全文获取类型
收费全文 | 890篇 |
免费 | 118篇 |
国内免费 | 116篇 |
专业分类
安全科学 | 369篇 |
废物处理 | 3篇 |
环保管理 | 60篇 |
综合类 | 446篇 |
基础理论 | 37篇 |
污染及防治 | 58篇 |
评价与监测 | 43篇 |
社会与环境 | 30篇 |
灾害及防治 | 78篇 |
出版年
2024年 | 18篇 |
2023年 | 73篇 |
2022年 | 51篇 |
2021年 | 48篇 |
2020年 | 38篇 |
2019年 | 47篇 |
2018年 | 38篇 |
2017年 | 34篇 |
2016年 | 26篇 |
2015年 | 42篇 |
2014年 | 63篇 |
2013年 | 36篇 |
2012年 | 49篇 |
2011年 | 70篇 |
2010年 | 54篇 |
2009年 | 58篇 |
2008年 | 40篇 |
2007年 | 47篇 |
2006年 | 57篇 |
2005年 | 42篇 |
2004年 | 29篇 |
2003年 | 30篇 |
2002年 | 23篇 |
2001年 | 26篇 |
2000年 | 13篇 |
1999年 | 15篇 |
1998年 | 22篇 |
1997年 | 11篇 |
1996年 | 9篇 |
1995年 | 8篇 |
1994年 | 5篇 |
1993年 | 1篇 |
1979年 | 1篇 |
排序方式: 共有1124条查询结果,搜索用时 15 毫秒
81.
改进BP算法在煤与瓦斯突出预测中的应用 总被引:19,自引:7,他引:12
为了正确预测煤与瓦斯突出的趋势与危险性 ,基于反向BP神经网络 ,笔者提出了一种改进的BP网络模型 :为了加快BP网络的收敛速度 ,增强其跳出局部极小点的能力 ,采用了自适应变步长法和改进模拟退火法 (SA法 )相结合的方法。实际应用表明 ,该模型收敛速度快 ,准确性高 ,具有较高的可靠性和实用性 ,是一种十分有效的煤与瓦斯突出危险性预测方法。 相似文献
82.
83.
84.
基于神经网络的洪水预报研究 总被引:26,自引:5,他引:21
人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行洪水预报是可行的.对洪水预报问题,初步建立了基于神经网络的洪水预报系统,给出了应用实例. 相似文献
85.
86.
边坡变形时序非线性判定及混沌预测研究 总被引:1,自引:0,他引:1
以探讨边坡变形性质及混沌预测可行性为目的,基于混沌理论利用相空间重构技术对其变形时间序列进行混沌特征判定,试验显示变形系统具有混沌特性,可用混沌相关理论进行研究;基于混沌相空间重构技术,笔者构建了多种混沌预测模型进行混沌预计研究,分析各类模型的工程实际应用效果;针对单次监测时序预测精度较低的问题,提出累加时序预测方案,训练结果显示,短期预测精度变形累计值基本控制在5%以内,高程值预测相对误差均低于1%,预测精度较高,可以用于工程实际。 相似文献
87.
基于BP人工神经网络的城市PM2.5浓度空间预测 总被引:1,自引:0,他引:1
针对PM2.5日均质量浓度,采用BP人工神经网络模型,预测研究区空气中PM2.5浓度的空间变异,通过与普通克里格(Ordinary Kriging)插值方法对比验证BP人工神经网络预测模型的精度.结果表明:BP人工神经网络预测模型下研究区检验样本点位置的PM2.5仿真浓度与观测浓度之间的均方差、平均绝对误差、平均相对偏差和相关系数分别为0.296 μg2/m6、0.412 μg/m3、1.650%和0.851;而与此同时,普通克里格插值方法下的对应结果分别为1.041 μg2/m6、0.689 μg/m3、11.910%、0.638.研究成果在肯定BP人工神经网络预测模型可用于揭示PM2.5浓度空间变异特征的同时,也证实了其相对于普通克里格插值方法在固定空间点位准确预测PM2.5浓度方面的优势. 相似文献
88.
为了在事故发生之前对苯储罐进行风险评价,提出1种基于BP神经网络的泄漏事故风险评价方法,利用该方法构建了苯储罐的风险评价模型,并对模型进行了训练及验证。研究结果表明:BP神经网络成功完成了建模任务,且模型训练结果较好,可利用基于BP神经网络所构建的苯泄漏事故风险评价模型对苯储罐发生泄漏事故的风险进行评价。 相似文献
89.
90.
深度学习在机器视觉等各个领域的兴起,使长短时间记忆(LSTM)神经网络也越来越常用于滑坡预测工作中。为加强对历史信息的提取与捕捉,提出一种多头自注意力长短时间记忆(MHA-LSTM)神经网络用来预测滑坡位移。首先采用改进版的自适应噪声完备集合经验模态分解(ICEEMDAN)算法将滑坡位移分解成趋势项、周期项和噪声项;然后采用MHA-LSTM神经网络拟合带噪声的滑坡位移趋势项和周期项,两者相加即可得到滑坡总位移的预测结果;最后以白水河滑坡实测数据为例,考虑月降雨量和库水位因素的影响,对该滑坡位移的周期项和趋势项进行预测,并与其他传统神经网络的预测结果进行对比。结果表明:MHA-LSTM神经网络模型相较于其他传统神经网络模型,能更好地捕捉历史的信息特征,预测效果更佳,可为滑坡预测提供新的技术方法。 相似文献