The increasing worldwide demand for

The increasing worldwide demand for energy requires development
of intelligent forecasting methods and algorithms. The estimation
of energy demand based on economic and non-economic
indicators may be achieved by certain linear or non-linear statistical,
mathematical, and simulation models. The non-linearity of
these indicators and energy demand has led to a search for intelligent
solution approach methods such as genetic algorithms, fuzzy
regression, and neural networks. ANNs have been used in nonlinear
modeling and forecasting [1].

ผลลัพธ์ (ไทย) 1:

ความต้องการทั่วโลกเพิ่มขึ้นในพลังงานต้องการพัฒนาวิธีคาดการณ์อัจฉริยะและอัลกอริทึม การประเมินของเศรษฐกิจ และไม่ใช่เศรษฐกิจความต้องการพลังงานตัวบ่งชี้อาจทำได้ โดยเฉพาะเชิงเส้น หรือไม่เชิงเส้น สถิติคณิตศาสตร์ แบบจำลองและการ ที่ไม่ใช่แบบดอกไม้ของตัวบ่งชี้และพลังงานเหล่านี้นำความต้องการเพื่อค้นหาอัจฉริยะวิธีการวิธีการแก้ปัญหาเช่นพันธุอัลกอริทึม เอิบถดถอย และเครือข่ายประสาท ใช้ ANNs ในไม่เชิงเส้นการสร้างแบบจำลอง และพยากรณ์ [1]

ผลลัพธ์ (ไทย) 2:

ความต้องการทั่วโลกที่เพิ่มขึ้นสำหรับพลังงานที่ต้องมีการพัฒนาวิธีการพยากรณ์ที่ชาญฉลาดและขั้นตอนวิธี การประมาณของความต้องการพลังงานที่อยู่บนพื้นฐานของเศรษฐกิจและไม่ใช่ทางเศรษฐกิจตัวชี้วัดอาจทำได้โดยการเชิงเส้นหรือบางอย่างที่ไม่ใช่เชิงเส้นสถิติคณิตศาสตร์และแบบจำลอง ไม่ใช่เชิงเส้นของตัวชี้วัดเหล่านี้และความต้องการพลังงานที่ได้นำไปสู่การค้นหาความคิดสร้างสรรค์วิธีการวิธีการแก้ปัญหาดังกล่าวเป็นขั้นตอนวิธีพันธุกรรมเลือนถดถอยและเครือข่ายประสาท ANNs มีการใช้ในเชิงเส้นการสร้างแบบจำลองและการคาดการณ์[1]

ผลลัพธ์ (ไทย) 3:

เพิ่มความต้องการทั่วโลกสำหรับพลังงานต้องมีการพัฒนา
ฉลาดวิธีการพยากรณ์และขั้นตอนวิธี การประมาณค่าความต้องการพลังงานตาม

ไม่ใช่ตัวชี้วัดทางเศรษฐกิจและเศรษฐกิจได้ โดยบางเส้นหรือเส้นสถิติ
คณิตศาสตร์ โมเดลจำลอง ไม่เหล่านี้และความต้องการพลังงานของ
ชี้มี led เพื่อค้นหาฉลาด
วิธีการที่นำเสนอวิธีการเช่น อัลกอเลือน
ถดถอยและโครงข่ายประสาทเทียม แอนน์ได้ถูกนำมาใช้ในการจำลองและพยากรณ์ค่า
[ 1 ]