全文获取类型
收费全文 | 908篇 |
免费 | 115篇 |
国内免费 | 117篇 |
专业分类
安全科学 | 376篇 |
废物处理 | 3篇 |
环保管理 | 60篇 |
综合类 | 452篇 |
基础理论 | 38篇 |
污染及防治 | 59篇 |
评价与监测 | 43篇 |
社会与环境 | 30篇 |
灾害及防治 | 79篇 |
出版年
2024年 | 18篇 |
2023年 | 75篇 |
2022年 | 63篇 |
2021年 | 49篇 |
2020年 | 38篇 |
2019年 | 47篇 |
2018年 | 39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1140条查询结果,搜索用时 78 毫秒
921.
922.
中国民航业安全风险监测与仿真研究 总被引:5,自引:3,他引:2
根据系统安全的思想,通过对航空安全历史数据的分析和专家经验,从人员、设备设施、环境和组织管理4个方面,提出中国民航机务、空管、飞行、机场4个分系统安全风险监测指标体系,共102个风险因素指标,并合成为27个行业安全风险监测指标。以民航历史数据为样本,建立资源优化神经网络(RON)模型,将安全风险监测指标与中国民航安全指数相联系,分析安全指数的关键影响因素,达到安全管理决策支持的目的。通过建立的风险监测指标体系和RON模型,可以实现民航整个行业、各分系统及单个指标的安全风险监测和预警。 相似文献
923.
在化学-生物絮凝工艺中试研究的基础上,分别建立了基于BP类神经网络的多输入多输出(MIMO)模型与多输入单输出(MISO)模型。应用化学生物絮凝工艺中试6个不同工况的实测数据对2个模型进行训练,均表现出很好的收敛性。通过另外2个中试工况的实测数据对模型预测性能进行测试,MISO模型对化学-生物絮凝反应器出水的COD、TP和SS的预测相对误差均低于MIMO模型,其预测相对误差均在9%以下。研究表明,MISO模型是一个很易使用的建模工具,能很好地预测化学-生物絮凝工艺出水水质。 相似文献
924.
925.
926.
BP和RBF神经网络在边坡稳定性评价中的应用 总被引:1,自引:0,他引:1
基于BP网络和RBF网络理论,选取影响岩质边坡稳定性的一些主要因素,建立了边坡稳定性分析的神经网络模型,并用Matlab7.0神经网络工具箱对一些边坡样本进行训练仿真。对比了两种网络的逼近精度和预测结果,结果表明:两种网络均可以用于边坡的稳定性评价,RBF网络的性能要优于BP网络,网络最优参数的选择要通过反复实验获得。 相似文献
927.
基于神经网络的土壤重金属预测及生态风险评价 总被引:3,自引:0,他引:3
采用单隐层RBF神经网络模型预测土壤重金属Cr、As、Ni、Pb、Zn 5种元素的含量,实测35组数据做为训练数据,另用6组做验证数据,该模型是以利用采样的10组数据预测其后的连续5组数据,输入层的神经元个数是10,输出层是5,隐含层的传递函数为径向基函数radbas,输出层的传递函数为线性函数Purelin,其结果表明:采用RBF神经网络模型预测有较高的精度。通过多元统计分析采样样品与预测样品,研究区域As、Ni、Zn的均值超过了上海市土壤环境背景值,As元素达到高度变异,Pb、Zn、Ni 3种元素达到中度变异。通过因子分析,前2个因子基本包含了全部元素变量的主要信息,第1因子中载荷最高是元素Ni(0.946),第2因子中则为元素As(0.930)。通过潜在生态风险指数评价,研究区域整体呈轻度生态风险水平。采用RBF神经网络模型可以降低采样分析成本,更好的评价区域土壤重金属的生态风险。 相似文献
928.
929.
由于雾霾导致的空气能见度降低,给人们的出行带来很多不便。针对这一现象,构建基于遗传神经网络算法的空气能见度预测模型。将与空气能见度相关的7种气象因子和6种污染物浓度因子经过主成份分析后作为输入数据,输出8:00能见度和14:00能见度。该模型能够克服BP神经网络易陷入平坦区域和局部最优解的问题。以西安市2013-1-1—8-16的数据训练遗传神经网络,通过使用灰色模型获得预测时间段8-17—23的输入数据,可以得到这段时间能见度的预测值。通过与BP神经网络模型的比较,发现遗传神经网络预测模型在预测结果的相关性和绝对误差方面均优于BP神经网络模型,因此,可以更准确地预测空气能见度。 相似文献
930.