优化水果物流的对策研究——以福州市为例

福州是木瓜、芒果、荔枝、龙眼等水果的盛产之地,拥有数百种水果。不同的水果,其物流特点是不同的。尽管福州水果品种丰富、产量大,水果物流模式多样,但也存在一系列的问题和难题,例如水果不易保鲜、易损、物流难度大等。该文着重分析福州市水果的产销状况和物流状况,找出优化点,提出改善措施,从而减少水果浪费,优化水果物流模式。     

巯基检测方法研究进展

巯基是一类重要的含硫官能团,在生物、医药、功能化材料等领域都有十分重要的地位.大部分生物活性巯基化合物如谷胱甘肽、半胱氨酸等在维持生命体氧化还原平衡和酶活性等方面都有十分重要的作用,近年来随着路易斯酸碱理论的发展,巯基功能化材料也成为新材料研发的重要类型之一.为了更好地开发和利用巯基化合物及其相关产品,作者对近年来有关利用巯基及巯基衍生物性质进行巯基检测的方法进行了分析总结.文献调研发现:目前对巯基的检测方法主要有滴定法、光度法、电化学分析法以及色谱法,其中光度法包括紫外-可见分光光度法(Ellman法、亚硝基重氮化耦合法、磷钨酸法等)、红外吸收光谱法、Raman光谱法、荧光分析法、化学发光法;色谱法包括气相色谱法、高效液相色谱法和毛细管电泳法.本文就近年来各种方法在巯基检测领域所发表的文献进行了归纳分类、分析和评述,比较了滴定法、光度法、电化学分析法、色谱法测定巯基的优缺点及其应用概况,分析了其对生命科学、食品科学、材料学、环境学等相关研究、生产方面的指导和辅助作用.结果发现:以Ellman法应用最广泛,进行荧光分析法研究的最多,且大多数检测方法需要对巯基进行衍生化处理.同时还对每类巯基检测方法的发展进行了展望,以期为相关领域的研究者提供参考.     

硅-丙乳液/天然乳胶共混膜的制备与性能

在丙烯酸丁酯(BA)/苯乙烯(ST)体系中引入硅氧烷3-甲基丙烯酰氧基丙基三异丙氧基硅烷(C1757),通过乳液聚合法合成了可交联型共聚硅-丙乳液(PBSC),并采用傅里叶红外光谱仪(FT-IR)对其结构进行表征。利用共混法制备了天然乳胶(NR)/PBSC复合膜,并通过扫描电子显微镜(SEM)、热重分析仪(TG)及差示扫描量热仪(DSC)等仪器对其性能进行测试。结果表明:随着PBSC的加入,改性NR膜表面及内部孔洞数量减少。当w(C1757)=12%和PBSC添加量(质量分数)为12%时,NR/PBSC拉伸强度由14.4 MPa提高到23.3 MPa,热降解特征温度T0、Tp、Tf分别提升了12.9、3.7、11.5℃。同时改性乳胶膜耐溶剂性能及耐水性能均得到改善,蛋白质溢出量明显降低(低于110μg/g)。     

土壤中四溴双酚A不可提取态残留的降解转化

四溴双酚A(tetrabromobisphenol A, TBBPA)在各种氧化还原状态土壤中均可形成大量的不可提取态残留(nonextractable residues, TBBPA-NER).然而TBBPA-NER在环境中的稳定性和生物可利用性目前还鲜见报道.本研究以TBBPA在淹水条件和有氧条件下分别形成的不可提取态残留(即flooded-nonextractable residues, F-NER和oxicnonextractable residues, O-NER)为研究对象,分析了有氧条件下F-NER的归趋,以及土壤氧化还原状态改变下, FNER和O-NER环境行为的差异;同时研究了水稻根系分泌物对上述过程的影响.结果显示,有氧条件连续培养231 d中, F-NER在土壤中发生了缓慢的生物转化.尽管F-NER在土壤中释放出的可提取态量很低(1%～6%),但是矿化10%,且酯键和醚键结合部分有所消减.土壤氧化还原状态的改变(即0～50 d有氧, 50～103 d淹水, 103～231 d有氧)对F-NER的矿化影响很小;而TBBPA-NER在土壤中的降解转化受形成条件影响较大,表现为有氧-淹水-有氧培养下F-NER的矿化量,以及释放量均显著高于O-NER. F-NER受环境因素的影响更大,水稻根系分泌物抑制了FNER在有氧环境下的矿化,而淹水条件促进了F-NER的释放产物在土壤中的累积.结果证明,土壤中添加根系分泌物以及氧化还原状态转变等,在不同程度上影响了两种NER在土壤中的生物转化.     

明清时代的鄱阳商业与商人

文章利用方志与墓志中的商业与商人史料,分析了明清时代鄱阳县本地商业状况与外来商帮构成,以及鄱阳商人的经营行业和商贸地域.透过商人的传记资料,可以看到士人为商人写传,大力肯定商人的志业,商人则高度认同士人所代表的儒学主流价值观;方志为商人立传,商人为桑梓与国家效力,体现的是士商之间、商人与国家和社会之间相得益彰、"美美与共"的良性互动.     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性,然后采用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据,本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验,结果表明DLENN预测模型稳定优于其他方法,其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.83%、5.49%.     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.