系统动力学建模师

概述

系统动力学建模师技能提供了构建和分析系统动力学模型的能力，用于理解具有反馈循环、延迟和非线性行为的复杂系统。它支持因果循环图绘制、存量流量建模和策略测试，为战略决策提供支持。

能力

存量与流量模型构建
因果循环图创建
反馈循环识别
仿真执行
策略测试与比较
均衡分析
对初始条件的敏感性分析
模型验证测试

使用流程

战略情景开发
假设分析框架
战争推演与竞争响应建模

使用方法

因果循环图

# 定义因果关系
因果循环 = {
    "变量": [
        "市场份额", "收入", "研发投资",
        "产品质量", "客户满意度", "口碑传播"
    ],
    "链接": [
        {"从": "市场份额", "到": "收入", "极性": "+"},
        {"从": "收入", "到": "研发投资", "极性": "+"},
        {"从": "研发投资", "到": "产品质量", "极性": "+", "延迟": True},
        {"从": "产品质量", "到": "客户满意度", "极性": "+"},
        {"从": "客户满意度", "到": "口碑传播", "极性": "+"},
        {"从": "口碑传播", "到": "市场份额", "极性": "+"}
    ],
    "循环": [
        {"名称": "增长引擎", "类型": "增强型", "变量": ["市场份额", "收入", "研发投资", "产品质量", "客户满意度", "口碑传播"]}
    ]
}

存量与流量模型

# 定义存量流量结构
模型 = {
    "存量": {
        "客户数": {
            "初始值": 1000,
            "流入": ["客户获取"],
            "流出": ["客户流失"]
        },
        "品牌知名度": {
            "初始值": 0.1,
            "流入": ["营销效果"],
            "流出": ["知名度衰减"]
        }
    },
    "流量": {
        "客户获取": "潜在客户 * 转化率 * 品牌知名度",
        "客户流失": "客户数 * 流失率",
        "营销效果": "营销支出 * 有效性 / 市场规模",
        "知名度衰减": "品牌知名度 * 衰减率"
    },
    "辅助变量": {
        "潜在客户": "市场规模 - 客户数",
        "转化率": "基础转化率 * (1 + 产品质量因子)"
    },
    "常量": {
        "市场规模": 100000,
        "基础转化率": 0.05,
        "流失率": 0.02,
        "衰减率": 0.1,
        "有效性": 0.001
    }
}

仿真配置

# 仿真设置
仿真配置 = {
    "时间设置": {
        "初始时间": 0,
        "结束时间": 120,  # 月
        "时间步长": 1,
        "保存间隔": 1
    },
    "积分方法": "欧拉法|龙格-库塔法",
    "情景": [
        {"名称": "基准案例", "参数": {}},
        {"名称": "高营销投入", "参数": {"营销支出": 50000}},
        {"名称": "低流失率", "参数": {"流失率": 0.01}}
    ]
}

反馈循环类型

类型	行为	示例
增强型 ®	指数增长/下降	销售 -> 收入 -> 营销 -> 销售
平衡型 (B)	目标寻求、振荡	库存 -> 订单 -> 生产 -> 库存

输入模式

{
  "模型类型": "因果循环|存量流量",
  "模型定义": {
    "存量": "对象",
    "流量": "对象",
    "辅助变量": "对象",
    "常量": "对象",
    "因果链接": ["对象"]
  },
  "仿真配置": {
    "初始时间": "数字",
    "结束时间": "数字",
    "时间步长": "数字",
    "情景": ["对象"]
  },
  "分析选项": {
    "均衡分析": "布尔值",
    "敏感性分析": "布尔值",
    "循环分析": "布尔值"
  }
}

输出模式

{
  "仿真结果": {
    "时间": ["数字"],
    "变量": {
      "变量名": ["数字"]
    }
  },
  "情景比较": {
    "情景名称": {
      "最终值": "对象",
      "峰值": "对象",
      "达到均衡时间": "数字"
    }
  },
  "反馈循环": [
    {
      "名称": "字符串",
      "类型": "增强型|平衡型",
      "变量": ["字符串"],
      "主导期": ["对象"]
    }
  ],
  "均衡分析": {
    "稳定点": ["对象"],
    "不稳定点": ["对象"]
  },
  "可视化路径": ["字符串"]
}

最佳实践

从因果循环图开始理解结构
识别每种行为模式的主导反馈循环
使用量纲分析验证方程
在可用时使用历史数据测试模型
执行极端条件测试（零值、极高值）
记录模型边界和假设
使用敏感性分析识别杠杆点

策略分析

该技能支持策略测试：

比较不同干预措施的情景
识别意外后果
测试干预措施的时机和规模
分析策略阻力（反直觉行为）

集成点

为情景叙事生成器提供输入
与基于代理的模拟器连接构建混合模型
支持敏感性分析器识别杠杆点
与决策可视化集成绘制时间序列图