...
机译:比较分类器在预测在线购买行为中的预测能力:一项实证研究
Indian Institute of Management Raipur, Raipur, India;
Indian Institute of Management Raipur, Raipur, India;
Artificial Neural Network; Logistic Regression; Online Buying; Predicting Buying Behaviour; Random Forest; Support Vector Machines;
机译:预测在线购买行为-三种分类方法的比较研究
机译:网站属性及其对在线消费者购买行为的影响:孟买地区在线消费者的实证研究
机译:比较扩展分类器系统和遗传规划进行财务预测的实证研究
机译:帕金森病建模的句子写作测试:比较分类器的预测能力
机译:在线冲动购买模型:一项实证研究。
机译:在线购物者之间强制性和补偿性购买:实证研究
机译:本文提供了一个新的数值模型,该模型描述了暴露于高太阳热通量(高于1 / MW / m2)的热厚木材样品的行为。基于无量纲数的初步研究用于对问题进行分类并支持模型构建假设。然后,提出了一种基于质量,动量和能量平衡方程的模型。这些方程式与液体蒸汽干燥模型和假物种生物质降解模型耦合。通过与以前的实验研究进行比较,初步结果表明,这些方程不足以准确预测高太阳热通量下的生物量行为。的确,在样品暴露的表面上形成了充当辐射屏蔽层的炭层。除了这套经典的方程式之外,还必须考虑到辐射向介质的渗透。此外,由于生物质中含有水,因此还必须在炭蒸气汽化后进行连续的介质变形。最后,通过添加这两种策略,该模型能够在一定范围的样品初始水分含量下暴露于高辐射热通量的情况下,正确捕获生物质的降解。还得出了在高太阳热通量下生物量行为的其他见解。样品内部同时存在干燥,热解和气化前沿。这三个热化学前沿的共存会导致样品干燥产生的蒸汽产生焦炭气化,这是介质烧蚀的主要现象。