全文获取类型
收费全文 | 3187篇 |
免费 | 926篇 |
国内免费 | 856篇 |
专业分类
测绘学 | 966篇 |
大气科学 | 614篇 |
地球物理 | 534篇 |
地质学 | 1746篇 |
海洋学 | 531篇 |
天文学 | 25篇 |
综合类 | 297篇 |
自然地理 | 256篇 |
出版年
2024年 | 10篇 |
2023年 | 234篇 |
2022年 | 296篇 |
2021年 | 318篇 |
2020年 | 199篇 |
2019年 | 242篇 |
2018年 | 139篇 |
2017年 | 145篇 |
2016年 | 127篇 |
2015年 | 136篇 |
2014年 | 209篇 |
2013年 | 153篇 |
2012年 | 197篇 |
2011年 | 199篇 |
2010年 | 165篇 |
2009年 | 237篇 |
2008年 | 245篇 |
2007年 | 184篇 |
2006年 | 160篇 |
2005年 | 217篇 |
2004年 | 166篇 |
2003年 | 138篇 |
2002年 | 141篇 |
2001年 | 101篇 |
2000年 | 91篇 |
1999年 | 79篇 |
1998年 | 72篇 |
1997年 | 69篇 |
1996年 | 80篇 |
1995年 | 69篇 |
1994年 | 65篇 |
1993年 | 24篇 |
1992年 | 17篇 |
1991年 | 11篇 |
1990年 | 14篇 |
1989年 | 8篇 |
1988年 | 7篇 |
1987年 | 2篇 |
1986年 | 1篇 |
1976年 | 1篇 |
1957年 | 1篇 |
排序方式: 共有4969条查询结果,搜索用时 15 毫秒
1.
针对卫星钟差不能被精确模型化的问题,将具有较强记忆功能和强大计算能力的Elman神经网络运用到卫星钟差预报中,提出适用于卫星钟差预报的Elman模型。首先对原始钟差数据进行一次差处理,然后选择合适的神经网络结构建立预报效果最佳的Elman钟差预报模型,最后选用国际GNSS服务(IGS)提供的精密钟差数据进行GPS卫星钟差预报,并与二次多项式模型、附加周期项的多项式模型和灰色系统模型进行对比分析。结果表明,Elman模型进行1 d、7 d和30 d钟差预报的精度得到显著提高,分别达到亚ns、ns和μs级,表明该模型的钟差预报性能优于3种常用模型,在卫星钟差预报中具有可行性。 相似文献
2.
以现有地磁台站的长期海量观测数据为基础,忽略地磁场成因及众多影响因素的复杂作用机理,对地磁变化场的时空关联性进行分析,挖掘数据中蕴含的规律信息,进一步构建基于BP神经网络的地磁变化场预测模型。通过实际地磁台站的观测数据对模型预测结果进行验证,结果表明,对于任意选取的100组验证数据,均方根误差为4.8 nT,求解精度能够满足一般科学研究对地磁变化场的精度需求。 相似文献
3.
以2007~2018年西宁二十里铺气象站探空资料为模拟样本,利用MonoRTM模式模拟中心频率21.985~58.759GHz的35通道亮温,应用BP神经网络对模拟数据进行反复训练,构建最优反演模型,并以2019年探空资料为测试样本,对比分析了不同季节和不同天气条件下BP神经网络与微波辐射计的反演效果。结果表明:晴空条件下,BP神经网络与微波辐射计在温度反演上效果最佳,水汽密度次之,相对湿度最差,其中冬春季BP神经网络反演效果优于微波辐射计,夏秋季反之;有云条件下,BP神经网络温度反演效果在冬、春和夏季均优于微波辐射计,其水汽密度反演效果在四季均较微波辐射计有明显提升,其相对湿度反演效果在冬、春和夏季均较微波辐射计更佳。晴空和有云条件下,BP神经网络在不同季节反演温度、水汽密度和相对湿度的平均绝对误差和标准偏差均小于微波辐射计,尤其是相对湿度的反演精度提升最为明显。晴空条件下,BP神经网络反演温度廓线在春、夏和秋季效果最佳,反演水汽密度廓线在中低层精度较高,反演相对湿度廓线的精度较差,但基本和探空资料趋势一致;有云条件下,BP神经网络反演温度廓线与晴空时基本一致,较微波辐射计精度更高,反演水汽密度和相对湿度廓线在8km以上效果较好。 相似文献
4.
河流-河口-近海连续体(简称连续体)是连接陆地和大洋的过渡地带,也是目前全球碳收支估算的薄弱环节。这个复杂的海陆交互生态系统不仅可以通过光合作用、溶解作用吸收大气中的CO2,陆地和流域光合作用或化学风化作用固定的碳也可以被横向输送到陆架和大洋中。本文以国际上著名的切萨皮克湾以及长江-长江口-东海等为例,综述了连续体碳循环研究的进展,并指出通过陆海统筹、海空一体、点线面结合的系统观测,结合动力-生态数值模拟、沉积记录开展多时空尺度过程机制分析研究,是阐明气候变化与人类活动双重压力下,河流-河口-近海连续体碳交换的演变规律及其对碳收支的影响的可行途径。 相似文献
5.
通过智能物联网技术实时获取积水监测实况数据,利用天津市气象精细化格点预报产品和城市自动雨量观测站实况数据,以机器学习、神经网络模型和天津市城市内涝风险等级划分原理为基础,研究基于用户实时位置的城市内涝预报预警技术,研发天津市城市自动化积水监测预警系统。结果表明,该系统具备一定的城市内涝风险监测预警预报能力,并在2018—2020年多次重大天气过程中应用,积水深度预报结果与监测结果基本一致,应用数据表明验证结果良好,系统可以为政府防灾减灾决策、指挥调度提供精准、及时的气象数据支撑。 相似文献
6.
利用WRF(Weather Research Forecast)模式及其3D-Var(Three-Dimensional Variational assimilation)变分系统,针对2017年7月7日一次飑线进行了雷达资料的循环同化敏感性试验。结果表明:以循环同化雷达资料至飑线成熟期时刻的试验预报效果最好,主要原因在于预报的低层西北冷空气较强,从而导致较强的低层切变,再配合强的热力不稳定条件从而使飑线的发展得以维持。通过七组试验对比表明,对于单次雷达资料,同化的时机更为重要。同化飑线成熟阶段的雷达反射率,对低层热力层结有改善作用,为飑线发展提供了不稳定能量;对于循环同化,通过观测的影响和模式自身的热动力调整,对流场也有较好的修正作用,为对流系统的持续发展提供了充分的动力条件。 相似文献
7.
实时烈度预测可在破坏性地震波到达前,根据P波估计地震可能造成的最大影响.预警对象可以采取措施,降低可能造成的损失.P波位移幅值是一种有效估计地震动峰值的参数,然而单个或多个参数难以全面表征地震动中的信息.同时,参数的计算需要确定时间窗大小,无法实现连续预测.为了解决上述问题,提出了一种基于长短期记忆网络的实时地震烈度预测模型.基于2010-2021年K-NET数据构建模型,并选取2022年3月MJMA7.3地震事件作为案例验证模型.结果表明,P波到达后可以在记录的每个时间步预测烈度,P波到达3 s时在测试集中准确率为96.47%.提出的LSTM模型改善了烈度预测的准确性和连续性,可为地震预警、应急响应等提供科学依据. 相似文献
8.
基于TBM施工数据进行围岩感知对保障TBM施工安全、提高施工效率至关重要,其中TBM掘进参数预测的准确率是检验围岩感知效果的重要依据.为此,以吉林引松工程TBM四标段为研究对象,选取TBM上升段破岩数据为输入特征X1,选择两个施工控制参数(刀盘转速和推进速度)为输入特征X2,构建卷积神经网络机器学习模型,对TBM掘进响应参数Y(刀盘扭矩和总推力)进行预测.按照学习对象的不同,分别构建了只学习稳定段掘进响应行为的点预测模型和同时学习上升段和稳定段掘进响应行为的线预测模型,结果表明:点预测模型无法描述控制参数对掘进响应参数的影响;线预测模型虽然可以描述控制参数对掘进响应参数的影响,但是对稳定段的掘进响应预测数值偏低.考虑到上述局限性的原因是稳定段行为样本数量只占总样本数量的9%,提出了一种通过调节损失函数的方法来提高稳定段行为样本的权重,显著提高了线预测模型的预测精度.改进后的结果表明:在TBM掘进参数预测中,应对整个掘进段的行为进行学习,并提高稳定段行为的权重,以便获得高精度的掘进响应参数预测模型.获得的模型能够为进一步的围岩感知和控制参数优化提供基础. 相似文献
9.
地震数据中存在的多次波影响偏移成像,误导地震资料的解释,因此通常视为相干噪声而被去除.为了对多次波进行智能化衰减,本文提出了一种基于数据增广训练的使用深度神经网络的多次波压制方法.设计的深度神经网络包括卷积编码和卷积解码过程,其中卷积编码过程学习全波场数据中的一次波特征,卷积解码过程利用这些特征来重构一次波并压制多次波和随机噪声.在训练阶段,旋转训练集并在输入数据中加入随机噪声构成增广训练数据集来提升神经网络的抗噪稳定性和泛化性,通过迁移学习让深度神经网络具备跨工区压制多次波的能力.简单模型与Sigsbee2B模型三套模拟数据的实例验证了本文方法在一次波重构和多次波压制中的有效性、稳定性和良好泛化性;一套崎岖海底模型地震物理模拟数据的应用实例表明本文方法具有应用于复杂条件下压制地震多次波的能力. 相似文献
10.
跨海大桥系统受外界影响扰动,其变形伴有混沌现象发生。对桥梁变形监测数据实现了混沌识别,运用C-C法计算时间序列的延迟时间,用G-P方法求得最佳嵌入维数,通过求取的时间延迟和最佳嵌入维数对桥梁变形监测数据进行相空间重构,为混沌时间序列预测模型的建立奠定基础;基于RBF神经网络建立混沌时间序列预测模型,对实测数据进行桥梁变形水平位移预测,并与基于最大Lyapunov指数混沌时间序列预测结果以及实测数据进行对比分析。结果表明,基于RBF神经网络建立的混沌时间序列预测模型的预测结果比基于最大Lyapunov指数混沌时间序列预测模型的预测结果要好,且短期预测效果好。 相似文献