企业金融化抑制了低碳技术创新吗？——来自“动机背景”视角的观察与诠释

低碳化是实体企业的未来发展愿景,金融化是实体企业的现实发展特征,考察金融化对低碳技术创新的影响,对经济高质量发展和国家实业安全有重要的战略意义。该研究以2011—2021年中国沪深A股上市的制造业企业为样本,实证分析企业金融化对低碳技术创新的影响,探讨金融化“动机背景”在这一影响中的调节作用,并进一步分析了“动机背景”对低碳技术创新的非金融化影响机制。研究发现：(1)企业金融化程度的加深会抑制其低碳技术创新水平的提升,且这一抑制效果存在滞后性和黏性,在经过一系列稳健性和内生性检验后,该结论依然成立。(2)金融化对国有企业低碳技术创新投入和产出的抑制效果弱于非国有企业,对大规模企业的抑制效果弱于小规模企业,且在非国有企业和小规模企业中,金融化抑制低碳技术创新的滞后性和黏性效果更为突出。(3)基于“动机背景”角度的检验发现,盈利乐观度和行业竞争度的提升能够有效缓解企业金融化对低碳技术创新的抑制效果,而企业内部融资约束的增强则会加剧金融化对低碳技术创新的抑制作用。(4)“动机背景”对低碳技术创新的影响存在以管理者环境注意力转移为中介的非金融化影响渠道,盈利乐观度的提升能够转入管理者环境注意力...     

一种基于改进的一致性算法数据融合技术

在重大工程结构健康监测中,随着研究对象复杂程度的提高,往往需要获得大量观测数据才能对结构进行有效的评估,因此采用多种或多个传感器进行测量已成为必然趋势。数据融合技术就是将多个传感器的测量结果进行综合处理,从而得出比单个传感器更为准确可靠的结果。本文基于一致性算法,提出一种改进的多传感器数据融合技术,该数据融合技术属于数据级融合,它克服了一致性算法中两传感器在测量精度不同时置信距离不同的缺点,并对支持矩阵进行模糊化处理,避免了人为定义阈值而产生的主观误差。文中通过算例,验证了此方法可获得较好的结果,并且能够有效地减小由于扰动因素造成的测量数据的变化。     

基于MCMC填补的SSA-SVM煤与瓦斯突出预测模型

为提升煤与瓦斯突出预测准确度,减小数据缺失对煤与瓦斯突出预测的不利影响,提出1种基于链式多重填补马尔科夫链蒙特卡罗(MCMC)的麻雀搜索算法(SSA)优化支持向量机(SVM)预测模型。根据突出影响因素选取模型参数,运用MCMC对突出事故缺失值进行数据填补,采用SSA优化SVM,建立MCMC-SSA-SVM模型对填补后数据集进行预测,验证MCMC填补有效性和SSA优化性能;分别构建SVM、SSA-SVM、PSO-SVM、GAM-SVM、CMC-SVM、MCMC-PSO-SVM和MCMC-GA-SVM这7种模型进行突出预测,对比预测准确度,分析MCMC-SSA-SVM、MCMC-PSO-SVM和MCMC-GA-SVM的适应度。研究结果表明：MCMC填补后准确度均提升7.89个百分点以上,SSA的优化性能强于PSO和GA,MCMC-SSA-SVM预测准确度最高,为97.37%,泛化能力优于对比模型。研究结果可为煤与瓦斯突出预测研究提供借鉴和参考。     

基于PSO-SVM算法的空气质量分类研究

由于空气组成成分多、含量波动较大,严重影响着分类结果的准确率,因此为了增加空气质量分类预测的可靠性,提出了粒子群（Particle Swarm Optimization,PSO）优化支持向量机（Support VectorMachin,SVM）算法的分类方法。此方法首先通过迭代寻优的方式在全局搜寻最优粒子作为支持向量机的运行参数,之后通过训练集数据进行机器学习建立了支持向量机多分类模型,最后将测试集的输入向量导入该模型得到分类结果。分析结果表明,粒子群优化的支持向量机分类方法能够有效的抑制人为设定运行参数对分类结果的影响,提高了支持向量机的分类准确率,为空气质量等级分类问题提供了一个新的研究思路。     

基本人权工作中的安全与健康——金融危机背景下的“世界职业安全卫生日”

在全世界,每15s就有1名工人死于工伤事故或职业病,有160名工人遭受工作事故的伤害。这意味着每天约有100万名工人遭受工作事故的伤害,5500名工人死于工伤事故或职业病。如果每天有5500人死于飞机坠毁事故,一定会成为报纸的头条新闻。     

海门市采取四项措施与企业共克时艰

随着全球金融危机效应的逐渐扩散,各地各类企业面临的困难和矛盾越来越显现。对此,江苏省海门市劳动保障部门采取扎实措施,与企业携手共克时艰,力争将不利影响降到最低程度。     

基于WebGIS的危险化学品污染事故应急决策支持系统

通过对危险化学品污染事故危害性的分析,指出环境污染事故应急处置的紧迫性和必要性;给出了事故应急决策支持机制,采用案例推理与规则推理相结合的推理技术来实现事故应急方案的自动生成;借助于WebGIS技术,建立起集成污染事故风险评估与预警、监测分析、快速处理等多项技术的系统平台;该系统创建了集成空间信息、属性信息和文档信息的污染应急决策数据库,提供了环境污染危险的评估技术,建立了环境污染的扩散模型,实现了环境污染事故应急监测与处置技术的集成应用。实践证明,该系统能为危险化学品污染事故的应急处理提供及时、有效的决策支持。     

煤与瓦斯突出预测的支持向量机(SVM)模型

基于支持向量机(SVM)分类算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出预测的SVM模型。该模型选取开采深度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及地质破坏程度5个指标作为模型输入量,同时将煤与瓦斯突出程度划分为无突出、小型突出、中型突出和大型突出4个等级,进而使其评判结果更为细化。以实测数据作为学习样本进行训练,建立相应判别函数对待判样本进行预测。通过算例分析,表明该模型的方法对煤与瓦斯突出预测的合理性与有效性,可以在实际工程中推广。     

基于支持向量机的边坡稳定性预测研究

针对边坡稳定性影响因素复杂,传统的稳定性分析存在计算量大、计算过程复杂的问题,提出了边坡稳定性的支持向量机预测方法。分析了边坡稳定性的影响因素,选择影响边坡稳定性的边坡重度、内聚力、摩擦角、边坡角、边坡高度、孔隙压力比6项指标为特征向量。并运行该方法对典型边坡实例进行了预测,预测结果与边坡稳定性实际状态及其它方法预测结果相吻合,表明了支持向量机在边坡稳定性预测中的可靠性和有效性。     

硫化矿石自燃倾向性鉴定技术研究

根据硫化矿石自燃过程的复杂性,通过程序升温氧化（TPO）实验对硫化矿石吸附性能进行研究,提出了硫化矿石程序升温氧化（TPO）吸氧鉴定的方法,测试矿样温度从30℃到1000％条件下的总吸氧量和自热起始温度作为硫化矿石自燃倾向性鉴定指标,并对其进行分类;提出了基于支持向量机的硫化矿石自燃倾向性预测方法,通过预测建模最终达到了预期数据与实际数据的最佳拟合。