全文获取类型
收费全文 | 543篇 |
免费 | 67篇 |
国内免费 | 84篇 |
专业分类
化学 | 300篇 |
晶体学 | 13篇 |
力学 | 32篇 |
综合类 | 22篇 |
数学 | 87篇 |
物理学 | 240篇 |
出版年
2024年 | 5篇 |
2023年 | 20篇 |
2022年 | 22篇 |
2021年 | 19篇 |
2020年 | 21篇 |
2019年 | 17篇 |
2018年 | 23篇 |
2017年 | 16篇 |
2016年 | 19篇 |
2015年 | 18篇 |
2014年 | 45篇 |
2013年 | 43篇 |
2012年 | 32篇 |
2011年 | 24篇 |
2010年 | 34篇 |
2009年 | 31篇 |
2008年 | 31篇 |
2007年 | 40篇 |
2006年 | 41篇 |
2005年 | 30篇 |
2004年 | 21篇 |
2003年 | 25篇 |
2002年 | 18篇 |
2001年 | 20篇 |
2000年 | 8篇 |
1999年 | 7篇 |
1998年 | 8篇 |
1997年 | 10篇 |
1996年 | 7篇 |
1995年 | 5篇 |
1994年 | 4篇 |
1993年 | 7篇 |
1992年 | 7篇 |
1991年 | 7篇 |
1990年 | 5篇 |
1989年 | 2篇 |
1988年 | 1篇 |
1987年 | 1篇 |
排序方式: 共有694条查询结果,搜索用时 31 毫秒
651.
酸洗脱灰及离子交换对低阶煤热溶剂提质分离的影响 总被引:1,自引:0,他引:1
采用酸洗脱灰、酸洗和Na/Co离子交换对两种低阶煤(MM和LY)进行预处理,然后以1-甲基萘为溶剂对预处理煤进行热溶剂提质萃取,把煤分成提质煤(UC)、高分子量萃取物(deposit)和低分子量萃取物(soluble)3种主要固体组分,以及少量水和气体产物。结果表明,通过脱灰和离子交换均提高了两种萃取物的收率及碳含量,并明显促进了煤中含氧官能团的脱除。脱灰后MM煤的高分子量萃取物收率从3.5%增加到9.5%,Na离子交换LY的低分子量萃取物的碳含量高达85.3%、氧含量低于6.4%。离子交换对两种萃取物的物理化学性质有明显的影响,Na+的影响尤为显著。酸洗脱灰和离子交换对低阶煤热溶剂提质萃取有明显促进作用。 相似文献
652.
基于液液萃取-酸化甲醇衍生化处理和气相色谱-三重四级杆质谱联用仪(GC-EI-MS/MS),建立了可用于检测水中10种卤乙酸(HAAs)的方法。本研究采用EI-MS/MS鉴别了10种HAAs衍生物的前级离子和产物离子,优化了质谱运行参数,同时以US EPA方法 552.3为基础对样品预处理程序进行了部分优化。采用优化后的预处理程序建立标线,10种HAAs的线性范围为0.5~100μg/L(r=0.9976~0.9999,n=8),检出限为0.012~0.079μg/L,日内和日间相对标准偏差分别为1.0%~6.9%和1.6%~8.2%。向地表水、地下水和污水处理厂出水中添加浓度为2.5和25μg/L的10种HAAs混合标准溶液,回收率分别为90.3%~100.2%,90.5%~107.5%,76.9%~100.4%。本方法能够满足自来水和污水处理厂出水中10种HAAs的检测要求。 相似文献
653.
654.
王宇 Jaime Gallego 汪炜 Phillip Timmer 丁敏 Alexander Spriewald Luciano Tim Weber Lorena Glatthaar 郭杨龙 Bernd M.Smarsly Herbert Over 《催化学报》2023,(11):250-264
负载型贵金属催化剂在能源转化和环境污染控制等领域有广泛应用.相对于采用传统方法制备负载型贵金属催化剂,还原析出策略在控制贵金属的粒径,增强贵金属与载体相互作用方面具有独特的优势.但是在高温还原气氛下,贵金属析出的同时往往伴随着母体结构中其它元素的析出,这会对催化剂的性能产生较大影响.因此,理解催化剂在还原气氛下以及后续反应条件下的结构演变,对于催化剂的设计及制备具有重要意义.本文通过800℃还原Ru掺杂的LaFe0.9Ru0.1O3(LFRO)钙钛矿前驱体制备了贵金属析出的LFRO催化剂(LFRO800R),并用于丙烷催化氧化反应.活性测试结果表明,析出Ru催化剂的丙烷氧化性能远远低于原始的LFRO.当第一次反应结束,催化剂床层温度降至室温后再次评价其性能,LFRO 800R催化剂会发生“自活化”现象,在210℃下催化丙烷反应速率达到了22.3 molCO2·h-1·kgcat-1,是该温度下贵金属未析出LFRO... 相似文献
655.
将近红外光谱分析技术与一阶导数、离散小波变换、标准正态变换、多元散射校正、 S-G平滑、移动平均平滑、均值中心化和最大最小归一化8种预处理方法相结合,采用其单一及组合的方法,对聚酯、锦纶、腈纶、棉、毛、真丝、聚酯/棉、聚酯/锦纶、聚酯/氨纶、聚酯/毛、真丝/棉、锦纶/氨纶和特殊类共计13类织物的3620个近红外谱图进行预处理,并建立基于深度卷积神经网络的废旧纺织品定性识别模型。依据定性模型的识别准确率,探讨出适宜该类数据集的谱图预处理方法。研究结果表明,采用S-G平滑、均值中心化+S-G平滑和标准正态变换+S-G平滑的方法预处理后,所得模型的识别准确率均在96%以上。将此3种模型与未经预处理的原模型分别导入“分拣装置”中,对未参与建模的280个样品进行成分识别检验,经预处理优化后的模型识别准确率均高于原模型的89.6%。且均值中心化+S-G平滑预处理后,模型的识别准确率最高达96.8%,识别、分拣时间小于2 s。因此,对原模型样本的近红外光谱数据进行预处理可极大提高模型的识别准确率,为废旧纺织品的在线高效识别与自动分拣提供新方法。 相似文献
656.
通过使用自适应预报模型与时差方法相结合的方法对铁水含硅量进行预测,模型所需的工艺参数的原始数据经采集后需使用OPC技术标准进行传输以存入数据库系统中。硅预测程序通过对数据库查询得到所需的操作数据,由于生产环境对数据的干扰,需对其作均值滤波和插值运算的一次处理,然后进行求平均值、梯度和标准差统计学运算的二次处理,之后运用模糊理论将各个工艺参数归一化以提取参数特征值,作为铁水含硅量预测模型的输入参数,在预测过程中使用多元线性回归不断修正模型中的权重系数,以提高数学模型预测的准确率。 相似文献
657.
658.
《化学分析计量》2008,17(1):83-83
公开号:CN101066798公开日:2007.11.07申请人:南开大学 本发明针对微污染水源原水常规净化工艺除污染效果差,难以满足安全供水除污染的需要,提供一种以高好氧贫营养菌生物作用为主要特征的微污染原水富氧生物预处理工艺。它是基于贫营养微生物在DO为10~15mg/L富氧曝气条件下的生物反应特征,对特定有机物和氨氮的利用能力和对生存环境较强的适应能力,以贫营养菌,如土壤杆菌、嗜水气单胞菌、黄杆菌、芽菌和纤毛菌等微生物为处理主体,在高好氧反应条件下通过生物氧化作用除去污染物。可作为Cl2、KMnO4和O3等化学法预处理的替代技术。本发明技术可以充分利用水厂已有的净水工艺和设施,投资运行成本较低,见效快。 相似文献
659.
用相近产地的大米代替独有的地理因素形成的地域品牌大米,消费者难以辨别。基于拉曼光谱技术,试验对比不同预处理方法包括一阶导数+平移平滑、二阶导数+平移平滑,小波变换+去除基线三种常用的预处理方法,另外提出一种改进的分段多项式拟合+去除基线共四种预处理方法,分别结合偏最小二乘法实现相近产地大米的鉴别分析,提出一种最佳的鉴别相近产地大米的预处理方法。首先用拉曼光谱仪采集了黑龙江省依安县3个相近产地大米的150个拉曼位移为200~3 100 cm-1的大米光谱样本,再对原始拉曼光谱分别用一阶导数+平移平滑、二阶导数+平移平滑、小波变换+去除基线、分段多项式拟合+去除基线进行光谱预处理。分别从每个产地选取33个样本进行训练,并对未知的51个样本建立了基于偏最小二乘法的鉴别分析模型,在训练集中一阶导数+平移平滑的预处理方法相关系数值最大、均方误差和均方根误差最小,小波变换+去除基线的预处理方法相关系数值最小、均方误差和均方根误差最大;在测试集中采用3点2次拟合+去除基线的预处理方法的相关系数值最大、均方误差和均方根误差最小,二阶导数+平移平滑的预处理方法最差。最后再通过PLS建模结果得知,在训练集中,采用四类九种预处理的方法对三个产地大米的总识别率均为100%;在测试集中,采用3点2次拟合+去除基线对三个产地大米总识别率为100%,采用5点2次拟合+去除基线对三个产地大米总识别率为52.9%,其他分段多项式拟合介于二者之间;采用一阶导数+平移平滑、二阶导数+平移平滑和小波变换的总识别率分别为88.2%,86.2%和96.1%;从中发现,分段式多项式拟合中的3点2次拟合+去除基线的优势明显,与其相关系数、均方误差、均方根误差结果吻合,总体识别率高,鉴别效果稳定。 相似文献
660.
煤矿安全对煤炭工业的健康持续发展至关重要,而煤矿水灾又是煤矿事故的重大隐患,因此煤矿水源数据的处理对于预防矿井突水事故具有重要意义。实验在激光器的辅助下利用激光诱导荧光技术获取7种水源的数据信息,设定激光发射功率为100 mW,向被测水体发射波长405 nm激光,获取实验水样210组的荧光光谱数据,为了剔除光谱在采集过程受到的荧光背景、检测器噪声以及功率波动等影响,利用SG平滑、多元散射矫正(MSC)预处理对数据进行降噪以及提高光谱特异性,由于初始数据运算量过大并对数据压缩、消除冗余和数据噪音,利用主成分分析(PCA)分别对7种水样进行建模降维处理,从而得到小数据并且保持原有信息的数据特征。为了识别煤矿水源的突水类型,对于降维后的数据利用粒子群算法(PSO)优化BP神经网络,PSO算法通过对新粒子的适应度值和个体极值、群体极值适应度值的比较更新个体极值和群体极值的位置,将最优初始权值和阈值赋予BP神经网络,从而对待测水样的种类进行预测分析。普通的PSO优化BP神经网络,容易出现早熟收敛,故在改进的PSO算法中引入变异因子来提高模型寻找更优解的可能性。实验证明:SG,MSC以及Original三种预处理方式中,SG算法表现良好,提高了模型的相关性。在SG预处理的前提下,BP的决定系数R2为0.984 5,平均相对误差MRE 7.39%,均方根误差为7.25%;PSO-BP的决定系数R2为0.999 8,平均相对误差MRE 0.17%,均方根误差 0.08%;IPSO-BP的决定系数R2达到0.999 9,平均相对误差MRE和均方根误差RMSE皆为0.01%。结果表明:经SG预处理过后的光谱数据,比MSC预处理效果更精确,改进的粒子群优化算法更适用于该实验的矿井水源分类。 相似文献