程，我们需要设定一些参数。

假设A和B的繁殖率分别为0.5和0.4，死亡率分别为0.2和0.3。

合作时，A和B的相互作用为0.1，竞争时为-0.1；当A和B的相互作用为0时，它们之间不存在任何影响。

我们可以使用vensim软件进行模拟。

首先，我们需要在vensim中创建一个新的模型，并添加两个变量A和B。

然后，我们需要设置它们的初始值，假设A和B的初始数量分别为100和50。

接下来，我们需要添加两个流量变量，分别表示A和B的增长率。

我们可以使用vensim中的函数来计算它们的值，如下所示：A的增长率=0.5*A-0.2*A-0.1*BB的增长率=0.4*B-0.3*B-0.1*A最后，我们需要设置模拟的时间范围和时间步长，并运行模拟。

在模拟过程中，我们可以观察A和B的数量随时间的变化，以及它们之间的相互作用。

通过模拟，我们可以得到以下结果：当A和B之间存在合作时，它们的数量都会增加；当存在竞争时，它们的数量都会减少。

当A和B之间的相互作用为0时，它们的数量会趋于稳定。

通过这个案例，我们可以看到vensim软件在演化博弈模拟中的应用。

通过模拟，我们可以更好地理解物种之间的相互作用，为生态系统的保护和管理提供科学依据。

vensim速率变量介绍在系统动力学中，速率变量是描述系统中某个变量随时间变化的速率的变量。

它是系统动力学模型中的一个重要概念，用于描述变量之间的相互作用和变化过程。

vensim是一种常用的系统动力学建模软件，它提供了丰富的工具和函数来支持速率变量的建模和分析。

什么是速率变量速率变量是指描述系统中某个变量随时间变化的速率的变量。

它表示了该变量的增长或减少的速度。

在系统动力学中，变量可以分为两种类型：状态变量和速率变量。

状态变量表示系统的状态，而速率变量表示状态变量的变化速率。

速率变量通常用微分方程来描述。

例如，对于一个简单的人口增长模型，人口数量可以看作是一个状态变量，而人口增长率可以看作是一个速率变量。

人口增长率可以表示为：人口增长率 = 出生率 - 死亡率在vensim中，可以通过定义变量的初始值、变化率和相关的参数来描述速率变量。

vensim中的速率变量建模vensim是一种强大的系统动力学建模软件，它提供了丰富的工具和函数来支持速率变量的建模和分析。

以下是在vensim中建模速率变量的一般步骤：1.定义变量：首先，需要定义变量的名称和初始值。

在vensim中，可以通过定义一个常量来表示变量的初始值。

2.定义速率：其次，需要定义变量的变化速率。

可以使用不同的函数和方程来描述变化速率，例如线性函数、指数函数等。

3.定义参数：还需要定义与变量相关的参数。

参数可以是常量或者是其他变量的函数。

4.建立关系：最后，需要建立变量之间的关系。

可以使用不同的关系函数来描述变量之间的相互作用，例如加法、乘法等。

vensim提供了丰富的函数和工具来支持这些步骤。

用户可以根据具体的建模需求选择合适的函数和工具来建立模型。

vensim速率变量的应用案例vensim速率变量在系统动力学建模中有广泛的应用。

以下是一些vensim速率变量的应用案例：1. 人口增长模型人口增长是一个复杂的系统，涉及到多个因素的相互作用。

啤酒游戏及其牛鞭效应的vensim模拟啤酒游戏：该游戏是由麻省理工学院斯隆治理学院在20世纪60年代创立的库存治理策略游戏，该游戏形象地反映出牛鞭效应的存在及阻碍。

几十年来，游戏的参加者成千上万，但游戏总是产生类似的结果。

因此游戏产生恶劣结果的缘故必定超出个人因素, 这些缘故必定是藏在游戏本身的结构里。

在游戏中，零售商通过向某一批发商订货，来响应顾客要求购买的啤酒订单，批发商通过向生产啤酒的工厂订货来响应那个订单。

该实验分成三组，分别扮演零售经理、批发经理和工厂经理。

每一组都以最优的方式治理库存，准确订货以使利润最大化。

案例介绍：此案例要紧是通过模拟啤酒游戏来仿真供应链中的牛鞭效应，从为改善牛鞭效应来提供关心。

第一假设啤酒游戏中包含零售商、批发商、供应商三个成员。

同时对游戏中的参数进行如下假设：市场对啤酒的前4周的需求率为1000周/箱，在5周时开始随机波动，波动幅度为±200，均值为0，波动次数为100次，随机因子为4个。

假设各节点初始库存和期望库存为3000箱，期望库存连续时刻为3周，库存调整时刻为4周，移动平均时刻为5周，生产延迟时刻和运输延迟时刻均为3周，不存在订单延迟。

仿真时刻为0～200周，仿真步长为1周。

期望库存等于期望库存连续时刻和各节点的销售推测之积。

(01) FINAL TIME = 100Units: MonthThe final time for the simulation.(02) INITIAL TIME = 0Units: MonthThe initial time for the simulation.(03) SAVEPER =TIME STEPUnits: Month [0,?]The frequency with which output is stored.(04) TIME STEP = 1Units: Month [0,?]The time step for the simulation.(05) 市场需求率=1000+if then else(Time>4,random normal(-200,200,0,100,4),0) Units: **undefined**(06) 库存调整时刻=4Units: **undefined**(07) 批发商发货率=delay3(零售商订单,运输延迟)Units: **undefined**(08) 批发商库存= INTEG (生产商发货率-批发商发货率,3000)Units: **undefined**(09) 批发商期望库存=批发商销售推测*期望库存覆盖时刻Units: **undefined**(10) 批发商订单=max(0,批发商销售推测+(批发商期望库存-批发商库存)/库存调整时刻)Units: **undefined**(11) 批发商销售推测=smooth(批发商发货率,移动平均时刻)Units: **undefined**(12) 期望库存覆盖时刻=3Units: **undefined**(13) 生产商发货率=delay3(批发商订单,运输延迟)Units: **undefined**(14) 生产商库存= INTEG (生产商生产率-生产商发货率,3000)Units: **undefined**(15) 生产商期望库存=期望库存覆盖时刻*生产商销售推测Units: **undefined**(16) 生产商生产率=delay3(生产商生产需求,生产延迟)Units: **undefined**(17) 生产商生产需求=max(0,生产商销售推测+(生产商期望库存-生产商库存)/库存调整时刻)Units: **undefined**(18) 生产商销售推测=smooth(生产商发货率,移动平均时刻)Units: **undefined**(19) 生产延迟=3Units: **undefined**(20) 移动平均时刻=5Units: **undefined**(21) 运输延迟=3Units: **undefined**(22) 零售商库存= INTEG (批发商发货率-市场需求率,3000)Units: **undefined**(23) 零售商期望库存=期望库存覆盖时刻*零售商销售推测Units: **undefined**(24) 零售商订单=max(0,零售商销售推测+(零售商期望库存-零售商库存)/库存调整时刻)Units: **undefined**(25) 零售商销售推测=smooth(市场需求率,移动平均时刻) Units: **undefined**运行结果，能够看到牛鞭效应明显。

第四章 系统动力学仿真模型由于上海地区的汽车市场只是全国市场的一部分，其供应系统除了上海本地汽车生产企业之外，还有全国各地的汽车企业。

随着加入WTO ，汽车产业逐步放开，将使我国的汽车市场成为国际市场的一部分，而价格也将与国际市场接轨。

另外世界汽车市场上潜在的生产能力极大，总体上已经形成生产过剩的卖方市场。

因此上海地区的汽车市场主要是需求问题。

研究上海市私车发展的主要问题也将是需求问题。

本文建立上海地区私车变化的系统动力学模型，从需求方面来研究上海市的私车发展。

图4-1 上海市私家车系统组成结构图§4.1 系统分析§4.1.1 系统边界的确定系统动力学分析的系统行为是基于系统内部要素相互作用而产生的，并假定系统外部环境的变化不给系统行为产生本质的影响，也不受系统内部因素的控制。

因此系统边界应规定哪一部分要划入模型，哪一部分不应划入模型，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模型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应排除在模型之外。

根据系统论原理，一个完整的城市居民私家车消费系统不仅包括汽车的流通、交换和消费等环节，而且还包括城市人口、经济、社会环境和消费政策、公交等其他指系统，它是一个复杂的社会经济大系统（图4-1）。

只有建立一个适合于该系统的动态分析模型，才可能全面准确地研究系统中各因素间的相互作用关系和它们对系统行为的影响。

根据系统建模的目的，本文研究系统的界限大体包括以下内容：私车的需求量私车的报废量私车的市场保有量私车的价格私车的使用费用私车发展系统城市公交系统城市市政系统汽车市场系统人口经济系统私车的上牌费用牌照限额居民人均可支配收入上海市人口数量上海市总户数政策因素公交汽车、出租车数量停车车位道路面积此外，还有其他许多内容，如摩托车的数量、汽车的质量、品牌种类等，均不划入系统的界限内。

§4.1.2 因果关系分析系统动力学的研究重点在于自反馈机制的系统动力学问题。

vensim演化博弈案例
vensim是一种用于系统动力学建模的软件，也可以用于演化博弈模型的建模和仿真。

本文将介绍一个vensim演化博弈案例。

这个案例是关于两个种群的博弈，每个种群有两种策略：合作和背叛。

合作是互惠互利的，背叛是自私的。

策略的效果取决于对手的策略。

如果两者都合作，那么两者都会获得奖励；如果一个合作，另一个背叛，那么背叛者会获得更多的奖励，而合作者会损失；如果两者都背叛，那么两者都会受到惩罚。

在这个案例中，两个种群的初始策略随机分配，然后通过演化博弈来改变策略。

具体来说，每个个体按照一定的概率随机选择另一个个体进行博弈，然后根据博弈结果和一定的遗传规则（例如，成功的策略有更高的概率被遗传给下一代）来更新自己的策略。

这个过程不断重复，直到达到某个稳定状态。

通过使用vensim，我们可以建立演化博弈模型，并进行仿真和分析。

我们可以尝试不同的参数设置和遗传规则，来观察种群的演化和最终的稳定状态。

我们还可以对模型进行敏感性分析，来了解模型的鲁棒性和可靠性。

这些分析可以帮助我们更好地理解演化博弈的规律和机制，以及预测不同策略在不同环境下的表现。

- 1 -。

基于Vensim-PLE啤酒游戏仿真实验报告基于Vensim PLE啤酒游戏仿真实验报告专业班级：工业工程一班*名：***学号：***********2 基于Vensim PLE啤酒游戏仿真1.实验报告2.提交啤酒游戏的因果关系及仿真结果基于Vensim PLE啤酒游戏仿真实验报告一、实验目的与要求1.1实验目的(1)初步掌握VENSIM软件的仿真模拟过程，认识并了解VENSIM软件VENSIM是一个建模工具，可以建立动态系统的概念化的，文档化的仿真、分析和优化模型。

PLE（个人学习版）是VENSIM的缩减版，主要用来简单化学习动态系统，提供了一种简单富有弹性的方法从常规的循环或储存过程和流程图建立模型。

本实验就是运用VENSIM进行系统动力学仿真，进一步加深对系统动力学仿真的理解。

（2）以上机题目所给的啤酒游戏为案例实际操作VENSIM软件进行模拟仿真运用系统动力学的原理和VENSIM软件构建了啤酒游戏的供应链模型，以及各相关因素之间的因果反馈关系模型。

模拟仿真一个供应链流程的运行。

从而将系统动力学的知识与软件实际操作融会贯通，更加了解该软件的应用。

（3）通过模拟仿真的结果来分析牛鞭效应牛鞭效应，就是指当供应链上的各级供应商只根据来自其相邻的下级销售商的需求信息进行供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。

通过增加供应链模型节点个数并对其仿真结果进行分析，证明随着供应链长度的增加，牛鞭效应也愈加明显；对VMI 库存管理模式与传统库存管理模式的系统结构及运营绩效进行了比较，说明供应链成员间的信息共享可以有效地弱化牛鞭效应。

1.2实验要求啤酒游戏中包含零售商、批发商、供应商三个成员。

同时对游戏中的参数进行如下假设：消费者对啤酒的前4周的需求率为300箱/周，在5周时开始随机波动，波动幅度为±200，均值为0，波动次数为100次，随机因子为4个。

假设各节点初始库存和期望库存为1000箱，期望库存持续时间为3周，库存调整时间为4周，预测平滑时间为5周，生产延迟时间和运输延迟时间均为3周，且为3阶延迟；不存在订单延迟。

Q1:如何调出图？系统流图太复杂，积累变量调不出图。

这个时候可以用一种无赖的方式来调出图，即仅用常量来控制积累变量的变化。

下面以我的系统流图为例，介绍这种方法。

我的积累变量：铁路运营能力。

Variables：铁路运营能力、f、铁路线路长度。

（这些都是变量）表达式：铁路运营能力=IF THEN ELSE( 铁路运营能力>4.5, 铁路运营能力=4.5, 铁路运营能力*0+铁路线路长度*0+f*0+RANDOM UNIFORM(-0.1 ,0.1, 0.01)+0.12) （1）式最终效果图：该表达式可以剖析如下：<1. IF THEN ELSE( {cond} , {ontrue} , {onfalse} ) 函数。

Cond是条件，ontrue表示当条件为真时执行的操作，onfalse表示当条件为假时执行的操作。

表达式中之所以引入这个函数，是为了要控制函数的上限，以达到负反馈的效果。

”IF THEN ELSE( 铁路运营能力>4.5, 铁路运营能力=4.5,……)”表示当铁路运营能力>4.5时，铁路运营能力恒为4.5。

<2. “铁路运营能力*0+铁路线路长度*0+f*0”没有用，但是表达式中如果不包含变量的话，则编译不能通过，为了使编译通过必须用上所有变量。

为了使变量不发挥作用，所以全部乘上0。

<3. “+0.12”表示每过一年，铁路运营能力+0.12。

<4.如果只是用<1,<2,<3的表达式，也即如果(1)式中缺少”RANDOMUNIFORM(-0.1 ,0.1, 0.01)”那么出来的图如下。

直线是一条直线，到上限4.5后保持恒定值4.5。

当然，这个图很难看，不是我们想要的效果，我们希望能有一条曲线。

“RANDOM UNIFORM(-0.1 ,0.1, 0.01)”表示在原来曲线的情况下上下波动，波动范围为-0.1到0.1。

比如15年时，铁路运营能力为2.9，再加上“RANDOM UNIFORM(-0.1 ,0.1, 0.01)”则表示铁路运营能力在2.9的基础上随机加上（-0.1，0.1）之间的一个值。

SavingsinterestINTEREST RATE系统动力学仿真实验一系统动力学流图学习指导书在结束“因果循环图”学习后，开始仿真模块学习前，下面三个图显示“流图、仿真模块方程式、存款账户模块”的输出分解图，建置如下：流图仿真模块方程式(1) FINAL TIME = 100 Units: Year The final time for the simulation.(2) INITIAL TIME = 0 Units: Year The initial time for the simulation.(3) interest= Savings*INTEREST RATE（利息=存款*利率） Units: **undefined**(4) INTEREST RATE= 0.05 Units: **undefined**(5) SAVEPER = TIME STEP Units: Year [0,?] The frequency with which output is stored.存款账户模块Current Savings 20,00015,00010,0005,0000interest 800600400200050100Time (Year)(6) Savings= INTEG (interest, 100)（存款=积分（利息，100））Units: **undefined**(7) TIME STEP = 0.25Units: Year [0,?]（时间步长=0.25）The time step for the simulation.具体操作步骤如下：1．启动Vensim与点选功能列的”New Model”钮，显示”Time Bounds for Model”对话窗口．将区间四分之一，改变”TIME STEP”为0.25与”Units for Time”为Year，然后点选”OK”钮。