全文获取类型
收费全文 | 182篇 |
免费 | 31篇 |
专业分类
公路运输 | 68篇 |
综合类 | 92篇 |
水路运输 | 28篇 |
铁路运输 | 20篇 |
综合运输 | 5篇 |
出版年
2024年 | 2篇 |
2023年 | 11篇 |
2022年 | 10篇 |
2021年 | 14篇 |
2020年 | 13篇 |
2019年 | 13篇 |
2018年 | 4篇 |
2017年 | 9篇 |
2016年 | 7篇 |
2015年 | 11篇 |
2014年 | 13篇 |
2013年 | 5篇 |
2012年 | 10篇 |
2011年 | 11篇 |
2010年 | 15篇 |
2009年 | 10篇 |
2008年 | 11篇 |
2007年 | 8篇 |
2006年 | 13篇 |
2005年 | 4篇 |
2004年 | 5篇 |
2003年 | 5篇 |
2002年 | 1篇 |
2001年 | 3篇 |
1999年 | 2篇 |
1996年 | 1篇 |
1994年 | 1篇 |
1990年 | 1篇 |
排序方式: 共有213条查询结果,搜索用时 15 毫秒
101.
针对现阶段城市道路交通短时交通流预测精度不高的局限性,将小波变换引入到城市道路交通预测过程中,提出一种基于小波神经网络的预测方法。运用美国加州高速公路通行能力度量系统数据作为数据来源,应用小波变换和BP神经网络相结合对其进行预测,然后对预测结果数据进行分析,并对短时交通流进行综合评价。实验表明,该方法与传统的BP神经网络相比较,在短时交通流预测方面具有较好的有效性和优越性。 相似文献
102.
为探究公交站点之间的关联度并对公交客流进行更精准的实时预测,本文提出基于
Attention的交通预测核心算法(Traffic Forecast Model Based Attention,TFMA),结合数据预处理和
站点信息编码完成基于站点实时关联度的短时公交客流预测方法。该方法首先创新性地提出了
站点实时关联度,可实现对目标站点客流量更精准的预测;其次,在公交站点的编码信息中融入
线路站点信息、客流变化率、天气、日期等关联因素;接着,该方法依靠Attention机制计算站点实
时关联度;核心算法中使用multi-headed机制、增加通道和残差连接进一步提升预测能力;最后,
以苏州市公交数据进行验证。结果显示:在准确率上,对比多元线性回归的53.8%、GRU(Gated
Recurrent Unit)的66.9%和LightGBM(Light Gradient Boosting Machine)的81.2%,本文提出的基于
站点实时关联度的短时公交客流预测方法的准确率在90%以上,表明该方法具备优秀的短时公
交客流预测能力。 相似文献
105.
106.
在列车自动过分相时,牵引变压器产生的激磁涌流通过母排、轮对和钢轨回流到变电所,而在这个过程中激磁涌流可能会对应答器上行链路信号产生干扰.激磁涌流对应答器上行链路干扰的途径是应答器接收天线的耦合,要清楚了解其干扰,必须了解激磁涌流4.23 MHz附近信号分量,因此对激磁涌流高频信号的分析是非常有必要的.本文用Matlab软件对激磁涌流进行了仿真得到其仿真数据.然后,用LabWindows/CVI软件进行仿真数据加载并且对激磁涌流进行短时傅里叶变换(STFT),得到激磁涌流4.23 MHz附近信号分量.最后,用FEKO软件进行激磁涌流对应答器上行链路信号的干扰仿真.研究结果表明激磁涌流含有4.23 MHz附近信号分量较小,不会对应答器上行链路信号产生干扰. 相似文献
107.
短时交通流预测模型 总被引:2,自引:0,他引:2
针对短时交通流变化周期性与随机性的特点,提出了新的混合预测模型,包含非参数回归模型与BP神经网络模型2种单项模型。非参数回归模型利用相关历史交通流数据,通过数据库匹配操作,确定预测结果,以充分体现交通流的周期稳定性。采用3层BP神经网络模型反映交通流的动态与非线性特点。采用模糊控制算法确定各单项模型的权重,并按不同权重有效组合成新的混合模型。采用西安市某路段30d的交通流量数据验证混合模型的预测效果。试验结果表明:该混合模型的平均相对误差为1.26%,最大相对误差为3.53%,其预测精度明显高于单项模型单独预测时的精度,能较准确地反映交通流真实情况。 相似文献
108.
109.
110.