粘性模型、货币政策与中国经济波动——基于环境政策的视角

通过构建包含价格粘性和工资粘性的环境—经济动态一般均衡(DSGE)模型,探讨粘性因素在技术冲击、环保技术冲击、环境税冲击和货币政策冲击对产出造成的影响中起到的作用。基于相关参数校准,通过模拟分析得出结论:技术、环境政策外生冲击在不同的粘性组合下主要通过改变边际成本来影响产出。相比价格粘性,单一工资粘性能够对产出造成较显著的正向影响;单一工资粘性能够缓解货币政策冲击对产出、消费和投资的负向作用;方差分解结果表明单一工资粘性下的产出增长主要来源于技术冲击对产出的正向影响;价格粘性和双粘性下的产出变化差别较小,是因为货币冲击和技术冲击对产出造成的影响相差无几。     

环境规制、政府研发投入与全要素生产率 ——基于省级面板数据的分析

使用空间计量模型对我国除西藏外的30个省区市和东、中、西部各区域环境规制强度、政府研发投入对地区全要素生产率的影响进行了理论与实证分析,研究表明环境规制对地区生产率提升存在显著抑制作用,环境规制政策影响企业在创新方面的投资,约束地区生产率的提升;政府研发资金投入有利于提高企业研发积极性与市场竞争力,提升地区生产效率;东部地区政府研发投入对生产率的影响程度较小,中部地区环境规制强度对生产率的影响最大.     

兰州-西宁城市群工业集聚格局及其影响因素空间溢出

采用空间统计方法和空间计量模型分析2005-2018年兰州-西宁城市群工业集聚格局及其影响因素的空间溢出.结果表明,工业集聚呈现“中心-外围”空间格局和“点-轴”发展特征,工业集聚的空间非均衡格局存在马太效应.工业集聚具有空间相关性,热点区及次热点区主要集中在兰州-西宁城市群“中心”的工业优势县(区);工业集聚冷点区及次冷点区主要集中在兰州-西宁城市群“外围”的工业待发展县(区).工业集聚及其影响因素均存在空间溢出性,相邻县(区)工业集聚对本县(区)工业集聚具有促进作用;人口密度、经济水平、政府干预、市场化率、投资水平等因素对本县(区)工业集聚产生影响时也通过空间溢出对相邻县(区)工业集聚产生影响.     

模具结构对连续纤维增强热塑性复合材料性能的影响

采用自行设计的两种不同结构的熔融浸渍模具制备了连续玻璃纤维增强聚丙烯预浸带，测试了模具结构对预浸带的孔隙率、纤维断裂率、界面形貌、纤维分散均匀度和拉伸强度的影响，建立了纤维浸渍模型和纤维断裂模型，并通过理论模型对预浸带的孔隙率和断裂率进行理论预测。结果表明，本文建立的数学模型能够有效预测预浸带的浸渍程度和纤维断裂率，可用于浸渍模具结构的优化设计；在本文范围内，与波浪形模具相比，斜齿形模具的多楔形区结构可以有效地降低预浸带孔隙率和提升纤维分散程度；波浪形模具的流道圆角半径较大，楔形区个数较少，与斜齿形模具相比，可有效降低纤维断裂率并提升拉伸性能。     

共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

李雅普诺夫：逐梦唯美天空的俄罗斯数学家

 李雅普诺夫是圣彼得堡数学学派的中流砥柱，创立了运动稳定性理论、旋转液团平衡形状理论和微分方程定性理论，探索了概率论中心极限定理和一系列其他深刻数学力学问题，为俄罗斯跻身世界科技强国做出了卓越贡献。通过采撷李雅普诺夫的动人爱情诗篇和唯美科学奋斗目标，展示了其美丽的爱情观和追求卓越的科学精神、人生观和宇宙观。     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。