收费全文 | 7325篇 |
免费 | 684篇 |
国内免费 | 702篇 |
测绘学 | 2139篇 |
大气科学 | 592篇 |
地球物理 | 1740篇 |
地质学 | 1590篇 |
海洋学 | 593篇 |
天文学 | 61篇 |
综合类 | 685篇 |
自然地理 | 1311篇 |
2024年 | 48篇 |
2023年 | 140篇 |
2022年 | 344篇 |
2021年 | 411篇 |
2020年 | 365篇 |
2019年 | 378篇 |
2018年 | 207篇 |
2017年 | 297篇 |
2016年 | 286篇 |
2015年 | 287篇 |
2014年 | 324篇 |
2013年 | 460篇 |
2012年 | 405篇 |
2011年 | 385篇 |
2010年 | 301篇 |
2009年 | 384篇 |
2008年 | 401篇 |
2007年 | 477篇 |
2006年 | 408篇 |
2005年 | 334篇 |
2004年 | 316篇 |
2003年 | 291篇 |
2002年 | 243篇 |
2001年 | 235篇 |
2000年 | 171篇 |
1999年 | 143篇 |
1998年 | 160篇 |
1997年 | 108篇 |
1996年 | 78篇 |
1995年 | 81篇 |
1994年 | 78篇 |
1993年 | 49篇 |
1992年 | 31篇 |
1991年 | 15篇 |
1990年 | 19篇 |
1989年 | 14篇 |
1988年 | 17篇 |
1987年 | 8篇 |
1986年 | 4篇 |
1985年 | 2篇 |
1984年 | 4篇 |
1977年 | 2篇 |
利用机器学习方法对地震活动大数据进行挖掘,识别出一些过去认识不到的异常,提高地震预测的准确性,是一个非常具有挑战性的科学问题.本文基于川滇部分地区(24°N—32°N,98°E—106°E)地震目录,采用滑动的时空窗口,选取16个反映地震时空强度分布特征的地震预测因子,建立了长短时记忆(LSTM)神经网络,对研究区域9个子区块未来一年的最大地震震级进行预测.通过设置训练集:测试集=8:2和训练集:测试集=7:3两个不同的训练测试模型,对过往发生的地震进行了回溯性预报.结果表明:训练集:测试集=7:3模型能够利用1970年1月至2004年9月的地震目录进行学习,成功回溯性预报2008年汶川地震;训练集:测试集=8:2模型利用1970年1月至2009年5月资料进行训练,回溯性预报2010—2019年间6级以上地震的R评分为0.407,回溯性7级地震预报时准确率高达92.31%.本文还探讨性给出预测意见:2022年2月前研究区西部、中部、东部、西南部存在发生5.1~5.3级地震的潜在危险性.
相似文献电离层对流是太阳风与地球磁场相互作用下驱动的磁层大尺度对流循环与对流电场在极区电离层的映射, 与行星际磁场-地球磁场耦合系统息息相关.本文基于SuperDARN(Super Dual Aurora Radar Network)分布在北半球的23部高频相干散射雷达获取到的二维电离层对流速度对其进行建模研究.模型输入为行星际磁场三分量、太阳风速度、太阳风密度和地磁指数六个空间物理参数, 模型输出为二维对流速度.模型选择两种广泛应用于空间物理建模的浅层神经网络即广义回归神经网络(General Regression Neural Network, GRNN)和误差反向传播(Back Propagation, BP)神经网络.实验结果显示, GRNN模型和BP模型的速度幅值均方根误差分别为174.96 m·s-1和234.21 m·s-1, 速度方向角均方根误差分别达到62.30°和88.07°, 相比于对流速度最大值2000 m·s-1和360°的方向角范围来说, 其误差是可以接受的.外推性实验结果显示, 在第24个太阳周期时, GRNN模型和BP模型的速度幅值均方根误差分别为305.35 m·s-1和738.15 m·s-1, 速度方向角均方根误差分别为82.01°和90.56°.实验结果表明, GRNN在时间外推性上的效果优于BP神经网络, 更适用于预测对流速度.我们发现在四种典型空间环境条件下, 利用GRNN模型预测的瞬时对流速度来构建的全域对流模式与现有统计模型构建的对流模式相似, 从而验证预测的对流速度可以用于分析瞬时极区电离层对流.
相似文献地形效应是地震学、地震工程学和工程地震学中非常重要的研究课题.地震震后调查发现: 地形起伏变化引起了更严重的地震灾害, 地震仪器也记录到复杂的三维地形对地震动具有放大效应.关于地形激发的地震动效应问题, 目前仍处于定性研究阶段, 得到了一些定性的结论: 如地形效应表现为与地形坡度相关、与山脊和山谷相关、与山形坡面形态相关、与山体高宽比相关、与地形变化的尺度相关等等.这些定性结论没能给出影响地形效应的主要因素, 如何预测地形效应仍是难题.本文通过谱元数值模拟方法, 计算了自贡地区的地震动地形效应的放大系数, 同时引入BP神经网络技术, 揭示了地形放大系数可以用不同尺度地形上的变化来表述, 即可以用地形高程、地形变化梯度及其高阶变化梯度来表示.据此为参量, 文中建立了地形效应BP神经网络的预测模型, 并将该预测模型的结果与自贡地形台阵在汶川地震中的主震记录获得的地形放大系数结果进行了对比, 给出了预测结果与实际结果的差异范围, 讨论了造成差异的成因, 该论文提出的研究方法为更全面的研究地形效应提供了重要的研究思路.
相似文献