PDF
研究文章|开放获取
肯尼迪c . Onyelowe法e·塔拉Ifeanyichukwu c .奥乔治•迈克尔•e . Onyia Alaneme, ”基因表达式编程的应用评估Hydrated-Lime-Activated稻壳Ash-Treated膨胀土的强度特性”,应用计算智能和软计算, 卷。2021年, 文章的ID6686347, 17 页面, 2021年。 https://doi.org/10.1155/2021/6686347
基因表达式编程的应用评估Hydrated-Lime-Activated稻壳Ash-Treated膨胀土的强度特性
肯尼迪c Onyelowe
,1
法扎·e·塔拉,2
迈克尔·e·Onyia,3
Ifeanyichukwu c .奥,4
和
乔治美国Alaneme5
1土木和机械工程学系坎帕拉乌干达坎帕拉国际大学
2土木工程系,上海交通大学,上海,中国
3大学工学院土木工程系的尼日利亚,善解,尼日利亚
4环境技术的部门,联邦理工大学,Owerri、尼日利亚
5大学土木工程学系,迈克尔Okpara农业、Umudike,尼日利亚
文摘
基因表达式编程已经应用于这项工作来预测加州承载比(CBR),无侧限抗压强度(UCS)和阻力值(R值或R价值)的膨胀土处理稻壳灰的一个改进的复合材料。路面基础遭受失败由于设计和施工不良,不良材料处理和利用,和管理失误。可持续绿色材料和优化的进化和软计算技术已经部署到改进的缺陷在上述领域的设计与施工工程。在这项工作中,膨胀土分类作为A-7-6组土壤处理熟石灰激活稻壳灰(HARHA)增量比例生产121数据集,它被用来预测土壤的行为的强度参数利用突变和进化算法的实施。输入参数HARHA,液限( ),(塑性极限 ,塑性指数 ,最佳含水量( ),粘土活动(一个C),(最大干密度(δ马克斯),而CBR、UCS和R值是输出参数。看不到一个多元线性回归(MLR)也进行了数据集除了GEP作为检查机制。最后计算和迭代,高钙和实施优化方法提出了三个方程相应的输出参数的工作。验证预测模型的响应显示了良好的相关性高于0.9和一个伟大的性能指标。预测模型的性能表明,实施软计算预测模型,可用于CBR的设计,UCS,和R值的土壤被用作基础材料和外加剂作为绑定组件接受治疗。
1。介绍
的土方工程的设计、施工和监测基础设施建设是至关重要的由于日常故障土木工程设施的经验(1- - - - - -4]。出于这个原因,复合材料具有特殊属性已经进化到替代普通水泥(5- - - - - -8]。这样一个技术利用特殊的绑定是引入活化剂火山灰材料形成活性灰有能力抵御不利条件和因素,已被证明是反对建造基础设施(9- - - - - -14]。然而,软的进化计算在工程增加了设计的效率,构建和监视性能的土方工程(15- - - - - -19]。一个这样的软计算或机器学习方法是基因表达式编程(GEP)。发明的克莱默(20.),遗传编程(GP)和基因表达式编程(GEP)是遗传算法(GA)的分支机构,被认为是一种进化计算算法技术20.- - - - - -22]。它是基于达尔文的“适者生存”理论,它不需要事先假设的解决方案结构必威249023]。全科医生的工作过程(包括各个步骤24):(1)创建一个初始种群按照功能和终端设置;(2)使用两个主要标准、健身功能和最大数量的代,人口评估产生的性能;如果这个群体是根据要求的性能或方法生成的最大数量,终止程序,否则,连续使用三种遗传操作生成一个新的人口繁殖,交叉,变异的时间直到阈值不达标。实验数据库分为训练、验证和测试集《全球经济展望》的分析。为了确认一致的数据划分,许多组合的训练集和测试集被25]。
在图1输入数据,可以看出,喂养GP或数学模型,其中包括全科医生,收益率预测和观察到的值。这些残余错误的差别减少继续制定的《全球经济展望》工具,直到获得一个最优的模型。
2。材料和方法
2.1。准备的材料
膨胀性粘土土壤准备和测试进行了未经处理和土壤处理来确定表中给出的数据集1所需的进化预测建模。熟石灰激活稻壳灰(HARHA)是一个混合geomaterial粘合剂混合开发的稻壳灰为5%按重量激活剂,在这种情况下是氢氧化钙(Ca(哦)2),允许48小时。同时,稻壳是一个农业的和工业的废物来源于的大米加工大米加工厂和家园。提出通过控制直接燃烧Onyelowe et al。4),稻壳质量变成了火山灰稻壳灰(RHA)。HARHA是用于增量比例对粘性土和响应的行为在不同的性能测试,观察,并记录(见表1)。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
2.2。模型的方法
在图2,基因表达式编程的流程图方法和执行。121年的输入和输出数据集部署到GeneXpro软件计算平台生成的模型预测输出和操作。几个试验或进行迭代来实现最适合。
3所示。结果与讨论
3.1。皮尔森相关
皮尔森的相关矩阵26从给定的数据)生成由七个输入和三个输出参数使用Microsoft Excel的数据分析功能。相关矩阵被定义为一个正方形,对称的 矩阵(ij)th元素相关系数相等R_ij(中我)th和(j)th变量。对角线成员(相关性的变量互相)总是等于1 (27]。因此,这种相关性矩阵的左九列代表定性输入土壤hydraulic-prone性质之间的相关性(HARHA, , , , ,一个C,δ马克斯土壤强度)和输出属性,即。CBR, UCS28日,和R价值(表2)。相关因素的范围不同−1和1(0表示没有相关性,而±1显示了更大的相关性)。正值表明,相应的增加或减少是线性的同时在两个变量。这是显示在表2CBR, UCS28,R价值对所有输入参数相关系数高于0.90除了吗在过去的两个输出(0.134和0.363),分别。因此,在这种相关性矩阵存在高度的相关性考虑输入和输出参数。在图3给出了输入变量的频率直方图:(一)HARHA;(b) ;(c) ;(d) ;(e) ;(f)一个C;(g)δ马克斯;和输出变量(h) CBR;(我)UCS28;(j)R价值。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
3.2。基因表达式编程
开发了GEP模型使用数据库的性能受到样本量的影响及其变量分布,它同意Gandomi和矿脉的结果25]。因此,所有输入参数的频率直方图(HARHA, , , , ,一个C,δ马克斯(CBR, UCS)和输出值28日,和R价值)是显示在图3。可以看出,钟形曲线显示数据的均匀分布。这个图通常用于地质年代学数据的初步评估,其中包括相对较大的数据集,根据Sircombe [28]。甚至被展览的所有数据样本分布和遵循对称的模式,这样的显示柱状图直观。
输入和输出参数的描述性统计列在下表中3。这统计摘要显示了最小和最大范围的所有输入和输出参数。标准差(SD)、峰度和偏态给出对每一个参数,它同意Edjabou et al。29日]。低SD意味着大多数的值接近平均水平( , ,一个C,δ马克斯,R价值),而一个更大的SD意味着数字更分散( , ,CBR, UCS28)。偏态量化的不对称实值随机变量的概率分布的意思。它可以是积极的,零,消极,或未定义的30.]。负值通常表明尾部延伸分布曲线的左边( , , , ,一个C,δ马克斯,R价值),而积极倾斜显示右侧尾巴(CBR和UCS28给定的频率直方图),这反映在图3和变量重要性提出了数字4- - - - - -6。偏态、峰态概率分布的形状(解释说31日]。皮尔森测量给定的单变量正态分布的峰度一般为3。峰度值低于3被称为低峰态,这意味着生产分布越来越不那么极端异常值比正态分布,例如,均匀分布,反映在图上3。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
选择最合适的GEP估计模型进行HARHA对膨胀土,几个模型与不同数量的基因生成采用一组遗传算子(突变、换位、交叉)。最初,一个模型组成的两个基因与附加的链接功能和头部大小的四(头大小,H= 4)被选中并运行多次。之后,参数改变,在逐步的顺序,通过增加基因的数量三,八头大小(头大小,H= 8),染色体数到50,和函数的权重集。程序运行不同时期不同的模型,预测最终的模型检查和对它们的性能进行比较。此外,突变速率等参数,反演,重组的选择的基础上,过去的研究(32- - - - - -34),然后获得最佳影响评估。运行多个试验后,最终获得的数学模型,为选定的参数包括一般的详细信息,数值常数,和遗传算子,表中列出4。最后预测模型选择标准的基础上最好的健身和较小的数学公式的复杂性,而表达式树(ETs)的数据7- - - - - -9CBR模型结果,UCS28日,和R价值,分别。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||
(一)
(b)
(c)
(一)
(b)
(c)
(一)
(b)
(c)
为了制定各自的输出参数的三种模式,最初,输入参数选择从广泛的实验研究,提供如下: 加州承载比CBR, UCS吗28无侧限抗压强度28天之后,R价值电阻值,HARHA熟石灰激活稻壳灰,液限,塑性极限,塑性指数,最佳含水量,一个C是活动的价值,δ马克斯是最大的干密度。
的K基因表达和建模参数的节点值等强度提出了如下。
3.2.1之上。加州承载比
Sqrt.Sqrt。+。−−−。+。 。d5.d5.d4.c6.c1.d4.d1.d6.d3+ 。Sqrt。−.d0−。+ .c1.d3.d0.d2.d1.c1.d2.d1.d6 +。++ 。+ .d6. / .Exp. / .c1.Ln.d2.d1.d5.d1.d2.d2.d5.d5.d4数值常量:基因1c0 = 6.01733451338237c1 = 5.82940372479169c2 = 11.2892741508225c3 =−1.38096255378887c4 =−7.16238898892178c5 = 6.36524552140873c6 = 438.770447855123c7 =−3.76850684316538c8 =−3.92196417126987制备过程= 5.34226508377331基因2c0 = 5.61693166905728c1 =−33451.121590902c2 = 9.04538102359081c3 = 4.02193288475646c4 = 7.06854457228309c5 =−5.52471996798914c6 = 9.28254036072878c7 =−9.37192907498398c8 = 7.87691579943236制备过程= 7.84859767448958基因3c0 = 9.3145542771691c1 = 0.683142490481803c2 = 0.65507980590228c3 = 2.23527237769707c4 = 2.1560127041438c5 =−3.4600786347084c6 =−0.443433942686239c7 = 6.32145146031068c8 =−243.307901242103制备过程= 3.60334589462102
3.2.2。无侧限抗压强度
。−.c9 + .d0.c1.Exp。 。d5.c6.d0.d0.d0.d3.d4.d2.c4+ 。/ .c3.Sqrt.d5.−。+ .d4.d0.c8.d5.d6.d0.c8.c1.d0+−。+ + +。−.d3.Sqrt。−.c4.d2.d4.d0.d1.c1.d5.d0.d1数值常量:基因1c0 = 9.40635120700705c1 =−9.52207061952574c2 = -6.06555375835444c3 = 8.41547898800623c4 = 6.96584978789636c5 = 4.43152256843776c6 =−4.66996057039345c7 =−1.44721823786126c8 = 2.64381847590564制备过程=−9.17752843515198基因2c0 =−6.69023712881863 e-02c1 = 1.7045835749382c2 = 3.74612759288614c3 = 5.99579447574825c4 =−4.96296086938292c5 =−3.58989226966155c6 =−0.914639728995636c7 =−6.71803949095126c8 = 7.91580822137299 e-02制备过程=−0.480693990905484基因3c0 = 8.17865535447249c1 = 3.47497553241407c2 =−6.28205053865169c3 =−7.01719634907071c4 = 5.34816290007036c5 = 6.77358317819758c6 =−4.4777053132725c7 =−9.76500747703482c8 = 8.85799737540819制备过程= 2.08953825495163
3.2.3。阻力值(R值)
√6。 。/ .Sqrt.Exp.d6。+ .d5.d1.d4.d5.c5.d4.c5.d1.c7.d1+/。 。d6.d0.Ln−+ .d4.d5.c7.d4.c4.c1.d2.d1.d3。+++ .Ln. / /−。+ +。 。d4.d3.d0.d2.c2.d4.d4.c6.c7数值常量:基因1c0 =−5.76100955229347c1 = 4.89717612231819c2 =−3.93536179692984c3 = 3.23796197393719c4 =−6.77412671285134c5 = 3.29407635731071c6 = 2.38074892422254c7 =−3.36100344859157c8 = 7.98272652363659制备过程= 3.71135593737602基因2c0 = -5.65450864340739c1 =−7.65190588091678 e-02c2 = 0.593482469817356c3 =−0.21698660237434c4 =−7.5964995269631c5 =−6.84987945188757c6 = 3.66069521164586c7 = 1.44131669080772c8 =−7.00961638233589制备过程= 8.11291842097232基因3c0 = 2.97519449316012c1 =−2.45399334696493c2 =−12.3985913762825c3 = 3.00576799829096c4 =−6.60390026551103c5 = 5.46067690054018c6 = 3.21220500714347c7 = 3.68913754692221c8 =−10.8087886989959制备过程=−6.13330484939116
早些时候报道,多重线性回归(高)进行了定量地评估输入土壤hydraulic-prone属性和输出之间的关系土壤强度特性,即。CBR, UCS28日,和R价值。每个输出的值被定义为一个组合6土壤参数(HARHA, , , , ,一个C,δ马克斯分别),下列方程推导:
这些都是有用的工具来估计土壤强度属性基于平面岩土指标HARHA膨胀土处理。然而,这些高方程只能使用在点显示的情况下线性改变人们的行为(27]。这些方程都来自与发达GEP模型作了比较,对CBR, UCS28日,和R价值。
使用给定的表达式树从数字6- - - - - -9评估CBR, UCS28日,和R价值的土壤,分别解码是为了推导出三个简单的数学表达式(方程(5)- (7)如下:
预测之间的比较和观察到的膨胀土参数如图所示10。CBR的指标可以观察到显示精度高,UCS28日,和R价值,高R2值GEP模型制定。这表明,使用该模型的预测输出参数是在良好的协议与测试数据。
(一)
(b)
(c)
(d)
(e)
(f)
图中可以看到11CBR的误差分布范围和R价值相比显著降低UCS的吗28。它可以归因于较大的UCS SD值和范围的数据28反映在表1。此外,《全球经济展望》提出了CBR和模型表现出优越的性能R价值情况下相比,各自的高钙的阴谋。然而,实施的结果并不优于高模型的误差分布如图7(c)和7分别(d)。
(一)
(b)
(c)
(d)
(e)
(f)
最后,总结统计性能表中列出5。各种性能指标已经确定,包括均方根误差(RMSE),平均绝对误差(MAE)、根方误差(交易所),Nash-Sutcliffe效率(研究),相对均方根误差(推定),相关系数(R),性能指标(ρ),目标函数(票据)评估了CBR的性能,UCS,R价值GEP模型。下面的方程被用来计算性能指标。RMSE错误的平方,这意味着相对更大的重量分配给更大的错误。高R值和较低的推定值达到一个高度的准确性,它同意Gandomi和矿脉的结果25]。提出的模型表明,美、RMSE证交所,显著降低而了无和推定值RCBR值更大,R值,这显示了优越的模型性能。然而,这些值在UCS的情况亦然28导致较低的性能。同样,性能指标和票据在文献[值都在允许的范围之内32,35,36]。这些结果进一步表明,该模型的CBR和R价值使用GEP比UCS的情况28,从而实现可靠和准确的结果。数据的范围UCS的输入参数28是CBR和几倍R价值,这也反映在表2。所以,GEP模型被用来制定简单的数学方程可以方便地用来预测CBR, UCS28日,和R价值值,在detail.where如前所述 在哪里e我和是我实验和预测输出,分别;和是实验的平均值和预测输出值,分别和n总样本的数量。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
4所示。结论
基因表达式编程的加州承载比、无侧限抗压强度和电阻值熟石灰改良膨胀土与输入参数;HARHA、液限( ),(塑性极限 ,塑性指数 ,最佳含水量( ),粘土活动(一个C),(最大干密度(δ马克斯)、CBR、UCS和R价值产生一系列实验室锻炼产生121数据集,可以总结如下:(1)A-7-6的膨胀土和熟石灰激活稻壳混合不同比例的添加剂土壤,和修改后的混合标本测试液限,塑性极限,塑性指数、最佳含水量,粘土活动,最大密度,加州承载配给,无侧限抗压强度,电阻值的反应。(2)反应部署高钙和实施进化操作模型的输出参数:CBR, UCS,R价值。(3)《全球经济展望》培训的结果、测试和验证的数据集显示高钙和实施之间的一个一致的协议。(4)三个模型方程组成,每个高钙和创业计划,在优化条件下,预测模型和生成的数据集之间的协议是0.9以上。(5)一般来说,《全球经济展望》显示,设计、施工、性能、和基础设施管理可以准确无误地预测使用基因表达式编程软计算方法可持续土方工程和其他工程业务。这可以很容易地实现治疗材料施工时相似属性的使用在这个项目中,也使用类似的预测数字参数时提出的模型。(6)最后,它可以推荐更有多个实验产生向上的一千数据集的一个完美和更可靠的结果。
数据可用性
在这项研究中使用的数据都包含在这篇文章。
的利益冲突
作者宣称没有利益冲突。
引用
- k . c . Onyelowe t . Amhadi c Ezugwu et al .,”力量的火山灰土壤混合在土壤化学改良红壤的路面基层材料的目的,“国际低碳技术杂志》上,14卷,不。3、410 - 416年,2019页。视图:出版商的网站|谷歌学术搜索
- k . c . Onyelowe e . Onukwugha a.b. Salahudeen et al .,“微观结构的弱受侵蚀的土壤和矿物分析沟现场研究和解决方案,“扼杀科学技术研究杂志》上,1卷,不。3,24-37,2019页。视图:谷歌学术搜索
- k . Onyelowe et al .,“Sorptivity、肿胀、萎缩、压缩和耐久性采石场灰尘处理软土的水分路面土工技术,”材料研究和技术杂志》上,8卷,不。4、3529 - 3538年,2019页。视图:出版商的网站|谷歌学术搜索
- k . c . Onyelowe f . d . a . Onyelowe Bui范·d . et al .,“稳定物价和封存的氢气燃烧生物质固体废物焚烧氢氧化钠氧化物的碳截留模型(SWI-NaOH-OCE模型),“材料科学的能源技术,3卷,第254 - 250页,2020年。视图:出版商的网站|谷歌学术搜索
- k . c . Onyelowe Bui范,d . m . o . Idrees et al .,“压缩行为的实验研究红壤的土壤处理猎物尘埃基础地质聚合物水泥,”《固体废物技术和管理2021年出版社。视图:谷歌学术搜索
- k . c . Onyelowe m . e . Onyia e . r . Onukwugha et al .,”界限含水量的修改可持续绿色路基压实粘性土结构,”Jurnal Kejuruteraan2021年出版社。视图:谷歌学术搜索
- k . c . Onyelowe Bui范,d . l . Dao-Phuc et al .,“评价指数和砖红壤性土壤的压实特性处理猎物尘埃基础地质聚合物水泥对路基的目的,“Epitőanyag——基于《硅酸盐和复合材料,卷72,不。1、12 - 15,2020页。视图:出版商的网站|谷歌学术搜索
- k . c . Onyelowe m . e . Onyia管理局Onyelowe et al .,“临界状态干燥引起收缩的生物质压实土路面基础Epitőanyag——治疗,”基于硅酸和复合材料杂志》上,卷72,不。2,40-47,2020页。视图:出版商的网站|谷歌学术搜索
- k . c . Onyelowe e·j·法e·o·迈克尔,c . o . Ifeanyichukwu美国a .乔治和Chidozie,“人工智能预测模型对膨胀土的潜力和生石灰激活稻壳灰混合可持续建设,“Jurnal Kejuruteraan2021年出版社。视图:谷歌学术搜索
- k . c . Onyelowe m . e . Onyia Bui范·d . et al .,“收缩参数修改可持续土方工程压实粘性土”Jurnal Kejuruteraan,33卷,不。1,第140 - 133页,2021年。视图:出版商的网站|谷歌学术搜索
- k . c . Onyelowe f·a·黛博拉,d . Bui范”的概述灰作为辅助胶结silicate-based组合和建筑材料,”Epitőanyag-Journal基于硅酸和复合材料,卷72,不。3、80 - 85年,2020页。视图:出版商的网站|谷歌学术搜索
- k . c . Onyelowe Bui范,d . c . Ikpa et al .,“巩固了土的弹性模量和偏应力处理粉碎废陶瓷(CWC)路面路基工程,“Epitőanyag-Journal基于硅酸和复合材料,卷72,不。3、86 - 90年,2020页。视图:出版商的网站|谷歌学术搜索
- k.c. Onyelowe, m . e . Onyia e . r . Onukwugha o . c . Nnadi i c .奥和f·e·塔拉,“压实特性的多项式关系silicate-based RHA改良膨胀土路面路基的目的,“Epitőanyag-Journal基于硅酸和复合材料,卷72,不。6,223 - 228年,2020页。视图:出版商的网站|谷歌学术搜索
- Bui范,d . k . c . Onyelowe m . Onyia et al .,“力量和一致性的行为取代水泥与silicate-based地质聚合物水泥改良软土碎废料处理路面式眼镜,“Epitőanyag-Journal基于硅酸和复合材料,卷72,不。6,186 - 197年,2020页。视图:出版商的网站|谷歌学术搜索
- a . b . Salahudeen j . a . Sadeeq a . Badamasi和k . c . Onyelowe”治疗膨胀性粘土的无侧限抗压强度预测使用bp人工神经网络,”尼日利亚工程杂志,27卷,不。1,45-58,2020页。视图:谷歌学术搜索
- g . Alaneme, k . c . Onyelowe m . e . Onyia et al .,”造型的肿胀的潜力土壤处理quicklime-activated稻壳灰使用模糊逻辑,“Umudike工程和技术杂志》(UJET)》第六卷,没有。1、1 - 12,2020页。视图:出版商的网站|谷歌学术搜索
- g . Alaneme, k . c . Onyelowe m . e . Onyia et al .,”建模的体积变化特性熟石灰激活稻壳灰(HARHA)修改软土施工目的的人工神经网络(ANN),“Umudike工程和技术杂志》(UJET)》第六卷,没有。1、1 - 12,2020页。视图:出版商的网站|谷歌学术搜索
- g . Alaneme, k . c . Onyelowe m . e . Onyia et al .,“比较模型的强度性质熟石灰激活稻壳灰(HARHA)修改软土路面施工目的的人工神经网络(ANN)和模糊逻辑(FL)”Jurnal Kejuruteraan2021年出版社)。视图:谷歌学术搜索
- k . c . Onyelowe和m . e . Onyia”分析高度肿胀的潜力广阔的可持续稳定剂(塑料)粘质土壤行为,”Jurnal Kejuruteraan2021年出版社。视图:谷歌学术搜索
- r . s . Faradondeh d . j . Armaghani m . Monjezi和e·t·穆罕默德,“遗传编程和基因表达式编程flyrock评估由于矿山爆破,”国际岩石力学和采矿科学杂志》上卷,88年,第264 - 254页,2016年。视图:谷歌学术搜索
- c·费雷拉,“基因表达式编程解决问题。”软计算和工业施普林格,柏林,德国,2002年。视图:谷歌学术搜索
- j . r . Koza和j·r·Koza遗传规划:在计算机的编程通过自然选择美国马剑桥,麻省理工学院出版社,1992年。
- z l . Cheng w·h·周,a Garg”遗传编程模型估算土壤吸浅层土壤层附近的一棵树,“工程地质文章ID 105506卷,268年,2020年。视图:出版商的网站|谷歌学术搜索
- A . Garg A Garg k Tai,“多基因遗传编程模型估算土壤stress-dependent保留曲线,“计算地球科学卷。18日,45-56,2014页。视图:谷歌学术搜索
- a . h . Gandomi和d . a .矿脉”评估人工神经网络和遗传编程作为预测工具,”工程软件的进步卷,88年,第72 - 63页,2015年。视图:出版商的网站|谷歌学术搜索
- k·皮尔森,“X。给定系统的标准偏差的可能相关的系统变量,这样它可以合理应该从随机抽样,出现“伦敦、爱丁堡和都柏林哲学杂志和科学杂志》上,50卷,第175 - 157页,1900年。视图:出版商的网站|谷歌学术搜索
- j .肉汁诉Vignal、美国Bissey-Breton和j . Farre”使用线性回归方法和皮尔森的相关矩阵来识别mechanical-physical-chemical参数控制micro-electrochemical加工铜的行为,”腐蚀科学,50卷,第2894 - 2885页,2008年。视图:谷歌学术搜索
- k . n . Sircombe”年龄显示:一个EXCEL工作簿来评估和显示univariance地质年代学数据使用频率直方图,概率密度分布,“电脑和地球科学,30卷,不。1,21-31,2004页。视图:出版商的网站|谷歌学术搜索
- m . e . Edjabou j . a . Martin-Fernandez c . Scheutz和t . f . Astrup“固体废物组成数据的统计分析:算术平均数,标准差和相关系数,”废物管理卷。68年,13-23,2017页。视图:出版商的网站|谷歌学术搜索
- c·沙玛和c . Ojha水文气象变量的统计参数:标准差、信噪比、偏态和峰态,“水资源工程的发展和管理施普林格,柏林,德国,2020年。视图:谷歌学术搜索
- m·k·凯恩、>和k h .元,“单变量和多变量偏斜度和峰度测量nonnormality:流行,影响和估计,“行为研究方法49卷,第1735 - 1716页,2017年。视图:谷歌学术搜索
- i m·f·伊克巴尔问:f . Liu Azim et al .,“绿色混凝土的力学性能预测基于基因表达式编程,将浪费铸造用砂”《有害物质文章ID 121322卷,384年,2020年。视图:出版商的网站|谷歌学术搜索
- g·b·朱马和a·r·尤瑟夫FRP-reinforced混凝土无腹筋梁的抗剪承载力预测人工神经网络,基因表达式编程和回归分析,“土木工程的发展卷,2018篇文章ID 5157824, 2018。视图:出版商的网站|谷歌学术搜索
- m·f·Javed m . n .阿明麻省理工学院沙et al .,“基因表达式编程的应用和回归估计甘蔗渣的有机混凝土抗压强度的技术,”晶体,10卷,p。737年,2020年。视图:谷歌学术搜索
- 麻省理工学院沙、m . f . Javed和t . Abunama”提议制定地表水质量使用基因表达和建模,机器学习和回归技术,”环境科学与污染研究28卷,第13220 - 13202页,2021年。视图:谷歌学术搜索
- k . c . Onyelowe m . Onyia e . r . Onukwugha Bui范,d . j . Obimba-Wogu和c . Ikpa“粉煤灰的力学性能改性沥青碎废料处理眼镜作为可持续人行道填充物,”Epitőanyag-Journal基于硅酸和复合材料,卷72,不。6,219 - 222年,2020页。视图:出版商的网站|谷歌学术搜索
betway赞助
betway赞助版权©2021年肯尼迪Onyelowe et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。
