全文获取类型
收费全文 | 1370篇 |
免费 | 55篇 |
国内免费 | 22篇 |
专业分类
安全科学 | 465篇 |
废物处理 | 30篇 |
环保管理 | 158篇 |
综合类 | 626篇 |
基础理论 | 17篇 |
污染及防治 | 20篇 |
评价与监测 | 25篇 |
社会与环境 | 53篇 |
灾害及防治 | 53篇 |
出版年
2024年 | 6篇 |
2023年 | 33篇 |
2022年 | 27篇 |
2021年 | 55篇 |
2020年 | 43篇 |
2019年 | 42篇 |
2018年 | 17篇 |
2017年 | 23篇 |
2016年 | 31篇 |
2015年 | 44篇 |
2014年 | 168篇 |
2013年 | 83篇 |
2012年 | 98篇 |
2011年 | 107篇 |
2010年 | 77篇 |
2009年 | 87篇 |
2008年 | 91篇 |
2007年 | 73篇 |
2006年 | 67篇 |
2005年 | 78篇 |
2004年 | 42篇 |
2003年 | 17篇 |
2002年 | 54篇 |
2001年 | 27篇 |
2000年 | 11篇 |
1999年 | 8篇 |
1998年 | 5篇 |
1997年 | 15篇 |
1996年 | 1篇 |
1995年 | 3篇 |
1994年 | 4篇 |
1993年 | 4篇 |
1992年 | 4篇 |
1991年 | 1篇 |
1986年 | 1篇 |
排序方式: 共有1447条查询结果,搜索用时 359 毫秒
431.
为更好地掌握日均PM_(2.5)浓度的变化规律,提出了一种基于多模态支持向量回归(MSVR)的混合预测模型。利用集成经验模态分解将日均PM_(2.5)数据分解成不同频段的分量序列,以降低数据的非平稳性。然后根据每组分量自身特点构建不同的支持向量回归(SVR)模型,并通过相关分析确定各分量输入变量。最后,将各分量预测值进行叠加得到最终预测结果。以浙江省玉环市的PM_(2.5)浓度进行验证。结果表明:与单一SVR模型相比,MSVR模型具有更好的预测效果,精度评价指标MAE、MAPE和RMSE分别下降了26.98%、23.04%、34.08%,这为大气污染预控提供了有效的技术支持。 相似文献
432.
衡水市作为"2+26"城市中典型的低GDP、高污染城市,其空气质量排名常年处于74个重点城市的后10位.自大气重污染成因与治理攻关项目工作开展以来,衡水市开展了大量污染成因研究及污染治理工作,已取得了较为明显的大气污染治理成效.从空气质量变化、排放源、污染物来源解析及气象条件与排放贡献等方面,梳理了衡水市大气污染成因研究及治理经验.结果表明:①衡水市的空气质量得到较大改善,PM10和PM2.5治理成效明显.2018年衡水市ρ(PM10)和ρ(PM2.5)年均值比2017年分别下降了25.12%和19.73%,比2013年分别下降了54.84%和51.22%,但O3污染形势逐渐严峻,以O3为首要污染物的天数由55 d(2013年)增至125 d(2018年).②相比于2016年,衡水市2017年SO2、NOx、CO、PM10、PM2.5、BC、OC、VOC的排放总量均大幅下降.③2013-2018年导致衡水市PM2.5下降的因素中,气象因素占8.0%,排放源因素占92.0%,说明衡水市通过减排措施改善空气质量的效果较为显著.④硝酸盐已经取代硫酸盐成为秋冬季颗粒物二次转化中最重要、占比最高的成分.研究显示,衡水市高ρ(PM2.5)主要以本地排放和临近地区输送为主,为有效控制衡水市PM2.5污染的发生与发展,应采取本地排放控制与"2+26"城市联防联控相结合的方案. 相似文献
433.
434.
435.
企业清洁生产审核是企业实行清洁生产的重要前提.阐明了企业清洁生产审核的重要性、面临的形式、存在的问题,以及改进的措施和努力的方向. 相似文献
436.
综放支承压力峰值位置的理论及回归分析 总被引:2,自引:1,他引:1
鉴于综放支承压力峰值位置对工作面安全生产影响的重要性,对支承压力峰值位置的确定进行了研究分析。其中煤体硬度、煤层厚度及工作面推进速度为支承压力峰值位置的主要影响因素。采用相似模拟实验及理论分析方法研究各因素对支承压力峰值位置的影响规律及其函数关系。最后应用回归分析方法得到了支承压力峰值位置确定的经验公式,并将其进行了实际应用。结果表明:上述3个影响因素对支承压力峰值位置的影响均为非线性的;支承压力峰值位置与煤体硬度近似地满足反比关系;支承压力峰值位置与开采煤层厚度、工作面推进速度满足指数函数关系;通过对这3个因素的回归分析,可以确定支承压力的峰值位置。 相似文献
437.
为有效分析煤矿瓦斯监测数据以实现较准确的瓦斯浓度预测,研究应用希尔伯特-黄变换(HHT)方法进行瓦斯浓度时间序列分析与预测的方法。应用经验模态分解(EMD)方法将瓦斯浓度时间序列分解成不同频率的固有模态函数(IMF)分量的叠加,以获取瓦斯浓度时间序列的瞬时特征;通过Hilbert变换求得各IMF分量的瞬时频率,依据各IMF分量瞬时频率的均值将分解得到的IMF划分成较高频和低频2类新的分量,选取适合于各分量特征的预测模型分别进行预测,以消除局部随机性对预测精度的影响,结合自回归(AR)、径向基函数(RBF)神经网络和支持向量机(SVM)3种预测模型实现瓦斯浓度预测。实例分析表明:应用该方法所得预测结果比较准确,降低了预测复杂度,提高了预测精度。 相似文献
438.
439.
440.