简介:〔摘要〕框图学习法是学完一节、一章或一本书的知识以后,利用框图把知识联系起来,比较概念之间的关系,从中体会知识的奥妙。本文研究了框图的构建和框图学习法在教学中的作用这两个问题,并分别对这两个问题进行了详细的举例说明。
简介:Burn-in算法和AGREE算法是目前应用广泛的基于实际河网高程强迫修正的河网提取算法.该算法能有效提取出同真实河网高拟合度的模拟河网,但某些情况下,所提取的河网会产生“断裂”现象.河网“断裂”现象的产生在于实际河网栅格高程“高估”和“低估”所引起的局部流向计算错误,其中所有“低估”类以及大部分“高估”类影响都是可以通过填洼等方法加以消除的,即不会产生“断裂”问题.真正产生“断裂”的原因是:存在“高估”类河网栅格且“高估”所带来的影响无法通过填洼等操作加以消除.基于此,对Burn-in算法和AGREE算法进行修正,提出一种消除“高估”类影响的解决方案,从根本上解决河网“断裂”问题,实现程序自动化处理.渭河流域实例应用表明,改进算法可有效解决模拟河网“断裂”问题,且适用于多种基于高程的强迫修正算法.
简介:从Lagrange和Chebyshev多项式插值余项误差方面分析了进行滑动式插值的必要性,并通过具体算例得出结论:2种模型最佳插值结果精度相当,阶数选择恰当,可达亚mm级;随着插值阶数增加,Chebyshev拟合偏差成级数增加,而Lagrange内插精度降低不明显;采用非滑动式算法,Lagrange偏差可达m级,Chebyshev精度相对稳定,达cm级。