高职院校图书馆新生入馆教育工作创新研究

对几种新生入馆教育方式的优缺点进行了比较分析,以山东商务职业学院图书馆为例,详细介绍了宣传片拍摄要领及技巧,提出了一种综合性的新生入馆教育新模式.     

上海黄浦江两支流河流甲烷含量研究

甲烷是一种重要的温室气体,虽然目前大气中含量远小于二氧化碳,但排放增长率却大于后者.研究区域为上海市黄浦江支流苏州河和淀浦河,通过实验数据对比城郊春夏的甲烷排放的差异,探讨甲烷产生的机制及其与环境因子的关系,这将有助于研究河流甲烷排放对于环境变化的影响.研究结果认为河流甲烷主要来源于水中沉积物,其产生与水质、温度等因素相关;同时甲烷摩尔浓度与硝酸根离子质量体积比存在负相关性,与铵根离子质量体积比和有机碳质量分数存在正相关性.     

铸造工艺仿真设计前处理及过程处理应用技术

以应用ProCAST和MAGMAsoft 2款软件为例，针对铸造工艺仿真设计前处理和过程处理每个环节的主要内容与使用方法进行了较为详细地归纳、分析和总结。提出了处理过程的技术路线，并系统地介绍了每项应用内容的操作平台与使用步骤，从而为高效地应用铸造工艺仿真设计提供理论和技术支持。     

A Layer-Stripping Method for 3D Near-Surface Velocity Model Building Using Seismic First-Arrival Times

In order to improve the efficiency of 3D near-surface velocity model building, we develop a layer-stripping method using seismic first-arrival times. The velocity model within a Common Mid-Point (CMP) ...     

基于改进多目标遗传算法的连铸二冷过程优化

采用一种改进的多目标遗传算法对二冷工艺进行优化.改进的多目标遗传算法应用概率法选取选择算子，根据适应度值来动态计算交叉和变异概率，能够得到更好的全局最优解，提高算法精度和整体性能.在基于凝固传热模型的二冷优化过程中，采用变间距差分法离散求解传热方程，对比粒子群算法、多目标遗传算法，改进的多目标遗传算法搜索效率高，得到的价值函数最小.在实际生产中，采用优化后的二冷工艺，使得总用水量减少约10%，提高了铸坯质量，达到了节能降耗的要求.     

创新开展新时期科技名词规范化工作,努力发挥支撑服务作用

科技名词规范化工作具有深厚的历史基础和现实需要,是支撑科技创新和经济社会发展的一项基础性系统工程。当前,中国特色社会主义进入新时代,我们要深刻领会“新时代”的丰富内涵,深化认识科技名词规范化工作的特殊意义,创新开展各项工作,更好肩负起新时代赋予的历史使命。     

工程实践中的体系与系统

 介绍了国际上通行的体系概念，通过实例阐述了常见的体系类型，从多个维度描述了系统与体系的区别，根据实践总结，提出体系与系统的核心界定准则，并结合工程实践进行了详细描述。     

可折叠集装箱接驳运输问题的建模与优化

对一类带时间窗的可折叠箱接驳运输问题进行了研究,其中使用可折叠箱在堆场与客户之间集散货物,一辆集卡可装载一个满箱或多个空箱,目标为集卡总工作时间的最小化.借鉴确定的活动在顶点上的图的思想,将该问题分解为满箱子问题和空箱子问题,其中满箱子问题类似于带时间窗的多旅行商问题,空箱子问题因客户的货物量可为负值而显著区别于车辆路径问题,且两个子问题之间存在访问时间耦合等关联.进而建立了问题的数学描述,设计了问题的主动禁忌搜索(reactive tabu search,RTS)求解算法,并基于随机生成的大量算例验证了算法的有效性.结果表明,相比于使用CPLEX等优化软件,RTS算法可以在更短的时间内求得问题的更优解;相比于使用标准箱的情形,使用可折叠箱可节省约13%的接驳成本.     

Methods for backcasting,nowcasting and forecasting using factor‐MIDAS: With an application to Korean GDP

We utilize mixed‐frequency factor‐MIDAS models for the purpose of carrying out backcasting, nowcasting, and forecasting experiments using real‐time data. We also introduce a new real‐time Korean GDP dataset, which is the focus of our experiments. The methodology that we utilize involves first estimating common latent factors (i.e., diffusion indices) from 190 monthly macroeconomic and financial series using various estimation strategies. These factors are then included, along with standard variables measured at multiple different frequencies, in various factor‐MIDAS prediction models. Our key empirical findings as follows. (i) When using real‐time data, factor‐MIDAS prediction models outperform various linear benchmark models. Interestingly, the “MSFE‐best” MIDAS models contain no autoregressive (AR) lag terms when backcasting and nowcasting. AR terms only begin to play a role in “true” forecasting contexts. (ii) Models that utilize only one or two factors are “MSFE‐best” at all forecasting horizons, but not at any backcasting and nowcasting horizons. In these latter contexts, much more heavily parametrized models with many factors are preferred. (iii) Real‐time data are crucial for forecasting Korean gross domestic product, and the use of “first available” versus “most recent” data “strongly” affects model selection and performance. (iv) Recursively estimated models are almost always “MSFE‐best,” and models estimated using autoregressive interpolation dominate those estimated using other interpolation methods. (v) Factors estimated using recursive principal component estimation methods have more predictive content than those estimated using a variety of other (more sophisticated) approaches. This result is particularly prevalent for our “MSFE‐best” factor‐MIDAS models, across virtually all forecast horizons, estimation schemes, and data vintages that are analyzed.