Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Berrah, Yacine" wg kryterium: Autor


Wyświetlanie 1-1 z 1
Tytuł:
Land clayey deposits compressibility investigation using principal component analysis and multiple regression tools
Autorzy:
Berrah, Yacine
Chegrouche, Aymen
Brahmi, Serhane
Boumezbeur, Abderrahmane
Powiązania:
https://bibliotekanauki.pl/articles/2201674.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
Tematy:
compressibility index
geotechnical parameters
principal component analysis
PCA
multiple regression models
indeks ściśliwości
parametry geotechniczne
analiza głównych składowych
regresja wielokrotna
Opis:
The settlement and compressibility magnitude of the major clayey and marly sediments in Tebessa area (N-E of Algeria) depends on several geotechnical parameters such as compression Cc and recompression Cs indices. The aim of this study was to investigate the parameters related to soil compressibility through tools of statistical analysis, which save time in comparison to multiply repeated laboratory tests. The study also adopted the principal component analysis (PCA) method to eliminate a number of uncorrelated variables that have no influence on the compressibility magnitude, or their impact is insignificant. The highest mean correlation coefficients were obtained for different contributing parameters. Multiple regression analysis has been performed to obtain the best fit model of the output Cc parameter taking into account the best correlation by adding parameters as regressors to reach the highest coefficient of regression R2 . The final obtained model of the present case study gives the best fit model with R2 of 0.92 which is a better value compared to different published models in the literature (R2 of 0.7 as maximum). The chosen input parameters using PCA combined with multiple regression analysis allow identifying the most important input parameters that noticeably affect the soil compression index, and provide with the best model for estimating the Cc index.
Źródło:
Geomatics, Landmanagement and Landscape; 2022, 4; 95--107
2300-1496
Pojawia się w:
Geomatics, Landmanagement and Landscape
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies