• عنوان مقاله:Comparative assessing the performance of ANN, RF and CNN machine learning methods in identifying landslide prone areas
• سال انتشار:1404
• تعداد صفحات مقاله:19 صفحه
• ارائه شده در:فصلنامه پژوهش های دانش زمین شماره 64 دوره 16
• زبان مقاله اصلی:فارسی

• Sayyad Asghari Saraskanroud - Department of Physical Geography, Faculty of Social Science, University of Mohaghegh Ardabili, Ardabil, Iran
• Maryam Riahinia - Department of RS & GIS, Faculty of Earth Sciences, Shahid Chamran University of Ahvaz , Ahvaz, Iran
• Batool Zeinali - Department of Climatology, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
• Raoof Mostafazadeh - Department of Natural Resources, Faculty of Agriculture and Natural Resources, Water Management Research Center, University of Mohaghegh Ardabili, Ardabil, Iran

• دریافت گواهی به زبان فارسی
• دریافت گواهی به زبان انگلیسی

پژوهشگر گرامی؛

[نام نویسنده را انتخاب نمایید]

بدین وسیله گواهی می شود مقاله جنابعالی با عنوان «Comparative assessing the performance of ANN, RF and CNN machine learning methods in identifying landslide prone areas» پس از ارزیابی و تایید داوران دبیرخانه "فصلنامه پژوهش های دانش زمین" که در سال 1404 در دوره 16، شماره 64 برگزار گردیده است، با تعداد 19 صفحه، در پایگاه استنادی سیویلیکا با شناسه ملی: JR_ESRJ-16-64_006 نمایه گردیده است.

ضمن تبریک به مناسبت نمایه شدن مقاله جنابعالی، به استحضار میرساند این گواهی با توجه به اطلاعات ارسالی از طرف دبیرخانه آن ژورنال و اطلاعات مندرج در پایگاه سیویلیکا تهیه شده و صحت مندرجات آن در هر لحظه از طریق لینک زیر و یا اسکن تصویر کد، قابل استعلام است.