您当前的位置:
首页 >
文章列表页 >
基于机器学习的混凝土侵彻深度预测模型
更新时间:2025-08-18
    • 基于机器学习的混凝土侵彻深度预测模型

    • Machine Learning-based Models for Predicting the Penetration Depth of Concrete

    • 兵工学报   2023年44卷第12期 页码:3771-3782
    • DOI:10.12382/bgxb.2023.0291    

      中图分类号:
    • 收稿:2023-03-31

      网络出版:2024-01-12

      纸质出版:2023-12-30

    移动端阅览

  • 李萌, 武海军, 董恒, 等. 基于机器学习的混凝土侵彻深度预测模型[J]. 兵工学报, 2023,44(12):3771-3782. DOI: 10.12382/bgxb.2023.0291.

    Meng LI, Haijun WU, Heng DONG, et al. Machine Learning-based Models for Predicting the Penetration Depth of Concrete[J]. Acta Armamentarii, 2023, 44(12): 3771-3782. DOI: 10.12382/bgxb.2023.0291.

  •  
  •  
icon
试读结束,您可以激活您的VIP账号继续阅读。
去激活 >
icon
试读结束,您可以通过登录账户,到个人中心,购买VIP会员阅读全文。
已是VIP会员?
去登录 >

0

浏览量

722

下载量

0

CNKI被引量

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

链式回转弹仓非线性动力学建模与分析
基于双层多目标优化的翼身融合水下滑翔机设计
基于量纲约束与符号回归的半无限金属靶板侵彻效率预测模型
基于串联神经网络的雷达罩抗爆性能厚度等效模型
基于神经网络的密集城市建筑群爆炸载荷快速预测

相关作者

鲁俊杰
邹权
陈龙淼
王文鑫
王鹏
李靖璐
蒋一辰
董华超

相关机构

南京理工大学 化学与化工学院
南京理工大学机械工程学院
西北核技术研究所 强脉冲辐射环境模拟与效应全国重点实验室
中山大学 智能工程学院
0