{“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”：[[2023,4,14]]，“日期时间”：“2023-04-14T04:57:33Z”，“时间戳”：1681448253797}，“发布者位置”：“新加坡”，“引用计数”：20，“发布商”：“Springer Nature Singapore”，“isbn-type”：[{“值”：“9789819916443”，“类型”：”print“}，{“值”：“9789819916450”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/researters\/text-and-data-mining”}，{“开始”：{“date-ports”：[2023,1,1]，“日期-时间”：“2023-01-01T00:00:00Z”，“时间戳”：16725312000000｝，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https:\/\/wspringernature.com\/gp\/researchers\/text and data mining”｝]，“内容域”：｛“域”：[“link.springer.com”]，“交叉标记限制”：false｝，“短容器标题”：[]，“已出版印刷品”：｛“日期部分”：[[2023]]]｝，“DOI”：“10.1007\/978-981-9-1645-0_14”，“类型”：“书籍章节”，“created”：{“date-parts”：[[2023,4,13]]，“date-time”：“2023-04-13T17:03:13Z”，“timestamp”：1681405393000}，“page”：“164-175”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“带\u00a0Wind的卷积：用于\u00a 0多翼涡轮机超短期风力发电预测的并行线积分卷积网络”]，“前缀”：“10.1007”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0003-4039-2355”，“authenticated-ORCID”：false，“给定”：“瑞果”，“家族”：“余”，“序列”：“第一”，“从属关系”：[]}，{“给定”，“家族”：“徐”，“序列”：“附加”，“从属关系”：[]}，{“给定”：“建”，“家庭”：“余”，“顺序”：“额外”，“隶属关系”：[]}“：{”日期部分“：[[2023,4,14]]}，“reference”：[{“key”：“14_CR1”，“doi-asserted-by”：“crossref”，”unstructured“：“Aykas，D.，Mehrkanoon，S.：风速预测的多流图形关注网络。收录于：2021 IEEE计算智能（SSCI）研讨会系列，第1\u20138页。IEEE（2021）“，”DOI“：”10.1109\/SSCI50451.2021.9660040“}，{“key”：“14_CR2”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cabral，B.，Leedom，L.C.：使用线积分卷积的成像向量场。摘自：《第20届计算机图形与交互技术年会论文集》，第263\u2013270（1993）页”，“DOI”：“10.1145\/166117.166151”}issue“：”10“，”key“：”14_CR3“，”doi-asserted-by“：”publisher“，”first-page“：”6981“，”doi“：”10.1109\/TII.2021.3063530“，”volume“：“17”，”author“：”L Cheng“，”year“：”2021“，”unstructured“：”Cheng，L.，Zang，H.，Xu，Y.，et al.：用于风力预测的增广卷积网络：一种新的具有时空图像输入的递归建筑设计。IEEE传输。Ind.Inf.17（10），6981\u20136993（2021）“，”日记标题“：”IEEE Trans。Ind.Inf.“}，{”key“：”14_CR4“，”unstructured“：”Council，G.W.E.：Gwec|global wind report 2021。全球风能理事会，比利时布鲁塞尔（2021）“}，{”问题“：”12“，”关键“：”14_CR5“，”doi-asserted-by“：”publisher“，”首页“：”1945“，“doi”：“10.1002\/we.1682”，“volume”：“17”，“author”：“J Dowell”，“year”：“2014”，“unstructured”：“Dowell，J.，Weiss，S.，Hill，D.等人：风速和风向的短期时空预测。风能17（12），1945\u20131955（2014）“，”journal-title“：”Wind Energy“}，{“key”：“14_CR6”，“doi-asserted-by”：“publisher”，“first-pages”：“355”，“doi”：“10.1016\/j.apenergy.2015.03.121”，“volume”：”151“，“author”：“C Draxl”，“year”：“2015”，“unstructured”：“Draxl，C.，Clifton，A.，Hodge，B.M.，et al.：风能综合国家数据集（Wind）工具箱。申请。能源151，355\u2013366（2015）“，“新闻标题”：“申请。能源“}，{”key“：”14_CR7“，”doi-asserted-by“：”publisher“，”first page“：“1245”，”doi“：”10.1016\/j.apenergy.2017.01.043“，”volume“：‘190’，”author“：”C Feng“，”year“：”2017“，”unstructured“：”Feng，C.，Cui，M.，Hodge，B.M.等人：一种数据驱动的多模型方法，具有短期风预测的深度特征选择。申请。能源1901245\u20131257（2017）“，“新闻标题”：“申请。能源“}，{“问题”：“3”，“关键”：“14_CR8”，“doi-asserted-by”：“出版商”，“首页”：“2978”，“doi”：“10.1109\/TPWRS.2012.227843”，“卷”：“28”，“作者”：“X Han”，“年份”：“2012”，“非结构化”：“Han，X.，Qu，Y.，Wang，P.等人：风电场电力系统充分性评估的四维风速模型。IEEE Trans.power Syst.28（3），2978\u20132985（2012）“，”期刊标题“：”IEEE Trans。电力系统。“}，{”key“：”14_CR9“，”doi-asserted-by“：”publisher“，”首页“：”17“，”doi“：”10.1016\/j.renene.2019.03.041“，”卷“：”140“，”作者“：”R Hu“，“年份”：“2019”，”非结构化“：”Hu，R.，Hu，W.，G\u00f6kmen，N.，等：基于小波分解相空间重构和自组织映射的高分辨率风速预测。更新。能源140，17\u201331（2019）“，“新闻标题”：“更新。能源“}，{”问题“：“2”，”关键“：“14_CR10”，”doi-asserted-by“：”出版商“，”首页“：”670“，”doi“：”10.1109\/TSTE.2018.2844102“，”卷“：”10“，”作者“：”M Khodayar“，”年份“：”2019“，”非结构化“：”Khodayer，M.，Wang，J.：用于短期风速预测的时空图形深度神经网络。IEEE Trans.Sustain.Energy 10（2），670\u2013681（2019）.https:\/\/doi.org\/10.109\/TSTE.2018.2844102“，”journal-title“：”IEEE Trans。维持。Energy“}，{”issue“：”3“，”key“：”14_CR11“，”doi-asserted-by“：”publisher“，”first page“：“533”，”doi“：”10.1007\/s13143-020-00212-3“，“volume”：“57”，“author”：“Y Li”，“year”：“2021”，“unstructured”：“Li，Y.，Lang，J.，Ji，L.，et al.：使用时空注意网络集成和多层感知机进行天气预报。Asia-Pac.J.Atmos.Sci.57（3），533\u2013546（2021）”，“期刊标题”：“亚太地区。J.大气。科学。“}，{”issue“：”1“，”key“：”14_CR12“，”doi-asserted-by“：”publisher“，”first-page“：”26“，”doi“：”10.1038\/s41560-018-0281-2“，”volume“：“4”，”author“：”J Lundquist“，”year“：”2019“，”unstructured“：”Lundquister，J.，DuVivier，K.，Kaffine，D.等人：不协调风能开发引起的风机尾流效应的成本和后果。Nat。Energy 4（1），26\u201334（2019）“，”journal-title“：”Nat.Energy“}，{”key“：”14_CR13“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.Energy.2020.117081“，”volume“：“196”，“author”：“Z Niu”，“year”：“2020”，“unstructured”：“Niu，Z.，Yu）“，”journal-title“：”Energy“}，{”key“：”14_CR14“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.knosys.2020.106052“，”volume“：“201”，”author“：”Z Song“，”year“：”2020“，”unstructured“：”Song，Z.，Tang，Y.，Ji，j.等：评估用于风速预测的树突神经元模型。基于知识的系统201，106052}，｛“key”：“14_CR15”，“doi asserted by”：“publisher”，“first page”：“134422”，“doi”：“10.1109\/ACCES.2020.3011060”，“volume”：“8”，“author”：“Z Sun”，“year”：“2020”，“nonstructured”：“Sun，Z.，Zhao，M.:基于VMD分解、ConvLSTM网络和误差分析的短期风电预测。IEEE ACCESS 8，134422\u2013134434（2020）”，“期刊标题”：“IEEE Access”}，{“key”：“14_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Wilms，H.，Cupelli，M.，Monti，A.，et al.：利用基于rnn的风电预测的时空相关性。摘自：2019年IEEE PES GTD亚洲国际大会议和博览会（GTD Asia），pp.921\u2013926。IEEE（2019）“，”DOI“：”10.1109\/GTDAsia.2019.8715887“}，{”issue“：”12“，”key“：”14_CR17“，”DOI-asserted-by“：”publisher“，”first page“：“2062”，“DOI”：“10.1049\/iet-rpg.2018.5917”，“volume”：“13”，“author”：“YX Wu”，“year”：“2019”，“unstructured”：“Wu，Y.X.，Wu，Q.B.，Zhu，J.Q.：使用深度特征提取和LSTM的数据驱动风速预测。IET更新。发电机。13（12），2062\u20132069（2019）“，“新闻标题”：“IET更新。发电机。“}，{”key“：“14_CR18”，”doi-asserted-by“：”publisher“，”first page“：”249“，”doi“：”10.1016\/j.apenergy.2019.01010“，“volume”：“238”，“author”：“R Yu”，“year”：“2019”，“unstructured”：“Yu，R.，Liu，Z.，Li，X.，et al.：场景学习：通过将涡轮机嵌入电网空间进行风力发电预测的深度卷积网络。Appl.Energy 238，249\u2013257（2019）“，”journal-title“：”应用程序。能源“}，{“问题”：“6”，“关键”：“14_CR19”，“doi-asserted-by”：“publisher”，“首页”：“6117”，“doi”：“10.1109\/TIA.2020.292945”，“卷”：“56”，“作者”：“Y Yu”，“年份”：“2020”，“非结构化”：“Yu，Yu，Han，X.，Yang，M.，et al.：基于时空分位数回归的区域风电功率概率预测。IEEE Trans.Ind.Appl.56（6），6117\u20136127（2020）”，“期刊标题”：“IEEE Trans。Ind.申请。“}，{”issue“：”4“，”key“：”14_CR20“，”doi-asserted-by“：”publisher“，”first-page“：”2205“，”doi“：”10.1109\/TSTE.2021.3086851“，”volume“：“12”，”author“：”H Zhang“，”year“：”2021“，”unstructured“：”Zhang，H.，Yan，J.，Liu，Y.，et al.：概率风电预测的多源和时间关注网络。IEEE Trans.Sustain.Energy 12（4），2205\u20132218（2021）“，”日志标题“：”IEEE Trans。维持。Energy“}]，“container-title”：[“Communications in Computer and Information Science”，“Neural Information Processing”]，“original-title“：[]，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-991-99-1645-0_14”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}，“deposed”：{date-parts“：[[2023,4,13]]，”date-time“：”2023-04-13T17:13:05Z“，”timestamp“：1681405985000}，”score“：1，”resource“：{”primary“：”URL“：”https:\/\/link.springer.com\/10.1007\/978-981-99-1645-0_14“}，“subtitle”：[]，“shorttitle”：[]，“issued”：{，“9789819916450”]，“references-count”：20，“URL”：“http:\/\/dx.doi.org\/10.1007\/978-981-99-1645-0_14“，”关系“：{}，”ISSN“：[”1865-0929“，”1865-0.937“]，”ISSN-type“：[{”值“：”1865-09 29“，“type”：“print”}，{”价值“：”865-0937“，”类型“：”电子“}]，”主题“：[]，”发布“：{”日期段“：[2023]]}，“断言”：[{-“价值”：“2023年4月14日”，“订单”：1，“名称”：“first_online”，“标签”：“第一在线”，“群组”：{”name“：”ChapterHistory“，”label“：”Chapter History”}}，{“value”：“ICONIP”，“order”：1，“name”：“conference_acrombit”，“label”：“conference缩写”，“group”：{“name”:“ConferenceInfo”，“table”：“会议信息”}}}name“：”ConferenceInfo“，”label“：”会议信息“}}，{“value”：“新德里”，“order”：3，“name”：“Conference_city”，“label”：“会议城市”，“group”：会议信息“}}，{”value“：”2022“，”order“：5，”name“：”Conference_year“，”label“：”Conference_year“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}、{“value”：“2022年11月22日”，“order”：7，“name”:“Conference_start_date”，：“2022年11月26日“，”order“：8，”name“：”conference_end_date“，”label“：”会议结束日期“，”group“：名称“：”conference_id“，”label“：”会议id“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”https:\/\/iconnip2022.apnns.org\/“，”order“：11，“name”：“conferenceurl”，“label”：“会议url”，“group”：{“name”:“ConferenceInformo”，“table”：“ConferencieInformation”}}}、{“value”：“Single-blind”，“order”：1，“name“”：“type”，“label”：“type”，“group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information“（由会议组织者提供）”}}，{“value”：“Easy Chair”，“order”：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：同行评审信息（由会议组织者提供）“}}，{“value”：“810”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息”（由会议主办方提供）number_of_full_papers_accepted“，”label“：”接受的全文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”0“，”order“：5，”name“:”number_ of_short_papers_Accepteded“，”table“：”已接受的短文数“，“group”：{“name”：“”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”44%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”2.65“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评议信息（由会议组织者提供）“}}，{“value”：“3”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）”}}external_reviewers_involved“，”label“：”涉及的外部审阅者“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行审阅信息（由会议组织者提供）“}}，{”value“：”ICONIP 2022由一个两卷集LNCS和CCIS组成，其中包括146和213篇论文“，”order“：10，”name“additional_info_on_Review_process”，“label“：”审阅过程的附加信息“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“:”同行审阅信息（由会议组织者提供）“}}]}}