逐步回归时间序列和RBF-ANN在降水预测中的应用

将逐步回归融入到时间序列预测模型的建立中,摒弃了传统的“考虑所有变量”模式,利用“有进有出”的形式,分清各因子主次关系,仅选用影响显著的变量建立预测方程。径向基函数人工神经网络(RBF-ANN)属于局部逼近网络,准确度高。以桦甸市五道沟站的月降水量和月蒸发量为例,分别用传统、逐步回归时间序列分析和RBF-ANN建立降水预测模型,并对比其精度。结果表明：传统、逐步回归时间序列及RBF-ANN模型的后验差比值分别为0.315、0.272、0.284,平均绝对误差分别为18.37、15.65、13.82 mm,有效系数分别为0.87、0.94、0.93,精度均满足要求,最后用逐步回归时间序列法预测了未来5年的月降水量和月蒸发量。     

新工科背景下土壤水分下渗实验优化设计

为顺应新时代对大学生创新探索能力的培养要求，实验工程教育专业认证中实验教学环节目标由“掌握知识”逐渐转变为“培养能力”。基于该教育理念，本文优化水文学原理课程实践教学环节的土壤水分下渗实验内容，在原有定水头供水下渗基础上，补充探索性的实验内容，设计变水头供水土壤水分下渗实验，揭示土壤水盐动态规律的驱动机制；充分调动学生开展实验研究的积极性，加深理解实验原理及其背后的科学理论；并充分挖掘实验数据内涵，培养学生缜密的科研思维、激发学生的实践创新意识。