可自修复的高延性混凝土(ECC)在机场道面的适用性分析

在飞机荷载与环境荷载长期共同作用下,机场道面易出现裂缝、接缝和竖向位移类病害,使运营阶段维修成本高.提出将具有自修复功能的高延性水泥基材料(ECC)用于机场道面,以控制裂缝发展、实现无缝连接;并利用ECC因二次反应而使微裂缝愈合的特性,减少路面维护工作,延长使用寿命.通过试验手段研究了ECC材料应用于机场道面的力学行为、自修复行为和早期开裂潜能.试验结果表明:机场道面用ECC材料在拉伸荷载作用下,其拉伸应变可达3.67％(约为普遍混凝土的400倍);在弯曲荷载作用下,其竖向弯曲变形可达6.33 mm;抗压强度与弯曲强度分别为43.9 MPa和12.68 MPa,可满足机场道面的使用要求.在受约束条件下,ECC表现出较低的早期开裂潜能.由于自修复能力,裂损ECC的拉伸刚度、拉伸应变与拉伸强度几乎可恢复至未裂时的程度;其水渗透系数随自修复进程逐渐降低,最终达到未裂时的渗透水平.研究结果表明ECC材料用于无缝机场道面具有较高适用性.     

立德·铸魂·育人:新时代持续推进高校课程思政的三维审视

课程思政是当前高校人才培养的迫切任务,要将思想政治教育与其他课程有机结合起来.其基本着眼点是立德,即培养担当民族复兴大任的时代新人;其根本着力点在于铸魂,即用习近平新时代中国特色社会主义思想培育青年学生的价值观、世界观、人生观;其根本落脚点在于育人,即全面以学生为中心,打造高水平、高效率的黄金课堂.     

独蒜兰优质种苗快速培育研究

建立独蒜兰优质种苗快繁体系,为实现独蒜兰植物工业化育苗、保护野生植物资源和发展人工育种技术提供新的途径.本研究从不同基本培养基对独蒜兰种子萌发影响、丛生芽诱导增殖培养和无根苗生根壮苗等方面开展研究.筛选出影响独蒜兰种子萌发的最佳基本培养基为B5,培养30 d统计种子萌发率为92％;丛生芽诱导增殖的最佳培养基为B5+TDZ 2.0 mg/L+KT 0.5 mg/L+200.0 mg/L肌醇+2.0 g/L活性炭+20.0 g/L蔗糖,培养60 d丛生芽率诱导率为98.00％,平均产生丛生芽数为6.80个;最佳生根壮苗培养基为1/2MS+IBA 0.2 mg/L+6-BA 0.1 mg/L+2.0 g/L活性炭+30.0 g/L土豆泥+20.0 g/L蔗糖,培养60 d后统计生根率为100％,平均生根数为3.20条,平均鲜重为21.11 g.     

联程中转旅客的城市枢纽间换乘行为建模

针对旅客联程运输中旅客中转换乘行为,构建了多项Logit(Multinomial Logit,MNL)模型进行刻画分析.首先,设计了陈述偏好(Stated Preference,SP)调查问卷进行数据采集;其次,基于MNL模型对联程中转旅客的城市枢纽间换乘行为进行建模,并利用Biogeme软件对模型参数进行标定;最后,计算出各方式的分担率并与实际调查结果进行对比分析.结果表明:与出行目的、行李大小等因素相比,联程旅客个人特征(年龄、职业、收入等)的影响最为显著,考虑了旅客个人差异的MNL模型拟合误差在1.5％以内;此外,旅客对交通工具拥挤度、舒适度、班次数量以及准时性的关注程度也影响了其选择行为;联运旅客对时间效率尤为关注,超过50％的联运旅客选择地铁,当公交出行时间下调0％～20％时,可以一定程度上将换乘地铁的联运客流转移至公交上.研究结果对于枢纽间换乘需求预测、多方式协同调度以及提供旅客个性化出行服务具有一定的参考作用.     

企业生命周期下投资者关注对权益资本成本的影响

基于行为金融学的价格压力假说，结合企业生命周期理论，以2007—2014年的主板上市公司为样本，分析投资者关注对权益资本成本的影响以及这种影响在企业生命周期中存在的阶段性差异。研究发现，投资者关注与权益资本成本显著负相关，即权益资本成本随着投资者关注的提高而降低。对于不同生命周期的企业，投资者关注对权益资本成本的影响存在差异。新生期、衰退期企业的权益资本成本并不会随着投资者关注程度的提高而降低；成长期、成熟期企业的权益资本成本随着投资者关注程度的提高而降低。可以看出，投资者能够识别企业所处的生命周期，并愿意为成长期、成熟期的企业支付更高的溢价。     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。     

A New Method of Portfolio Optimization Under Cumulative Prospect Theory

In this paper,the portfolio selection problem under Cumulative Prospect Theory(CPT) is investigated and a model of portfolio optimization is presented.This model is solved by coupling scenario generation techniques with a genetic algorithm.Moreover,an Adaptive Real-Coded Genetic Algorithm(ARCGA) is developed to find the optimal solution for the proposed model.Computational results show that the proposed method solves the portfolio selection model and that ARCGA is an effective and stable algorithm.We compare the portfolio choices of CPT investors based on various bootstrap techniques for scenario generation and empirically examine the effect of reference points on investment behavior.