全文获取类型
收费全文 | 628篇 |
免费 | 76篇 |
国内免费 | 86篇 |
专业分类
安全科学 | 209篇 |
废物处理 | 3篇 |
环保管理 | 46篇 |
综合类 | 340篇 |
基础理论 | 28篇 |
污染及防治 | 47篇 |
评价与监测 | 38篇 |
社会与环境 | 26篇 |
灾害及防治 | 53篇 |
出版年
2024年 | 6篇 |
2023年 | 27篇 |
2022年 | 32篇 |
2021年 | 28篇 |
2020年 | 27篇 |
2019年 | 25篇 |
2018年 | 28篇 |
2017年 | 18篇 |
2016年 | 21篇 |
2015年 | 26篇 |
2014年 | 44篇 |
2013年 | 28篇 |
2012年 | 32篇 |
2011年 | 42篇 |
2010年 | 47篇 |
2009年 | 47篇 |
2008年 | 36篇 |
2007年 | 41篇 |
2006年 | 35篇 |
2005年 | 33篇 |
2004年 | 21篇 |
2003年 | 25篇 |
2002年 | 25篇 |
2001年 | 23篇 |
2000年 | 11篇 |
1999年 | 13篇 |
1998年 | 15篇 |
1997年 | 13篇 |
1996年 | 4篇 |
1995年 | 11篇 |
1994年 | 4篇 |
1993年 | 1篇 |
1979年 | 1篇 |
排序方式: 共有790条查询结果,搜索用时 15 毫秒
1.
用人工神经网络进行企业安全性评价的可行性探讨 总被引:2,自引:0,他引:2
企业安全性评价是企业安全管理工作的重要内容之一。本文分析了企业安全性评价的特点以及人工神经网络系统理论的发展和应用,探讨了探讨人工神经网络法评价企业安全性的可行性和评价方法。 相似文献
2.
《环境科学与技术》2020,(Z1)
近年来闽江感潮河段水厂多次发生咸潮入侵威胁城市供水安全,评估其影响机制及适应性管理策略显得尤为迫切。文章研究基于BP人工神经网络模型和情景分析方法,构建闽江感潮河段水厂盐度与氨氮模型,并定量模拟闽江感潮河段水厂咸潮入侵的影响机制与应对措施。所构建的模型总体表现良好,情景模拟结果表明,闽江上游水电开发对南港地区的盐的影响较大,特别是对城门水厂的水质的影响较大,其咸潮发生的频率出现了明显的上升。河口地区的采沙挖沙活动使得河口地区的最小潮位水平下降、河口各水厂咸潮发生的持续时间和频率有明显的增加,尤其是5、6月份发生咸潮的风险增加。进一步分析表明,当采沙挖沙活动停止时,闽江口地区的盐度开始慢慢下降,6年左右闽江口地区各水厂的盐度可维持在一个可接受的水平上。该研究增进了对闽江感潮河段水厂咸潮入侵影响机制的认识,研究结果可为流域水资源管理与区域饮用水安全提供科学依据。 相似文献
3.
人工神经网络在环境科学中的应用 总被引:2,自引:0,他引:2
从环境质量评价、环境预测、大气颗粒物源解析及优化布点四个方面对人工神经网络(ANN)在环境科学领域的应用现状进行了综述.可以看出人工神经网络方法在环境质量评价、环境预测、大气颗粒物源解析及优化布点等方面较常规数学方法具有相当的优越性;可以预见人工神经网络方法在环境科学领域必将具有巨大的实用价值和广阔的应用前景. 相似文献
4.
人工神经网络方法在环境科学领域应用进展 总被引:8,自引:0,他引:8
人工神经网络(ANN)是在模拟生物神经网络的基础上构建的一种信息处理系统。近年来,环境科学领域已有越来越多的学者利用ANN的高度并行互联结构和自适应处理能力来解决一些常规数学方法不易解决的问题。本文从环境质量评价、环境系统因素预报、环境因素定量关系模拟及污染防治系统建模四个方面对ANN方法在环境科学领域的应用现状进行了分析总结。综合ANN方法在国内外环境科学领域的应用现状,可看出ANN方法在环境系统模拟及预测、环境工程自动控制、污染物智能防治系统研究等方面较常规数学方法具有相当的优越性。可以预见,ANN方法在环境科学领域必将具有巨大的实用价值和广阔的应用前景。 相似文献
5.
BP人工神经网络预测邻苯二甲酸酯光化学降解 总被引:4,自引:0,他引:4
将反向传播人工神经网络(BP-ANN)用于邻苯二甲酸酯类化合物的光化学降解的预测中,选取正交设计的试验点作为反向传播人工神经网络的训练集,实现对全实验域试验点的预测,并与实测的试验数据比较。结果表明反向传播人工神经网络(BP-ANN)具有良好的预测能力。 相似文献
6.
7.
8.
用主成分分析将多维空间的样本数据降维到低维空间,将其作为BP网络的输入。BP网络的算法采用LM优化法。描述了该网络的MATLAB语言实现过程。 相似文献
9.
10.
建立土壤硫释放过程的人工神经网络模型 总被引:2,自引:0,他引:2
以温度、土壤含水率、胱氨酸添加量和土壤pH值作为土壤释放挥发性含硫化合物的主要影响因素,采用正交实验方法分析这些因素与土壤硫释速率的关系,利用BP神经网络算法对实验结果建模,并用模型对不同影响因素下的土壤硫释放情况进行预测。结果表明,网络模型对学习过的样本有较高预测精度,预测结果相对误差在2%以下,对未学生过的样本,误差为10%左右,表明人工神经网络方法建立的模型适用于土壤硫释放预测。 相似文献