ضمیمه . مراجع (مجموعه داده های Wos و Scopus)

ضمیمه فهرستی از کلیه مقالات موجود در این مطالعه را به عنوان داده هایی برای اعمال روش کتابسنجی نشان می دهد (این فهرست به صراحت توسط داوران درخواست شده است).

• 1.

  آفتاب، ام.، چن، سی، چاو، CK، و راهوان، تی. کنترل خودکار تهویه مطبوع با تشخیص اشغال بلادرنگ و کنترل پیش بینی مدل هدایت شده با شبیه سازی در سیستم تعبیه شده کم هزینه. انرژی و ساختمان ها، 154، 141-156، (2017).

• 2.

  شبکه های بزرگراه عمیق و مجموعه درختی برای پیش بینی مصرف انرژی ساختمان در کوتاه مدت. انرژی ها، 11(12)، 3408، (2018).

• 3.

  احمد، MW، Reynolds، J.، & Rezgui، Y. (2018). مدل سازی پیش بینی برای سیستم های انرژی حرارتی خورشیدی: مقایسه رگرسیون بردار پشتیبان، جنگل تصادفی، درختان اضافی و درختان رگرسیون. مجله تولید پاک کننده، 203، 810-821، (2018).

• 4.

  احمد، تی، و چن، اچ (2018). پتانسیل سه نوع مدل یادگیری ماشینی برای پیش‌بینی تقاضای انرژی میان‌مدت و بلندمدت سطح ناحیه در محیط شبکه هوشمند. انرژی، 160، 1008-1020، (2018).

• 5.

  Ahmad, T., Chen, H., Shair, J., & Xu, C. استقرار مدل های پیش بینی بار خنک کننده افق کوتاه مدت و میان مدت داده کاوی برای بهینه سازی و مدیریت انرژی ساختمان. مجله بین المللی تبرید، 98، 399-409، (2019).

• 6.

  احمد، تی، ژانگ، اچ، و یان، بی. (2020). مروری بر مدل‌های پیش‌بینی نیاز انرژی تجدیدپذیر و برق برای شبکه‌های هوشمند و ساختمان‌ها شهرها و جامعه پایدار، 55، 102052، (2020).

• 7.

  Ahn, J., & Cho, S. (2017). سیستم‌های کنترل باند مرده در مقابل یادگیری ماشین: تجزیه و تحلیل مزایای کنترل و بهره‌وری انرژی. مجله مهندسی ساختمان، 12، 17–25، (2017). علوی پناه، س.، شرایر، ج.، هاسه، دی.، دریاچه ها، ت.، و قریشی، س. تأثیر شاخص های چند بعدی بر شرایط حرارتی شهری. مجله تولید پاک کننده، 177، 115-123، (2018).

• 8.

  پلتفرم‌های آلبرتی، AM، سانتوس، MA، سوزا، آر، داسیلوا، HDL، کارنیرو، جی‌آر، فیگوایردو، VAC و رودریگز، جی‌جی برای محیط‌های هوشمند و طراحی اینترنت آینده: یک نظرسنجی. دسترسی IEEE، 7، 165748–165778، (2019).

• 9.

  Al-Jarrah، OY، Al-Hammdi، Y.، Yoo، PD، Muhaidat، S.، & Al-Qutayri، M. مدل خوشه‌بندی چند لایه نیمه نظارت شده برای تشخیص نفوذ. ارتباطات و شبکه های دیجیتال، 4 (4)، 277-286، (2018).

• 10.

  Aljunid، MF، & Doddaghatta Huchaiah، M. رویکرد یادگیری عمیق چند مدل برای سیستم توصیه فیلتر مشترک. معاملات CAAI در فناوری اطلاعات، 5 (4)، 268-275، (2020).

• 11.

  Almalaq, A., Hao, J., Zhang, JJ, & Wang, FY ساختمان موازی: یک رویکرد سیستمی پیچیده برای مدیریت انرژی ساختمان هوشمند. مجله IEEE/CAA Automatica Sinica، 6(6)، 1452-1461، (2019).

• 12.

  الرخامی، م.، گمایی، ع.، السناد، ع.، علمری، ع.، و حسن، م.م. رویکرد یادگیری گروهی برای پیش‌بینی دقیق بار انرژی در ساختمان‌های مسکونی. دسترسی IEEE، 7، 48328–48338، (2019).

• 13.

  Alsaleem, F., Tesfay, MK, Rafaie, M., Sinkar, K., Besarla, D., & Arunasalam, P. چارچوب IoT برای مدلسازی و کنترل آسایش حرارتی در ساختمانها. مرزها در محیط ساخته شده، 87، (2020).

• 14.

  Amayri, M., Arora, A., Ploix, S., Bandhyopadyay, S., Ngo, QD, & Badarla, VR تخمین اشغال در محیط حسگر ناهمگن. انرژی و ساختمان ها، 129، 46-58، (2016).