全文获取类型
收费全文 | 755篇 |
免费 | 113篇 |
国内免费 | 85篇 |
学科分类
工业技术 | 953篇 |
出版年
2024年 | 1篇 |
2023年 | 15篇 |
2022年 | 27篇 |
2021年 | 29篇 |
2020年 | 24篇 |
2019年 | 30篇 |
2018年 | 21篇 |
2017年 | 14篇 |
2016年 | 35篇 |
2015年 | 36篇 |
2014年 | 57篇 |
2013年 | 56篇 |
2012年 | 69篇 |
2011年 | 47篇 |
2010年 | 38篇 |
2009年 | 58篇 |
2008年 | 74篇 |
2007年 | 68篇 |
2006年 | 69篇 |
2005年 | 42篇 |
2004年 | 35篇 |
2003年 | 33篇 |
2002年 | 16篇 |
2001年 | 11篇 |
2000年 | 9篇 |
1999年 | 12篇 |
1998年 | 5篇 |
1997年 | 1篇 |
1996年 | 2篇 |
1995年 | 7篇 |
1994年 | 3篇 |
1990年 | 2篇 |
1988年 | 1篇 |
1987年 | 2篇 |
1985年 | 3篇 |
1983年 | 1篇 |
排序方式: 共有953条查询结果,搜索用时 828 毫秒
1.
边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明:和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。 相似文献
2.
3.
以Takens嵌入定理和影子定理为理论依据,提出一种能对混沌信号去噪的局部投影方法。该方法不需潜在动力学系统的先验知识,符合工程实用的要求。通过实验结果表明这种方法对混沌信号去噪很有效。 相似文献
4.
为了更为全面地表征语音情感状态,弥补线性情感特征参数在刻画不同情感类型上的不足,将相空间重构理论引入语音情感识别中来,通过分析不同情感状态下的混沌特征,提取Kolmogorov熵和关联维作为新的情感特征参数,并结合传统语音特征使用支持向量机(SVM)进行语音情感识别。实验结果表明,通过引入混沌参数,与传统物理特征进行识别的方案相比,准确率有了一定的提高,为语音情感的识别提供了一个新的研究途径。 相似文献
5.
6.
7.
混沌时间序列预测方法在油气田勘探开发过程中发挥着重要的作用。地下储层通常具有较强的非均质性,流体的流动也受到多种未知因素的影响,这也与各种混沌现象极为相似。根据相空间重构理论,应用遗传算法求取最小嵌入维数m及时间延迟τ,构建了混沌时间序列模型,并对牙哈凝析气藏两口井的生产气油比进行了模拟及预测,拟合误差小于6%。研究结果表明,该预测模型有较高的精度。 相似文献
8.
由于网络中存在复杂的非线性动力学特性,基于混沌理论,采用最大Lyapunov指数对局域网络流量序列进行预测分析,能够实现较早地预测出网络流量的突变特性.首先,采用相空间重构理论,并结合C-C算法将实际测试的流量时间序列投影到重构的相空间中.然后,计算其最大Lyapunov指数并对最大可预测时间进行了分析,同时对预测算法进行了研究.最后,对实际测试的局域网流量序列分别采用点预测和区间预测方法进行了分析.仿真结果显示,采用点预测方法对流量突变可以进行有效预测,突变越剧烈预测越准确;而采用区间预测可以有效预测流量的变化趋势,但不适用于广域网环境.进一步表明此方法能有效地利用所有数据信息进行预测,预测效果准确、可靠,可广泛的用于网络拥塞和网络攻击中. 相似文献
9.
针对目前常用负荷预测方法多依赖主观经验,为了提高预测精度,从相空间重构理论出发。结合负荷序列的混沌特性,提出了一种计算最大Lyapunov指数的改进算法。改进算法中引入一种取舍规则,提高了最大Lyapunov指数提取精度。利用改进算法建立实际电力月负荷预测模型,实际应用结果表明该模型具有一定实用价值。 相似文献
10.
随着电网中风电渗透率的逐年提高,对其出力进行精确预测是保障电网可靠运行的技术措施之一.建立了基于CEEMDAN-SAFA-LSSVM短期风功率组合预测模型.采用完全集合经验模态分解(CEEMDAN)将原始风功率序列分解成特征互异的各个本征模态分量,对分解产生的本征模态分量进行相空间重构,然后根据得到的新模态分量建立相应的最小二乘支持向量机(LSSVM)预测模型.针对LSSVM模型的预测精度易受参数选择的影响,提出萤火虫算法(SAFA)优化LSSVM模型的参数,解决了 LSSVM参数寻优效率低的问题.算例分析表明CEEMDAN-SAFA-LSSVM模型在风功率预测中具有较高的预测精度和预测效率. 相似文献