全文获取类型
收费全文 | 873篇 |
免费 | 49篇 |
国内免费 | 48篇 |
专业分类
安全科学 | 289篇 |
废物处理 | 15篇 |
环保管理 | 107篇 |
综合类 | 427篇 |
基础理论 | 29篇 |
污染及防治 | 20篇 |
评价与监测 | 10篇 |
社会与环境 | 48篇 |
灾害及防治 | 25篇 |
出版年
2024年 | 13篇 |
2023年 | 43篇 |
2022年 | 50篇 |
2021年 | 25篇 |
2020年 | 27篇 |
2019年 | 39篇 |
2018年 | 15篇 |
2017年 | 27篇 |
2016年 | 33篇 |
2015年 | 46篇 |
2014年 | 77篇 |
2013年 | 42篇 |
2012年 | 76篇 |
2011年 | 86篇 |
2010年 | 59篇 |
2009年 | 58篇 |
2008年 | 71篇 |
2007年 | 54篇 |
2006年 | 30篇 |
2005年 | 26篇 |
2004年 | 10篇 |
2003年 | 19篇 |
2002年 | 11篇 |
2001年 | 9篇 |
2000年 | 7篇 |
1999年 | 2篇 |
1998年 | 4篇 |
1997年 | 3篇 |
1996年 | 1篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1987年 | 1篇 |
排序方式: 共有970条查询结果,搜索用时 15 毫秒
911.
基于支持向量回归模型的水稻田甲烷排放通量预测研究 总被引:2,自引:0,他引:2
利用静态箱和气相色谱仪法获取水稻田甲烷排放通量数据,选取大气温度、土壤5 cm深温度、土壤pH、土壤Eh、土壤含水量和地表生物量作为影响因子.应用建立在结构风险最小化优化上的支持向量回归(ε-SVR)模型,采用留一法交叉检核网格搜索法(LOOCV)优化ε-SVR预测模型的参数,采用k折交叉检验的方法依据平均相对误差(MRE)和均方根误差(RMSE)对模型的精度进行验证,并与BP人工神经网络(BP-ANN)模型比较,评价ε-SVR预测模型的准确性.结果表明,通过LOOCV选择最优的惩罚因子C和损失系数ε,并由此构建的ε-SVR预测模型预测值和实测值具有很好的一致性,通过11折交叉验证后,测试样本的平均MRE为44%,平均RMSE为16.21 mg·(m2·h)-1.通过与BP-ANN模型比较,预测值和实际值相关系数达0.863,各项指标均优于BP-ANN预测模型,说明ε-SVR模型能够适用于水稻田甲烷排放通量的预测. 相似文献
912.
913.
为防止新化学物质投入市场时对生态环境造成危害,需对其生态危害程度进行评价。现有评价方法把各指标对生态危害的贡献看成是等效的,不能客观反映事实,且评价指标较多,指标之间具有较强的相关性,会降低预测精确度,为了解决该问题,文章将主成分分析和支持向量机相结合。首先运用主成分分析进行特征提取,降低数据维数,获取数据的主要信息;然后将二值分类支持向量机扩展到多类支持向量机,利用多类支持向量机建立化学物质生态危害预测模型,采用10折交叉验证法对模型进行检验,得到平均正确率达到89.24%。并与未进行主成分分析的支持向量机分类模型进行了比较,实验结果表明该方法具有更好的预测精度,值得推广。 相似文献
914.
915.
916.
917.
利用黄河高寒区吉迈(达日县)水文站、国家气象局达日、玛多观测站1959-2007年,共计49 a水文、气象及部分冻土监测资料,采用峰型度及丰枯率指数、Mann-Kendall时间序列突变点及趋势检验方法、小波分析法、灰色关联分析等统计方法,分析径流年际、年内变化特征,探讨径流长期变化主要影响因素,并建立核主成分支持向量机(KPCA-LSSVM)预测模型,对未来2011-2014年径流情势进行分析。结果表明,由于区域气候、下垫面条件变化及人为因素影响,不同时期作用于水资源的主导因素存在差异,径流时间序列存在明显突变点,为1961、1999和2005年;黄河源区径流2002-2006年间存在不显著减少趋势,小波分析表明未来3~9 a内,年径流量将略高于1990-2007年间的平均值;1983年后冻结期气温升高,季节性冻土退化较为明显,对于径流的补给减少,是地区河道水资源减少的原因之一;模型预测结果显示,由于降水对于径流的延迟作用和气温升高引起冻融关系变化等原因,2011-2014年水源区河川径流量与多年平均值相比减少25.3%。 相似文献
918.
于波 《防灾科技学院学报》2007,9(1):59-62
本文阐述了支持向量回归(SVR)理论及其特性,提出了基于SVR的次年最大震级的预测方法,并对所选样本进行训练和预测,结果与实际值符合较好,理论分析和实例结果验证了基于SVR的震级预测方法比BP神经网络具有更高的预测精度和可靠性. 相似文献
919.
<正>为什么要碳排放交易?2014年11月12日上午,世界上最大的两个经济体领导人于APEC峰会期间站在一起,宣布了关于气候变化的联合声明。在这份获得全球掌声的联合声明中,中美两国都第一次设定了各自的后2020时代应对气候变化的目标。习近平主席和奥巴马总统都分别宣布了各自雄心勃勃的目标:中国承诺在2030年前后其二氧化碳排放达到峰值,届时非化石能源在一次能源消费中的占比也将提高至20%左右;美国承诺于2025年实现在2005年基 相似文献