A hybrid deep learning framework for predicting industrial wastewater influent quality based on graph optimisation
22Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- A hybrid deep learning framework for predicting industrial wastewater influent quality based on graph optimisation
- Date Crossref
- 01/08/2024
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Hangzhou Dianzi University Institute of Information and Control pays non établi dans la noticeUniversité ou école supérieure
-
Yancheng Institute of Technology pays non établi dans la noticeUniversité ou école supérieure
-
Anhui Huizhou Economic Development Zone Management Committee pays non établi dans la noticeInstitution
-
College of Communication Engineering pays non établi dans la noticeUniversité ou école supérieure
-
School of Electrical Engineering pays non établi dans la noticeUniversité ou école supérieure
Institute of Information and Control — Hangzhou Dianzi University, Yancheng Institute of Technology et Anhui Huizhou Economic Development Zone Management Committee, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Water Quality Monitoring TechnologiesWater Quality Monitoring and AnalysisMachine Learning and ELM