全文获取类型
收费全文 | 202篇 |
免费 | 45篇 |
国内免费 | 76篇 |
专业分类
测绘学 | 16篇 |
大气科学 | 7篇 |
地球物理 | 6篇 |
地质学 | 262篇 |
海洋学 | 4篇 |
天文学 | 3篇 |
综合类 | 4篇 |
自然地理 | 21篇 |
出版年
2023年 | 1篇 |
2022年 | 3篇 |
2021年 | 7篇 |
2020年 | 14篇 |
2019年 | 13篇 |
2018年 | 11篇 |
2017年 | 10篇 |
2016年 | 25篇 |
2015年 | 7篇 |
2014年 | 26篇 |
2013年 | 29篇 |
2012年 | 45篇 |
2011年 | 19篇 |
2010年 | 29篇 |
2009年 | 18篇 |
2008年 | 10篇 |
2007年 | 25篇 |
2006年 | 10篇 |
2005年 | 5篇 |
2004年 | 1篇 |
2003年 | 7篇 |
2002年 | 2篇 |
2001年 | 1篇 |
2000年 | 1篇 |
1999年 | 2篇 |
1998年 | 1篇 |
1992年 | 1篇 |
排序方式: 共有323条查询结果,搜索用时 171 毫秒
321.
大坝时间序列变形的高精度预测对于大坝运行维护及保护人民生命安全显得尤为重要。本文以某大坝113期变形时间序列数据为实验,提出了一种深度学习中的循环神经网络(LSTM)方法来进行大坝变形预测,将实验的结果与机器学习中NAR神经网络和ARIMA自回归移动平均模型的预测结果进行对比,LSTM、NAR和ARIMA模型的均方根误差(RMSE)分别为0.392 5、0.573 7、1.298 7;平均相对误差(MRE)分别为0.0498、0.1046、0.1878;R^2系数分别为0.932 3、0.822 1、0.247 7。从上述结果对比可知,LSTM时间序列预测模型的精度更高且稳定性更好,可作为后续大坝变形预测的一种新的思路和探索。 相似文献
322.
323.