انتقل إلى المحتوى

Peerfordتحليلات البحث العلمي

الدول
المؤسسات
الباحثون
المجالات
التصنيفات
المقارنة
Commons

ابحث في المؤسسات والباحثين والدول والمنشورات

تسجيل الدخول

الدول
المؤسسات
الباحثون
المجالات
التصنيفات
المقارنة

Commonsحيث يتحدث الباحثون عن أعمالهم

ابحث في المؤسسات والباحثين والدول والمنشورات

كل رقم هنا يحسبه Peerford من الأعمال نفسها، بالطريقة نفسها لكل مؤسسة.

تصفّح

الدول
المؤسسات
الباحثون
المجالات
التصنيفات
Commons للباحثين

حول Peerford

كيف يحسب Peerford
المقارنة بين المؤسسات
الخصوصية
شروط الاستخدام

تواصل معنا

hello@peerford.com
https://wa.me/peerford · واتساب

اللغة

Englishالإنجليزية
Françaisالفرنسية
Portuguêsالبرتغالية
العربية

المظهر

النظامفاتحداكن

Samuel Nana Eshun · Peerford

University of Mines and Technology / الباحثون

SE

Samuel Nana Eshun

University of Mines and Technology

ينشر منذ 2026

Civil and Structural Engineering
Mechanics of Materials

السجل على OpenAlex
تنزيل السيرة الذاتية:PDF Word
المؤلفون المشاركون أماكن المؤلفين المشاركين كل المنشورات
هل هذا أنت؟ سجّل الدخول لتعديل ملفك

المنشورات: 12026
الاستشهادات: 1لتلك الأبحاث
مؤشر h: 1مؤشر i10: 0
التأثير المرجّح بالمجال: 2.831.00 هو المتوسط العالمي
أعلى 10% عالميًا: 0‎%‎0 من 1 من الأبحاث المقيَّمة
وصول مفتوح: 0‎%‎متاح للقراءة مجانًا: 0 بحث

حسب السنة

الاستشهادات الواردة كل سنة

Peerford

لمجمل الأعمال، بما فيها الأبحاث القديمة. ويحتسب Google Scholar أيضًا الاستشهادات من الرسائل الجامعية والكتب وصفحات الويب، لذا يأتي خطه أعلى.

موضوعات العمل

بحسب تصنيف كل بحث

المجالات الفرعية

Civil and Structural Engineering1100‎%‎
Mechanics of Materials1100‎%‎

Physical Sciences

أكثر الموضوعات تناولًا

Concrete and Cement Materials Research1
Innovative concrete reinforcement materials

المنشورات

1 إجمالًا

A hybrid metaheuristic-machine learning framework for high-fidelity prediction of geopolymer concrete compressive strength
2026Journal of Building Pathology and Rehabilitationمجلةاستشهاد واحد10.1007/s41024-026-00786-x

1

Rock Mechanics and Modeling1

أوعية النشر

Journal of Building Pathology and Rehabilitation1

إتاحة القراءة

0‎%‎ متاح للقراءة مجانًا

مغلق 1 · 100‎%‎خلف جدار دفع

الأكثر استشهادًا

A hybrid metaheuristic-machine learning framework for high-fidelity prediction of geopolymer concrete compressive strength
Journal of Building Pathology and Rehabilitation
2026استشهاد واحد