全文获取类型
收费全文 | 211篇 |
免费 | 37篇 |
国内免费 | 36篇 |
专业分类
测绘学 | 37篇 |
大气科学 | 29篇 |
地球物理 | 22篇 |
地质学 | 121篇 |
海洋学 | 32篇 |
天文学 | 2篇 |
综合类 | 8篇 |
自然地理 | 33篇 |
出版年
2024年 | 2篇 |
2023年 | 4篇 |
2022年 | 10篇 |
2021年 | 6篇 |
2020年 | 1篇 |
2019年 | 6篇 |
2018年 | 6篇 |
2017年 | 5篇 |
2016年 | 4篇 |
2015年 | 5篇 |
2014年 | 17篇 |
2013年 | 9篇 |
2012年 | 5篇 |
2011年 | 5篇 |
2010年 | 6篇 |
2009年 | 6篇 |
2008年 | 10篇 |
2007年 | 5篇 |
2006年 | 9篇 |
2005年 | 9篇 |
2004年 | 11篇 |
2003年 | 10篇 |
2002年 | 13篇 |
2001年 | 7篇 |
2000年 | 6篇 |
1999年 | 5篇 |
1998年 | 11篇 |
1997年 | 9篇 |
1996年 | 8篇 |
1995年 | 7篇 |
1994年 | 6篇 |
1993年 | 2篇 |
1992年 | 6篇 |
1991年 | 6篇 |
1990年 | 12篇 |
1989年 | 11篇 |
1988年 | 3篇 |
1987年 | 3篇 |
1986年 | 1篇 |
1985年 | 4篇 |
1984年 | 4篇 |
1982年 | 3篇 |
1981年 | 1篇 |
1980年 | 3篇 |
1961年 | 1篇 |
1956年 | 1篇 |
排序方式: 共有284条查询结果,搜索用时 0 毫秒
281.
本文将车镇凹陷古近系划分为1个一级层序(构造层序组),3个二级层序(构造层序)和9个三级层序,从而建立起该区层序地层格架。整个古近系跨时约40Ma,构成1个一级层序,可分为4个二级层序,孔店组不发育而只剩下3个,对应时间跨度度分别约7.5Ma,4Ma和13.4Ma,进一步可识别出9个三级层序,时间跨度差别较大,以层序3~5最小,约1.0~1.5Ma,层序6最大,约5.2Ma。从构造演化上,在车镇凹陷可划分为孔店一沙四期伸展半地堑充填的初期断陷阶段、沙三一沙二下期断块强烈活动的强烈断陷阶段和沙二上—东营期断块活动复杂化的断陷萎缩阶段。根据构造演化及沉积充填特征,可将古近系层序划分出初陷期干旱蒸发构造坡折型、深陷期深水沉积坡折型和萎缩期浅水斜坡型3种模式,各种层序模式中体系域构成、沉积充填和砂体发育存在较大差异,这对油气勘探目标的选择具有重要指导意义。 相似文献
282.
在海平面升降、构造活动、沉积物供给等外部驱动作用下,沉积地层的叠置受自成因和他成因两种机制的控制。近年的认识表明,自成因机制可发生在沉积过程的各个时空尺度。不同于小尺度自成因机制仅发生在沉积系统的局部,大尺度自成因机制可在盆地范围内系统性地控制地层的发育,能够修饰甚至改变他成因过程。要想准确地探究地层的叠置样式与外部驱动条件之间的关系,必须有效地鉴别大尺度自成因与他成因过程。基于对大尺度自成因过程的认识,逐渐建立与发展了自成因地层学。它提出的自成因与他成因观、平衡响应与非平衡响应观为解析地层叠置样式与外部驱动条件之间的关系提供了新的视角。自成因地层学一方面对外部驱动条件分为稳定的(速率等作用方式保持不变)与不稳定的(速率等作用方式发生改变),由前者形成的地层叠加样式(或过程)称为自成因的,后者形成的地层叠加样式(或过程)称为他成因的。另一方面也将地层叠置样式分为稳定的(加积速率与进积速率的比值Ragg/Rpro保持不变)与不稳定的(Ragg/R pro发生改变)。若稳定的外部驱动条件形成稳定的地层叠加样式,称为平衡响应,是自成因过程;稳定的外部驱动条件形成不稳定的地层叠加样式称为自成因的非平衡响应。此外,不稳定的外部驱动条件也可能形成稳定的地层叠加样式,称为他成因的非平衡响应。自成因地层学认为,由于自成因非平衡响应机制的普遍存在,地层的叠加过程通常表现得不稳定。相比而言,稳定的地层叠加样式仅在特殊情况下才能发生。传统成因地层学应当重视大尺度的自成因机制。 相似文献
283.
完全非线性孤立波的直墙反射 总被引:2,自引:2,他引:0
报道了应用边界积分方法模拟完全非线性孤立波的传播与直墙反射,给出了波形演变过程。结果表明,本模型对计算孤立波的传播与直墙反射是有效的。三阶Boussinesq方程的孤立波解比低阶方程的孤立波解更接近完全非线性的数值解.当来波波高增大时,孤立波直墙反射的相位滞后变小。若考虑大波高孤立波的直墙反射或波——波相互作用,一阶理论预报的相位滞后往往低估实际情况。 相似文献
284.
刘高村王绪本袁崇鑫李德伟谢卓良 《物探化探计算技术》2023,(4):484-496
传统大地电磁反演通常是基于确定性梯度的迭代求解,不仅需要大量时间计算雅可比矩阵,还依赖于初始模型的输入和正则化因子等参数的设置。近年来学者们不断引入机器学习方法以试图改善大地电磁反演,该方法不需要计算雅可比矩阵,不用输入初始模型,训练好的网络仅需几毫秒就可实现反演成像。这里利用Google团队提出的Transformer神经网络经典框架搭建大地电磁数据和模型之间的映射网络,以9240组正演数据为样本,对Transformer网络参数进行训练。采用南非开源大地电磁数据,实现了由视电阻率图像到电阻率模型的反演成像。研究表明:①经训练后的Transformer网络可以较准确的反映出异常体位置和大小;②网络实现了简单的矩阵并行化运算,大幅度提高训练的效率,且成像效率高于传统的反演。 相似文献