-
题名人工智能技术对汽车制造企业供应链韧性的影响
被引量：7
- 1
-
-
作者
刘帅
-
机构
辽宁工程技术大学工商管理学院
辽宁工程技术大学矿山重大灾害防治与环境修复协同创新中心
中国矿业大学经济管理学院
-
出处
《中国流通经济》
北大核心
2025年第4期42-56,共15页
-
基金
辽宁省教育厅基本科研项目“新质生产力赋能辽宁资源枯竭型城市转型研究”(LJ242410147059)
辽宁工程技术大学矿山重大灾害防治与环境修复协同创新中心开放课题“‘双碳’目标下废弃矿山生态修复模式构建与仿真研究”(CXZX-2024-06)
辽宁省经济社会发展研究课题青年项目“数字创新赋能辽宁交通物流业高质量发展:理论机制与提升路径研究”(2025lslqnkt-024)。
-
文摘
人工智能技术是引领科技革命和产业变革的重要驱动力,研究人工智能技术对汽车制造企业供应链韧性的作用机制与影响效应,有助于汽车制造业抵御风险、化危为“绩”。基于动态能力理论,利用2012—2023年我国沪深A股汽车制造业上市公司的面板数据,实证检验人工智能技术对汽车制造企业供应链韧性的影响。研究发现,人工智能技术对汽车制造企业供应链韧性提升具有显著的促进作用,此结论经一系列稳健性检验后依然成立。机制分析表明,人工智能技术主要通过激发企业的创新能力,提升企业的吸收能力以及增强企业的适应能力,有效提升汽车制造企业供应链韧性。企业市场地位在人工智能技术对汽车制造企业供应链韧性的影响中发挥调节效应,汽车制造企业市场地位的提升能够强化人工智能技术对其供应链韧性的正向促进作用。异质性分析发现,相较于规模较小、非国有以及处于生命周期成长期的汽车制造企业,人工智能技术对规模较大、国有企业以及处于生命周期成熟期的汽车制造企业供应链韧性的提升效果更为显著。基于此,汽车制造企业应加大人工智能技术的研发投入,积极寻求跨界合作,深化人工智能技术应用,强化供应链韧性建设。激发团队创新活力,加强培训与研讨,优化企业组织结构,重视动态能力培养,搭建技术融合桥梁。推动技术创新与产品升级,强化品牌建设,提升汽车制造企业市场地位,驱动人工智能技术精准赋能。倡导差异化人工智能技术应用策略,加速智能化转型,推动人工智能技术与供应链管理的深度融合,全面提升汽车制造企业供应链韧性。
-
关键词
人工智能技术
供应链韧性
汽车制造业
动态能力
-
Keywords
artificial intelligence technology
supply chain resilience
automobile manufacturing industry
dynamic capabilities
-
分类号
F252.21
[经济管理—国民经济]
-
-
题名矸石山不同侵蚀微地貌土壤种子库研究
- 2
-
-
作者
王东丽
王歆然
张野
姜聚宇
周志伟
定春健
-
机构
辽宁工程技术大学环境科学与工程学院
辽宁工程技术大学矿山重大灾害防治与环境修复协同创新中心
辽宁工程技术大学矿业学院
国能宝日希勒能源有限公司
-
出处
《生态学报》
北大核心
2025年第8期3898-3906,共9页
-
基金
辽宁省高校基本科研业务费项目(LJ212410147039)
矿山重大灾害防治与环境修复协同创新中心开放课题(CXZX-2024-14)
辽宁工程技术大学第四批青年教师提升计划-拔尖人才项目。
-
文摘
微地貌在恶劣生境中通常对立地条件与生物资源进行重塑与再分配,风化矸石山坡面由于水力侵蚀广布着细沟和浅沟等微地貌。为探明矿区侵蚀微地貌是否通过影响土壤种子库而影响植物定居,选取辽西风化矸石山坡面上的裸坡、细沟和浅沟作为研究对象,研究不同微地貌土壤种子库的输入与输出特征及其动态,探讨其对植物更新及定居的贡献。结果表明:(1)辽西风化矸石山坡面的土壤种子库总密度在不同微地貌中表现为细沟>裸坡>浅沟,分别为4904.86粒/m^(2)、4561.87粒/m^(2)和3395.48粒/m^(2),均以一年生草本植物为主;不同微地貌的土壤种子库输入在坡位与垂直土层表现迥异。(2)在不同微地貌中,萌发幼苗密度和物种数表现为浅沟>细沟>裸坡,幼苗密度分别为172.74株/m^(2)、86.41株/m^(2)、23.00株/m^(2),且在下坡位高于上坡位。(3)三种微地貌内的土壤种子库输出率表现为浅沟>细沟>裸坡,分别为6.55%、3.36%、2.00%,且具有时空一致性,均在六月最大,在下坡位高于上坡位。综上所述,细沟利于土壤种子库的输入,浅沟则利于输出,在植被恢复实践中,可借鉴不同微生境的优势在矿区废弃地坡面构建微地貌人工引导植被有效恢复。
-
关键词
矸石山
裸坡
细沟
浅沟
土壤种子库
种子输出特征
植被恢复
-
Keywords
gangue dump
bare slope
rill
shallow gully
soil seed bank
seed output characteristic
vegetation restoration
-
分类号
S154.4
[农业科学—土壤学]
-
-
题名基于响应曲面模型矿区3种植物种子萌发生态位研究
- 3
-
-
作者
李佳欣
王东丽
赵晓亮
姜聚宇
沈海鸥
-
机构
辽宁工程技术大学环境科学与工程学院
辽宁工程技术大学矿山重大灾害防治与环境修复协同创新中心
辽宁工程技术大学矿业学院
吉林农业大学资源与环境学院
-
出处
《生态学报》
北大核心
2025年第19期9727-9738,共12页
-
基金
辽宁省高校基本科研业务费项目(LJ212410147039)
国家自然科学基金资助项目(41701325)
+1 种基金
矿山重大灾害防治与环境修复协同创新中心开放课题(CXZX-2024-14)
辽宁省自然基金联合基金计划项目(2025-Z0008)。
-
文摘
以苜蓿、狗牙根和黑麦草为对象,采用人工模拟萌发胁迫实验,利用Central Composite Design(CCD)进行实验设计和双因素方差分析,构建种子萌发对水热胁迫的响应模型,量化萌发生态位宽度,进而探讨其对矿区植被恢复的指导意义。结果表明:采用响应面法建立的3个植物种种子萌发响应胁迫的模型具有统计学意义(P<0.05),验证显示模型拟合度良好且预测精度较高(R2>0.85),平均绝对误差(MAE)指数均低于20%,其中狗牙根的模型精确度最高。通过对比Levins与Shannon指数,发现Levins指数能更准确量化萌发生态位宽度,并与95%有效萌发生态位阈值高度一致。三种植物中,狗牙根在高温胁迫下表现出最宽的生态位(温度宽度11.31℃,Levins指数4723.13),显著优于苜蓿和黑麦草,黑麦草则在水分胁迫下生态位较宽(Δ_(w)=10.61%)。因此,狗牙根在高温胁迫环境下作为优选恢复植物种更具明显的萌发成功优势。本研究结果有助于在条件恶劣的矿区基于植物萌发响应胁迫的生态位优选恢复植物种,同时为播种后种子萌发的管理抚育措施提供指导,进而提高生态恢复的成功率。
-
关键词
种子萌发模型
萌发生态位
水热胁迫
植物定居
物种优选
矿区生态恢复
-
Keywords
seed germination model
germination ecological niche
water and heat stress
plant settlement
species selection
ecological restoration of mining areas
-
分类号
Q948
[生物学—植物学]
-
