Interpretable AI Models Based on Hybrid Ensemble Learning Methods for Predicting Unconfined Compressive Strength of Cement-Stabilized Magnetite Iron Ore Tailing

Farzad Safi Jahanshahi, Ali Reza Ghanizadeh, Hamed Naseri et Abir Mouldi

Article de revue (2026)

Document en libre accès chez l'éditeur officiel

Un lien externe est disponible pour ce document

Afficher le résumé

Cacher le résumé

Mots clés

• Civil and Structural Engineering
• Environmental Engineering
• Concrete and Cement Materials Research
• Microbial Applications in Construction Materials
• Tailings Management and Properties

Département:	Département des génies civil, géologique et des mines
URL de PolyPublie:	https://publications.polymtl.ca/73238/
Titre de la revue:	AI (vol. 7, no 2)
Maison d'édition:	Multidisciplinary Digital Publishing Institute
DOI:	10.3390/ai7020037
URL officielle:	https://doi.org/10.3390/ai7020037
Date du dépôt:	23 févr. 2026 11:15
Dernière modification:	23 févr. 2026 11:16

Citer en APA 7:	Safi Jahanshahi, F., Reza Ghanizadeh, A., Naseri, H., & Mouldi, A. (2026). Interpretable AI Models Based on Hybrid Ensemble Learning Methods for Predicting Unconfined Compressive Strength of Cement-Stabilized Magnetite Iron Ore Tailing. AI, 7(2), 37 (27 pages). https://doi.org/10.3390/ai7020037
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)Simple Metadata

Statistiques

Dimensions

Actions réservées au personnel

Afficher document