I
AE
S
I
nte
rna
t
io
na
l J
o
urna
l o
f
Art
if
icia
l In
t
ellig
ence
(
I
J
-
AI
)
Vo
l.
9
,
No
.
1
,
Ma
r
ch
2
0
2
0
,
p
p
.
25
~
32
I
SS
N:
2252
-
8938
,
DOI
: 1
0
.
1
1
5
9
1
/i
j
ai.
v
9
.i
1
.
p
p
25
-
32
25
J
o
ur
na
l ho
m
ep
a
g
e
:
h
ttp
:
//ij
a
i
.
ia
esco
r
e.
co
m
Dev
elo
p
m
e
nt
o
f
optio
n c
m
ea
sur
e
ment and v
eri
ficati
o
n
m
o
del
using
hybrid a
rti
f
icia
l neural ne
tw
o
rk
-
cros
s v
a
lida
tion
techniqu
e t
o
qua
n
tif
y
sa
v
ing
Wa
n Na
zira
h Wa
n M
d Adna
n
1
,
No
f
ri
Yenit
a
Da
hla
n
2
,
I
s
m
a
il M
us
irin
3
1
Facu
lt
y
o
f
E
n
g
in
ee
r
i
n
g
a
n
d
L
if
e
Scie
n
ce
s
,
U
n
i
v
er
s
iti Se
lan
g
o
r
,
B
estar
i
J
ay
a,
Sela
n
g
o
r
,
Ma
la
y
s
ia
1,
2
,3
Facu
lt
y
o
f
E
lectr
ical
E
n
g
i
n
ee
r
in
g
,
U
n
i
v
er
s
iti T
ek
n
o
lo
g
i
MA
R
A
,
S
h
ah
Ala
m
,
Se
lan
g
o
r
,
Ma
la
y
s
ia
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
No
v
1
,
2
0
1
9
R
ev
i
s
ed
J
an
1
0
,
2
0
20
A
cc
ep
ted
J
an
23
,
2
0
20
T
h
is
p
a
p
e
r
a
im
s
to
d
e
v
e
lo
p
a
h
y
b
rid
a
rt
if
icia
l
n
e
u
ra
l
n
e
tw
o
rk
f
o
r
Op
ti
o
n
C
M
e
a
su
re
m
e
n
t
a
n
d
V
e
rif
ica
ti
o
n
m
o
d
e
l
to
p
re
d
ict
m
o
n
t
h
ly
b
u
il
d
in
g
e
n
e
rg
y
c
o
n
su
m
p
ti
o
n
.
In
th
is
w
o
rk
,
b
a
se
li
n
e
e
n
e
rg
y
m
o
d
e
l
d
e
v
e
lo
p
m
e
n
t
u
sin
g
a
rti
f
icia
l
n
e
u
ra
l
n
e
tw
o
rk
s
e
m
b
e
d
d
e
d
w
it
h
a
rti
f
icia
l
b
e
e
c
o
lo
n
y
o
p
ti
m
iza
ti
o
n
a
n
d
c
ro
ss
v
a
li
d
a
ti
o
n
tec
h
n
iq
u
e
f
o
r
a
s
m
a
ll
d
a
tas
e
t
w
e
r
e
c
o
n
sid
e
re
d
.
A
rti
f
icia
l
b
e
e
c
o
lo
n
y
o
p
ti
m
iza
ti
o
n
w
it
h
c
o
e
ff
ici
e
n
t
o
f
c
o
rre
latio
n
f
it
n
e
ss
f
u
n
c
ti
o
n
w
a
s
u
se
d
in
o
p
ti
m
izin
g
th
e
n
e
u
ra
l
n
e
tw
o
rk
tr
a
in
in
g
p
ro
c
e
ss
a
n
d
se
lec
ti
n
g
th
e
o
p
ti
m
a
l
v
a
lu
e
s
o
f
in
it
ial
w
e
ig
h
ts
a
n
d
b
ias
e
s.
W
o
rk
in
g
d
a
y
s,
c
las
s
d
a
y
s
a
n
d
c
o
o
li
n
g
d
e
g
re
e
d
a
y
s
w
e
re
u
se
d
a
s
in
p
u
t
m
e
a
n
w
h
il
e
m
o
n
th
ly
e
lec
tri
c
it
y
c
o
n
su
m
p
ti
o
n
a
s
a
n
o
u
t
p
u
t
o
f
a
rti
f
icia
l
n
e
u
ra
l
n
e
t
w
o
rk
.
T
h
e
re
su
lt
s
in
d
ica
ted
th
a
t
th
is
h
y
b
rid
a
rti
f
icia
l
n
e
u
ra
l
n
e
tw
o
rk
m
o
d
e
l
p
ro
v
id
e
d
b
e
tt
e
r
p
re
d
ictio
n
re
su
lt
s
c
o
m
p
a
re
d
to
th
e
o
th
e
r
m
o
d
e
l.
T
h
e
b
e
st
m
o
d
e
l
w
it
h
th
e
h
ig
h
e
st
v
a
lu
e
o
f
c
o
e
ff
icie
n
t
o
f
c
o
rre
latio
n
w
a
s
s
e
lec
ted
a
s
th
e
b
a
se
li
n
e
m
o
d
e
l
h
e
n
c
e
is
u
se
d
to
d
e
term
in
e
th
e
sa
v
in
g
.
K
ey
w
o
r
d
s
:
A
r
ti
f
icial
B
ee
C
o
lo
n
y
A
r
ti
f
icial
Ne
u
r
al
Net
w
o
r
k
C
r
o
s
s
Valid
atio
n
E
n
er
g
y
Sa
v
in
g
Me
asu
r
e
m
en
t &
Ver
i
f
icatio
n
T
h
is i
s
a
n
o
p
e
n
a
c
c
e
ss
a
rticle
u
n
d
e
r th
e
CC B
Y
-
SA
li
c
e
n
se
.
C
o
r
r
e
s
p
o
nd
ing
A
uth
o
r
:
W
an
Naz
ir
ah
W
an
Md
A
d
n
a
n
,
Facu
lt
y
o
f
E
n
g
i
n
ee
r
i
n
g
a
n
d
L
i
f
e
Scie
n
ce
s
,
Un
i
v
er
s
iti
Selan
g
o
r
,
B
estar
i J
ay
a,
Sela
n
g
o
r
,
Ma
la
y
s
ia.
E
m
ail:
w
a
n
_
n
az
ir
a
h
@
u
n
is
e
l.e
d
u
.
m
y
1.
I
NT
RO
D
UCT
I
O
N
I
n
r
ec
en
t
y
ea
r
s
,
m
ea
s
u
r
e
m
e
n
t
an
d
v
er
if
icatio
n
(
M
&
V
)
h
as
b
ec
o
m
e
t
h
e
p
o
p
u
lar
m
et
h
o
d
in
d
eter
m
in
i
n
g
en
er
g
y
s
a
v
i
n
g
.
M
&
V
is
t
h
e
p
r
o
ce
s
s
o
f
u
s
i
n
g
m
ea
s
u
r
e
m
en
t
s
to
r
eliab
l
y
d
eter
m
i
n
e
ac
tu
al
s
a
v
i
n
g
s
cr
ea
ted
in
r
elativ
e
to
th
e
b
aselin
e
e
n
er
g
y
.
T
h
is
p
r
o
ce
s
s
is
i
m
p
o
r
tan
t
i
n
en
er
g
y
s
a
v
i
n
g
f
ield
i
n
o
r
d
er
t
o
q
u
an
ti
f
y
i
n
g
s
a
v
i
n
g
.
T
h
e
M&
V
p
r
o
ce
s
s
in
v
o
l
v
es
m
o
d
eli
n
g
,
m
e
ter
in
g
an
d
s
a
m
p
li
n
g
ac
ti
v
itie
s
w
h
ic
h
cr
ea
te
u
n
ce
r
tai
n
tie
s
i
n
r
ep
o
r
tin
g
o
f
e
n
er
g
y
s
av
i
n
g
s
.
I
t
i
s
i
m
p
o
r
tan
t
to
p
r
ec
is
el
y
co
n
s
id
er
th
e
ac
cu
r
ac
y
a
n
d
d
ev
elo
p
a
n
ac
cu
r
ate
M&
V
m
et
h
o
d
o
lo
g
y
[1
-
2]
.
I
n
M&
V,
th
e
d
e
v
elo
p
m
en
t
o
f
a
b
aseli
n
e
en
er
g
y
m
o
d
el
is
o
n
e
o
f
th
e
i
m
p
o
r
tan
t
s
tep
s
to
d
eter
m
in
e
t
h
e
r
elatio
n
s
h
ip
b
et
w
ee
n
en
er
g
y
co
n
s
u
m
p
tio
n
a
n
d
in
d
ep
en
d
e
n
t
i
n
p
u
t
v
ar
iab
les.
T
h
u
s
,
th
e
b
asel
in
e
e
n
er
g
y
m
o
d
el
w
as
u
s
ed
to
d
ev
elo
p
an
d
e
s
ti
m
ate
th
e
ad
j
u
s
ted
b
aseli
n
e
e
n
er
g
y
p
atter
n
h
en
ce
to
d
eter
m
i
n
e
t
h
e
s
av
in
g
s
.
T
h
er
e
ar
e
s
ev
e
r
al
e
s
tab
lis
h
ed
p
r
o
to
co
ls
an
d
g
u
id
eli
n
es
f
o
r
p
er
f
o
r
m
i
n
g
M
&
V
o
f
e
n
er
g
y
s
av
in
g
s
.
Am
o
n
g
all
t
h
e
g
u
id
eli
n
es,
I
n
te
r
n
atio
n
al
P
er
f
o
r
m
a
n
ce
Me
as
u
r
e
m
en
t
an
d
Ver
if
icatio
n
P
r
o
to
co
l
(
I
P
MV
P
)
is
th
e
m
o
s
t
p
r
o
m
in
e
n
t
an
d
w
id
el
y
u
s
ed
M&
V
p
r
o
to
co
l.
I
P
MV
P
is
a
s
u
p
p
o
r
t
d
o
cu
m
en
t
clea
r
l
y
d
escr
ib
es
th
e
co
m
m
o
n
p
r
ac
tice
i
n
m
ea
s
u
r
i
n
g
,
co
m
p
u
tin
g
an
d
r
ep
o
r
tin
g
s
a
v
in
g
s
ac
h
iev
ed
b
y
e
n
er
g
y
o
r
w
a
ter
e
f
f
ic
ien
c
y
p
r
o
j
ec
ts
at
en
d
u
s
er
f
ac
il
ities
.
I
t
p
r
esen
ts
M
&
V
p
r
in
cip
les,
I
P
MV
P
f
r
am
e
w
o
r
k
a
n
d
ex
p
la
n
atio
n
s
o
n
co
m
m
o
n
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
I
n
t J
A
r
ti
f
I
n
tell
,
Vo
l.
9
,
No
.
1
,
Ma
r
ch
20
20
:
25
–
32
26
M&
V
i
s
s
u
es.
I
P
MV
P
p
r
o
v
id
es
f
o
u
r
m
ea
s
u
r
e
m
e
n
t
o
p
tio
n
s
t
o
ev
alu
ate
t
h
e
s
a
v
in
g
[
2
1
]
ac
co
r
d
in
g
to
th
eir
ar
ea
o
f
ap
p
licatio
n
,
Op
tio
n
A
,
B
,
C
a
n
d
D
w
h
er
e
Op
tio
n
A
:
Ke
y
P
ar
a
m
eter
Me
a
s
u
r
e
m
e
n
t,
Op
tio
n
B
:
All
P
ar
am
eter
Me
as
u
r
e
m
e
n
t
s
,
Op
tio
n
C
: W
h
o
le
Faci
lit
y
a
n
d
Op
t
io
n
D:
C
alib
r
ated
Si
m
u
latio
n
[
3
]
.
R
ec
en
t
l
y
,
a
s
t
u
d
y
o
f
th
e
liter
atu
r
e
r
elatin
g
t
o
th
e
M
&
V
h
a
s
b
ec
o
m
e
p
o
p
u
lar
all
ar
o
u
n
d
th
e
w
o
r
ld
.
On
e
o
f
th
e
in
itiati
v
es
w
as
t
h
e
s
tu
d
y
o
f
e
n
er
g
y
a
n
d
d
e
m
a
n
d
i
m
p
ac
t
o
f
th
e
s
tea
m
f
ee
d
p
u
m
p
r
ef
u
r
b
is
h
m
e
n
t
a
n
d
h
ig
h
-
p
r
ess
u
r
e
tu
r
b
in
e
r
e
-
b
lad
e
in
co
al
f
ir
ed
p
o
w
er
s
tatio
n
a
i
m
ed
to
in
cr
ea
s
e
ef
f
icie
n
c
y
i
n
So
u
th
Af
r
ica
[
4
]
.
Me
an
w
h
ile
i
n
B
r
az
il,
M&
V
c
o
n
ce
p
t
w
a
s
ap
p
lied
to
ev
alu
a
t
e
en
er
g
y
e
f
f
ic
ien
c
y
p
r
o
j
ec
t
b
y
r
ep
lacin
g
elec
tr
ic
s
h
o
w
er
w
ith
s
o
lar
w
ater
h
ea
ti
n
g
s
y
s
te
m
[
5
]
.
I
n
C
h
i
n
a,
[
6
]
r
ep
o
r
ted
th
at
en
er
g
y
s
av
in
g
ca
n
b
e
g
en
er
ated
f
r
o
m
p
o
w
er
lin
e
tr
an
s
f
o
r
m
a
tio
n
p
r
o
j
ec
t.
R
ec
en
t
s
t
u
d
y
b
y
[7
-
8]
in
v
o
lv
ed
a
g
r
o
u
p
s
o
f
b
u
ild
i
n
g
i
n
U
n
ited
State
s
to
s
tu
d
y
th
e
i
m
p
ac
t
o
f
b
u
ild
i
n
g
r
etr
o
f
itti
n
g
p
r
o
j
ec
ts
to
en
er
g
y
co
n
s
u
m
p
tio
n
as
w
ell
as
e
n
er
g
y
s
a
v
in
g
.
A
n
u
m
b
er
o
f
au
th
o
r
s
f
r
o
m
Ma
la
y
s
ia
h
a
v
e
ap
p
lied
M
&
V
to
s
t
u
d
y
t
h
e
i
m
p
ac
t
o
f
e
n
er
g
y
s
av
i
n
g
in
t
h
e
co
m
m
er
cial
b
u
ild
in
g
a
s
w
ell
as
ed
u
ca
tio
n
al
b
u
ild
in
g
[9
-
10]
.
Mo
s
t
o
f
th
e
w
id
el
y
u
s
ed
M
&
V
ap
p
l
icatio
n
w
er
e
e
n
er
g
y
ef
f
icien
c
y
li
g
h
ti
n
g
r
etr
o
f
it
p
r
o
j
ec
ts
to
im
p
r
o
v
e
t
h
e
e
f
f
icien
c
y
o
f
t
h
e
li
g
h
tin
g
s
y
s
te
m
a
n
d
t
o
r
ed
u
ce
th
e
en
er
g
y
co
n
s
u
m
p
tio
n
[
1
1
-
14]
.
A
cc
o
r
d
in
g
to
I
P
MV
P
,
th
e
b
aselin
e
e
n
er
g
y
d
ev
elo
p
m
e
n
t
h
as
b
ee
n
i
d
en
tifie
d
as
o
n
e
o
f
th
e
i
m
p
o
r
tan
t
an
d
cr
u
cial
s
tep
s
i
n
M
&
V.
Ke
y
asp
ec
t
s
i
n
d
e
v
elo
p
in
g
th
e
b
aseli
n
e
e
n
er
g
y
r
e
s
u
lt
in
g
in
r
ep
o
r
tin
g
en
er
g
y
s
a
v
i
n
g
s
ar
e
ac
c
u
r
ac
y
a
n
d
u
n
ce
r
tai
n
t
y
[
3
]
.
T
o
d
ate,
m
at
h
e
m
a
tical
m
o
d
el
u
s
i
n
g
li
n
ea
r
r
eg
r
e
s
s
io
n
is
t
h
e
m
o
s
t
co
m
m
o
n
m
et
h
o
d
u
s
ed
i
n
f
o
r
m
u
lati
n
g
t
h
e
b
ase
lin
e
en
er
g
y
m
o
d
el
[
1
0
,
15]
.
No
n
eth
ele
s
s
,
li
n
ea
r
r
eg
r
es
s
io
n
o
n
l
y
s
u
itab
le
f
o
r
lin
ea
r
r
elatio
n
s
h
ip
an
d
m
a
y
co
n
tr
ib
u
te
lar
g
e
er
r
o
r
f
o
r
n
o
n
-
lin
ea
r
d
ata.
A
r
ti
f
icial
Ne
u
r
al
Net
w
o
r
k
s
(
ANN)
h
a
s
b
ee
n
ap
p
lied
i
n
s
ev
er
al
w
o
r
k
s
to
r
ep
lace
th
e
lin
ea
r
r
eg
r
ess
io
n
m
et
h
o
d
.
A
NN
i
s
o
n
e
o
f
t
h
e
p
o
p
u
lar
tech
n
iq
u
es
f
o
r
f
o
r
ec
ast
in
g
th
at
i
m
i
tates
t
h
e
o
p
er
atio
n
o
f
h
u
m
a
n
b
r
ain
.
I
t
h
as
b
ee
n
u
s
ed
to
s
o
lv
e
v
ar
io
u
s
en
g
i
n
ee
r
i
n
g
p
r
o
b
l
e
m
s
[
1
6
-
19]
.
I
n
o
r
d
er
to
in
cr
ea
s
e
th
e
p
er
f
o
r
m
an
ce
o
f
A
N
N
m
o
d
el,
h
y
b
r
id
izatio
n
o
f
ANN
w
it
h
v
ar
io
u
s
o
p
ti
m
izatio
n
tec
h
n
iq
u
es
to
a
u
to
m
a
ticall
y
f
i
n
d
th
e
o
p
ti
m
u
m
ANN
p
ar
am
eter
s
as
o
p
p
o
s
ed
to
th
e
tr
ial
an
d
er
r
o
r
tech
n
iq
u
e
w
er
e
in
tr
o
d
u
ce
d
b
y
s
o
m
e
r
esear
c
h
er
s
.
B
y
d
o
in
g
t
h
i
s
w
il
l
lead
to
a
b
etter
ANN
p
er
f
o
r
m
a
n
ce
ac
c
u
r
ac
y
an
d
s
a
v
e
ti
m
e
f
o
r
e
x
p
er
i
m
e
n
ti
n
g
.
Op
ti
m
i
za
tio
n
tec
h
n
iq
u
es
i
s
o
n
e
o
f
a
n
ar
tific
ial
i
n
telli
g
e
n
c
e
m
et
h
o
d
th
at
h
av
e
b
ee
n
w
id
el
y
u
s
ed
b
y
r
esear
c
h
er
s
[
2
0
-
21]
.
T
o
g
et
th
e
b
est
r
esu
lt,
lar
g
e
tr
ai
n
i
n
g
d
ata
is
n
ee
d
ed
as
A
NN
lear
n
s
f
r
o
m
e
x
a
m
p
les.
W
h
e
n
lar
g
e
d
ata
s
et
a
r
e
ea
s
il
y
av
a
ilab
le,
th
er
e
is
n
o
p
r
o
b
lem
to
s
p
lit
t
h
e
d
ata
in
to
tr
ain
in
g
,
v
al
id
ati
o
n
,
an
d
test
i
n
g
s
ets
i
n
A
NN.
Ho
w
e
v
er
,
th
er
e
ar
e
s
o
m
e
s
it
u
atio
n
s
w
h
er
e
th
e
m
e
asu
r
ed
d
ata
ar
e
v
er
y
li
m
i
ted
,
ex
p
en
s
iv
e
o
r
d
if
f
ic
u
lt
to
f
i
n
d
.
I
n
s
u
ch
ca
s
e
s
,
th
e
allo
ca
tio
n
o
f
th
e
a
v
ailab
le
d
ata
to
tr
ain
,
v
alid
,
an
d
test
is
th
e
m
ai
n
c
h
allen
g
e
to
b
u
ild
an
ac
cu
r
ate
A
N
N
p
r
ed
ictio
n
m
o
d
el.
T
h
e
A
NN
m
o
d
el
is
s
e
n
s
iti
v
e
to
w
ar
d
s
t
h
e
in
p
u
t
s
a
n
d
o
u
tp
u
t
s
d
ata,
w
h
er
e
f
e
w
er
n
u
m
b
er
o
f
in
p
u
t
s
an
d
o
u
tp
u
ts
d
ata
m
a
y
r
e
d
u
ce
its
ac
cu
r
ac
y
.
T
o
o
s
m
all
d
ata
m
a
y
n
o
t b
e
ab
le
to
tr
ain
th
e
n
et
w
o
r
k
p
r
o
p
er
ly
an
d
m
a
y
n
o
t b
e
ab
le
to
ev
alu
at
e
th
e
n
et
w
o
r
k
p
er
f
o
r
m
an
ce
ac
cu
r
atel
y
[
2
2
]
.
Op
tio
n
C
d
ata
w
er
e
d
er
iv
ed
f
r
o
m
th
e
m
o
n
th
l
y
u
tili
t
y
b
il
ls
an
d
u
s
u
al
l
y
,
o
n
l
y
a
s
m
all
d
ataset
is
av
ailab
le.
T
h
er
ef
o
r
e,
t
h
e
a
v
ailab
le
d
ata
w
er
e
i
n
s
u
f
f
icien
t
to
tr
ain
t
h
e
n
et
w
o
r
k
an
d
p
r
ed
ict
th
e
e
n
er
g
y
co
n
s
u
m
p
tio
n
.
I
n
v
ie
w
o
f
th
e
a
b
o
v
e
m
e
n
tio
n
ed
f
ac
ts
,
s
e
v
er
al
s
a
m
p
li
n
g
tech
n
iq
u
e
s
w
er
e
s
t
u
d
ied
to
in
cr
ea
s
e
th
e
ac
cu
r
ac
y
o
f
s
m
all
d
ata
an
d
th
e
m
o
s
t
co
m
m
o
n
tech
n
iq
u
e
s
u
s
ed
is
cr
o
s
s
-
v
alid
atio
n
(
C
V)
[
2
2
-
24]
.
T
h
is
s
tu
d
y
f
o
cu
s
es
o
n
t
h
e
d
ev
e
lo
p
m
en
t
o
f
Op
tio
n
C
b
a
s
e
li
n
e
en
er
g
y
m
o
d
el
a
n
d
th
e
h
y
b
r
id
ize
tio
n
o
f
A
NN
w
it
h
A
B
C
o
p
tim
izatio
n
.
C
r
o
s
s
Valid
atio
n
(
C
V)
is
in
te
g
r
ated
w
i
th
t
h
is
h
y
b
r
id
ar
tif
icial
n
eu
r
al
n
e
t
w
o
r
k
(
HANN
)
to
g
et
a
b
etter
ac
cu
r
ac
y
o
f
A
NN
p
r
ed
i
ctio
n
.
T
h
is
m
et
h
o
d
m
a
y
av
o
id
an
y
o
v
er
f
it
tin
g
o
f
t
h
e
d
ata.
Ov
er
f
itti
n
g
cr
ea
te
s
th
e
n
et
w
o
r
k
to
m
e
m
o
r
ize
tr
ai
n
i
n
g
p
atter
n
s
,
b
u
t
t
h
e
y
ca
n
n
o
t
g
en
e
r
alize
w
ell
to
n
e
w
d
ata
(
test
i
n
g
s
e
t)
an
d
g
e
n
er
ates
p
o
o
r
ac
cu
r
ac
y
.
T
h
is
c
h
ap
ter
i
s
o
r
g
an
i
s
ed
as
f
o
llo
w
s
:
Sectio
n
2
b
r
ief
l
y
e
x
p
lai
n
s
th
e
p
r
o
p
o
s
ed
Op
tio
n
C
M
&
V
HANN
m
o
d
el
in
cl
u
d
i
n
g
b
a
s
el
in
e
m
o
d
el
d
ev
elo
p
m
e
n
t
a
n
d
s
av
in
g
ca
lc
u
lat
io
n
s
.
Sectio
n
3
d
is
cu
s
s
es
th
e
r
e
s
u
l
t
o
f
th
e
p
r
o
p
o
s
ed
m
et
h
o
d
s
.
Fi
n
a
ll
y
,
Sectio
n
4
p
r
o
v
id
es th
e
co
n
clu
s
io
n
.
2.
RE
S
E
ARCH
M
E
T
H
O
D
As
s
av
i
n
g
s
ca
n
n
o
t
b
e
d
ir
ec
tl
y
m
ea
s
u
r
ed
i
n
M
&
V
,
t
h
e
s
av
in
g
s
ca
n
b
e
d
eter
m
i
n
ed
b
y
co
m
p
ar
in
g
th
e
m
ea
s
u
r
ed
en
er
g
y
u
s
ed
b
ef
o
r
e
an
d
af
ter
E
C
M
i
m
p
le
m
e
n
tatio
n
.
Fig
u
r
e
1
s
h
o
w
s
t
h
e
en
er
g
y
u
s
e
d
u
r
i
n
g
b
aseli
n
e
p
er
io
d
an
d
p
o
s
t
r
etr
o
f
it
p
er
io
d
.
T
h
e
b
aselin
e
p
er
io
d
is
th
e
t
i
m
e
b
e
f
o
r
e
th
e
r
etr
o
f
it
in
s
talla
tio
n
w
h
ile
t
h
e
p
o
s
t
r
etr
o
f
it
p
er
io
d
is
th
e
i
n
ter
v
al
a
f
ter
in
s
tall
in
g
t
h
e
E
C
M.
A
cc
o
r
d
in
g
to
t
h
e
I
P
MV
P
,
to
p
r
o
p
er
l
y
ca
lcu
late
s
a
v
i
n
g
s
u
s
i
n
g
M
&
V,
t
h
e
b
a
s
eli
n
e
e
n
e
r
g
y
m
o
d
el
i
s
f
ir
s
t
d
ev
elo
p
ed
t
o
d
eter
m
in
e
th
e
r
elatio
n
s
h
ip
b
et
w
ee
n
e
n
er
g
y
u
s
e
an
d
i
n
d
ep
en
d
en
t
v
ar
iab
les
u
s
i
n
g
r
eg
r
es
s
io
n
an
al
y
s
is
.
T
h
e
i
n
d
ep
en
d
en
t
v
ar
iab
le
is
a
p
ar
a
m
eter
th
at
is
ex
p
ec
ted
to
ch
an
g
e
r
e
g
u
lar
l
y
a
n
d
h
av
e
i
m
p
ac
t
o
n
e
n
er
g
y
u
s
e
.
T
o
f
a
ir
l
y
co
m
p
ar
e
t
h
e
e
n
er
g
y
u
s
e
b
ef
o
r
e
an
d
af
ter
th
e
E
C
M
i
m
p
le
m
e
n
tatio
n
,
th
e
v
a
r
iab
le
co
n
d
itio
n
s
i
n
b
aseli
n
e
an
d
p
o
s
t
r
etr
o
f
it
p
er
io
d
m
u
s
t
b
e
s
i
m
ilar
to
s
o
m
e
ex
ten
t.
I
n
s
u
c
h
ca
s
e,
t
h
e
b
asel
in
e
en
er
g
y
m
o
d
el
is
n
ee
d
ed
to
ad
j
u
s
t
th
e
b
aselin
e
e
n
er
g
y
to
th
e
s
a
m
e
v
ar
iab
les
co
n
d
itio
n
as
i
n
t
h
e
p
o
s
t
-
r
etr
o
f
it
p
er
io
d
.
I
n
o
th
er
w
o
r
d
,
th
e
b
aselin
e
en
er
g
y
m
o
d
el
is
u
s
ed
to
esti
m
ate
h
o
w
m
u
c
h
e
n
er
g
y
w
o
u
ld
h
av
e
u
s
e
d
if
th
er
e
h
a
d
b
ee
n
n
o
r
etr
o
f
it
i
m
p
le
m
en
tatio
n
.
T
h
is
es
ti
m
atio
n
r
ef
er
s
to
t
h
e
ad
j
u
s
ted
b
aselin
e
en
er
g
y
i
n
th
e
p
o
s
t
-
r
etr
o
f
it
p
h
ase.
T
h
is
ad
j
u
s
ted
b
aselin
e
en
er
g
y
is
co
m
p
a
r
ed
w
it
h
th
e
e
n
er
g
y
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
A
r
ti
f
I
n
tell
I
SS
N:
2252
-
8938
Dev
elo
p
men
t o
f o
p
tio
n
c
mea
s
u
r
eme
n
t a
n
d
ve
r
ifica
tio
n
mo
d
el
u
s
in
g
... (
W
a
n
N
a
z
i
r
a
h
W
a
n
Md
A
d
n
a
n
)
27
u
s
e
i
n
th
e
p
o
s
t
-
r
etr
o
f
it
p
h
a
s
e
t
o
d
eter
m
i
n
e
s
a
v
in
g
s
.
T
h
e
less
er
th
e
er
r
o
r
in
th
e
b
aselin
e
m
o
d
el,
th
e
b
etter
th
e
ac
cu
r
ac
y
le
v
el
o
f
t
h
e
en
er
g
y
s
av
in
g
s
r
ep
o
r
ted
.
Fig
u
r
e
1
.
M&
V
C
o
n
ce
p
tu
al
Fr
a
m
e
w
o
r
k
T
h
e
d
ev
elo
p
m
e
n
t
o
f
Op
tio
n
C
M&
V
H
A
NN
Mo
d
el
w
a
s
d
iv
id
ed
in
to
t
w
o
p
h
ases
,
1
)
M&
V
B
aselin
e
E
n
er
g
y
De
v
elo
p
m
e
n
t
p
h
ase
a
n
d
2
)
P
o
s
t
-
r
etr
o
f
it
Sav
i
n
g
C
al
cu
latio
n
p
h
a
s
e.
I
n
th
e
p
r
ev
io
u
s
s
tu
d
y
,
t
h
e
b
aselin
e
en
er
g
y
m
o
d
el
f
o
r
Op
tio
n
C
was
d
ev
elo
p
ed
u
s
in
g
A
NN
w
i
th
C
V
r
esa
m
p
li
n
g
tech
n
iq
u
e
[
2
5
]
.
I
n
th
is
s
t
u
d
y
,
a
n
i
m
p
r
o
v
ed
b
aseli
n
e
m
o
d
el
w
as
co
n
ce
r
n
ed
b
y
u
s
i
n
g
th
e
s
elec
tio
n
o
f
b
est
m
et
h
o
d
s
i
n
[
2
5
]
w
h
ic
h
w
er
e
6
,
9
an
d
2
0
n
u
m
b
er
o
f
n
eu
r
o
n
s
in
h
id
d
en
la
y
e
r.
2
.
1
.
M
&V
B
a
s
eline
M
o
del D
ev
elo
p
m
e
nt
I
n
t
h
e
M
&
V
b
ase
lin
e
en
er
g
y
m
o
d
el
p
h
a
s
e,
t
h
e
b
aseli
n
e
e
n
er
g
y
m
o
d
el
w
as
d
ev
elo
p
ed
u
s
i
n
g
C
V
r
esa
m
p
li
n
g
tec
h
n
iq
u
es
s
in
ce
l
i
m
ited
d
ata
w
er
e
av
ai
lab
le
f
o
r
th
is
s
t
u
d
y
.
T
h
e
C
V
r
esa
m
p
l
i
n
g
tec
h
n
iq
u
es
w
er
e
in
tr
o
d
u
ce
d
to
im
p
r
o
v
e
th
e
p
r
ed
ictio
n
ac
cu
r
ac
y
o
f
Op
tio
n
C
.
T
h
ese
tech
n
iq
u
es
al
s
o
o
v
er
co
m
e
th
e
p
r
o
b
lem
o
f
o
v
er
f
itti
n
g
,
to
ch
ec
k
t
h
e
m
o
d
el
r
o
b
u
s
tn
es
s
an
d
g
e
n
er
alis
atio
n
ab
ilit
ies
f
o
r
a
s
m
al
l
d
ata
ap
p
licatio
n
i
n
p
r
ed
ictin
g
e
n
er
g
y
co
n
s
u
m
p
tio
n
f
o
r
Op
tio
n
C
.
A
B
C
o
p
ti
m
iz
atio
n
w
as
a
p
p
lied
to
d
ev
elo
p
th
e
H
A
NN
b
ase
lin
e
en
er
g
y
m
o
d
el.
AB
C
w
as
e
m
b
ed
d
ed
w
i
th
C
V
to
tr
ai
n
th
e
n
et
w
o
r
k
to
o
p
ti
m
is
e
t
h
e
s
y
n
ap
tic
w
ei
g
h
ts
a
n
d
b
iase
s
an
d
p
r
ed
ict
th
e
b
asel
in
e
en
er
g
y
co
n
s
u
m
p
tio
n
.
A
s
tep
-
by
-
s
te
p
f
lo
w
ch
ar
t o
f
t
h
e
H
ANN
-
C
V
m
o
d
el
d
ev
elo
p
m
e
n
t
is
s
h
o
w
n
in
F
i
g
u
r
e
2
.
O
n
ce
all
th
e
s
e
tti
n
g
h
as
b
ee
n
d
eter
m
in
ed
,
th
e
C
V
r
e
s
a
m
p
li
n
g
tec
h
n
iq
u
es
w
er
e
ap
p
lied
to
s
p
lit
th
e
d
ata
s
et
i
n
to
tr
ain
i
n
g
,
v
alid
atio
n
,
an
d
test
i
n
g
s
et
s
.
T
h
en
,
th
e
A
B
C
o
p
ti
m
i
s
ati
o
n
tech
n
iq
u
e
w
a
s
ex
ec
u
ted
an
d
f
it
n
es
s
f
o
r
ea
c
h
s
et
o
f
d
ata
w
as
ev
al
u
ated
b
y
ca
lli
n
g
th
e
A
NN
p
r
o
g
r
a
m
m
e
,
w
h
er
e
ANN
w
a
s
tr
ain
ed
to
m
ax
i
m
i
s
e
t
h
e
f
it
n
e
s
s
w
h
ic
h
w
as c
o
ef
f
icie
n
t o
f
co
r
r
elatio
n
(
R
)
.
A
B
C
is
al
s
o
a
s
w
ar
m
-
b
a
s
ed
o
p
ti
m
is
a
tio
n
tec
h
n
iq
u
e,
p
r
o
p
o
s
ed
b
y
[
2
6
]
.
I
t
is
in
s
p
ir
ed
b
y
th
e
f
o
r
ag
i
n
g
b
eh
av
io
u
r
o
f
b
ee
s
to
f
i
n
d
t
h
e
o
p
ti
m
al
s
o
lu
tio
n
.
Gen
er
all
y
,
A
B
C
o
p
ti
m
is
atio
n
i
s
co
m
p
o
s
ed
b
y
f
o
u
r
m
ai
n
p
h
ases
,
w
h
ich
ar
e
in
itial
is
atio
n
,
e
m
p
lo
y
ed
b
ee
,
o
n
lo
o
k
er
b
e
e,
an
d
s
co
u
t
b
ee
p
h
ases
.
I
n
ad
d
itio
n
,
th
e
p
r
o
p
o
s
e
d
HANN
-
C
V
tec
h
n
iq
u
e
w
a
s
i
m
p
le
m
en
ted
u
s
i
n
g
t
h
e
f
o
llo
w
in
g
s
tep
s
:
1.
I
n
th
e
i
n
itiali
s
atio
n
p
h
ase,
t
h
e
A
B
C
co
n
tr
o
l
p
ar
a
m
eter
s
w
er
e
p
r
escr
ib
ed
.
T
h
er
e
ar
e
th
r
ee
co
n
tr
o
l
p
ar
am
eter
s
:
th
e
co
lo
n
y
s
ize,
th
e
f
o
o
d
n
u
m
b
er
an
d
t
h
e
m
ax
i
m
u
m
c
y
cle
n
u
m
b
er
.
T
h
e
n
u
m
b
er
o
f
p
ar
am
eter
s
to
b
e
o
p
tim
i
s
ed
,
D
w
as
b
ased
o
n
th
e
n
u
m
b
er
o
f
n
eu
r
o
n
s
i
n
th
e
h
id
d
en
la
y
er
.
I
n
th
is
w
o
r
k
,
th
e
o
p
tim
is
ed
p
ar
a
m
eter
s
ar
e
th
e
n
u
m
b
er
o
f
s
y
n
ap
tic
w
ei
g
h
t
s
an
d
b
iases
.
2.
A
B
C
r
an
d
o
m
l
y
g
e
n
er
ated
in
it
ial
p
o
p
u
latio
n
(
f
o
o
d
s
)
w
h
ic
h
ar
e
in
itial
w
ei
g
h
t
s
a
n
d
b
iases
u
s
i
n
g
(
1
)
.
T
h
e
in
itial
p
o
p
u
latio
n
w
as
e
v
al
u
at
e
d
b
y
ca
lli
n
g
th
e
A
NN
p
r
o
g
r
a
m
m
e,
w
h
er
e
A
NN
w
a
s
tr
ai
n
e
d
to
m
ax
i
m
is
e
th
e
f
itn
e
s
s
w
h
ic
h
is
t
h
e
co
ef
f
ic
ien
t o
f
co
r
r
elatio
n
a
n
d
ca
lcu
lat
e
th
e
f
i
tn
e
s
s
v
alu
e
s
as
(
2
)
.
=
+
(
0
,
1
)
(
−
)
(
1
)
=
{
1
1
+
,
≥
0
1
+
(
)
,
<
0
(
2
)
W
h
er
e
is
th
e
in
itial
p
o
p
u
latio
n
o
r
in
itial
f
o
o
d
s
(
cu
r
r
en
t
ca
n
d
id
ate
s
o
lu
tio
n
)
,
th
e
p
ar
a
m
ete
r
s
to
b
e
o
p
tim
is
ed
,
is
th
e
lo
w
er
b
o
u
n
d
o
f
th
e
p
ar
a
m
eter
,
is
t
h
e
u
p
p
er
b
o
u
n
d
o
f
th
e
p
ar
a
m
eter
,
is
t
h
e
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
I
n
t J
A
r
ti
f
I
n
tell
,
Vo
l.
9
,
No
.
1
,
Ma
r
ch
20
20
:
25
–
32
28
f
it
n
es
s
,
an
d
is
t
h
e
f
it
n
es
s
o
f
t
h
e
s
o
lu
tio
n
.
T
h
en
,
t
h
e
b
est f
itn
e
s
s
v
a
lu
e
a
n
d
f
o
o
d
s
w
er
e
r
ec
o
r
d
ed
.
3.
I
n
th
e
e
m
p
lo
y
ed
b
ee
p
h
a
s
e,
th
e
n
e
w
ca
n
d
id
ate
s
o
lu
tio
n
s
o
r
n
e
w
f
o
o
d
s
w
er
e
p
r
o
d
u
ce
d
f
r
o
m
it
s
n
eig
h
b
o
u
r
i
n
g
s
o
lu
tio
n
,
u
s
in
g
(
3
)
.
,
=
,
+
∅
,
(
,
−
.
)
(
3
)
W
h
er
e
,
is
th
e
n
e
w
ca
n
d
id
ate
s
o
lu
tio
n
,
,
is
th
e
c
u
r
r
en
t
ca
n
d
id
ate
s
o
lu
tio
n
,
.
is
t
h
e
n
eig
h
b
o
u
r
i
n
g
ca
n
d
id
ate
s
o
lu
t
i
o
n
,
an
d
∅
,
is
a
r
an
d
o
m
n
u
m
b
er
b
et
w
ee
n
−1
an
d
1
.
4.
T
h
en
,
th
e
f
i
tn
e
s
s
w
as
e
v
al
u
at
ed
f
o
r
ea
ch
s
et
o
f
f
o
o
d
b
y
ca
l
lin
g
t
h
e
A
N
N
p
r
o
g
r
a
m
m
e.
Gr
ee
d
y
s
elec
tio
n
w
a
s
ap
p
lied
b
et
w
ee
n
t
h
e
c
u
r
r
en
t
ca
n
d
id
ate
s
o
l
u
tio
n
a
n
d
th
e
n
e
w
ca
n
d
id
ate
s
o
l
u
tio
n
.
I
f
th
e
f
it
n
e
s
s
o
f
t
h
e
f
o
o
d
s
o
u
r
ce
o
f
th
e
e
m
p
lo
y
ed
b
ee
b
etter
th
an
th
e
cu
r
r
en
t
ca
n
d
id
ate
s
o
lu
tio
n
,
th
e
s
o
l
u
tio
n
i
s
r
ep
lace
d
w
it
h
th
e
n
e
w
ca
n
d
i
d
ate
an
d
th
e
tr
ial
co
u
n
ter
is
r
eset.
5.
I
n
th
e
o
n
lo
o
k
er
b
ee
p
h
ase,
th
e
n
e
w
ca
n
d
id
ate
s
o
l
u
tio
n
s
w
er
e
p
r
o
d
u
ce
d
ac
co
r
d
in
g
to
(
3
)
d
ep
en
d
in
g
o
n
t
h
e
p
r
o
b
a
b
ilit
y
,
as
in
(
4
)
.
T
h
e
p
r
o
b
ab
ilit
y
w
a
s
s
elec
ted
u
s
i
n
g
R
o
u
lette
W
h
ee
l
s
elec
tio
n
m
ec
h
a
n
is
m
.
T
h
en
,
Gr
ee
d
y
Sel
ec
tio
n
w
as
ap
p
lied
b
et
w
ee
n
t
h
e
n
e
w
ca
n
d
id
ate
a
n
d
th
e
cu
r
r
en
t
ca
n
d
id
ate
to
s
e
lect
th
e
b
etter
s
o
lu
tio
n
.
=
∑
=
1
(
4
)
6.
T
h
e
p
o
s
itio
n
o
f
t
h
e
b
est
f
o
o
d
s
o
u
r
ce
w
a
s
m
e
m
o
r
ized
an
d
r
ec
o
r
d
ed
.
I
f
th
e
p
o
s
itio
n
ca
n
n
o
t b
e
i
m
p
r
o
v
ed
o
r
a
p
r
ed
ef
in
ed
li
m
it,
t
h
e
n
th
e
f
o
o
d
s
o
u
r
ce
is
ab
an
d
o
n
ed
.
7.
T
h
er
ef
o
r
e,
in
th
e
s
co
u
t
b
ee
p
h
ase,
to
d
is
co
v
er
t
h
e
ab
an
d
o
n
ed
s
o
lu
tio
n
an
d
r
ep
lace
it
w
it
h
t
h
e
n
e
w
s
o
lu
tio
n
,
th
e
s
co
u
t
b
ee
r
an
d
o
m
l
y
s
ea
r
c
h
ed
u
s
in
g
(
1
)
.
T
h
en
,
th
e
A
N
N
w
as
ca
lled
an
d
e
v
alu
ated
f
o
r
a
n
e
w
s
o
lu
tio
n
.
T
h
e
b
est f
itn
e
s
s
v
al
u
e
an
d
f
o
o
d
s
o
u
r
ce
w
er
e
r
ec
o
r
d
ed
.
8.
T
h
e
p
r
o
ce
s
s
co
n
tin
u
ed
u
n
ti
l
th
e
m
a
x
i
m
u
m
c
y
c
le
n
u
m
b
er
w
as
r
ea
ch
ed
.
T
h
e
iter
atio
n
w
ill
s
to
p
ex
ec
u
ted
w
h
e
n
all
th
e
d
ataset
s
h
a
v
e
b
ee
n
tr
ain
ed
an
d
ev
a
lu
ated
.
I
n
t
h
is
ca
s
e,
t
h
e
n
e
t
w
o
r
k
s
r
u
n
f
o
r
5
tim
e
s
d
u
e
to
th
e
5
-
f
o
ld
o
f
C
V
d
ata
s
et
w
er
e
cr
ea
ted
.
T
h
en
,
th
e
a
v
er
ag
e
v
al
u
es
o
f
all
p
er
f
o
r
m
an
ce
f
u
n
ct
io
n
s
w
er
e
ca
lcu
lated
an
d
s
a
v
ed
.
T
h
e
R
p
er
f
o
r
m
a
n
ce
o
f
H
A
NN
-
C
V
an
d
A
NN
-
C
V
[
2
5
]
in
all
b
aselin
e
en
er
g
y
m
o
d
els
w
er
e
co
m
p
ar
ed
.
T
h
e
h
ig
h
er
R
i
n
d
icate
s
t
h
e
s
tr
o
n
g
co
r
r
elatio
n
b
et
w
ee
n
th
e
t
ar
g
eted
an
d
th
e
p
r
ed
icted
o
u
t
p
u
t
,
w
a
s
s
elec
ted
as
th
e
b
est
m
o
d
el
an
d
u
s
ed
f
o
r
p
r
ed
ictin
g
t
h
e
ad
j
u
s
ted
b
aseli
n
e
m
o
d
el
i
n
t
h
e
p
o
s
t
-
r
etr
o
f
it
s
a
v
i
n
g
ca
lc
u
latio
n
p
h
ase
as
w
ell
a
s
d
eter
m
i
n
in
g
e
n
er
g
y
s
a
v
i
n
g
2
.
2
.
Appl
y
ing
H
ANN
m
o
del
f
o
r
det
er
m
ini
ng
ener
g
y
s
a
v
ing
s
in po
s
t
-
re
t
ro
f
it
I
n
th
is
p
h
ase,
t
h
e
p
o
s
t
-
r
etr
o
f
it
d
ata
w
er
e
u
s
ed
to
d
eter
m
i
n
e
t
h
e
ad
j
u
s
ted
b
aseli
n
e
to
q
u
an
t
if
y
s
a
v
i
n
g
s
.
I
n
p
r
in
cip
le,
M
&
V
q
u
a
n
ti
f
ie
s
en
er
g
y
s
av
in
g
s
b
y
co
m
p
ar
in
g
en
er
g
y
co
n
s
u
m
p
tio
n
b
e
f
o
r
e
an
d
af
ter
t
h
e
r
etr
o
f
itti
n
g
p
r
o
ce
s
s
.
T
h
e
en
er
g
y
co
n
s
u
m
p
tio
n
a
f
ter
t
h
e
r
etr
o
f
i
ttin
g
p
r
o
ce
s
s
is
k
n
o
w
n
as
th
e
p
o
s
t
-
r
etr
o
f
it e
n
er
g
y
co
n
s
u
m
p
tio
n
.
T
h
e
p
o
s
t
-
r
etr
o
f
i
t
in
p
u
t
d
ata
w
er
e
lo
ad
ed
in
to
th
e
H
ANN
-
C
V
b
aseli
n
e
e
n
er
g
y
m
o
d
el
to
p
r
ed
ict
th
e
o
u
tp
u
t.
T
h
e
p
r
ed
icted
o
u
tp
u
t
is
k
n
o
w
n
as
th
e
ad
j
u
s
te
d
b
aselin
e
e
n
er
g
y
.
Sa
v
i
n
g
s
i
n
ter
m
s
o
f
e
n
er
g
y
av
o
id
ed
w
er
e
d
eter
m
i
n
ed
f
r
o
m
t
h
e
d
if
f
er
en
ce
s
b
et
w
ee
n
th
e
ad
j
u
s
ted
b
aselin
e
e
n
er
g
y
an
d
p
o
s
t
-
r
etr
o
f
it
e
n
er
g
y
co
n
s
u
m
p
tio
n
as in
(
5
)
.
=
−
(
5
)
W
h
er
e
is
th
e
en
er
g
y
a
v
o
id
ed
,
is
th
e
ad
j
u
s
ted
b
aseli
n
e
e
n
er
g
y
,
an
d
is
th
e
p
o
s
t
-
r
etr
o
f
it
en
er
g
y
co
n
s
u
m
p
tio
n
.
2
.
3
.
Da
t
a
c
o
llect
io
n
Fo
r
Op
tio
n
C
,
th
e
b
aselin
e
a
n
d
p
o
s
t
-
r
etr
o
f
it
d
ata
w
er
e
o
b
tain
ed
o
n
m
o
n
t
h
l
y
b
asis
f
r
o
m
t
h
e
Facilit
y
Ma
n
ag
e
m
e
n
t
O
f
f
ice,
Un
i
v
er
s
i
ti
T
ek
n
o
lo
g
i
Ma
r
a
(
UiT
M)
,
Sh
ah
A
la
m
,
Sela
n
g
o
r
,
Ma
la
y
s
ia
,
ex
ce
p
t
C
DD.
T
h
e
C
DD
d
ata
w
er
e
o
b
tain
ed
f
r
o
m
Ma
la
y
s
ian
Me
teo
r
o
lo
g
ical
Dep
ar
t
m
e
n
t.
T
h
e
w
h
o
le
d
at
aset
o
f
Fac
u
lt
y
o
f
E
lectr
ical
E
n
g
i
n
ee
r
i
n
g
,
UiT
M
is
p
r
esen
ted
as i
n
T
ab
le
1
w
it
h
th
e
m
i
n
i
m
u
m
,
m
a
x
i
m
u
m
,
a
n
d
m
ea
n
v
al
u
es.
T
h
e
d
ata
w
er
e
d
i
v
id
ed
in
to
t
wo
t
y
p
es:
1
)
2
3
m
o
n
t
h
l
y
e
n
er
g
y
an
d
i
n
d
ep
en
d
en
t
v
ar
iab
les
b
aselin
e
d
ata
in
2
0
1
2
to
2
0
1
4
an
d
2
)
2
0
m
o
n
th
l
y
p
o
s
t
-
r
etr
o
f
i
t d
ata
f
r
o
m
2
0
1
4
to
2
0
1
6
.
T
h
r
ee
i
n
p
u
t
v
ar
ia
b
les
w
er
e
m
ea
s
u
r
ed
in
d
ev
e
lo
p
in
g
t
h
e
b
aseli
n
e
en
er
g
y
m
o
d
el:
w
o
r
k
i
n
g
d
a
y
s
,
clas
s
d
a
y
s
a
n
d
co
o
lin
g
d
eg
r
ee
d
a
y
s
.
T
h
ese
p
ar
am
eter
s
w
er
e
as
s
ig
n
ed
as
A
N
N
in
p
u
t
a
n
d
th
e
tar
g
eted
o
u
tp
u
t
f
o
r
th
e
b
aseli
n
e
w
h
ic
h
w
as
t
h
e
m
o
n
th
l
y
elec
tr
icit
y
co
n
s
u
m
p
tio
n
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
A
r
ti
f
I
n
tell
I
SS
N:
2252
-
8938
Dev
elo
p
men
t o
f o
p
tio
n
c
mea
s
u
r
eme
n
t a
n
d
ve
r
ifica
tio
n
mo
d
el
u
s
in
g
... (
W
a
n
N
a
z
i
r
a
h
W
a
n
Md
A
d
n
a
n
)
29
T
ab
le
1
.
Op
tio
n
C
I
P
MV
P
–
s
t
atis
tical
d
ata
f
o
r
b
aseli
n
e
an
d
p
o
s
t
-
r
etr
o
f
it
P
a
r
a
me
t
e
r
R
a
n
g
e
M
e
a
n
B
a
se
l
i
n
e
i
n
p
u
t
:
c
l
a
ss
d
a
y
s
0
–
21
14
B
a
se
l
i
n
e
i
n
p
u
t
:
c
o
o
l
i
n
g
d
e
g
r
e
e
d
a
y
s
4
6
8
–
6
2
8
5
6
3
B
a
se
l
i
n
e
i
n
p
u
t
:
w
o
r
k
i
n
g
d
a
y
s
21
3
.
1
4
3
°
C
B
a
se
l
i
n
e
o
u
t
p
u
t
:
e
l
e
c
t
r
i
c
a
l
e
n
e
r
g
y
c
o
n
su
m
p
t
i
o
n
1
0
9
6
4
2
k
W
h
-
1
5
9
2
2
6
k
W
h
1
3
8
5
0
7
k
W
h
P
o
st
R
e
t
r
o
f
i
t
i
n
p
u
t
:
c
l
a
ss
d
a
y
s
0
–
23
14
P
o
st
R
e
t
r
o
f
i
t
i
n
p
u
t
:
c
o
o
l
i
n
g
d
e
g
r
e
e
d
a
y
s
5
1
1
–
6
4
9
5
7
9
P
o
st
R
e
t
r
o
f
i
t
i
n
p
u
t
:
w
o
r
k
i
n
g
d
a
y
s
1
7
–
23
21
P
o
st
R
e
t
r
o
f
i
t
o
u
t
p
u
t
:
e
l
e
c
t
r
i
c
a
l
e
n
e
r
g
y
c
o
n
su
mp
t
i
o
n
6
3
0
0
2
k
W
h
-
1
1
3
6
1
3
k
W
h
8
6
3
7
7
k
W
h
S
T
A
R
T
I
n
i
t
i
a
l
i
z
e
A
B
C
p
a
r
a
m
e
t
e
r
s
C
a
l
c
u
l
a
t
e
n
e
c
t
a
r
a
m
o
u
n
t
:
O
b
j
V
a
l
a
n
d
F
i
t
n
e
s
s
(
O
p
t
i
m
i
z
e
d
t
h
e
o
b
j
e
c
t
i
v
e
f
u
n
c
t
i
o
n
)
D
e
t
e
r
m
i
n
e
n
e
w
f
o
o
d
p
o
s
i
t
i
o
n
C
a
l
c
u
l
a
t
e
n
e
c
t
a
r
a
m
o
u
n
t
:
O
b
j
V
a
l
a
n
d
F
i
t
n
e
s
s
N
o
C
a
l
c
u
l
a
t
e
P
r
o
b
a
b
i
l
i
t
i
e
s
Y
e
s
Y
e
s
N
o
D
e
t
e
r
m
i
n
e
n
e
w
f
o
o
d
p
o
s
i
t
i
o
n
C
a
l
c
u
l
a
t
e
n
e
c
t
a
r
a
m
o
u
n
t
:
O
b
j
V
a
l
a
n
d
F
i
t
n
e
s
s
G
r
e
e
d
y
S
e
l
e
c
t
i
o
n
G
r
e
e
d
y
S
e
l
e
c
t
i
o
n
A
l
l
o
n
l
o
o
k
e
r
s
d
i
s
t
r
i
b
u
t
e
d
?
M
e
m
o
r
i
z
e
t
h
e
p
o
s
i
t
i
o
n
o
f
t
h
e
b
e
s
t
f
o
o
d
s
o
u
r
c
e
i
=
i
+
1
N
o
Y
e
s
P
r
o
d
u
c
e
n
e
w
p
o
s
i
t
i
o
n
f
o
r
t
h
e
a
b
a
n
d
o
n
e
d
f
o
o
d
s
o
u
r
c
e
.
C
a
l
c
u
l
a
t
e
n
e
c
t
a
r
a
m
o
u
n
t
:
O
b
j
V
a
l
a
n
d
F
i
t
n
e
s
s
S
t
o
p
p
i
n
g
c
r
i
t
e
r
i
a
I
t
e
r
>
M
C
N
?
N
o
Y
e
s
I
t
e
r
=
i
t
e
r
+
1
R
a
n
d
o
m
l
y
g
e
n
e
r
a
t
e
A
N
N
s
y
n
a
p
t
i
c
w
e
i
g
h
t
s
a
n
d
b
i
a
s
e
s
T
r
a
i
n
A
N
N
t
o
m
a
x
R
A
l
l
e
m
p
l
o
y
e
d
D
i
s
t
r
i
b
u
t
e
d
?
I
N
I
T
I
A
L
I
Z
A
T
I
O
N
&
R
E
S
A
M
P
L
I
N
G
P
H
A
S
E
R
a
n
d
o
m
n
o
<
p
r
o
b
(
i
)
?
E
M
P
L
O
Y
E
D
B
E
E
P
H
A
S
E
P
R
O
B
A
B
A
L
I
T
Y
O
N
L
O
O
K
E
R
B
E
E
P
H
A
S
E
S
C
O
U
T
B
E
E
P
H
A
S
E
M
E
M
O
R
I
Z
E
B
E
S
T
P
O
S
I
T
I
O
N
T
r
a
i
n
A
N
N
t
o
m
a
x
R
T
r
a
i
n
A
N
N
t
o
m
a
x
R
T
r
a
i
n
A
N
N
t
o
m
a
x
R
S
a
v
e
o
p
t
i
m
a
l
v
a
l
u
e
s
R
a
n
d
o
m
l
y
g
e
n
e
r
a
t
e
i
n
d
i
c
e
s
n
u
m
b
e
r
P
a
r
t
i
t
i
o
n
d
a
t
a
i
n
t
o
k
-
s
u
b
s
a
m
p
l
e
s
P
a
r
t
i
t
i
o
n
d
a
t
a
i
n
t
o
k
-
s
u
b
s
a
m
p
l
e
s
b
a
s
e
d
o
n
g
e
n
e
r
a
t
e
d
i
n
d
i
c
e
s
n
u
m
b
e
r
C
r
o
s
s
V
a
l
i
d
a
t
i
o
n
r
e
s
a
m
p
l
i
n
g
t
e
c
h
n
i
q
u
e
k
=
1
E
N
D
A
l
l
d
a
t
a
s
e
t
e
v
a
l
u
a
t
e
d
?
k
=
k
+
1
D
a
t
a
c
o
l
l
e
c
t
i
o
n
:
B
a
s
e
l
i
n
e
i
n
p
u
t
a
n
d
t
a
r
g
e
t
e
d
o
u
t
p
u
t
O
p
t
i
o
n
C
I
P
M
V
P
Y
e
s
N
o
Fig
u
r
e
2
.
Flo
w
c
h
ar
t o
f
H
A
N
N
-
C
V
m
o
d
el
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
I
n
t J
A
r
ti
f
I
n
tell
,
Vo
l.
9
,
No
.
1
,
Ma
r
ch
20
20
:
25
–
32
30
3.
RE
SU
L
T
S
A
ND
D
I
SCU
SS
I
O
N
T
h
is
s
ec
tio
n
e
x
p
lain
s
t
h
e
r
es
u
lt
o
f
b
ase
lin
e
en
er
g
y
m
o
d
el
u
s
i
n
g
C
V
r
esa
m
p
li
n
g
tec
h
n
iq
u
es
w
h
ich
w
er
e
i
n
co
r
p
o
r
ated
w
ith
AN
N
an
d
A
B
C
.
T
h
e
H
A
NN
a
n
d
A
NN
m
et
h
o
d
s
f
r
o
m
t
h
e
p
r
ev
io
u
s
p
ap
er
w
er
e
co
m
p
ar
ed
at
t
h
e
en
d
o
f
th
i
s
s
ec
tio
n
.
T
h
e
p
er
f
o
r
m
a
n
ce
b
et
w
ee
n
t
h
e
tar
g
e
ted
an
d
p
r
ed
icted
o
u
tp
u
t
w
er
e
ev
alu
a
ted
an
d
co
m
p
ar
ed
to
f
i
n
d
t
h
e
m
o
s
t
ac
cu
r
ate
m
eth
o
d
.
T
h
e
m
o
d
el
w
i
th
t
h
e
h
i
g
h
e
s
t
v
al
u
es
o
f
R
w
as
s
elec
ted
as
t
h
e
m
o
s
t
ac
cu
r
ate
b
aselin
e
e
n
er
g
y
m
o
d
el
a
n
d
u
s
ed
i
n
th
e
p
o
s
t
r
etr
o
f
it
p
h
a
s
e
to
ca
lcu
late
t
h
e
ad
j
u
s
ted
b
aselin
e
en
er
g
y
m
o
d
el,
h
en
ce
to
d
eter
m
i
n
e
th
e
e
n
er
g
y
s
av
i
n
g
.
3
.
1
.
B
a
s
eline
ener
g
y
m
o
del
dev
elo
p
m
ent
re
s
ult
s
T
h
e
n
et
w
o
r
k
co
n
f
i
g
u
r
atio
n
s
w
it
h
6
,
9
,
a
n
d
2
0
n
e
u
r
o
n
s
in
t
h
e
h
id
d
en
la
y
er
w
er
e
ap
p
lied
to
HANN
-
C
V.
I
n
t
h
is
s
t
u
d
y
,
A
B
C
w
as
i
m
p
le
m
e
n
ted
in
A
NN
an
d
e
v
al
u
ated
to
g
e
th
er
w
it
h
t
h
e
C
V
m
eth
o
d
to
a
v
o
id
tr
ial
an
d
er
r
o
r
m
et
h
o
d
an
d
in
cr
ea
s
e
th
e
ac
cu
r
ac
y
o
f
t
h
e
en
er
g
y
b
aselin
e
m
o
d
el.
Fo
r
ea
ch
s
ele
cted
n
eu
r
o
n
in
t
h
e
h
id
d
en
la
y
er
,
f
iv
e
iter
atio
n
s
o
f
tr
ai
n
i
n
g
,
v
alid
atio
n
,
an
d
test
in
g
s
et
s
w
er
e
p
er
f
o
r
m
ed
,
an
d
th
e
p
er
f
o
r
m
an
ce
o
f
ea
ch
f
o
ld
w
as
m
ea
s
u
r
ed
p
er
f
o
r
m
a
n
ce
ev
al
u
atio
n
f
u
n
ctio
n
s
.
T
h
e
av
er
ag
e
R
te
s
t
a
n
d
R
a
ll
v
al
u
es
f
o
r
ea
ch
s
u
b
s
a
m
p
le
is
tab
u
lated
i
n
T
ab
l
e
2
.
Fro
m
T
ab
le
2
,
th
e
av
er
a
g
e
R
te
s
t
a
n
d
R
all
v
al
u
es
f
o
r
all
s
u
b
s
a
m
p
le
s
w
er
e
ab
o
v
e
0
.
9
3
,
in
d
icate
s
a
clo
s
e
m
atc
h
b
et
w
ee
n
th
e
m
ea
s
u
r
e
d
an
d
p
r
ed
icted
en
er
g
y
co
n
s
u
m
p
tio
n
d
u
r
in
g
t
h
e
test
i
n
g
a
n
d
o
v
er
all
tr
ain
i
n
g
p
r
o
ce
s
s
es.
I
n
o
r
d
er
to
clea
r
ly
s
h
o
w
t
h
e
o
v
er
all
p
er
f
o
r
m
an
ce
o
f
A
N
N
-
C
V
an
d
HA
NN
-
C
V
w
it
h
th
e
co
m
b
in
at
io
n
o
f
6
,
9
,
an
d
2
0
n
eu
r
o
n
s
in
th
e
h
id
d
en
la
y
er
,
th
ese
m
o
d
els
wer
e
co
m
p
ar
ed
to
ea
ch
o
th
er
as
s
h
o
w
n
in
T
ab
le
3
.
I
n
co
m
p
ar
is
o
n
to
A
NN
-
C
V
m
et
h
o
d
,
th
e
av
er
a
g
e
R
v
al
u
es
o
f
H
A
NN
-
C
V
o
b
tain
ed
b
etter
r
esu
lts
i
n
ter
m
s
o
f
ac
cu
r
ac
y
a
n
d
r
o
b
u
s
tn
e
s
s
.
T
h
i
s
r
esear
ch
f
i
n
d
s
o
u
t
t
h
at
t
h
e
r
esa
m
p
li
n
g
tec
h
n
iq
u
e
w
i
th
H
A
N
N,
w
as
ab
le
to
p
r
o
d
u
ce
b
etter
r
esu
lt
an
d
p
r
ed
ict
a
m
o
r
e
ac
cu
r
ate
en
er
g
y
co
n
s
u
m
p
t
io
n
t
h
an
t
h
e
m
et
h
o
d
s
w
it
h
A
N
N
-
C
V.
T
h
e
v
alu
e
s
f
o
r
all
a
v
er
ag
e
co
ef
f
ic
ien
t
o
f
co
r
r
ela
tio
n
f
o
r
H
A
N
N
m
et
h
o
d
w
er
e
g
r
ea
ter
t
h
an
0
.
8
6
.
T
h
ese
r
esu
lt
s
in
d
icate
t
h
e
H
A
NN
m
et
h
o
d
w
it
h
li
m
i
ted
d
ata
av
ailab
le
av
o
id
n
et
w
o
r
k
o
v
er
f
itti
n
g
a
n
d
p
r
o
d
u
ce
a
v
er
y
h
ig
h
p
r
ed
ictio
n
ac
cu
r
ac
y
m
o
d
el.
O
n
a
v
er
ag
e,
H
ANN
-
C
V
m
o
d
el
w
it
h
6
n
eu
r
o
n
s
i
n
th
e
h
id
d
en
la
y
er
h
a
v
e
h
ig
h
e
r
av
er
ag
e
ac
cu
r
ac
y
co
m
p
ar
ed
to
th
e
o
th
er
t
w
o
m
o
d
els
.
E
v
e
n
th
o
u
g
h
t
h
e
R
_
v
a
lid
v
al
u
es
wer
e
lo
w
er
t
h
an
t
h
e
o
th
er
v
alu
e
s
,
it
w
a
s
s
till
ac
ce
p
tab
le
an
d
m
et
th
e
I
P
MV
P
r
e
q
u
ir
e
m
e
n
t.
T
h
e
ca
p
ab
ilit
y
o
f
A
N
N
to
lear
n
an
d
p
r
ed
ict
is
s
u
p
p
o
r
ted
b
y
th
e
d
e
g
r
ee
o
f
ac
ce
p
t
ab
ilit
y
o
f
t
h
e
tr
a
in
i
n
g
,
v
alid
atio
n
,
a
n
d
test
i
n
g
s
ets p
er
f
o
r
m
an
ce
.
T
ab
le
2
.
T
h
e
ef
f
ec
t o
f
n
u
m
b
er
o
f
n
e
u
r
o
n
s
i
n
h
id
d
en
la
y
er
o
n
av
er
ag
e
co
ef
f
icie
n
t o
f
co
r
r
elat
io
n
o
f
s
u
b
s
a
m
p
le
s
R
_
test
an
d
R
_
all
f
o
r
o
p
tio
n
C
I
P
MV
P
–
HA
NN
-
C
V.
N
e
u
r
o
n
s i
n
h
i
d
d
e
n
l
a
y
e
r
S
u
b
s
a
m
p
l
e
1
S
u
b
s
a
m
p
l
e
2
S
u
b
s
a
m
p
l
e
3
S
u
b
s
a
m
p
l
e
4
S
u
b
s
a
m
p
l
e
5
R
_
t
e
st
R
_
a
l
l
R
_
t
e
st
R
_
a
l
l
R
_
t
e
st
R
_
a
l
l
R
_
t
e
st
R
_
a
l
l
R
_
t
e
st
R
_
a
l
l
6
0
.
9
9
5
2
4
0
.
9
8
1
7
4
0
.
9
6
0
8
7
0
.
9
4
6
7
4
0
.
9
9
6
4
6
0
.
9
8
2
4
0
0
.
9
7
0
9
0
0
.
9
3
8
4
0
0
.
9
9
5
5
3
0
.
9
7
1
8
2
9
0
.
9
6
5
4
1
0
.
9
4
3
2
5
0
.
9
9
7
1
1
0
.
9
7
2
1
3
0
.
9
6
6
6
5
0
.
9
5
5
6
5
0
.
9
8
7
5
7
0
.
9
6
6
0
2
0
.
9
7
6
6
6
0
.
9
3
8
0
7
20
0
.
9
8
1
6
2
0
.
9
3
4
5
7
0
.
9
6
1
4
7
0
.
9
5
8
1
6
0
.
9
8
2
0
8
0
.
9
4
7
3
3
0
.
9
7
9
0
0
0
.
9
5
0
7
5
0
.
9
7
2
1
5
0
.
9
3
8
9
1
T
ab
le
3
.
T
h
e
ef
f
ec
t o
f
n
u
m
b
er
o
f
n
e
u
r
o
n
s
i
n
h
id
d
en
la
y
er
o
n
R
f
o
r
o
p
ti
o
n
C
I
P
MV
P
–
C
o
m
p
ar
is
o
n
b
et
w
ee
n
A
N
N
-
C
V
a
n
d
HANN
-
CV
N
e
u
r
o
n
s i
n
h
i
d
d
e
n
l
a
y
e
r
H
A
N
N
-
CV
A
N
N
_
C
V
R
_
t
r
a
i
n
R
_
v
a
l
i
d
R
_
t
e
st
R
_
a
l
l
R
_
t
r
a
i
n
R
_
v
a
l
i
d
R
_
t
e
st
R
_
a
l
l
6
0
.
9
7
9
3
1
3
0
.
8
8
8
6
6
5
0
.
9
8
3
8
0
0
0
.
9
6
4
2
2
2
0
.
8
9
9
5
1
0
0
.
7
5
9
1
0
0
0
.
8
5
8
0
7
0
0
.
8
7
2
4
8
0
9
0
.
9
6
4
4
7
3
0
.
8
6
6
7
8
7
0
.
9
7
8
6
8
0
0
.
9
5
5
0
2
5
0
.
8
9
1
2
8
3
0
.
7
2
8
8
4
5
0
.
8
7
1
9
5
2
0
.
8
7
3
1
2
9
20
0
.
9
5
2
4
4
9
0
.
8
8
8
9
9
0
0
.
9
7
5
2
6
2
0
.
9
4
5
9
4
4
0
.
9
0
7
0
7
2
0
.
8
4
8
0
5
4
0
.
8
1
1
1
6
9
0
.
8
6
2
6
4
9
E
v
en
t
h
o
u
g
h
th
e
H
A
N
N
-
C
V
m
o
d
el
w
it
h
6
n
e
u
r
o
n
s
i
n
h
i
d
d
en
la
y
er
h
as
m
u
ch
b
etter
p
r
ed
ictio
n
r
esu
lt
s
th
a
n
t
h
e
m
o
d
el
w
it
h
9
an
d
2
0
n
eu
r
o
n
s
i
n
h
id
d
en
la
y
e
r
b
ased
o
n
th
e
av
er
ag
e
v
al
u
e,
th
e
m
o
d
el
w
it
h
2
0
n
eu
r
o
n
s
w
a
s
c
h
o
s
e
n
a
s
t
h
e
b
est
m
o
d
el
b
ased
o
n
th
e
h
ig
h
e
s
t
v
alu
e
s
o
f
all
co
ef
f
icie
n
t
o
f
co
r
r
elatio
n
r
es
u
lts
,
R
_
tr
ain
,
R
_
v
alid
,
R
_
test
a
n
d
R
_
all.
T
h
is
s
elec
ted
m
o
d
el
ac
h
iev
ed
th
e
R
_
all
o
f
0
.
9
9
0
8
9
0
an
d
R
_
tr
ai
n
o
f
0
.
9
9
9
0
1
6
,
R
_
v
alid
o
f
0
.
9
7
8
4
6
1
,
an
d
R
_
test
o
f
0
.
9
9
9
7
1
0
.
T
h
e
v
a
lu
e
s
f
o
r
all
R
w
er
e
g
r
ea
t
er
th
an
0
.
9
8
w
h
ic
h
co
n
s
id
er
ed
ac
ce
p
tab
le
an
d
in
co
m
p
lia
n
ce
w
it
h
t
h
e
I
P
MV
P
p
r
o
to
co
l.
3
.
2
.
Appl
y
ing
h
y
brid ANN
m
o
de
l f
o
r
det
er
m
i
nin
g
ener
g
y
s
a
v
ing
s
in P
o
s
t
Ret
ro
f
it
I
n
o
r
d
er
to
q
u
an
ti
f
y
en
er
g
y
s
a
v
in
g
,
t
h
e
ad
j
u
s
ted
b
aseli
n
e
m
o
d
el
n
ee
d
to
b
e
d
ev
elo
p
ed
.
T
h
e
r
ef
o
r
e,
th
e
HANN
-
C
V
m
o
d
el
w
it
h
2
0
n
e
u
r
o
n
s
i
n
t
h
e
h
id
d
en
la
y
er
w
as
ap
p
lied
to
th
e
p
o
s
t
-
r
etr
o
f
it
d
ata
f
o
r
Op
tio
n
C
to
d
ev
elo
p
th
e
ad
j
u
s
ted
b
aselin
e
m
o
d
el.
T
h
e
M
&
V
ti
m
eli
n
e
f
o
r
Op
tio
n
C
is
g
r
ap
h
ical
l
y
s
h
o
w
n
i
n
Fi
g
u
r
e
3
.
T
h
e
f
i
g
u
r
e
ill
u
s
tr
ates
t
h
e
w
h
o
le
d
ata
f
o
r
2
3
m
o
n
t
h
s
f
o
r
t
h
e
b
as
elin
e
p
er
io
d
an
d
2
0
m
o
n
t
h
s
f
o
r
th
e
p
o
s
t
r
etr
o
f
it
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
A
r
ti
f
I
n
tell
I
SS
N:
2252
-
8938
Dev
elo
p
men
t o
f o
p
tio
n
c
mea
s
u
r
eme
n
t a
n
d
ve
r
ifica
tio
n
mo
d
el
u
s
in
g
... (
W
a
n
N
a
z
i
r
a
h
W
a
n
Md
A
d
n
a
n
)
31
p
er
io
d
.
T
h
e
g
r
ap
h
s
h
o
w
s
th
e
ac
tu
al
en
er
g
y
co
n
s
u
m
p
t
io
n
f
o
r
th
e
b
aselin
e
a
n
d
p
o
s
t
-
r
etr
o
f
it,
th
e
H
A
NN
-
C
V
p
r
ed
icted
v
alu
es
f
o
r
th
e
b
aselin
e
an
d
p
o
s
t
-
r
etr
o
f
it
f
o
r
th
e
g
i
v
en
ti
m
el
in
e.
T
h
e
p
r
ed
icted
v
alu
es
f
o
r
p
o
s
t
-
r
etr
o
f
i
t
p
er
io
d
w
as
also
k
n
o
w
n
as
ad
j
u
s
ted
b
aseli
n
e.
Fro
m
th
e
f
i
g
u
r
e,
a
b
ig
g
er
g
ap
w
a
s
p
r
esen
t
b
et
w
ee
n
th
e
ad
j
u
s
ted
b
aselin
e
a
n
d
ac
t
u
al
co
n
s
u
m
p
ti
o
n
in
th
e
p
o
s
t
-
r
etr
o
f
i
t
p
er
io
d
.
T
h
is
g
ap
r
ep
r
esen
t
s
t
h
e
en
er
g
y
s
a
v
i
n
g
o
b
tain
ed
,
th
e
d
if
f
er
en
ce
b
et
w
ee
n
t
h
e
ad
ju
s
ted
b
aseli
n
e
an
d
en
er
g
y
co
n
s
u
m
p
tio
n
f
o
r
th
e
p
o
s
t
-
r
etr
o
f
it
p
er
io
d
.
T
h
er
ef
o
r
e,
th
e
en
er
g
y
s
a
v
i
n
g
s
o
b
tain
ed
f
o
r
2
0
m
o
n
t
h
s
w
as
1
,
1
4
9
,
4
9
1
.
5
6
k
W
h
±
0
.
4
8
%
a
t
9
5
%
o
f
co
n
f
id
e
n
ce
le
v
el
w
it
h
3
9
.
9
5
%
o
f
e
n
er
g
y
s
a
v
i
n
g
s
.
T
h
e
r
elati
v
e
p
r
ec
is
io
n
w
as
co
m
p
u
ted
u
s
in
g
a
t
v
a
lu
e
f
r
o
m
th
e
n
o
r
m
a
l
t
-
d
is
tr
ib
u
tio
n
tab
le
.
T
h
e
u
n
ce
r
tai
n
t
y
p
r
ese
n
ted
in
th
e
s
av
i
n
g
s
co
m
p
lied
w
it
h
th
e
r
eq
u
ir
em
e
n
t
s
b
y
th
e
I
P
MV
P
w
h
ic
h
t
h
e
s
ta
n
d
ar
d
er
r
o
r
o
f
th
e
b
aselin
e
v
al
u
e
s
h
o
u
ld
b
e
m
o
r
e
th
a
n
t
w
ice.
Fig
u
r
e
3
.
M&
V
T
i
m
eli
n
e
f
o
r
Op
tio
n
C
-
I
P
MV
P
.
4.
CO
NCLU
SI
O
N
T
h
e
ap
p
licatio
n
o
f
H
ANN
-
CV
f
o
r
m
o
d
elli
n
g
t
h
e
b
aseli
n
e
en
er
g
y
f
o
r
s
m
all
d
atase
t
w
as
p
r
esen
ted
i
n
th
is
s
t
u
d
y
to
i
m
p
r
o
v
e
t
h
e
l
ea
r
n
in
g
ac
cu
r
ac
y
o
f
a
s
m
all
d
ataset
p
r
o
b
lem
s
i
n
t
h
e
p
r
ed
ictio
n
o
f
en
er
g
y
co
n
s
u
m
p
tio
n
o
f
Op
tio
n
C
.
T
h
e
A
B
C
o
p
ti
m
is
atio
n
w
as
u
s
ed
an
d
e
m
b
ed
d
ed
in
th
i
s
m
et
h
o
d
to
f
in
d
t
h
e
o
p
tim
u
m
v
a
lu
e
s
o
f
w
ei
g
h
ts
a
n
d
b
iases
to
en
h
a
n
ce
th
e
p
r
ed
ict
io
n
o
f
th
e
b
asel
in
e
e
n
er
g
y
m
o
d
el.
T
h
e
p
r
esen
ted
r
esu
lts
in
th
e
p
r
ev
io
u
s
s
ec
tio
n
s
h
o
w
s
t
h
at
t
h
e
r
esa
m
p
li
n
g
tec
h
n
iq
u
es
ar
e
ca
p
ab
le
t
o
tr
ain
t
h
e
n
e
u
r
al
n
et
w
o
r
k
e
v
e
n
w
it
h
li
m
ited
d
ata
a
v
ailab
le.
Ap
ar
t
f
r
o
m
t
h
at,
th
e
r
es
u
lts
s
h
o
w
th
a
t
t
h
e
b
aseli
n
e
m
o
d
el
w
it
h
H
A
N
N
p
er
f
o
r
m
ed
b
etter
th
a
n
A
NN
in
ter
m
s
o
f
t
h
e
p
r
ed
ictin
g
ab
ilit
y
a
n
d
ac
cu
r
ac
y
.
T
h
e
p
r
ed
icted
v
alu
e
s
o
b
tain
ed
b
y
H
A
NN
m
o
d
el
co
r
r
esp
o
n
d
ed
clo
s
ely
to
th
e
m
ea
s
u
r
ed
v
al
u
es
(
tar
g
eted
o
u
tp
u
t)
a
n
d
q
u
ite
s
atis
f
ac
to
r
y
co
r
r
elatio
n
w
h
er
e
th
e
a
v
er
ag
e
w
a
s
m
o
r
e
t
h
a
n
8
4
%
f
o
r
tr
ain
i
n
g
,
test
i
n
g
,
an
d
v
alid
atio
n
s
ets.
T
h
e
m
o
s
t
ap
p
r
o
p
r
iate
an
d
ac
cu
r
a
te
m
et
h
o
d
f
o
r
Op
tio
n
C
is
HANN
-
C
V
m
o
d
el
w
i
th
2
0
n
eu
r
o
n
s
,
w
h
er
e
t
h
e
p
er
ce
n
tag
e
o
f
all
R
s
w
er
e
9
7
.
8
5
%,
w
h
ich
ca
n
b
e
co
n
s
id
er
ed
v
er
y
h
ig
h
l
y
co
r
r
elate
d
.
T
h
is
ap
p
r
o
ac
h
p
r
o
v
es
to
b
e
a
v
er
y
p
r
o
m
is
i
n
g
alter
n
ati
v
e
to
th
e
Op
tio
n
C
a
n
d
t
h
is
p
r
o
p
o
s
ed
m
et
h
o
d
ca
n
i
m
p
r
o
v
e
lear
n
in
g
p
er
f
o
r
m
an
ce
s
i
g
n
if
ica
n
tl
y
w
h
en
w
o
r
k
i
n
g
w
i
th
s
m
a
ll d
ataset.
RE
F
E
R
E
NC
E
S
[1
]
J.
G
ra
n
d
e
rso
n
,
S
.
T
o
u
z
a
n
i,
C
.
Cu
sto
d
io
,
M
.
D.
S
o
h
n
,
D.
Ju
m
p
,
a
n
d
S
.
F
e
rn
a
n
d
e
s,
“
A
c
c
u
ra
c
y
o
f
a
u
to
m
a
ted
m
e
a
su
re
m
e
n
t
a
n
d
v
e
rif
ica
ti
o
n
(M
&
V
)
tec
h
n
i
q
u
e
s
f
o
r
e
n
e
rg
y
sa
v
in
g
s
in
c
o
m
m
e
rc
ial
b
u
il
d
i
n
g
s,”
Ap
p
l.
E
n
e
rg
y
,
v
o
l.
1
7
3
,
p
p
.
2
9
6
–
3
0
8
,
2
0
1
6
.
[2
]
G
.
L
.
G
o
u
ws
,
R,
M
E
S
to
rm
,
“
M
e
a
su
re
m
e
n
t
&
V
e
rif
ic
a
ti
o
n
o
f
th
e
Esk
o
m
Irri
g
a
ti
o
n
P
u
m
p
in
g
S
tan
d
a
rd
P
r
o
d
u
c
t
P
r
o
g
ra
m
m
e
,
”
in
In
d
u
stria
l
a
n
d
Co
mm
e
rc
ia
l
Us
e
o
f
En
e
rg
y
Co
n
fer
e
n
c
e
(
ICUE),
2
0
1
3
Pro
c
e
e
d
i
n
g
s
o
f
th
e
1
0
th
,
2
0
1
3
.
[3
]
Eff
icie
n
c
y
V
a
lu
a
ti
o
n
Org
a
n
iza
ti
o
n
,
“
In
tern
a
ti
o
n
a
l
P
e
rf
o
rm
a
n
c
e
M
e
a
su
re
m
e
n
t
a
n
d
V
e
rif
ica
ti
o
n
P
ro
to
c
o
l
(IP
M
VP),
”
2
0
1
2
.
[4
]
D.
De
Ca
n
h
a
,
“
M
e
a
su
re
m
e
n
t
&
V
e
rif
ica
ti
o
n
o
f
Co
a
l
F
ired
P
o
w
e
r
S
tatio
n
M
a
in
ten
a
n
c
e
P
ro
j
e
c
ts,”
in
Po
we
r
En
g
i
n
e
e
rin
g
C
o
n
fer
e
n
c
e
(
AUPE
C
),
2
0
1
5
Au
str
a
la
si
a
n
Un
ive
rs
it
ies
,
2
0
1
5
,
p
p
.
1
–
5.
[5
]
B.
G
.
M
e
n
it
a
e
t
a
l.
,
“
M
e
a
su
re
m
e
n
t
a
n
d
V
e
rif
ica
ti
o
n
in
E
n
e
rg
y
E
ff
icie
n
c
y
P
ro
jec
ts
in
v
o
lv
in
g
S
o
lar
W
a
ter
He
a
ti
n
g
S
y
st
e
m
s
in
Ho
m
e
s
o
f
L
o
w
-
In
c
o
m
e
F
a
m
il
ies
–
Ca
se
S
tu
d
ies
,
”
in
2
0
1
5
CHIL
EA
N
Co
n
fer
e
n
c
e
o
n
El
e
c
trica
l,
El
e
c
tro
n
ics
En
g
in
e
e
rin
g
,
I
n
f
o
rm
a
ti
o
n
a
n
d
C
o
mm
u
n
ica
ti
o
n
T
e
c
h
n
o
l
o
g
ies
(
CHILE
CON)
,
2
0
1
5
,
p
p
.
5
8
5
–
5
9
0
.
[6
]
J.
M
e
n
g
,
L
.
Jia
n
g
,
F
.
L
iu
,
J.
Zh
e
n
g
,
a
n
d
Q.
L
i,
“
A
m
e
a
su
re
m
e
n
t
a
n
d
v
e
rif
ica
ti
o
n
m
e
th
o
d
f
o
r
e
n
e
rg
y
s
a
v
in
g
s
o
f
p
o
w
e
r
li
n
e
tran
sf
o
r
m
a
ti
o
n
p
ro
jec
t,
”
Ch
in
a
I
n
t.
Co
n
f.
El
e
c
tr.
Distrib
.
CICED
,
v
o
l.
2
0
1
4
-
De
c
e
m
,
n
o
.
Cice
d
,
p
p
.
7
3
8
–
7
4
4
,
2
0
1
4
.
1
0
0
0
0
3
0
0
0
0
5
0
0
0
0
7
0
0
0
0
9
0
0
0
0
1
1
0
0
0
0
1
3
0
0
0
0
1
5
0
0
0
0
1
7
0
0
0
0
A
c
t
u
a
l
C
o
n
s
u
mp
t
i
o
n
H
A
N
N
-
C
V
2
0
P
r
e
d
i
c
t
e
d
EC
M
I
N
S
T
A
L
L
A
TI
O
N
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
I
n
t J
A
r
ti
f
I
n
tell
,
Vo
l.
9
,
No
.
1
,
Ma
r
ch
20
20
:
25
–
32
32
[7
]
A
.
M
a
rti
n
e
z
a
n
d
J.
Ch
o
i,
“
A
n
a
l
y
sis
o
f
e
n
e
rg
y
i
m
p
a
c
ts
o
f
f
a
c
a
d
e
-
i
n
c
lu
siv
e
re
tro
f
it
stra
te
g
ies
,
c
o
m
p
a
re
d
to
s
y
ste
m
-
o
n
ly
re
tro
f
it
s u
sin
g
re
g
re
ss
io
n
m
o
d
e
ls,”
En
e
rg
y
B
u
il
d
.
,
v
o
l
.
1
5
8
,
p
p
.
2
6
1
–
2
6
7
,
2
0
1
8
.
[8
]
M
.
Zeifm
a
n
,
A
.
P
re
d
ictio
n
,
a
n
d
E
.
P
ro
p
e
n
sity
,
“
M
e
a
su
re
m
e
n
t
a
n
d
V
e
rif
ica
ti
o
n
o
f
En
e
rg
y
S
a
v
in
g
in
S
m
a
rt
Bu
il
d
in
g
T
e
c
h
n
o
lo
g
ies
,
”
in
S
ig
n
a
l
Pro
c
e
ss
in
g
A
p
p
li
c
a
ti
o
n
s i
n
S
ma
rt B
u
il
d
in
g
s
,
2
0
1
5
,
p
p
.
3
4
3
–
3
4
7
.
[9
]
R.
F
.
M
u
sta
p
a
,
“
Ba
se
li
n
e
En
e
rg
y
M
o
d
e
ll
in
g
i
n
a
n
E
d
u
c
a
ti
o
n
a
l
Bu
i
ld
i
n
g
Ca
m
p
u
s
f
o
r
M
e
a
su
re
m
e
n
t
a
n
d
V
e
rif
ica
ti
o
n
,
”
in
2
0
1
7
In
ter
n
a
ti
o
n
a
l
Co
n
fer
e
n
c
e
o
n
El
e
c
trica
l,
El
e
c
tro
n
ics
a
n
d
S
y
ste
m
En
g
in
e
e
rin
g
(
ICEE
S
E)
,
2
0
1
7
,
p
p
.
6
7
–
7
2
.
[1
0
]
S
.
M
.
A
ris,
N.
Y.
Da
h
lan
,
M
.
N.
M
.
Na
w
i,
T
.
A
.
Niz
a
m
,
a
n
d
M
.
Z.
T
a
h
ir,
“
Qu
a
n
ti
fy
in
g
En
e
rg
y
S
a
v
i
n
g
s
f
o
r
Re
tro
f
it
Ce
n
tralize
d
HV
A
C
S
y
ste
m
s a
t
S
e
lan
g
o
r
S
tate
S
e
c
re
tary
Co
m
p
lex
,
”
J
.
T
e
k
n
o
l
.
,
v
o
l.
7
7
,
n
o
.
5
,
p
p
.
9
3
–
1
0
0
,
2
0
1
5
.
[1
1
]
X
.
Ye
a
n
d
X.
X
ia,
“
Op
ti
m
a
l
m
e
te
rin
g
p
lan
f
o
r
m
e
a
su
re
m
e
n
t
a
n
d
v
e
rif
ica
ti
o
n
o
n
a
li
g
h
ti
n
g
c
a
se
stu
d
y
,
”
En
e
rg
y
,
v
o
l.
9
5
,
p
p
.
5
8
0
–
5
9
2
,
2
0
1
6
.
[1
2
]
M
.
Co
ro
i
u
a
n
d
M
.
Ch
i
n
d
ris,
“
E
n
e
rg
y
e
ff
icie
n
c
y
in
d
ica
to
rs
a
n
d
m
e
th
o
d
o
l
o
g
y
f
o
r
e
v
a
lu
a
ti
o
n
o
f
e
n
e
r
g
y
p
e
r
f
o
r
m
a
n
c
e
a
n
d
re
tain
e
d
sa
v
in
g
s,”
in
2
0
1
4
4
9
th
In
ter
n
a
ti
o
n
a
l
U
n
ive
rs
it
ies
Po
we
r
En
g
i
n
e
e
rin
g
Co
n
fer
e
n
c
e
(
U
PE
C)
,
2
0
1
4
,
p
p
.
1
–
6.
[1
3
]
C.
Co
e
tze
e
,
C.
A
.
V
a
n
De
r
M
e
rwe
,
a
n
d
P
.
L
.
J.
G
ro
b
ler,
“
Ba
sic
M
e
a
su
re
m
e
n
t
a
n
d
V
e
rif
ica
ti
o
n
A
p
p
ro
a
c
h
f
o
r
Ro
ll
-
Ou
t
P
ro
g
ra
m
m
e
s,”
in
In
d
u
stria
l
a
n
d
C
o
mm
e
rc
ia
l
Us
e
o
f
En
e
rg
y
Co
n
fer
e
n
c
e
(
ICUE),
2
0
1
2
Pro
c
e
e
d
in
g
s
o
f
th
e
9
th
,
2
0
1
2
.
[1
4
]
X
.
X
ia,
X
.
Ye
,
a
n
d
J.
Zh
a
n
g
,
“
Op
ti
m
a
l
M
e
terin
g
P
lan
o
f
M
e
a
s
u
re
m
e
n
t
a
n
d
V
e
rif
ica
ti
o
n
f
o
r
En
e
rg
y
E
ff
icie
n
c
y
L
ig
h
ti
n
g
P
r
o
jec
ts,” i
n
2
0
1
2
S
o
u
t
h
e
rn
Af
ric
a
n
En
e
rg
y
E
ff
icie
n
c
y
Co
n
v
e
n
ti
o
n
(
S
AE
EC)
,
2
0
1
2
,
p
p
.
1
–
8.
[1
5
]
O.
A
k
in
so
o
to
,
D.
De
Ca
n
h
a
,
a
n
d
J.
H.
C.
P
re
to
riu
s,
“
En
e
rg
y
S
a
v
in
g
s
Re
p
o
rti
n
g
a
n
d
Un
c
e
rtain
ty
in
M
e
a
su
re
m
e
n
t
&
V
e
rif
ica
ti
o
n
,
”
in
Au
str
a
la
si
a
n
Un
ive
rs
it
ies
Po
we
r E
n
g
in
e
e
rin
g
Co
n
fer
e
n
c
e
,
AUPE
C
2
0
1
4
,
Cu
rtin
Un
ive
rs
it
y
,
Per
th
,
Au
stra
li
a
,
2
0
1
4
,
n
o
.
Oc
to
b
e
r,
p
p
.
1
–
5.
[1
6
]
F
.
Ro
d
ríg
u
e
z
,
A
.
F
lee
tw
o
o
d
,
A
.
Ga
larz
a
,
a
n
d
L
.
F
o
n
tán
,
“
P
re
d
i
c
ti
n
g
so
lar
e
n
e
rg
y
g
e
n
e
ra
ti
o
n
th
ro
u
g
h
a
rti
f
icia
l
n
e
u
ra
l
n
e
tw
o
rk
s u
sin
g
w
e
a
th
e
r
f
o
re
c
a
sts
f
o
r
m
i
c
ro
g
rid
c
o
n
tr
o
l,
”
Re
n
e
w.
En
e
rg
y
,
v
o
l.
1
2
6
,
p
p
.
8
5
5
–
8
6
4
,
2
0
1
8
.
[1
7
]
I.
I.
A
rg
a
to
v
a
n
d
Y.
S
.
Ch
a
i,
“
T
r
ib
o
l
o
g
y
In
tern
a
ti
o
n
a
l
A
n
a
rti
f
ici
a
l
n
e
u
ra
l
n
e
tw
o
rk
su
p
p
o
r
ted
re
g
re
ss
io
n
m
o
d
e
l
f
o
r
w
e
a
r
ra
te,”
T
rib
io
lo
g
y
In
t.
,
v
o
l
.
1
3
8
,
n
o
.
Ja
n
u
a
ry
,
p
p
.
2
1
1
–
2
1
4
,
2
0
1
9
.
[1
8
]
F
.
N.
Os
u
o
lale
a
n
d
J.
Z
h
a
n
g
,
“
E
n
e
rg
y
e
ff
icie
n
c
y
o
p
ti
m
isa
ti
o
n
f
o
r
d
isti
ll
a
ti
o
n
c
o
l
u
m
n
u
sin
g
a
rti
f
icia
l
n
e
u
ra
l
n
e
tw
o
rk
m
o
d
e
ls,”
En
e
rg
y
,
v
o
l.
1
0
6
,
p
p
.
5
6
2
–
5
7
8
,
2
0
1
6
.
[1
9
]
A
.
H.
A
.
A
l
-
w
a
e
li
,
K.
S
o
p
ian
,
J.
H.
Yo
u
sif
,
H.
A
.
Ka
z
e
m
,
J.
Bo
lan
d
,
a
n
d
M
.
T
.
Ch
a
ich
a
n
,
“
A
rti
f
i
c
ial
n
e
u
ra
l
n
e
tw
o
rk
m
o
d
e
li
n
g
a
n
d
a
n
a
ly
sis
o
f
p
h
o
t
o
v
o
lt
a
ic
/
th
e
rm
a
l
s
y
ste
m
b
a
se
d
o
n
th
e
e
x
p
e
rim
e
n
tal
stu
d
y
,
”
En
e
rg
y
Co
n
v
e
rs
.
M
a
n
a
g
.
,
v
o
l
.
1
8
6
,
n
o
.
N
o
v
e
m
b
e
r
2
0
1
8
,
p
p
.
3
6
8
–
3
7
9
,
2
0
1
9
.
[2
0
]
H.
S
u
y
o
n
o
,
R.
N.
Ha
sa
n
a
h
,
P
.
M
u
d
j
irah
a
rd
j
o
,
M
.
F
.
E.
P
u
rn
o
m
o
,
a
n
d
S
.
Uli
y
a
n
i,
“
En
h
a
n
c
e
m
e
n
t
o
f
th
e
p
o
w
e
r
s
y
ste
m
d
istri
b
u
ti
o
n
re
li
a
b
il
i
ty
u
sin
g
a
n
t
c
o
lo
n
y
o
p
ti
m
iza
ti
o
n
a
n
d
si
m
u
late
d
a
n
n
e
a
li
n
g
m
e
th
o
d
s,”
In
d
o
n
e
s.
J
.
El
e
c
tr.
En
g
.
Co
mp
u
t.
S
c
i.
,
v
o
l.
1
7
,
n
o
.
2
,
p
p
.
8
7
7
–
8
8
5
,
2
0
2
0
.
[2
1
]
M
.
N.
Ka
m
a
ru
d
in
,
T
.
Ju
h
a
n
a
,
a
n
d
T
.
Ha
sh
i
m
,
“
Co
o
rd
in
a
ted
a
n
d
o
p
t
im
a
l
v
o
lt
a
g
e
c
o
n
tro
l
f
o
r
v
o
lt
a
g
e
r
e
g
u
latio
n
u
si
n
g
f
ire
f
l
y
a
l
g
o
rit
h
m
,
”
I
n
d
o
n
e
s.
J
.
El
e
c
tr.
En
g
.
Co
m
p
u
t
.
S
c
i.
,
v
o
l.
1
6
,
n
o
.
2
,
p
p
.
5
6
8
–
5
7
6
,
2
0
1
9
.
[2
2
]
Y.
-
L
.
H.
Ho
n
g
-
F
e
i
G
o
n
g
,
Zh
o
n
g
-
S
h
e
n
g
Ch
e
n
,
Qu
n
-
Cio
n
g
Zh
u
,
“
A
M
o
n
te
Ca
rlo
a
n
d
P
S
O
b
a
se
d
v
irt
u
a
l
sa
m
p
le
g
e
n
e
ra
ti
o
n
m
e
th
o
d
f
o
r
e
n
h
a
n
c
in
g
th
e
e
n
e
rg
y
p
re
d
ictio
n
a
n
d
e
n
e
rg
y
o
p
ti
m
iz
a
ti
o
n
o
n
s
m
a
ll
d
a
ta
p
ro
b
lem
:
A
n
e
m
p
iri
c
a
l
stu
d
y
o
f
p
e
tro
c
h
e
m
ica
l
in
d
u
stries
,
”
Ap
p
l.
En
e
rg
y
,
v
o
l
.
1
9
7
,
p
p
.
4
0
5
–
4
1
5
,
2
0
1
7
.
[2
3
]
D.
K.
Ba
rro
w
a
n
d
S
.
F
.
Cro
n
e
,
“
Cro
ss
-
v
a
li
d
a
ti
o
n
a
g
g
re
g
a
ti
o
n
f
o
r
c
o
m
b
in
in
g
a
u
to
re
g
re
ss
iv
e
n
e
u
ra
l
n
e
tw
o
rk
f
o
re
c
a
sts,”
In
t.
J
.
F
o
re
c
a
st.
,
v
o
l
.
3
2
,
n
o
.
4
,
p
p
.
1
1
2
0
–
1
1
3
7
,
2
0
1
6
.
[2
4
]
M
.
S
a
lt
a
n
a
n
d
S
.
T
e
rz
i,
“
M
o
d
e
li
n
g
d
e
f
lec
ti
o
n
b
a
sin
u
sin
g
a
rti
f
icia
l
n
e
u
ra
l
n
e
tw
o
rk
s
w
it
h
c
ro
ss
-
v
a
li
d
a
ti
o
n
tec
h
n
iq
u
e
in
b
a
c
k
c
a
lcu
latin
g
f
lex
ib
le p
a
v
e
m
e
n
t
lay
e
r
m
o
d
u
li
,
”
Ad
v
.
En
g
.
S
o
f
t
w.
,
v
o
l.
3
9
,
n
o
.
7
,
p
p
.
5
8
8
–
5
9
2
,
2
0
0
8
.
[2
5
]
W
.
N.
W
.
M
d
A
d
n
a
n
,
N.
Y.
Da
h
lan
,
a
n
d
I.
M
u
siri
n
,
“
M
o
d
e
li
n
g
b
a
se
li
n
e
e
n
e
rg
y
u
sin
g
a
rti
f
icia
l
n
e
u
ra
l
n
e
tw
o
rk
:
A
s
m
a
ll
d
a
tas
e
t
a
p
p
ro
a
c
h
,
”
I
n
d
o
n
e
s.
J
.
El
e
c
tr.
En
g
.
C
o
mp
u
t.
S
c
i.
,
v
o
l.
1
2
,
n
o
.
2
,
p
p
.
6
6
2
–
6
6
9
,
2
0
1
8
.
[2
6
]
D.
Ka
ra
b
o
g
a
,
“
A
n
Id
e
a
Ba
se
d
o
n
Ho
n
e
y
Be
e
S
w
a
r
m
f
o
r
Nu
m
e
rica
l
Op
ti
m
iza
ti
o
n
,
”
2
0
0
5
.
Evaluation Warning : The document was created with Spire.PDF for Python.