全文获取类型
收费全文 | 2386篇 |
免费 | 373篇 |
国内免费 | 352篇 |
专业分类
测绘学 | 975篇 |
大气科学 | 370篇 |
地球物理 | 358篇 |
地质学 | 780篇 |
海洋学 | 281篇 |
天文学 | 17篇 |
综合类 | 206篇 |
自然地理 | 124篇 |
出版年
2024年 | 69篇 |
2023年 | 228篇 |
2022年 | 214篇 |
2021年 | 273篇 |
2020年 | 143篇 |
2019年 | 182篇 |
2018年 | 99篇 |
2017年 | 78篇 |
2016年 | 71篇 |
2015年 | 73篇 |
2014年 | 110篇 |
2013年 | 91篇 |
2012年 | 109篇 |
2011年 | 103篇 |
2010年 | 79篇 |
2009年 | 130篇 |
2008年 | 143篇 |
2007年 | 114篇 |
2006年 | 93篇 |
2005年 | 113篇 |
2004年 | 82篇 |
2003年 | 66篇 |
2002年 | 73篇 |
2001年 | 54篇 |
2000年 | 54篇 |
1999年 | 45篇 |
1998年 | 36篇 |
1997年 | 33篇 |
1996年 | 46篇 |
1995年 | 46篇 |
1994年 | 47篇 |
1993年 | 10篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1957年 | 1篇 |
排序方式: 共有3111条查询结果,搜索用时 250 毫秒
61.
62.
神经网络在判别煤矿突水水源中的应用 总被引:6,自引:0,他引:6
矿井突水水源的识别是矿井防治水工作的基础,快速准确地判别突水的来源对整个矿井的安全生产起着十分重要的作用。以峰峰矿区梧桐庄矿为例,应用神经网络的方法,对矿井突水水源进行了系统研究。结果表明,运用该方法取得了较好的效果,并可以用此模型来解决类似的评价和判别问题。 相似文献
63.
64.
应用自适应算法对BP网络进行改进,可以提高BP网络的收敛速度和全局寻优性能。在此基础上,利用多种测井数据及岩心描述资料作为网络模型的学习样本,以测井解释渗透率的神经网络模型为例,通过网络的学习、训练,建立测井解释神经网络模型。并应用此模型,定量计算出多口井的渗透率值,与常规渗透率计算结果相比,BP的解释结果及精度均令人满意,同时还取得了良好的实际应用效果。 相似文献
65.
66.
基于神经网络的建筑物沉降原因分析 总被引:1,自引:0,他引:1
在我们应用回归方法对建筑物沉降原因分析及沉降趋势的预测中,由于实际情况的复杂性及主观认识的局限性,这样所得的结果含有较多的人为因素,可能会与实际情况有所差异。针对这种情况,讨论了应用神经网络方法来发现和验证引起建筑物沉降的因素及对沉降趋势的预测。实例表明,该方法能取得较好的效果。 相似文献
67.
68.
针对温度传感器测量中易受湿度影响的问题,通过对思维进化算法(Mind Evolutionary Algorithm,MEA)中的趋同操作、异化操作及收敛条件进行研究改进,对趋同操作中的散布权值进行自适应调整,在异化操作中引入差分进化算法的变异操作,并考虑收敛条件中搜索平面平缓的情况,提出了基于改进思维进化算法的BP神经网络湿度补偿方法.由湿度影响检定实验得到的样本数据,利用此补偿方法建立湿度补偿模型,将补偿结果与未经优化的BP神经网络模型的结果进行比较研究.结果表明,基于改进思维进化算法的BP神经网络模型补偿精度较高,收敛速度快,计算量小,可有效提高温度传感器的测量精度和可靠性,便于实际应用. 相似文献
69.
利用地基微波辐射计资料反演0-10km大气温湿廓线试验研究 总被引:3,自引:0,他引:3
实测与模拟的微波辐射计亮温存在偏差,导致基于BP神经网络模型的大气温湿廓线反演精度的降低。研究了一种基于资料订正后的BP神经网络反演大气温湿廓线的方法。首先,基于2014年6月南京江宁探空资料,利用MonoRTM模式,模拟中心频率在22.2GHz~58.8GHz范围内22通道亮温;对比模拟和实测南京站微波辐射计资料,建立实测微波辐射计资料订正模型。然后,以南京地区2011-2013年探空资料为输入,模拟22通道亮温数据,并基于模拟的22通道亮温数据和当地探空资料,利用BP神经网络算法,建立大气温度、水汽密度、相对湿度廓线反演模型。最后,利用构建的订正模型,对2014年7月试验获取的微波辐射计资料进行订正,并将订正后的微波辐射计资料输入BP神经网络反演模型,反演0-10km高度58层的大气温度、水汽密度和相对湿度,对比实际探空资料以及微波辐射计二级产品,评估分析反演效果。实验结果表明:所建的反演模型提高了大气温湿廓线反演精度,大气温度、水汽密度和相对湿度均方根误差范围分别为1.0~2.0K、0.20 ~1.93g/m3和2.5%~18.6%。 相似文献
70.