全文获取类型
收费全文 | 260篇 |
免费 | 48篇 |
国内免费 | 28篇 |
专业分类
安全科学 | 119篇 |
废物处理 | 4篇 |
环保管理 | 25篇 |
综合类 | 122篇 |
基础理论 | 10篇 |
污染及防治 | 18篇 |
评价与监测 | 5篇 |
社会与环境 | 5篇 |
灾害及防治 | 28篇 |
出版年
2024年 | 4篇 |
2023年 | 11篇 |
2022年 | 12篇 |
2021年 | 23篇 |
2020年 | 17篇 |
2019年 | 15篇 |
2018年 | 11篇 |
2017年 | 10篇 |
2016年 | 16篇 |
2015年 | 17篇 |
2014年 | 35篇 |
2013年 | 10篇 |
2012年 | 14篇 |
2011年 | 17篇 |
2010年 | 14篇 |
2009年 | 20篇 |
2008年 | 17篇 |
2007年 | 15篇 |
2006年 | 11篇 |
2005年 | 13篇 |
2004年 | 2篇 |
2003年 | 3篇 |
2002年 | 7篇 |
2001年 | 2篇 |
2000年 | 2篇 |
1999年 | 3篇 |
1998年 | 3篇 |
1997年 | 4篇 |
1996年 | 1篇 |
1995年 | 2篇 |
1993年 | 1篇 |
1992年 | 1篇 |
1990年 | 1篇 |
1989年 | 2篇 |
排序方式: 共有336条查询结果,搜索用时 15 毫秒
331.
332.
基于人工社会模型的退田还湖生态补偿机制实例研究 总被引:7,自引:0,他引:7
基于补偿者和受偿者意愿的研究方法是建立切实可行的生态补偿机制的有效手段。为探讨在我国许多地区开展退田还湖生态补偿政策的有效实施机制,减少洪涝灾害与生态环境退化负面效应,研究构建了基于农户、政府和企业三类主体及其相互作用的生态补偿模型,并重点分析生态补偿标准、洪灾风险、生态环境保护、劳动力本地转移政策等因素对农户主体土地利用决策的影响。以鄱阳湖区莲湖乡为实例,以农户和企业从事生产活动的行为特征和政府宏观调控方式为基本准则,利用构建的多主体模型模拟了不同补偿机制下退田还湖政策可能产生的土地利用长期效应。结果表明,政府给予农户的经济补偿可以使农户自愿实施退田,但在不同情景下,政府实施退田还湖的代价和达到预期目标的时限差距显著。企业参与不仅能减轻政府的经济负担,同时也有利于剩余农村劳动力的转移。政府发展壮大当地经济,提高农业劳动力向非农产业转移的速度和质量,均有助于推进退田还湖政策的有效实施。 相似文献
333.
目的实现颤振试飞操纵面脉冲激励响应仿真,预测操纵面脉冲激励结构响应。方法提出一种飞机颤振试飞操纵面脉冲激励响应仿真方法。该方法以飞机结构动力学有限元模型为基础,建立颤振试飞气动力模型和操纵面脉冲激励力模型。结果以上述模型为基础建立的飞机颤振试飞操纵面脉冲激励响应仿真模型,实现了颤振试飞操纵面脉冲激励响应仿真。首先建立了带副翼单机翼模型操纵面脉冲激励响应仿真模型,并实现了激励响应仿真分析,得到了结构响应幅值。结论开展了全机模型操纵面脉冲激励响应仿真分析,并将仿真结果与飞行试验结果进行对比,两者结果基本一致,验证了该方法的有效性。 相似文献
334.
为解决社区治安高危人员异常轨迹难以实时感知、精确识别、及时预警的问题,对社区治安高危人员动态轨迹进行标定,并建立动态轨迹序列化模型,通过序列化模型构建动态行为链;根据静态身份属性与动态轨迹时空特征信息,建立异常轨迹分析模型.结果表明:动态轨迹标定可实现对GPS轨迹数据高效、准确标定;异常轨迹分析模型可实现异常轨迹识别与... 相似文献
335.
应用深度学习技术进行PM2.5浓度预测方法的研究,提出联合Transformer注意力机制的循环预测网络。模型的核心是多头注意力-长短期记忆网络(MH-LSTM),通过构建统一记忆单元捕捉时空特征关联。MH-LSTM单元使用LSTM联合Transformer注意力机制对时间变化和全局空间特征统一建模形成记忆信息。记忆信息“之”字流向跨越堆叠的MH-LSTM模块,高层记忆信息辅助下一时刻低层记忆信息的获取。应用该模型结合河北省生态环境监测中心提供的PM2.5浓度数据开展预报试验,结果表明,相对于卷积LSTM网络(ConvLSTM)、预测循环神经网络(PredRNN)、双重记忆网络(MIM),该模型预测的平均绝对误差分别减小了18.13%、10.23%、9.62%,实现了同时捕捉PM2.5浓度的时空相关性,具有更优预测性能。 相似文献
336.
针对智能船舶航行过程中航行关键风险因素的有效识别和筛选问题,提出了基于等级全息建模(Hierarchical Holographic Modeling, HHM)框架和风险过滤、评级与管理(Risk Filter, Ranking and Management, RFRM)思想的智能船舶航行风险识别与筛选理论。首先,构建智能船舶航行风险识别HHM模型,以全面而准确地选取和反映智能船舶航行风险来源;其次,通过RFRM模型对风险因素进行过滤、排序和筛选,结合贝叶斯方法的多判据评估模型,识别出智能船舶航行过程中可能存在的关键风险因素。结果可以为相关海事机构和船舶公司进行动态管理提供理论依据,同时为保障智能船舶航行安全提供一种手段。 相似文献