全文获取类型
收费全文 | 286篇 |
免费 | 30篇 |
国内免费 | 34篇 |
专业分类
安全科学 | 67篇 |
废物处理 | 1篇 |
环保管理 | 25篇 |
综合类 | 157篇 |
基础理论 | 18篇 |
污染及防治 | 22篇 |
评价与监测 | 17篇 |
社会与环境 | 15篇 |
灾害及防治 | 28篇 |
出版年
2024年 | 1篇 |
2023年 | 4篇 |
2022年 | 4篇 |
2021年 | 11篇 |
2020年 | 14篇 |
2019年 | 7篇 |
2018年 | 7篇 |
2017年 | 7篇 |
2016年 | 2篇 |
2015年 | 6篇 |
2014年 | 11篇 |
2013年 | 18篇 |
2012年 | 14篇 |
2011年 | 14篇 |
2010年 | 22篇 |
2009年 | 23篇 |
2008年 | 18篇 |
2007年 | 20篇 |
2006年 | 18篇 |
2005年 | 15篇 |
2004年 | 11篇 |
2003年 | 18篇 |
2002年 | 18篇 |
2001年 | 16篇 |
2000年 | 7篇 |
1999年 | 6篇 |
1998年 | 11篇 |
1997年 | 10篇 |
1996年 | 3篇 |
1995年 | 10篇 |
1994年 | 4篇 |
排序方式: 共有350条查询结果,搜索用时 421 毫秒
251.
252.
针对水利枢纽施工过程中对周边环境的干扰机制,提出生态系统综合评价指标体系,利用RBF神经网络建立水利枢纽施工干扰区生态系统综合评价模型,并以尼尔基水利枢纽为例,对其施工干扰区生态系统进行综合评价。评价结果表明各指标在施工期间均跌到最低点,其中受影响最大的就是社会进步指标和景观生态性指标。但是在恢复过程中,这两类指标的上升幅度也是最大的,自然生态环境具有较强的稳定性,但当外界干扰超过其自身的承受能力时,对其进行恢复的难度也是很大的。可见,RBF生态评价模型可以对施工干扰区生态现状进行评价,评价结果为干扰后的生态环境恢复与重建提供理论依据,也可对治理后的效果进行预测评价,并为其他水利枢纽工程施工干扰区生态恢复与重建提供科学借鉴。 相似文献
253.
提出一种基于动态RBF神经网络的地下水质综合评价方法。该方法采用最近邻聚类算法,构建动态RBF神经网络,利用神经网络对待测水质进行分类识别,根据网络输出,实现水质等级的确定。应用结果表明,该方法具有训练速度快、评价准确度高的优点,提高了水质综合评价的精度和客观性。 相似文献
254.
255.
选取与TSIc为0,50,10相应的水质营养状态作为3个建模样本,以chl-a,TP,TN和SD4个水质参数作为样本的输入特征,建立了B-P网络的水质营养状态评价模型。该模型应用于全国30个湖泊水质的营养状态评价,获得了较好的检验效果。 相似文献
256.
基于水资源转化模拟的石羊河流域水资源优化配置 总被引:1,自引:0,他引:1
流域水循环过程是水资源合理配置对象依存和演化的基础。针对内陆河流域水资源多次转化多次利用的特点,建立以水资源转化过程为基础的流域水资源优化配置模型。按水力联系将内陆河流域系统分为独立的子系统。按水资源转化特点和用水格局将各独立水系统分渠灌区、井灌区和渠井混灌区三个一级计算单元,每个一级计算单元由若干灌区(二级计算单元)组成。运用水均衡模型和BP人工神经网络模型模拟一级计算单元间的水资源转化过程,分别模拟井灌区和渠井混灌区的来水量。建立一级计算单元和二级计算单元两层水资源优化模型,分别以灌溉用水效益最大和公平用水为配置目标。将一级计算单元的优化模型耦合到水资源转化模拟模型中。凉州区配置水量10.68×108 m3,金川区为2.63×108 m3,流域农业灌溉用水16.64×108 m3,占总毛用水量的75%,相比现状有大幅下降。分别采用模拟寻优和遗传算法求解两层优化模型,将水量分配到灌区,进而分配到行政区,实现水资源的流域配置和行政区配置的统一,便于水资源统一管理。 相似文献
257.
258.
人工神经网络结构对径流预报精度的影响分析 总被引:15,自引:0,他引:15
建立了基于径流形成机理的以时段降水量与前期径流量为预报因子的前向多层人工神经网络径流预报模型;分析了网络结构对月径流预报精度的影响,发现随网络结构的复杂化,网络训练误差减小,模型评定的确定性系数增大,并均趋于稳定,预报检验的确定性系数总趋势是减小;发现影响模型精度的决定因素是网络输入单元数,亦即径流影响因素;提出了以模型评定与预报检验共同高效或等效的模型选择的折衷方法,以及按模型适宜预报域进行多模型组合预报的最佳预报域组合法。 相似文献
259.
260.
采用序批式生物膜反应器(SBBR)与人工快速渗滤系统(CRI)工艺结合对模拟生活污水进行处理,由于该工艺影响因素与出水参数的复杂非线性关系,利用人工神经网络(ANN)对SBBR-CRI处理生活污水的过程进行仿真模拟.在MATLAB语言环境下,以DO、淹没时间/落干时间、曝气时间/停曝时间、进水COD、进水NH4+-N、进水TP为输入因素,出水COD、NH4+-N、TN和TP为输出因素,构建具有自适应学习规则的人工神经网络.结合最优网络运行参数:隐含层节点数6,初始学习率0.13,动量因子0.6,训练次数6000次,对样本仿真学习,预测值与实际值拟合度较好,样本的绝对平均误差率在7.5%之内,均方根误差均在0.085之内.结果表明,当DO为2mg/L,曝气时间/停曝时间为2/1,淹没时间/落干时间为1/3时,NH4+-N去除率能达到98%以上,TN和TP去除率85%以上,COD去除率94%以上.通过权重分析,进水NH4+-N、DO和进水TP对出水参数影响较大. 相似文献