您的位置: 首页 > 论文转让

建筑、土木工程、混凝土、结构等方向SCI、EI成稿转让,包录用

SCI选题:

1505 基于改进的算法优化模糊系统的混凝土氯离子扩散估计

1504 利用结合个体和集成优化技术的连环增压回归模型预测高性能混凝土的抗压强度和屈曲强度

1503 通过晶体结构和蒲公英算法的集成,以达到高性能混凝土强度性能的最佳预测

1502 基于随机森林回归的混合和集成模型来估计高性能混凝土的压缩和弯曲强度

1501 开发基于利梯度增强的创新混合集成框架评价三元高混高性能混凝土的力学性能

1500 基于XGBoost机器学习模型的高性能混凝土抗弯强度预测

1499 利用径向基函数模型估算高性能混凝土的抗弯强度

1498 评价高性能混凝土抗曲和抗压强度的可靠机器学习方法

1497 一种利用机器学习算法估计高性能混凝土力学性能的可靠方法

1484 新型混合方法通过节省时间和成本获得桩沉降

1483 利用多层感知器混合法预测加州承载比

1457 基于元启发式模型预测桩设置参数

1452 利用快速影响评估矩阵(RIAM)研究伊朗煤矿开采对环境健康(水、空气、土壤)的影响,保护环境保护

1410 一种基于机器学习技术的增强高性能混凝土力学性能预测的统一方法

1409 利用光梯度增强模型实现预测高性能混凝土主要强度特征的元集成算法

1406 应用自动调节回归技术估算稳定池灰的加州承载力

1405 高性能混凝土抗和抗拉强度的机器学习方法

1402 利用机器学习的方法研究高性能混凝土的力学性能

1401 基于元集成的机器学习方法来估计高性能混凝土的强度特征

1398 利用元启发式算法预测具体特征的径向基函数模型的实现

1316 基于澳洲野狗优化算法的随机森林模型来评价高温下混凝土的抗压强度

748 应用集成模型和混合模型形式的机器学习技术来评价高性能混凝土的硬度性能

704 利用机器学习技术对混合与集成模型中高性能混凝土硬度特性的研究

 

EI选题:

1510 利用K-最近邻算法预测超高性能混凝土的性能

1509 利用一种可靠的机器学习方法来估计桩的承载能力

1508 利用朴素贝叶斯回归的新方法预测超高性能混凝土的抗压强度

1507 通过一种利用朴素贝叶斯算法的鲁棒混合机器学习方法来增强无受限抗压强度预测

1506 利用元启发式算法预测桩承载力的一种基于机器学习的模型的实现

1496 利用最小二乘支持向量回归预测桩承载力:混合模型的开发与性能评价

1494 基于回归决策树的混合自动回归模型的桩承载力估计

1493 采用自适应神经模糊推理系统模型和个体和联合方法预测无受限抗压强度

1492 采用高斯过程回归法评估和预测超高性能混凝土的价值

1491 利用一种创新的高斯过程回归机器学习算法估计无约束抗压强度预测

1490 利用通过两种优化元启发式算法的集成而增强的决策树机器学习模型来预测超高性能混凝土的抗压强度

1489 利用几种机器学习方法预测无受限抗压强度

1488 利用朴素贝叶斯方法建模混合和集成方法中的最优含水量

1487 利用新型机器学习获得最佳含水量预测

1486 估算土壤稳定的无限制抗压强度的自动机器学习技术

1470 小动脉狭窄对壁剪应力和血流特性的影响:计算流体动力学研究

1446 利用支撑向量回归估计稳定土的无约束抗压强度

1444 利用随机森林结合元启发式算法预测稳定土壤的无受限抗压强度

1443 利用机器学习的个体和混合方法预测最佳水分含量

1442 利用k-最近邻的混合框架获得最佳的含水量

1441 研究通过支持向量回归估计最佳含水量

1440 在个体和混合框架中使用随机森林探索最佳的含水量估计

1439 在个体和混合框架中,使用决策树确定最佳含水量

1437 用高斯过程回归法确定个体框架和混合框架中的最大干密度值

1436 利用机器学习方法获得最大干密度的预测

1389 利用最小二乘支持向量回归个体和杂交形式预测土壤最大干密度

1385 利用最小二乘支持向量回归算法得到加州承载比的预测

1382 稳定土最大干密度的自动径向函数

1381 基于随机森林回归和元启发式的最大干密度算法的混合预测模型

1380 利用基于元启发式算法的自适应神经模糊推理系统模型预测最大干密度

1334 保护涵洞系统的数值研究:EPS屏障性能对箱涵性能的影响

1325 利用机器学习技术估算稳定土的最大干密度

1203 利用元启发式算法预测加州承载力的支持向量回归模型的实现

1176 通过随机森林的杂交组成得到加州承载比预测

1105 利用混合回归模型预测加州承载比

330 利用一种新型的机器学习技术的混合框架对超高性能混凝土(UHPC)的抗压强度进行建模

我要分享到: