基于K-Means城市分类算法的夜光遥感电力消费估算

张莉, 谢亚楠, 屈辰阳, 汪鸣泉, 常征, 王茂华

Estimation of electric power consumption using nighttime light remote sensing data based on K-Means city classification algorithm

ZHANG Li, XIE Yanan, QU Chenyang, WANG Mingquan, CHANG Zheng, WANG Maohua

表8 K-Means城市分类方法与传统分类方法的估算结果对比

Tab.8 Comparison of EPC estimation results between K-Means city classification method and traditional classification method

分类方法 R——/% RMSE 高精度/% 中精度/% 低精度/% D>0/% 不分类 42.37 59.04 47.53 29.28 23.19 - 经济分区 38.37 63.23 50.19 28.13 21.68 50.57 地理分区 34.05 53.16 52.47 28.13 19.40 52.09 人口规模 31.06 53.76 52.09 28.51 19.40 53.99 波士顿矩阵-城镇人口比例 32.62 57.61 51.34 30.41 18.25 56.27 波士顿矩阵-市辖区人口比例 32.03 59.20 53.99 27.37 18.64 58.55 波士顿矩阵-市辖区GDP比例 31.66 59.78 49.42 32.31 18.27 61.21 波士顿矩阵-市辖区第三产业GDP比例 32.13 58.09 50.95 31.56 17.49 55.13 K-Means算法 32.02 57.04 53.99 26.99 19.01 57.80