Wyszukiwanie zaawansowane ?

Obiekt

Machine learning and linear regression approach to model unconfined compressive strength of ceramic waste modified soil as subgrade pavement material
Pobierz

Tytuł: Machine learning and linear regression approach to model unconfined compressive strength of ceramic waste modified soil as subgrade pavement material

Twórca:

Alkahtani, Meshel Qablan

Data:

2024

Typ:

artykuł w czasopiśmie

Tytuł odmienny:

Podejście uczenia maszynowego i regresji liniowej do modelowania nieograniczonej wytrzymałości na ściskanie ceramicznej modyfikowanej gleby odpadowej jako materiału nawierzchni podłoża

Opis:

An effective application of artificial intelligence involves artificial neural networks. Artificial neural networks and linear regression models were developed to simulate the effects of using discarded ceramic waste as a subgrade for pavement. The ceramic waste was used at 2.5%, 5%, 7.5%, 10%, 12.5%, and 15%. A sample with 0% ceramic waste was tested to serve as a reference sample. The dataset was produced from laboratory experimentation findings used to train, test, and evaluate the model. A training set, a target set, and a prediction set were created from the dataset. The artificial neural network MSE was 0.42-1.40, while the linear regression model range was 1.74 to 3.63 for ceramic modified samples. The R2 range for the ANN model was 0.85-0.92, and the linear regression model exhibited a range of 0.71-0.78. The ANN model was more accurate than the linear regression model. Future studies are required to compare different machine-learning approaches for predicting soil mechanical properties.

Miejsce wydania:

Koszalin

Wydawca:

Politechnika Koszalińska

Identyfikator:

oai:dlibra.tu.koszalin.pl:2104

Język:

eng

Jest częścią:

Rocznik Ochrona Środowiska. Vol. 26, s. 424-431

Prawa:

Biblioteka Politechniki Koszalińskiej

Prawa dostępu:

internet

Licencja:

Creative Commons BY-SA 4.0

Exlibris

Temat i słowa kluczowe:

ceramic waste artificial neural network unconfined compression strength California bearing ratio

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

23 gru 2025

Data dodania obiektu:

23 gru 2025

Liczba wyświetleń treści obiektu:

3

Wszystkie dostępne wersje tego obiektu:

https://dlibra.tu.koszalin.pl/publication/2114

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
2024, Alkahtani, Meshel Qablan, Machine learning and linear regression approach to model unconfined compressive strength of ceramic waste modified soil as subgrade pavement material 23 gru 2025

Obiekty Podobne
Predictive analysis of ceramic waste modified concrete properties using ANN and Linear regression algorithm

Asiri, Abdullah

2024
artykuł w czasopiśmie
Regression modeling and neural computing for predicting the Ultimate Tensile Strength of Friction Stir Welded aerospace aluminium alloy

Mishra , Akshansh Ve Vance, Jonathan

2019
artykuł w czasopiśmie
Internet of things (IoT) and artificial neural networks towards water pollution forecasting

Ibrahim, Thaer Mishra, Alok

2020
artykuł w czasopiśmie
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Biblioteka Politechniki Koszalińskiej ul. Racławicka 15-17 75-620 Koszalin

Telefon

(+48) 94 34 78 455

E-Mail

dlibra@tu.koszalin.pl

Odwiedź nas!

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji