Con el rápido desarrollo del IoT, se han expuesto las desventajas del marco de la Nube, como la alta latencia, la congestión de red y la baja confiabilidad. Por lo tanto, ha surgido el marco de la Computación en la Niebla, con una Capa de Niebla extendida entre la Nube y los terminales. Para abordar la predicción en tiempo real de la demanda de electricidad, proponemos un enfoque basado en XGBoost y ARMA en un entorno de Computación en la Niebla. Aprovechando las ventajas del marco de la Computación en la Niebla, primero proponemos un algoritmo de clustering basado en prototipos para dividir a los usuarios empresariales en varias categorías según su consumo total de electricidad; luego proponemos un enfoque de selección de modelo analizando los registros históricos de consumo de electricidad de los usuarios e identificando las características más importantes. En general, si los registros históricos pasan la prueba de estacionariedad y ruido blanco, se utiliza ARMA para modelar el consumo de electricidad de los
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Modelización y análisis de canales vehículo-infraestructura no estacionarios con ángulos de llegada variables en el tiempo
Artículo:
Asignación de recursos de servicio basada en prioridades dinámicas para la resolución de conflictos consciente del contexto en una red de sabiduría con computación en la niebla.
Artículo:
Método estandarizado de evaluación de la acción de entrenamiento de tiro basado en tecnología de video digital.
Artículo:
Un Modelo de Función de Producción CES Gris y su Aplicación en el Cálculo de la Tasa de Contribución de los Factores de Crecimiento Económico.
Artículo:
Identificación de parámetros y control adaptativo de redes de oscilador Goodwin incierto con perturbaciones.