Article de revue (2022)
Un lien externe est disponible pour ce document
| Département: | Département des génies civil, géologique et des mines |
|---|---|
| URL de PolyPublie: | https://publications.polymtl.ca/50852/ |
| Titre de la revue: | ACTA Geotechnica (vol. 17, no 4) |
| Maison d'édition: | Springer-Verlag |
| DOI: | 10.1007/s11440-022-01472-1 |
| URL officielle: | https://doi.org/10.1007/s11440-022-01472-1 |
| Date du dépôt: | 18 avr. 2023 14:58 |
| Dernière modification: | 25 sept. 2024 16:41 |
| Citer en APA 7: | Hao, S., & Pabst, T. (2022). Prediction of CBR and resilient modulus of crushed waste rocks using machine learning models. ACTA Geotechnica, 17(4), 1383-1402. https://doi.org/10.1007/s11440-022-01472-1 |
|---|---|
Statistiques
Dimensions
Actions réservées au personnel
|
Afficher document |
