[1] |
K.C.Ho,K.Marie,Y.J.Song,利用动态仿真建模进行建筑能耗预测的序列-序列深度学习模型,J.建筑。工程师。,43(2021), 102577. https://doi.org/10.1016/J.JOBE.2021.102577数字对象标识:2016年10月10日/J.JOBE.2021102577
|
[2] |
Liu R.,Wang Z.H,Chen H.H.,J.Yang,基于机器学习的能源消耗预测研究,IOP配置序列:地球环境。科学。,791(2021), 012100. https://doi.org/10.1088/1755-1315/791/1/012100数字对象标识:10.1088/1755-1315/791/1/012100
|
[3] |
N.M.M.Bendaoud,N.Farah,S.Ben Ahmed,将负荷曲线传播应用于基于机器学习的电能预测,选举人。电力系统。物件。,203(2022),107635。https://doi.org/10.1016/J.EPSR.2021.107635数字对象标识:2016年10月10日/J.EPSR.2021.107635
|
[4] |
冯建军,杨建军,李毅,王海宏,纪海宏,杨维阳,等,基于灰色理论和神经网络的电动汽车充电站负荷预测,能源代表。,7(2021), 487-492. https://doi.org/10.1016/J.EGYR.2021.08.015数字对象标识:2016年10月10日/J.EGYR.2021.08.015
|
[5] |
丁世华,陶振华,张海华,李毅,中国和美国核能消费预测:一个优化的结构自适应灰色模型,能源是的,239(2022), 121928. https://doi.org/10.1016/J.ENERGY.2021.121928数字对象标识:2016年10月10日/J.能源2021.121928
|
[6] |
高明扬,杨海良,肖庆忠,马克,基于Gompertz定律和分数灰色模型的碳排放预测新方法:来自美国工业部门的证据,可再生能源,181(2022), 803-819. https://doi.org/10.1016/J.RENENE.2021.09.072数字对象标识:2016年10月10日/J.RENENE.2021.09.072
|
[7] |
周文杰,潘建安,陶海华,丁绍,陈立林,赵晓霞,基于循环累积生成的新型灰色季节模型在中国能源消费预测中的应用,计算。工业工程。,163(2022), 107725. https://doi.org/10.1016/J.CIE.2021.107725数字对象标识:2016年10月10日/J.CIE.2021.107725
|
[8] |
P.Xiong,K.Li,H.Shu,J.Wang,使用分数阶不完全伽马灰色模型预测亚太地区的天然气消耗量,能源,237(2021), 121533. https://doi.org/10.1016/J.ENERGY.2021.121533数字对象标识:2016年10月10日/J.能源2021.121533
|
[9] |
项海凤,居民收入与消费结构的灰色关联分析与预测,阿卡德。J.总线。管理。 2(2020), 6-14. https://doi.org/10.25236/AJBM.2020.020302数字对象标识:10.25236/AJBM.2020.020302
|
[10] |
X.Yan,M.Y.Wu,基于旅游恩格尔系数的上海居民旅游消费结构研究,公共汽车。管理。物件。,2(2013), 136-148. https://doi.org/10.5430/bmr.v2n4p136文件索引:10.5430/bmr.v2n4p136
|
[11] |
邓家良,灰色系统控制问题,系统。控制信函。,1(1982), 288-294. https://doi.org/10.1016/S0167-6911(82)80025-X目录:10.1016/S0167-6911(82)80025-X
|
[12] |
张福平,刘晓凯,王凯,基于灰色模型的中国研究生教育规模预测,数学。实际。理论,49(2019), 318-323.https://doi.org/CNKI:SUN:SSSJS.0.2019中文版-15-037
|
[13] |
苏瑞霞,王晓云,沈建军,基于动态无偏灰色马尔可夫模型的中国煤炭需求预测,数学。实际。理论,49(2019), 179-186.https://doi.org/CNKI:SUN:SSJS。 0.2019-13-019
|
[14] |
吴斌、辛明、薄志东、王毅、蔡文伟,利用新型分数阶非线性灰色贝努利模型预测中国短期可再生能源消费,可再生能源,140(2019), 70-87. https://doi.org/10.1016/j.renene.2019.03.006数字对象标识:2016年10月10日/j.renene.2019.03.006
|
[15] |
邓建林,累计发电量的灰色指数规律,华中科技大学。Technol公司。,15(1987), 7-12. https://doi.org/10.13245/j.hust.1987.05.002数字对象标识:2002年5月10日至2009年5月19日
|
[16] |
Z.Yang,P.Ren,Y.G.Dang,GOM(1,1)模型的灰色反向累积生成与优化,系统。工程-理论协议。,29(2009), 162-166.https://doi.org/CNKI:SUN:XTLL.0.2009-08-022
|
[17] |
钱伟云,党永国,王永明,基于加权累加发电操作的GM(1,1)模型及其应用,数学。实际。理论,39(2009年),49-53。https://doi.org/CNKI:SUN:SSJS.0.2009-15-008
|
[18] |
周文杰,张海瑞,党永国,王志霞,新信息优先权累积灰色离散模型及其应用,下巴。管理。科学。,25(2017), 140-148. https://doi.org/10.16381/j.cnki.issn1003-207x.2017.08.015数字对象标识:10.16381/j.cnki.issn1003-207x.2017.08.015
|
[19] |
L Wu,S Liu,L Yao,S Yan,D Liu,分数阶累积灰色系统模型,Commun公司。非线性科学。数字。模拟。 18(2013), 1775-1785.https://doi.org/10.1016/j.cnsns.2012.11.017
|
[20] |
谢南明,刘秀凤,离散灰色预测模型及其优化,申请。数学。模型1。,33(2009), 1173-1186. https://doi.org/10.1016/j.pm.2008.01.011数字对象标识:2016年10月10日/j.apm.2008.011
|
[21] |
崔建峰,刘世芳,曾斌,谢新民,一种新型灰色预测模型及其优化,申请。数学。模型1。,37(2013), 4399-4406. https://doi.org/10.1016/j.apm.2012.09.052数字对象标识:2016年10月10日/j.apm.2012.09.052
|
[22] |
陈永生,陈海良,陈胜平,用新型非线性灰色贝努利模型NGBM预测台湾主要贸易伙伴的汇率(1,1),Commun公司。非线性科学。数字。模拟。 13(2008), 1194-1204. https://doi.org/10.1016/j.cnsns.2006.08.008数字对象标识:2016年10月10日/j.cnsns.2006.08.008
|
[23] |
X.Liu,N.Xie,双形参数非线性灰色预测模型及其应用,申请。数学。计算。 360(2009), 203-212. https://doi.org/10.1016/j.amc。2019.05.012 doi:10.1016/j.amc.2019.05.012
|
[24] |
Meng,Wei,Wu,L.F.,一种新的灰色多元预测模型在中国7个地区能源消费预测中的应用,能源,243(2022), 123024. https://doi.org/10.1016/j.energy.2021.123024数字对象标识:2016年10月10日/j.energy.2021.123024
|
[25] |
B.Zeng,H.Li,基于优化灰色系统模型的中国煤层气产量预测,能源燃料,35(2021), 4333-4344. https://doi.org/10.1021/acs.energyfuels.oc04195数字对象标识:10.1021/acs.能源燃料.0c04195
|
[26] |
J.Kennedy,R.Eberhart,粒子群优化,inIcnn95国际神经网络会议IEEE, 1995. |
[27] |
杨永宁,刘永宁,文春华,李海峰,王建峰,非线性时间分数波模型的有效时间二阶SCQ公式与混合元方法相结合,电子。Res.Arch.公司。,30(2022), 440-458. https://doi.org/10.3934/era.2022023数字对象标识:10.3934/era.2022023年
|