全文获取类型
收费全文 | 657篇 |
免费 | 139篇 |
国内免费 | 102篇 |
专业分类
测绘学 | 296篇 |
大气科学 | 77篇 |
地球物理 | 114篇 |
地质学 | 216篇 |
海洋学 | 72篇 |
天文学 | 10篇 |
综合类 | 65篇 |
自然地理 | 48篇 |
出版年
2024年 | 31篇 |
2023年 | 116篇 |
2022年 | 96篇 |
2021年 | 135篇 |
2020年 | 61篇 |
2019年 | 71篇 |
2018年 | 38篇 |
2017年 | 27篇 |
2016年 | 11篇 |
2015年 | 16篇 |
2014年 | 10篇 |
2013年 | 17篇 |
2012年 | 13篇 |
2011年 | 20篇 |
2010年 | 20篇 |
2009年 | 21篇 |
2008年 | 12篇 |
2007年 | 18篇 |
2006年 | 13篇 |
2005年 | 11篇 |
2004年 | 18篇 |
2003年 | 13篇 |
2002年 | 8篇 |
2001年 | 15篇 |
2000年 | 11篇 |
1999年 | 9篇 |
1998年 | 5篇 |
1997年 | 8篇 |
1996年 | 10篇 |
1995年 | 5篇 |
1994年 | 12篇 |
1993年 | 5篇 |
1992年 | 7篇 |
1991年 | 4篇 |
1990年 | 2篇 |
1989年 | 1篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1986年 | 1篇 |
1984年 | 1篇 |
1983年 | 1篇 |
1981年 | 1篇 |
1957年 | 2篇 |
排序方式: 共有898条查询结果,搜索用时 14 毫秒
831.
832.
近年来,混合震源采集技术在海洋勘探中发展迅速,由于其高效的采集方式,以及能够获取高质量的地震数据而受到青睐。对混合震源数据进行有效的混采分离是混合震源采集技术成败的关键,本文结合近年来发展火热的卷积神经网络(CNN)方法并根据地震资料的特点,提出了一种基于神经网络模型的数据驱动混采分离方法。通过制作的两万余个样本的混采数据集进行训练,获得混采分离模型,通过测试集的试验以及与常规混采分离方法进行对比,结果表明本文采用的CNN混采分离方法具有较高的分离精度,且效率很高。 相似文献
833.
834.
835.
陆内克拉通盆地层序地层构型及其控制因素 总被引:2,自引:0,他引:2
通过总结我国鄂尔多斯盆地和澳大利亚Surat basin这两个典型的陆内克拉通盆地的层序充填序列,认为该类盆地具有典型的层序地层充填模式:(1)典型的正粒序岩性组合特征;(2)基准面旋回为上升半旋回为主的不对称旋回,具有长期持续水进、短期水退旋回特征;(3)层序主要以LST为主,发育相互切割叠置的复合砂体,为最有利储层;TST和HST相对不发育,发育孤立状的单砂体,为中-差储层.陆内克拉通盆地层序地层及其控制的砂体具有溯源退积的时空展布模式,该模式主要受到盆地边缘构造、沉积物供给、湖平面变化、古地形、盆地充填和气候等因素的单独或综合控制. 相似文献
836.
837.
不整合分析及其在陆相盆地构造研究中的意义 总被引:28,自引:6,他引:22
讨论了3个问题,即不整合分析及其在研究陆相盆地的形成和演化中的意义;不整合分析及其与构造运动和盆地改造的关系;与不整合有关的圈闭类型。通过上述的不整合分析,可以获得以下结论:正旋回地层的超覆(或上超)是在拉张或中性构造背景中产生的,而反旋回地层的退覆和削截一不整合则是在挤压构造环境中发育的;复合递进型同构造不整合与内陆前陆盆地边缘挤压隆起的加速和减速上升有关。根据不整合面下被削截岩层的构造变形和侵蚀厚度可以推断出由构造运动所造成的盆地改造程度和与不整合有关的地层圈闭类型。 相似文献
838.
839.
机器学习在崩塌滑坡泥石流地质灾害易发性分析评价领域已得到广泛的研究性应用,非灾害样本的选取是易发性建模过程中的关键问题,传统随机抽样和手工标注方法可能存在随机性和主观性。将土质崩塌易发性评价视为正例无标记(positive and unlabeled,简称PU)学习,提出了一种结合信息量(information value,简称IV)和间谍技术(Spy)的两步卷积神经网络(convolutional neural networks,简称CNN)框架(ISpy-CNN)。以广州市黄埔区崩塌编录和15类基础环境因子,通过信息量模型筛选出部分低信息量样本;采用间谍技术训练CNN模型,从低信息量样本中识别出具有高置信度的可靠负例划分为非崩塌样本;分别基于该学习框架、传统间谍技术和随机抽样,使用支持向量机(support vector machine,简称SVM)和随机森林(random forest,简称RF)对比验证。结果表明,ISpy-CNN框架在验证集上的准确率、F1值、敏感度和特异度较随机采样分别提升了6.82%,6.82%,6.82%,8.23%,较传统Spy技术分别提升了2.86%... 相似文献
840.
随着越来越多高压直流输电线路的投入运行,地磁观测数据质量受到了严重影响.现有以人工或半人工方法识别高压直流输电干扰事件的工作量也随着受干扰范围的不断扩大和地磁观测仪器的增多而成倍增加.为了高效、准确地识别地磁观测数据中的高压直流干扰事件,本文基于卷积神经网络和长短期记忆神经网络,提出了一种高压直流输电干扰事件自动识别深度学习模型.利用2012年1月1日至2014年12月31日地磁台站原始观测数据,结合专家标注的持续时间在2 h内的高压直流输电干扰事件记录,制作高压直流输电干扰样本34360条,正常样本34360条.模型在训练集上的准确率达到了94.12%,验证集上的准确率达到了92.94%,测试集上的准确率达到了92.86%.初步研究表明深度学习方法在识别地磁观测数据中的高压直流输电干扰事件中具有较高的准确率,为下一步自动识别地磁观测数据中的车辆干扰、基建工程干扰、轻轨干扰等其他干扰事件提供了一种新的思路. 相似文献