全文获取类型
收费全文 | 281篇 |
免费 | 13篇 |
专业分类
公路运输 | 31篇 |
综合类 | 27篇 |
水路运输 | 211篇 |
铁路运输 | 20篇 |
综合运输 | 5篇 |
出版年
2024年 | 5篇 |
2023年 | 3篇 |
2022年 | 7篇 |
2021年 | 6篇 |
2020年 | 3篇 |
2019年 | 6篇 |
2018年 | 5篇 |
2017年 | 4篇 |
2016年 | 12篇 |
2015年 | 12篇 |
2014年 | 6篇 |
2013年 | 11篇 |
2012年 | 17篇 |
2011年 | 15篇 |
2010年 | 6篇 |
2009年 | 19篇 |
2008年 | 13篇 |
2007年 | 13篇 |
2006年 | 23篇 |
2005年 | 19篇 |
2004年 | 8篇 |
2003年 | 6篇 |
2002年 | 7篇 |
2001年 | 10篇 |
2000年 | 12篇 |
1999年 | 6篇 |
1998年 | 4篇 |
1997年 | 7篇 |
1996年 | 2篇 |
1995年 | 2篇 |
1994年 | 6篇 |
1993年 | 7篇 |
1992年 | 2篇 |
1991年 | 5篇 |
1990年 | 3篇 |
1989年 | 2篇 |
排序方式: 共有294条查询结果,搜索用时 156 毫秒
41.
42.
43.
44.
在采用新的设计方法分析潮汐河口的水沙特性的基础上,结合整理论分析和经验总结,提出潮汐河口浅滩整治的新理论及最高、最优整治水位等新概念。提出计算最高整治水位的三种方法及相应计算公式。分析了最优整治水位的确定方法,并结合实例进行了计算分析。 相似文献
45.
46.
47.
48.
针对典型水上交通场景交汇水域,研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络,通过学习交汇水域船舶的历史轨迹,以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征,LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择,从而形成船舶轨迹与航行意图识别模型。同时,引入Dropout网络结构描述该模型的预测不确定性,采用随机关闭CNN+ LSTM核心网络部分神经单元的方式,以相同轨迹序列作为输入获取多组相近的预测结果,根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验,创建了该交汇水域船舶航行轨迹数据集,以输入时长60 min,采样频率3 min作为输入条件,Dropout值取0.5,实验结果表明:所提方法对未来60 min时段内的轨迹预测误差为3.946 n mile,航行意图识别准确率达87%,不确定性估计覆盖率达85.7%。与LSTM预测方法相比,当船舶操纵性发生改变时,所提CNN+LSTM模型的轨迹预测误差降低了31.6%,而且兼具船舶航行意图识别及预测不确定性估计能力,有利于智能航行与海事监管技术发展。 相似文献
49.
50.