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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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