黑道凶日研究

本文提出的优势期和优势值是灾害年内出现机会最多的日期和强度，其中优势期就是黑道凶日。统计表明，黑道凶日位于节气日和节气之间的黄金分割日及其附近，在时空分布上具有许多特点。     

BP神经网络在降水酸度预测中的应用

本文利用南昌市城市大气中SO2、NOX、TSP等浓度数据及降尘数据建立了BP神经网络的降雨酸度预测模型，结果表明：BP神经网络的预测模型不仅能较好地反映致酸因素与降水酸度的相互关系，而且预测精度也高于多元回归等模型。     

亚运时段广州大气污染物来源数值模拟研究

利用嵌套网格空气质量预报模式系统(Nested Air Quality Prediction Model System,NAQPMS)研究2006年亚运时段广州的空气质量状况,同时结合污染源追踪方法,分析珠三角各城市的源排放对广州全市、广州二环以内市区、广州6个亚运加强观测站的污染物浓度贡献.结果表明,NAQPMS模式能较好地反映广州各污染物(NO2、SO2、PM10)浓度的变化;广州全市、广州市区、6个亚运加强观测站的污染物最主要来源于本地排放,而周边城市以东莞的贡献最大.3个源受体中,广州市区受本地排放的影响最显著,来自本地的NO2、SO2、PM10的月均贡献率分别为89.5%、75.4%、86.7%;东莞则对6个亚运加强观测站的影响最为突出,其NO2、SO2、PM10的月均贡献率达9.3%、23.8%、21.7%,而日最大贡献率高达19.3%、40.2%、48.7%.因此在大力削减广州本地污染排放的同时,对周边城市特别是东莞实施区域联防联控,将能有效改善亚运场馆附近的空气质量.     

东亚春季边界层臭氧的数值模拟研究

利用嵌套网格空气质量模式系统(NAQPMS)对2004年4月东亚边界层(距地面.km以下)臭氧进行了数值模拟.并评估了东亚边界层光化学反应的活性.结果表明.东亚春季臭氧呈带状分布,其高值.〔φ(O3)>55×10-9.主要集中在30°N～40°N.受东亚季风气候控制.沿蒙古、中国东北以及日本一线有一强臭氧输送通道.输送通量达3×10-.mol/(m2·s).通过计算边界层O3光化学净生成率可知.光化学影响主要集中在高污染源排放地区.其与水平输送对臭氧影响的分布具有负相关性.说明光化学生成的O3可被输送至下风地区,而不仅限于局地.      

修建佛子岭抽水蓄能电站对水质影响的预测分析

修建佛子岭抽水蓄能电站对水质有一定的影响。在此利用数学模型对施工期及运行期的水质进行了预测，并分析得出水库水质能达到所属水功能区要求，只要控制水库上游面源污染及网箱养鱼，水库就不会发生包括富营养在内的污染问题。     

德尔斐法在风景区索道工程环境影响预测中的应用

在进行风景区索道工程环境影响评价中，应用德尔斐法作环境影响预测。应用结果表明，对这类工程环境影响预测因其影响因素复杂，基础资料不足，难以作定量化预测时，德尔斐法可以取得较为可靠而准确的预测结果，显示了这种方法的实用性和有效性。     

江西九岭南缘铜多金属矿预测

论述了江西九岭南缘大型“裂谷”、裂陷构造、推(滑)覆构造带、走滑冲断带以及长期活动的深断裂带等多层次大型构造叠置成矿环境，厘定了主攻矿床类型，优化了找矿预测的综合标志。综合找矿实践经验，运用新的矿产资源评价思路，预测出大型—超大型矿床的偏在部位，为突破新地区，发现新类型、新矿种，提供了新途径。     

有关森林公园环境容量预测的探讨

提出了预测森林公园环境容量的临界准则，进而就环境容量的预测方法、指标等结合实例进行了探讨。     

公路交通对土壤铅污染预测评价

推导给出了公路交通对土壤铅污染的预测计算模式，分析了采用该模式预测土壤中铅含量时可能出现的3种不同结果，即高于、等于或低于背景值及其判别条件。结合中国公路交通的实际情况，论证了在不考虑非公路污染源时，公路交通引起土壤中铅累积量在营运近期将低于土壤背景值。认为合理确定非公路污染源强度、铅沉降面积及铅残留系数是影响预测评价土壤铅污染的主要因素。     

In the mixed world of predictive biology—Contradiction or support

Statistical prediction is a tool and aim in ecology and wildlife management and conservation. A prediction may either be supported by or contradicted by observations of an unknown set of observations. A contradiction occurs if the prediction is not included within the range of the unknown observations, i.e. the prediction misses the cloud of observations completely. Mixed-effects models, frequently used for statistical assessment of clustered data, carry information needed for calculating the probability of such contradictions. Here we present a new versatile statistic, the probability of contradiction (P (Contra)), that describes how often we would anticipate a new cluster of observations contradicting our predictions. Some benefits of P (Contra) are: (1) easy to calculate and intuitive interpretation, (2) comparability between datasets, (3) inclusion of residual correlation, (4) summary of the multitude of information from mixed models into one statistics, and (5) applicable to local mixed-effect models.