本发明提供一种水质预测方法及系统，所述方法使用ARIMA自回归积分滑动平均模型与BP神经网络相结合的方法对水质时间序列数据的预测。本发明所述方案可以对待预测水域大量水质数据进行预测，具有预测范围大、精度高和速度快的特点，便于多水源监管、水质预警、水污染治理。

Ø  成果简介：针对在电子产品研制、使用和维护过程中面临的电磁干扰问题，本成果提供了一套高性价比的电磁兼容预测试系统，并配套有电磁兼容诊断系统，形成测试、诊断和抑制的一体化解决方案，能够帮助研制人员摆脱传统的研制、试制、电磁兼容测试、发现问题后再进行整改的反复过程，在设计和研制阶段就能够开展有效的电磁兼容性设计。Ø  项目来源：自行开发Ø  技术领域：电子信息Ø  应用范围：电子

针对在电子产品研制、使用和维护过程中面临的电磁干扰问题，本成果提供了一套高性价比的电磁兼容预测试系统，并配套有电磁兼容诊断系统，形成测试、诊断和抑制的一体化解决方案，能够帮助研制人员摆脱传统的研制、试制、电磁兼容测试、发现问题后再进行整改的反复过程，在设计和研制阶段就能够开展有效的电磁兼容性设计。

本产品可将多联式空调连接至智能家居系统，以实现智能化监控与控制。

XM-DJA高级外科多技能训练模型   一、功能特点： ■ XM-DJA多技能外科操作组合模型由肠管吻合训练架，血管钳夹、切断、结扎训练架，打结训练器，皮肤切开缝合模块组成。 ■ 肠管吻合操作模块：可供学生进行肠管的钳夹、切断和吻合训练。 ■ 血管钳夹、切断、结扎训练架：可供学生进行血管的钳夹、切断、结扎训练。 ■ 打结训练器：可在狭小空间内进行深部打结技术的训练。 ■ 皮肤切开缝合模块：可进行外科皮肤切开、缝合、打结、剪线、拆线等技术的训练。 ■ 此模型底部有吸盘，可以固定于桌面上，便于操作，模型上所有练习模块均可以更换，拆卸方便。 ■ 可反复进行练习。   二、标准配置： ■ 高级外科多技能训练模型：1个 ■ 说明书：1册 ■ 保修卡合格证：1张

XM-DJA高级外科多技能训练模型   一、功能特点： ■ XM-DJA多技能外科操作组合模型由肠管吻合训练架，血管钳夹、切断、结扎训练架，打结训练器，皮肤切开缝合模块组成。 ■ 肠管吻合操作模块：可供学生进行肠管的钳夹、切断和吻合训练。 ■ 血管钳夹、切断、结扎训练架：可供学生进行血管的钳夹、切断、结扎训练。 ■ 打结训练器：可在狭小空间内进行深部打结技术的训练。 ■ 皮肤切开缝合模块：可进行外科皮肤切开、缝合、打结、剪线、拆线等技术的训练。 ■ 此模型底部有吸盘，可以固定于桌面上，便于操作，模型上所有练习模块均可以更换，拆卸方便。 ■ 可反复进行练习。   二、标准配置： ■ 高级外科多技能训练模型：1个 ■ 说明书：1册 ■ 保修卡合格证：1张

软件所含缺陷的风险或数目是合理安排软件测试资源，提高软件测试效率，衡量软件设计及开发质量的关键信息，应用模式识别技术对软件所含缺陷进行有效预测将对我国航空工业软件测试工作从被动测试到主动测试的转变起到积极的作用。对软件所含缺陷进行风险或定量预测，其根本技术在于利用以往软件缺陷数据，构建软件内在信息和软件缺陷信息之间的映射关系函数。 软件缺陷数据具有如下特点：软件度量信息冗余；软件缺陷数据分布及其不平衡；软件缺陷数据易含有不准确数据（如不准确的缺陷量）对于模型构建来说就是噪声数据；软件缺陷数据维度高，复杂度高等。该技术的广泛使用，将对我国航空工业中的软件测试工作，从传统的被动测试向主动测试，合理安排有限的测试资源，提高测试效率，从而提高软件质量起到重要作用。

本发明公开了一种直线感应电机多步长模型预测控制方法，包 括如下步骤：(1)采集直线感应电机的状态变量及角速度；(2)求解无约 束条件下的电机输入电压矢量最优值；(3)判定最优值是否满足电压约 束条件，若满足，则进入步骤(5)，否则进入步骤(4)；(4)以满足电压约 束条件为目标更新最优值；(5)判定最优值是否满足电流约束条件，若 满足，则进入步骤(7)，否则进入步骤(6)；(6)以满足电流约束条件为目标更新最优值；(7)根据电机输入电压矢量最优值计算三相桥臂的占空 比，将其送给逆变器调制电机工作状态

该技术通过自适应模型参数校准的方法，克服此项技术应用的瓶颈。用户的投资可以通过节省能源费用的方式迅速得到回收。节省 20-30%的供气能源；总氮去除率增加 30%，减少剩余污泥排放 10%，出水水质更加稳定，减少温室气体排放 10%，减少操作员工工作负荷 40%。

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。