全文获取类型
收费全文 | 581篇 |
免费 | 22篇 |
国内免费 | 38篇 |
专业分类
林业 | 9篇 |
农学 | 9篇 |
基础科学 | 41篇 |
39篇 | |
综合类 | 217篇 |
农作物 | 2篇 |
水产渔业 | 285篇 |
畜牧兽医 | 34篇 |
园艺 | 3篇 |
植物保护 | 2篇 |
出版年
2024年 | 6篇 |
2023年 | 10篇 |
2022年 | 13篇 |
2021年 | 20篇 |
2020年 | 15篇 |
2019年 | 10篇 |
2018年 | 11篇 |
2017年 | 12篇 |
2016年 | 25篇 |
2015年 | 22篇 |
2014年 | 39篇 |
2013年 | 30篇 |
2012年 | 59篇 |
2011年 | 51篇 |
2010年 | 51篇 |
2009年 | 29篇 |
2008年 | 34篇 |
2007年 | 30篇 |
2006年 | 20篇 |
2005年 | 19篇 |
2004年 | 19篇 |
2003年 | 22篇 |
2002年 | 6篇 |
2001年 | 16篇 |
2000年 | 9篇 |
1999年 | 8篇 |
1998年 | 3篇 |
1997年 | 4篇 |
1996年 | 5篇 |
1995年 | 2篇 |
1994年 | 7篇 |
1993年 | 7篇 |
1992年 | 3篇 |
1991年 | 2篇 |
1988年 | 3篇 |
1987年 | 1篇 |
1986年 | 4篇 |
1985年 | 4篇 |
1984年 | 2篇 |
1982年 | 1篇 |
1980年 | 2篇 |
1979年 | 1篇 |
1976年 | 1篇 |
1975年 | 1篇 |
1974年 | 1篇 |
1973年 | 1篇 |
排序方式: 共有641条查询结果,搜索用时 15 毫秒
91.
为了建立优化的循环海水养殖系统,采用水质国标检测方法分析了珊瑚石生物滤池在不同氨氮和溶解氧(DO)负荷实验条件下对养殖废水中氨氮、化学耗氧量(COD)及颗粒悬浮物(SS)的处理效果。结果显示,进水氨氮浓度对出水氨氮(正相关)、COD(正相关)均有极显著的影响(P0.01),对SS处理效果影响不显著。当进水氨氮浓度为0.45~0.65 mg/L时,滤池对水体处理效果最优(氨氮平均清除率为82.1%±3.3%;COD平均清除率为7.1%±1.5%;SS平均清除率为5.8%±1.6%)。DO浓度对水体氨氮(负相关)和COD(负相关)处理效果的影响显著(P0.05),对SS处理效果影响不显著。DO浓度为5.0~7.0 mg/L时,水体处理效果最优(氨氮平均清除率为78.7%±3.5%;COD平均清除率为23.0%±5.3%;SS平均清除率为7.1%±2.0%)。因此,本实验环境下的循环海水养殖系统珊瑚石生物滤池在氨氮浓度为0.45~0.65 mg/L,DO浓度为5.0~7.0 mg/L时,对水体中的氨氮、COD、SS的综合处理效果最优。 相似文献
92.
基于游程检测法重构集合经验模态的养殖水质溶解氧预测 总被引:1,自引:1,他引:0
为了提高水产养殖中溶解氧的预测精度,该文提出了基于集合经验模态(ensemble empirical mode decomposition,EEMD)分解、游程检测法重构、适宜的单项预测算法建模和BP神经网络非线性叠加的组合预测模型。该模型首先将溶解氧原始序列用EEMD分解法进行分解,得到了多个分量;其次,用游程检测法将这些分量重构成高频分量、中频分量和低频分量等3个分量;接着,针对高频分量波动性大且复杂、中频分量呈现周期性、低频分量几乎呈线性的特点,采用粒子群(particle swarm optimization,PSO)优化的最小二乘支持向量机(least square support vector machine,LSSVM)对高频项进行预测,采用极限学习机(extreme learning machine,ELM)对中频项预测,采用非线性回归(nonlinear regression method,NRM)对低频项预测;最后,将3个分量预测的结果用BP神经网络进行重构得到最终的预测结果。将该模型应用于江苏省溧阳市埭头黄家荡特种水产养殖场的溶解氧预测中,试验表明,该种以游程检测法重构EEMD为基础的混合预测模型的预测精度高于PSO-LSSVM和单一的ELM预测模型。在预测未来48 h的溶解氧值时,该模型的预测值与实测值的均方根误差RMSE为0.099 2、平均相对误差均值MAPE为0.078、平均绝对误差MAE为0.015 5,R~2为0.995 5。表明该模型有较好的预测精度和泛化能力,能够满足现代化水产养殖业对溶解氧精细化管理的高要求。 相似文献
93.
主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧 总被引:16,自引:11,他引:5
为了提高水产养殖溶解氧预测的精度,提出了基于主成分分析(principal component analysis,PCA)和长短时记忆神经网络(long short-term memory,LSTM)的水产养殖溶解氧预测模型。首先通过主成分分析提取水产养殖溶解氧的关键影响因子,消除了原始变量之间的相关性,降低了模型输入向量维度;然后,在Tensorflow深度学习框架的基础上建立LSTM神经网络的水产养殖溶解氧预测模型;最后,利用该模型对浙江省淡水水产养殖研究所综合实验基地某池塘溶解氧进行验证。试验结果表明:该模型与BP神经网络等其他浅层模型相比,模型评价指标平均绝对误差、均方根误差和平均绝对误差分别为0.274、0.089和0.147,均优于传统的预测方法;该模型具有良好的预测性能和泛化能力,能够满足水产养殖溶解氧精确预测的实际需要,可以为水产养殖水质精准调控提供参考。 相似文献
94.
根据2017年的实测数据对辽宁盘锦海水增养殖区海域的水质状况进行分析,结果表明,所有监测站位中10月份DO含量最高,5月份次之,7月和8月最低,所有站位在这4次监测中有25%出现超标现象。COD含量在夏季出现最大值,8月和10月份所有站位COD均超出第一类海水水质标准,其余月份有部分站位也超出了第一类海水水质标准。除10月份的7号站位外,各监测月份盘锦增养殖区DIN均受到污染,污染程度较重,大部分站位超出了第二类海水水质标准。8月份DIP污染物最高,10月份次之,但均超出第一类海水水质标准,7月份有个别站位超出第一类海水水质标准,5月份所有站位水质状况良好,均未超出第一类海水水质标准。从季节变化分析可以发现,DO变化特征为秋季>春季>夏季,COD存在夏季>秋季>春季的变化特征,夏季DIN含量明显高于其它季节。 相似文献
95.
水口水库主要养殖水域水体溶解氧时空分布规律 总被引:2,自引:0,他引:2
分析2012年2月至2014年12月水口水库雄江、樟湖、尤溪口、太平段水体溶解氧数据,结果表明:水口水库主要养殖水域水体溶解氧时间分布上最高值一般出现在每年的春季(3-5月)、夏季(6-8月),最低值出现在秋季(9-11月);夏季溶解氧波动较大,往往出现除秋季外的另一个低溶解氧时段。空间分布上水体溶解氧含量春、夏季库湾内高于湾外,冬季湾外高于湾内。 相似文献
96.
以模拟城市污水为处理对象,应用复合式膜生物反应器系统进行除污试验,考察反应器中溶解氧(DO)浓度对除污效果的影响。通过运行条件优化研究,综合脱氮除磷效果及经济因素,确定复合区最适DO浓度为2.5 mg/L,此时反应器除污效果较好。 相似文献
97.
98.
<正>近20年来,我国水产养殖业迅猛发展,集约化高密度养殖逐渐成为水产养殖的主流,目的是发挥各类有限的水体资源,得到更好的经济效益和产量。人工养殖对水产品生产的贡献日益增大。但是集约化生产在提高经济效益的同时也带来新的问题。在集约化高密度养殖模式下,养殖水体自身污染非常严重,在养殖过程中饵料利用率较低,养殖过程中大量的残饵、生物代谢物、动植物尸体等有机物积累于养殖池底,这些有机物在嫌气细菌的作用下会腐败分解产生大量对水产养殖动物有毒的物质,导致养殖水体的理 相似文献
99.
100.