机译:使用基于加权平均策略的基于OSELM的多智能体系统预测连续的国定假日的每日最大负荷
College of Graduate Studies, Universiti Tenaga Nasional, Jalan IKRAM-UNITEN, 43009 Kajang, Selangor, Malaysia;
Department of Engineering Design and Manufacture, Faculty of Engineering, University of Malaya, 50603 Kuala Lumpur, Malaysia;
gradient descent; load forecasting; multi-agent system; online sequential extreme learning; machine; weighted average;
机译:最小化对储热系统的高峰和非高峰需求-预测模型分析以预测第二天的日平均负荷和模型应用
机译:可再生能源与负荷预测的基于多智能体系统的微电网能源管理策略
机译:国庆节短期负荷预测的Big Bang-Big Crunch算法在区间2型模糊推理系统中的优化FOU案例研究:加里曼丹-印度尼西亚中南部
机译:使用带有特殊假日编码的快速传播神经网络进行每日负荷预测
机译:使用地理加权回归(GWR)方法和地理信息系统(GIS)估算年平均每日流量(AADT)。
机译:意大利Covid-19爆发的早期阶段的短期预测。将加权和累积平均每日增长率的应用应用于指数衰减模型
机译:在平日和周末的混合负载曲线特征的近连续假期的短期负荷预测
机译:Total maximum Daily Loads of Nitrogen for Three Tidal Tributaries and Total maximum Daily Load of Biochemical Oxygen Demand for One Tributary in the Newport Bay system, Worcester County, maryland.