全文获取类型
收费全文 | 5608篇 |
免费 | 179篇 |
专业分类
公路运输 | 2263篇 |
综合类 | 1616篇 |
水路运输 | 960篇 |
铁路运输 | 733篇 |
综合运输 | 215篇 |
出版年
2024年 | 2篇 |
2023年 | 95篇 |
2022年 | 100篇 |
2021年 | 138篇 |
2020年 | 146篇 |
2019年 | 164篇 |
2018年 | 61篇 |
2017年 | 82篇 |
2016年 | 93篇 |
2015年 | 204篇 |
2014年 | 339篇 |
2013年 | 292篇 |
2012年 | 425篇 |
2011年 | 380篇 |
2010年 | 400篇 |
2009年 | 454篇 |
2008年 | 472篇 |
2007年 | 439篇 |
2006年 | 331篇 |
2005年 | 261篇 |
2004年 | 214篇 |
2003年 | 139篇 |
2002年 | 96篇 |
2001年 | 109篇 |
2000年 | 43篇 |
1999年 | 50篇 |
1998年 | 54篇 |
1997年 | 35篇 |
1996年 | 25篇 |
1995年 | 25篇 |
1994年 | 22篇 |
1993年 | 23篇 |
1992年 | 17篇 |
1991年 | 19篇 |
1990年 | 22篇 |
1989年 | 13篇 |
1987年 | 1篇 |
1984年 | 2篇 |
排序方式: 共有5787条查询结果,搜索用时 0 毫秒
1.
3.
4.
本文基于旅客出行时间特征,将跨线列车划分为日间动车组、跨夜动车组、日间普通旅客列车、跨夜普通旅客列车等四类。结合跨线列车的定义,推导出跨线列车的适应性条件,确定其影响因素为线上运行时间、线下运行时间、全程旅行时间。跨线列车的适应性条件可以确定跨线列车的种类、初始跨线时间域。结合跨线列车的始发终到时间域、跨线时间域,推导出跨线列车的合理始发终到时间范围、合理跨线时间范围的计算方法,并实例求解了川藏铁路跨线列车的合理跨线时间范围,验证了跨线列车的适应性判别条件、合理始发终到时间范围、合理跨线时间范围求解方法的可行性与正确性。研究结论可以为川藏铁路列车运行图的铺画、分时段客货共线的研究提供参考。 相似文献
5.
6.
我国盾构隧道广泛使用凝结时间较长的单液浆,但由于注入后不能及时凝结常常引发管片上浮、浆液流失等工程问题。针对这些问题提出“定时浆”的概念。通过在单液硬性浆中添加氯化铝溶液与水玻璃,基于浆液的胶结时间、流动度、28 d强度等指标研究了“定时浆”的配方。结果表明: 1)通过先加入氯化铝溶液再加入水玻璃的方法,可以实现浆液“定时”凝结; 2)在硬性浆中掺加0.50%~0.75%的氯化铝溶液、1.00%~1.25%的水玻璃,可以达到良好的定时效果; 3)通过简单的注浆设备改造可以形成“双液单注”的定时注浆工艺。 相似文献
7.
8.
《西安交通大学学报(医学版)》2019,(3):474-479
目的通过横断面研究探讨重庆地区居民体力活动、静坐时间和睡眠时间对高血压患病率的影响。方法采用多级分层随机抽样方法,分别从重庆市抽取4个农村和4个城市地区15岁及以上居民,进行问卷调查和体格检查,采用卡方检验、二分类Logistic回归等统计方法对结果进行分析。结果本次研究共纳入15 280人,根据《中国高血压防治指南2010》标准,总人群高血压患病率为20.7%。二分类Logistic回归结果表明,代谢当量(MET)≤2.29 h/d、静坐时间≥6.1 h/d、睡眠时间≤6 h/d或≥9 h/d是重庆地区居民高血压的危险因素;静坐时间位于4.1~6.0 h/d区间段是高血压的保护因素。处于MET、静坐时间及睡眠时间危险区间(MET≤2.29 h/d、静坐时间≥6.1 h/d、睡眠时间≤6 h/d或≥9 h/d)的农村居民的高血压比例高于城市居民,农村居民处于保护区间(静坐时间:4.1~6.0 h/d)的高血压比例显著低于城市居民。结论总体而言,重庆地区高血压的患病率比较高;运动量缺乏、静坐时间过长和睡眠不足或睡眠过多可能增加高血压的患病风险;农村地区高血压患病率高于城市地区可能与居民的运动量不足、静坐时间相对较长和睡眠时间不充分等密切相关。 相似文献
9.
10.
在城市公交网络运行中,公交车的站点间行程时间会受到道路和环境条件的影响. 本文对公交车运行过程中的车辆速度特征、道路特征及天气特征等进行了分析.建立了基于特征的 LightGBM (Light Gradient Boosting Machine)公交行程时间预测模型,通过调整 LightGBM算法中的相关参数,以分配各个影响特征和因素的权重大小.然后利用天津市某条公交线路 24天的公交车 GPS数据对模型进行了训练和验证,并与基于历史平均值和卡尔曼滤波的行程时间预测模型进行对比.比较结果表明,LightGBM模型在 MAE (Mean Absolute Error)和 MAPE (Mean Absolute Percentage Error)这两个指标上均大幅度优于其他两个模型,说明 LightGBM模型在公交车行程时间预测上具有很好的稳定性和应用前景. 相似文献