贵州山核桃ISSR-PCR反应体系建立及优化

为建立贵州山核桃ISSR-PCR最佳反应体系,采用单因素试验的方法,对影响ISSR-PCR反应体系的模板DNA浓度、MgCl2浓度、d NTPs浓度、Taq酶用量、引物浓度等各因素进行了研究,确立了贵州山核桃ISSR-PCR的最佳反应体系。结果显示:最优反应体系的模板DNA浓度为40ng/u L、引物浓度为0.3umol/L、Mg2+的浓度2.9mmol/L、酶浓度0.3U、d NTPs浓度0.2mmol/L,退火温度为54℃。建立该反应体系可为贵州山核桃ISSR标记开发、物种分类鉴定、遗传图谱构建等后续分析奠定基础。     

一个较精确加强型的半离散Hilbert型不等式

应用权函数的方法及Hermite Hadamard不等式, 建立一个较精确且加强型的半离散非齐次核Hilbert型不等式, 并给出该不等式具有最佳常数因子联系参数的一组等价性质及一些特殊参数不等式.      

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。     

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.     

考虑关键性的多约束下辐射干扰对消装备随舰备件配置优化方法

可用度是评估备件对装备完好性影响的重要指标,针对备件关键性对装备可用性造成影响而又难以将其考虑在内建立可用度模型的问题,以舰载通信电台辐射干扰对消装备为对象,采用对备件关键性实行专家打分的方法,将备件关键性作为备件配置优化的约束之一,建立以备件费用、备件体积、备件关键性为约束的备件配置优化模型。在备件费用、体积及关键性归一化的基础上,采用权重因子方法将多约束转化为单一约束,并给出了权重因子更新方法。列举案例,分别计算了费用约束、体积约束、关键性约束和多约束下的备件方案,并对比了装备改进前后的备件配置方案,将装备使用过程中的备件保障延伸至装备可靠性设计阶段。案例分析结果表明:备件配置方法在考虑了体积、费用等限制约束下,能同时兼顾备件关键性对装备完好性的影响;装备可靠性设计时,提高装备可靠性低的现场可更换单元(line replaceable unit, LRU)等薄弱点,能有效减少装备维修保障资源。     

基于增强高阶非凸全变分模型的图像去噪算法

为了在缓解阶梯效应的同时更好地保留去噪后图像的细节信息,提出一种基于增强高阶非凸全变分(higher order non-convex total variation, HONTV)模型的图像去噪算法。该算法将每一次去噪后的图像和原始图像取平均作为增强HONTV模型下一次循环的输入并更新参数,然后采用增广拉格朗日乘子法和交替方向乘子法进行循环求解,经过多次迭代,最终得到的去噪图像包含较多的细节信息。在基于全变分的图像去噪方法中,对添加不同标准差大小的高斯白噪声的测试图像和视频进行实验。实验结果表明,所提算法在视觉性能和客观评价指标方面均优于对比算法。     

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.     

因子von Neumann代数上的非线性中心化子

设m，n是任意非零整数，且满足(m＋n)(m－n)≠0， M是实或复数域F上的Hilbert空间上的一个因子von Neumann代数.利用代数分解方法证明了M上满足2mφ(AB)＋2nφ(BA)＝mφ(A)B＋mAφ(B)＋nφ(B)A＋nBφ(A)的非线性映射φ为可加中心化子，并刻画出具体形式φ：A→λA(λ∈F， A∈M).     

硅钨酸质量法测定延胡索总生物碱质量分数

建立延胡索总生物碱质量分数检测方法.运用硅钨酸质量法,将延胡索总生物碱中生物碱物质转化为可以准确称量的形式,计算延胡索总生物碱质量分数.三批样品质量分数平均值为57.12%,符合中药五类新药技术研究要求.所建立的方法操作简便、准确、可靠,适用于延胡索总生物碱的质量控制.