全文获取类型
收费全文 | 12506篇 |
免费 | 477篇 |
专业分类
公路运输 | 5807篇 |
综合类 | 2500篇 |
水路运输 | 2706篇 |
铁路运输 | 1627篇 |
综合运输 | 343篇 |
出版年
2024年 | 115篇 |
2023年 | 385篇 |
2022年 | 326篇 |
2021年 | 401篇 |
2020年 | 426篇 |
2019年 | 327篇 |
2018年 | 146篇 |
2017年 | 193篇 |
2016年 | 210篇 |
2015年 | 315篇 |
2014年 | 585篇 |
2013年 | 516篇 |
2012年 | 668篇 |
2011年 | 695篇 |
2010年 | 702篇 |
2009年 | 778篇 |
2008年 | 865篇 |
2007年 | 878篇 |
2006年 | 661篇 |
2005年 | 527篇 |
2004年 | 436篇 |
2003年 | 488篇 |
2002年 | 334篇 |
2001年 | 317篇 |
2000年 | 249篇 |
1999年 | 198篇 |
1998年 | 166篇 |
1997年 | 200篇 |
1996年 | 163篇 |
1995年 | 169篇 |
1994年 | 141篇 |
1993年 | 115篇 |
1992年 | 97篇 |
1991年 | 67篇 |
1990年 | 56篇 |
1989年 | 64篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1986年 | 1篇 |
1965年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 78 毫秒
1.
船舶碰撞的事故现场难以进行实地勘查和保留,传统调查主要靠收集证据进行定性分析,伴随海事行业的现代化发展,船舶碰撞事故调查也逐步向多途径、科学化的方向进行探索。对一起真实碰撞案例进行模拟仿真,采用显示动力学和计算流体动力学(Computational Fluid Dynamics, CFD)定量分析出船舶碰撞不只发生一次。第一次碰撞发生在船B船头右舷外板处,历时0.5 s。碰撞后船A获得较大的横向速度,在水阻力下间隔2.9 s后与船B发生第二次碰撞,导致船A右舷舭部外板向内凹陷,船B艏柱出现条状划痕,上端碰撞点距吃水线约0.9 m,下端碰撞点距吃水线约1.7 m。定量分析结果与实船勘测损伤区域、损伤形式完全吻合,该结论被海事法庭所采纳。结果表明:定量分析可为船舶碰撞事故提供一种新的调查途径和推演方法,能够挖掘传统定性调查中所无法获取的二次碰撞、碰撞历时和碰撞损伤等事故推演信息。 相似文献
2.
3.
文中以一起典型的VTS覆盖水域船舶碰撞危险事件为例,论述了碰撞危险局面下VTS值班员交通组织的依据、措施建议和值班用语规范,为规范VTS值班员的交通组织标准提供思路。 相似文献
4.
《铁道机车车辆工人》2019,(2)
齿轮箱作为轨道交通车辆驱动系统的关键零部件,其可靠性直接影响到车辆的安全运行。文中分析了轨道交通齿轮箱常见的失效模式及原因,并有针对性地提出设计优化与改进建议,进一步提高齿轮箱的可靠性和稳定性。 相似文献
5.
6.
准确预测短时出租车速度是识别驾驶员异常加减速行为的前提,有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象,研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集,构造滑动时间窗口,以时间窗口内的出租车历史移动速度的时间序列为输入变量,以出租车当前时间的移动速度为输出变量,采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化,得到模型最优参数组合,并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析,将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差(MAE)为9.841,均方根误差(RMSE)为12.711,均低于非参数回归模型和神经网络模型,提高了出租车速度的预测精度;由于出租车速度序列缺乏规律性,调整后的R2(R2 _adjusted)为0.592,且相较于其他2个模型,XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果,避免了过拟合造成的预测精度下降。 相似文献
7.
8.
如何准确、均衡地扣修铁路运用车辆,既保证维修单位任务完成,又满足提高运输效率要求,是铁路运输管理的难点之一。本文以南宁局集团公司为例,总结分析针对检修车扣车不均衡、检修车超定量问题,采取集成数据,编制检修车管理指导子系统,强化检修车的监控与预测、扣车追踪、动态管控、均衡扣车等措施的落实效果,旨在为有效提升检修车管送能力,确保运输用车需求提供借鉴。 相似文献
9.
船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。 相似文献
10.