Produktbild: Application of Machine Learning in Slope Stability Assessment
- 13%

Application of Machine Learning in Slope Stability Assessment

13% sparen

157,99 € UVP 181,89 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.07.2024

Verlag

Springer Singapore

Seitenzahl

201

Maße (L/B/H)

23,5/15,5/1,3 cm

Gewicht

347 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9927-58-6

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.07.2024

Verlag

Springer Singapore

Seitenzahl

201

Maße (L/B/H)

23,5/15,5/1,3 cm

Gewicht

347 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9927-58-6

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

  • Produktbild: Application of Machine Learning in Slope Stability Assessment
  • Overview.- Remote Sensing Techniques.- Machine Learning Algorithms.- Real-time Monitoring and Early Warning of Landslide.- Prediction of Slope Stability Using Ensemble Learning Techniques.- Application of LSTM and Prophet Algorithm in Slope Displacement Prediction.- Displacement Prediction of Jiuxianping Landslide using GRU Networks.- Efficient Seismic Stability Analysis of Slopes Subjected to Water Level Changes Using Gradient Boosting Algorithms.- Efficient Reliability Analysis of Slopes in Spatially Variable Soils Using XGBoost.- Efficient Time-variant Reliability Analysis of Bazimen Landslide in the TGRA Using XGBoost and LightGBM.- Future work recommendation.