关于高管变更的公告

罗莱家纺 罗莱家纺股份有限公司公告(2011)

证券代码：002293 证券简称：罗莱家纺 公告编号：2011-017 罗莱家纺股份有限公司 关于董事、高管人员辞职的公告 公司董事会于近日收到公司董事詹益先生提交的辞职报告，詹益先生因健康原因，请求辞去其所担任的罗莱家纺股份有限公司董事和副总裁职务。詹益先生辞去上述职务后不再在本公司任职。 鉴于詹益先生的辞职未导致公司董事会人数低于法定最低人数要求，根据《公司章程》的有关规定，詹益先生的辞职自辞职报告送达董事会之日（2011年10月10日）起生效。公司董事会将按有关程序对公司章程中有关董事会组成人数作相应修改。 公司董事会对詹益先生在任职期间所做的工作表示感谢。 特此公告 罗莱家纺股份有限公司董事会 二○一一年十月十二日 本公司及董事、监事和高级管理人员保证公告内容的真实、准确和完整，没有虚假记载、误导性陈述或者重大遗漏，并对其内容的真实性、准确性和完整性承担个别及连带法律责任。

证券代码：601778 证券简称：晶科科技 公告编号：2021-090

晶科电力科技股份有限公司

关于会计估计变更的公告 本公司董事会及全体董事保证本公告内容不存在任何虚假记载、误导性陈述

或者重大遗漏，并对其内容的真实性、准确性和完整性承担个别及连带责任。 重要内容提示:  本次会计估计变更自2021年4月1日起执行，采用未来适用法进行会

计处理，无需追溯调整，不会对公司2020年及以前各年度财务状况和经营成果

产生影响。  本次会计估计变更预计将使公司2021年度固定资产折旧费用减少约人

民币946.77万元，2021年度利润总额增加约人民币946.77万元（实际金额以

2021年度审计结果为准）。 一、概述

为更加公允地反映公司资产的真实状况，提高会计信息质量，根据《企业会

计准则》的有关规定，同时参考同行业企业相关资产折旧政策，晶科电力科技股

份有限公司（以下简称“公司”）拟根据持有的各光伏电站使用双玻组件的比例，

对光伏电站资产预计使用年限进行重新确定，其中，双玻组件的使用比例达到该

电站实际装机容量50%以上（含）的光伏电站资产的折旧年限调整为25年，未达

到50%的光伏电站资产维持目前执行的20年折旧年限不变。以上调整自2021年4

月1日起执行。

公司于2021年8月19日召开第二届董事会第二十二次会议，以9票同意，0票

反对，0票弃权的表决结果审议通过了《关于会计估计变更的议案》。根据《上海

证券交易所股票上市规则》的有关规定，本议案无需提交公司股东大会审议。

二、具体情况及对公司的影响

（一）变更原因和内容

在光伏电站建设中，光伏组件作为光伏发电的核心，其选型是决定光伏电站发电效率、使用寿命的重要因素。根据结构形式不同，光伏组件可分为双玻组件

和单玻组件。双玻组件相比单玻组件具有衰减率低、发电性能好、耐磨性高、生

命周期长的特点，市场上双玻组件的功率质保期通常为30年，单玻组件的功率质

保期一般为25年。双玻组件以其技术性能优势和性价比更高的特点，目前已逐渐

招商证券股份有限公司

关于“招商证券基金宝集合资产管理计划”

变更投资主办人公告

招商证券基金宝集合资产管理计划（以下简称“基金宝”）原投资主办人郭志江因工作岗位调整，不再担任基金宝投资主办人。经招商证券股份有限公司2006年第26次总裁办公会议审议通过，决定由投资管理部高级投资经理任向东担任基金宝的投资主办人。上述事项我公司已向中国证券监督管理委员会报告。

特此公告。

附：任向东简历

任向东，男，1973年10月出生。东北财经大学经济学硕士，注册会计师（非执业），具有8年证券从业经历。曾就职于申银万国证券股份有限公司和大鹏证券有限公司从事研究工作。2001年8月进入招商证券股份有限公司资产管理部，历任投资经理、高级投资经理。

招商证券股份有限公司

2006年9月14日

８２０　大地测量与地球动力学　２０１５年ｌ０月　

［１Ｏ］　

［１１］　

［１２］　４０８　４１１（Ｔａｎｇ　Ｊｕｎ，Ｙａｏ　Ｙｉｂｉｎ，Ｃｈｅｎ　Ｐｅｎｇ，ｅｔ　ａ１．Ｕｓｉｎｇ　ｔｈｅ　ＥＭＤ　Ｍｅｔｈｏｄ　ｔｏ　Ｉｍｐｒｏｖｅ　ｔｈｅ　Ｉｏｎｏｓｐｈｅｒｅ　ＴＥＣ　Ｆｏｒｅｃａｓｔ　Ｍｏｄｅｌ［Ｊ］．Ｇｅｏｍａｔｉｃｓ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ｏｆ　Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，２０ｌ３，３８（４）：４０８—４１１）　张恒璩，程鹏飞．基于经验模态分解的ＣＯＲＳ站高程时间　序列分析［Ｊ］．大地测量与地球动力学，２０１２，３２（３）：１２９—　１　３４（Ｚｈａｎｇ　ＨｅｎｇＪｉｎｇ，Ｃｈｅｎｇ　Ｐｅｎｇｆｅｉ．Ｔｈｅ　ＣＯＲＳ　Ｓｔａｔｉｏｎ　Ｅｌｅｖａｔｉｏｎ　Ｔｉｍｅ　Ｓｅｒｉｅｓ　Ａｎａｌｙｓｉｓ　Ｂａｓｅｄ　ｏｎ　Ｅｍｐｉｒｉｃａｌ　Ｍｏｄｅ　Ｄｅｃｏｍｐｏｓｉｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｇｅｏｄｅｓｙ　ａｎｄ　Ｇｅｏｄｙｎａｍｉｃｓ，　２０１２，３２（３）：１２９一ｌ　３４）　Ｙｅｖｊｅｖｉｃｈ　Ｖ．Ａｎ　Ｏｂｊｅｃｔｉｖｅ　Ａｐｐｒｏａｃｈ　ｔｏ　Ｄｅｆｉｎｉｔｉｏｎｓ　ａｎｄ　Ｉｎ　ｖｅｓｔｉｇａｔｉｏｎｓ　ｏｆ　Ｃｏｎｔｉｎｅｎｔａｌ　Ｈｙｄｒｏｌｏｇｉｃ　Ｄｒｏｕｇｈｔｓ［－Ｍ］．Ｄｅｎ—　ｖｅｒ：Ｃｏｌｏｒａｄｏ　Ｓｔａｔｅ　Ｕｎｉｖｅｒｓｉｔｙ，１９６７　郑志成，徐卫亚，徐飞，等．基于混合核函数ＰＳＯ—Ｉ　ＳＳＶＭ　的边坡变形预测［Ｊ］．岩土力学，２Ｏ１２，３３（５）：１　４２１　１　４２６　（Ｚｈｅｎｇ　Ｚｈｉｃｈｅｎｇ，Ｘｕ　Ｗｅｉｙａ，Ｘｕ　Ｆｅｉ，ｅｔ　ａ１．Ｔｈｅ　Ｓｌｏｐｅ　Ｄｅ—　ｆｏｒｍａｔｉｏｎ　Ｐｒｅｄｉｃｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　ｔｈｅ　Ｍｉｘｅｄ　Ｋｅｒｎｅ１　Ｆｕｎｃｔｉｏｎ　ｏｆ　［１３］　ＰＳＯ—ＬＳＳＶＭ［Ｊ］．Ｒｏｃｋ　ａｎｄ　Ｓｏｉｌ　Ｍｅｃｈａｎｉｃｓ，２０ｌ　２，３３（５）：　１　４２１—１　４２６）　徐伟，何金平．基于多尺度小波分析的大坝变形自嘲归预　测模型＿Ｊ］．武汉大学学报：工学版，２Ｏ１　２，４５（３）：２８５　２８９　（Ｘｕ　Ｗｅｉ，Ｈｅ　Ｊｉｎｐｉｎｇ．Ｔｈｅ　Ｐｒｅｄｉｃｔｉｏｎ　Ｍｏｄｅｌ　ｏｆ　１）ａｍ　１）ｅ　ｆｏｒｍａｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　ｔｈｅ　Ｍｕｌｔｉ——Ｓｃａｌｅ　Ｗａｖｅｌｅｔ　Ａｎａｌｙｓｉｓ　Ｒｅ—　ｇｒｅｓｓｉｏｎ［Ｊ］．Ｅｎｇｉｎｅｅｒｉｎｇ　Ｊｏｕｒｎａｌ　ｏｆ　Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，　２０１２，４５（３）：２８５－２８９）　Ｉ　ｉｕ　Ｘ　Ｉ　，Ｊｉａ　Ｄ　Ｘ，Ｌｉ　Ｈ．Ｒｅｓｅａｒｃｈ　ｏｎ　Ｋｅｒｎｅｌ　Ｐａｒａｍｅｔｅｒ　Ｏｐｔｉｍｉｚａｔｉｏｎ　ｏｆ　Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ　ｉｎ　Ｓｐｅａｋｅ　ｒ　Ｒｅｃｏｇ　ｎｉｔｉｏｎＥＪ］．Ｓｃｉｅｎｃｅ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，２Ｏ　１　０，１　０　（７）：１　６６９－１　６７３　［１　５］姜成科．基于遗传算法的神经网络在大坝变形预报ｌ｝｜的应　用［Ｄ］．大连：大连理工大学，２００９（Ｊｉａｎｇ　Ｃｈｅｎｇｋｅ．Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　Ｂａｓｅｄ　ｏｎ　Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｔｈｍ　ｉｎ　ｔｈｅ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｄａｍ　Ｄｅｆｏｒｍａｔｉｏｎ　Ｆｏｒｅｃａｓｔ［Ｄ］．Ｄａｌｉａｎ：Ｄａｌｉａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，２００９）　Ａ　Ｎｏｖｅｌ　Ｍｕｌｔｉ—Ｓｔｅｐ　Ｐｒｅｄｉｃｔｉｏｎ　ｆｏｒ　Ｄａｍ　Ｄｅｆｏｒｍａｔｉｏｎ　Ｐｒｅｄｉｃｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　ＥＥＭＤ　ＲＥＮ　Ｃｈａｏ　’　ＬＩＡＮＧ　Ｙｕｅｊｉ　’　ＰＡＮＧＧｕａｎｇｆｅｎｇ　・　ＬＡＮ　Ｌａｎ　＇。ＴＡＮＧ　Ｌｉ　，　ｌ　Ｃｏｌｌｅｇｅ　ｏｆ　Ｇｅｏｍａｔｉｃｓ　ａｎｄ　Ｇｅｏｉｎｆｏｒｍａｔｉｏｎ，Ｇｕｉｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，１　２　Ｊｉａｎｇａｎ　Ｒｏａｄ，Ｇｕｉｌｉｎ　５，ｔ　１００４，Ｃｈｉｎａ　２　Ｇｕａｎｇｘｉ　Ｋｅｙ　Ｉ　ａｂｏｒａｔｏｒｙ　ｏｆ　Ｓｐａｔｉａｌ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｇｅｏｍａｔｉｃｓ，１２　Ｊｉａｎｇａｎ　Ｒｏａｄ，Ｇｕｉｌｉｎ　５４１００４，Ｃｈｉｎａ　Ａｂｓｔｒａｃｔ：Ｍｕｌｔｉ—ｓｔｅｐ　ｐｒｅｄｉｃｔｉｏｎ，ａ　ｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｅｎｓｅｍｂｌｅ　ｅｍｐｉｒｉｃａｌ　ｍｏｄｅ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ　（ＥＥＭＤ）ｆｏｒ　ｄａｍ　ｄｅｆｏｒｍａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ，ｉｓ　ｐｒｅｓｅｎｔｅｄ．Ｆｉｒｓｔｌｙ，ｓｔａｒｔｉｎｇ　ｆｒｏｍ　ｔｈｅ　ｔｉｍｅ　ｆｒｅｑｕｅｎｃｙ　ａｎａｌ—　ｙｓｉｓ，ｗｉｔｈ　ｔｈｅ　ｕｓｅ　ｏｆ　ａ　ｃｏｌｌｅｃｔｉｏｎ　ｏｆ　ｅｍｐｉｒｉｃａｌ　ｍｏｄｅ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ｄｅｆｏｒｍａｔｉｏｎ　ｔｉｍｅ　ｓｅｒｉｅｓ　ａｒｅ　ｂｒｏｋｅｎ　ｄｏｗｎ　ｉｎｔｏ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｃｏｍｐｏｎｅｎｔｓ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｆｒｅｑｕｅｎｃｉｅｓ．Ｓｅｃｏｎｄｌｙ，ｒｕｎ—ｄｅｔｅｒｍｉｎａｔｉｏｎ　ａｃｔ　ｉｓ　ｕｓｅｄ　ｔｏ　ｒｅｃｏｎｓｔｒｕｃｔ　ｖｏｌａｔｉｌｉｔｙ　ｃｏｍｐｏｎｅｎｔｓ　ｓｉｍｉｌａｒ　ｔｏ　ｈｉｇｈ，ｍｅｄｉｕｍ　ａｎｄ　ｌｏｗ　ｏｎｅｓ．Ｔｈｉｓ　ｉｓ　ｅｆｆｅｃｔｉｖｅ　ｉｎ　ｃｅｎ—　ｔｒａｌｉｚｉｎｇ　ｍｏｄｅｌ　ｐｒｅｄｉｃｔｉｖｅ　ｆｅａｔｕｒｅ　ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　ｒｅｄｕｃｉｎｇ　ｔｈｅ　ｄｉｆｆｉｃｕｌｔｙ．Ｆｉｎａｌｌｙ，ｍｕｌｔｉ—ｓｔｅｐ　ｐｒｅｄｉｃ　ｔｉｏｎ　ｍｏｄｅｌ　ｏｆ　ｔｈｅ　ｔｈｒｅｅ　ｉｓ　ｅｓｔａｂｌｉｓｈｅｄ　ｓｅｐａｒａｔｅｌｙ　ａｎｄ　ｔｈｅ　ｐｒｅｄｉｃｔｉｖｅ　ｖａｌｕｅｓ　ａｒｅ　ｏｖｅｒｌａｙｅｄ　ａｓ　ｔｈｅ　ｆｉ　Ｆｌａｌ　ｐｒｅｄｉｃｔｉｏｎ　ｒｅｓｕｌｔ．Ｔｈｅ　ｃａｌｃｕｌａｔｉｏｎ　ｒｅｓｕｌｔ　ｉｓ　ａｎａｌｙｚｅｄ　ａｎｄ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｔｈｅ　ＡＲ　ｍｏｄｅｌ，ＢＰ　ｎｅｕｒａｌ　ｎｅｔ～　ｗｏｒｋ　ａｎｄ　ＳＶＭ．Ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ，ｄｉｆｆｅｒｅｎｔ　ｐｒｅｄｉｃｔｉｏｎ　ｖｅｒｉｆｉｃａｔｉｏｎ　ｉｎｓｔｒｕｃｔｉｏｎｓ　ａｒｅ　ｅｓｔａｂｌｉｓｈｅｄ　ｔｏ　ｐｒｏｖｅ　ｏｕｒ　ａｌｇｏｒｉｔｈｍ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｐｒｅｄｉｃｔｉｏｎ　ａｃｃｕｒａｃｙ　ｏｆ　ＥＥＭＤ　ｉｓ　ｈｉｇｈｅｒ；ｉｔ　ｃａｎ　ｇｕａｒａｎ—　ｔｅｅ　ｂｅｔｔｅｒ　ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　ｄａｍ　ｄｅｆｏｒｍａｔｉｏｎ　ｉｎ　ｖｏｌａｔｉｌｅ　ｐｅｒｉｏｄｓ；ｉｔ　ｉｓ　ｆｅａｓｉｂｌｅ　ｔｏ　ａｐｐｌｙ　ｔｏ　ｄａｍ　ｄｅｆｏｒｍａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｄａｍ　ｄｅｆｏｒｍａｔｉｏｎ；ｅｎｓｅｍｂｌｅ　ｅｍｐｉｒｉｃａｌ　ｍｏｄｅ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ；ｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ　ｍａｃｈｉｎｅｓ；ＡＲ　ｍｏｄｅｉ：ｍｕｌｔｉ—ｓｔｅｐ　ｐｒｅｄｉｃｔｉｏｎ