本书为新能源（能源化学）战略性新兴领域“十四五”高等教育教材。全书紧密围绕能源行业需求，瞄准理论与前沿技术，融合行业特色案例，全面介绍能源大数据与人工智能技术，既注重理论知识的系统性和科学性，又强调实践应用的针对性和可操作性。全书共分为四篇：能源大数据与人工智能概述、大数据技术、人工智能技术、大数据与人工智能在能源领域的实践；具体分为10章，从基础理论到前沿应用，循序渐进地展开论述。
本书可供大数据、人工智能及能源化学等相关专业的本科生或研究生使用，也可供相关人员参考。
- 前辅文
- 第一篇 能源大数据与人工智能概述
- 第1章 能源大数据概述
- 1.1 能源大数据内涵
- 1.2 能源大数据相关技术
- 1.3 能源大数据应用
- 本章习题
- 参考文献
- 第2章 人工智能与能源
- 2.1 人工智能及其在能源领域的发展
- 2.2 人工智能在能源领域的应用
- 本章习题
- 参考文献
- 第二篇 大数据技术
- 第3章 大数据采集与存储
- 3.1 概述
- 3.2 大数据采集
- 3.3 大数据存储
- 本章习题
- 参考文献
- 第4章 大数据分析与可视化
- 4.1 大数据分析
- 4.2 大数据可视化
- 4.3 大数据分析与可视化工具
- 本章习题
- 参考文献
- 第三篇 人工智能技术
- 第5章 深度学习
- 5.1 多层感知机
- 5.2 卷积神经网络
- 5.3 循环神经网络
- 5.4 注意力机制
- 本章习题
- 参考文献
- 第6章 文本挖掘
- 6.1 文本挖掘概述
- 6.2 文本分析基础
- 6.3 文本向量化
- 6.4 情感分析
- 本章习题
- 参考文献
- 第7章 知识图谱
- 7.1 知识图谱基础
- 7.2 知识图谱构建
- 本章习题
- 参考文献
- 第四篇 大数据与人工智能在能源领域的实践
- 第8章 天然气需求预测模型
- 8.1 功能需求
- 8.2 模型构建
- 8.3 模型评估
- 8.4 实验
- 参考文献
- 第9章 光伏电池故障检测模型
- 9.1 功能需求
- 9.2 模型构建
- 9.3 模型评估
- 9.4 实验
- 参考文献
- 第10章 反应器内气泡检测、分割与形状重建模型
- 10.1 功能需求
- 10.2 模型架构
- 10.3 数据集和训练
- 10.4 模型评估
- 参考文献
