上海市亚微米颗粒物中水溶性含氮组分的分布特征

细颗粒态无机和有机含氮组分的形成、转化、传输和沉降在大气氮循环中发挥重要作用. 为了解上海亚微米颗粒物(PM$_{1}$)中含氮物质的质量浓度、组成及季节变化特征, 使用大流量采样器采集了 2017—2018 年 66 个 PM$_{1}$ 样品, 并应用离子色谱仪和紫外/可见光光度计分析了水溶性无机离子和水溶性有机氮(water-soluble organic nitrogen, WSON)的质量浓度. 结果表明: 上海 PM$_{1}$中NH$_{4}^{+}$-N、NO$_{3}^{-}$-N、WSON 的年平均质量浓度分别为 1.79、0.97、0.41 μg/m³; NH$_{4}^{+}$-N 对水溶性总氮(water-soluble total nitrogen, WSTN)的贡献最高(56%), NO$_{3}^{-}$-N 次之(31%), WSON 为 13%. 上海PM$_{1}$中含氮组分的质量浓度存在冬季最高、夏季最低的季节变化趋势, 但NH$_{4}^{+}$-N、NO$_{3}^{-}$-N 和 WSON 对 WSTN 贡献的季节变化存在明显的不同, NH$_{4}^{+}$-N 在不同季节变化较小, NO$_{3}^{-}$-N 表现出显著的冬高(38%)、夏低(18%)的特点, 而 WSON 夏季最高(22%)、冬季最低(8%). 正矩阵因子分解(positive matrix factorisation, PMF)法的源解析结果表明: 二次反应和生物质燃烧贡献了上海 PM$_{1}$ 中 WSON 的 48%, 燃煤贡献了 11%, 植物源挥发性有机化合物二次转化贡献了 20%, 餐饮和机动车贡献了 21%. WSON 的来源有显著的季节变化.     

Does a lot help a lot? Forecasting stock returns with pooling strategies in a data‐rich environment

A variety of recent studies provide a skeptical view on the predictability of stock returns. Empirical evidence shows that most prediction models suffer from a loss of information, model uncertainty, and structural instability by relying on low‐dimensional information sets. In this study, we evaluate the predictive ability of various lately refined forecasting strategies, which handle these issues by incorporating information from many potential predictor variables simultaneously. We investigate whether forecasting strategies that (i) combine information and (ii) combine individual forecasts are useful to predict US stock returns, that is, the market excess return, size, value, and the momentum premium. Our results show that methods combining information have remarkable in‐sample predictive ability. However, the out‐of‐sample performance suffers from highly volatile forecast errors. Forecast combinations face a better bias–efficiency trade‐off, yielding a consistently superior forecast performance for the market excess return and the size premium even after the 1970s.     

沥青路面使用性能评价模型与性能评价案例分析

为了客观准确了解沥青路面的实际使用性能，以便及时进行沥青路面管理与维修养护，依据检测数据对沥青路面进行了使用性能评价研究，即将主成分分析法与层次分析法相结合，建立了基于主成分-层次分析法的评价模型，并进行了评价案例分析。本研究以荣乌高速保定段2016~2019年的路面定检数据为基础，首先用主成分分析法对性能指标归类和预处理后的检测数据进行主成分提取，建立判断矩阵，再用层次分析法对各指标赋予权重系数，得到上下行路面的使用性能评价模型。选用荣乌高速检测数据进行了模型验证，并与现行《公路技术状况评定标准》评价结果相比较，评价等级高于《标准》的路段样本比例约为0.34%，低于《标准》的比例约为6.83%。本研究的评价结果更能够反映路面的实际衰变特性。     

条件故障下3-元n-立方体的容错分析

研究了条件边故障下3-元n-立方体中较大连通分支点的数目，进而证明了3-元n-立方体是(4n－6)-条件边故障强Menger边连通的。最后通过一个反例说明该结果是最优的。     

基于多目标的民用航空发动机典型部件维修间隔确定

发动机部件维修间隔制定得合理与否对民机运行的安全性与维修成本有着至关重要的影响，而MSG-3逻辑思想对维修间隔确定的方法没有提及。为此，本文通过建立数学模型，之后采用遗传算法对模型进行求解来确定发动机上典型部件的维修间隔，从而得到部件的维修间隔理论值。文章选取反推同步锁进行案例分析，将求得的维修间隔值和737NG维修计划文件（MPD）中的维修间隔值对比，发现误差为6.9%，表明了模型和算法的可行性。因此本文方法可以为国内发动机制造商确定部件维修间隔提供参考。     

Constructing and evaluating core inflation measures from component‐level inflation data

This paper undertakes a comprehensive examination of 10 measures of core inflation and evaluates which measure produces the best forecast of headline inflation out‐of‐sample. We use the Personal Consumption Expenditure Price Index as our measure of inflation. We use two sets of components (17 and 50) of the Personal Consumption Expenditure Price Index to construct these core inflation measures and evaluate these measures at the three time horizons (6, 12 and 24 months) most relevant for monetary policy decisions. The best measure of core inflation for both sets of components and over all time horizons uses weights based on the first principal component of the disaggregated (component‐level) prices. Interestingly, the results vary by the number of components used; when more components are used the weights based on the persistence of each component is statistically equivalent to the weights generated by the first principal component. However, those forecasts using the persistence of 50 components are statistically worse than those generated using the first principal component of 17 components. The statistical superiority of the principal component method is due to the fact that it extracts (in the first principal component) the common source of variation in the component level prices that accurately describes trend inflation over the next 6–24 months.     

药用植物白芨块茎挥发油组分的GC-MS分析及成分鉴定

通过分析道地药材白芨块茎中挥发油的化学成分,为进一步揭示其药理作用提供科学依据。采用二氯甲烷为萃取剂提取白芨块茎中的挥发油,利用气相色谱-质谱联用技术(GC-MS)鉴定分析白芨块茎中挥发油的化学成分。结果显示从白芨块茎中共鉴定到 34种主要化学成分,相对含量较高的组分有3-甲基丁醛、乙酸、3-甲基-1-丁醇、4-氨基-3-甲基苯酚和乙偶姻等。该研究将为后续进一步开发利用白芨的食疗保健功效提供了理论参考。     

基于主平面切片的3D模型检索方法

提出一种改进的基于切片的3D模型检索方法。首先，将查询模型进行归一化处理，然后，在模型正交主平面的三个方向上进行多次切割，根据所得裁剪平面轮廓点的分布特征计算模型的特征向量，最后根据该向量进行3D模型检索。利用普林斯顿大学的所提供的3D模型库的标准模型作为实验数据进行实验，结果表明，与原有基于切片的3D模型检索算法相比，本文方法能更加有效的检索。     

基于PCA和相位差校正法的风切变预警算法

为了提高相干激光雷达风切变预警算法的预警率，提出一种基于主成分分析（principal component analysis，PCA）和相位差校正法的风切变预警算法。首先，利用PCA对雷达回波信号进行低阶主成分向量提取以实现信号重构，提高信噪比。其次，采用基于快速傅里叶变换的相位差校正法对回波信号峰值频率进行校正，降低回波信号能量泄露。然后，分别利用旋转电机实验数据和小型飞机实验数据对所提算法进行性能评估。结果表明，采用所提算法估计相干激光雷达回波信号峰值频率的平均绝对误差为0.26 MHz，对实际低空风切变的预警率为92.31%。所提算法可以有效降低相干激光雷达回波信号频率估计误差，实现低空风切变预警。     

基于重要性—绩效性分析法的老年科技产品需求及影响因素分析

为积极应对我国人口老龄化，促进老年科技产品创新发展，提高老年人生活质量，本文以“老年人对科技产品的需求”为主题，针对北京地区老年人在居家与日常生活、健康、信息与沟通、学习与娱乐以及行动交通5个方面使用科技产品及服务的情况进行调查。在利用卡诺（Kano）模型修正科技产品重要性的基础上，采用基于帕累托原理的六维重要性-绩效性分析（6-Importance Performance Analysis, 6-IPA）法将34种老年科技产品按需求分为6大类，并运用主成分分析法确定影响老年科技产品需求的主要因素。结果表明：老年人购买和使用科技产品的主要影响因素包括新技术的有用性、安全性、易用性以及价格定位是否合理等。应深入调查分析，制定合理发展策略；加大创新投入，提高企业自主创新能力；健全发展政策，推进老年科技发展。