页岩气外输管线的投资决策优化模型研究
王子鸣1， 张志越2， 孙金凤1
（1.中国石油大学（华东）经济管理学院，山东青岛 266580； 2.山东大学，济南 250100）
摘 要： 我国页岩气富集区域多分布在山区或丘陵地带，气源与主干管线距离较远，外输管线建设复杂程度高且投资规模大，其投资决策合理与否直接影响到页岩气的商业化开发. 针对信息不确定条件下的页岩气外输管线投资决策难题，以筛选最优外输管线路径为研究对象，通过剖析页岩气外输管线投资决策过程的复杂性，建立多阶段多目标投资决策模型，并利用改进后的Dijkstra算法对模型进行求解，从而实现页岩气外输管道建设投资的动态调整. 不仅为解决页岩气外输管线投资决策难题提供一种新的思路和方法，还有助于深化不确定条件下多阶段多目标决策理论的研究.
关键词： 管理工程；投资决策模型；多阶段多目标；页岩气外输管线
我国石油对外依存度日益上升，2009年始就已超过50%的能源安全警戒线，2018年高达69.8%，严重威胁国家能源安全［1］. 页岩气作为目前最具有发展前景的可替代能源，其勘探开发对于提升国家能源安全具有重要战略意义，日益受到政府和企业的高度关注. 2015年以来，油价长期低迷且短期反弹乏力，油气行业处于低谷，美国页岩油气产量却并未按预期下跌. 资源潜力丰富的页岩气作为近期发展最快的非常规天然气，实现其全面开发将带来一场全球性的能源革命，美国就因页岩气的成功开发而有望实现“能源独立”并改变了全球能源格局［2-4］. 我国页岩气可采资源量为15×1012～25×1012m3，发展潜力巨大［5-8］. 然而，我国页岩气勘探开发尚处于初级阶段，因地质资源属性和形成条件与北美相差较大，无法复制其成功模式，再加上我国天然气管网铺设规模仅为美国的十几分之一，开采出的页岩气除了极少部分用成本较高的LNG输出外，目前多直接用于坑口发电或暂时封井处理，导致了页岩气商业化速度减缓，直接影响到了页岩气的开发与应用. 因此，如何把产出的页岩气通过外输管线连接到天然气主干网上已成为亟待解决的问题. 由于我国页岩气富集区域多处于山区或丘陵地带，地质条件复杂，外输管线建设可能会穿越河流、高山、农田或林地等，其建设复杂程度高且投资规模非常大，一旦决策失误，不仅会给石油企业带来损失，还会严重破坏当地的生态环境，这直接影响页岩气的产业化和商业化开发［1］. 另外，页岩气外输管线建设不但要考虑投资成本最小化，还要尽可能地减少对当地环境的不利影响，并且要根据不同建设阶段呈现的状态信息适时地调整决策，既要做好各阶段的相互联系，又要统筹多重目标的实现，决策过程十分复杂，它是一个典型的多阶段多目标决策问题.
关于页岩气外输管线投资决策问题的研究，主要集中在页岩气管网建设必要性及影响因素、天然气管网决策优化模型以及多阶段多目标决策优化方法三个方面. Kevin等［9］指出铺设页岩气管网应考虑气田开发方案、地形地貌以及所处地区的环境等因素. 杨娜曼等［10］提出我国应成立专门的页岩气管网公司以促进页岩气的产业化发展. 由于我国页岩气开发尚处于初级阶段，管道建设仍不完善，页岩气外输管线研究仍处于探索阶段，关于页岩气外输管线的建设可有借鉴地参考天然气管网的建设［11］. 蒲红宇等［12］表明天然气管道总投资主要包括管道成本和压缩机成本两部分；陈进殿等［13］则从天然气管网系统的规划、设计和运行等方面分别建立数学模型以优化管网决策系统；杨毅等［14］构建了天然气管网系统运行优化的数学模型并给出了模型求解的方法. 为研究天然气管网各个独立参数之间的最优关系，Sung［15］利用最小成本生成树法构建混合网络模型；张其敏等［16］基于管道强度和稳定性等约束条件，建立了天然气管道模糊优化模型并用MDOD算法进行求解. 关于不确定条件下多阶段多目标决策问题，Figueira等［17］借助统计决策理论解决了由于环境自身不确定性引起的多目标决策问题；Abo-Sinna［18］利用动态规划技巧解决了目标相互冲突的决策问题；Sun等［19］构建了非常规油气资源多阶段多目标投资决策模型，解决了不同阶段的勘探开发资金分配问题；蔡志强等［20］则利用贝叶斯网络建立不确定条件下多阶段多目标决策模型；苏素等［21］根据页岩气勘探开发项目的多阶段性等投资特征，结合复合实物期权理论以及页岩气投资市场的现实状况，建立了考虑波动率的页岩气勘探开发投资决策模型；刘建美等［22］和王明涛等［23］学者针对求解多阶段多目标模型的组合赋权以及Dijkstra算法开展了相应的研究，并在求解最短路径、确定最优方案等领域进行了应用，取得较好的效果. 前人研究为本文奠定良好的基础，但页岩气外输管线建设过程复杂且影响因素众多，即使管线修建长度相同，穿越不同的地貌也会存在较大的投资差异. 因此，进一步明确页岩气外输管线的投资组成，优选外输管线建设的最优方案，辅助投资者做出科学合理的决策，成为尽早实现页岩气商业化和产业化的关键性问题.
本文旨在解决不确定条件下的页岩气外输管线投资决策问题，根据不同管线需要穿越的不同地貌，融合运筹学和决策科学等学科理论建立页岩气外输管线建设的多阶段多目标投资决策模型，并利用改进后的Dijkstra算法对模型进行求解，进而确定最优投资方案和管线路径，为解决页岩气外输管线投资决策难题提供一种新的方法和思路.
从上往下看去，铜矿像一口巨型平底锅的底部，又像是一个上天赐予的巨大“天坑”。不同年代采矿的遗迹，使“天坑”由上到下留下了像梯田一样不同印记的层级，一圈圈，一层层，极富美感。“天坑”的底部，平整得像足球场。为数不多的矿工星星点点，开着挖掘机掘矿，大吨位的矿车载着矿石，喘着粗气往山坡上爬行，空载的车辆，又一辆接一辆地鱼贯驶入坑底。
1 页岩气外输管线投资决策及其复杂性分析
1.1 问题描述
某页岩气区块位于山区偏远地带，经前期勘探可知储量丰富且能实现连续产气. 由于该区块与邻近的天然气主干管网距离较远，运输过程不但要确保安全又要降低成本，经多方论证认为铺设与主干管网之间的外输管线是首要选择. 然而，外输管线铺设有多条路径方案可供选择，不同方案的管线长度、地貌特征和管道走向等各不相同，致使其投资规模和对当地产生的环境影响等也不同. 经初步勘测发现，距离短的外输管线需要穿越河流、林地等特殊地段，其投资规模不一定小；对于投资额度低的方案，其对环境破坏力度比较大，建设过程中可能会面临较多的阻碍；而对于地形平坦，环境破坏小的管线路径，铺设距离又较长，后期的运行维护成本又会比较高. 再加上页岩气的单井产气率比常规天然气井采收率低，外输管线的投资回收期会更长，决策问题十分复杂. 因此，对于石油企业来说，如何根据前期获得的地质资料、环境评估等关键数据信息，利用科学有效的方法优选出一个投资额少、环境破坏力度小并且运营成本低的外输管线路径是开采页岩气迫切需要解决的问题.
采用SPSS16.0和Origin 9.0统计分析软件进行数据分析，所有数值均为三次重复试验所得数值的平均值。
1.2 投资决策过程的复杂性分析
1）不确定性因素较多
页岩气开采以及页岩气外输管线建设受油气价格影响颇大，而油价由于受地缘政治或投机因素等影响难以准确预测，再加上自然灾害、数据处理误差等因素的存在，导致财务预算和实际支出之间会存在较大差异，使得外输管线投资面临较大的不确定性且这种不确定性往往贯穿于整个投资决策过程. 另外，随着外输管线铺设的进行，会出现许多无法预料的新情况，这就要求投资者应根据所掌握的最新信息对决策方案进行动态调整，而非一成不变.
页岩气外输管线建设可以按照时间顺序分解成若干个相互联系的阶段，各阶段的决策不仅决定本阶段的状态又会影响下一阶段的决策，从而影响整个投资建设过程. 随着外输管线铺设的进行，不确定因素逐渐明确且又会出现新的情况，因此决策者需要在下一阶段初，根据上一阶段的决策结果，对所有可能的投资策略进行评价，在所有可能采取的策略中间选取一个最优的投资方案，从而寻求整个投资过程的最优策略方案. 可见，页岩气外输管线的投资决策属于典型的多阶段决策问题，具体决策过程如图1所示.
2）多阶段投资决策过程
与先民过于推崇“拙”的情形不太一致，他们对于“巧”的态度，却呈现出一定的矛盾性。从文献看来，随着历史的推进，先民对“巧”的态度，开始发生变化：
图1 页岩气外输管线多阶段投资决策过程图
Fig.1 The diagram of multi-stage investment decision for shale gas export pipeline
4）状态转移方程：在页岩气外输管线投资决策过程中，上一阶段的状态和上一阶段的决策结果往往决定了本阶段的状态，这种关系可以表示为sk +1=Tk (sk ,uk )；
在进行页岩气外输管线铺设时，往往会涉及多个目标，既要保障外输管线安全，又要降低环境破坏程度和控制建设成本，而各目标实现又有一定的冲突，投资者需要权衡多重目标的影响以进行合理的决策. 另外，外输管线建设是促进页岩气商业化开发和维护国家能源安全的重要举措，在特定情况下，即使投资者难以预测和控制未来的投资收益，甚至在一定时期内出现亏损也仍然要进行投资建设，这使得石油企业的投资行为具有多样性.
2 模型构建
2.1 假设条件
为便于研究，假设如下：1）页岩气是清洁能源且目前我国天然气价格较低. 为凸显外输管线铺设本身投资决策合理的重要性，暂不考虑页岩气的销路问题；2）由于管道运输损耗较小，在此只考虑页岩气外输管线的建设成本、环境成本以及运营成本等；3）不考虑其他合同、政治和军事等不可抗力带来的影响.
2.2 数学模型
则不确定条件下页岩气外输管线多阶段多目标投资决策模型为：
5）指标函数V 1,n (A )：从A 到终点K 的投资额；
1）页岩气外输管线距离与建设成本的指数分布函数
由于我国页岩气勘探开发尚处于初级阶段，页岩气外输管线建设数据资料相对较少，为便于研究外输管线铺设距离和建设成本之间的关系，本文利用常规天然气外输管线和页岩气外输管线铺设一般规律的相似性，结合差别估算法对页岩气的管道建设成本进行测算，处理后的数据如表1所示.
对于已达成刑事和解拟作相对不起诉或从轻、减轻处罚的案件，及时进行可行性评估，避免埋下矛盾隐患。另外，该院还强调定争止纷、说理在前，即在审查、批捕和办理民行、控申案件时，充分考虑当事人的社会情况、对法律的认知程度等因素，通过对案件事实、证据和适用法律情况的详细阐述，消除当事人的疑虑和怨气，避免缠访、上访等情况的发生。诸暨检察院还聘请经验丰富的社会人士，担任和解引导员，协助刑事和解及释法明理等工作。
若令a1、a2、a3、a4分别代表发生频度、危害程度、检测难度和维修难度这4个决策指标；d=1,2,3分别代表关键故障、主要故障和次要故障，则可通过灰色聚类结果得到齿条移动元动作单元故障模式分级的原始决策表。
表1 我国部分天然气外输管线建设情况表
Tab.1 Table of construction of some natural gas pipelines in China
由于该区块位于偏远山区地带，外输管线需要穿越河流、农田等特殊地段，环境保护成本非常突出，主要包括固定环境成本和可变环境成本两部分. 固定环境成本是指在外输管线铺设之前，对各个方案进行的环境评估费用，包括人工费用、咨询费用等各种支出，该部分支出与外输管线建设投资额之比为c ，则有：
以上述及的各项社会公益事业在中国古代社会都有不同程度的发展，这在一定程度上满足了寻常百姓的不同社会需求，同时也为巩固建立于小农经济基础之上的封建政治统治提供了一定的合法性基础。然而，这也恰恰是中国古代社会公益事业发展的历史局限性所在。
图2 外输管线长度与建设成本关系曲线
Fig.2 The relation curve between pipeline length and construction cost
可见，页岩气外输管线长度与建设成本大致呈指数分布，指数分布函数如下：
综上所述，通过对2017年贵德县农业气象条件进行分析，对其温度、降水以及日照等条件都进行了全面的比较，进而对其冬小麦的生长和发育情况进行了对比探讨得知，阴雨天气对小麦的生产发育不利，因此要做好水肥管理。同时冬季偏暖，会延长病菌的繁殖，从而影响小麦的产量。
其中：S(l )ij 为第i 方案的第j 段管线的建设成本，lij 为第i 方案的第j 段管线长度.
2）页岩气外输管线固定、可变环境成本的函数表达式
对表1中的数据进行处理，得出外输管线距离与建设成本之间的关系曲线，如图2所示.
对于土壤、河流等无法用另一种物质资源来替代的自然资源的破坏，采用恢复费用法计算可变环境成本；而对于农田和林地等则可以通过粮食和木材的价值替代自然资源的破坏，采用机会成本法计算可变环境成本. 由于恢复单位资源费用以及单位资源市场价值受外部环境波动影响较大，精确数值往往不能反映实际的变化状态，本文采用区间数表示环境成本的变化［24-25］. 令
表示为在方案i 下第j 段外输管线的环境成本，
和
分别表示第i 方案第j 段管线环境成本
的恢复费用与机会成本；令
为恢复单位或补偿单位资源的费用、
为污染或破坏的资源量、
为单位资源的市场价值和
为破坏或污染的资源量，则可变环境成本的函数表达式为：
其中，
均为闭环的实数区间数，当下界与上界相等时，
和
退化为一个精确的实数.
然而，在外输管线铺设过程中，对环境破坏程度θ 并不是无限度的. 生态系统作为具有自我调节能力的有机整体，有一定的自净能力，在这个自净能力的范围内，投资者不需要支付任何环境成本. 具体环境成本与破坏程度之间关系如图3所示，M 为环境自净能力，N 为环境承载力上限.
图3 环境成本与破坏程度关系曲线图
Fig.3 Diagram of the relationship between environmental cost and damage degree
当破坏程度0＜θ ≤M 时，环境成本Eij =Hij ；当M ＜θ ≤N 时，环境成本
；θ 上限是环境承载力N ；当θ ＞N 时，无意义即不允许铺设外输管线. 则页岩气外输管线铺设时环境成本表达式为：
3）页岩气外输管线运营成本函数
外输管线运营成本主要包括压缩机投入成本和人工成本. 经研究发现，压缩机投资额与其功率的关系大约为0.6 万元/km，压缩机运行费用大约为0.1 万元/km［12］. 令每位工人维护的页岩气外输管线公里数a ͂=[aL ,aU ](aL ≤a ͂≤aU ,aL ∈ℝ,aU ∈ℝ)为一闭环实数，每位工人的工资为b ，Pij 为页岩气压缩机功率，则
为外输管线运营成本为：
综上，在方案i 下，第j 段页岩气外输管线的投资总额w ͂ij 可以写成：
2.2.2 多阶段投资决策模型 根据公式（6）可以得出第i 方案第j 条管段的投资额w ͂ij ，则可将图2中的管线长度lij 替换成该段管线的投资额
. 为便于求解，可以将页岩气外输管线投资决策过程分解成若干相互联系的阶段，图4则是转换之后的多阶段决策过程示意图.
图4 页岩气外输管线多阶段投资决策模型转化图
Fig.4 Transformation diagram of multi-stage investment decision model for shale gas export pipeline
1）阶段变量k ：k 表示外输管线铺设段数，k =1,2,3,…,m ；
2）状态变量sk ：状态是各个阶段初期的客观条件，状态变量的取值集合为状态集合sk ，sk 表示第k 段可用于选择从第k 段到终点的管线；
3）决策变量uk (sk )：表示第k 阶段状态为sk 时决定投资的管线，允许决策集合为Dk (sk )，uk (sk )∈Dk (sk )；
3）目标多重性与投资行为多样性
基于“工作室制”的教学模式应用于电视制作类课程是一次积极的尝试, 它改善了学生的实训条件,保证人才培养质量, 缩短了学生进入企业的适应时间, 减轻了企业人员培训的开销，节省不少的营运成本。同时“工作室”制教学模式可以形成一种完全开放式的教学方式, 促进了师生、生生间的社会交互和情感交流, 给学生提供了掌握专业技能、培养创新思维的实践操作平台。可以说，基于“工作室制”的教学模式顺应了时代发展的需要, 是电视制作类课程教学的新模式。在当前社会经济发展的形势下,基于“工作室制”的教学模式无疑是培养适应市场需求、解决学生就业与社会适应能力的有效途径。
而形声字，就是把两个独体字合在一起，进行标类注音，产生的新的汉字，也就是说一个独体字表示这个新汉字的声音，一个独体字表示这个新汉字的意义，例如，河左边是水，表示河的基本意义，右边的可，表示河的相近的声音；诗的左边是言，表示诗的意义，右边是寺，表示诗的相近的声音。这种能够标类注音，分别表示声音和意义的汉字就是形声字。相对于上面的三种造字方法，由于形声造字方法的便利，使得现代汉字中90%都是形声字。
（2）组装混凝土进入到输送泵的过程中，需要做好混凝土的检查工作，以防止砂石与水泥等杂物进入到混凝土中，从而有效减少混凝土使用性能较低的情况。
6）最优指标函数：fk (sk )=f 1(A )，从A 到终点K 的最少投资额.
指标函数Vk ,n (sk ,pk ,n )是用于衡量所选策略优劣的数量指标，最优指标fk (sk )则意味着最佳的效益值，Vk ,n (sk ,pk ,n )和之间的关系为：
高职教育的目标是培养适应生产、建设、管理、服务第一线需要的，德、智、体、美全面发展的高等技术应用型专门人才。因此要按照突出应用性、实践性的原则重组课程结构，更新教学内容。化学是研究物质的组成、结构、性质及其变化规律的一门学科。高职护理专业化学教学不仅要为专业课程学习奠定基础，更重要的是要培养学生科学素养。因此，化学课程教学应以实用性化学知识为重点，以培养学生能力为目的，充分体现高等职业教育特点，培养掌握高等职业技术的复合型和应用型人才。
2.2.1 目标函数
其中，θ ＞N 时无意义，
͂取整数.
3 算法分析与设计
3.1 确定各目标权重
对目标进行赋权的方法有主观赋权法和客观赋权法，前者可以体现决策者的经验判断，灵活性较强，但同时带有一定的主观随意性；后者注重数理逻辑，但却缺乏专家的经验指导，灵活性较差. 因此，本文将二者结合起来，使用层次分析法构造目标层与准则层的比较判断矩阵［26］，从而求得主观权重U ′x =(u ′1,u ′2,u ′3)；使用均方差法求得客观权重U ″x =(u ″1,u ″2,u ″3) . 利用主客观赋权法，求得组合集成权重［27］. 令α ,β ,γ 分别表示建设成本、环境成本、运营成本的组合权重，则投资决策模型为：
3.2 Dijkstra算法优化
由于每段页岩气外输管线的投资额wij 均大于零，求从气源A 到目的地K 的最少投资额时，可以转化为在无负权网络中求指定两点A 和K 间的最短距离问题. 作为求解最短路径的典型算法，Dijkstra算法在无负权网络中得到广泛应用. 然而，由于其需要遍历所有的节点，并对其进行迭代和比较，往往会延长计算时间并占用存储空间. 由于页岩气外输管线投资决策的网络结构较为复杂，采用此算法会导致运行时间的延长，运算效率不高. 因此，有必要改进该算法以减少迭代次数并提高运行效率. 图5为改进后的Dijkstra 算法，运算流程如图5所示.
与对照组比较，观察组老年肺炎患者血清PCT、hs-CRP及D-Dimer水平显著升高，差异有统计学意义(P＜0.05)。见表1。
图5 优化后的Dijkstra算法流程图
Fig.5 Optimized Dijkstra algorithm flow chart
优化原理如下：集合A 用于存放选定的节点，首先从源点邻居节点中选择路径最近的节点K 作为中转点，并将K 添加到集合A 中，将集合A 中的选定节点看作一个整体，将与集合A 中的节点均相邻的节点添加到集合B 中，并计算源点到该集合中的全部节点的距离d =min(dj ,di +lij )，选择最小的d ，作为下一次运算的转接点，并记录每次选择的路径节点. 重复上述过程，直到把所有节点都添加到集合A 中，从终点逐个向前寻找，将B 中重复出现两次以上的节点存放到最短路径集合C 中，确定最优路径，求得最短距离.
根据上述计算步骤和公式，借助于Microsoft Excel或Matlab即可对模型进行求解.
4 算例
现有页岩气气源A ，储量丰富且能实现连续产气. 现在需将该区块产出的页岩气输送到主干管线F .在外输管线铺设过程中，需要在B 处建立压缩机，共有两种选择(B 1,B 2)，经过C 地有三种选择(C 1,C 2,C 3)，经过D 地有两种选择(D 1,D 2)并最终到达F . 各路段的长度（单位：km）以及需要穿越的地形如图6所示.
图6 页岩气外输管线铺设路径示意图
Fig.6 Schematic diagram of laying path of shale gas export pipeline
在页岩气外输管线铺设的过程中，压缩机功率设定值为1×104kW，每段管线对环境的破坏程度θ 均介于M 和N 之间，即M ＜θ ＜N . 固定环境成本约为建设投资额0.1%. 在可变环境成本中，对河流资源的破坏量约为1×105m3，单位资源恢复费用为C ͂′62元/m3，C ͂′62=[ ]15,20 ，其他恢复费用约为900万元，预计破坏农田100 hm2. 假设该农田均种植小麦时的每公顷产量为7500 kg，小麦市场价值为C ͂″63元/kg，C ͂″63=[2.4,3.0]，其他环境费用约为900 万元；管道穿越林地时，预计木材破坏量为100 t，木材市场价值为C ͂″13元/t，C ͂″13=[600,650]，外输管线修建完成后，维护标准为a ͂km/人，a ͂=[ ]
5,10 ，每人工资100元.根据公式（1）、公式（2）和公式（4），可求得各方案的目标函数值. 另外，根据层次分析法得出各目标的主观权重是U ′3=(0.297 3,0.539 0,0.163 8)，根据均方差法得出各目标的客观权重为U ″3=(0.324 9,0.342 7,0.331 4)，则各目标的组合权重为：
U 3=(0.311 1,0.441 4,0.247 6).
根据公式（9）可以求得各个方案下每段管线的总投资额，具体数额如表2所示.
根据改进后的Dijkstra算法则求得集合C ={A ,B 1,C 2,D 2} ，即最优的投资方案为A →B 1→C 2→D 2→K ，最优投资区间为［26 927.53，26 927.56］. 距离最短的路径为A →B 2→C 3→D 2→K ，但由于涉及河流、农田等特殊地貌，环境破坏较为严重，导致投资额度增加，投资区间为［26 957.93，26 999.89］. 由此可见，路径距离最短，成本未必最低. 通过改进前后的算法对比发现，优化后的算法可以减少迭代次数，从而提高算法的运行效率.
表2 页岩气外输管线各管段的投资额度
Tab.2 The amount of investment in each section of the shale gas export pipeline
5 结论
我国非常规油气资源的勘探开发尚处于初级阶段，页岩气外输管线建设的相关研究相对较少. 然而，管网基础设施完善与否对页岩气能否实现商业化开发至关重要. 由于我国页岩气富集区域多处于山区或丘陵地带，地质地貌复杂多样，页岩气外输管线铺设面临着很大的不确定性，投资决策过程十分复杂，是一个典型的多阶段多目标投资决策问题. 本研究利用多阶段动态规划、多目标决策理论以及组合赋权等方法对页岩气外输管线投资决策问题进行形式化描述，创新外输管线投资决策方法，为尽早促进页岩气商业化和产业化开发探索了一种新的方法和途径，并深化不确定条件下多阶段多目标决策理论的研究. 通过算例分析，表明了该模型和方法的可行性和有效性，且便于在计算机上实现，可广泛用于解决其他类型的管网投资决策问题.
参考文献：
［1］ 孙金凤，胡祥培.页岩气区块优选的模糊动态多属性决策模型研究［J］.运筹与管理，2017，26（2）：1-8.
［2］ RATNER M，TIEMANN M. An overview of unconventional oil and natural gas：resources and federal actions［R］. Washington：Congressional Research Service，2015.
［3］ DALE M，KRUMDIECK S，BODGER P.Net energy yield from production of conventional oil［J］.Energy Policy，2011，39（11）：7095-7102.
［4］ STAFF R.Analysis：U.S.Shale gas could play large role in future production［EB/OL］.（2010-06-28）［2018-12-01］.http：//www.rigzone.com/news/article.asp?a_id=95222.
［5］ SOVACOOL B K.Solving the oil independence problem：Is it possible？［J］.Energy Policy，2007，35（11）：5505-5514.
［6］ British Petroleum Company.BP statistical review of world energy 2011［R］.London：British Petroleum Company，2011.
［7］ GREENE D L，HOPSON J L，LI J. Have we run out of oil yet? Oil peaking analysis from an optimist’s perspective［J］. Energy Policy，2006，34（5）：515-531.
［8］ CASTRO C D，MIGUEL L J，MEDIAVILLA M.The role of non-conventional oil in the attenuation of peak Oil［J］.Energy Policy，2009，37（5）：1825-1833.
［9］ LAWLOR K A，MICHEAL C.Gathering and processing design options for unconventional gas［J］.Oil and Gas Journal，2013，3（4）：54-58.
［10］ 杨娜曼，张其仔，吴煜.促进我国页岩气产业发展的对策［J］.经济纵横，2014（3）：45-47.
［11］ 华昶，苏雪燕，胡俊超.中石化傅成玉：国内页岩气商业化开采尚需时日［EB/OL］.（2013-03-07）［2018-12-05］.http：//www.chinanews.com/ny/2013/03-07/4622707.shtml，2013.3.7.
［12］ 蒲红宇，刘书文.管道建设中的资金优化［J］.油气储运，2012，31（3）：304-306.
［13］ 陈进殿，汪玉春，黄泽俊.天然气管网系统最优化研究［J］.油气储运，2006，25（2）：6-12.
［14］ 杨毅，李长俊.优化算法在天然气管网运行中的应用［J］.西南石油学院学报，2006，28（1）：79-82.
［15］ SUNG W，HUH D，LEE J，et al.Optimization of pipeline networks with a hybrid MCST-CD networking model［J］.SPE Production&Facilities，1998，13（3）：213-219.
［16］ 张其敏，汪玉春.天然气管道模糊优化设计［J］.油气储运，2005，24（1）：20-23.
［17］ FIGUEIRA J，GRECO S，EHRGOTT M. Multiple criteria decision analysis：state of the ARE surveys［M］. London：Springer，2005：723-757.
［18］ ABO-SINNA M A. Multiple objective（fuzzy）dynamic programming problems：a survey and some application［J］. Applied Mathematics and Computation，2004，157（3）：861-888.
［19］ SUN J F，HU X P.A dynamic multiple attribute decision-making model of unconventional oil exploration and exploitation under uncertainty［J］.ICIC Express Letter B，2012，3（4）：999-1006.
［20］ 蔡志强，孙树栋，司书宾，等.不确定环境下多阶段多目标决策模型［J］.系统工程理论与实践，2010，30（9）：1623-1626.
［21］ 苏素，黄莉华.基于多阶段复合实物期权的页岩气投资决策研究［J］.价值工程，2017，36（20）：241-242.
［22］ 刘建美，马寿峰，马帅奇.基于改进的Dijkstra 算法的动态最短路径计算方法［J］.系统工程理论与实践，2011，31（6）：1153-1157.
［23］ 王明涛.多指标综合评价中权数确定的离差、均方差决策方法［J］.中国软科学，1999，29（8）：100-107.
［24］ 徐泽水，达庆利.区间数排序的可能度法及其应用［J］.系统工程学报，2003，18（1）：67-70.
［25］ SENGUPTA A，PAL T K.On comparing interval numbers［J］.European Journal of Operational Research，2000，127（1）：28-43.
［26］ 兰继斌，徐扬，霍良安，等.模糊层次分析法权重研究［J］.系统工程理论与实践，2006，26（9）：107-112.
［27］ 樊治平，赵萱.属性决策中权重确定的主客观赋权法［J］.决策与决策支持系统，1997，7（4）：87-91.
Investment Decision Optimization Model for Shale Gas Export Pipeline
WANG Ziming1， ZHANG Zhiyue2， SUN Jinfeng1
（1.School of Economics and Management，China University of Petroleum（Huadong），Qingdao 266580，Shandong China；2.Shandong University，Jinan 250100，China）
Abstract： China’s shale gas enrichment areas are mostly distributed in mountainous areas or hilly areas.The gas source is far away from the main pipeline，the construction of the pipeline is complicated and the investment scale is large.Whether the investment decision is reasonable or not directly affects the commercial development of shale gas.In order to solve the problem of investment decision-making of shale gas export pipeline under the condition of information uncertainty，the optimal external pipeline path is selected as the research object. By analyzing the complexity of the investment decision process of shale gas export pipeline，a multi-stage and multi-objective investment decision model is established，and the improved Dijkstra algorithm is used to solve the model，so as to realize the dynamic adjustment of the investment of shale gas export pipeline construction.It not only provides a new idea and method for solving the investment decision problem of shale gas export pipeline，but also helps to deepen the research of multi-stage and multi-objective decision theory under uncertain conditions.
Key words： management engineering；investment decision-making model；multistage multi-objective decision；shale gas export pipeline
中图分类号： C 934
文献标识码： A
文章编号： 1004-3918（2019）11-1855-10
收稿日期： 2019-07-10
基金项目： 国家自然科学基金项目（71801223）
作者简介： 王子鸣（1999-），女，研究方向为能源经济与管理
通信作者： 孙金凤（1978-），女，副教授，硕士生导师，研究方向为非常规油气资源决策优化与控制等
（编辑 康 艳）
标签：管理工程论文; 投资决策模型论文; 多阶段多目标论文; 页岩气外输管线论文; 中国石油大学(华东)经济管理学院论文; 山东大学论文;