基于企业套期理论的动因分析

企业套期就是企业利用金融创新产品以及远期、期货、期权与互换等金融衍生工具以消除企业在经营中所面临的一系列与收入现金流相关的不确定性所采取的策略。本文对早期企业套期理论进行了回顾，并从不完全资本市场、非对称信息与管理激励、企业资本结构等几个方面阐述了企业套期如何增加企业价值，并对企业套期理论在企业中的应用提出一些见解。     

基于BP神经网络的隧道围岩分类

应用BP神经网络建立了隧道围岩分类模型,对其影响因素进行分析,并对模型进行优化,将训练好的分类模型运用到贵安隧道,为隧道围岩分类提供了一种简便可行的方法。     

基于SolidWorks垃圾车厢体有限元分析技巧

介绍了运用SolidWorks软件对垃圾车厢体进行有限元分析的一般方法。着重阐述了分析思路以及在分析过程中的建模、网格划分、载荷定义、零件接触等方面的技巧。     

山区高速公路驾驶人加减速行为建模

山区地形地质条件复杂，各类复杂的组合线形设计更为常见，例如直线与平曲线间组合或不同平曲线间组合。驾驶人在相邻组合路段行驶时会感知到线形的变化，引起驾驶行为的改变，最终车辆的纵向加速度也会随之改变。频繁的加减速行为会引起驾驶人不适，甚至形成安全隐患。目前针对相邻组合路段驾驶行为的研究中，关于加速度的研究主要基于路段特殊点进行计算。随着驾驶模拟技术的发展，高仿真驾驶模拟器为高速公路的设计评估提供了更好的数据及试验条件支撑。在高仿真驾驶模拟器中，基于湖南省永吉高速公路道路设计参数及周边地形环境参数，构建山区高速公路的三维虚拟模型，以山区高速公路中的相邻组合路段为研究对象，获取山区高速公路组合线形路段的车辆纵向加速度数据，提取加减速事件后，基于驾驶人的加减速行为，采用混合Logit模型，分别判定道路线形层和驾驶人层的影响，研究组合线形对驾驶人纵向加减速选择的具体影响变量以及变量的影响范围。研究结果表明：下游路段最大曲率、上游路段圆曲线段比例、下游路段变坡点数量、下游路段曲线数量、上游路段平均曲率和当前位置曲率等对驾驶人加减速行为有显著影响；通过对比混合Logit模型和多元Logit模型，指出驾驶人层面对模型结果的影响显著。研究结果提供了一种山区高速公路连续纵向加减速行为的建模方案，并可为研究驾驶人在复杂线形条件下的纵向加速度选择行为提供基础。     

块石基床爆夯技术在重力式码头的应用及质量控制

爆夯技术近年在重力式码头抛石基床上得到广泛应用,本文结合福建某重力式码头基床、地基及水文的实际情况,总结块石基床水下爆炸夯实技术的设计、施工工艺、质量控制及爆破的安全控制,以供类似工程参考。     

基于VRML的虚拟现实技术在数字管道中的应用

介绍了虚拟现实建模语言(VRML),将基于VRML的虚拟现实技术和HTML、 JavaScript相结合,并应用到数字管道中,构建了真实感强、交互性强的可视化虚拟石油管道场景和管道泄漏模型,实现了石油管道虚拟场景的漫游,以及用户与虚拟场景的交互,并及时、直观地反映管道泄漏.应用结果表明:将基于VRML的网络交互式虚拟现实技术应用到数字管道,促进了数字管道的信息共享,提高了数字管道的决策管理效率.     

南通口岸进境重箱截获疫情分析及防控对策

集装箱是现代运输的主要载体。由于集装箱频繁流转于世界各地，装载货物种类繁多且经常变更，因此集装箱携带的疫情往往复杂多变。本文对2006—2008年南通口岸进境重箱截获疫情进行分析，探讨主要风险因素，确定南通口岸进境重箱疫情的防控重点。     

影响标准贯入（SPT）击数因素浅析

通过分析某涉外跨海大桥工程地质勘察中的标贯SPT击数差异问题，发现钻孔直径、钻探工艺、标贯头刃口尺寸和泥浆浓度的差异等显著影响砂性地层中的SPT击数。特别是小口径套管下到钻孔底部限制了土体的变形，进而影响了SPT测试结果；泥浆浓度过低将不足以将孔底残渣特别是颗粒较大的砂砾携带出钻孔等。这些因素的累计导致了两家勘察公司N值出现了较大的差异。文中对跨海大桥的勘察管理提出了一些建议，通过采取有效措施，使同一土层的N值基本一致，对加强勘察资料的可信度和实用性具有参考价值。     

对台直航船舶监督管理初探

文中简要分析了泉金客运航线的通航现状及各类对台直航船舶的监管特点，介绍了海事部门在对台直航船舶监督管理方面积累的成功做法和宝贵经验，形成对直航船舶监督管理的初步探讨意见和相关建议，供相关海事机构决策参考。     

基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题，在分析车辆运动特点的基础上，提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台，招募驾驶人进行实车跟驰道路试验，建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响，建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程，利用高斯过程算法建立了前车纵向加速度变化随机过程模型，实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程，引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略，通过与前车运动随机过程模型进行交互式迭代学习，得到具有运动不确定性跟驰环境下的主车纵向控制策略，实现对车辆纵向控制的最优决策。最后基于真实驾驶数据，对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系，在迭代学习过程中对前车运动的随机性进行考虑，跟驰控制中不需要对前车运动进行额外的概率预测，能够以较低的计算量实现主车稳定跟随前车行驶。