原题：Data-driven prediction of pure mode I fracture toughness in cementitious geomaterials using hybrid ANN–metaheuristic models
研究开发了五种混合人工神经网络模型，结合元启发式算法，用于预测水泥质土工材料的纯I型断裂韧性，以减少实验成本和时间。
推荐理由：为固井材料的断裂韧性评估提供快速预测方法，有助于AI4S在地质材料力学性能建模中的应用。
SCIHOT Research Signals
2026-08-23
1 条精选
近 24 小时评出
2026-08-23 00:12 UTC
固井直接相关
1 items主题1｜自修复与应力完整性
0 items专利观察入口主题1｜自修复与应力完整性
自动全球专利信号已改由官方来源独立取件，并在科研雷达中按同族展示。这里仅保留人工延伸检索入口，不参与自动抓取或论文评分。
- Schlumberger 去官方库继续检索 Espacenet PATENTSCOPE
- Halliburton 去官方库继续检索 Espacenet PATENTSCOPE
主题2｜防腐蚀与化学侵蚀
0 items专利观察入口主题2｜防腐蚀与化学侵蚀
自动全球专利信号已改由官方来源独立取件，并在科研雷达中按同族展示。这里仅保留人工延伸检索入口，不参与自动抓取或论文评分。
- Schlumberger 去官方库继续检索 Espacenet PATENTSCOPE
- Halliburton 去官方库继续检索 Espacenet PATENTSCOPE
主题3｜AI4S 赋能
0 items专利观察入口主题3｜AI4S 赋能
自动全球专利信号已改由官方来源独立取件，并在科研雷达中按同族展示。这里仅保留人工延伸检索入口，不参与自动抓取或论文评分。
- Schlumberger 去官方库继续检索 Espacenet PATENTSCOPE
- Halliburton 去官方库继续检索 Espacenet PATENTSCOPE