A Deep Learning–Enhanced Framework for Predicting Lique-faction Susceptibility of Sandy Soils Using SPT-Based Geotech-nical Data
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 21
فایل این مقاله در 28 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJASE-15-2_002
تاریخ نمایه سازی: 6 مرداد 1405
کلیدواژه ها:
نویسندگان
shima aghakasiri
Department of Civil Engineering, ST.C., Islamic Azad University, Teharn, Iran.
ghodratollah mohammadi
Department of Civil Engineering, ST.C. , Islamic Azad University, Tehran, Iran
amir taban
۳ Department of Civil Engineering, KH.A.C, Islamic Azad University, Khorramabad (Iran)
mohammad emami kourandeh
Department of Civil Engineering, ST.C. , Islamic Azad University, Tehran, Iran