Wyszukiwarka
ISSN:
1543-5075
eISSN:
1543-5083
Dyscypliny:
- architektura i urbanistyka (Dziedzina nauk inżynieryjno-technicznych)
- inżynieria chemiczna (Dziedzina nauk inżynieryjno-technicznych)
- inżynieria lądowa, geodezja i transport (Dziedzina nauk inżynieryjno-technicznych)
- inżynieria środowiska, górnictwo i energetyka (Dziedzina nauk inżynieryjno-technicznych)
- nauki leśne (Dziedzina nauk rolniczych)
- rolnictwo i ogrodnictwo (Dziedzina nauk rolniczych)
- stosunki międzynarodowe (Dziedzina nauk społecznych)
- nauki chemiczne (Dziedzina nauk ścisłych i przyrodniczych)
Punkty Ministerialne: Pomoc
| Rok | Punkty | Lista |
|---|---|---|
| Rok 2024 | 40 | Ministerialna lista czasopism punktowanych 2024 |
| Rok | Punkty | Lista |
|---|---|---|
| 2024 | 40 | Ministerialna lista czasopism punktowanych 2024 |
| 2023 | 40 | Lista ministerialna czasopism punktowanych 2023 |
| 2022 | 40 | Lista ministerialna czasopism punktowanych (2019-2022) |
| 2021 | 40 | Lista ministerialna czasopism punktowanych (2019-2022) |
| 2020 | 40 | Lista ministerialna czasopism punktowanych (2019-2022) |
| 2019 | 40 | Lista ministerialna czasopism punktowanych (2019-2022) |
| 2018 | 30 | A |
| 2017 | 30 | A |
| 2016 | 25 | A |
| 2015 | 30 | A |
| 2014 | 30 | A |
| 2013 | 30 | A |
| 2012 | 20 | A |
| 2011 | 20 | A |
| 2010 | 20 | A |
Model czasopisma:
Hybrydowe
Punkty CiteScore:
| Rok | Punkty |
|---|---|
| Rok 2023 | 6.6 |
| Rok | Punkty |
|---|---|
| 2023 | 6.6 |
| 2022 | 6.1 |
| 2021 | 4.7 |
| 2020 | 3.5 |
| 2019 | 2.8 |
| 2018 | 2.9 |
| 2017 | 2.4 |
| 2016 | 2.3 |
| 2015 | 2 |
| 2014 | 2.9 |
| 2013 | 2.7 |
| 2012 | 2.4 |
| 2011 | 1.4 |
Impact Factor:
Zaloguj się aby zobaczyć Współczynnik Impact Factor dla tego czasopisma
Sherpa Romeo:
Prace opublikowane w tym czasopiśmie
Filtry
wszystkich: 1
Katalog Czasopism
Rok 2024
-
Improving the prediction of biochar production from various biomass sources through the implementation of eXplainable machine learning approaches
PublikacjaExamining the game-changing possibilities of explainable machine learning techniques, this study explores the fast-growing area of biochar production prediction. The paper demonstrates how recent advances in sensitivity analysis methodology, optimization of training hyperparameters, and state-of-the-art ensemble techniques have greatly simplified and enhanced the forecasting of biochar output and composition from various biomass...
wyświetlono 400 razy