研究了一种方便可靠的夹杂物评估方法：利用合适电化学充氢后的拉伸试样获取夹杂物并与极值统计法相结合估算不同体积钢中非金属夹杂物的最大尺寸并预测疲劳强度。研究选用工业生产的高洁净度20Cr2Ni4A齿轮钢，将淬火+低温回火态的标准拉伸试样进行电化学充氢，使拉伸断口由于氢脆现象存在一些以粗大非金属夹杂物为中心的脆性平台，从而可方便快捷地在扫描电子显微镜下对夹杂物的类型、尺寸和分布进行检测，并利用极值统计法对钢中的最大夹杂物尺寸进行评估。为了验证该方法的准确性，采用传统金相法和旋转弯曲疲劳试验对钢中非金属夹杂物进行了检测，结果表明，使用本文所提出的夹杂物评估方法预测的钢中最大夹杂物尺寸及疲劳强度与疲劳试验结果相吻合。因此，该方法有望成为预测高洁净度高强度钢中最大夹杂物尺寸及其疲劳强度的一种有效方法

在植物病理学发展过程中，曾经把病害在较短时间内突然大面积严重发生从而造成重大损失的过程称为病害的流行，而在定量流行学中则把植物群体的病害数量在时间和空间中的增长都泛称为流行。 植物病害的预测是依据流行学原理和方法估计病害发生时期和数量，指导病害防治或病害管理。 第一节 植物病害的流行 第二节 植物病害的预测

分析了常用的室内空气品质预测方法中存在的问题,根据室内空气品质不满意率 和化学污染物对数评价指标间的线性关系,在室内污染物浓度场预测的基础上提出了一种预 测室内空气品质的新方法。该方法简单可行且能综合体现主、客观评价结果

市场调查是取得直接市场资料的基本方法。通过市场调查，企业管理者可以了解市场行 情，做到心中有数。这不但可以提高经济管理的水平，改善企业的服务质量和提高企业经济 效益；而且还是市场预测必不可少的前提和基础，市场调查为市场预测提供可靠的资料

4.1 模糊控制技术 4.1.1 模糊控制的数学基础 4.1.2 模糊控制原理 4.1.3 模糊控制器设计 4.1.4 模糊控制的特点 4.1.5 模糊控制的应用 4.1.6 模糊控制的现状与发展 4.4.1 内部模型 4.2 神经网络控制技术 4.2.1 神经网络基础 4.2.2 神经网络控制 4.4.2 预测模型 4.3 专家控制技术 4.3.1 专家系统 4.3.2 专家控制介绍 4.3.3 专家控制基本思想 4.3.4 专家控制组织结构 4.4.3 预测控制算法 4.4 预测控制技术 4.5 其它先进控制技术

介绍正在开发的智能化冶金动力学数据库(IDMSKM)中的气/固反应动力学预测子系统KinPreGSR.该子系统以Windows为工作平台,VisualC/C++及Foxpro的采用保证了系统图形化、智能化特征.合理的界面设计将模型的分类、组织与反应体系特征的描述相结合,建立起待预测结果与反应体系间的联系.以碳酸钙的热分解反应为例说明该子系统中气/固反应表观活化能的评估原则和主要方法

碳/碳复合材料作为热防护材料多用在高超声速飞行器鼻锥、机翼前缘等位置。为准确预测其传热及烧蚀响应，采用多场耦合策略，考虑外部流场热化学非平衡效应、固体材料传热以及材料表面烧蚀，建立高超声速气动热环境下碳/碳复合材料的流?热?烧蚀多场耦合模型，预测碳/碳复合材料瞬态温度场分布、烧蚀速率以及烧蚀外形变化等。计算得到材料模型驻点区壁面温度和热流值随着时间的推移发生了显著的变化，初始时刻热流值较大，1 s时驻点热流密度为17.22 MW?m?2，随着时间推移，壁面温度增大，驻点区温度梯度减小，热流值也减小，30 s时驻点热流密度为10.22 MW?m?2。材料模型驻点区的温度较高，材料表面反应活跃，烧蚀较为严重，而模型侧面只发生少量烧蚀，烧蚀前后材料模型外形发生一定的变化，前缘半径增大，30 s时材料驻点烧蚀深度为17.47 mm。结果表明：在高超声速气动热环境下，碳/碳材料模型发生一定的烧蚀后退，导致外部流场以及热载荷发生变化，采用流?热?烧蚀多场耦合模型可有效预测不同时刻材料的传热及烧蚀响应，为热防护系统的设计提供一定的参考

在研究富钴结壳高产区地形特征基础上，以富钴结壳站点地理坐标为中心，获得了一平方公里的海拔高度数值矩阵作为地形特征。使用卷积神经网络的分析方法对数值矩阵进行训练，学习坡度和平整度等区域特征，将富钴结壳站点地形和其他海底地形进行区分。依据训练后获得的模型，对富钴结壳高产区进行预测，取得了较好的预测效果，结合其他因素的影响，可以提高结壳靶区选取的精准度

构成:下推栈,预测分析表,控制程序,输入串 1. 预测分析表 形式:M[A,a]矩阵, AVN,a VT{$} 内容:A→α或出错标志(空白)

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题