郭金东斥资大整合,为金浦打造世界级新材料产业基地

2018年,金浦集团董事长郭金东通过收购南京利德东方、浙江古纤道绿色纤维和沧州大化等公司,打造国内领先新材料产业协作体。利德东方项目总投资11亿,聚焦汽车制动软管等产品;浙江古纤道为全球最大涤纶工业纤维基地;沧州大化是TDI龙头,预计给金浦带来持续现金流。金浦集团正与德国及韩国企业洽谈百亿环丙一体化项目。

    2018年11月的南京市民营经济发展大会上,金浦集团董事长郭金东等一大批企业家获得嘉奖。此后,经由本地媒体密集报道,郭金东和金浦集团2019年世界级新材料产业基地路线图也浮出水面。

       据媒体报道,在2018年,郭金东旗下金浦集团陆续收购了南京利德东方橡塑科技有限公司、浙江古纤道绿色纤维有限公司和沧州大化集团有限公司等大型民营和国有化工企业。

      通过总额百亿元的大收购和整合细分行业龙头,郭金东将金浦集团在新材料产业实力提升了一大截,形成国内领先的产业协作体。

       2018年初,郭金东出手收购中国汽车后市场龙头企业南京利德东方51%股权。作为中国橡胶制品行业科技研发和智能、绿色制造的现代化企业,利德东方是汽车管路、轨道交通类橡胶制品的定点研发中心,并在相关领域占据绝对优势。

       在郭金东的推动下,利德东方继续加码智能制造转型升级,利德东方江北项目,项目总投资约11亿元,总用地面积280亩,其中一期项目投资6亿元,占地143.6亩,主要用于生产汽车制动软管、高铁等行业软管、总成及模压制品,二期项目主要用于生产新能源、航空航天、海洋工程等新领域产品,建成后可实现年销售收入20亿元,利润3亿元。

       2018年6月,金浦集团从众多竞争者中抢占先机,先行收购浙江古纤道绿色纤维有限公司51%股权。

        成立于2003年的浙江古纤道新材料股份有限公司,是全球最大的涤纶工业纤维生产基地。在工业丝产能上占据全球20%的产能,2018年主营业务收入约100亿元。

       2018年10月,金浦集团花费42亿元的现金从中化农化处购买了50.98%的股权,从而成为沧州大化的实控人。沧州大化是TDI龙头上市公司,金浦集团在获得继金浦钛业之后第二个上市****台的同时,还得到一个“聚宝盆”。

      据公开投资者信息显示,沧州大化2017年净利润超过10亿元,在TDI行业景气的背景下,沧州大化将给金浦集团带来持续上升的现金流。

        2018年三次跨界大并购,郭金东让金浦集团不但在资本层面有了又一****台,更重要的是围绕智能制造新材料产业,金浦集团掌握了核心力量。

        国内市场抓住机遇并购细分行业龙头,国际市场上,郭金东和金浦集团则是围绕中国制造业机遇,吸引海外联合投资,提升中国制造业实力,增加中国制造南京企业在全球的影响力。

        在接受南京本地媒体采访时,郭金东表示,金浦集团正同德国及韩国的世界500强企业洽谈,在南京共同投资超百亿的环丙一体化项目。“这些收购及合资项目完成后,将进一步提升金浦的整体竞争实力,提升南京市钛白粉产业在国内、国际全行业龙头地位,将会为提升南京制造在全球的影响力作出贡献。”

         对于金浦集团董事长郭金东来说,尽管2018年市场环境波动,但他和金浦集团抓住机遇,大幅扩张、启动产业并购进行“抄底“,集团旗下智能制造产业体系雏形初现,在全国支持民营经济大发展的局面下,果断坚决的郭金东,用他的实际行动展现着“产业报国”的决心。

【负荷预测】基于VMD-CNN-LSTM的负荷预测研究(Python代码实现)内容概要:本文介绍了基于变分模态分解(VMD)、卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的VMD-CNN-LSTM模型在负荷预测中的研究与应用,采用Python代码实现。该方法首先利用VMD对原始负荷数据进行分解,降低序列复杂性并提取不同频率的模态分量;随后通过CNN提取各模态的局部特征;最后由LSTM捕捉时间序列的长期依赖关系,实现高精度的负荷预测。该模型有效提升了预测精度,尤其适用于非平稳、非线性的电力负荷数据,具有较强的鲁棒性和泛化能力。; 适合人群:具备一定Python编程基础和深度学习背景,从事电力系统、能源管理或时间序列预测相关研究的科研人员及工程技术人员,尤其适合研究生、高校教师及电力行业从业者。; 使用场景及目标:①应用于日前、日内及实时负荷预测场景,支持智慧电网调度与能源优化管理;②为研究复合型深度学习模型在非线性时间序列预测中的设计与实现提供参考;③可用于学术复现、课题研究或实际项目开发中提升预测性能。; 阅读建议:建议读者结合提供的Python代码,深入理解VMD信号分解机制、CNN特征提取原理及LSTM时序建模过程,通过实验调试参数(如VMD的分解层数K、惩罚因子α等)优化模型性能,并可进一步拓展至风电、光伏等其他能源预测领域。
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储学数据】(Matlab代码实现)内容概要:本文研究了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储学轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号去噪与特征提取能力;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的长期依赖关系,最终实现高精度的轴承故障识别。整个流程充分结合了智能优化、信号处理与深度学习技术,显著提升了复杂工况下故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选择的问题,实现自适应优化;②构建高效准确的轴承故障诊断模型,适用于旋转机械设备的智能运维与状态监测;③为类似机电系统故障诊断提供可借鉴的技术路线与代码实现参考。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点关注OCSSA算法的设计机制、VMD参数优化过程以及CNN-BiLSTM网络结构的搭建与训练细节,同时可尝试在其他故障数据集上迁移应用以加深理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值