国际收支理论有弹性分析法，乘数分析法，吸收分析法和货币分析法。汇率变动通过国内外产品之间、本国生产的贸易品与非贸易品之间的相对价格变动,影响一国出口供给和需求,从而作用国际收支

1联系原子核外电子运动的特征,了解波函数、四个量子数和电子云的基本概念,了解波函数和电子云的角度分布示意图。 2掌握周期系元素的原子的核外电子分布的一般规律及其与周期表的关系,明确原子(及离子)的外层电子分布和元素分区的情况。联系原子结构了解元素的某些性质的一般递变情况

3-1概述 3-2平面四杆机构的基本类型及其演化 3-3平面四杆机构有曲柄的条件及几个基本概念 3-4平面连杆机构的运动分析 3-5平面连杆机构的力分析和机械效率 3-6平面四杆机构的设计 3-7机器人操作机——开式链机构及其运动分析

第一章 绪论 第二章 地质体的基本产状及沉积岩层构造 第三章 应力分析基础 第四章 应变分析基础 第六章 劈理（cleavage） 第七章 线理（lineation） 第八章 褶皱的几何分析 第九章 褶皱的成因分析 第十章 节理 第十一章 断层概论 第十二章 伸展构造 第十三章 逆冲推覆构造 第十四章 走向滑动断层

教学目的 介绍运筹学各分支体系的基本模型 、求解方法;引导并锻练学生用运筹学知识定量分析与解决实际问题的能力。 教学方法 以各种实际问题为背景,引出各分支基本概念、基本模型和基本方法,侧重各种方法及应用,回避繁复的数学理论推导。 运用软件教学,并让学生掌握这类软件。 分组进行案例分析与讨论

§1 概述 §2 时序逻辑电路的分析 §3 寄存器 §4 计数器的分析 §5.4 计数器的设计

采用调频连续波（Frequency modulated continuous wave, FMCW）雷达实现非接触式生理信号检测，并提出了基于小波分析和自相关计算（Wavelet analysis and autocorrelation computation, WAAC）的检测方法。首先，毫米波FMCW雷达发射电磁波信号，并接收来自身体的反射信号。然后，通过信号预处理从中频信号中提取包含呼吸和心跳的相位信息，消除直流偏置并完成相位解缠。最后，基于小波包分解（Wavelet packet decomposition, WPD）从原始信号中得到心跳和呼吸信号，利用自相关计算减小杂波对心跳信号的影响，进而提取高精度的心率参数。应用FMCW雷达对10名受试者进行实验测试，结果表明本文方法得到的呼吸和心率的平均绝对误差率平均值分别小于1.65%和1.83%

以碳热预还原和氢气深还原两步制备的纳米钨粉作为烧结原料，即先通过碳黑还原脱除三氧化钨中的大部分氧，再以氢还原脱除残留的氧。该方法制备的钨粉颗粒呈球形形貌，平均晶粒度可达90 nm。同时，向钨粉中掺杂质量分数为1%和2%的氧化铝，探究了氧化铝对钨粉烧结行为的影响。通过烧结样品的断口形貌和晶粒的平均尺寸分析发现，氧化铝对烧结后期的晶粒长大有明显的抑制作用，相同的烧结温度下晶粒的尺寸随着氧化铝含量的上升而减小。在1600 ℃时，纯钨粉烧结坯的晶粒平均尺寸为2.75 μm，但添加质量分数为1%和2%氧化铝的烧结样品晶粒平均尺寸约为1.5 μm，这是由于氧化铝能有效地抑制烧结后期的钨粉晶粒长大。纯钨粉和掺杂氧化铝钨粉的烧结坯的硬度随温度升高具有不同的趋势。掺杂钨粉烧结坯的硬度随着温度的升高而升高，且其最大值高于800 HV。但是，纯钨粉烧结坯的硬度随烧结温度增加而先增加后降低，在1400 ℃时取得最大值（473.6 HV），这是由纯钨粉烧结坯的晶粒在高温下急剧长大所导致。在烧结温度为1600 ℃时，纯钨粉、掺杂质量分数1%和2%的氧化铝掺杂的钨粉的烧结坯的相对密度依次为98.52%、95.43%和93.5%

本书分成五章。第一章是仿真，讲述环境工程过程的仿真即过程建模及求解的方法，并介绍活性污泥过程、二沉池二维流态等模型的建模和求解过程。第二章是过程控制，讲述反馈控制系统的控制规律及自动化仪表，并介绍污水处理主要设施的自动控制方法。第三章是动态分析，讲述如何导出过程的传递函数，以及如何利用传递函数对环境工程的过程动态进行定性和定量的分析。第四章是人工智能，重点介绍神经网络、专家系统和模糊控制的理论及在环境工程仿真与控制中的应用。第五章是复杂控制系统，介绍串级、分程、比值、前馈、选择性和非线性控制系统，以及在环境工程过程控制中的应用

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50%、57.5%、70%和72.5%;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85%和82.5%,且该模型具有极快的运算时间,仅需0.1 s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法