全文获取类型
收费全文 | 240篇 |
免费 | 15篇 |
专业分类
公路运输 | 62篇 |
综合类 | 129篇 |
水路运输 | 31篇 |
铁路运输 | 32篇 |
综合运输 | 1篇 |
出版年
2024年 | 1篇 |
2023年 | 1篇 |
2021年 | 2篇 |
2020年 | 3篇 |
2019年 | 6篇 |
2018年 | 2篇 |
2017年 | 1篇 |
2016年 | 4篇 |
2015年 | 11篇 |
2014年 | 15篇 |
2013年 | 21篇 |
2012年 | 12篇 |
2011年 | 29篇 |
2010年 | 33篇 |
2009年 | 20篇 |
2008年 | 18篇 |
2007年 | 20篇 |
2006年 | 26篇 |
2005年 | 11篇 |
2004年 | 4篇 |
2003年 | 7篇 |
2002年 | 3篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1997年 | 1篇 |
1993年 | 1篇 |
排序方式: 共有255条查询结果,搜索用时 281 毫秒
91.
基于北京地铁6 个换乘站客流高峰期乘客对上行方向步行楼梯和自动扶梯的选择行为调查数据,采用灰色关联法计算乘客选择行为影响因素的重要度并排序.利用模糊数学理论建立乘客的选择行为模型,并分析乘客选择行为与相关影响因素的变化规律.研究表明,楼梯高度、扶梯前排队人数、乘客携带行李情况为影响乘客选择行为的重要因素.本文建立的模型可较好地刻画乘客的选择行为,模型计算结果与实际数据较吻合.此外,扶梯前排队人数少于25 人时,乘客选择楼梯的概率较小,受其他因素影响小;超过25 人后,乘客选择楼梯概率随排队人数的增加显著增加,且乘客负重、楼梯高度越小,影响越明显.不同负重乘客选择楼梯的概率随楼梯高度的变化规律一致,并随楼梯高度的增加近似呈线性下降. 相似文献
92.
93.
潜艇应急上浮是一个时变的、强非线性过程,难以建立精确的数学模型,采用常规基于模型的控制方法的控制效果并不理想.将广泛用于非线性控制系统设计的2种有效方法模糊控制与滑模控制相结合,取长补短,实现优势互补.为了克服舵、主压载水舱的注排水装置及高压气吹除系统等执行机构响应滞后的影响,设计了一种新型的滑模模糊灰色预测控制器用于潜艇应急上浮的自动控制,仿真结果表明控制方法是有效的,系统稳定,鲁棒性强. 相似文献
94.
朱昌锋 《交通运输系统工程与信息》2010,10(5):149
根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明:非线性灰色模型预测的最大误差为10.52%,而组合模型的预测误差最大为8.72%,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系. 相似文献
95.
林少忠 《广东交通职业技术学院学报》2010,9(3):5-7
文中结合公路工程地质工作实例,从工程地质特性角度出发,对比现场测试及土工试验结果,对湛江组灰色粉质粘土的地基承载力的确定方法进行分析,以对其地基承载力作出正确合理的评价。 相似文献
96.
为了使得基坑变形预测在“少样本”“贫信息”的情况下依然能够得出精度较高的结果,在传统的灰色GM(1,1)模型和BP神经网络模型的基础上,进行了灰色BP神经网络组合模型的研究。通过总结2传统模型的原理和算法,归纳各自的优缺点,分析2模型在本质原理上的关系,提出了构建组合模型的方法。利用广州市轨道交通三号线燕塘站的监测数据,对灰色GM(1,1)模型、BP神经网络模型和灰色BP神经网络组合模型分别进行了检验,肯定了组合模型的优越性。 相似文献
97.
98.
99.
舰船方位序列是一种带有灰色信息的时间序列,灰色系统理论是处理灰色信息的有力武器.文章在分析和阐述灰色系统理论的基础上,将其应用到舰船目标纯方位定位和要素解算领域,解决了传统的困扰解算目标运动要素的一些难点;提出了一些新的概念和方法,如目标方位序列集的概念和采用以某一方位为间隔的各方位区间的方位值数量作为灰色聚类中的灰聚类因子的方法,既可以有效区分不同方位序列集的分类,还能据此反演得到目标速度、航向以及位置信息的大概范围. 相似文献
100.
本文结合工程实例介绍模糊综合评价和灰色关联决策方法在道路走向方案比选中的应用 ,主要说明两种方法的评价因子的选择、因子的量化及评价因子权重的选择等实际运用 ,并通过走向方案比选实例表达两种方法的操作步骤和计算过程 相似文献