全文获取类型
收费全文 | 348篇 |
免费 | 31篇 |
国内免费 | 63篇 |
专业分类
测绘学 | 135篇 |
大气科学 | 21篇 |
地球物理 | 22篇 |
地质学 | 157篇 |
海洋学 | 34篇 |
天文学 | 1篇 |
综合类 | 21篇 |
自然地理 | 51篇 |
出版年
2024年 | 1篇 |
2023年 | 3篇 |
2022年 | 6篇 |
2021年 | 12篇 |
2020年 | 7篇 |
2019年 | 19篇 |
2018年 | 10篇 |
2017年 | 19篇 |
2016年 | 25篇 |
2015年 | 26篇 |
2014年 | 21篇 |
2013年 | 10篇 |
2012年 | 31篇 |
2011年 | 23篇 |
2010年 | 14篇 |
2009年 | 21篇 |
2008年 | 18篇 |
2007年 | 25篇 |
2006年 | 25篇 |
2005年 | 30篇 |
2004年 | 18篇 |
2003年 | 13篇 |
2002年 | 9篇 |
2001年 | 13篇 |
2000年 | 11篇 |
1999年 | 13篇 |
1998年 | 6篇 |
1997年 | 2篇 |
1996年 | 4篇 |
1995年 | 5篇 |
1994年 | 1篇 |
1993年 | 1篇 |
排序方式: 共有442条查询结果,搜索用时 0 毫秒
221.
222.
随着城市的现代化进程,地面沉降已广泛发生在世界各地,给人民生活和社会发展造成极大损失.GM(1,1)模型作为经典的地面沉降预测方法,不适用于随机型数据预测.将AR模型与GM(1,1)组合成GM-AR模型对城市地面沉降数据进行预测,预测值残差小于GM(1,1)模型,未来2、3期预测值小于1 mm,且趋势线更贴近实测值,效果优于传统的GM(1,1)模型. 相似文献
223.
洪泽湖湿地纹理特征参数分析 总被引:1,自引:0,他引:1
应用纹理特征进行影像分类,关键在于纹理特征参数的确定。以洪泽湖湿地典型地区为研究对象,选择灰度共生矩阵进行纹理特征计算,探讨灰度共生矩阵窗口尺寸、移动步长、方向和纹理特征统计量对淡水湖泊湿地的区分能力;然后,利用纹理特征和地物光谱特征,结合决策树方法对研究区湿地及其他主要地类进行分类,并通过混淆矩阵进行精度评价。结果表明:研究区湿地分类中纹理特征的最佳窗口大小为3像元×3像元,方向为90°,步长为1个像元,纹理特征统计量组合为均值、熵和相关度;分类精度为83.24%,Kappa为0.788,其结果验证了纹理特征参数选择的科学性和合理性。 相似文献
224.
灰色预测模型在变形监测领域已得到广泛的应用和发展,灰色模型在理论上可以进行中长期预测,但实际应用中随着时间的推移预测精度也随之下降,为了解决这一问题,本文对GM(1,1)模型进行了改进并将改进后的GM(1,1)模型与时间序列模型组合,利用GM-AR模型进行预测可提高模型的预测精度,并应用实例证明了该方法的可行性。 相似文献
225.
沉降监测的数据分析与预计在工程建设中具有决策辅助作用。选择合理的预测模型进行沉降预计,可以提高预计精度。结合工程实例,对焦作市×××项目8号楼进行沉降监测,分别用回归分析模型和灰色理论GM(1,1)模型进行数据处理,从而说明两种模型各自适用的环境条件和优缺点,预计效果令人满意。 相似文献
226.
建筑区的识别和提取是城市环境规划与研究至关重要的工作。本文采用高分三号全极化SAR影像,提出了一种综合Span图和纹理特征的建筑区提取方法。首先基于Span图利用灰度共生矩阵算法提取图像的7种原始纹理特征,通过目视解译选择出4种纹理效果较好的统计量,然后利用主成分分析法去除他们之间的相关性,筛选出2个最佳纹理特征与Span图结合,最后对组合影像进行分类提取。本文将提取结果与综合灰度和纹理特征建筑区提取、无纹理特征提取方法结果进行对比,实验结果表明:本文方法提取建筑区边界轮廓更加清晰,精度可达92%,提取效果明显得到了优化。 相似文献
227.
刘维康 《测绘与空间地理信息》2019,42(4):153-156,161
针对矿区地表变形数据间断缺失的现象,分析了矿区地表变形数据特点,提出了一种灰色神经网络组合模型对间断数据进行预测。首先,利用非等间距灰色模型计算灰预测平面,再采用BP神经网络模型对预测平面区间进行加权组合,得到最终的预测值。实验表明:灰色神经网络组合模型预测精度高于灰色模型,对矿区地表变形数据处理的适应度更高。 相似文献
228.
基于中值滤波的灰色预测模型及其在大坝变形预测中的应用 总被引:4,自引:0,他引:4
在大坝变形监测中,当用GM(1,1)模型对稳定变化的变形数据序列进行预测时,效果较好。但是,影响坝体变形的因素多种多样,且处于动态变化之中,观测数据中将不可避免地存在着一些随机扰动,这些扰动使大坝的变形曲线发生异常波动。此时仅用GM(1,1)模型进行预测,其精度和可靠性就会下降。为此,本文提出一种基于中值滤波的GM预测模型,即先用中值滤波算法对发生波动的原始变形监测数据进行滤波处理,而后再建立GM模型进行灰色预测。实例证明,基于中值滤波的GM预测模型可以有效地提高大坝变形的预测精度。 相似文献
229.
230.