全文获取类型
收费全文 | 49篇 |
免费 | 5篇 |
国内免费 | 16篇 |
专业分类
电工技术 | 5篇 |
综合类 | 23篇 |
机械仪表 | 1篇 |
建筑科学 | 2篇 |
能源动力 | 5篇 |
水利工程 | 29篇 |
无线电 | 2篇 |
一般工业技术 | 2篇 |
自动化技术 | 1篇 |
出版年
2023年 | 1篇 |
2021年 | 1篇 |
2020年 | 3篇 |
2019年 | 1篇 |
2018年 | 2篇 |
2017年 | 2篇 |
2016年 | 1篇 |
2015年 | 2篇 |
2014年 | 4篇 |
2013年 | 7篇 |
2012年 | 2篇 |
2011年 | 4篇 |
2010年 | 1篇 |
2009年 | 4篇 |
2007年 | 3篇 |
2006年 | 2篇 |
2005年 | 6篇 |
2002年 | 1篇 |
2000年 | 5篇 |
1999年 | 2篇 |
1998年 | 2篇 |
1997年 | 5篇 |
1996年 | 3篇 |
1995年 | 1篇 |
1994年 | 5篇 |
排序方式: 共有70条查询结果,搜索用时 15 毫秒
2.
径流长期分级预报的Kohonen网络方法 总被引:11,自引:0,他引:11
提出了径流长期分级预报一种新的模式识别方法。该方法不直接描述径流形成的物理机制,而是通过Kohonen自组织神经网络对历史样本(径流级别及其影响因子集)的学习,识别出蕴含在样本中径流级别与其影响因子之间的规律性。辽宁省大伙房水库基于气象因素的汛期径流预报实践,表明了该方法的可行性和有效性。 相似文献
3.
推导了变顶高尾水系统小波动过渡过程水流运动的基本方程,对基本方程进行分析与求解,并以某电站为例,探讨了变顶高尾水系统小波动过渡过程的基本规律。通过小波动过程计算分析结果表明:当水流时间惯性常数 T W0 为某一固定值时,改变坡度 i 值, i 到一定值后对小波动过程稳定性影响甚微,这与试验现象一致;若 i 固定,变化 TW0 ,当 T W0 ≥ 4.5 时,小波动过渡过程为等幅振荡至发散,因此,此值宜小于 4.0 ,这与工程规定相符;当其它水力参数变小时, i 应增大,才能使系统达到良好的动态品质。这些说明所建立的方程组及数学模型是合理的。且此变顶高尾水系统的结构方案能节约较大工程投资 相似文献
4.
新安江模型参数优选的改进粒子群算法 总被引:7,自引:0,他引:7
借鉴竞争演化和多种群混合的思想,对粒子群算法(PSO)进行改进,建立并行种群混合进化的粒子群算法(PMSE-PSO)和序列主-从种群混合进行的粒子群算法(SMSE-PSO)。数值模拟结果表明,这两种改进的粒子群算法具有较高的计算效率、较强的自适应性和稳定性。将PMSE-PSO和SMSE-PSO应用于新安江模型的参数优选中,通过与PSO和SCE-UA的比较可以看出,PMSE-PSO和SMSE-PSO不仅具有较好的全局优化性能和稳定性,而且在调用目标函数次数相同的情况下精度较高,是一种有效的新安江模型参数优选方法。 相似文献
5.
水资源优化配置的双层多目标规划模型 总被引:1,自引:0,他引:1
利用双层多目标规划研究了基于水权的水资源优化配置问题.将水资源管理机构和各用水者分别作为上、下层决策者,建立了水资源管理机构以水资源总效益最大和水质污染最小为目标、各用水者以取水效益最大为目标的双层多目标规划模型,并给出了相应的求解算法.最后用一个简单的算例验证了模型的可行性. 相似文献
6.
以河套灌区义长灌域永联试验区为例,对水均衡法中采用不同时间和空间尺度时的蒸散发估算结果进行了比较分析.然后借鉴由参考作物腾发量(ET0)计算实际蒸散发量的思路,以区域平均埋深和累积生长度日(GDD)为变量,建立综合因子,再结合参考作物腾发量估算出区域蒸散发.利用永联试验区的数据对模型进行检验,结果可靠.该模型需要数据较少,易应用,为实时估算农田区域蒸散发量提供了一种方法. 相似文献
7.
基于知识的交互式多目标动态规划决策方法 总被引:2,自引:0,他引:2
以多目标决策的权重法为基础,提出一种基于知识的交互式多目标动态规划决策方法,该方法利用权重将多目标规划问题转化为单目标动态规划问题救解,权重的修正是通过知识库中的产生式规划经模糊推理实现,它有效地克服了让决策者直接给出最佳权重向量的困难,节省了大量的内存和机时,文中还给出了多目标动态规划权重法非劣解定理的证明和一个算例。 相似文献
8.
非线性时间序列预测的前馈网络方法及应用 总被引:3,自引:0,他引:3
样本构成、网络结构、学习算法是影响前馈网络应用的三大关键问题。本文提出了一种基于门限自回归TAR模型的非线性时间序列预测前馈网络方法,该方法利用TAR模型的门限值对训练样本进行分群,依据TAR模型的阶数、训练样本数等确定前馈网络结构,网络学习算法采用基于梯度法和共轭梯度法相结合的联合梯度算法。应用研究表明该方法有效地改善了网络的泛化性能,提高了预报精度,同时也缩短了网络的训练时间。 相似文献
9.
10.