{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[2022,4,3]]，“日期时间”：“2022-04-03T14:14:23Z”，“时间戳”：1648995263845}，“发布者位置”：“查姆”，“引用计数”：25，“出版商”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030638191”，“类型”：”打印“}，{“值”：“9783030638207”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}0:00:00Z“，”时间戳“：1577836800000}，”内容版本“：”vor“，“delay-in-days”：0，“URL”：“http:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days“：0，”URL“https:\/\www.springer.com\/tdm”}1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：1577836800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”:{“date-parts”：[2020]]}，”DOI“10.1007\/978-3030-63820-7_2”，“type”：“book-capter”，“created”“：{”日期部分“：[[2020,11,18]]，”日期时间“：“2020-11-18T09:12:07Z”，“时间戳”：1605690727000}，“页面”：“11-22”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：0，”title“：[”一种基于机器学习的简单新颖的医院能源使用预测方法：挪威的案例研究“]，”前缀“：”10.1007“，”作者“：[{”给定“：“Kai”，“family”：“Xue”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Yiyu”，“家族”：“Ding”，“sequence”，“additional”：“additionable”，“filiation“：[]{”given“：”Zhirong“，”family“：”Yang“，”sequence“：”additional Albert“，”family“：”Barillec“，”sequence“：“additional”，“affiliation”：[]}，{“given”：“Hans Martin”，“family”：“Mathisen”，”sequence“：”additional“，”affiliance“：[]neneneep，{”given“：”Meng“，”family“：”Liu“，”segment“：”additional“”affidiation“：[]}，”givent“：”Tor Emil“，”家族“：”Giske“，”序列“：”附加“，”从属关系“：[4]}，“givent”：”Liv Inger“，”家庭“：”Stenstad“，”sequence“：”additional“，”affiliation“：[]}，{“given”：“Guangyu”，“family”：“Cao”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[[2020,11,17]]}，“reference”：[{“key”：”2_CR1“，”doi-asserted-by“：”publisher“，”first page“85”，“doi”：“10.1016\/j.rser.2014.08.039”，“volume”：《41》，“author”：“D\u 00dcrge-Vorsatz“，”年份“：”2015“，”非结构化“：“\u00dcrge-Vorsatz，D.，Cabeza，L.F.，Serrano，S.，Barreneche，C.，Petrichenko，K.：建筑中的供暖和制冷能源趋势和驱动因素。更新.可持续能源评论41，85\u201398（2015）”，“日志标题”：“更新.可持续.能源评论”}，{“key”：“2_CR2”，“doi-asserted-by”：“publisher”，“first page”：”261“，“doi”：“10.1016\/j.enbuild.2015.05.056”，“volume”：“103”，“author”：“A Bagnasco”，“year”：“2015”，“unstructured”：“Bagnasco，A.，Fresi，F.，Saviozzi，M.，Silvestro，F.和Vinci，A.：医院设施用电量预测：应用案例。Energy Building 103，261\u2013270（2015）”，“journal-title”：“Energy Building”}，{“key”：”2_CR3“doi-asserted-by”：“publisher”，“first page”：“2279”，“DOI”：“10.3390\/en11092279”，“volume”：“11”，“author”：“AG Gonz\u00e1lez”，“year”：“2018”，“unstructured”：“Gonz\ u00e1-lez，A.G.，Sanz-Calcedo，J.，Salgado，D.：德国首都能源消耗评估：公共部门标杆管理。能源11，2279（2018）”，“journal-title”：“能源”}，{“密钥”：“2_CR4”，“DOI-asserted-by”：“cross”参考“，“非结构化”：“Dobosi，I.，Tanasa，C.，Kaba，N.-E.，Retezan，A.，Mihaila，D.：不同地点医院建筑能源性能分析的建筑能源建模。E3S会议网111，p.06073（2019）”，“DOI”：“10.1051 \/e3sconf \/201911106073”}，{“key”：“2_CR5”，“DOI-asserted-by”：“publisher”，“首页”：“419”，“DOI”：“10.1260\/2040-2295.6.3.419”，“volume”：“6”，“author”：“T Rohde”，“year”：“2015”，“unstructured”：“Rohde，T.，Martinez，R.：挪威一家大型教学医院的设备和能源使用情况。J.Healthc.Eng.6，419\u2013434（2015）”，“journal-title”：“J.Hearthc.Eng.”}，{“key”：：“10.1016\/j.jup.2019.03.004”，“volume”：“58”，“author”：“K Lindberg”，“year”：“2019”，“unstructured”：“Lindbeg，K.，Bakker，S.，Sartori，I.：建模非住宅建筑的电力和热负荷曲线，用于长期总负荷预测。公共事业政策58，63\u201388（2019）”，“期刊标题”：“公共事业政策”}，{“问题”：“1”，“关键”：“2_CR7”，“doi asserted by”：“publisher”，“首页”：“322”，“doi”：“10.1109\/TPWRS.20092030426”，“卷”：“25”，“作者”：“Y Chen”，“年份”：“2008”，“非结构化”：“Chen，Y.，Luh，P.，Rourke，S.：短期负荷预测：基于相似日的小波神经网络。IEEE Trans.Power Syst.25（1），322\u2013330（2008）”，“期刊标题”：“IEEE Trans.Power Syst.”}，{“key”：“2_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Yan，J.，Tian，C.，Huang，J.和Wang，Y.：使用双高斯过程模型进行负荷预测。摘自：《2012 IEEE服务运营与物流及信息学国际会议论文集》，第36\u201341页。IEEE（2012）“，“DOI”：“10.1109\/SOLI.2012.6273501”}，{“key”：“2_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yansia，L.，Shi，H.-F.：基于线性高斯状态空间模型的小时负荷预测。载于：2012年机器学习与控制论国际会议2，pp.741\u2013747。IEEE（2012）“，”DOI“：”10.1109\/IMCLC.2012.6359017“}，{”issue“：”2“，”key“：”2_CR10“，”DOI-asserted-by“：”publisher“，”first page“：“1055”，“DOI”：“10.1109\/TII.2013.2285650”，“volume”：“10”，“author”：“A Khosravi”，“year”：“2013”，“unstructured”：“Khosravi，A.，Nahavandi，S.：使用区间2型模糊逻辑系统进行负荷预测：最佳类型缩减。IEEE传输。Ind.通知。10（2），1055\u20131063（2013）“，“期刊标题”：“IEEE Trans。Ind.通知。“｝，｛”key“：”2_CR11“，”doi asserted by“：”publisher“，”first page“：”214“，”doi“：”10.1016\/j.enbuild.2014.08.0004“，”volume“：”84“，”author“：”JG Jetcheva“，”year“：”2014“，”非结构化“：”Jetcheva，j.G.，Majidpour，M.，Chen，W.-P:用于建筑级电力负荷预测的神经网络模型集合。Energy Build.84，214\u2013223（2014）“，”新闻标题“：”能源建设。“}，{”issue“：”3“，”key“：”2_CR12“，”doi-asserted-by“：”publisher“，”首页“：”229“，”doi“：”10.1016\/S0378-7788（00）00086-4“，”volume“：“33”，”author“：”V Richalet“，”year“：”2001“，”unstructured“：”Richalet，V.，Neirac，F.P.，Tellez，F.，Marco，J.，Bloem，J.J.：HELP（房屋能源标签程序）：方法和当前结果。能源建设。33（3），229\u2013233（2001）“，“新闻标题”：“能源建设。“}，{”key“：”2_CR13“，”doi-asserted-by“：”publisher“，”first page“：“115144”，“doi”：“10.1016\/j.apenergy.2020.15144”，“volume”：“270”，“author”：“W-Li”，“year”：“2020”，“unstructured”：“Li，W.，Gong，G.，Fan，H.，Peng，P.，Chun，L.：基于用户偏好和机器推荐系统的元学习策略，用于实时冷负荷和COP预测。申请。能源270，115144（2020）”，“新闻标题”：“申请。能源“}，{”问题“：“6”，”关键“：“2_CR14”，”首页“：“1316”，“卷”：“39”，“作者”：“刘JY”，“年份”：“2018”，“非结构化”：“Liu，J.Y.，Chen，H.X.，Wang，J.Y.，Li，G.N.，Shi，S.B.：基于数据挖掘技术的地铁站室内温度时间序列预测。《工程热物理杂志》39（6），1316\u20131321（2018）“，”杂志标题“：《工程热物理学杂志》}，{“key”：“2_CR15”，“doi-asserted-by”：“publisher”，“first page”：”109952“，”doi“：”10.1016\/j.enbuild.2020.109952“2020年”非结构化“：”Sendra-Arranz，R.，Guti\u00e9rrez，A.：预测建筑物每日暖通空调消耗的长短期记忆人工神经网络。能源大厦216109952（2020）“，”杂志标题“：”能源大厦“}，{“key”：“2_CR16”，“doi-asserted-by”：“publisher”，“首页”：“39”，“doi”：“10.1016\/j.ijrefrig.2019.07.018”，“卷”：“107”，“作者”：“T Liu”，“年份”：“2019”，“非结构化”：“Liu，T.，Xu，C.，Guo，Y.，Chen，H.：一种基于深度强化学习的短期HVAC系统能耗预测新方法。《国际期刊参考》107，39\u201351（2019）“，”期刊标题“：”《国际期刊》“}，{”密钥“：”2_CR17“，”doi-asserted-by“：”出版商“，”首页“：”3411“，”doi“：”10.1016\/J.egypro.2019.01.935“，”卷“：”158“，”作者“：”黄勇“，”年份“：”2019“，”非结构化“：”Huang，Y.，Yuan，Y.、Chen，H.、Wang，J.、Guo，Y.和Ahmad，T.：基于集成学习的住宅建筑能源需求预测新策略。Energy Procedia 158，3411\u20133416（2019）“，”journal-title“：”Energy Proedia“}，{“issue”：“10”，“key”：“2_CR18”，“doi-asserted-by”：“publisher”，“first page”：”26“，”doi“：”10.1016\/j.ifacol.2018.06.231“，”volume“：”51“，”author“：”YI Alamin“，”year“：”2018“，”unstructured“：”Alamin，Y.I.，\u00c1lvarez，J.D.，del Mar Castilla，M.，Ruano，A.：预测HVAC系统电力负荷分布的人工神经网络（ANN）模型。IFAC-PapersOnLine 51（10），26\u201331（2018）“，“journal-title”：“IFAC-PagesOnLine”}，{“issue”：“10”，“key”：“2_CR19”，“doi-asserted-by”：“publisher”，“first page”：”1637“，“doi”：“10.1016\/j.enbuild.2010.04.006”，“volume”:“42”，“author”：“Z Yu”，“year”：“2010”，“unstructured”：“Yu，Z.，Haghighat，F.，Fung，B.C.M.，Yoshino，H.：建筑能源需求建模的决策树方法。能源建筑42（10），1637\u20131646（2010）”，“新闻标题”：“能源建筑”}，{“key”：“2_CR20”，“doi-asserted-by”：“publisher”，“first page”：”290“，“doi”：“10.1016\/j.envsoft.2016.06.20”，”volume“：”84“，”author“：”B Gong“，”year“：”2016“，”unstructured“：”Gong，B.，Ordieres-Mer\u00e9，J.：通过预处理和集成人工智能技术预测每日最大臭氧阈值超标：香港案例研究。环境。模型软件。84，290\u2013303（2016）“，“新闻标题”：“环境。模型软件。“}，{”key“：”2_CR21“，”doi-asserted-by“：”publisher“，”first page“：“5”，”doi“：”10.1023\/A:1010933404324“，”volume“：：”45“，”author“：”L Breiman“，”year“：”2001“，”unstructured“：”Breiman，L.：机器学习，volume 45，Number 1-SpringerLink.Mach.Learn.45，5\u201332（2001）“，”journal-title“：”Mach.Lern.“}”，{“key”：“2_”CR22“，”doi-asserted-by“：”publisher“，”第一页“：”117“，”DOI“：”10.1016\/j.enbuild.2018.05.031“，”volume“：”173“，“author”：“Z Wu”，“year”：“2018”，“unstructured”：“Wu，Z.，et al.：使用集成机器学习方法-Bagging预测建筑物中的居住者热舒适度。Energy Buildings 173，117\u2013127（2018）“，”journal-title“：”Energy Buildings“}，{“key”：“2_CR23”，”first page“：”1“，”volume“：“1”，“author”：“G Ridgeway”，“year”：“2005”，“unstructured”：“Ridgeway.，G.：广义增强模型：GBM包指南。Compute.1，1_201312（2005）”，“journal-title”：“Compute.”}，}“key:”2_CR24“，”unstructure“：”Scikit-learn。https:\/\/scikit-learn.org\/。Accessed 2020”}，{“key”：“2_CR25”，“unstructured”：“董事会，T.B.Q:https:\/\/dibk.no\/byggereglene\/byggtekisk-forskrift-tek17\/10\/inwledning.Accessed 2020”}]，“container-title”：[“Computer and Information Science中的通信”，“Neural Information Processing”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-63820-7_2“，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2021,4,24]]，“date-time”：”2021-04-24T10:16:37Z“，“timestamp”：1619259397000}，“score”：1，“resource”:{“primary”：{“URL”：“https://link.springer.com\/10.1007\/978-3-030-63820-7_2“｝｝，”副标题“：[]，”短标题“：[]，”已发布“：｛”日期部分“：[[2020]]｝，”国际标准图书编号“：[”9783030638191“，”9783030638207“]，”引用次数“：25，”URL“：”http:\/\/dx.doi.org/10.1007\/978-3-030-63820-7_2“，”关系“：｛｝，”国际标准图书编号“：[”1865-0929“，”1865-0937“]，”ISSN type“：[｛”value“：”1865-0929“，”type“：”print“｝，｛”value“：”1865-0937“，”type“：“electronic”}]，”subject“：[]，”published“：{“date-parts”：[[2020]]}，”assertion“：[{“value”：“2020年11月17日”，”order“：1，”name“：”first_online“，”label“：”first online“，“group”：：“conference acronym”，“group”：{“name”：ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”International Conference on Neural Information Processing“，”order“：2，”name“：”Conference_name“，”标签“：”会议名称“，”group“：会议信息“，”label“：”会议信息“}}，{”value“：”泰国“，”order“：4，”name“：”Conference_country“，”标签“：”开会国家“，”group“：}，{“value”：“2020年11月18日”，“order”：7，“name”：“conference_start_date”，“label”：“会议开始日期”，“group”：，“order”：9，“name”：“conference_number”，“label”：“conference number”，“group”：{“name”:“ConferenceInfo”，”label“：“Confection Information”}}，{“value”：“iconip2020”，“order:10，”name“：”conference_id“，”lable“：”ConferenceID“，”group“：{”name“:”ConferencieInfo“，”label“：”会议信息“}}”，{”value“：”http://www.apnns.org \/iconip2020“，”order“：11，”name“：“conference_url”，“label”：“会议url”，“group”：{“name”：“ConferenceInfo”，“标签”：“大会信息”}}：“conference_management_system”，“label”：“会议管理系统”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“618”，“order”：3，“name”：“number_of_submissions_sent_for-Review”，“label”：“发送供评审的提交数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评议信息（由会议组织者提供）”}}，{“value”：“187”，“order”：4，“name”：“number_of_full_papers_accepted”，”label“：“已接受的全文数”，“group”：{“name”:“ConfeventPeerReveewInformation“，”lable“：”同行评议信息（由会议主办方提供）“}}}：“189”，“order”：5，“name”：“number_of_short_papers_accepted”已接受的全文数\/已发送供审阅的提交数*100”，然后四舍五入为整数。“，”顺序“：6，”名称“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”组“：{”name“：”ConfEventPeerReviewInformation“，”label“：”同行审阅信息（由会议组织者提供）“}}，{”value“：”3.18“，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评论数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评论信息（由会议组织者提供）”}}，{“value”：“3.68”，“order:8”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“由于新冠肺炎疫情，会议实际上举行了。”，“order”：10，“name”：“additional_info_on_review_process”，“label”：“审核过程的附加信息”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行审核信息（由会议组织者提供）”}}]}}