本书采用粒子群优化-反向传播 (PSO-BP) 算法等一系列工具, 统一了DMSP/OLS和NPP/VIIRS图像的尺度, 获得了1992-2019年连续的1公里×1公里网格化夜间灯光数据。据此, 从修正后的实际增长角度出发, 我们采用自上而下的方法, 根据校准后的夜间灯光数据, 计算出1992-2019年全球1平方公里网格化的修正后的实际GDP和电力消费。新添了第九章。新增的第九章介绍了常见预测方法, 包括ARIMA方法、Holt-Winter过滤模型、长短期记忆模型 (LSTM)、极限学习机 (ELM)、多层感知机 (MLP)、广义回归神经网络 (GRNN) 等。此外, 该章还介绍了情景模拟方法, 并阐述如何通过结合蒙特卡洛模拟方法来减少情景设置产生的不确定性。