...
机译:基于通用回归神经网络的美国俄勒冈州上克拉马斯河每小时溶解氧浓度建模方法
Hydraulics Division, Agronomy Department, Faculty of Science, University 20 Aout 1955, Route El Hadaik, BP 26 Skikda, Algeria;
generalized regression neural networks; GRNN; multiple linear regression models; MLR; dissolved oxygen; DO; modelling;
机译:基于径向基函数神经网络(RBFNN)的方法同时对每小时溶解氧浓度(DO)进行建模和预测:以美国俄勒冈州克拉马斯河为例
机译:使用基于动态演化神经模糊推理系统(DENFIS)的方法对每小时溶解氧浓度(DO)进行建模:以美国俄勒冈州米勒岛船舷的克拉马斯河为例
机译:提前几个小时使用最佳修剪的极限学习机(OP-ELM)预测溶解氧浓度(DO):来自美国俄勒冈州克拉马斯河的案例研究
机译:预测纽芬兰河水温和溶解氧浓度的回归模型
机译:穆斯科卡河流域鱼中汞浓度的模型:涉及溶解有机碳和汞模型的质量平衡方法
机译:基于大型和异构EHR数据集的基于递归神经网络的心衰发作风险预测模型的可推广性研究
机译:基于径向基函数神经网络(RBFNN)的新型建模策略预测溶解氧浓度,使用Gregorian日历组分作为输入:Clackamas River,Overon,USA的案例研究
机译:溶解氧分析,TmDL模型比较和颗粒物分流:来自俄勒冈州基诺大坝克拉马斯河上游的三种模型情景的初步结果。