全文获取类型
收费全文 | 2558篇 |
免费 | 417篇 |
国内免费 | 394篇 |
专业分类
测绘学 | 1010篇 |
大气科学 | 393篇 |
地球物理 | 373篇 |
地质学 | 888篇 |
海洋学 | 317篇 |
天文学 | 15篇 |
综合类 | 235篇 |
自然地理 | 138篇 |
出版年
2024年 | 69篇 |
2023年 | 226篇 |
2022年 | 201篇 |
2021年 | 268篇 |
2020年 | 146篇 |
2019年 | 182篇 |
2018年 | 102篇 |
2017年 | 83篇 |
2016年 | 77篇 |
2015年 | 81篇 |
2014年 | 118篇 |
2013年 | 104篇 |
2012年 | 127篇 |
2011年 | 118篇 |
2010年 | 91篇 |
2009年 | 144篇 |
2008年 | 151篇 |
2007年 | 136篇 |
2006年 | 109篇 |
2005年 | 135篇 |
2004年 | 98篇 |
2003年 | 81篇 |
2002年 | 91篇 |
2001年 | 64篇 |
2000年 | 68篇 |
1999年 | 57篇 |
1998年 | 41篇 |
1997年 | 41篇 |
1996年 | 47篇 |
1995年 | 49篇 |
1994年 | 50篇 |
1993年 | 10篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1957年 | 1篇 |
排序方式: 共有3369条查询结果,搜索用时 15 毫秒
921.
作者在本文中讨论了小波神经网络概念和油水测井曲线段的频率特性。以小波分析为数据预处理工具,首先用小波分解高频成分对测井曲线进行分段,然后应用小波分析提取出测井段的分频能量特征向量,以此向量代表井段的信息,并作为神经网络的输入,进行神经网络的测井解释,实现了小波神经网络的测井分段油水解释。 相似文献
922.
923.
利用鹤壁市1986~1999年秋季高空图资料,确定了48h和24 h中雨高空要素预报指标;利用1995~2000年Micaps数据格式的物理量场分析结果,确定了24 h中雨物理量预报指标.鹤壁市秋季中雨预报系统根据预报指标和人工神经元网络预报结果,对秋季降水进行逐级判别,综合做出预报结论. 相似文献
924.
将遗传算法(GA)和反向传播算法(BP算法)相结合成为GA-BP算法,以此建立了遗传BP神经网络.并将以BP算法为基础的BP神经网络及以GA-BP算法为基础的遗传BP神经网络用于对地震和爆破的识别中.得到的结果表明:遗传BP网络比BP网络对事件的识别能力略好些. 相似文献
925.
926.
神经网络反演双侧向电阻率测井曲线的物理约束 总被引:4,自引:4,他引:4
以一种新型高分辨率双侧向测井仪器在二维轴对称地层模型中的模拟响应为训练集训练BP神经网络,得到了针对该双侧向测井仪的反演网络模型。在训练中,神经网络结构的确定一般采用交叉验证法,但这种验证法经验性的成分偏重,不能完全解决网络结构的范化问题。为此,本文在模型的训练中,在交叉验证的基础上,根据双侧向测井的原理和仪器响应特性,提出了一种新的物理约束方法;反演地层电阻率的误差应随着侵入半径的增加而加大,违反此规律的模型不予采纳。理论研究结果表明,由此得到的神经网络模型具有很好的范化能力。 相似文献
927.
基于BP网络的框架结构损伤的多重分步识别理论 总被引:9,自引:0,他引:9
本文介绍了基于BP网络的框架结构损伤识别的多重分步识别方法,这一方法采取先确定有损伤的层,再确定层内有损伤的杆件最后确定损伤程度的策略,具有所需网络学习样本少和识别准确性与精度高的优越性,文中通过一个钢框架模型的模拟地震振动台试验的应用,详细说明了该方法的应用过程及有效性。 相似文献
928.
基于应变模态的钢结构构件焊缝损伤定位方法的研究 总被引:15,自引:1,他引:15
本文探讨了用应变模态对钢结构焊缝损伤进行识别与定位的方法。应变模态对结构局部损作斩反应敏感,是对结构进行微小损伤诊断的较理想的损伤识别指标。文中以一简支工字型梁为研究对象,分别采用基于应变模态差的三种定位准则和神经网络方法,对其进行了单处和两处焊缝损伤定位的研究。结果表明,基于应变模态差的定位准则对于这两种情况的损伤都具有较高的定位识别率,但不能区别出单处和两处损伤;而采用神经网络方法不仅可以区别出单处和两处损伤,而且训练好的网络对受噪声污染的测试样本也具有较好的识别效果。 相似文献
929.
以GB50218-94岩体质量分级标准为基础,在金川二矿区采准巷道试验段的岩体分级中尝试采用BP神经网络方法进行岩体质量分级,其结果与按国家标准分级是一致的,但该方法简便易行,工作量小。 相似文献
930.
广义回归神经网络预测加筋土支挡结构高度 总被引:9,自引:3,他引:9
土工合成材料加筋支挡结构(Geosythetics-Reinforced Retaining Wall, 简称GRW)设计方法主要是建立在似粘聚力理论基础之上的半经验设计法。由于土性及加筋机理的复杂性,常常要对它们进行人为假定,导致计算结果差强人意。神经网络方法与传统方法的不同之处在于不需要主观假定,而是模拟人脑思维,通过数据样本的学习来获得预测结果。引入神经网络技术来预测加筋土支挡结构的设计高度是一种新尝试。由于本问题具有样本容量非常有限、影响因素复杂多样的特点。因此,采用适用于稀土样本数据的广义回归网络(General Regression Neural Network)来预测加筋土支挡结构设计高度。基于MATLAB神经网络工具箱及文献[1]的挡墙离心模型试验结果,建立了一个可用于加筋支挡结构设计高度预测的GRNN网络。通过对足尺试验,实际工程及模型试验结果的检验,表明网络的学习是成功的,具有一定指导意义。 相似文献