Zobrazeno 1 - 10
of 10
pro vyhledávání: '"Gou, Guohua"'
Publikováno v:
Guan'gai paishui xuebao, Vol 41, Iss 6, Pp 21-30 (2022)
【Objective】 Increasing and stabilizing carbon in coarse-textured soils is important to improve their stability and fertility. The purpose of this paper is to investigate how soil amendment with organic materials and clay minerals can achieve thes
Externí odkaz:
https://doaj.org/article/9f08cb1a10c54adfa24bcc998fec2248
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Karst caves constitute an essential element of natural landforms. Construction of an accurate 3-D model of karst caves is crucial to guide geological exploration, underground space development, and safety in building construction and operation. Karst
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::106f517677b671d70e3e86ccd7a56e6f
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Systems Engineering & Electronics; Oct2023, Vol. 45 Issue 10, p3008-3015, 8p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Gou Guohua
Publikováno v:
MATEC Web of Conferences, Vol 175, p 03015 (2018)
This paper studied the coal demand in the prediction accuracy problems. The traditional gray GM(1,1)model has the theoretical prediction problem of poor accuracy which leaded to less accurate prediction. A modified gray BP Neural Network forecasting