Investigating the Impact of Capacity Utilization on Carbon Dioxide Emission:Evidence from China's Iron and Steel Industry

In recent years,China's industrialization and urbanization have deepened,and the economy has grown considerably.But at the same time,they have also brought abou...     

基于X-10协议的智能照明系统的设计

根据X-10协议的特点实现基于X-10协议智能照明系统。就遥控平台设计和电力载波的关键技术进行了详细研究,研制的基于遥控平台及X-10协议的智能照明系统,经测试使用后表明,达到了可靠稳定的通信效果,并且可以和国外X-10产品兼容。所采用的遥控接口与电力线载波接口方式对其他电力载波通信系统有一定的实用和参考价值。     

基于热电制冷的液冷源系统设计

本文介绍了一种热电制冷的液冷源系统组成及其设计过程,阐述了应用热电制冷在小功率液冷源系统的设计思路。其控制精度高、可靠性高、体积小、重量轻等优点,使其具有一定的实用价值和推广意义。     

SRM点火瞬间流固耦合研究现状与发展探索

随着美国“大力神4”首发全尺寸静态试验发动机PQM-1的失败,固体发动机点火瞬间的流固耦合现象逐渐得到了人们的重视。本文将流固耦合研究现状分为点火燃气流动、药柱变形和实验研究三个方面,综述了国内外的发展现状与趋势。结合我国发展的实际情况,初步探讨了研究固体发动机点火瞬间流固耦合的新方法。     

广西不同林龄和区域马尾松人工林的土壤C、N、P化学计量特征

为探明广西马尾松Pinus massoniana人工林土壤碳(C)、氮(N)、磷(P)化学计量特征,揭示马尾松人工林土壤养分平衡机理及其时空动态变化,为马尾松人工林可持续经营提供理论依据,研究以广西4个典型区域马尾松人工林为对象,采用空间代替时间的方法,比较不同区域各林龄土壤有机碳(SOC)、全氮(TN)和全磷(TP)含量及其化学计量比的变化规律。结果表明：SOC、TN和C/N的变异系数较小,分别为21%、27%和22%,属弱变异,在不同林龄和区域中其值比较稳定。林龄、区域及其交互作用对SOC、TN、TP、C/P、N/P的变化均有显著影响(P<0.05)。SOC、TN含量呈波动性变化,在成熟林阶段最低;SOC含量在幼龄林阶段最高,TN含量在近熟林阶段最高。土壤TP含量在中龄林阶段最低,且随林龄增加呈先减少后增加的趋势。土壤C/N、C/P、N/P平均值均在成熟林中最高,且显著高于近熟林和过熟林(P<0.05);土壤C/P、N/P平均值随林龄增加呈先减少后增加再减少的趋势。华山地区SOC、TN和TP含量最低,而土壤C/N、C/P、N/P平均值最高。天洪岭地区土壤C/N平均值最低...     

工程装备通用自动测试系统设计

为了提高自动测试系统的通用性能,将自动测试技术和虚拟仪器技术相结合,设计并实现了一种基于"PXI模块化仪器 程控仪器 连接器-适配器"结构的工程装备通用自动测试系统.系统根据各待测单元的信号频率和功能特征设计标准阵列接口连接器ICA(interface connector assembly);在仪器控制方面为了弥补可互换虚拟仪器ⅣⅠ(interchangeable virtual instruments)规范的不足,采用ⅣⅠ类仪器模型的基本思想,建立了系统的"ATS(automatic test system)资源模型",利用IVI规范配置仪器无关性系统;软件平台让用户根据待测单元的测试需求完成TPS(test program set)的开发,使在此软件平台上开发出的TPS完全独立于测试资源.工程应用表明,该系统具有良好的实用性和扩展性.     

基于支持向量机的信用评估模型及风险评价

运用基于支持向量机理来建立一个新的个人信用评估预测模型,以期取得更好的预测分类能力.并对SVM分类结果与三层全连接BPN分类结果进行了比较.结果表明,在判别潜在的贷款申请者中支持向量的判别结果比神经网络的要好.为了减小训练集偏差及为了验证两种方法的鲁棒性,基于两种策略(平衡样本与非平衡样本)交叉验证来进一步评价SVM分类准确性,并对两种方法基于两种策略的误分类作了风险代价分析.     

提高科技期刊经济效益的途径

目前中国科技期刊经济效益不佳的问题,可以通过以下途径加以解决:适应市场机制需要,实行产业化改革;提高期刊质量,扩大发行量;重视期刊广告;通过合作办刊方式吸纳资金投入;做好推动科学技术转化为生产力的信息中介。     

An Adaptive Multiscale Ensemble Learning Paradigm for Nonstationary and Nonlinear Energy Price Time Series Forecasting

For forecasting nonstationary and nonlinear energy prices time series, a novel adaptive multiscale ensemble learning paradigm incorporating ensemble empirical mode decomposition (EEMD), particle swarm optimization (PSO) and least square support vector machines (LSSVM) with kernel function prototype is developed. Firstly, the extrema symmetry expansion EEMD, which can effectively restrain the mode mixing and end effects, is used to decompose the energy price into simple modes. Secondly, by using the fine‐to‐coarse reconstruction algorithm, the high‐frequency, low‐frequency and trend components are identified. Furthermore, autoregressive integrated moving average is applicable to predicting the high‐frequency components. LSSVM is suitable for forecasting the low‐frequency and trend components. At the same time, a universal kernel function prototype is introduced for making up the drawbacks of single kernel function, which can adaptively select the optimal kernel function type and model parameters according to the specific data using the PSO algorithm. Finally, the prediction results of all the components are aggregated into the forecasting values of energy price time series. The empirical results show that, compared with the popular prediction methods, the proposed method can significantly improve the prediction accuracy of energy prices, with high accuracy both in the level and directional predictions. Copyright © 2016 John Wiley & Sons, Ltd.