全文获取类型
收费全文 | 1137篇 |
免费 | 72篇 |
专业分类
公路运输 | 360篇 |
综合类 | 439篇 |
水路运输 | 250篇 |
铁路运输 | 142篇 |
综合运输 | 18篇 |
出版年
2024年 | 7篇 |
2023年 | 9篇 |
2022年 | 38篇 |
2021年 | 58篇 |
2020年 | 59篇 |
2019年 | 25篇 |
2018年 | 22篇 |
2017年 | 27篇 |
2016年 | 21篇 |
2015年 | 37篇 |
2014年 | 60篇 |
2013年 | 63篇 |
2012年 | 72篇 |
2011年 | 95篇 |
2010年 | 78篇 |
2009年 | 74篇 |
2008年 | 91篇 |
2007年 | 88篇 |
2006年 | 93篇 |
2005年 | 93篇 |
2004年 | 33篇 |
2003年 | 18篇 |
2002年 | 9篇 |
2001年 | 26篇 |
2000年 | 5篇 |
1999年 | 4篇 |
1997年 | 1篇 |
1996年 | 1篇 |
1994年 | 2篇 |
排序方式: 共有1209条查询结果,搜索用时 21 毫秒
971.
972.
设计规范作为行业强制性设计要求为依据,应是严谨、严肃的,但它同时又有一个不断发展和完善的过程.通过对新《公路隧道设计规范》(JTG D70—2004)使用中发现的与其它相关标准、规范的协调性、隧道建筑限界与内轮廓、钢纤维喷射砼等几个问题的探讨,起到抛砖引玉的作用,供同行研讨、参考. 相似文献
973.
974.
商业区单向交通网络适应性评价具有“多决策变量”、“多准则”、“不确定性”及“群体决策”的特性。根据单向交通的基本理论,对整个商业区单向交通网络适应性的评价,应包括其对交通效益、经济效益、社会效益等多个方面产生影响的评价。根据研究对象的现状,确定影响其适应性的各类因素,从而建立起一系列的指标,并构建层次分析图。运用层次分析法(AHP)对城市商业区的单向交通网络适应性进行量化的评价,为以后进一步的设置与评价区域性的单向系统提供了理论基础和决策依据。 相似文献
975.
桥梁结构在服役过程中,随着时间的推移,抗力不断降低,其性能逐渐退化.提出桥梁在服役过程中可靠指标的非线性指数劣化模型以及状态指标的非线性劣化模型,能够反映劣化过程中的高次变化规律,结合两种不同的周期预防性维护策略,推导了桥梁服役期间任意时刻可靠度指标与状态指标的计算公式,研究了桥梁可靠度指标与状态指标之间的相互关系. 相似文献
976.
路段行程时间的长短影响出行者的效率.本文从停车巡游角度给出了停车诱导对出行者出行时间的影响模型.对运行中车辆的密度函数增减关系进行分析,给出停车诱导信息的路段行驶时间函数解析关系式,推导出停车诱导信息对出行时间影响关系.进一步通过西单地区停车诱导系统调查结果分析说明驾车出行者对停车诱导信息的需求程度,探讨停车诱导信息系统用于解决交通出行时间效率问题。 相似文献
977.
Introduction There are many complicated systems in theworld that can not be represented by differentialequations and so on, but they can be describedqualitatively by event sequences that lead to thetransition of the system states indirectly, so itbrings o… 相似文献
978.
���н�����Ŀ��ͨӰ���������̽�� 总被引:7,自引:0,他引:7
通过分析美国、英国、日本和我国目前的交通影响分析方法、过程和亟待解决的一些问题,探讨了在交通影响分析中增加环境影响评价、可达性评价等,提出了多指标交通影响分析方法.多指标交通影响分析方法不仅能定量计算城市建设项目带来的在道路和交叉口上新增的交通流量,而且能够计算新增交通量对环境和土地利用的负面影响,从而更全面地考虑城市建设项目对交通的影响. 相似文献
979.
中介就是客观事物之间的联系环节。中介是客观的、普遍的。过程是思想政治教育重要的中介概念。思想政治教育是历史的、文化的过程;是运动的、发展的过程;是具体的、有步骤的过程。 相似文献
980.
MULTI SUPPORT VECTOR MACHINES DECISION MODEL AND ITS APPLICATION 总被引:2,自引:0,他引:2
IntroductionStatistical Learning Theory( SLT) is a small-sample statistical theory by Vapnik etal.SupportVector Machine( SVM) is a novel powerful ma-chine learning method developed from SLT.SVMis powerful for the problems will small sample,nonlinearity,high dimension and local minima.Currently,SVM has many applications in the pat-tern recognition,function estimation,signal pro-cession,control,and others field[1~ 3 ] .SVM en-hances generalization by principle of the structuralrisk min… 相似文献