担保链危机的传染机制

定义了担保链危机的概念,将现实经济体中企业之间的担保代偿关系抽象成担保链模型,分析了担保链危机的传染过程,发现担保链危机发生一级近邻传染、二级近邻传染、停止传染的临界条件与企业担保调整后的资产负债率有关。建立了担保链危机传染模型,发现触发担保链危机发生一级近邻传染的临界条件、继续传染的临界条件和危机停止传染的条件与企业对外担保金额有关。该模型有助于监管机构用资产负债率和对外担保金额两个指标对担保链中的企业进行风险预警,防止和减少危机的扩散,对促进区域经济可持续发展和金融繁荣稳定具有积极作用。     

外推法测定甘油和硼酸反应平衡常数

探索了利用电位法[1]测定甘油和硼酸反应的平衡常数。在不同浓度下,甘油与硼酸反应生成硼酸甘油酯,通过电位法测定溶液的pH值,间接测定硼酸甘油酯的含量,通过逐步逼近法,外推到浓度接近零时的平衡常数,得到甘油与硼酸反应的平衡常数为K=3.0×1-0 9。     

车辆半主动悬架的试验研究

建立了车辆半主动悬架1／4模型,设计了半主动悬架台架试验系统,对不同的路面输入进行了仿真和试验研究,结果表明：建立的物理模型正确,试验系统稳定可靠,为半主动悬架及控制系统的进一步研究奠定了基础。     

鄂尔多斯盆地西南缘合水地区长8储层特征及其物性影响因素

利用铸体薄片、扫描电镜、X线衍射等各种资料,研究了合水地区长8储层特征及其物性影响因素。结果表明,合水地区长8储层岩石类型主要为长石砂岩,成分成熟度和结构成熟度较低。储层物性主要受沉积作用和成岩作用控制,沉积作用在平面上控制储层的优劣,优质储层多出现在三角洲前缘水下分流河道主体部位。成岩作用在垂向上控制储层物性好坏,压实作用和碳酸盐胶结作用是砂岩孔隙率降低的主要原因,对储层具有破坏性作用。早期绿泥石胶结作用、溶蚀作用改善了砂岩储集性能,对储层具有积极的建设性作用。     

MapGIS绘制地类符号新方法

结合绘制土地利用总体规划等多种图件的实际案例,对比分析了MapGIS绘制土地利用总体规划图中地类符号常用方法的优缺点,并组合利用MapGIS的制图功能,提出了新的地类符号自动绘制方法—复合生成法。该方法既能够保证成果图件的高质量,又可以大大提高制图工作效率,对其它一些类似图件的制作也具有一定的借鉴意义。     

抗环境光照影响的边坡变形摄像监测方法

边坡变形监测是滑坡灾害防治和预警的重要手段,基于图像分析的近景摄影测量方法凭借全场、非接触的优势在边坡变形监测中的应用越来越广泛.而在长期野外监测应用中,环境光照变化对边坡图像的灰度一致性产生很大影响,导致该方法的测量精度受到严重制约,甚至出现测量失败的情况.从环境光照的物理过程出发,深入分析光照变化特征及其对图像灰度的影响规律,提出了一种基于灰度梯度方向特征的图像匹配方法,从而使其具备了抗环境光照影响的能力.室内边坡缩比模型实验和真实野外边坡观测实验的结果表明,该方法可以有效抑制环境光照影响,提升变形测量的精度和稳定性.研究为边坡变形摄像监测提供了一种新的手段,对该方法的实用性发展起到了支撑作用.     

1998-2016年全球LUCC研究进展与热点分析

以Web of Science为数据源,运用文献计量方法与可视化分析工具,从文献时间分布、研究机构、科学领域分布、文献作者和研究热点等维度,对1998-2016年全球土地利用/覆盖变化(LUCC)研究进展进行数据挖掘.研究结果表明:目前LUCC研究日益成熟,文献逐年稳定增长,发展前景依然广阔;机构和作者合作网络还相对松散,LUCC全球合作有待进一步加强;LUCC研究学科交叉性强,综合集成了环境科学、生态学、地理学等多个自然与社会学科;LUCC研究热点众多,气候变化、生态系统、地表景观、城镇化、森林砍伐等热点受到高度关注;综合性研究是未来LUCC的发展趋势,体现在多学科、多时空、多尺度、多方法的交叉.未来LUCC要在数据标准化、大尺度遥感图像融合、历史地图资料不准确性与当代资料整合,以及LUCC全球分类体系和LUCC成果应用等方面加强研究.     

高速公路冰雪湿滑路面车辆换道越线时间生存分析

通过同济大学驾驶模拟器采集高速公路冰雪低摩阻路面换道驾驶行为数据,通过生存分析方法对换道越线时间(TLC)分布特征进行研究,定量分析潜在因素对越线时间的影响,并建立越线时间Cox比例风险模型。结果表明,路面摩阻系数每升高0.1或车速每提高1 km·h-1,车辆在该时刻完成越线的风险率分别提高为原来的1.14倍和1.02倍,处于跟驰状态下的车辆完成越线的风险概率提高为原来的1.29倍,越线时间相应缩短;而换道初始位置每远离目标车道1 m,风险率降低为原来的0.23倍,越线时间延长。此外,不同换道方向下的换道越线时间无显著性差异。     

基于深度学习的变电站巡检机器人道路场景识别

为了提升变电站巡检机器人对自身所处环境的理解能力,将深度学习技术应用于变电站巡检机器人对道路场景的识别中,提出了一种全卷积道路场景识别网络(road scene recognition net,RSRNet)。该网络主要由相对浅层的编码网络和镜像结构与跳层融合结构相结合的解码网络组成,通过编码网络提取图像特征后由解码网络识别出图像目标信息。通过实验表明,本文提出的网络在同类型网络中识别精度及效率更高,同时在实际变电站场景中也表现出了优良的场景识别性能。