全文获取类型
收费全文 | 284篇 |
免费 | 87篇 |
国内免费 | 51篇 |
专业分类
测绘学 | 73篇 |
大气科学 | 74篇 |
地球物理 | 54篇 |
地质学 | 112篇 |
海洋学 | 27篇 |
天文学 | 2篇 |
综合类 | 44篇 |
自然地理 | 36篇 |
出版年
2024年 | 30篇 |
2023年 | 93篇 |
2022年 | 93篇 |
2021年 | 77篇 |
2020年 | 42篇 |
2019年 | 35篇 |
2018年 | 14篇 |
2017年 | 9篇 |
2016年 | 1篇 |
2015年 | 1篇 |
2014年 | 2篇 |
2013年 | 2篇 |
2012年 | 1篇 |
2011年 | 4篇 |
2010年 | 3篇 |
2009年 | 1篇 |
2007年 | 5篇 |
2005年 | 3篇 |
2004年 | 2篇 |
2003年 | 1篇 |
2001年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有422条查询结果,搜索用时 46 毫秒
31.
气象变量常作为重要的影响因子出现在环境污染、疾病健康和农业等领域,而高分辨率的气象资料可作为众多研究的基础数据,对推进相关研究的发展意义重大。本文以中国大陆为研究区域,利用2015年824个气象站点的气温、相对湿度和风速3套数据,结合不同的解释变量组合,分别构建了各自的GAM和残差自编码器神经网络(简称残差网络)模型,以10倍交叉验证判断模型是否过拟合。研究结果表明:① GAM和残差网络方法都不存在过拟合问题,同GAM相比,残差网络显著提高了模型预测的精度(3个气象因素的交叉验证CV R2平均提高了0.21,CV RMSE平均降低了37%),其中相对湿度模型的提升幅度最大(CV R2:0.85 vs. 0.52,CV RMSE:7.53% vs. 13.59%);② 残差模型的结果较普通克里格插值结果和再分析资料更接近站点观测数据,表明残差网络可作为高分辨率气象数据研制的可靠方法。此外,研究还发现在相对湿度模型中加入臭氧浓度和气温、在风速模型中加入GLDAS风速再分析资料,可提升模型的性能。 相似文献
32.
一、DM在GIS中的应用
DM(Data Mining数据挖掘)是指把人工智能、机器学习与数据库等技术结合起来,由计算机自动的从数据库或数据仓库中的大量数据中揭示出隐含的、先前未知的并具有潜在价值的信息或模式,以解决数据量大而知识贫乏这一困扰专家系统(ES)的知识瓶颈问题的非平凡过程。这一概念一经提出,立即引起了学者、软件开发商和用户的极大兴趣, 相似文献
33.
软件模块故障倾向预测方法研究 总被引:2,自引:0,他引:2
研究了在区分故障严重程度下的软件模块故障倾向预测方法,将故障分为高严重程度和低严重程度两种类型,用统计分析和机器学习方法分析静态代码度量与故障倾向之间的关系。以公开和私有两种类型的失效数据集作为实验数据,分析发现,故障的严重程度影响预测性能,预测不同严重程度的故障需要选择不同的度量和分类模型,预测低严重程度故障的性能好于预测高严重程度故障的性能。 相似文献
34.
哈萨克斯坦北部小麦遥感估产方法研究 总被引:1,自引:0,他引:1
以哈萨克斯坦北部雨养耕作区为研究靶区,基于春小麦产量统计数据和遥感光谱指数,开展了春小麦估产最优预测时期及植被指数分析,采用回归分析、随机森林、支持向量机及双向循环神经网络模型估算春小麦产量,并对比分析了不同模型的模拟精度.结果表明:北哈萨克斯坦州、阿克莫拉州和库斯塔纳州2007—2016年春小麦估产的最佳预测时期为6... 相似文献
35.
区域作为人类、自然、社会共同作用和互相影响的复杂系统,对区域进行生态量化建模与模拟仿真,是实现区域可持续发展战略的关键。传统机器学习方法对区域生态系统建模取得了一定的成果,但难以确定学习特征和实现时空模拟。深度学习不需事先确定训练特征,具有优异的特征学习能力,能够提高模型预测精度,因此利用深度学习进行建模具有显著优势。本文使用植被净初级生产力(NPP)、气溶胶光学厚度(AOD)和人口格网数据,充分利用深度学习的优点,采用最优深度神经网络时空模拟,得到了河南省2007-2014年3 km分辨率的生态赤字空间分布图和河南省2015-2020年的生态赤字时间预测结果并进行分析,为区域生态的科学管理和建设供科学依据和参考。 相似文献
36.
耕地保护关系到国家粮食安全和经济社会可持续发展,对生态环境保护具有重要作用,快速精准的获取耕地土壤盐分含量及空间分布信息是耕地保护的必然要求。以宁夏平罗县为研究区,利用Landsat 9 OLI和Sentinel-1遥感影像,提取光谱指数和雷达极化组合指数,基于变量投影重要性法与灰度关联法筛选特征变量,然后运用反向传播神经网络、支持向量机和随机森林3种机器学习算法构建模型,并用最佳模型反演耕地土壤含盐量空间分布情况。结果表明:(1)利用变量投影重要性法筛选变量建立的模型验证集决定系数(R2)大于灰度关联法筛选变量建立的模型。(2)利用随机森林算法,组合光谱指数和雷达极化组合指数协同反演模型效果最佳,建模集R2为0.791,均方根误差(RMSE)为1.016,R2较单一数据源模型分别提高0.065和0.085,RMSE分别降低0.147和0.189;验证集R2为0.780,RMSE为1.132,R2较单一数据源模型分别提高0.091和0.237,RMSE分别降低0.175和0.3... 相似文献
37.
38.
建立三维矿体模型是数字矿山、智慧矿山的基础.针对经典径向基函数曲面重建算法在原始数据稀疏时出现曲面边界自拟合及模型不连续现象,提出了一种集成多种机器学习模型的径向基函数曲面复杂矿体三维建模方法.该方法利用Stacking模型学习矿体轮廓线离散化点云数据的分布特征,建立表征矿体模型几何信息的有向点集;在此基础上提取边界点及法向量,通过Hermite型径向基函数建立隐式场,最后基于行进四面体算法建立三维矿体模型.与轮廓线拼接法、经典径向基函数曲面重建算法、简单克里金插值法相比,该方法能够有效减少曲面边界自拟合现象,减少模型多余孔洞,提高模型的连续性;建立的模型所切轮廓线与原始轮廓线相似度达75.14%,与人工干预程度较高的显式模型相当;在体积表征上与显式模型的差距达到最低. 相似文献
39.
我国积累的大量高质量、多元素、多尺度的地球化学数据,为矿产勘查与环境评价提供了有效的数据支撑。如何对这些数据进行二次开发和再利用,提取有价值的地球化学异常信息并带动找矿突破,是缓解当前矿产资源短缺的重要途径之一。在覆盖区和深部的找矿实践中,由于矿体埋深和覆盖层的影响,往往在表生介质中形成弱小的地球化学异常,识别和评价弱小地球化学异常是当前勘查地球化学数据处理的重要方向之一。本文围绕地球化学异常信息的提取和评价,主要从以下几个方面讨论了相关的国内外研究进展和发展趋势:勘查地球化学数据处理与异常识别方法和模型,勘查地球化学数据闭合效应的影响及其解决方案,基于大数据和机器学习的勘查地球化学数据处理以及弱小地球化学异常的识别和评价。研究发现,在地质环境的约束下,基于大数据思维和机器学习相结合的方法,注重地球化学空间分布模式与已发现矿床的相关关系,同时使用所有地球化学变量能有效刻画具有非线性特征的地球化学空间分布模式,可识别出传统方法无法识别的异常,为开展地球化学空间模式识别与异常提取提供了新的途径。 相似文献
40.