全文获取类型
收费全文 | 13275篇 |
免费 | 393篇 |
国内免费 | 779篇 |
专业分类
系统科学 | 350篇 |
丛书文集 | 636篇 |
教育与普及 | 471篇 |
理论与方法论 | 97篇 |
现状及发展 | 69篇 |
研究方法 | 1篇 |
综合类 | 12823篇 |
出版年
2024年 | 82篇 |
2023年 | 271篇 |
2022年 | 298篇 |
2021年 | 325篇 |
2020年 | 234篇 |
2019年 | 199篇 |
2018年 | 136篇 |
2017年 | 159篇 |
2016年 | 216篇 |
2015年 | 279篇 |
2014年 | 551篇 |
2013年 | 498篇 |
2012年 | 602篇 |
2011年 | 714篇 |
2010年 | 694篇 |
2009年 | 746篇 |
2008年 | 770篇 |
2007年 | 677篇 |
2006年 | 602篇 |
2005年 | 606篇 |
2004年 | 505篇 |
2003年 | 524篇 |
2002年 | 465篇 |
2001年 | 467篇 |
2000年 | 396篇 |
1999年 | 369篇 |
1998年 | 337篇 |
1997年 | 382篇 |
1996年 | 362篇 |
1995年 | 304篇 |
1994年 | 308篇 |
1993年 | 236篇 |
1992年 | 226篇 |
1991年 | 204篇 |
1990年 | 224篇 |
1989年 | 214篇 |
1988年 | 125篇 |
1987年 | 74篇 |
1986年 | 46篇 |
1985年 | 7篇 |
1983年 | 7篇 |
1982年 | 1篇 |
1981年 | 2篇 |
1965年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 31 毫秒
101.
针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。 相似文献
102.
为了阐明循环加卸载路径对六边形蜂窝能量演化的影响规律,设计了3种不同分级循环加卸载试验,揭示了不同分级循环加卸载模式下外界输入总能量、弹性变形能、耗散能、塑性变形能等参数的演化特征及相互关系,研究结果表明:不同分级循环加卸载作用下,蜂窝的初始峰值强度和平台应力与卸载过程蜂窝弹性能的释放程度有关;3种不同分级循环加卸载模式下外界输入总能量、蜂窝的弹性变形能和塑性变形能随着加卸载梯级增大呈现非线性增加的趋势,耗散能在前三级循环作用下随着加载次数增加而减小,在最后一级循环中循环载荷上限较大,扰动效应强于强化效应,耗散能呈现相反趋势;提升循环载荷上限,蜂窝内部损伤增加,且越接近蜂窝初始峰值强度,蜂窝的损伤越严重;同时提升循环载荷下限,蜂窝弹性能释放较少,损伤加剧。 相似文献
103.
为研究高温遇水冷却后不同岩性岩石在循环加卸载条件下的物理特性和力学响应特征的变化规律,对高温遇水冷却后的花岗岩、大理岩及绿砂岩试件分别开展了单轴压缩和循环加卸载试验. 结果表明,当加热温度超过400 °C后,三类岩石的体积增长率显著增加,400 °C可以作为三类岩石物理参数发生突变的阈值温度.总体上,三类热处理水冷却岩石的单轴抗压强度随温度的升高而降低,但花岗岩在200 °C温度处理后峰值强度比常温时有所增加. 在循环荷载作用下,花岗岩滞回曲线接近于线性,上限应力较高且不可逆变形小;而绿砂岩和大理岩的上限应力低于花岗岩且变形较大.相同温度热冲击下滞回环宽度大小顺序为绿砂岩>大理岩>花岗岩.随循环次数的增加,三类高温遇水冷却岩样的塑性变形减小,弹性模量增大,试件强度较单轴压缩均有提高;随温度升高,破坏面裂纹更为发育,破裂岩屑更为细碎. 相似文献
104.
针对黏土易与水结合,孔隙溶液环境变化对黏土动力特性有较大影响的问题,使用GDS真/动三轴仪对黏土试样进行模拟交通循环荷载下的分级加载试验,研究不同浓度NaCl孔隙溶液、振动频率对土体应力-应变关系和动弹性模量的影响,分析骨干曲线及弹性模量的发展规律,并结合电镜扫描,分析NaCl溶液浓度和振动频率改变前后试样的孔隙分布规律,得到微观孔径与动力特性的关系。结果表明,随着NaCl溶液浓度和振动频率的升高,应力-应变曲线和动弹性模量曲线呈上移趋势;阻尼比-动应变曲线随振动频率的增加而上升,随NaCl溶液浓度的增加而下降;NaCl溶液浓度升高,水化反应产生的胶体增多,微填充作用可有效减少小孔隙,振动频率增加则使得片状颗粒间距被压缩,层状结构减少,土体更加密实,有效减少大孔隙。研究得出的含NaCl溶液黏土受孔隙溶液浓度与振动频率变化的影响规律,可为研究其他环境下黏土的强度变化提供参考。 相似文献
105.
图G的一种加权邻接矩阵记为Adb(G)=(adbij)n×n,若顶点vi和顶点vj相邻,则$a_{i j}^{d b}=\frac{d_{i}+d_{j}}{d_{i} d_{j}}$, 反之adbij=0.给出图G的加权谱半径的上下界,并在此基础上给出加权谱半径的Nordhaus-Gaddum-type关系.得到了图G的加权能量的几个上下界,并在此基础上给出加权能量的Nordhaus-Gaddum-type关系. 相似文献
106.
针对传统方法未能考虑词向量的动态性及句子间交互不充分等问题,提出基于BERT预训练模型及多视角循环神经网络的文本匹配模型。通过BERT-whitening方法对BERT输出的句向量进行线性变换优化,并利用多视角循环神经网络将两句子不同位置的BERT动态词向量进行双向交互计算;将句向量与词粒度交互向量进行融合后计算结果。实验结果表明,提出的模型相较于对比模型有明显性能提升,实用性良好。 相似文献
107.
为研究铁钉直径和夹角对节点的破坏模式及承载力、滞回特性、刚度退化、耗能能力等性能的影响,对50个竹集成材(laminated bamboo lumber,LBL)钉节点进行单调和低周反复荷载试验. 结果表明:不同加载模式下的节点破坏模式存在明显区别. 单调荷载作用下,节点的破坏模式主要表现为铁钉“双铰”模式和钉杆下部的纤维压碎破坏. 而在低周反复荷载作用下,大部分的铁钉发生了由于反复弯曲变形所致的疲劳断裂破坏,这种破坏现象却极少发生在振动台试验和实际的地震中. 铁钉直径是影响钉节点受力性能的主要因素,节点的承载能力和刚度随铁钉直径的增加而显著提高,而夹角对节点的力学性能影响较小. LBL钉节点单调加载试件的承载力和刚度均比低周反复荷载加载试件高. 加载初期试件的荷载-位移滞回曲线形状不饱满,具有明显的“捏缩”现象. 试件的累积耗能随铁钉直径增大而增加,并随加载角度增大而减小. 研究成果可为LBL钉节点的设计提供理论依据,并加速其在土木工程领域的应用. 相似文献
108.
在全球能源结构转型的背景下,煤气化技术展现出广阔应用前景,但其副产品煤气化残渣(CGR)仍未得到有效的回收利用。煤气化残渣含有丰富的碳成分,因此可以考虑作为碳基载体应用于微波吸收领域。在本研究中,通过浸渍Fe3+和还原反应制备了Fe/CGR复合微波吸收材料,并研究了磁性组分Fe的负载量对复合材料形貌和电磁性能的影响。此外,调整硝酸铁溶液的浓度,可以合理调控Fe/CGR复合材料的磁性成分负载量及其表面结构形貌。从扫描电镜照片可以看到Fe颗粒均匀地嵌入在CGR基体上,有效增加了复合材料的界面,进而增强了界面极化,进一步提高了复合材料的微波吸收性能。当Fe3+浓度为1.0 mol/L时,Fe/CGR复合材料表现出了优异的吸波性能,在涂覆厚度为2.5 mm时,最小反射损耗值可达?39.3 dB,当涂覆厚度为1.5 mm时对应的有效吸收带宽高达到4.1 GHz。本研究最终获得了兼具阻抗匹配和吸波性能的材料简易制备工艺与资源回收利用方法,所制备的Fe/CGR复合吸波材料不仅提升了CGR的回收率,而且也为微波吸收材料的合成开辟了一条新途径。 相似文献
109.
本文用XPS分析比较了非离子型表面活性剂司班—80和吐温—85对谢一矿矸石粉的表面改性处理效果,发现在所讨论的情况下,表现处理过程主要是一个物理过程.然而,在矸石粉的Ca与处理剂分子中的O之间,存在着较明显的化学作用. 相似文献
110.
光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法(Northern Goshawk Optimization, NGO)优化双向门控循环单元(Bidirectional Gated Recurrent Unit, BiGRU)的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解(Variational Mode Decomposition, VMD)将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法. 相似文献