DOI
是数位物件识别码
（
D
igital
O
bject
I
dentifier
）
的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。
使用DOI作为永久连结
每个DOI号前面加上
「
http://dx.doi.org/
」
便成为永久网址。
如以DOI号为
10.5297/ser.1201.002
的文献为例，此文献的永久连结便是：
http://dx.doi.org/
10.5297/ser.1201.002
。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。
引用含有DOI的文献
有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。
DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。 如想对DOI的使用与概念有进一步了解，请参考 （ ） 。
ACI:
数据来源：Academic Citation Index，简称ACI
台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。
五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。
公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）
例如：A期刊2017年之五年影响指数
(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)
什么是预刊文章？
为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上 「 http://dx.doi.org/ 」 连结到文献目前最新版本。
如何引用预刊文章？
请使用预刊文章的线上发表日期及DOI号来引用该篇文献。
引用范例(视不同引文格式规范可能有所差异)：
作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。
doi:DOI 号
DOI：
10.6652/JoCICHE
书目导出
E-mail 给朋友
打印书目
问题回报
全文下载
DEEP LEARNING-BASED SMART METER DATA ANALYTICS FOR EARLY WARNING OF POSSIBLE ELECTRICAL FIRES
郑安平(An-Ping Jeng) ； 王如观(Ru-Guan Wang) ； 吴佰余(Pai-Yu Wu) ； 谢春棋(Chuen-Chyi Hsieh) ； 戴荏国(Jen-Kuo Tai) ； 谈家成(Jia-Cheng Tan) ； 周建成(Chien-Cheng Chou)
中国土木水利工程学刊 ； 31 卷 2 期 (2019 / 04 / 01) ， P193 - 204
繁体中文
DOI：
10.6652/JoCICHE.201904_31(2).0007
深度学习 ； 时间资料库 ； 智慧电表大数据分析 ； 电气火灾 ； deep learning ； temporal database ； smart meter data analytics ； electrical fire
- Azar, E.,Menassa, C. C.(2014).Framework to evaluate energy-saving potential from occupancy interventions in typical commercial buildings in the United States.Journal of Computing in Civil Engineering,28(1),63-78.
- Barker, S.,Mishra, A.,Irwin, D.,Cecchet, E.,Shenoy, P.,Albrecht, J.(2012).Smart*: An open data set and tools for enabling research in sustainable homes.Proceedings of the 2012 Workshop on Data Mining Applications in Sustainability (SustKDD 2012),Beijing, China:
- Chou, C. C.,Chiang, C. T.,Wu, P. Y.,Chu, C. P.,Lin, C. Y.(2017).Spatiotemporal analysis and visualization of power consumption data integrated with building information models for energy savings.Resources, Conservation and Recycling,123,219-229.
- Commonwealth of Australia, “Electricity consumption benchmarks [Web page]”, https://data.gov.au/dataset/electricity-consumption-benchmarks, Access date: 2019/3/1 (2015).
- Edwards, R. E.,New, J.,Parker, L. E.(2012).Predicting future hourly residential electrical consumption: A machine learning case study.Energy and Buildings,49,591-603.
