Scidown文献预览系统！
基于因子分析和长短期记忆的智能城市短期电力负荷预测( Short‐term electric power load forecasting using factor analysis and long short‐term memory for smart cities )
V Veeramsetty DR Chandra SR Salkuti day ahead market load forecasting long short‐term memory mean absolute error self‐adaptive Adam optimizer
电力负荷估计是电力系统运行人员实现系统稳定、优化运行的一项重要工作。本文提出了一种具有长短时记忆和因子分析的机器学习模型，用于预测变电站某一特定时刻的负荷。在2018年9月至2018年11月期间，在每天的每个小时，取自Warangal Kakatiya大学附近的33-/11伏变电站的历史负荷数据。基于Microsoft Azure笔记本中模拟预测变电站负荷的方法，设计了一种新的带因子分析的长短期记忆结构。通过研究发现，所提出的设计具有较好的预测精度。
SciDown文献求助系统（解决99%问题） Public Download Wiley ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 螨基因组的比较分析揭示了对饮食适应的积极选择下载