Nature封面:机器学习携手卫星影像,理解电力设施与经济财富的因果关系
导语
经济产出数据的缺乏阻碍了世界很多地区公共政策的制定和评估。近日,登上 Nature 封面文章的一项研究将卫星影像与机器学习相结合,以帮助填补这一数据缺口。该研究利用卫星影像和地区家庭财富调查数据,训练神经网络,实现对乌干达全国家庭经济产出的估计,并进一步结合基于机器学习的因果推断评估电力基础设施对地区生计的影响。研究结果证实了农村电网接入与家庭资产财富的正向因果关系。
预告:集智俱乐部组织的城市科学主题读书会正在筹备中,将从复杂系统视角研讨城市科学前沿文献,欢迎关注后续推文。
关键词:城市科学,电力网络,机器学习,因果推断,遥感影像数据
作者:邢潇月

论文题目: Using machine learning to assess the livelihood impact of electricity access 论文链接: https://www.nature.com/articles/s41586-022-05322-8
1. 利用遥感与机器学习
度量电力对资产财富的影响
1. 利用遥感与机器学习
度量电力对资产财富的影响

图1 (a) 无法获得电力供给的人数。乌干达(红色高亮)在2018年约有2400万人无法获得电力供给;(b) 乌干达不同年份建设的电网设施空间分布。黑点表示2016年普查数据所用的641个调查单元位置;(c) 25个国家的13年资产财富数据,用于预测模型的训练。
2. 深层网络预测性能评估
2. 深层网络预测性能评估

图2 基于CNN预测模型的乌干达资产财富指标预测结果。(a,b) 2006年与2016年预测结果;(c) 6900个人口密集的村庄和社区的资产财富2006到2016年的变化,平均增长0.15倍标准差。
3. 电力设施接入的影响估计
3. 电力设施接入的影响估计

图3 电力接入提高了家庭财富水平。(a) 实线表示未接入电网的控制组(灰色)和电网接入的处理组(红色)的平均资产财富水平。绿色和蓝色虚线分别表示用MC和SC-EN估计的处理组反事实结果;(b) 不同预测策略(训练集包含乌干达数据,训练集不包含乌干达数据,全国所有年份均使用预测数据)、推断方法(MC,SC-EN,DiD)、滞后年份(2013-2016年)的因果效应估计结果。误差线表示95%置信区间。
4. 总结
4. 总结
未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。
如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
关注公众号:拾黑(shiheibook)了解更多
[广告]赞助链接:
四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

随时掌握互联网精彩
- 1 推动干部能上能下 7938551
- 2 亚冬会遭美国等地网络攻击超27万次 7970760
- 3 中方将反制美国所谓对等关税 7807079
- 4 清明假期“短途游”成热门选择 7743866
- 5 3名菲律宾间谍落网 相貌曝光 7697992
- 6 金价再起飞 7541900
- 7 特朗普向无人岛加税 岛上挤满了企鹅 7436636
- 8 于东来质问永辉店月赚200万不涨工资 7371299
- 9 清明天气热热热+雨雨雨 7230357
- 10 718.8斤男子刷新中国第一胖纪录 7194913