全文获取类型
收费全文 | 130248篇 |
免费 | 697篇 |
专业分类
公路运输 | 110976篇 |
综合类 | 9583篇 |
水路运输 | 3900篇 |
铁路运输 | 4839篇 |
综合运输 | 1647篇 |
出版年
2024年 | 351篇 |
2023年 | 1117篇 |
2022年 | 1277篇 |
2021年 | 1725篇 |
2020年 | 1736篇 |
2019年 | 572篇 |
2018年 | 306篇 |
2017年 | 384篇 |
2016年 | 554篇 |
2015年 | 1111篇 |
2014年 | 4879篇 |
2013年 | 4675篇 |
2012年 | 6718篇 |
2011年 | 6941篇 |
2010年 | 6699篇 |
2009年 | 8014篇 |
2008年 | 8093篇 |
2007年 | 6354篇 |
2006年 | 6178篇 |
2005年 | 6717篇 |
2004年 | 7995篇 |
2003年 | 7305篇 |
2002年 | 5348篇 |
2001年 | 4283篇 |
2000年 | 3825篇 |
1999年 | 3912篇 |
1998年 | 3773篇 |
1997年 | 3924篇 |
1996年 | 3462篇 |
1995年 | 2722篇 |
1994年 | 2013篇 |
1993年 | 1749篇 |
1992年 | 1888篇 |
1991年 | 1584篇 |
1990年 | 1149篇 |
1989年 | 1594篇 |
1988年 | 13篇 |
1987年 | 2篇 |
1986年 | 1篇 |
1975年 | 1篇 |
1965年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 0 毫秒
1.
智能汽车已经成为未来汽车领域的发展方向,且高校逐渐与企业合作,建立智能汽车人才培养模式。但是现阶段,校企合作深度以及人才培养方式仍然存在一定的不足,不利于为智能汽车领域输送更多的人才。基于此,本文主要探究智能汽车专业校企合作模式以及人才培养模式,详细阐述智能汽车专业校企合作模式及人才培养模式中存在的问题,进而提出针对性的建议。 相似文献
2.
3.
在分析从西非到我国终端客户的铝钒土进口海运供应链(Bauxit Import Maritime Supply Chain,BIMSC)内部和外部影响因素的基础上,采用故障模式与影响分析(Failure Mode and Effects Analysis,FMEA)和模糊贝叶斯网络(Fuzzy Bayesian Network,FBN)相结合的方法,建立BIMSC风险评估方法的概念框架。采用FMEA辨识潜在的失效模式,并剖析失效原因和后果;根据失效模式潜在的因果关系建立贝叶斯网络;利用三角模糊数处理表征风险参数的不确定性,评估BIMSC风险水平,并进行敏感性分析,确定风险因子排序。研究结果表明,港口操作中的违规操作、违规指挥、货物易流态化和安全管理问题是主要的风险因素。 相似文献
5.
文章通过对高原环境适应性改进HX_D1D型机车列车供电装置交流输入侧接地故障的典型案例分析,提出保护控制策略优化方案,避免列车供电装置故障范围扩大。 相似文献
6.
7.
针对城市轨道交通列车故障救援方式及延误计算问题,对列车故障救援作业流程进行分析,然后根据作业流程建立5种救援方式的延误计算方法,最后使用Open track对福州市某地铁线路进行列车故障救援仿真,并对仿真与计算结果进行比较分析.研究结果表明:在一定范围内提高救援速度可有效减小救援列车作业时间;所提出的计算方法可较为准确反映延误情况;在救援起讫点内,以固定闭塞运行的后序列车的延误会突增并积累,造成延误增幅的差异. 相似文献
8.
车型:帕萨特新领驭,配置CED发动机.行驶里程:213641km.故障现象:倒车雷达不工作.故障诊断:试车,倒车雷达全部不工作,中央显示屏按钮指示灯闪烁.VAS6150C检测系统无相关故障码.试车中发现该车倒车影像系加装且可正常使用. 相似文献
9.
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
10.