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

Bernard Dusseault, Philippe Pasquier

Article de revue (2019)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel
Département:
Département des génies civil, géologique et des mines
Adresse 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
OAI:
oai:publications.polymtl.ca:43608
ORCID
Date du dépôt:
18 avr. 2023 15:01
Dernière modification:
14 oct. 2026 13:55
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

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document