•  Persian
    • Persian
    • English
  •   ورود
  • دانشگاه فردوسی مشهد
  • |
  • مرکز اطلاع‌رسانی و کتابخانه مرکزی
    • Persian
    • English
  • خانه
  • انواع منابع
    • مقاله مجله
    • کتاب الکترونیکی
    • مقاله همایش
    • استاندارد
    • پروتکل
    • پایان‌نامه
  • راهنمای استفاده
View Item 
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  • همه
  • عنوان
  • نویسنده
  • سال
  • ناشر
  • موضوع
  • عنوان ناشر
  • ISSN
  • شناسه الکترونیک
  • شابک
جستجوی پیشرفته
JavaScript is disabled for your browser. Some features of this site may not work without it.

A protein inspired RNA genetic algorithm for parameter estimation in hydrocracking of heavy oil

نویسنده:
Kangtai Wang
,
Ning Wang
ناشر:
Elsevier Science
سال
: 2011
شناسه الکترونیک: 10.1016/j.cej.2010.12.036
یو آر آی: https://libsearch.um.ac.ir:443/fum/handle/fum/346428
کالکشن :
  • Latin Articles
  • دانلود: (852.2Kb)
  • نمایش متادیتا پنهان کردن متادیتا
  • آمار بازدید

    A protein inspired RNA genetic algorithm for parameter estimation in hydrocracking of heavy oil

Show full item record

contributor authorKangtai Wang
contributor authorNing Wang
date accessioned2020-03-11T00:20:58Z
date available2020-03-11T00:20:58Z
date issued2011
identifier other4uXzzs1VvYqAbl7lHQxa8ewyW0vxx_xkfk7uoeP_JxFx6TCpbv.pdf
identifier urihttps://libsearch.um.ac.ir:443/fum/handle/fum/346428
formatgeneral
languageEnglish
publisherElsevier Science
titleA protein inspired RNA genetic algorithm for parameter estimation in hydrocracking of heavy oil
typeJournal Paper
contenttypeFulltext
contenttypeFulltext
identifier padid2283523
identifier doi10.1016/j.cej.2010.12.036
journal titleChemical Engineering Journal
coverageAcademic
pages228-239
journal volume167
journal issue1
filesize872494
citations1
  • درباره ما
نرم افزار کتابخانه دیجیتال "دی اسپیس" فارسی شده توسط یابش برای کتابخانه های ایرانی | تماس با یابش
DSpace software copyright © 2019-2022  DuraSpace