首页期刊导航|湖南科技大学学报(自然科学版)
期刊信息/Journal information
湖南科技大学学报(自然科学版)
湖南科技大学学报(自然科学版)

许中坚

季刊

1672-9102

xuebaoz@hnust.edu.cn

0732-58290272,58290354

411201

湖南湘潭市湖南科技大学期刊社

湖南科技大学学报(自然科学版)/Journal Journal of Hunan University of Science & Technology(Natural Science Edition)北大核心CSTPCD
查看更多>>本刊坚持以矿业工程为主的内容特色,进一步强化“质量兴刊”的办刊理念,坚持开放办刊,以质量作为稿件取舍的唯一标准。
正式出版
收录年代

    湖南益阳农业产业园区土壤硒元素分布及影响因素

    罗伟奇罗治勇黄淼杨佳成...
    87-94页
    查看更多>>摘要:益阳市属于富硒土壤地区,为促进全市传统农业产业的提升发展,合理开发利用优质土地资源,打造富硒农产品品牌.选择市内 18 个农业产业园,开展 1 ∶2 000 富硒土壤详细调查,对表层土壤 1 916 件样品进行了硒元素及有效硒实验分析,结果表明:益阳地区表层土壤硒元素的分布整体呈中部高,东西两侧低的特点,18 个工作区内表层土壤硒元素各区硒有效态含量变幅范围为 0.001~10.619 mg/kg,平均值为 0.027 mg/kg,表明区内土壤硒元素分布较不均匀,不同地质背景对土壤硒元素含量具有显著性影响,不同土壤类型和地质单元硒含量存在一定差异.

    农业地质硒元素农业地球化学方法农业产业园区

    不同施用量生物炭对绿豆镉吸收的阻控效应

    邱子豪张煜闫宇鹏陈生福...
    95-103页
    查看更多>>摘要:探究不同施用量生物炭对不同生长期绿豆(Vigna radiata(L.)R.Wilczek)镉(Cd)吸收的阻控效果.通过盆栽试验,以Cd污染旱地土壤为基质,对其进行 2.5%和 5.0%(质量分数)的鸡粪生物炭添加处理,同时以无生物炭添加(0%)作为对照处理,所有处理均种植绿豆(生长周期为 70 d),探讨不同施用量的生物炭对结荚期和收获期的土壤pH、土壤Cd化学形态以及绿豆Cd吸收的影响.结果表明:生物炭添加降低了结荚期和收获期绿豆植株中Cd的富集,且植株地上、地下部分Cd吸收对不同剂量生物炭添加的响应存在差异.结荚期,不同施用量生物炭添加均显著降低绿豆植株根部Cd含量,添加2.5%生物炭对绿豆植株茎部Cd富集的阻控效应最强,而添加 5.0%生物炭对绿豆植株叶片Cd富集的阻控效应最强;收获期,绿豆植株地上部分(叶、茎)的Cd含量表现为添加 2.5%生物炭处理显著低于添加 5.0%生物炭处理,植株地下部分(根)的Cd含量则表现为添加 5.0%生物炭处理显著低于添加 2.5%生物炭处理.生物炭添加改变了土壤中Cd化学形态的分布,显著降低了酸可提取态Cd的相对含量.在结荚期与收获期,添加 5.0%生物炭的土壤其酸可提取态Cd的相对含量均最低,对同一处理不同生长期而言,添加 2.5%生物炭的土壤中酸可提取态Cd占比减少的效果最显著,收获期降低幅度达 26.68%.由此可见:在使用生物炭修复Cd污染土壤时,生物炭施用量、植物生长期和植物组织利用都应予以考虑.本研究结果可为农用旱地土壤污染治理与安全利用提供参考.

    生物炭绿豆施用量生长期

    基于演化博弈的电子废弃物回收产业链协同治理

    刘永清刘文浩陈爱妩
    104-114页
    查看更多>>摘要:电子废弃物回收产业链的发展需要多方利益相关者的协同参与.从协同治理视角出发,分别构建市场机制下和政府调控下的"回收企业—生产企业"演化博弈模型,通过复制动态方程得到博弈双方的稳定策略演化路径.研究表明:单一主体的收益最大化未必有利于产业的形成和回收产业效益的最大化;博弈双方会基于自身成本收益禀赋和策略带来的增值量进行反复博弈,从而使博弈系统形成不同的演化路径;在市场机制下,博弈系统趋于理想化均衡状态的条件较难得到满足,政府调控可以快速地引导博弈系统向理想状态演化,提升监管效率、加大补贴和对投机行为的惩罚力度能够促进回收产业链的良性发展.

    电子废弃物回收产业链协同治理演化博弈

    基于LR-RF-XGBoost的债券违约风险预警

    陈湘州刘佳
    115-124页
    查看更多>>摘要:随着市场经济的迅猛发展,各国的债券市场也相继成长,并趋向于多元化发展.然而,在这一发展过程中,中国的债券违约事件屡见不鲜且愈演愈烈,极大地阻碍了市场活力.以发行企业债券、公司债券、短期融资债券以及中期债券的公司为研究主体,提出LR-RF-XGBoost债券违约预警模型,该模型基于软投票法将逻辑回归(Logistic Regression)、随机森林(Random Forest)、极端梯度提升算法(Extreme Gradient Boosting)相融合,对样本的财务指标及非财务指标数据进行研究.研究结果发现:LR-RF-XGBoost融合模型相比于其他单一预警模型泛化能力更强,准确率高达 95.3%.该方法有利于为投资者以及债券市场监督部门提供可靠的预测信息,帮助企业及早识别风险,为债券市场的健康发展提供保障.

    债券违约逻辑回归随机森林极端梯度提升