《表8 K-Means城市分类方法与传统分类方法的估算结果对比》
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8所示,对比本文方法与2.2节中提到的其他分类方法分类后的EPC估算结果。以为评价指标,所有方法中,最优分类方法是按照人口规模进行划分。K-Means城市分类算法的这一性能仅次于最优方法。以RMSE为评价指标,最优分类方法是按照地理分区进行划分。K-Means城市分类算法的这一性能仅次于最优方法和按照人口规模划分时。以估算精度来看,高精度城市占比最高的是K-Means城市分类算法(53.99%)。而从分类前后R变化来看,D>0,即R减小的城市比例最高的是波士顿矩阵-市辖区GDP比例划分方法(61.21%),而K-Means城市分类算法的这一比例(57.80%)仅次于2种基于波士顿矩阵的分类方法。
图表编号 | XD00191250100 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) |