考虑碳配额回购融资的再制造企业生产决策

以资金约束的再制造企业为研究对象，分析了碳配额回购融资下的再制造生产决策问题。分别建立了资金约束下有无碳配额回购融资的再制造生产决策模型，利用Kuhn-Tucker条件得到了不同情形下的最优解，并对两种情形下的最优解进行了比较；通过算例分析初始生产资金、消费者偏好和碳配额回购量对最优产量和利润的影响。研究表明：当初始生产资金较低时，再制造企业选择碳配额回购融资会提高新品产量和总产量；若消费者对再制造品的偏好较高，采取碳配额回购融资提高再制造企业的利润；随着碳配额回购量的提高，再制造企业的利润先提高后降低。另外，存在唯一的最优碳配额回购量使得利润最大。     

创新型科技人才分类评价方法

 在创新型科技人才内涵和分类评价指标体系研究的基础上，利用模糊层次分析法和逼近理想解排序法（TOPSIS法），提出创新型科技人才分类评价方法，并以2019年北京市科技新星计划的生物医药领域申报者为研究对象进行实证分析，结果表明该方法的评价准确率达到80.95%，验证了该方法的可行性与有效性。     

一个典型弹性梁方程涉及第一特征值的正解

运用锥理论和不动点指数方法,在与相应的线性算子第一特征值有关的条件下,获得了一个典型弹性梁方程正解的存在性,改进了相关文献的结论.     

新时代中国跻身创新型国家前列的前景、目标和建议——基于全球创新指数报告的研究

 比较了中国与处于创新型国家前列的发达国家的创新能力和水平，分析了新时代中国跻身创新型国家前列的前景和挑战。分析表明：（1）中国研发投入总量、专利和论文数量已经处于创新型国家前列；（2）企业基础研发投入占比、发明专利占比、研发人员密度、论文引用率等指标还与创新型国家差距较大，追赶上有较大难度；（3）知识产权保护和产学研合作水平亟待提高。因此，中国2030-2035年跻身创新型国家前列，关键在于优化创新投入结构，提高创新成果质量。     

基于指标函数的舰载机机队回收调度优化研究

由于复飞逃逸、飞行故障等因素随机发生, 传统静态调度方法难以有效解决动态随机调度问题。对此，提出一种基于飞机优先序指标函数的蒙特卡罗模拟-差分进化搜索的实时调度算法。在离线模拟回收环境下，由算法完成基于随机模型的指标函数系数优化，后由该指标函数实现对机队优先序的实时评估排序，进而完成回收在线动态调度。仿真结果表明所提算法能有效解决回收调度问题。在相同机队初始输入下, 目标值呈现较好统计特性, 其期望值能够快速收敛到一定范围, 且无复飞情况下着舰时间窗目标呈显著正态性; 不同回收机队输入对指标系数最优值的散布较小, 表明指标函数评估优先序具有较好的通用性和有效性; 模拟回收调度发现, 着舰成功率的提高将显著降低机队复飞次数, 提高回收效率。     

全亚麻卷烟纸的研制与开发

对亚麻纤维进行打浆、抄片,检测物理指标,根据抄片指标,制定出适合生产全亚麻卷烟纸的打浆工艺,根据生产车间工艺设备配置,对盘磨磨齿进行选择、对打浆功率进行调整,对打浆浓度、打浆度、湿质量进行控制,成功开发出预期目标的全亚麻卷烟纸.     

我国股票市场行业间波动溢出效应研究——基于改进的EMD去噪方法

针对我国股市噪声交易能量较大、行业指数同步性较高的特点,提出改进的EMD(empirical mode decomposition,经验模态分解)去噪方法对行业数据进行处理,进而采用BEKK-GARCH模型分析金融危机前、金融危机期间、金融危机后三个阶段行业间波动溢出效应.研究表明,在降低股价同步性方面,改进的EMD去噪方法效果更佳;行业间波动溢出效应在金融危机期间显著上升,金融危机后回落;较之金融危机前,金融危机后传统制造业受产业链上游的波动溢出效应有所降低、受科研的波动溢出效应有增强的趋势.     

非均匀介质下的可调光流控器件及其生化应用

 探讨了非均匀介质下不同光流控器件及其生化应用。在微流控芯片上，主要从2个方面开发和实现各类具有光波导、透镜、细胞计数、化学检测等功能的新器件。首先，在液液非均匀介质下，通过调节沟道内液体流速，控制液体间的对流扩散来实现液体在微腔内的渐变折射率分布和阶跃分布，从而得到其特殊的光学特性，例如光束分离、弯曲、自聚焦等。其次，在固体非均匀介质下，利用特殊的微流结构与液体相结合，实现更加灵敏可调的新型探测手段。这些新型技术手段分别在生物传感、能源生产、细胞探测及海水检测等诸多应用中可发挥关键性作用。     

Short‐term salmon price forecasting

This study establishes a benchmark for short‐term salmon price forecasting. The weekly spot price of Norwegian farmed Atlantic salmon is predicted 1–5 weeks ahead using data from 2007 to 2014. Sixteen alternative forecasting methods are considered, ranging from classical time series models to customized machine learning techniques to salmon futures prices. The best predictions are delivered by k‐nearest neighbors method for 1 week ahead; vector error correction model estimated using elastic net regularization for 2 and 3 weeks ahead; and futures prices for 4 and 5 weeks ahead. While the nominal gains in forecast accuracy over a naïve benchmark are small, the economic value of the forecasts is considerable. Using a simple trading strategy for timing the sales based on price forecasts could increase the net profit of a salmon farmer by around 7%.