全文获取类型
收费全文 | 420篇 |
免费 | 67篇 |
国内免费 | 87篇 |
专业分类
安全科学 | 66篇 |
废物处理 | 13篇 |
环保管理 | 100篇 |
综合类 | 237篇 |
基础理论 | 67篇 |
污染及防治 | 21篇 |
评价与监测 | 28篇 |
社会与环境 | 20篇 |
灾害及防治 | 22篇 |
出版年
2024年 | 4篇 |
2023年 | 14篇 |
2022年 | 29篇 |
2021年 | 22篇 |
2020年 | 17篇 |
2019年 | 24篇 |
2018年 | 21篇 |
2017年 | 23篇 |
2016年 | 26篇 |
2015年 | 23篇 |
2014年 | 24篇 |
2013年 | 32篇 |
2012年 | 36篇 |
2011年 | 27篇 |
2010年 | 23篇 |
2009年 | 26篇 |
2008年 | 18篇 |
2007年 | 30篇 |
2006年 | 16篇 |
2005年 | 28篇 |
2004年 | 10篇 |
2003年 | 11篇 |
2002年 | 17篇 |
2001年 | 5篇 |
2000年 | 9篇 |
1999年 | 3篇 |
1998年 | 3篇 |
1997年 | 8篇 |
1996年 | 2篇 |
1995年 | 2篇 |
1994年 | 4篇 |
1993年 | 3篇 |
1992年 | 4篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1989年 | 1篇 |
1988年 | 2篇 |
1986年 | 2篇 |
1984年 | 2篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1979年 | 1篇 |
1978年 | 3篇 |
1977年 | 3篇 |
1976年 | 3篇 |
1975年 | 3篇 |
1974年 | 1篇 |
1971年 | 5篇 |
排序方式: 共有574条查询结果,搜索用时 46 毫秒
81.
为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE_SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE_SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明:MICE_SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE_SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。 相似文献
82.
83.
基于数据驱动思想,以城市内部环境空气质量监测站点为研究对象,建立了目标站点与周边站点间PM2.5浓度、风向、风速、欧几里得距离等参数的多元线性关联回归模型,使用梯度下降算法学习得到各参数权重系数,计算得出周边站点对目标站点PM2.5传输贡献,并评估了模型的可行性.以北京市丰台花园(FT)为目标站点的应用研究结果显示,2016年FT站点PM2.5浓度为82μg/m3,周边站点大兴(DX)、房山(FS)、亦庄(YZ)、东四环(DS)、古城(GC)和万柳(WL)浓度分别为93,82,80,79,77,71μg/m3;FT站点PM2.5浓度与上一时刻周边站点WL、GC、DX、YZ的相关性分别为0.634、0.631、0.608和0.601,显示其对FT站点PM2.5污染传输显著;建立的4个季节关联回归模型RMSE值分别为13.22、11.74、12.51和13.22,PM2.5模拟浓度与监测浓度变化趋势一致,验证了模型的可行性;WL、DX、YZ、GC分别是对应春、夏、秋、冬4个季节对FT站点PM2.5污染传输贡献较大的站点,其贡献值分别为1.61%、1.71%、2.20%和8.57%.该模型解析的结果可为北京市未来城市规划、建设提供依据,提出的PM2.5传输多元线性关联回归方法同样可用来解析其他城市内部尺度PM2.5传输关联,为挖掘城市内部PM2.5传输路径、精准溯源提供基础. 相似文献
84.
湿地植物在城镇污水处理系统中的作用特性研究 总被引:6,自引:0,他引:6
将不同类型湿地植物如凤眼莲、荇菜、稗草、黑藻、皇竹草、美人蕉等,引入城镇污水处理系统,考察其对污染物的去除效果和在湿地组合系统中的作用特性。盆栽实验发现,虽然植物对污水N、P营养元素的直接去除率分别只有14.0%~59.4%和8.6%~55.2%,但植物通过过滤、截留及加强有机物降解转化的作用,对水体中污染物的去除具有协同效应,使水体N、P的总去除率分别达65.4%~83.8%和43.5%~69.5%。将植物引入组合处理系统,中试实验结果表明,水体TN、TP和COD月平均去除率分别高达80.4%、74.3%和81.3%。与常规生化处理系统相比,处理效果大为增强,生化反应的能耗相对减少,出水水质较稳定,使湿地组合系统成为一种去N除P,防止水体富营养化的有效处理方法。 相似文献
85.
研究微界面动力学响应机理能更好地了解动力学扩散模式的内在机制.通过竞争吸附实验,采用微界面作用模式识别多元重金属离子铅、铜和镉在泥沙颗粒上的扩散模式,探究多元重金属离子的液相浓度和吸附速率变化规律,剖析多元竞争体系下的微界面动力学响应机理.结果显示,10 min前,多元竞争体系下离子的液相浓度和吸附速率变化较大,为快速吸附阶段,与扩散速率较大的膜扩散过程对应.10 min后,离子的液相浓度波动变化,吸附速率变化呈“N型”、“倒N型”、“W型”和“倒W型”特征,吸附解吸交替进行,不同竞争体系离子的液相浓度和吸附速率变化不同,进入孔隙的时间存在差异,此阶段为膜扩散和颗粒内扩散并存,不同竞争体系的离子的颗粒内扩散时间不一致.60 min后, 离子的液相浓度较稳定和吸附速率较小,微界面作用趋于稳定,为扩散速率较小的颗粒内扩散阶段.研究结果可为多元竞争体系的微观界面动力学响应机理提供理论支撑. 相似文献
86.
基于绝对主成分-多元线性回归的滇池污染源解析 总被引:11,自引:0,他引:11
定量解析污染源是湖泊流域水环境管理的重要基础.基于滇池草海和外海多年水质监测数据,采用主成分分析(PCA)方法识别了主要水质指标的污染源类型,利用绝对主成分-多元线性回归模型(APCS-MLR)得到不同污染源对水质的贡献程度.结果表明,草海主要的污染源有农业面源、城市面源和内源3类,外海的主要污染源是农业面源、城镇生活污染源、城市面源和内源4类.与河流水污染源解析结果不同,底泥内源与气象因子对滇池主要水质指标的影响较大. 相似文献
87.
采用稀释与接种法测定工业废水中的BOD5,并结合CODcr的测定结果,分析影响BOD5测定的因素如稀释倍数、接种液配比等条件进行试验后,得出了最佳试验条件,从而达到提高测定BOD5准确度的目的。 相似文献
88.
89.
为了解地貌在坡面尺度上对α生物多样性的影响,采用主观采样法在陕北吴起县合家沟流域不同地貌部位进行了样地调查.利用SPSS16.0统计软件先后对各地貌部位物种组成及各物种的重要值、地形因子要素间、地形因子和群落α多样性之间分别做了聚类分析、相关分析和多元回归分析.结果表明:(1)地貌部位相似的群落聚类在一起,说明地形因子是影响物种组成、群落结构、生态系统等的重要因素.(2)海拔和坡位,坡向和坡度,地形指数和海拔、坡位、坡形之间的Pearson 相关系数均大于0.8,双尾显著性检验概率小于0.05.(3)影响α生物多样性指标香农-维纳指数的地形因子按重要性从大到小依次是:坡位、坡向、海拔、坡形、坡度、地形指数,进一步分析得出在黄土高原丘陵沟壑区,沟沿线、光照、土壤水分和养分在影响α生物多样性指标上依次递减.(4)通过多元线形回归检验,得出坡位、坡向、坡形、海拔这四个地形因子与群落α生物多样性关系密切,建立的回归模型显著性检验可信度大,与样本数据的拟合度高.各地形因子数据归一处理后的回归方程为:香农-维纳指数=2.417-0.581×坡形-1.333×坡位+1.449×海拔+0.631×坡向.地形地貌特征在黄土丘陵区表现明显,研究它对生物多样性的影响可为该区植被恢复提供参考,但由于调查样地尺度较小,在应用推广上尚待进一步研究. 相似文献
90.
气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15~2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494~0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同. 相似文献