隨著氣候變遷對人類生活帶來越來越大的的影響，CO2 為氣候變遷的主要驅動因素之一，準確預測二氧化碳（CO2）排放量變得至關重要。 本研究深入探討了各種先進的單變量和多變量時間序列模型，並提出一種新穎的混合集成模型，旨在提升台灣CO2 排放的預測準確性。 我們採用了自1965 年至2022 年的年均數據集，涵蓋CO2 排放量以及天然氣、煤炭和石油的消耗數據，利用標準評估指標來評估模型表現。在多次實驗中，我們選定了三個表現最佳的模型，並通過疊加泛化技術將其預測結果整合至一個元模型。所提出的混合集成模型達到了1.398% 的MAPE 分數，顯示出相較於傳統模型更優越且穩定的性能。 經過全面優化後，本模型可為政策制定者和產業領袖在制定減少CO2排放的決策時提供了可靠的依據。

在今日，電路板被廣泛運用各大領域，而電路板上錫球在焊接的過程中有可能會產生瑕疵，因此我們需要找到一個方式來檢驗電路板上錫球是否有瑕疵。有很多方式可以進行，例如: ART (Algebraic Reconstruction Technique)、SART (Simultaneous Algebraic Reconstruction Technique)和 FBP（Filtered Back Projection），ART、SART 為疊代型的方法，疊代型比較準確但花費較多時間，與之相比，FBP 利用反投影法，能節省許多時間。本實驗嘗試利用 FBP 得到電路板上錫球的269張切片圖，利用 ImageJ 將所有圖片疊起來以得到3D 圖並探討錫球是否有缺陷，之後採用不同的種類濾波(filter)進行測試並利用 ImageJ 分析比較各 filter 的特色，高通濾波器如 Ramp filter 主要強化圖像邊緣，低通濾波器如 Hann filter 主要強化圖像中低頻的部分，使影像對比度變高，分析比較後嘗試自己建立 filter，此 filter 結合了 high pass filter 與low pass filter 的優點，影像的對比度變高的同時，錫球的輪廓也更明顯。