首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   6724篇
  免费   901篇
  国内免费   823篇
测绘学   2525篇
大气科学   862篇
地球物理   511篇
地质学   2084篇
海洋学   756篇
天文学   47篇
综合类   628篇
自然地理   1035篇
  2024年   12篇
  2023年   221篇
  2022年   345篇
  2021年   400篇
  2020年   316篇
  2019年   377篇
  2018年   288篇
  2017年   263篇
  2016年   259篇
  2015年   281篇
  2014年   426篇
  2013年   313篇
  2012年   380篇
  2011年   356篇
  2010年   337篇
  2009年   367篇
  2008年   364篇
  2007年   344篇
  2006年   282篇
  2005年   233篇
  2004年   227篇
  2003年   198篇
  2002年   199篇
  2001年   170篇
  2000年   145篇
  1999年   148篇
  1998年   159篇
  1997年   125篇
  1996年   120篇
  1995年   126篇
  1994年   132篇
  1993年   124篇
  1992年   115篇
  1991年   81篇
  1990年   80篇
  1989年   65篇
  1988年   25篇
  1987年   10篇
  1986年   4篇
  1985年   8篇
  1984年   3篇
  1980年   2篇
  1963年   1篇
  1957年   2篇
  1954年   1篇
  1950年   1篇
  1949年   1篇
  1946年   2篇
  1943年   1篇
  1941年   2篇
排序方式: 共有8448条查询结果,搜索用时 15 毫秒
1.
储灿清 《测绘》2020,43(1):35-40
鉴于深基坑变形监测中观测数据相互关联影响,结合地下管线与桩体位移等形变数据,将多元线性回归模型与灰色模型GM(1,N)应用于深基坑形变数据预测。本文根据深基坑监测基础数据进行多种形变数据的规律性分析;应用两种分析模型预测了五种基坑形变数据,将预测结果与实测值进行对比分析。结果表明,基坑监测设计合理,开挖期间形变不大、较稳定;比较两种模型,随时间生成动态参数的GM(1,N)模型具有更小的残差,能较好地预测基坑变形规律,可以用于相关项目的实施与数据分析。  相似文献   
2.
海南省连片贫困地区农户致贫风险分析   总被引:4,自引:1,他引:3  
农村贫困与减贫是世界性难题,也是中国各级政府高度重视并着力解决的重大民生问题。基于农户及致贫风险的文献梳理,从区位、社会和劳动力3个要素维度构建了农户致贫风险分析的二元Logistic回归模型。采用484户农户问卷调查数据,分析了海南省连片贫困地区农户的致贫风险,提出有效减贫和持续发展对策。研究发现:① 海南连片贫困地区生态环境良好但贫困发生率较高,家庭劳动力较充裕但受教育水平较低,子女教育支出负担重,因病因残致贫比例较高,女性务工人口较多,农户自身脱贫致富的发展动力不足。② 海拔高度200 m以下、男性户主、拥有残疾或患病成员、务工人口比例低、女性务工人员占比高、以及单位劳动力供养学生数高的农户具有更大的致贫风险。③ 研究未发现女性户主、少数民族、低受教育水平户主、大型规模家庭有更高的致贫风险,女性成员比例、抚养比等因素对农户贫困影响较小。激发农户内生动力、大力发展特色化和规模化农业、增加农户就业机会、加强针对农民工、女性务工人员和病残群体的社会保障等减贫政策制定实施是实现脱贫攻坚目标的重要途径。  相似文献   
3.
以广西桂林会仙国家湿地公园核心区为研究区,结合SegNet和低空无人机影像,构建会仙岩溶湿地地物信息提取模型,探讨多分类SegNet模型与融合单分类和双分类SegNet模型分类结果的差别,分析epoch参数设置对模型分类精度的影响。研究结果表明,多分类SegNet模型对会仙岩溶湿地地物的分类结果的Kappa系数和F1分数分别为0.59和0.67,融合单分类和双分类SegNet模型分类结果的Kappa系数和F1分数分别为0.68和0.79;与多分类SegNet模型分类结果精度相比,融合多个单分类和双分类SegNet模型分类结果的F1分数明显增大。因此,融合多个单分类和双分类的SegNet模型更适用于提取会仙岩溶湿地地物信息;构建更优的会仙岩溶湿地地物提取SegNet模型,设置epoch值为10相对更合适。  相似文献   
4.
类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。  相似文献   
5.
分析海洋环境安全数据的来源和资料类型等属性,开展海洋环境安全数据分类管理体系研究,参考海洋环境分类方法,结合海洋动力灾害、海洋生态灾害、海上突发事件等海洋环境安全事件特征,制定对应的海洋环境安全数据分类方法;按照数据来源、学科要素、业务领域、功能用途等特征,开展海洋环境安全数据的体系设计和分类细化,为海洋环境安全数据的存储、管理和应用提供参考。  相似文献   
6.
7.
现代金矿勘察主要是通过综合地球化学和地质测量等数字化方法对深部矿床进行研究,所需要的人力物力成本较高。而通过分析积累的金矿规格单元数据,可以建立金矿成矿情况与相关成矿元素含量之间的非线性关系,从已有的勘查数据中寻找金矿成矿的一般规律。本文基于与金矿相关的成矿元素含量数据,分别采用逻辑斯蒂回归、随机森林和决策树方法对原始数据和重采样数据进行训练,综合运用召回率、精确率和准确率对模型进行评价。通过对比发现,在训练和测试原始数据过程中,由于每组之间数据量的巨大差距,导致成矿数据被淹没;而在训练重采样数据过程中,随机森林在召回率和准确率方面均有较好的表现,分别达到了90.63%和70.78%;并最终分析了随机森林模型中不同分类边界对于金矿成矿情况预测结果的影响。利用不同的测量指标对模型进行评价分析,使模型更适用于金矿成矿预测,可有效地提高金矿勘察的效率。  相似文献   
8.
施工期隧道岩体质量动态分级,是评价隧道工作面围岩质量最直接的方法,也是预防隧道施工地质灾害,决定施工开挖工法与支护措施的重要依据。由于传统的Q值法和国标BQ岩体质量分级评价方法需要进行现场和室内试验及分析,岩体质量评价时间滞后,常常降低施工效率,或错过预防突发性施工地质灾害的窗口时间,快速准确地对隧道工作面进行岩体质量分级,成为施工期公路隧道岩体质量动态分级需要解决的重要问题。人工智能算法为解决隧道岩体质量实时快速准确评价提供了方法和手段。以北京冬奥会延庆—崇礼高速公路为例,提出了工作面采用隧道掌子面图片人工智能岩体结构参数辨识,建立7个指标参数体系,采用KNN智能算法对隧道岩体质量进行评价,选取8条隧道40个工作面150个样本进行训练学习,另外选取50个样本进行岩体质量评价校验,与BQ岩体质量评价结果相比,准确率达到了90%,得出如下结论:(1)公路隧道岩体质量智能动态分级KNN方法—一种利用人工智能技术快速高效进行岩体质量动态分级的方法,能够在现场实时获得岩体质量评价结果;(2)KNN分级方法中选用了7个判定指标,综合考虑了隧道围岩体的赋存环境、岩体构造、地质结构等特性,并体现了这些指标在实际工程评判中的可操作性和适用性;(3)KNN分级方法误判率很低,在判别分类中排除了评分时人为因素的干扰,具有较强的判别能力,为TBM围岩实时分级做方法储备。  相似文献   
9.
10.
以祠庙祭祀为主体且祠庙保存良好的民间信仰是甘肃陇中地区民间文化的重要组成。甘肃陇中地区的民间信仰具有很强的趋同性,本文以陇中地区的榆中县为例,以各村的祠庙为民间文化载体,通过核密度分析、Logistic回归等方法探讨榆中县民间文化载体的空间分布及其影响因素对于探讨陇中地区人地关系,保护和弘扬民俗文化有着重要意义。研究结果表明:(1)根据已有研究将榆中县民间信仰归纳为山神信仰、水神信仰、天地信仰、女性信仰、英雄崇拜和祖先崇拜,祖先崇拜的祠庙数量占有重要地位;(2)榆中县祠庙主要分布在西北黄河南岸、中部陇海铁路沿线及南部风景名胜集聚区,村级层面空间差异不显著、乡镇空间差异相对较大。通过核密度分析,不同类别民间信仰空间分布热点各有不同;(3)榆中县民间信仰空间分布受到区位条件限制,民间信仰的祠庙多位于海拔高度较低、人口密度较大、交通可达性较好的地区,坡度和到水源的距离成为山神信仰和水神信仰祠庙空间分布显著的影响因子,榆中县祠庙呈现出山神信仰类祠庙“依山”,水神信仰类祠庙“傍水”的空间特点。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号