齐次核的Hilbert型多重级数不等式取最佳常数因子的等价条件及应用

利用实分析技巧和权函数方法, 讨论具有齐次核的多重级数Hilbert型不等式, 得到了其取最佳常数因子的充分必要条件, 并给出其应用.     

北羌塘拗陷巴贡组致密砂岩储层特征及控制因素

北羌塘拗陷的上三叠统巴贡组碎屑岩是羌塘盆地的储层重点层系，分析沉积、成岩作用对巴贡组碎屑岩储层物性的影响机制，可以为下步勘探工作提供地质依据。研究表明，巴贡组砂岩总体的成分成熟度和结构成熟度中等偏低，溶蚀孔隙是主要的孔隙类型，孔隙结构表现为分选差、喉道细和连通差。沉积因素是控制优质储层的主要因素，形成于分流河道微相的砂层在形成时的水动力强、搬运远，其厚度更大、原生孔隙更为发育，由于抗压实能力强、保留有更多粒间孔隙，因此，后期酸性溶蚀更为发育。绿泥石衬里抑制了粒间硅质胶结物的形成，裂缝发育改善了储层物性，煤系特有的酸性介质环境亦促进了次生孔隙的形成。     

微观剩余油赋存状态的矿物学机制探讨——以鄂尔多斯盆地中部中‒低渗砂岩储层为例

针对现阶段微观剩余油研究中可视化精度低、微观剩余油与矿物之间的依存关系不明确以及形态分类描述不完善等问题, 利用岩芯观察、铸体薄片分析、X射线衍射分析等手段, 以场发射环境扫描电子显微镜(FE-SEM)图像为基础资料, 联合能谱(EDS)分析资料, 研究鄂尔多斯盆地中部长2油层组和长9油层组的微观剩余油分布规律, 并探讨剩余油赋存状态的矿物学机制。结果表明, 微观剩余油的赋存状态由孔隙的大小和形态以及与孔隙相接触的边缘矿物的性质共同决定, 不同类型孔隙对剩余油的赋存能力取决于孔隙边缘矿物的形态、表面粗糙程度、比重和润湿性等物理化学性质。据此, 可将微观剩余油分为残留油团、半自由油岛、半自由油雾、半自由微油团和束缚油5个类型。     

基于概率图模型的危险驾驶罪刑期预测

针对司法实践中对于可解释性及预测性能的需求, 本文提出了一种基于概率图模型的量刑智能辅助方法. 该方法以量刑要素为基石建立含有隐节点的概率图模型, 由极大似然准则估计刑期分布的参数, 进而计算分布的数学期望得到预测值. 关于危险驾驶罪的实验结果表明, 概率图模型的预测准确率优于基于决策树和神经网络等的模型, 且具有良好的可解释性.     

基于多水平发展模型的云南省县域经济增长研究

多水平模型是基于层次结构数据形成的一种统计模型,不仅能深入挖掘不同层次变量对县域经济增长的影响,而且能对县域经济增长的差异性进行分析;基于时间—区县—州市构建了3水平发展模型,分别从居民生活水平、工业发展程度、农业发展程度、交通发达程度、投资程度等视角对云南省县域经济增长差异的影响因素进行研究;经济总量由初始水平和经济增速决定,结果表明初始水平受州市层面上人均蔬菜产量和人均固定资产投资等影响较显著,增长速度受州市公路密集度影响较显著。     

朋友圈社交行为对员工知识共享意愿的影响机制——职场友谊的中介作用和感知差异性的调节作用

基于社会影响理论,从社会影响的内化视角探究员工朋友圈社交行为对知识共享意愿的影响机制,并揭示了朋友圈社交行为对知识共享意愿的不同程度感知差异性的差异化作用。通过对255个有效样本进行分析发现:职场友谊完全中介了朋友圈社交行为与知识共享意愿的关系;职场友谊对知识共享意愿有着积极影响;感知差异性负向调节了"朋友圈社交行为-职场友谊-知识共享意愿"的前半径,即感知差异性水平低的员工通过加强社交互动会增强职场友谊,而感知差异性水平高的员工则会因为过度的社交互动而削弱其职场友谊。     

Forecasting and nowcasting emerging market GDP growth rates: The role of latent global economic policy uncertainty and macroeconomic data surprise factors

In this paper, we assess the predictive content of latent economic policy uncertainty and data surprise factors for forecasting and nowcasting gross domestic product (GDP) using factor-type econometric models. Our analysis focuses on five emerging market economies: Brazil, Indonesia, Mexico, South Africa, and Turkey; and we carry out a forecasting horse race in which predictions from various different models are compared. These models may (or may not) contain latent uncertainty and surprise factors constructed using both local and global economic datasets. The set of models that we examine in our experiments includes both simple benchmark linear econometric models as well as dynamic factor models that are estimated using a variety of frequentist and Bayesian data shrinkage methods based on the least absolute shrinkage operator (LASSO). We find that the inclusion of our new uncertainty and surprise factors leads to superior predictions of GDP growth, particularly when these latent factors are constructed using Bayesian variants of the LASSO. Overall, our findings point to the importance of spillover effects from global uncertainty and data surprises, when predicting GDP growth in emerging market economies.     

Identifying US business cycle regimes using dynamic factors and neural network models

We use dynamic factors and neural network models to identify current and past states (instead of future) of the US business cycle. In the first step, we reduce noise in data by using a moving average filter. Dynamic factors are then extracted from a large-scale data set consisted of more than 100 variables. In the last step, these dynamic factors are fed into the neural network model for predicting business cycle regimes. We show that our proposed method follows US business cycle regimes quite accurately in-sample and out-of-sample without taking account of the historical data availability. Our results also indicate that noise reduction is an important step for business cycle prediction. Furthermore, using pseudo real time and vintage data, we show that our neural network model identifies turning points quite accurately and very quickly in real time.     

融合码盘和激光雷达的里程计与建图

提出了一种用于自动驾驶汽车的低漂移、低延迟的里程计与高精度建图的算法。该方法融合了多种传感器的测量结果，包括车轮编码器、转向盘转角编码器、激光雷达及可选GPS等的测量结果。里程计算法由车轮里程计和激光里程计组成：前者基于车辆运动学模型，高频、实时估计位姿增量，用于点云去畸变和为后者优化位姿提供可用的初值；后者以较低的频率估计车辆的精确位姿变化，以补偿前者累计的误差，其核心是一种基于角度度量的两阶段特征提取方法。建图算法基于因子图，包含激光里程计因子、回环因子和可选GPS因子，通过增量平滑和建图算法优化全局轨迹，在线生成全局地图，其中GPS因子能够自动对齐GPS坐标系和里程计坐标系，逐步融合GPS测量值，解除了算法初始化过程对于GPS的依赖。所提出的方法在自动驾驶汽车平台数据集上进行了评估，并和已开源的部分相关工作进行对比，结果表明它具有更低的漂移率，在本文进行的最大规模的测试中达到了0.53%。相关代码以开源形式供交流参考（https：//github.com/Saki-Chen/W-LOAM）。     

中国经济增长与杠杆率的非线性关系研究--基于制造业面板数据门限回归分析

传统理论基于有效市场理论(EMH)主要从公司财务视角研究杠杆率问题,忽略了生产环节的决定机制.本文从决定生产效率的全要素生产率视角对杠杆率的决定机制重新认识.并采用制造业29个行业1995-2016年的面板数据,以杠杆率为门限变量构建动态面板门限模型,主要研究结论为:1)经济增长-杠杆率的门限值位于名义杠杆率114,在门限值左侧,杠杆率增加促进经济增长,在门限值右侧,杠杆率增加"拖累"经济增长,杠杆率对经济增长整体表现"倒U"型关系;2)经济增长-杠杆率的泡沫杠杆率门限值位于泡沫杠杆率65,当名义杠杆率包含的泡沫杠杆率低于65时,杠杆率增加对经济具有显著的促进效应,当包含的杠杆率大于65时,杠杆率对经济增长的作用并不明显,说明经济可能进入了滞胀阶段;3)经济增长-足值杠杆率的关于对泡沫杠杆率存在双门门限效应,分别是43、49,当泡沫杠杆率小于43时,增加泡沫杠杆率对经济的增长的促进效应小于泡沫杠杆率介于[43,49]区间的效应,当泡沫杠杆率大于49时,泡沫杠杆率对经济增长的促进作用不再明显.