预测的时间序列是一个工程系统的重要组成部分。不仅可以准确的预测状态评估和趋势分析的支持,但它也使智能策略适用于工程规划、操作和管理。

然而,建立一个可靠和准确预测解决方案一直是具有挑战性的,因为短期静态的,潜在的长期动态、非线性和非平稳特征的时间序列的能量。时间序列预测的过程是过去工程系统的观测分析,发现潜在的功能,构建回归模型,预测未来。有各种方法,如自回归移动平均(ARIMA)集成,指数平滑法(ES),多元线性回归(高),灰色模型(GM),模糊回归(FR),贝叶斯预报,机器学习(ML),人工神经网络(ANN),高斯过程(GP)和逻辑回归(LR)等。

这种特殊的旨在调查时间序列的预测问题,特别强调能源工程。我们邀请作者提交他们的原始研究和评论文章探索能源问题和应用时间序列预测。

潜在的主题包括但不限于以下:

• 能源预测模型的优化方法
• 能源预测新技术
• 能源预测的建模技术相结合
• 非常规能源的小数据预测模型
• 各种能源预测模型的比较和分类
• 时间序列预测化石能源
• 时间序列预测的清洁能源
• 时间序列预测的新能源
• 时间序列预测可持续能源
• 时间序列预测的能源经济