作为一种低成本的环保旅行方式，公共自行车已在许多大城市中得到广泛应用，极大地便利了人们的日常生活。 但是，由于公共自行车的分配不平衡，在高峰时段很难在某些车站找到要出租的自行车或要归还的地方。 传统的调度方法具有滞后性，一般来说，调度车辆到达车站时需求可能会发生变化。 为了更好地解决此类问题，我们提出了一种基于短期需求预测的动态调度（DBS）模型。 在本文中，我们首先采用K均值对站点进行聚类，然后采用随机森林（RF）来预测每个聚类中自行车的结帐数量。 此外，应用多相似性推断模型计算每个站点的签出概率以进行签出预测，并提出了一个概率模型用于集群中的签入预测。 基于预测结果，应用增强遗传算法（E-GA）来优化自行车调度路线。 最后，我们通过芝加哥公共自行车共享系统（BSS）的一年数据集评估了模型的性能，该数据集拥有500多个站点和380万条旅行记录。 与其他预测方法和调度方法相比，该方法具有更好的性能。

Matlab小波神经网络进行短期电力负荷预测-小波神经网络进行短期电力负荷预测.rar 小波神经网络进行短期电力负荷预测

PersonalProjects:一组短期项目

最新完整英文版UL 746A :2021 Polymeric Materials -Short Term Property Evaluations (聚合材料-短期性能评估)。 本标准包括短期试验程序，用于评估用于电气终端产品特定用途的部件的材料。 连同第5节补充试验程序中提到的要求，这些调查提供了有关所考虑的材料的物理、电气、易燃、热和其他特性的数据，旨在为材料制造商、熔模商、最终产品制造商、安全工程师和其他有关各方提供指导。

基于卡尔曼滤波的风速序列短期预测方法

nz-covid19-electricity：通过电力需求模拟covid-19在新西兰的短期经济影响

完美日记短期内成为国货黑马原因分析上.docx

完美日记短期内成为国货黑马原因分析中.docx

DS5020因短期多次掉电控制器锁定，解锁方法

针对超短期负荷预测周期短，要求预测速度快的特点，构建了基于稳健回归和回声状态网络的超短期负荷预测方法。回声状态网络作为一种递归神经网络，其隐含层为一个储备池，并且通过线性回归训练网络，从而具有映射复杂动态系统的能力和训练快速的特点，能较好地满足超短期负荷预测的要求。考虑到异常负荷数据的影响，将稳健回归运用于网络训练阶段，以削弱异常值的影响，从而提升预测的精度。通过算例验证了所提方法的可行性和有效性。