全文获取类型
收费全文 | 7298篇 |
免费 | 686篇 |
国内免费 | 694篇 |
专业分类
测绘学 | 2136篇 |
大气科学 | 590篇 |
地球物理 | 1725篇 |
地质学 | 1584篇 |
海洋学 | 591篇 |
天文学 | 61篇 |
综合类 | 686篇 |
自然地理 | 1305篇 |
出版年
2024年 | 43篇 |
2023年 | 125篇 |
2022年 | 344篇 |
2021年 | 411篇 |
2020年 | 364篇 |
2019年 | 378篇 |
2018年 | 207篇 |
2017年 | 296篇 |
2016年 | 286篇 |
2015年 | 288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 | 157篇 |
1997年 | 106篇 |
1996年 | 78篇 |
1995年 | 79篇 |
1994年 | 77篇 |
1993年 | 48篇 |
1992年 | 30篇 |
1991年 | 15篇 |
1990年 | 18篇 |
1989年 | 14篇 |
1988年 | 17篇 |
1987年 | 7篇 |
1986年 | 4篇 |
1985年 | 2篇 |
1984年 | 4篇 |
1977年 | 2篇 |
排序方式: 共有8678条查询结果,搜索用时 46 毫秒
61.
基于AHP和BP神经网络的深部地热水可持续开发能力评价 总被引:1,自引:0,他引:1
采用资料完整性、开采潜力、回灌量、平均水压下降速率、地面沉降速率、水温、水质、地热井布局8项指标构建天津地热可持续开发能力评价指标体系;运用层次分析法确定了各项指标的权重,建立起评价因素集和评语集,给出了归一化数值;建立了天津地热可持续开发能力的BP神经网络模型,以层次分析法得出的结果作为样本,对BP网络进行了训练和测试,实例评价结果表明了AHP和BP神经网络方法的可行性,为地热资源的可持续开发能力评价提供了一种新的评价方法。 相似文献
62.
63.
变形分析的神经网络技术应用实例 总被引:1,自引:0,他引:1
大型工程施工过程中的变形监测、分析与预报极为重要。变形分析建模的方法很多,神经网络技术的应用是其中之一。文中结合某深基坑工程的监测资料和工作经验,运用神经网络BP算法进行预测分析。简述BP神经网络的基本概念,介绍基坑变形分析的BP神经网络的具体模型结构,将神经网络方法预报结果与实测数据对比效果较好。该成果对生产实践具有参考价值。 相似文献
64.
支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性. 相似文献
65.
线性最小二乘估计在对非线性函数进行线性近似的过程中会产生模型误差,而一些非线性参数估计方法可能因为函数复杂而难以求导,法方程系数矩阵秩亏或呈病态矩阵时难以求解,非线性迭代解法有时对初始值的选择存在依赖性,不恰当的初始值会导致迭代无法收敛。针对这些问题,引入了模拟退火算法,介绍了该算法的基本原理、计算步骤和收敛性,并以3个控制网平差应用为例,说明该算法具有无需求导求逆,简洁实用,易于编程等优势,并能实现全局优化,获得高精度的平差结果。 相似文献
66.
67.
68.
69.
70.
Artificial neural network and liquefaction susceptibility assessment: a case study using the 2001 Bhuj earthquake data,Gujarat, India 总被引:2,自引:0,他引:2
D. Ramakrishnan T. N. Singh N. Purwar K. S. Barde Akshay. Gulati S. Gupta 《Computational Geosciences》2008,12(4):491-501
This study pertains to prediction of liquefaction susceptibility of unconsolidated sediments using artificial neural network
(ANN) as a prediction model. The backpropagation neural network was trained, tested, and validated with 23 datasets comprising
parameters such as cyclic resistance ratio (CRR), cyclic stress ratio (CSR), liquefaction severity index (LSI), and liquefaction
sensitivity index (LSeI). The network was also trained to predict the CRR values from LSI, LSeI, and CSR values. The predicted
results were comparable with the field data on CRR and liquefaction severity. Thus, this study indicates the potentiality
of the ANN technique in mapping the liquefaction susceptibility of the area. 相似文献