1 大气环境污染与大气扩散 2 大气环境影响预测 3 建设项目的大气环境影响识别 4 大气环境影响评价 5 大气环境影响评价预测案例分析

土壤是地球陆地表面具有肥力、能生长植物的疏松表层，由岩石风化而成的矿物质、动植物残体腐解产生的有机质、土壤生物（固相物质）以及水分（液相物质）、空气（气相物质）等组成。本章主要介绍重大建设项目对土壤环境影响的识别、土壤污染和土壤退化的预测和评价方法。 土壤特征和影响土壤环境质量的主要因素 土壤环境影响识别 土壤及其环境现状的调查与评价 土壤环境影响预测 土壤环境影响评价

主要内容： 水环境影响预测模型、水质模型的标定、开发行为对地表水环境影响的识别、地表水环境影响预测与评价、地表水体的污染与自净

本文主要就长江近两年来的污染状况进行了综合评价，对长江主要污染物的来源进行了来源分析，并根据近十年来的数据，利用水质综合指数模型、衰减模型与拟合模型对长江水质的发展状况做了分析预测，由此求出了污水处理量

◼ 1. 相关关系的分析方法 ◼ 2. 一元线性回归的基本原理和参数的最小二乘估计 ◼ 3. 回归直线的拟合优度 ◼ 4. 回归方程的显著性检验 ◼ 5. 利用回归方程进行估计和预测 ◼ 11.1 变量间关系的度量 ◼ 11.2 一元线性回归 ◼ 11.3 利用回归方程进行估计和预测 ◼ 11.4 残差分析

一、什么是 Eviews Eviews (Econometric Views)软件是 QMS（Quantitative Micro Software）公司开发的、基于 Windows 平台下的应用软件，其前身是 DOS 操作系统下的 TSP 软件。Eviews 软件是由经济 学家开发，主要应用在经济学领域，可用于回归分析与预测(regression and forecasting)、时 间序列(Time series)以及横截面数据(cross-sectional data )分析。与其他统计软件（如 EXCEL、 SAS、SPSS）相比，Eviews 功能优势是回归分析与预测，其功能框架见表 1.1

针对传统医疗手段无法有效量化评估手术中不同硅油加注量对于视网膜裂孔贴附效果的问题，本文提出一种面向视网膜脱离手术的硅油填充模拟方法，基于物理建模与计算机数值离散化技术对眼内受力、硅油填充状态进行分析，并对填充模拟过程进行三维模型构建与可视化，实现医疗过程决策辅助目的。首先对人类眼球与手术器具进行基础建模与模型采样，模拟手术流程中眼球状态；然后，根据水与硅油的密度、黏滞系数、表面张力等不同物理性质，对水?硅油两相流动及交互进行模拟；最后，构建固液交互模型，实现多相液体在眼球中的运动与填充。实验结果表明，本文方法能够较好地呈现眼球内多相流体运动交互效果，实现了诸如表面张力、固液耦合、液体分层、连通器效应等效果，实现了对眼内腔中通过导管注入硅油与排出水分流程的模拟，为预测硅油填充后的眼内状态提供了一种有效的方式，辅助医生进行手术流程规划与效果预测

由于不同矿山充填材料性质千差万别,屈服应力影响因素很难统一分析.通过多个矿山尾砂试样,依次开展了级配表征及影响实验、相似密度流变实验以及基于体积分数和灰砂比的双因素流变实验,并结合细观图像分析技术,实现了屈服应力演化机理的研究.研究表明:膏体稳定系数是级配的有效表征方式,能够表现散体和流体综合特征;屈服应力随膏体稳定系数呈幂指数增长,随浓度呈指数型增长,随密度呈负指数增长,由此构建的全尾砂膏体屈服应力预测模型误差在10%以内;细观图像分析认为屈服应力主要受级配结构和絮网结构支配,级配结构构成了料浆可塑性和稳定性的基础,絮网结构将自由水转变为半稳定形态的吸附水,引起屈服应力宏观演化

提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征.本文所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强（AdaBoost）神经网络进行训练和预测.在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法

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