基于自组织映射神经网络的吉林省春夏期降水统计模拟研究

利用1997—2015年吉林省春夏期(4—7月)逐日气象站地面观测资料,以气温、气压、相对湿度、水汽压、风速为协变量,建立各站点逐日降水量的基于自组织映射神经网络(Self-Organizing Maps,SOM)的统计预测模型;分析吉林省春夏期的主要天气模态,研究逐日降水和天气模态之间的关系,并基于此关系提出逐日降水量的蒙特卡罗模拟方法。结果表明:SOM对天气模态的分型质量较好,邻近天气模态的累积概率分布较相似,距离较远的天气模态累计概率分布差异较大。各天气模态下无降水的概率与日降水量区间宽度的相关系数为-0. 94,显著性水平小于0. 01。基于降水量累积概率分布,20种天气模态被划分成4类,并与降水易发程度和逐日降水量完全对应。在此基础上,对吉林省24个站点逐日降水量进行蒙特卡罗模拟,并进行预测性能分析。平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RM SE)的中位数分别为3. 12 mm和6. 13 mm,SBrier和Ssig分别为0. 06和0. 51,站点的逐日降水量预测性能整体较好。MAE和RMSE分布呈现东南大西北小,去除降水自然变异差异的影响,所有站点的误差都较小; SBrier和Ssig没有明显的空间分布特征。

课程思政下高等数学趣味性教学研究

发掘高等数学中思政元素,不仅对学生进行思政教育,也增强了高等数学的趣味性。文章从高等数学教学中存在问题,课程思政下高等数学趣味教学策略以及课程思政下高等数学趣味性教学案例三个方面分析,探讨和实践了课程思政下高等数学趣味性教学,以期为课程思政下高等数学趣味性教学提供建议,提高学生对高等数学的学习兴趣,提升教学质量。

高等数学中引入课程思政的思考

把思想政治贯穿教育教学的全过程,是高校落实“立德树人”的重要措施。文章结合笔者对高等数学融入思政元素的思考,从高等数学中课程思政建设的难点、高等数学中融入思政元素的策略以及高等数学中课程思政的具体案例分析三个方面,探索和实践了高等数学中的课程思政教学,以期对高等数学课程思政的建设全面推进作出贡献。

基于逻辑回归–径向基神经网络的广西前汛期降水预测

基于2000~2020年4~6月广西5个代表站地面气象观测站降水量,建立基于逻辑回归–径向基神经网络(logical regression-radial basis function neural network,简称LR-RBF)的广西前汛期降水预测模型。结果表明,基于LR-RBF预测广西前汛期降水效果较好,实测降水与预测降水的R值均高于0.91,呈现高度相关。预测精度较径向基神经网络(Radial Basis Function, RBF) MAE值最大减少为45.9%,而RMSE值最大减少为35.71%,特别是贺州站;与逐步回归相比,R值最高增大13.09%,MAE最大减少26.91%,RMSE最多减少23.10%。结果表明,LR-RBF预测能力有显著的提升,对广西前汛期防洪防控工作具有一定的指导价值。

2006—2020年南宁机场修正海平面气压特征分析

利用南宁机场基准观测点2006—2020年自动观测系统逐小时修正海平面气压数据,对南宁机场修正海平面气压进行特征分析。结果表明,南宁机场修正海平面气压呈现出上午高下午低、前半夜高后半夜低的日变化特征,冬夏平稳、春秋变化明显的年际变化特征,先降后升、整体上升的年代际变化特征;南宁机场修正海平面气压的极大值为1042.1hPa,由寒潮引起,极小值为988.6hPa,由台风引起;南宁机场修正海平面气压取整后每个小时与前一小时差值的绝对值大于等于2hPa的频次,一日之中主要出现在13时至15时、一年之中主要出现在冬季和春季。结合特征分析,探讨航空气象服务的气压检查工作程序,为保证运行安全提供依据。

留学生线性代数课程全英文线上教学改革与探讨

目前,全球新冠肺炎疫情仍反反复复地出现,为了避免国内外人员大规模流动与聚集,大多数留学生选择远程在线学习。因此,线上授课成为国内外高校教学、科研等交流开展的首要选择。对于线性代数这一本科课程,是大多数理工科、经管类等专业的国际留学生必修课程之一,是以全英授课形式开展的。以桂林理工大学为例,对留学生线性代数全英文线上课程进行教学实践,对互联网各种先进的授课经验进行精华提炼与资源整合,以我校教学方针为蓝本,凝练出更具有针对性的教学对策,为线性代数全英文线上教学经验提供参考。