全文获取类型
收费全文 | 86篇 |
免费 | 21篇 |
国内免费 | 6篇 |
专业分类
测绘学 | 22篇 |
大气科学 | 74篇 |
地球物理 | 5篇 |
海洋学 | 6篇 |
天文学 | 3篇 |
综合类 | 3篇 |
出版年
2024年 | 1篇 |
2023年 | 2篇 |
2022年 | 3篇 |
2021年 | 2篇 |
2020年 | 3篇 |
2019年 | 2篇 |
2018年 | 1篇 |
2017年 | 4篇 |
2016年 | 3篇 |
2015年 | 2篇 |
2014年 | 1篇 |
2013年 | 3篇 |
2012年 | 4篇 |
2011年 | 4篇 |
2010年 | 2篇 |
2009年 | 7篇 |
2008年 | 8篇 |
2007年 | 7篇 |
2006年 | 9篇 |
2005年 | 13篇 |
2004年 | 11篇 |
2003年 | 4篇 |
2001年 | 4篇 |
1999年 | 3篇 |
1997年 | 4篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1990年 | 1篇 |
排序方式: 共有113条查询结果,搜索用时 15 毫秒
81.
82.
MOS预报最优子集模型,通过消除数值模式系统性误差,可最大程度地提高其预报技巧。为了建立Na?ve Bayes降水最优模型,利用2008—2011年T511数值预报产品和单站观测资料,对介休、运城、丰宁3个站Na?ve Bayes降水概率分级预报模型进行研究。通过设计恰当的适应度函数,提出了一种用遗传算法搜寻Na?ve Bayes模型最优子集的计算方案,得到了3个站的最优子集模型。结果表明:最优子集的拟合效果明显高于普通初始子集,能够显著提升数值模式在单站的预报技巧。最优子集模型主要通过降低数值模式空报率提高单站晴雨、小雨预报效果,通过小幅提高正确次数和降低空报次数改善对中雨预报效果。 相似文献
83.
采用文献[1]提出的技术模型,研制了云宵县5月暴雨预报方法,建立了4个因子结构简单而天气学意义明了的客观预报模型.经2000~2003年试用,这种基于场量因子的预报模型,未漏报,严格评定的准确率为67%,明显优于主观预报. 相似文献
84.
85.
GPS实时单站测速和相对测速的误差比较与精度分析 总被引:1,自引:0,他引:1
基于GPS多普勒测速原理,结合广播星历介绍实时单站测速和相对测速的数学模型,分析并对比两者的误差源及其对测速精度的影响,然后采用实测数据进行静态环境下和低动态环境下测速精度的实验验证。结果表明,在基线长度约为600 km的静态环境下,采用原始多普勒观测值相对测速精度和单站测速精度都为cm/s级,且相对测速RMS值大于单站测速RMS值;采用高频相位导出多普勒观测值两种测速模式的精度都为mm/s级,且相对测速RMS值略小于单站测速RMS值。在低动态环境下,采用原始多普勒观测值两种测速模式精度都为dm/s级,采用高频相位导出多普勒观测值两者精度都为cm/s级。 相似文献
86.
为解决电离层产品大多基于格网形式及传统预报模型精度较低等问题,采用加权函数方法计算单站TEC,并提出一种基于滑动窗口改进的MEA-BP(MW-MEA-BP)预报模型。选取不同纬度的IGS测站,分别对太阳活动低年和太阳活动高年的观测数据进行分析验证。结果表明,本文单站TEC估计方法快速可靠,在短期预报方面,MEA-BP模型较BP模型有明显改进。当TEC变化剧烈时,本文MW-MEA-BP模型的预报精度较BP模型提高71.8%~90.6%,较MEA-BP模型提高13.9%~54.4%。本文研究结果可为定位用户提供先验准确的电离层信息。 相似文献
87.
基于Palmer湿润指数的旱涝指标研究 总被引:15,自引:0,他引:15
介绍了Palmer湿润指数原理,并利用西北东部西安等站点1961-2000年逐月降水量、气温资料对该指数进行应用性试验.通过Palmer湿润指数与Z指数的对比分析表明,Palmer湿润指数对旱涝的分析更具客观性,旱涝评估结果更符合实际情况,因而适合于我国西北东部半干旱半湿润区单站旱涝情况的评估. 相似文献
88.
应用B-P网络原理,选取西北地区20多个站点的气象资料为样本资料,建立兰州7~8月降水预报专家系统。经过1996~1998年试验、修正、改进,系统性能稳定,具有一般预报员的预报能力,强于常规专家系统。 相似文献
89.
针对海量气象观测数据间存在大量的物理噪声、与气温无关的冗余特征以及时间相关性,提出了一种将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合的多信息融合气温预报方法。首先,运用差分法对气象观测数据进行预处理,得到平稳时间序列数据;其次,运用1DCNN提取与气温变化相关的特征变量作为神经网络模型的输入变量;最后,运用1DCNN和LSTM构建多信息融合气温预报模型1DCNNLSTM,并以云南省昆明市历史气象观测数据为例,与传统的LSTM、1DCNN和反向传播神经网络(BP)对未来24小时的逐时气温预报进行了比较研究。研究结果表明,1DCNN-LSTM的均方根误差(RMSE)相较于LSTM、1DCNN和BP最大降低了5.221%、19.350%和9.253%,平均绝对误差(MAE)最大降低了4.419%、17.520%和8.089%。为气温的精准预报提供了参考依据。 相似文献
90.