我国商业银行外汇风险管理研究

外汇风险是指由外汇汇率变动而引起一项以外币计价的资产、负债、盈利或预期的现金流量的本币价值发生变动而给外汇交易主体带来的不确定性。随着人民币汇率体制改革的不断深入,国内商业银行面临的汇率风险日趋显现,汇率风险管理的重要性日见紧迫。     

基于VRML的大规模虚拟场景的实时载入方法

针对网络环境下大规模虚拟场景的实时生成中所面临的速度问题,通过对VRML（Virtual Reality Modeling Language）工作原理和优化技术的分析,提出一种基于网格化管理的大规模虚拟场景的实时载入方法,实现了虚拟校园场景的生成系统。通过有选择地下载和渲染小部分场景,可提高生成速度,便于大规模场景的实时浏览。     

家鸽前脑声反应神经元的分布及其特性的研究

实验在61只家鸽上完成。动物用三碘季胺酚麻痹,记录了前脑36个神经元的电活动。实验结果表明,对短声刺激具有反应的前脑神经元分散地分布在旧纹状体、上纹状体以及新纹状体内,但是大多数听神经元集聚在相当于Karten和Hodos氏鸽脑立体定位图谱P_(1-3),L或R_(1-3)以及H_(2-6)的坐标范围之内。这些对声刺激有反应的听神经元的潜伏期为5～42msec。在正常情况下,神经元的潜伏期很少变化。前脑听神经元既可以接受对侧耳的信息,也可以接受同侧耳的信息。在旧纹状体内来自双耳信息的聚合可能引起相互抑制的结果。     

柱形薄壳构件扇性应力计算方法的探讨

采用较简洁的数学方法，研究现代工程结构中广泛应用的薄壳构件，在荷载作用下发生弯曲、扭转变形时的应力计算，使薄壳构件在工程结构中得到正确合理的广泛应用。     

等离子熔覆铁基涂层组织结构及热影响区特点

采用等离子束作为热源,在16Mn钢上熔覆一层铁基合金涂层.分析了涂层的组织结构;并通过对等离子熔覆热循环的特点和冶金过程的探讨,着重对钢基体的热影响区进行了测试分析;将热影响区划分为过热区、完全相变区和不完全相变区.过热区显微组织粗大,有魏氏体产生,硬度下降;完全相变区晶粒细化,硬度较高;不完全相变区组织只有部分发生转变,晶粒大小不均匀.过热区魏氏体组织的产生,使热影响区有脆化的倾向.     

一类带共振问题的p阶Laplace方程的多解存在性

本文研究一类带共振的加权p阶Laplace方程,运用Morse理论及局部环绕等,得到了该类方程多解的存在性.     

季节波动数据特征提取与分数阶灰色预测建模

季节性波动数据具有长期趋势性、季节波动性与局部随机振荡性等复杂特征,这给其预测模型的合理构建造成了难度.文章首先通过排序函数f(x_ik)挖掘季节波动数据中相关元素的序位关系及其演变规律,实现了季节波动数据的特征提取及驱动项的构造.然后通过构建分数阶多变量灰色预测模型FMGM(1,N),实现了其累加阶数从正整数到全体实数的拓展与优化.最后,将FMGM(1,N)应用于具有季节波动性特征的我国GDP月度数据的拟合与预测,建模结果显示其模拟和预测精度优于当前主流的单变量及多变量灰色预测模型、非线性回归模型、Arima模型及智能建模方法(support vector machine,SVM;long short-term memory,LSTM).本研究成果为研究季节波动性数据提供了一种新的预测建模方法,对丰富和完善预测模型方法体系具有积极意义.     

利用Tn5转座子构建杆状病毒AcMNPV随机突变体的初步研究

以杆状病毒模式种AcMNPV为研究对象,应用基于Tn5转座子的随机转座的方法,构建杆状病毒突变体库将果蝇hsp70启动子后接绿色荧光蛋白基因后插入Tn5转座子,构建了可以在昆虫细胞中表达,易于跟踪的转座载体．利用体外转座系统将转座子随机插入AcMNPV基因组,并用转座反应液转染Sf21细胞,得到了表达绿色荧光蛋白的病毒突变体库进一步纯化了两株病毒B9F和Li6A,进行了转座子插入位点的分析,确定两株病毒中,转座子分别插入了94K基因和p10基因．该方法将为杆状病毒功能基因组研究提供重要的手段。     

液相氧化降解聚乙烯和聚丙烯的研究

研究了废旧聚乙烯（PE）和聚丙烯（PP）塑料高温液相催化氧化降解的工艺条件。以醋酸为溶剂,醋酸钴、醋酸锰为主催化剂,溴化物为助催化剂,在一定温度和压力下用空气氧化聚乙烯和聚丙烯,用气质联用法（GC—MS）检测了聚乙烯和聚丙烯氧化降解后的产物成分,尾气中CO和CO2浓度则采用红外在线分析仪检测。结果表明,在降解PE、PP过程中,MC催化体系表现出较高的催化活性,PE和PP降解主要产物为草酸和醋酸。     

基于YOLOv3及迁移学习的河道船舶目标检测算法

为加强对河道监控视频图像中散体物料采运船舶的监测和跟踪，从而辅助实现智能、高效的河道采砂监管和散体物料调度，基于You Only Look Once version 3（YOLOv3）算法及迁移学习提出一种河道散体物料船舶目标检测算法。首先使用COCO数据集训练初始的YOLOv3算法，得到模型的预训练权重；然后对从广西重要河道周围监控设备采集的采砂运砂船舶影像数据进行图像处理，得到高质量船舶数据集；最后以此数据集为驱动，利用迁移学习得到的预训练权重来训练针对河道采砂船等重点目标的YOLOv3检测模型。该模型采用Darknet-53作为主干网络，并融合了多尺度的特征图，从而实现对小、中、大等各类目标的检测。实验结果表明：该算法在测试集上的平均精度和检测速度分别达到98.00%和17.78 fps，对提高河道采砂监管效能和实现散体物料智能调度具有现实意义。