全文获取类型
收费全文 | 380篇 |
免费 | 32篇 |
国内免费 | 44篇 |
专业分类
安全科学 | 75篇 |
废物处理 | 2篇 |
环保管理 | 99篇 |
综合类 | 95篇 |
基础理论 | 87篇 |
环境理论 | 3篇 |
污染及防治 | 26篇 |
评价与监测 | 22篇 |
社会与环境 | 20篇 |
灾害及防治 | 27篇 |
出版年
2024年 | 1篇 |
2023年 | 11篇 |
2022年 | 3篇 |
2021年 | 14篇 |
2020年 | 15篇 |
2019年 | 14篇 |
2018年 | 11篇 |
2017年 | 17篇 |
2016年 | 22篇 |
2015年 | 16篇 |
2014年 | 18篇 |
2013年 | 27篇 |
2012年 | 16篇 |
2011年 | 28篇 |
2010年 | 26篇 |
2009年 | 39篇 |
2008年 | 25篇 |
2007年 | 20篇 |
2006年 | 19篇 |
2005年 | 12篇 |
2004年 | 13篇 |
2003年 | 17篇 |
2002年 | 12篇 |
2001年 | 7篇 |
2000年 | 8篇 |
1999年 | 12篇 |
1998年 | 6篇 |
1997年 | 4篇 |
1996年 | 4篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 3篇 |
1986年 | 1篇 |
1984年 | 1篇 |
1982年 | 1篇 |
1980年 | 1篇 |
1972年 | 2篇 |
1971年 | 2篇 |
排序方式: 共有456条查询结果,搜索用时 62 毫秒
81.
Developing an empirical model of phytoplankton primary production: a neural network case study 总被引:1,自引:0,他引:1
We describe the development of a neural network model for estimating primary production of phytoplankton. Data from an enriched estuary in the eastern United States, Chesapeake Bay, were used to train, validate and test the model. Two error backpropagation multilayer perceptrons were trained: a simpler one (3-5-1) and a more complex one (12-5-1). Both neural networks outperformed conventional empirical models, even though only the latter, which exploits a larger suite of predictive variables, provided truly accurate outputs. The application of this neural network model is thoroughly discussed and the results of a sensitivity analysis are also presented. 相似文献
82.
复杂的石油化工装置在运转过程中存在诸多不确定因素,易发生火灾、爆炸等重大事故,给安全生产带来极大威胁。考虑到传统的系统安全分析方法在风险评估中存在一定局限性,引入贝叶斯网络与防护层集成分析模型。应用GeNIe软件将系统故障树转成贝叶斯网络,根据贝叶斯双向推理进行故障预测和诊断,快速识别系统薄弱环节并确定为风险贝叶斯故障节点,结合防护层分析提出相应的独立防护层,确定剩余风险水平。实例应用表明,所构建的贝叶斯网络与防护层集成分析模型对复杂系统进行风险评估是可行的,较传统的事件树、故障树分析方法更加科学、合理。 相似文献
83.
多氯酚QSAR数值模型比较研究 总被引:6,自引:0,他引:6
应用多元线性回归分析和新近发展起来的人工神经网络方法进行了一类重要环境污染物多氯酚的定量构效关系研究,并用所建立的模型进行毒性预报,计算值与实验值的比较表明,前的相关系数约为0.92,后的相关系数约为0.99.后的百分误差地明显小于前,后的预报能力略好于前,中还讨论了后优于前的的原因。 相似文献
84.
为辨识北京市大气污染物变化规律相同的区域,筛选监测网络中表征冗余信息的监测点,使用正矩阵因子分解法分别对北京市PM10和SO2监测网络进行分析与评价.分析获得北京市PM10和SO2明显的季节变化特征:PM10浓度春季最高,夏季较低;SO2浓度冬季最高,夏季较低.采用正矩阵分解法对PM10监测网络解析出3个因子,对应北京市PM10污染变化特征相同的3个区域,分别为区域1代表监测点为车公庄与石景山古城,区域2代表监测点为位于城东的前门、天坛、农展馆与奥体中心,区域3代表监测点定陵.结果表明区域2监测点密度较大,存在表征冗余信息的监测点,可以考虑撤销或迁移部分监测点.对SO2监测网络解析出6个因子,分别对应北京市SO2污染变化特征相同的6个区域,代表监测点位分别为定陵、古城、东四、奥体中心、农展馆与天坛和前门与车公庄.评价结果表明北京市PM10和SO2监测网络都存在冗余信息的监测点,可以根据分区结果考虑撤销或者迁移部分监测点,优化监测网络. 相似文献
85.
86.
日趋严重的道路交通噪声已成为城市的主要噪声源之一。精准高效地监测道路交通噪声是控制交通噪声污染的重要前提,然而噪声测量技术的发展脉络仍未被厘清。通过系统梳理2000—2021年国内外发表的282篇文献,发现当前道路交通噪声监测可分为静态多站点测量、自动监测网络、移动测量和参与式测量4种方法,并应向多源监测数据融合、提升数据时空分辨率、开发低成本且易集成的自动监测网络、建立公众参与式噪声测量规范与数据整合标准、制定以人为本的城市道路交通噪声动态监测体系等方向发展。未来可采取自动监测网络为主,常规静态测量、参与式测量和移动测量等方法为辅的技术体系监测道路交通噪声。该研究可为道路交通噪声监测技术革新及噪声污染防控提供参考。 相似文献
87.
通过空气质量监测数据对正在形成或即将到来的空气污染进行预测是一项具有重要意义的工作,而空气质量监测站只能检测其周围一定范围内的空气污染情况。为了衡量整个城市的空气污染情况,获取任意时间、任意位置的空气质量信息,结合交叉注意力机制,提出了一种融合拓扑信息与气象信息的空气质量预测网络(CGMIM)。将西安市空气质量监测数据与气象数据转换为图像拼接起来,作为输入信息。在高阶非线性时空动态神经网络(MIM)的基础上引入注意力机制,并增加拓扑图编码器模块,提高模型提取能力以及对空气质量监测数据中的空间特征的利用率。最后,使用时空损失函数替代传统的均方误差损失函数,提高模型对空间关系的关注。结果表明:CGMIM网络模型能够在准确预测的同时,对位置区域合理填充,能够有效提升空气质量监测数据的空间分辨率。 相似文献
88.
有效生态网络构建可保障区域生态安全,是实现区域可持续发展的重要路径。基于生态节点的内涵解析,建立了"资源型战略点—结构型战略点—结构型薄弱点"的多层级生态节点识别体系,利用金坛区2015年的遥感影像、土地利用数据、POI数据等,通过多目标遗传算法、最小阻力模型等方法,构建了金坛区层级生态网络,并采用表征网络拓扑结构和节点效用性等指标,定量评价生态节点优化前后的生态网络性能,取得以下主要研究结论:(1)多层级生态网络在节点效用、网络整体性能上显著优于一般网络,且在复杂生态水网区域具有较强适用性;(2)金坛区现状生态网络分布不均匀,生态节点布局亟待优化,经优化节点覆盖率提升了17.70%,节点分布均匀度降低45.45%,平均聚类系数提升了87.36%;(3)多层级生态节点体系具有实践应用性,应针对不同类型生态节点采取差别化管理策略。 相似文献
89.
有机化合物厌氧生物降解性的测定和预测 总被引:7,自引:0,他引:7
测定有机物厌氧生物降解性的方法包括非特性参数和特性参数测定法。本文着重介绍有机物厌氧生物降解性的筛选测定法,以基团贡献法为基础,不外加其它理化参数的有机物结构与生物降解性关系的预测已经由简单的线性模型发展至专家系统和人工神经网络模型,并显示出极好的应用前景。 相似文献
90.
BACKGROUND: Taiwan's geography and limited stock of sandstone have caused sandstone resources to gradually decline to the point of exhaustion after long-term excavation. Moreover, the Taiwanese government has continuously increased the amount of land area near rivers that cannot be excavated to facilitate riverbed remediation and promote conservation of water resources. Accordingly, predicting and managing the annual production of construction aggregates in future construction projects, and dealing appropriately with some thorny problems, for instance, demand that excess supply, excessive excavation, unregulated excavation, and the consequent environmental damage, will significantly affect the efficient use of natural resources in a manner that accords with the national policy of Sustainable Development (SD). METHODS:. This study establishes an empirical model for forecasting the annual production of future construction aggregates using Artificial Neural Networks (ANN), based on 15 relevant socio-economic indicators, such as indicator of annual consumption of cement. A sensitivity analysis is then performed on these indicators. RESULTS AND DISCUSSION: This work applies ANN to estimate the annual production of construction aggregates; the estimates, the verification of the model and the sensitivity analysis are all acceptable. Furthermore, sensitivity analysis results indicate that the annual consumption of cement is the indicator that most strongly influences the production of construction aggregates, as well as whether construction waste can be recycled and steel structures can be used in buildings, helping to reduce the future production of construction aggregates in Taiwan. CONCLUSIONS: The elaborate prediction methodology presented in this study avoids some of the weaknesses or limitations of conventional linear statistics, linear programming or system dynamics. Additionally, the results not only provide a short-term prediction of the production of construction aggregates in Taiwan, but also provide a viable and flexible means of verifying quality certification of the production data of construction aggregates in the future by incorporating those relevant socio-economic indicators. RECOMMENDATIONS AND OUTLOOK: The continuity and quality of the database of relevant indicators used in this study should be closely scrutinized in order to ensure the SD means of exploiting resources. 相似文献