全文获取类型
收费全文 | 636篇 |
免费 | 57篇 |
专业分类
公路运输 | 191篇 |
综合类 | 214篇 |
水路运输 | 144篇 |
铁路运输 | 132篇 |
综合运输 | 12篇 |
出版年
2024年 | 5篇 |
2023年 | 6篇 |
2022年 | 23篇 |
2021年 | 24篇 |
2020年 | 24篇 |
2019年 | 19篇 |
2018年 | 16篇 |
2017年 | 9篇 |
2016年 | 12篇 |
2015年 | 20篇 |
2014年 | 48篇 |
2013年 | 40篇 |
2012年 | 50篇 |
2011年 | 60篇 |
2010年 | 38篇 |
2009年 | 39篇 |
2008年 | 38篇 |
2007年 | 52篇 |
2006年 | 63篇 |
2005年 | 33篇 |
2004年 | 28篇 |
2003年 | 14篇 |
2002年 | 10篇 |
2001年 | 7篇 |
2000年 | 6篇 |
1999年 | 1篇 |
1997年 | 1篇 |
1996年 | 1篇 |
1995年 | 2篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1990年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有693条查询结果,搜索用时 31 毫秒
41.
基于神经网络的混凝土预制桩单桩竖向极限承载力参数分析 总被引:1,自引:0,他引:1
应用BP神经网络,对混凝土预制桩单桩竖向极限承载力进行预测,并分析了各种参数对单桩竖向极限承载力的影响。通过影响因素分析,确定了桩径、桩长、入土深度、桩侧摩阻力加权平均值、桩端阻力平均值等参数对单桩竖向极限承载力有影响。对混凝土预制桩单桩静载试验资料进行分析和取样,将包含上述参数的样本与单桩竖向极限承载力形成数据对,采用三层神经网络进行训练,输入层为各参数,输出层为单桩竖向极限承载力,建立了混凝土预制桩单桩竖向极限承载力预测模型。研究表明,所建立的模型能够有效地预测混凝土预制桩单桩竖向极限承载力,通过参数分析,能够得出各参数对单桩竖向极限承载力的影响规律,从而确定比较合理的单桩设计参数。 相似文献
42.
HX-A汽车电器自动测试台采用8031单板机控制,通过全方位多功能夹具,能完全根据实际工作情况模拟组合开关各档位的变换,并且能根据部标的要求来控制每一档位的转换时间和停顿时间,它可以一次性测试三台同型号或不同型号的汽车组合开关,大大地缩短了组合开关的测试周期。 相似文献
43.
44.
为解决机动车牌图像倾斜将对其字符分割与识别带来不利的影响,提出一种基于主元分析(PCA)的车牌图像倾斜校正新方法。在该方法中,PCA被用于求取坐标变换矩阵以进行图像旋转修正。将原始的像素坐标矩阵经过中心化后转换为2维协方差矩阵,再奇值分解为能反映图像倾斜方向的2维对角矩阵和坐标变换矩阵。算法的时间复杂度分析与试验结果均表明:相对于Hough等搜索倾角的校正方法,PCA方法缩短了计算时间1 ̄2个数量级,并且在污迹、光照不均等条件下也能获得较好效果。 相似文献
45.
散喷养生及水循环利用工艺采用压力泵送原理对预制梁构件进行高质量的快速养生,并结合养生用水的收集、沉淀和净化后重复再用的工艺达到节水的目的,其结果不仅降低了工程成本,而且具有明显的环保效果。 相似文献
46.
以某高速公路建设中高填深切路段的新工艺(装配式预制通涵)为对象,介绍分析其整体受力情况和加固处理措施,其内容可作为同类工程的参考。 相似文献
47.
为了便于桥梁养护与管理,提高桥梁精细化管养的水平,在分析国内外相关行业的信息分级与编码体系的基础上,结合桥梁属性和养护特点,提出了桥梁构件养护编码与快速识别方法,制定了精确到构件级的分级编码结构和分类代码。据此,基于二维码应用设计了桥梁构件智能信息标签,采用APP扫描信息标签的方式对桥梁构件进行识别,初步建立了一套适用于桥梁构件养护编码与快速识别方法。应用结果表明,该方法能建立全面、统一和精确到设施构件级的身份标识并能快速识别桥梁构件,为桥梁全生命周期养护管理奠定基础,极大提升了桥梁养护效率和质量。 相似文献
48.
Empirical approaches to combining revealed and stated preference data: Some recent developments with reference to urban mode choice 总被引:1,自引:0,他引:1
David A. Hensher 《Research in Transportation Economics》2008,23(1):23-29
This paper replaces the nested logit ‘trick’ used in estimation of a modal choice model, when stated preference (SP) and revealed preference (RP) data are pooled, with an error component mixed logit model that can (i) relax the IID condition attached to subsets of alternatives in nested logit models, (ii) accommodate correlated observations, and (iii) reveal the relevant scale parameter for subsets of alternatives. Such a model can also incorporate state dependence between data types and preference heterogeneity on observed attributes. An example of choice among bus, train and car modes illustrates the difference in empirical evidence, especially elasticity outputs. 相似文献
49.
50.