Machine Learning Predictive Models for Pile Drivability: An Evaluation of Random Forest Regression and Multivariate Adaptive Regression Splines: Fid-Bau Portal

Machine Learning Predictive Models for Pile Drivability: An Evaluation of Random Forest Regression and Multivariate Adaptive Regression Splines

Zhang, Wengang / Wu, Chongzhi

Zugriff

Zugriff über TIB

Verfügbarkeit in meiner Bibliothek prüfen

Bestellung bei Subito €

Seitennavigation

Dokumentinformationen

Ähnliche Titel

Exportieren, teilen und zitieren

Machine Learning Predictive Models for Pile Drivability: An Evaluation of Random Forest Regression and Multivariate Adaptive Regression Splines

Zhang, Wengang / Wu, Chongzhi

Machine Learning Predictive Models for Pile Drivability: An Evaluation of Random Forest Regression and Multivariate Adaptive Regression Splines

Zhang, Wengang / Wu, Chongzhi

Zugriff

Zugriff über TIB

Verfügbarkeit in meiner Bibliothek prüfen

Bestellung bei Subito €

Seitennavigation

Dokumentinformationen

Ähnliche Titel

Exportieren, teilen und zitieren

Dokumentinformationen

Titel:

Machine Learning Predictive Models for Pile Drivability: An Evaluation of Random Forest Regression and Multivariate Adaptive Regression Splines

Beteiligte:

Zhang, Wengang (Autor:in) / Wu, Chongzhi (Autor:in)

Kongress:

International Conference on Information Technology in Geo-Engineering ; 3. ; 2019 ; Guimarães

Erschienen in:

Information technology in geo-engineering

Erscheinungsdatum:

2020

ISBN:

9783030320287

Medientyp:

Aufsatz (Konferenz)

Format:

Sprache:

Englisch

Schlagwörter:

Hydraulic engineering , Geoengineering, Foundations, Hydraulics , Engineering mathematics

Klassifikation:

DDC: 624.15
BKL: 56.20 Ingenieurgeologie, Bodenmechanik / 56.03 Methoden im Bauingenieurwesen / 38.03 Methoden und Techniken der Geowissenschaften

Zhang, Wengang / Wu, Chongzhi | Springer Verlag | 2019

Assessment of pile drivability using random forest regression and multivariate adaptive regression splines

Zhang, Wengang / Wu, Chongzhi / Li, Yongqin et al. | Taylor & Francis Verlag | 2021

Probabilistic Evaluation of Liquefaction Potential Using Multivariate Adaptive Regression Splines

Kumar, Ranjan / Metya, Subhadeep / Bhattacharya, Gautam | Springer Verlag | 2024

Assessment of rockburst risk using multivariate adaptive regression splines and deep forest model

Guo, Deping / Chen, Hemao / Tang, Libin et al. | Springer Verlag | 2022

Pipe failure rate prediction in water distribution networks using multivariate adaptive regression splines and random forest techniques

Shirzad, Akbar / Safari, Mir Jafar Sadegh | Taylor & Francis Verlag | 2019

Nach oben