基于RBF的组合模型在水文流量预报中的应用研究

针对目前水文流量预报准确度不佳问题,研究提出基于径向基函数(Radial Basis Function,RBF)神经网络与长短期记忆(Long Short-Term Memory,LSTM)神经网络的组合模型,用于提高预报的准确性,并基于最小二乘法,提出流量预报实时校正方法。结果表明,相较于RBF与LSTM单模型,RBF-LSTM预报30天后流量的误差分别降低60.87%和65.27%;相较于校正前,校正后RBF-LSTM预报误差减小48.15%,验证了研究所提方法的有效性。研究结果可为提升水文流量预报准确度以及防汛抗洪工作提供参考。

具体情绪及非依随反馈方式对自我妨碍的影响

该研究采用实验法考察了具体情绪以及非依随反馈方式对自我妨碍的影响。被试为104名大学生。结果表明:1)愉快组被试做出的决策型自我妨碍行为较少;恐惧组被试做出的回避型自我妨碍较多。2)两种非依随反馈方式对自我妨碍的影响没有显著差异。3)无论是决策型自我妨碍还是回避型自我妨碍,男生均高于女生。