全文获取类型
收费全文 | 1010篇 |
免费 | 197篇 |
国内免费 | 197篇 |
专业分类
测绘学 | 151篇 |
大气科学 | 157篇 |
地球物理 | 203篇 |
地质学 | 471篇 |
海洋学 | 249篇 |
天文学 | 17篇 |
综合类 | 88篇 |
自然地理 | 68篇 |
出版年
2024年 | 10篇 |
2023年 | 35篇 |
2022年 | 36篇 |
2021年 | 41篇 |
2020年 | 34篇 |
2019年 | 54篇 |
2018年 | 47篇 |
2017年 | 25篇 |
2016年 | 36篇 |
2015年 | 44篇 |
2014年 | 46篇 |
2013年 | 47篇 |
2012年 | 48篇 |
2011年 | 59篇 |
2010年 | 68篇 |
2009年 | 66篇 |
2008年 | 69篇 |
2007年 | 80篇 |
2006年 | 75篇 |
2005年 | 64篇 |
2004年 | 57篇 |
2003年 | 58篇 |
2002年 | 32篇 |
2001年 | 36篇 |
2000年 | 23篇 |
1999年 | 27篇 |
1998年 | 16篇 |
1997年 | 13篇 |
1996年 | 17篇 |
1995年 | 15篇 |
1994年 | 12篇 |
1993年 | 12篇 |
1992年 | 14篇 |
1991年 | 7篇 |
1990年 | 15篇 |
1989年 | 10篇 |
1988年 | 6篇 |
1987年 | 7篇 |
1986年 | 8篇 |
1985年 | 4篇 |
1984年 | 7篇 |
1983年 | 3篇 |
1982年 | 3篇 |
1981年 | 4篇 |
1980年 | 2篇 |
1979年 | 3篇 |
1977年 | 2篇 |
1964年 | 1篇 |
1959年 | 2篇 |
1957年 | 1篇 |
排序方式: 共有1404条查询结果,搜索用时 15 毫秒
51.
为了客观地确定数据点投图后分布的主要区域,本文提出了一种基于数据密度确定数据主要分布区域的方法。利用该方法可以更加直观地了解数据分布,并可以作为数据清洗的预处理手段。本文基于GEOROC大数据,以全碱对硅(TAS)图解为例,进行了分析和验证。通过提取GEOROC 数据库中与TAS 图解相关的岩石样本中SiO2、Na2O、K2O 和烧失量含量数据,通过数据常规清洗和归算,最终获得24 个种类合计13.3 万条有效数据。通过数据投点、分区统计和提取80% 数据的分布区域,验证了24种岩石样品与TAS图解的吻合程度。通过综合研究分析发现,有6类岩石的数据分布与TAS图解定义区域基本一致,18类岩石的数据分布与TAS图解定义区域有系统性偏差。大数据研究证明了TAS图解的不足之处,利用全碱和SiO2作为指标,难以实现提升总体分类的准确性。 相似文献
52.
53.
金岭杂岩体由细粒黑云角闪闪长岩、中细粒黑云角闪闪长岩、中细粒黑云角闪二长闪长岩和细粒角闪二长闪长岩组成,是鲁西地区典型矽卡岩型富铁矿(金岭铁矿)控矿岩体。本次研究对细粒黑云角闪闪长岩和细粒角闪二长闪长岩进行了锆石LA‐ICP‐MS U‐Pb定年,其结果分别为129.2±3.2 Ma和132.8±1.2 Ma,表明该杂岩体的侵位时代为早白垩世。样品SiO2、K2O和Na2O含量分别介于54.17%~63.73%、1.92%~4.76%和3.10%~5.41%之间,K2O/Na2O为0.58~0.94,A/CNK为0.60~0.93,具有轻稀土富集,重稀土亏损的右倾型稀土配分模式,轻、重稀土分馏程度中等((La/Yb)N=9.94~23.49),Eu异常不明显(δEu=0.84~1.10),具中—弱负Ce异常(δCe=0.56~0.92)。样品以富集大离子亲石元素(Ba、K、U、Pb等)、亏损高场强元素(Nb、Ta、Ti)以及高Sr/Y为特征。金岭杂岩体为燕山晚期岩浆活动产物,属准铝质高钾钙碱性系列,岩浆主要来源于富集岩石圈地幔的部分熔融,并在岩浆上升侵位的过程中有地壳物质的同化混染。燕山晚期华北克拉通在古太平洋板块俯冲后后撤引起的板内伸展环境下,增厚陆壳减薄阶段,岩浆上侵就位形成金岭杂岩体。 相似文献
54.
波致瞬态液化渗流导致海床内细粒沉积物向海水中运移,这一过程对海底沉积物再悬浮的贡献率不容忽视,但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集,基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能,以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准,将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明,基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小,其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此,该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。 相似文献
56.
57.
58.
60.