|
[1]
|
冯健雪, 王林均, 王建祥. 新工科背景下土力学课程教学改革实践探索[J]. 科教导刊, 2023(24): 103-105.
|
|
[2]
|
Templ, M. and Hofer, C. (2025) Compositional Analysis of the Relationships between the Organic Matter Content and Chemical and Physical Properties of Soil. Applied Geochemistry, 193, Article 106526. [Google Scholar] [CrossRef]
|
|
[3]
|
许增光, 李梦平, 曹成. 水利工程土与结构界面力学特性研究综述[J]. 水利水电科技进展, 2025, 45(5): 56-69.
|
|
[4]
|
雷华阳, 安涛, 王磊, 等. 人工地聚物结构性土的结构性评价及力学特性研究[J]. 岩土工程学报, 2025, 47(S2): 133-138.
|
|
[5]
|
许端端, 周艳清, 李倩, 等. 超星学习通教学平台在课程设计环节中的应用——以土力学与基础工程课程为例[J]. 黑龙江科学, 2022, 13(1): 72-73+76.
|
|
[6]
|
曾春华, 张会领, 吴光林, 等. 边坡稳定分析软件SLIDE在《土力学》教学中的应用[J]. 佳木斯职业学院学报, 2019(11): 230-231+233.
|
|
[7]
|
王海龙. 城市道路路基软地基处理过程中的市政工程技术探究[J]. 散装水泥, 2025(1): 160-162.
|
|
[8]
|
王增军, 王善烨, 余弦. 基于机器学习的土木工程结构损伤识别技术分析[J]. 石材, 2025(6): 105-107.
|
|
[9]
|
周世杰. 基于机器学习的冻融循环下黏土力学特性预测研究[D]: [硕士学位论文]. 哈尔滨: 哈尔滨理工大学, 2024.
|
|
[10]
|
汪姚文. 基于机器学习的宁波软土参数取值校正与可靠性分析研究[D]: [硕士学位论文]. 北京: 中国矿业大学, 2023.
|
|
[11]
|
陈元畅. 基于机器学习的粗粒土缩尺效应的迁移性研究[D]: [硕士学位论文]. 北京: 华北电力大学, 2023.
|
|
[12]
|
陈志雄, 仉文岗, 丁选明, 等. 基于三种机器学习模型的土力学课程目标达成情况分析研究[J]. 高等建筑教育, 2021, 30(6): 137-143.
|
|
[13]
|
李沐阳. 基于序列模型的粗粒土力学特性研究[D]: [硕士学位论文]. 北京: 华北电力大学, 2023.
|
|
[14]
|
齐晓琳. 考虑环境温度影响的水泥基粉土泡沬轻质土力学性能与配比设计方法[D]: [硕士学位论文]. 济南: 山东大学, 2021.
|
|
[15]
|
姜秀峰, 庄培芝, 钱远顺, 等. 基于稀疏地勘数据的岩土地层信息智能解析研究[J/OL]. 河南理工大学学报(自然科学版), 1-11. https://kns.cnki.net/kcms2/article/abstract?v=7DUETwKSFy6ngQpQdY-6ub9eVjtuYPe2WbGnAKOER1l-Ll2GRNdwucCfqbdVzVIWo3wOlybnsa3MFR8lVpyLVaCOOWbGi3dWjHz7ZilP88lM5TEhqyVM1mMtU9EiTseLR-fUmcmeEo52ZpwcFFyd456ZisQrM_8g7DEJdzKovg0=&uniplatform=NZKPT, 2025-11-13.
|
|
[16]
|
江晓童, 张西文, 吕颖慧, 等. 机器学习在岩土工程中的应用现状与未来展望[J]. 岩土力学, 2025, 46(S1): 419-436.
|
|
[17]
|
耿铭屿, 李兆焱, 张升, 等. 基于机器学习算法的土壤液化判别研究进展综述[J]. 世界地震工程, 2025, 41(1): 99-109.
|
|
[18]
|
王海静, 周博, 薛世峰, 等. 基于数值模拟和机器学习的岩石力学性能预测[J]. 实验室研究与探索, 2024, 43(7): 81-85.
|