黏度是冶金熔渣的基本物理性质，其大小直接影响到反应速率、熔渣分离效果等冶炼过程。通过深入探索熔渣黏度与其结构的关系，在分析熔渣黏度与其(NBO/T)比值（即单个聚合物粒子所拥有的非桥氧数量）相互关系的基础上，本文提出基于（NBO/T）比值的多元熔渣黏度计算模型。首先建立SiO2–∑MxO简单渣系的黏度计算模型，通过拟合纯氧化物和SiO2–MxO二元渣系的黏度数据得到模型参数，拟合平均误差在9%～18.5%之间；随后将该模型扩展至SiO2–Al2O3–∑MxO多元渣系的黏度计算，针对Al2O3在熔渣中同时表现出酸性氧化物和碱性氧化物的特点，在计算SiO2–Al2O3–MxO三元渣系黏度时，将其中的Al2O3拆分为酸性物质和碱性物质来计算（NBO/T）比值和黏度活化能。在SiO2–MxO二元系模型参数的基础上，通过拟合SiO2–Al2O3–MxO三元渣系的黏度数据得到含Al2O3渣系的模型参数，拟合平均误差在10%～25%之间。利用该模型计算了SiO2–Al2O3–CaO–MgO–FeO–Na2O–K2O–Li2O–BaO–SrO–MnO多元复杂渣系及其子体系的黏度值，计算平均误差在25%以内，取得了较好的预报效果。本模型基于熔渣结构理论，并借鉴了经验模型的数据处理方式，在预报效果和适用范围上都优于传统经验模型，在计算方式上比结构模型要简单

浮选回收率是金矿选矿过程重要的生产指标，目前主要是通过人工化验的方法检测获得，人工检测周期较长，造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上，分别采用多元线性回归和BP神经网络的方法，建立了金矿厂浮选回收率的预测模型.预测误差分析表明，BP神经网络预测模型能较好地预测金矿厂的浮选回收率，当预测相对误差在±3%范围内时，模型的预测精度达到91%，对于实际生产具有良好的参考作用

事件史分析 本章将对事件史分析的基本概念和模型进行非技术性的介绍。具体地说,首 先我们将讨论什么是事件历史分析。然后介绍几种广泛使用的事件历史分析的模 型,特别要着重介绍的是离散时间的 logit模型和Cox比例风险模型(Cox pro portional hazards model)。我们将用1988年中国千分之二生育节育抽样调查的数 据来示范如何使用这两种模型,并在本章后面强调一些应该注意的问题。本章的 附录中提供了使用SPSS软件数据处理和估计的步骤

针对锂离子电池荷电状态（Stage of charge，SOC）在线估计精度不高，等效电路模型法估计精度与模型复杂度相矛盾的问题，本文对扩展卡尔曼滤波算法进行了改进，并以电池工作电压、电流为输入，对应等效电路模型法的SOC估计误差为输出，采用极限学习机算法，建立基于输入输出数据的SOC估计误差预测模型，采用物理–数据融合方法，基于误差预测模型，建立了等效电路模型法结合极限学习机的锂离子电池SOC在线估计模型。仿真结果表明，改进扩展卡尔曼滤波算法提高了算法的估计精度，而物理–数据融合的锂离子电池SOC在线估计模型减小了由电压、电流测量所引入的估计误差，克服了等效电路模型法估计精度与模型复杂度之间相矛盾的问题，进一步提高了SOC的估计精度，满足估计误差不超过5%的应用需求

基于CALPHAD技术首先评估了LiF-NaF和LiF-KF两个二元熔盐体系，液相和端际固溶体Halite相均采用Redlich-Kister多项式置换熔体模型描述，模型参数的优化选取实验相平衡数据和热化学数据以及本文根据第一性原理预测的数据.结合文献中已报道的NaF-KF体系的热力学参数，用Muggianu模型扩展至LiF-NaF-KF三元体系，根据三元共晶点的实验数据调整三元交互参数.最终的相图计算结果与绝大部分实验数据和第一原理计算数据吻合较好，由此获得了一套自洽且可靠的热力学参数，其能够准确描述LiF-NaF-KF体系的相平衡与热力学性质

建立数学模型是为了利用它有效地分析、解 决现实问题, 真实世界的背景不容忽视. 通过观察、测量等手段收集的数据来自于现 实世界, 带有我们关注的研究对象的大量信息. 数据作用于模型的形式：

本章要点 1.1数据库系统简介 1.2数据模型与关系数据库(重点) 1.3 Visual FoxPro的安装

电子科技大学：《软件技术基础 Fundamental of Software Technology》课程教学资源（课件讲稿）第四章 数据库 4.2 数据模型

北京化工大学：《计算化学》课程电子教案（课件讲稿）第二章 实验数据的模拟及模型参数的确定

复旦大学：《投资学原理 Investments》课程教学资源（投资试验）Nelson-Siegel 模型数据拟合与估计