全文获取类型
收费全文 | 158篇 |
免费 | 83篇 |
国内免费 | 4篇 |
专业分类
测绘学 | 1篇 |
地球物理 | 116篇 |
地质学 | 124篇 |
海洋学 | 2篇 |
综合类 | 2篇 |
出版年
2024年 | 1篇 |
2023年 | 5篇 |
2022年 | 6篇 |
2021年 | 6篇 |
2020年 | 4篇 |
2019年 | 16篇 |
2018年 | 22篇 |
2017年 | 12篇 |
2016年 | 8篇 |
2015年 | 10篇 |
2014年 | 16篇 |
2013年 | 15篇 |
2012年 | 10篇 |
2011年 | 14篇 |
2010年 | 10篇 |
2009年 | 8篇 |
2008年 | 9篇 |
2007年 | 22篇 |
2006年 | 10篇 |
2005年 | 8篇 |
2004年 | 4篇 |
2003年 | 4篇 |
2002年 | 5篇 |
2001年 | 3篇 |
2000年 | 1篇 |
1999年 | 2篇 |
1998年 | 3篇 |
1996年 | 2篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1992年 | 1篇 |
1990年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有245条查询结果,搜索用时 171 毫秒
241.
大陆动力学是研究和探索地球内部物质大尺度运动和深化认识地球本体与其在整体运动中深部圈层耦合、介质与结构变异的物理-力学属性、物质与能量的交换、深层动力过程和机制的一门边缘科学.地球动力学集成了当代众多高、新学科技领域和学科交叉的研究成果,它涉及到成山、成盆、成岩、成矿、成灾和深化对地球本体的认识,它在地球科学研究中占有极为重要的地位.本文通过深入研究、综合集成与剖析讨论了该领域五个重要的基本科学问题,即:(1)地球动力学在地球科学研究中的地位和作用;(2)国际上地球动力学研究的进展和发展动向;(3)中国地球动力学的研究状况;(4)当今地球动力学研究的导向和战略思考;(5)地球动力学研究在我国的实现和开拓. 相似文献
242.
依舒断裂带北段及邻近地区地震活动性的初步研究 总被引:1,自引:0,他引:1
利用1970~2007年发生在研究区域(48°00’150°00’N,128°00’--134°00’E)的地震,用测震学方法研究该区内地震活动性,认为b-t曲线变化与地震活动有很强的对应关系。 相似文献
243.
利用DCT法计算重力归一化总梯度 总被引:1,自引:0,他引:1
利用重力归一化总梯度方法可以寻找场源位置,通过“两高夹一低”的典型场特征可以检测油气构造,传统的方法主要采用的是别列兹金法(即傅立叶级数法)和傅立叶变换法。利用DCT法计算重力归一化总梯度是最新研究方法。从理论上给出了基于DCT的重力异常转换公式,进而研究了无限长水平圆柱体、三度体非含油气球冠以及储油球冠模型GH场特征。模型实验证实:随着地质体埋深的增大,谐波数会逐渐减小,GH场奇点极大值向下移动,且呈现线性衰减的特征;储油球冠GH场等值线表现出明显的“两高夹一低”的储油气藏典型标志;用DCT法计算的GH场具有优良的稳定性,而且能够增加向下延拓的计算深度。 相似文献
244.
由于观测系统实施以及经济因素的限制,采集到的勘探地震数据在空间方向上总是不规则分布的,并且往往会出现数据的大范围连续缺失情况.许多后续地震数据处理方法(例如:多次波压制和波动方程偏移等)都需要空间上规则分布的数据.插值技术是一种解决地震数据缺失问题的有效手段,但是传统的数据插值方法在进行连续缺失数据重建时往往会出现失效的情况,尤其在处理非平稳地震同相轴时精度不高,并且大多数的方法需要迭代计算,在处理高维大规模数据时效率较低.针对连续缺失地震数据的快速插值问题,本文提出了一种非迭代的时空域高阶流式预测滤波插值方法,通过使用高阶限制条件来提高连续缺失数据的滤波器估计精度,提高局部约束条件的稳定性,改善低阶流式计算由于滤波器系数无法连续更新所造成的插值失效情况.同时,空间非因果滤波器和蛇形插值路径的设计方案可以有效减小大范围连续缺失数据和数据边界对于预测滤波器的计算误差,本方法能够有效处理包括近炮检距缺失情况在内的连续缺失数据插值重建.通过与工业标准傅里叶凸集投影(POCS)方法进行比较,理论模型和实际数据处理结果表明,本文提出的高阶流式预测滤波插值方法对高维连续缺失地震数据有较好的重建效果... 相似文献
245.
偏微分方程作为一种描述客观物理规律的重要工具,可应用于解决大多数科学问题和工程问题.在地球物理学中,求解波动方程是地震波场数值模拟的重要步骤,对于偏移成像和反演起着至关重要的作用.随着勘探目标复杂化,地震波方程的数学描述也更加复杂,现有的经典地震波数值模拟方法存在一些待完善之处,需要一些新型正演算法的应用.物理信息神经网络(Physics-Informed Neural Network,简称PINN)是一种利用神经网络求解偏微分方程近似解的有效手段,通过自动微分将偏微分方程及其定解条件引入损失函数中,在最小化数据驱动误差的同时,使其满足方程的物理约束条件.本文在分析PINN原理并总结其研究现状的基础上,对其在波动方程正演中已有成果进行归纳和分析,展望了其未来可能的研究方向,并对PINN在一维声波方程正演中的应用进行了探究. 相似文献