【数据分享】1997-2017 年中国市县级能耗与能效数据集

这篇具有很好参考价值的文章主要介绍了【数据分享】1997-2017 年中国市县级能耗与能效数据集。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

能源既关乎国家经济命脉,又影响人民生活水平!能源相关的研究是各个行业的热门研究话题,能源相关的数据也是经常使用的数据!

们发现在figshare平台上分享有1997-2017 年我国市县级的能耗与能效数据,数据格式为Excel,包括了能耗(能源消耗)和能效(能源利用效率)两个指标,统计了地级市和区县两种口径。

该数据来源于西南财经大学陈建东教授团队在Scientific Data期刊上发表的文章《City- and county-level spatio-temporal energy consumption and efciency datasets for China from 1997 to 2017》。作者通过拼接DMSP/OLS和NPP/VIIRS两套卫星夜间灯光数据,采用PSO-BP粒子群优化神经网络算法,估算了中国336个城市以及2735个县的能源消耗,同时,采用数据包络分析方法和单位GDP能源消费量两种口径测算了这些城市和县的能源效率。

我们从figshare平台上下载了该数据,无需转发文章,直接获取!也可以自己去官方上下载,网址在下文。以下为数据的详细介绍:

01 数据预览

从figshare平台下载的原始数据包括8个工作表!这8张表中,有3张表主要是对数据进行说明,表格名字为:

Data discription(数据级描述)

City name change discription(城市名称变更的说明)

County excluded(未考虑在内的县的说明)

另外5张表格则是正式的数据,表格名字为:

City-level energy consumption(地级市级能耗表)

County-level energy consumption(县级能耗表)

City-level energy efficiency1(地级市级能效表1)

City-level energy efficiency2(地级市级能效表2)

County-level energy efficiency1(县级能效表1)

8张工作表的名称、释义、包含字段、字段释义,具体见下图:

【数据分享】1997-2017 年中国市县级能耗与能效数据集

8张表格的具体说明见下表:

【数据分享】1997-2017 年中国市县级能耗与能效数据集

我们以地级市能耗数据这个表格为例,来看看具体数据,字段包括:市代码市名称所属省份数据单位以及各年份的能耗数值,需注意的是该数据提供的字段名称均为英文。

【数据分享】1997-2017 年中国市县级能耗与能效数据集
1997-2017年市级能源消耗(Excel)

02 数据说明

数据来源:

本次1997-2017 年中国市县级能源消耗与能源效率数据集来自于figshare平台网站,网址为:

https://figshare.com/articles/dataset/City-_and_county-level_spatio-temporal_energy_consumption_and_efficiency_datasets_for_China_from_1997_to_2017/19196780/1

大家可以自己去该网站下载原始数据!

数据引用:

Chen, Jiandong; Liu, Jialu; Qi, Jie; Gao, Ming; Cheng, Shulei; Li, Ke; et al. (2022):

City- and county-level spatio-temporal energy consumption and efficiency datasets for China from

1997 to 2017. figshare. Dataset. https://doi.org/10.6084/m9.figshare.19196780.v1

如有数据使用需求请按照官方平台的要求进行引用,更多数据详情可以查看官网获悉!

03 数据获取

【数据分享】1997-2017 年中国市县级能耗与能效数据集文章来源地址https://www.toymoban.com/news/detail-458517.html

到了这里,关于【数据分享】1997-2017 年中国市县级能耗与能效数据集的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【分享】MathWorks中国汽车年会:“软件定义汽车”

    从软件赋能到软件定义,汽车行业不仅需要解决诸如错误发现滞后带来的高昂代价、功能融合所需的跨学科知识、功能安全与实施成本之间的权衡等老问题,也面临着新的挑战:软件复杂度的不断提升、利用数据驱动创造价值、人工智能的引入和实现、数字技术和工程能力的

    2024年01月19日
    浏览(32)
  • 分享|2022中国区块链年度发展白皮书(附PDF)

    内容摘要: 为全面掌握2021年我国区块链技术创新和产业发展的整体态势,把握2022年我国区块链发展的最新动向,赛迪区块链研 究院组织专家力量,编撰形成了《2021年中国区块链年度发展白皮书》。在详细梳理我国区块链发展总体现状,围绕产业发展、技术创新、行业应用

    2023年04月08日
    浏览(32)
  • 【FPGA开源项目分享】中国铁路网的 Dijkstra 算法实现

    如果本文图片和视频无法显示,请直接跳转到 友晶科技公众号FPGA开源项目分享——中国铁路网的 Dijkstra 算法实现 阅读原文。 常春藤名校之一——康奈尔大学有一门名叫ECE 5760的FPGA 课程,网站( Final Projects ECE 5760)公开了该课程讲师Bruce Land与学生们的项目作品(包含源码

    2024年01月19日
    浏览(36)
  • 阿里云与中国区Azure IPSec对接实战分享

    新钛云服已累计为您分享 735 篇技术干货 前言 本文介绍阿里云与中国区Azure IPSec互连的一些前期准备工作、如何配置以及注意事项等内容。 准备工作 账号权限准备 如果您没有阿里云和azure的主账号,可以使用RAM用户登录; 在阿里云这边,需要确保有VPN网关的配置权限,最好

    2024年02月05日
    浏览(28)
  • LeetCode 1997.访问完所有房间的第一天:动态规划(DP)——4行主要代码(不需要什么前缀和)

    力扣题目链接:https://leetcode.cn/problems/first-day-where-you-have-been-in-all-the-rooms/ 你需要访问  n 个房间,房间从 0 到 n - 1 编号。同时,每一天都有一个日期编号,从 0 开始,依天数递增。你每天都会访问一个房间。 最开始的第 0 天,你访问  0 号房间。给你一个长度为 n 且 下标从

    2024年04月14日
    浏览(29)
  • cicids2017数据集训练

    1.1 整合数据并剔除脏数据 如上图所示,整个数据集是分开的,想要训练,必须要整合在一起,同时在数据集中存在 Nan 和 Infiniti 脏数据(只有第 15 列和第 16 列存在)需要剔除: 具体代码如下: 将合并文件保存为 total.csv,省去每次训练都要重复操作的步骤 1.2 分析

    2024年02月05日
    浏览(64)
  • CoCo2017数据集使用(简单介绍)

    本人使用训练图片用在目标跟踪上作为数据集扩展,因此只查看了train的json文件。 COCO的全称是Common Objects in Context,是微软团队提供的一个可以用来进行图像识别的数据集。MS COCO数据集中的图像分为训练、验证和测试集。论文 、数据集官方网址 CoCo2017数据集包括train(118287张

    2024年02月05日
    浏览(42)
  • ECM工业能耗管理云平台

    在我国的能源消耗中,工业企业是能源消耗的主要群体,能源消耗量占全国能源消耗总量的70%左右,传统方式进行各类工厂能耗的计量,造成能耗数据不完整、不准确、不全面,因而无法进行能耗分析与诊断,造成普遍在各种能耗计量不全面、管理不到位、能耗高等现象,对

    2024年02月03日
    浏览(21)
  • 水电气能耗管理云平台

    安科瑞薛瑶瑶18701709087/17343930412 能耗管理云平台采用泛在物联、云计算、大数据、移动通讯、智能传感器等技术手段可为用户提供能源数据采集、统计分析、能效分析、用能预警、设备管理等服务,平台可以广泛应用于多种领域。

    2024年04月28日
    浏览(34)
  • 【数据挖掘】2017年 Quiz 1-3 整理 带答案

    Answer Problems 1-2 based on the following training set, where A , B , C A, B, C A , B , C are describing attributes, and D D D is the class attribute: A A A B B B C C C D D D 1 1 1 y mathrm{y} y 1 0 1 y mathrm{y} y 0 1 1 y mathrm{y} y 1 1 0 y mathrm{y} y 0 1 1 n mathrm{n} n 1 1 1 n mathrm{n} n 0 0 0 n mathrm{n} n 0 1 0 n mathrm{n} n Problem 1 (20%).

    2024年02月07日
    浏览(28)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包