全文获取类型
收费全文 | 238篇 |
免费 | 9篇 |
国内免费 | 7篇 |
学科分类
工业技术 | 254篇 |
出版年
2023年 | 1篇 |
2021年 | 7篇 |
2020年 | 4篇 |
2019年 | 7篇 |
2018年 | 22篇 |
2017年 | 7篇 |
2016年 | 3篇 |
2015年 | 13篇 |
2014年 | 13篇 |
2013年 | 7篇 |
2012年 | 12篇 |
2011年 | 9篇 |
2010年 | 19篇 |
2009年 | 8篇 |
2008年 | 9篇 |
2007年 | 6篇 |
2006年 | 3篇 |
2005年 | 10篇 |
2004年 | 11篇 |
2003年 | 4篇 |
2002年 | 4篇 |
2001年 | 3篇 |
2000年 | 9篇 |
1999年 | 10篇 |
1998年 | 10篇 |
1997年 | 4篇 |
1996年 | 7篇 |
1995年 | 4篇 |
1994年 | 7篇 |
1993年 | 10篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 3篇 |
1989年 | 2篇 |
1988年 | 1篇 |
1987年 | 2篇 |
1983年 | 1篇 |
排序方式: 共有254条查询结果,搜索用时 656 毫秒
41.
针对低渗透储层具有低孔、低渗特性,且渗透特征复杂多变,应用真实砂岩微观模型和自主研发微观驱油驱替联测实验装置,开展了微观水驱油实验研究工作,并结合薄片鉴定、物性分析(孔径分析仪及渗透率测试仪)、恒速压汞、扫描电镜等资料对储层孔隙结构类型及其渗流特征进行深入分析,得出孔隙结构类型与水驱油微观渗流特征之间内在联系,探讨储层微观水驱油特征及驱油效率的影响因素。结果表明:储层孔隙类型主要为残余粒间孔、溶蚀孔、晶间孔等3类,不同孔隙类型驱油效率不同,储层孔隙类型以残余粒间孔、溶蚀孔为主时,水驱油实验中主要渗流路径为均匀驱替、网状驱替,驱油效率较高达到66.8%;储层孔隙类型以晶间孔为主时,水驱油实验中主要渗流路径为指状驱替,驱油效率相对较低,是37.15%;残余油类型分别为绕流残余油、角隅残余油、油膜及卡断残余油,80%以上残余油以绕流、膜状形态存在,角隅状、孤立状形态分布较少;亲水性储层与亲油性储层具有不同的渗流特征,且亲水储层驱替效果好于亲油储层,亲水性储层驱油效率较亲油性储层高出15.94%;注水倍数增大,驱油效率增高,储层注水强度达到3PV后对驱替效率影响变弱。综合分析表明,厘清储层水驱油渗流特征及其驱油效率影响因素可为油藏的"甜点"预测提供科学依据。 相似文献
42.
43.
44.
膜污染是膜生物反应器(MBR)运行的必然结果,是MBR大面积推广的严重阻碍,因此研究膜污染控制技术具有重要意义。从膜污染发生前的预防和膜污染发生后的清洗2个方面,论述了常见的各种膜污染控制手段,综述了膜污染控制技术的研究现状与进展。其中膜污染的预防手段主要有膜(膜组件)固有性质的改进、操作条件的优化以及混合液性状的调控3类,而膜污染的清洗手段按是否使用药剂可分为物理清洗和化学清洗2类。综合考察MBR运行中的膜污染状况,采用合理的方法对膜污染进行控制,能够有效延长膜的使用寿命,提高MBR的实用性能。 相似文献
45.
46.
成型表面改性生物质环境材料制备及其吸附水中多环芳烃的研究 总被引:2,自引:0,他引:2
700℃热解炭化大豆秸秆8h,经H3PO4溶液表面改性处理后,采用成型工艺技术制得成型表面改性生物质环境材料.测定了所制备的表面改性秸秆生物质环境材料的比表面积、表面形态及其对亚甲基蓝的吸附性能;以单一多环芳烃(PAHs)菲和复合PAHs萘、菲、苊为目标污染物,研究了生物质环境材料对水中有机污染物的吸附性能.结果表明,成型工艺制备的生物质活性炭的比表面积为320~359m2/g,孔隙高度发达.SEM结果显示,成型压力、热处理温度和热处理时间明显影响所制得材料的表面形态.成型工艺对亚甲基蓝吸附值影响顺序为热处理温度>成型压力>胶粘剂比例>热处理时间;成型生物质环境材料的最佳制备条件为:粘结剂比例15%、成型压力65MPa、热处理温度260℃、热处理时间90min.按此条件制得的生物质环境材料对亚甲基蓝的吸附值达135mg/g.成型工艺制备的秸秆生物质环境材料对水中菲的去除率均超过98%,与商品活性炭对菲的去除率相当;其对复合污染下3种PAHs的去除率为菲>萘>苊,对于同一PAHs,不同生物质环境材料的吸附能力存在差异. 相似文献
47.
48.
利用相关分析方法 ,研究了构成非线性系统一般模型结构的必要条件 ,所得出的结论可以为辨识一大类可以表示为这种模型的黑箱非线性系统提供一种重要的判定依据 相似文献
49.
50.
针对矿井水害防治工作中,煤层底板破坏深度难以进行准确预测的问题,将主成分分析(PCA)与灰狼算法(GWO)改进的BP神经网络相结合,建立以采深、煤层倾角、采厚、工作面斜长、煤层底板抗破坏能力、工作面内是否有切穿型断层或破碎带为主要影响因素的底板破坏深度预测模型。根据实测资料分析各主要影响因素和底板破坏深度之间的相关性,利用PCA法将影响底板破坏深度的主要参数进行降维,根据降维后的主成分对底板破坏深度的贡献率,确定底板破坏深度的主控因素。利用灰狼算法优化BP神经网络参数,建立PCA-GWO-BP神经网络模型预测煤层底板破坏深度,并与其他预测方法进行对比,结果证明该模型误差小于0.5%、准确度高,可以对煤层底板破坏深度进行较为准确的预测。 相似文献