《表4 两组临床疗效比较：基于概率分布的低压台区线损异常原因判定方法》
提示：宽带有限、当前游客访问压缩模式
根据图11所示的操作逻辑进行判定，初判后未发现单因素异常，继续向下计算，得到的结果见表4。
| 图表编号 | XD00186748600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.25 |
| 作者 | 张之涵、许泽宁、吕东、王栋、张嘉 |
| 绘制单位 | 深圳供电局有限公司、深圳供电局有限公司、深圳市深鹏达电网科技有限公司、深圳市深鹏达电网科技有限公司、深圳市深鹏达电网科技有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 线损率的影响因素：基于RNN的低压变压器区域日线损率基准测试》2020.09.25
- 《表1 主成分系数：基于近邻传播算法和随机森林回归模型的台区线损率计算方法》2020.09.01
- 《表4 UCI数据集特征：基于量子遗传和核模糊聚类的低压台区户变关系识别》2020.10.25
- 《表4 台区线损情况对比分析表》2021.02.01
- 《表1 服务器推荐配置：基于物联网的台区线损指标闭环管控》2021.01.25
- 《表电压异常次数和原因：农村低压配电网电压异常快速排查的方法》2021.02.10
- 《表2.关注社会思潮情况：基于概率分布的低压台区线损异常原因判定方法》2020.11.25
- 《表1 评分数据集：基于概率分布的低压台区线损异常原因判定方法》2020.11.25
- 《表1 线损不合格台区与对应原因》2020.11.20
- 《表4 隧道坍塌事故原因：基于事故树和贝叶斯网络的隧道塌陷风险概率估计方法研究》2020.04.20
- 《表3：基于机器学习的电网台区线损异常诊断方法研究》2020.06.01
- 《表2：基于机器学习的电网台区线损异常诊断方法研究》2020.06.01
- 《表1：基于机器学习的电网台区线损异常诊断方法研究》2020.06.01
- 《表1 台区画像结果：基于聚类的电网低压台区用电画像方法研究》2020.08.23
- 《表1 线损情况：非典型性线损异常台区典型案例分析》2020.04.10
- 《表4-2异常统计表：基于同期线损的TMR采集终端运行质量监测及分析》2019.12.15
- 《表1 各数据数量：基于对抗生成网络与BP神经网络的低压台区线损率预测》2019.10.25
- 《表4 光伏台区有功送出下同期线损异常原因及治理思路》2019.10.20
- 《表3 光伏台区同期线损异常原因及治理思路》2019.10.20
- 《表6 低压台区数据：基于层次分析法的综合能源系统能效评估方法研究及应用》2018.12.28