全文获取类型
| 收费全文 | 297篇 |
| 免费 | 31篇 |
| 国内免费 | 79篇 |
专业分类
| 林业 | 21篇 |
| 农学 | 7篇 |
| 基础科学 | 97篇 |
| 88篇 | |
| 综合类 | 140篇 |
| 农作物 | 13篇 |
| 水产渔业 | 3篇 |
| 畜牧兽医 | 31篇 |
| 园艺 | 1篇 |
| 植物保护 | 6篇 |
出版年
| 2024年 | 47篇 |
| 2023年 | 103篇 |
| 2022年 | 83篇 |
| 2021年 | 60篇 |
| 2020年 | 36篇 |
| 2019年 | 27篇 |
| 2018年 | 7篇 |
| 2017年 | 11篇 |
| 2016年 | 4篇 |
| 2015年 | 3篇 |
| 2014年 | 3篇 |
| 2013年 | 6篇 |
| 2012年 | 2篇 |
| 2011年 | 1篇 |
| 2010年 | 1篇 |
| 2009年 | 2篇 |
| 2008年 | 2篇 |
| 2007年 | 3篇 |
| 2006年 | 2篇 |
| 2005年 | 1篇 |
| 2004年 | 1篇 |
| 2001年 | 1篇 |
| 1996年 | 1篇 |
排序方式： 共有407条查询结果，搜索用时 15 毫秒
61.
空气负离子是衡量一个地区空气清洁度的重要指标,对人体的心理和生理机能的调节发挥着重要作用。随着森林生态旅游的兴起,空气负离子的发生过程及影响机制已成为研究热点。本研究基于华北低丘山地森林植被主要生长季的气象数据和栓皮栎人工林空气负离子浓度观测资料,利用机器学习中随机森林模型从非线性角度全面分析确定影响空气负离子浓度变化的重要环境因子,通过独立样本对构建的随机森林模型进行模拟和检验,确定模型的预测精度,同时筛选出对空气负离子影响程度最大的环境因子。结果表明：随机森林模型在分析环境因子对空气负离子影响方面具有较高的精度以及较好的拟合效果,通过对模型的拟合值与实测值进行验证,均方根误差（RMSE）为59.349,决定系数R2达到了0.887。同时利用独立样本数据对随机森林模型进行十折交叉验证,决定系数R2均达到了0.904以上,且均方误差（RMSE）较小,为24.851。此外,模型筛选出影响空气负离子的主要因素,按重要性排序依次为颗粒物PM2.5（48.037）、饱和水汽压差（46.169）、土壤湿度（43.984）、风速（43.779）、紫外辐射（41.130）、土壤温度（40.107）、总辐射（36.838）、大气压力（34.532）,其中对模型重要性贡献相对较高的3个变量分别为颗粒物PM2.5、饱和水汽压差和风速,它们对空气负离子的影响起决定性作用。因此,随机森林模型适合分析环境因子对空气负离子影响,且拟合效果精度高,稳定性强。 相似文献
62.
基于机器学习融合多源遥感数据模拟SPEI监测山东干旱 总被引：1，自引：0，他引：1
以山东省为研究区,选择偏差校正随机森林BRF（Bias-corrected random forest）,支持向量回归SVR（Support vector regression）和Cubist模型三种机器学习方法融合多影响因子模拟3个月时间尺度的标准化降水蒸散指数SPEI-3,以期为精确监测山东地区干旱提供一种方法。将2001−2017年23个站点的SPEI-3值作为因变量,多源遥感数据包括降水量、地表温度、蒸散发、潜在蒸散发、归一化植被指数以及土壤湿度六类7个影响因子作为自变量,自变量和因变量构成数据集的80%作为训练集,20%作为测试集。根据BRF模型得到研究区各个站点的模拟值以及各影响因子的相对重要性,绘制SPEI-3的空间分布图,并进行验证。结果表明,综合因子比单一因子模拟效果好,BRF模型测试集中的模拟值和观测值的决定系数R2达到了0.856,均方根误差RMSE为0.359,BRF模型能较好模拟站点SPEI-3值。大部分站点模拟值与观测值反映的干旱趋势一致,反映站点不同程度旱情的月份个数基本相同。此外,BRF模型模拟的SPEI-3的空间分布与站点SPEI-3观测值表现的干旱程度基本一致,且SPEI-3空间分布站点之外栅格数据也可以较准确地反映旱情,说明根据BRF模型可在站点和空间尺度上较精确地监测山东地区干旱情况。 相似文献
63.
我国白羽肉鸡育种中,通过遗传途径提高产蛋数和控制合适的蛋重是培育优良品系的一个重要方面。为探索适合我国白羽肉鸡育种中的基因组选择模型,本研究以2 474只白羽肉鸡品系的产蛋性状为研究对象,主要分析了机器学习算法KAML、BLUP(包括：PBLUP、GBLUP、SSGBLUP)和Bayes(包括：Bayes A、Bayes B和Bayes Cπ)方法对产蛋数和蛋重性状的预测准确性,准确性以5倍交叉验证进行评估。利用系谱以及基因组信息估计了产蛋数和蛋重性状的遗传力和遗传相关。结果表明,产蛋数性状遗传力为0.061~0.16,属于低遗传力性状;蛋重遗传力为0.28~0.39,属于中等遗传力性状;产蛋数与蛋重是中等遗传负相关(-0.518~-0.184),不同阶段产蛋数之间是强的遗传正相关(0.736~0.998)。不同模型预测43周产蛋数和52周蛋重的育种值估计准确性结果表明,KAML方法对两者的预测准确性分别为0.115和0.266,与GBLUP方法(准确性分别为0.118和0.283)和SSGBLUP方法(准确性分别为0.136和0.259)的准确性差异显著,同时显著低于Bayes方法(准确性分别为0.230~0.239、0.336~0.340)的预测准确性, PBLUP方法预测准确性最低(准确性分别为0.095和0.246)。因此,在白羽肉鸡产蛋数和蛋重性状中应用Bayes方法将获得最高的育种值估计准确性。 相似文献
64.
小麦植株感染条锈病后叶片花青素含量会发生明显变化。为了在地块尺度上利用冬小麦花青素值实现条锈病害的直观、快速监测,通过监测叶片花青素含量评估小麦条锈病严重程度,2021年获取感染条锈病的小麦田块的无人机RGB影像和采集地面病害区域的花青素含量数据,利用影像提取采样点感兴趣区的光谱特征参数和基于灰度共生矩阵的纹理特征参数,采用连续投影算法(SPA)结合相关性分析优选特征参数,分别采用单一光谱特征参数和组合参数,结合主成分回归(PCR)、拉索回归(LR)、随机森林回归(RFR)、梯度提升回归(GBR)和误差反向传播神经网络(BPNN)等方法构建了小麦花青素含量估算模型,并利用最优模型反演了田块的花青素含量。结果表明,图像光谱特征结合纹理特征后,花青素估算模型的R2增大,RMSE减小,模型精度显著提升。基于组合特征参数构建的随机森林模型精度最高,验证集R2、RMSE和MAE分别为0.801、0.026、0.021。该模型具有良好的花青素含量估算能力,得到的花青素值分布图与条锈病的空间分布具有一致性,能够定量化、可视化地反映病害严重程度。 相似文献
65.
【目的】评估建立奶牛疾病预测模型的6种机器学习(machine learning, ML)算法的性能及预测变量的重要性。【方法】选取2020年12月至2021年11月,共计944头泌乳牛的生产信息、行为信息作为预测因子,疾病信息作为输出变量,训练并验证模型。将日产奶量、反刍量、活动量、胎次和泌乳天数作为输入变量,利用ML算法建立奶牛疾病的预测模型,评估决策树(Decision Tree, DT) C5.0、CHAID算法、人工神经网络(Artificial Neural Network, ANN)、随机森林(Random Forests, RF)、贝叶斯网络(Bayesian Networks, BN)和逻辑回归(Logistic Regression, LR)6种ML算法的性能,评估预测变量的重要性,以及将胎次和泌乳天数纳入预测变量后模型性能的改善情况。采用敏感性和特异性评估模型性能,按照权重排序评估输入变量对模型预测的重要性。【结果】DT C5.0算法敏感性>85%,特异性>90%,为性能最佳的模型;RF总敏感性为56.8%,对各类牛预测的性能较稳定;ANN、BN、DT... 相似文献
66.
【目的】精准预测排涝闸站雨后水位。【方法】在分析为期1a的田间实测水位数据的基础上,收集了四湖流域2个典型闸站（习家口站、田关站）为期10 a(2010—2020年)的历史水情资料,利用2种机器学习算法（支持向量机回归算法、回归树算法）对排涝闸站的雨后水位进行预测分析。【结果】支持向量机回归算法和回归树算法均较好地预测了习家口站和田关站的雨后最高闸上水位,R2基本大于0.80;2种机器学习算法在习家口站的表现均优于田关站,核函数的选取对支持向量机回归算法的预测结果有一定影响,线性核函数表现较为稳定。回归树算法的效果略优于支持向量机回归算法。【结论】基于闸上水位、降水量、降水时间、泵站排水流量预测雨后最高闸上水位是可行的。不同闸站应分开进行训练,并寻找最优的机器学习算法,未来有必要结合降水预报数据实现农田涝灾情况的实时预报。 相似文献
67.
69.
70.