收费全文 | 3310篇 |
免费 | 380篇 |
国内免费 | 466篇 |
测绘学 | 728篇 |
大气科学 | 455篇 |
地球物理 | 735篇 |
地质学 | 1049篇 |
海洋学 | 433篇 |
天文学 | 57篇 |
综合类 | 245篇 |
自然地理 | 454篇 |
2024年 | 29篇 |
2023年 | 78篇 |
2022年 | 137篇 |
2021年 | 189篇 |
2020年 | 168篇 |
2019年 | 180篇 |
2018年 | 98篇 |
2017年 | 138篇 |
2016年 | 119篇 |
2015年 | 98篇 |
2014年 | 135篇 |
2013年 | 234篇 |
2012年 | 156篇 |
2011年 | 144篇 |
2010年 | 130篇 |
2009年 | 208篇 |
2008年 | 217篇 |
2007年 | 243篇 |
2006年 | 195篇 |
2005年 | 188篇 |
2004年 | 159篇 |
2003年 | 156篇 |
2002年 | 118篇 |
2001年 | 124篇 |
2000年 | 77篇 |
1999年 | 68篇 |
1998年 | 82篇 |
1997年 | 59篇 |
1996年 | 50篇 |
1995年 | 35篇 |
1994年 | 41篇 |
1993年 | 28篇 |
1992年 | 14篇 |
1991年 | 12篇 |
1990年 | 7篇 |
1989年 | 11篇 |
1988年 | 8篇 |
1987年 | 3篇 |
1986年 | 4篇 |
1985年 | 3篇 |
1984年 | 4篇 |
1983年 | 1篇 |
1982年 | 2篇 |
1981年 | 1篇 |
1980年 | 1篇 |
1978年 | 2篇 |
1976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.
相似文献针对现有场景分类方法特征表征能力差以及单视角遥感影像分类精度难以提升的问题,提出一种融合多尺度注意力的多视角遥感影像场景分类方法。首先,将航空图像和地面图像构造成正负图像对,并划分为训练集、验证集和测试集;其次,构建融合多尺度注意力的卷积神经网络并训练,通过特征融合模块得到融合注意力且表征能力更强的特征,实现多尺度特征学习;然后,利用训练的多尺度注意力网络分别提取航空图像和地面图像特征并进行融合;最后,基于融合后的特征使用支持向量机进行场景分类。实验结果表明,相比现有方法,所提方法在两个公开数据集上均取得了更高的分类精度,改善了单视角场景分类效果,同时也证明了多视角所提供的补充信息能进一步提升遥感场景分类的准确性。
相似文献卷积神经网络(convolutional neural network, CNN)已用于星载全球导航卫星系统反射测量(global navigation satellite system-reflectometry,GNSS-R)海冰检测,其具有数据预处理简单、最大限度保留反射面信息等优势,但已有GNSS-R CNN海冰检测方法研究的数据集时间跨度较小,代表性有限,且未考虑训练集内海水、海冰时延多普勒图(delay-Doppler map, DDM)的比例对方法泛化能力的影响。针对该问题,首先提出一种筛除畸形DDM方法,有效筛除错误数据;然后,设计合适的CNN结构及参数,通过小样本对比实验发现CNN模型在训练集内海水、海冰DDM的比例为1∶1时具有高准确率和最佳泛化能力,并优化数据集选取策略;最后使用2018年全年大样本数据集评估改进的方法在大数据量和大时间跨度时的有效性和可靠性。研究表明,改进的方法通过加强数据质量控制、优化数据集选取策略,提升了CNN海冰检测方法的泛化能力及可靠性,使其更适用于实际应用场景,为海冰消融等研究提供参考。
相似文献