点击上方蓝色字，关注我们
根据一项本周发表于Science旗下开放获取期刊Science Advances的基于机器学习的新研究披露，天气炎热的美国南部各州具有最高的能源贫困率，但它们获得的美国联邦政府援助则最少。相反，联邦计划目前向天气寒冷的北部和东北各州分配了更多的资金，其部分原因是他们的决策基于过时的算法。
研究作者Carlos Batlle与合作者的机器学习方法提供了一种得到改进的用于估计当前美国全国家庭能源贫困分布的方法。
Batlle等人写道：“更新援助资金分配以更好地匹配美国能源负担最高地区的需求颇为重要，因为这样才能解决未来的能源贫困问题。”
美国能源信息管理局报告称，近三分之一的美国家庭有能源贫困的经历，或他们无力负担暖气/空调费用以维持安全舒适的室内温度。
然而，大多数联邦援助都依赖于近40年前计算出来的公式。由于这些现已过时的算法，即使极端天气事件出现频率增加且相关的能源负担增加，但区域资金拨款模式在40年中则基本保持不变。
图1. 2015年至2020年美国本土的每一人口普查区的平均家庭能源负担及其随时间变化的地图。（A）通过将2015年和2020年美国人口普查局ACS数据用于开发的机器学习模型之中所得到的平均能源负担估计。绿色阴影代表能源负担在0%到6%之间。黄色至黄-橙色阴影代表能源负担在6%到10%之间。红色阴影代表能源负担在10%到15%之间或更高。颜色越深，估计的平均能源负担越高。灰色区域表示具有不适用（N/A）值的人口普查区。
结果显示，总体而言，南部各州的家庭需要更多的LIHEAP资源，但这些资源却更为频繁地分配给了北部和东北部各州。该团队接着用他们的方法来生成更新、改进的算法，旨在估测当前的能源负担需求。
作者强调：“我们敦促政策制定者修改资金分配的方法，其目的是更好地匹配美国全国所需的援助分配。”
