Efficient g-function approximation with artificial neural networks for a varying number of boreholes on a regular or irregular layout

Bernard Dusseault et Philippe Pasquier

Article de revue (2019)

Un lien externe est disponible pour ce document

Département:	Département des génies civil, géologique et des mines
URL de PolyPublie:	https://publications.polymtl.ca/43608/
Titre de la revue:	Science and Technology for the Built Environment (vol. 25, no 8)
Maison d'édition:	Taylor and Francis Inc.
DOI:	10.1080/23744731.2019.1634932
URL officielle:	https://doi.org/10.1080/23744731.2019.1634932
Date du dépôt:	18 avr. 2023 15:01
Dernière modification:	05 avr. 2024 11:41

Citer en APA 7:	Dusseault, B., & Pasquier, P. (2019). Efficient g-function approximation with artificial neural networks for a varying number of boreholes on a regular or irregular layout. Science and Technology for the Built Environment, 25(8), 1023-1035. https://doi.org/10.1080/23744731.2019.1634932
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Répertoire des publications (EndNote)Simple Metadata

Statistiques

Actions réservées au personnel