《表5 K-Means城市分类法与不分类时的EPC估算结果对比》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于K-Means城市分类算法的夜光遥感电力消费估算》
如表5所示,K-Means分类之后,第五类城市的估算误差最小,29个城市的平均相对误差()为15.22%;其后依次是第四类、第三类、第一类和第二类城市。所有城市的为32.02%,较不分类时减小25百分点。将不分类时的EPC估算结果也按照K-Means算法的城市分类进行分类,可以看到,除第二类城市外,K-Means分类后估算结果的较分类之前都有减小。且2种方法获得的第二类城市估算结果相差不大。第一类城市和第三类城市的在K-Means分类之后分别减小了23.38百分点和12.7百分点。从模拟结果来看,这2类城市中分布在黄土高原等中西部地区的城市相对误差(R)有明显下降。
图表编号 | XD00191249400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 张莉、谢亚楠、屈辰阳、汪鸣泉、常征、王茂华 |
绘制单位 | 上海大学特种光纤与光接入网重点实验室特种光纤与先进通信国际合作联合实验室上海先进通信与数据科学研究院、中国科学院上海高等研究院上海碳数据与碳评估中心、上海大学特种光纤与光接入网重点实验室特种光纤与先进通信国际合作联合实验室上海先进通信与数据科学研究院、中国科学院上海高等研究院上海碳数据与碳评估中心、中国科学院低碳转化科学与工程重点实验室、中国科学院上海高等研究院上海碳数据与碳评估中心、中国科学院低碳转化科学与工程重点实验室、中国科学院上海高等研究院上海碳数据与碳评估中心、中国科学院低碳转化科学与工程重点实 |
更多格式 | 高清、无水印(增值服务) |