全文获取类型
收费全文 | 44827篇 |
免费 | 941篇 |
专业分类
公路运输 | 17618篇 |
综合类 | 11055篇 |
水路运输 | 7753篇 |
铁路运输 | 7851篇 |
综合运输 | 1491篇 |
出版年
2024年 | 279篇 |
2023年 | 919篇 |
2022年 | 1047篇 |
2021年 | 1123篇 |
2020年 | 864篇 |
2019年 | 751篇 |
2018年 | 390篇 |
2017年 | 648篇 |
2016年 | 696篇 |
2015年 | 1195篇 |
2014年 | 2298篇 |
2013年 | 2314篇 |
2012年 | 2317篇 |
2011年 | 2641篇 |
2010年 | 2429篇 |
2009年 | 2671篇 |
2008年 | 2861篇 |
2007年 | 2461篇 |
2006年 | 2401篇 |
2005年 | 2189篇 |
2004年 | 1900篇 |
2003年 | 2237篇 |
2002年 | 1650篇 |
2001年 | 1392篇 |
2000年 | 1008篇 |
1999年 | 835篇 |
1998年 | 698篇 |
1997年 | 783篇 |
1996年 | 716篇 |
1995年 | 532篇 |
1994年 | 372篇 |
1993年 | 275篇 |
1992年 | 272篇 |
1991年 | 203篇 |
1990年 | 163篇 |
1989年 | 209篇 |
1988年 | 12篇 |
1987年 | 10篇 |
1986年 | 1篇 |
1985年 | 3篇 |
1965年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 46 毫秒
11.
13.
准确预测短时出租车速度是识别驾驶员异常加减速行为的前提,有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象,研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集,构造滑动时间窗口,以时间窗口内的出租车历史移动速度的时间序列为输入变量,以出租车当前时间的移动速度为输出变量,采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化,得到模型最优参数组合,并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析,将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差(MAE)为9.841,均方根误差(RMSE)为12.711,均低于非参数回归模型和神经网络模型,提高了出租车速度的预测精度;由于出租车速度序列缺乏规律性,调整后的R2(R2 _adjusted)为0.592,且相较于其他2个模型,XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果,避免了过拟合造成的预测精度下降。 相似文献
15.
如何准确、均衡地扣修铁路运用车辆,既保证维修单位任务完成,又满足提高运输效率要求,是铁路运输管理的难点之一。本文以南宁局集团公司为例,总结分析针对检修车扣车不均衡、检修车超定量问题,采取集成数据,编制检修车管理指导子系统,强化检修车的监控与预测、扣车追踪、动态管控、均衡扣车等措施的落实效果,旨在为有效提升检修车管送能力,确保运输用车需求提供借鉴。 相似文献
16.
通过分析轨道交通信号系统的基本控车原理,结合车辆牵引制动系统的特点,找出信号与车辆配合控车存在的难点,提出改善列车运行舒适度的可行性方案,并进行探讨。 相似文献
17.
船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。 相似文献
18.
为解决传统目标识别过程中目标不能移动、动态追踪等问题,基于OpenMV,采用PID控制、模块识别、颜色识别、图像处理等技术和方法,设计了一种能够自主动态追踪目标物体的云台系统。锥桶的动态追踪识别测试结果表明:系统能够较好地完成动态追踪。 相似文献
19.
20.
灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的. 相似文献