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。     

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.     

细胞生物学适应创新人才培养的考试内容与方法的改革与实践

考试内容和方法改革是高等教育培养创新人才的主要内容.从细胞生物学课程考试内容和方法改革入手,探索课程考试的有效方式和合理途径,能够更加科学、客观、全面地反映学生的学习成绩和学习能力,培养学生的创新能力,以适应创新人才培养的需要.