New energy demonstration city (NEDC) projects are significantly driving changes in energy structures and sustainable economic development. Corporate green technology innovation is key to achieving an alternative to our current energy use. To explore whether the NEDC project can help to improve companies' green innovation capabilities, this paper presents the dual differential model (DID) to conduct empirical research on panel data in 285 prefecture-level and above cities in China from 2008 to 2020. The DID model is arguably the most adequate for addressing the issue of endogenous problems. The research shows that the NEDC project has improved corporate green innovation capability; the findings of mechanism analysis show that NEDC projects have incited an upgrading of the local urban industrial structure and thereby improved corporate green innovation. The policy effect of NEDC projects obviously shows "insufficient momentum"; the heterogeneity test found that the promotion effect of NEDC projects for corporate green innovation in eastern cities, major cities, large-scale companies and energy-dependent industries is more significant. Based on the conclusions and heterogeneous characteristics for promoting corporate green innovation capability, the government should roll out further NEDC projects in a systematic way and more closely monitor the quality of such new energy demonstration cities.

The equilibrium balking behavior of customers and some effective regulation measures in a multi-server queueing system with a threshold policy are mostly investigated in this paper. We consider four information levels: entirely visible, nearly visible, nearly invisible and entirely invisible. For each case, we compare the equilibrium and socially optimal balking strategies of customers, formulate pricing strategy and analyze the revenue of the system manager. It is found that no matter what information level, there always exist the optimal thresholds that maximize the optimal social welfare and the system manager's revenue, respectively. Moreover, how much information the customers know has influence on the optimal social welfare. Such findings can provide guidance for the social planner to formulate pricing strategies, make appropriate threshold policies and decide what information should be disclosed to customers to improve the optimal social welfare.

This paper investigates the distribution characteristics of earth pressure on circular caisson foundations in soft soil areas based on practical engineering considerations. Utilizing a three-dimensional numerical analysis model and a displacement-based method for earth pressure calculation, the lateral earth pressure on the retaining structure is examined. Adjustments are made to the distribution pattern of earth pressure on circular caisson foundations in soft soil areas. The study demonstrates that the radius of the caisson significantly influences the spatial distribution of soil pressure. Additionally, empirical formulas for the depth and radius of the reduction in soil pressure around circular caisson foundations are obtained through the research. Comparative analysis reveals that the modified earth pressure planar foundation beam method, which accounts for the arching effect, is simpler, features more mature parameter selection, and is more cost-effective than the three-dimensional finite element method. In comparison to the standard planar elastic foundation beam method for earth pressure, it aligns more closely with the actual direction of displacement.

Vanilla (Vanilla planifolia Andrews) is a valuable orchid spice cultivated for its highly priced beans. Vanilla has been planted in Hainan province of China via cutting propagation for about 40 years. The yield has been decreasing annually for the past ten years due to pod numbers declining significantly even though it seems to grow normally without disease symptoms, while the reason is still unknown. In this study, we found that Cymbidium mosaic virus (CymMV), one of the most devastating viruses causing losses in the vanilla industry, massively presented within the pods and leaves of vanilla plants, so the virus infecting the vanilla seems to be a highly probable hypothesis of the main contributions to low yield via decreasing the number of pods. This represents the first speculation of CymMV possibly affecting the yield of vanilla in China, indicating the important role of virus elimination in restoring high yield in vanilla. This research can also serve as a warning to important economic crops that rely on cuttings for propagation, demonstrating that regular virus elimination is very important for these economically propagated crops through cuttings.

Cultural heritage sites play a significant role in shaping urban development, yet their impact on key urban outcomes remains underexplored. This study investigates how the number and proximity of heritage sites influence development through an analysis across 371 Chinese cities. Using a range of urban metrics, including population density, building height, urban form complexity, and green space accessibility, we find that cities with more heritage sites tend to exhibit lower population density (−0.168) and building height (−0.0314), respectively. These cities also show more complex urban forms and irregular city layouts, potentially caused by heritage preservations. We also analyze the impact of heritage sites on green accessibility, revealing that cities with more heritage sites have a higher green area per capita and better access to green spaces. Furthermore, our analysis of urban growth from 2000 to 2020 highlights the positive relationship between heritage sites and population growth (0.223), as well as the potential trade-offs between heritage preservation and GDPPC growth (−0.865). Our findings underscore the positive impacts of cultural heritage on urban development as well as address its potential trade-offs, highlighting the need for urban planning strategies that balance heritage preservation with sustainable growth and equitable access to green spaces.

Abstract Polydimethylsiloxane (PDMS) is the most studied organosilicon polymer, finding broad applications in soft lithography of microfluidic devices, wearable electronics insulation, medical tubing, shielding coatings, and sealant elements. However, their cross‐linked forms swell severely in nonpolar oils due to the comparable solubility parameters. Here, an oil‐stable cross‐linked PDMS discovered by grafting flexible PDMS chains onto its polymeric networks is reported, which enables surface‐exposed chains with high dynamics. It is found that the synergetic effect of mobile nanopore filling and quasi‐liquid lubrication of PDMS brushes endows the cross‐linked matrix with a reduced oil absorption ratio of up to 91.7% without altering its surface composition. Moreover, stretching polymeric networks can be re‐arranged with an adequate grafting of PDMS chains, further enhancing the antipenetration performance. This discovery of the oil‐stable surface configuration of cross‐linked PDMS breaks the constraint of siloxane elastomers not being applicable in nonpolar soluble liquid, opening a new era of research in organosilicon chemistry.

With the rapid development of e-commerce, malicious accounts have become a threat, especially in the business field. Therefore, how to efficiently detect malicious accounts has become one an important issue requiring resolution. Present research on malicious detection mainly uses the basic statistics of the original data to build models, and ignores malicious activities in the business field. To address the context-independent nature of business activities and their lack of social structure, this study constructs an online model for detecting malicious accounts in the business field based on a stacking ensemble strategy with BiGRU-Conv1D-Capsule, XGBoost, and LightGBM as individual learners and AdaBoost as a meta-learner. Experimental results show that the stacking ensemble model constructed in this study has better predictive power than the typical shallow learning and baseline deep learning models. In addition to the basic feature, the behavior sequence of users is also applied in the proposed model. Overall, our experiments based on a real dataset from a financial platform show that the TPR, AUC, and F1 of the stacking ensemble model can reach 0.8258, 0.9860, and 0.8922 respectively, which outperforms all baseline models.

Traffic flow prediction can provide important reference data for managers to maintain traffic order, and can also be based on personal travel plans for optimal route selection. On account of the development of sensors and data collection technology, large-scale road network historical data can be effectively used, but their high non-linearity makes it meaningful to establish effective prediction models. In this regard, this paper proposes a dual-stream cross AGFormer-GPT network with prompt engineering for traffic flow prediction, which integrates traffic occupancy and speed as two prompts into traffic flow in the form of cross-attention, and uniquely mines spatial correlation and temporal correlation information through the dual-stream cross structure, effectively combining the advantages of the adaptive graph neural network and large language model to improve prediction accuracy. The experimental results on two PeMS road network data sets have verified that the model has improved by about 1.2% in traffic prediction accuracy under different road networks.