来源：中国环境监测2021-06-23

将人工智能、机器学习等技术充分应用到生态环境监测业务体系中，实现监测供给与管理需求同步。运用智能语音交互、虚拟现实、可视化等技术，创新展示和交互模式，提升生态环境监测智能化水平。六是服务社会化。

来源：北极星环保网2021-06-17

通过运用大数据、模型优化算法、机器学习自适应算法等信息技术建设钢铁超低排放管控一体化平台，通过智能化管控实现污染高效治理，达到节能减排目标。

来源：中国电力2021-06-11

文献 采用机器学习的方法分析用户对售电公司的选择行为。

来源：平衡机器科技2021-06-10

平衡机器以能源科技创新为目标，为客户不断创造价值，在欧洲、澳洲、中国等地设立研发机构，强化自主创新力度，保持在云计算、机器学习、精准气象、遥感分析等核心数字化领域的持续研发投入，在智慧绿色能源、低碳管理领域拥有多项自主知识产权

来源：特变电工2021-06-08

tb-ecloud平台进行了ai中台的建设，并在此基础上，在ai算法研究和实际应用取得了一些成果，例如基于图形识别技术的智慧巡检模型、基于大数据处理技术的组串清洗分析算法模型、基于卫星数据的集中功率预测模型、基于机器学习的

来源：北极星电力网2021-06-07

利用机器学习、数据分析和人工智能算法技术，实现热网热负荷的预测分析，提高准确性和及时性，实现煤电机组智能节能优化，提高供热、供电调度效率和运行稳定性。

来源：北极星大气网2021-06-07

利用机器学习、数据分析和人工智能算法技术，实现热网热负荷的预测分析，提高准确性和及时性，实现煤电机组智能节能优化，提高供热、供电调度效率和运行稳定性。

来源：北极星太阳能光伏网2021-06-04

计算能力现在也是指数性增长，机器学习越来越聪明。地球也变成智慧地球，机器和机器连接，人和机器连接等等，已经成为了现实。人类正在彻底的获得体力解放，自动化、智能化。

来源：河北省招标投标公共服务平台2021-06-04

根据生产设施运行情况和产尘点无组织排放监测数据，运用物联网、大数据、机器学习等技术手段，实现对无组织排放的智能化自动管控和治理。

来源：唐山微发布2021-06-04

2.鼓励运用物联网、大数据、机器学习等技术手段，实现对无组织排放的智能化自动管控和治理。3.建立生产、治理、监控运行间的关联关系，满足企业内部以及政府监管部门的交叉验证要求。

来源：北极星环保会展网2021-05-31

“当大数据和机器学习走到一起，就成为了新的话题，我们完成可以把之前跟环境相关的一些报告、发现通过这些技术得到全新的结果，甚至颠覆性的理念”“数字化、科技化可以帮助企业提升esg（environment,

来源：山西省人民政府2021-05-31

量子密码、网络安全协议等“卡脖子”技术和关键共性核心技术上攻坚攻关；创新安全防护模式，引入大数据和人工智能技术，开展数据挖掘，对全网络中的用户、数据、应用等各种主体行为开展分析，建立画像，综合利用统计模型和机器学习等方法

来源：山西省人民政府2021-05-31

量子密码、网络安全协议等“卡脖子”技术和关键共性核心技术上攻坚攻关；创新安全防护模式，引入大数据和人工智能技术，开展数据挖掘，对全网络中的用户、数据、应用等各种主体行为开展分析，建立画像，综合利用统计模型和机器学习等方法

来源：风能专委会CWEA2021-05-28

通过机器学习不断的进行匹配，后面可以看到风场的价值在不断的提升，据说提升了20%以上。...这里给大家讲一个例子，开发阿尔法go把围棋冠军打败的的公司，它在做风电预测，通过机器学习（ml）技术，可以增加风电场的价值。

来源：DNVGL能源2021-05-20

有关结构、稳性、变电站设计和锚泊的设计准则已经得到验证，而且开发出了尖端的监测技术，如智能锚泊（smart mooring），这是一种用于检测锚缆故障的机器学习系统。

来源：《中国电力》2021-05-18

随着人工智能、大数据技术的发展，利用机器学习和先进统计理论提升中长期负荷预测的精度也是研究热点。文献基于并行算法模型提出改进模糊k均值聚类方法，通过先对负荷聚类再分类预测来提升预测精度。

来源：市政规划交流2021-05-10

这个数据在国内也一般是内网数据，如果再加上机器学习下的水位图片自动化识别，就也可以成为一个内涝风险的预警数据源。

来源：能源评论·首席能源观2021-05-08

在广泛采集与集成用户用能数据、气象数据、宏观经济数据、多能源市场交易数据基础上，利用关联规则挖掘、机器学习等技术，通过对海量数据的分析与发掘，准确掌握包括用能种类、用能倾向、用能弹性等多元用户用能特性，

来源：能源评论·首席能源观2021-05-08

在广泛采集与集成用户用能数据、气象数据、宏观经济数据、多能源市场交易数据基础上，利用关联规则挖掘、机器学习等技术，通过对海量数据的分析与发掘，准确掌握包括用能种类、用能倾向、用能弹性等多元用户用能特性，

来源：能源评论·首席能源观2021-05-07

在广泛采集与集成用户用能数据、气象数据、宏观经济数据、多能源市场交易数据基础上，利用关联规则挖掘、机器学习等技术，通过对海量数据的分析与发掘，准确掌握包括用能种类、用能倾向、用能弹性等多元用户用能特性，