政府研发资助对高技术产业创新产出的影响 ——基于分行业的面板门槛回归分析

基于我国2009—2020年省级面板数据，试图厘清政府研发资助与高技术产业创新产出的复杂关系，并运用面板门槛模型进行分行业实证检验。结果表明：政府研发资助对高技术产业创新产出的影响存在行业差异。在医药制造业、计算机及办公设备制造业、电子及通信设备制造业中，随着政府研发资助强度的增加，政府研发资助的激励效应呈现边际效应递减的非线性特征。在医疗仪器设备及仪器仪表制造业中，政府研发资助对创新产出具有不显著的挤出效应，且不存在门槛效应；但无论是哪个行业，企业自有研发投入对高技术产业创新产出均产生了显著的促进作用。     

爱尔兰国家养老储备基金制度及其启示

全国社保基金理事会与爱尔兰国家养老储备基金(NPRF)是在同一时期成立的,至今爱尔兰国家养老储备基金的运行模式比较成功。我国社会保障基金的筹资、投资和监管方面有向其借鉴的必要性。本文介绍了爱尔兰国家养老储备基金建立的背景、管理框架、筹资以及投资策略,参考爱尔兰基金成功的运行经验,提出完善我国社保基金管理的建议。     

一些方酸偶氮染料与硫酸根的显色反应及其分光光度测定

合成了５个方酸偶氮显色剂Ｎ－芳基－Ｎ‘－（４－对硝基苯偶氮基）苯基）异方酰胺，它们的ＤＭＳＯ溶液均能与ＳＯ４＾２－发生显色反就，生成蓝色化合物，建立了用其中三种显色剂测定ＳＯ４＾２－的直接分光光度法。考察了ｐＨ，显色剂加入量，体系中含水量及其离子对显色体系的影响。将该法用于自来水及井水中ＳＯ４＾２－的分析，结果满意。     

东洞庭湖总磷浓度时空变化与污染成因分析

洞庭湖是我国第二大淡水湖,研究洞庭湖水质总磷(TP)浓度变化规律对其水环境管理意义重大.基于2017年—2021年东洞庭湖及入湖、出湖共12个水质断面数据,研究了东洞庭湖总磷浓度时空分布特征与污染成因.研究结果表明:2017年—2021年东洞庭湖总磷质量浓度ρ(TP)年均值在0.058~0.088 mg/L,湘江、环湖河流及南洞庭湖入湖ρ(TP)年均值在0.051~0.125 mg/L;出湖ρ(TP)年均值在0.062~0.079 mg/L,均超过湖库Ⅲ类水质标准.其中,东洞庭湖以轻度、偏中度污染为主,洞庭湖出口以轻度污染为主.各入湖水质中,湘江以轻度、偏中度污染为主,环湖河流以中度污染为主,南洞庭湖为轻度污染.东洞庭湖及入湖水质ρ(TP)空间分布和时间变化差异明显.空间分布上,环湖河流明显大于湘江,东洞庭湖明显大于洞庭湖出口和南洞庭湖入水;时间变化上,东洞庭湖、洞庭湖出口、汨罗江、新墙河与华容河枯水季节（年初和年末）ρ(TP)明显偏高,达到0.082~0.117 mg/L,但藕池河东支ρ(TP)高峰期却出现在丰水季节,达到0.094~0.115 mg/L;湘江及南洞庭湖入湖ρ(TP)波动幅度较小,基本保持在0.049~0.090 mg/L.相关性分析与RDA分析结果进一步表明:东洞庭湖及出湖水质受外源污染物输入和水文条件的叠加影响,其中洞庭湖出口水位及流量、湘江及藕池河东支水位变化,以及新墙河、横岭湖入湖ρ(TP)对东洞庭湖及出湖ρ(TP)影响较大.上述研究结果表明:在不同水文阶段积极开展水文调控工作对改善东洞庭湖水质有重要作用,同时,加强对重点河段入湖外源污染物的管控能进一步改善东洞庭湖磷浓度的调控效果.     

基于语义分割深度学习的地基云图分割方法

随着深度学习技术的迅速发展，更复杂更先进的语义分割深度学习模型在地基云图检测分割任务中得到广泛研究和应用。首先开创性地对新发布的地基云图数据集进行整理概括；然后阐述了基于深度学习语义分割模型在地基云图分割方面的研究进展，详细地介绍了典型的语义分割网络模型；接着选取了部分优秀性能的语义分割模型在标准的数据集上训练和验证，系统性评估其在地基云图分割的性能，验证了语义分割模型在地基云图分割领域的适用性;最后提出对基于语义分割的自适应地基云图像素级分割研究的总结和展望。