全文获取类型
收费全文 | 95篇 |
免费 | 33篇 |
国内免费 | 36篇 |
专业分类
测绘学 | 2篇 |
大气科学 | 16篇 |
地球物理 | 46篇 |
地质学 | 62篇 |
海洋学 | 2篇 |
天文学 | 1篇 |
综合类 | 13篇 |
自然地理 | 22篇 |
出版年
2023年 | 4篇 |
2021年 | 1篇 |
2020年 | 2篇 |
2019年 | 3篇 |
2018年 | 5篇 |
2016年 | 5篇 |
2015年 | 9篇 |
2014年 | 6篇 |
2013年 | 6篇 |
2012年 | 5篇 |
2011年 | 8篇 |
2010年 | 8篇 |
2009年 | 9篇 |
2008年 | 7篇 |
2007年 | 10篇 |
2006年 | 11篇 |
2005年 | 9篇 |
2004年 | 18篇 |
2003年 | 4篇 |
2002年 | 5篇 |
2001年 | 3篇 |
2000年 | 1篇 |
1999年 | 5篇 |
1998年 | 2篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1995年 | 2篇 |
1994年 | 3篇 |
1993年 | 2篇 |
1990年 | 3篇 |
1989年 | 1篇 |
1988年 | 1篇 |
1984年 | 1篇 |
1981年 | 1篇 |
排序方式: 共有164条查询结果,搜索用时 15 毫秒
111.
基坑开挖对临近地铁隧道影响的两阶段分析方法 总被引:10,自引:0,他引:10
城市高层建筑施工中进行基坑开挖必然引起周围地层移动,从而造成临近地铁隧道纵向不均匀沉降,最终对地铁正常运营产生严重影响。针对目前该领域存在的三维有限元建模复杂及计算耗时的缺点,考虑基坑开挖引起的坑底和四周坑壁土体同时卸荷产生的影响,提出了基坑开挖对临近地铁隧道纵向变形影响的两阶段分析方法。首先计算基坑开挖作用在地铁隧道上的附加荷载,然后基于Winkler地基模型建立地铁隧道纵向变形影响的基本微分方程,根据Galerkin方法将该方程转换为一维有限元方程进行计算,同时研究了不同隧道埋深、距离基坑开挖现场远近、不同地基土质和不同隧道外径等因素对隧道纵向变形的影响。结合大型三维有限元数值模拟以及现场实测数据将计算结果进行了对比,得到较好的一致性。成果可为合理制定基坑开挖对临近地铁隧道的保护措施提供一定的理论依据 相似文献
112.
113.
????????????????????????????2003??1????2012??11?μ?112????GRACE??????????????2011?????9.0???????????6??????????????????????????Щ?????????????????????????仯????????????:??Tλλ????Trr????Tθλ???? ??????????????н???????????????9.0???????????????????????6?????????????????????????仯????????????仯????? 相似文献
115.
116.
提出一种自适应协方差的时频域极化滤波方法。该方法在广义S变换时频方法的基础上,构造时频域自适应协方差矩阵,通过特征分析计算时频域瞬时极化参数,设计极化滤波器,实现多分量地震极化分析和滤波。其优势在于协方差矩阵的分析时窗的长度由多分量地震数据的瞬时频率确定,可以自适应于有效信号的周期,在每个时频点计算极化参数不需要进行插值处理;结合时间频率信息,解决在时间域或频率域波形或频率重叠的信号具有明显的直观性。模型数据及实际三分量台站地震数据处理结果表明,该极化滤波方法在台站地震资料分析和处理方面具有很好的直观性和较高的分辨率。 相似文献
117.
118.
119.
地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路. 相似文献