• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于Prophet-LSTM模型的PM2.5濃度預(yù)測(cè)研究

    2020-05-28 09:36:21王曉飛王波陸玉玉張勝彬
    軟件導(dǎo)刊 2020年3期
    關(guān)鍵詞:時(shí)序預(yù)測(cè)值預(yù)測(cè)

    王曉飛 王波 陸玉玉 張勝彬

    摘 要:作為衡量空氣質(zhì)量的重要指標(biāo),準(zhǔn)確預(yù)測(cè)PM2.5濃度變化尤為重要。提出Prophet和長(zhǎng)短期記憶(LSTM)相結(jié)合的組合預(yù)測(cè)模型(Prophet-LSTM)。在模型構(gòu)建過(guò)程中,首先利用Prophet模型的可分解方法,將PM2.5日值濃度序列分解成趨勢(shì)、周期和隨機(jī)波動(dòng)分量;然后對(duì)趨勢(shì)和周期分量建立Prophet模型,對(duì)隨機(jī)波動(dòng)分量建立LSTM模型;最后將各分量的預(yù)測(cè)值集成得到PM2.5濃度的預(yù)測(cè)值。以鄭州市PM2.5日值濃度數(shù)據(jù)為例進(jìn)行實(shí)證分析,結(jié)果表明,該組合預(yù)測(cè)模型相較對(duì)比模型能夠更好地預(yù)測(cè)PM2.5日值濃度的變化趨勢(shì)。

    關(guān)鍵詞:PM2.5濃度預(yù)測(cè);Prophet模型;LSTM神經(jīng)網(wǎng)絡(luò);可分解方法

    DOI:10. 11907/rjdk. 191613

    中圖分類號(hào):TP319 ? 文獻(xiàn)標(biāo)識(shí)碼:A??????????????? 文章編號(hào):1672-7800(2020)003-0133-04

    Research of PM2.5 Concentration Forecasting Based on Prophet-LSTM Model

    WANG Xiao-fei,WANG Bo,LU Yu-yu,ZHANG Sheng-bing

    (Business School,University of Shanghai for Science and Technology,Shanghai 200093,China)

    Abstract:As an important indicator of air quality, accurate prediction of PM2.5 concentration changes is particularly important. Aiming at this problem, a combined prediction model (Prophet-LSTM) combining Prophet and long-term? short-term memory (LSTM) is proposed. In the process of model construction, firstly the paper uses the decomposition methods of Prophet model to decompose PM2.5 concentration into trend, period and random fluctuation components. Then the Prophet model is established for trend and period, and the LSTM model is established for random fluctuation. Finally, the forecasting values of each component was integrated to obtain the forecasting values of PM2.5 concentration. Taking the PM2.5 daily value data of Zhengzhou City as an example, the empirical analysis shows that the combined prediction model can better predict the variation trend of PM2.5 daily concentration compared with the comparison model.

    Key Words: PM2.5 concentration forecasting; prophet model; LSTM neutral network; decomposition

    0 引言

    空氣污染不僅對(duì)人們的身體健康構(gòu)成一定危害,而且會(huì)引起一系列環(huán)境問(wèn)題。霾是由空氣中的灰塵、硫酸、硝酸、有機(jī)碳?xì)浠衔锏攘W咏M成的氣溶膠系統(tǒng),霧霾會(huì)造成大氣渾濁、視野模糊等惡劣天氣[1-2]。作為空氣環(huán)境中直徑小于等于2.5 um的顆粒物,PM2.5是構(gòu)成霧霾的主要成分,因?yàn)樗w積小、易懸浮、傳輸距離長(zhǎng),因而對(duì)人體健康和大氣環(huán)境影響更大[3-4]。應(yīng)對(duì)霧霾天氣、改善空氣污染的首要任務(wù)就是控制PM2.5。

    目前國(guó)內(nèi)外學(xué)者主要通過(guò)機(jī)理模型和非機(jī)理模型兩種方法對(duì)大氣中的顆粒物濃度進(jìn)行預(yù)測(cè)。機(jī)理模型需要詳細(xì)的高空、地表數(shù)據(jù),且涵蓋污染物由產(chǎn)生到擴(kuò)散的復(fù)雜物理化學(xué)過(guò)程,模型計(jì)算復(fù)雜,使用范圍受限;非機(jī)理模型則通過(guò)歷史數(shù)據(jù)分析污染物濃度的變化規(guī)律[5-7]。PM2.5濃度的變化具有非線性、突變性特點(diǎn),是一種復(fù)雜的非線性系統(tǒng)。Jian等[8]通過(guò)差分自回歸移動(dòng)平均模型對(duì)街道范圍的PM1.0濃度進(jìn)行定量預(yù)測(cè);張人禾等[9]對(duì)中國(guó)東北持續(xù)性強(qiáng)霧霾天氣產(chǎn)生的氣象條件進(jìn)行分析;潘紅玲等[10]對(duì)中國(guó)的重度霧霾情況進(jìn)行時(shí)空分布特征研究,對(duì)其影響因子進(jìn)行了分析;Asadollahfardi等[11]通過(guò)人工神經(jīng)網(wǎng)絡(luò)和馬爾科夫鏈,將PM10、NO、NO2、CO、SO2作為輸入,對(duì)每小時(shí)的PM2.5濃度進(jìn)行仿真;Ausati等[12]評(píng)估自適應(yīng)模型神經(jīng)網(wǎng)絡(luò)推理系統(tǒng)、主成分回歸、多元線性回歸、整體經(jīng)驗(yàn)?zāi)B(tài)分解和廣義回歸神經(jīng)網(wǎng)絡(luò)混合模型用于PM2.5預(yù)測(cè)時(shí)的性能分析;余輝等[13]通過(guò)ARMAX模型對(duì)單位小時(shí)內(nèi)PM2.5濃度進(jìn)行預(yù)測(cè)研究。大部分學(xué)者研究側(cè)重于宏觀影響因素,多是探究氣象數(shù)據(jù)、地理位置、經(jīng)濟(jì)等因素對(duì)PM2.5濃度變化的影響。

    本文不考慮氣象數(shù)據(jù)、地理位置、經(jīng)濟(jì)等宏觀指標(biāo)對(duì)PM2.5濃度變化的影響,僅研究PM2.5濃度的時(shí)序變化規(guī)律。首先利用Prophet模型的可分解方法,將PM2.5濃度分解成模型更好識(shí)別的趨勢(shì)、周期和隨機(jī)波動(dòng)分量;在此基礎(chǔ)上,利用Prophet模型和LSTM模型對(duì)趨勢(shì)、周期和隨機(jī)波動(dòng)分量進(jìn)行預(yù)測(cè);最后將所有分量的預(yù)測(cè)值集成,得到PM2.5濃度的最終預(yù)測(cè)結(jié)果。

    1 Prophet模型

    Prophet是2017年Facebook發(fā)布的時(shí)序模型,它主要研究時(shí)序數(shù)據(jù)特征和時(shí)序變化規(guī)律,并對(duì)未來(lái)走勢(shì)進(jìn)行預(yù)測(cè)[14-15]。該模型不僅能夠彌補(bǔ)傳統(tǒng)時(shí)序模型對(duì)時(shí)序數(shù)據(jù)過(guò)于局限、缺失值需要填充、模型缺乏靈活性等不足,而且相較傳統(tǒng)的時(shí)序模型,在模型準(zhǔn)確率以及使用者之間的互動(dòng)方面具有更好效果[16-17]。它以更簡(jiǎn)單、靈活的預(yù)測(cè)方式以及能夠獲得較好預(yù)測(cè)結(jié)果的特點(diǎn)引起人們廣泛關(guān)注。Prophet的核心是分析周期性、趨勢(shì)性、節(jié)假日效應(yīng)等各種時(shí)間序列特征。在趨勢(shì)方面,它支持加入突變點(diǎn),實(shí)現(xiàn)分段線性擬合;在周期方面,它使用傅里葉級(jí)數(shù)建立周期模型;在節(jié)假日和突發(fā)事件方面,用戶可以通過(guò)表的方式指定節(jié)假日及其前后相關(guān)天數(shù)。Prophet是一種針對(duì)時(shí)序的有效集成解決方案。

    Prophet模型構(gòu)成如下:

    其中,[g(t)]是趨勢(shì)函數(shù),用來(lái)分析時(shí)間序列中的非周期性變化;[s(t)]代表周期性變化,例如一年或一周;[h(t)]代表節(jié)假日等偶然一天或幾天造成的影響,[∈]為隨機(jī)波動(dòng),代表模型沒(méi)有考慮到的誤差影響。

    (1)趨勢(shì)項(xiàng):Prophet模型中的趨勢(shì)增長(zhǎng)類似于種族增長(zhǎng)。Facebook采用改進(jìn)的logistic增長(zhǎng)模型,其中飽和值隨時(shí)間動(dòng)態(tài)變化,而且增長(zhǎng)率也隨著新產(chǎn)品等因素發(fā)生變化。

    其中,C是隨時(shí)間變化的飽和值(承載能力),[k+a(t)Tδ]是隨時(shí)間變化的增長(zhǎng)率,[(m+a(t)T)γ]是相應(yīng)的偏置參數(shù),[sj]是若干個(gè)轉(zhuǎn)折點(diǎn),[δ]是轉(zhuǎn)折點(diǎn)處增長(zhǎng)率的變化量。

    (2)周期項(xiàng):Prophet模型依靠傅里葉級(jí)數(shù)構(gòu)造靈活的周期性模型,基本形式如下:

    其中,P是時(shí)間序列的周期長(zhǎng)度,N代表周期數(shù),[an]、[bn]是需要估計(jì)的參數(shù)。

    Prophet模型與其它時(shí)序模型相比主要優(yōu)點(diǎn)如下:①靈活性:能夠很容易地調(diào)整周期性,并且讓用戶對(duì)趨勢(shì)進(jìn)行不同的假設(shè);②測(cè)量值不需要規(guī)則地間隔,也不需要對(duì)缺失值進(jìn)行插值;③擬合速度快;④預(yù)測(cè)模型具有更加容易理解的參數(shù),能夠讓分析者針對(duì)不同情況進(jìn)行改進(jìn)。

    2 LSTM模型

    LSTM(Long Short-Term Memory)即長(zhǎng)短期記憶網(wǎng)絡(luò),是對(duì)傳統(tǒng)RNN循環(huán)神經(jīng)網(wǎng)絡(luò)模型的一種改進(jìn)。將LSTM長(zhǎng)短期記憶網(wǎng)絡(luò)的基本鏈?zhǔn)浇Y(jié)構(gòu)展開(kāi),發(fā)現(xiàn)LSTM具有和RNN相似的鏈?zhǔn)浇Y(jié)構(gòu),該鏈?zhǔn)浇Y(jié)構(gòu)解釋了RNN本質(zhì)上是序列相關(guān)的。目前RNN已經(jīng)在自然語(yǔ)言處理、圖像處理、語(yǔ)音識(shí)別等方面取得顯著效果。然而,RNN在實(shí)際應(yīng)用中經(jīng)常面臨著梯度消失問(wèn)題[18-19]。Hochreiter等[20]提出的LSTM是一種RNN特殊類型,通過(guò)更為精細(xì)的信息傳遞機(jī)制,解決RNN所面臨的梯度消失問(wèn)題。LSTM模型在RNN的神經(jīng)元部分增加了一個(gè)非常有用的忘記門,使得LSTM模型非常適合處理長(zhǎng)期依賴問(wèn)題。LSTM模型結(jié)構(gòu)如圖1所示。

    LSTM通過(guò)輸入門、輸出門、忘記門保護(hù)和控制細(xì)胞狀態(tài)。輸入門控制輸入記憶單元強(qiáng)度,輸出門控制輸出記憶單元強(qiáng)度,忘記門控制記憶單元維持舊細(xì)胞狀態(tài)強(qiáng)度。各狀態(tài)門作用如下:

    (1)忘記門:確定細(xì)胞狀態(tài)中哪些信息需要丟失以及哪些信息需要保留。通過(guò)忘記門可對(duì)歷史信息進(jìn)行選擇性處理。輸入[ht-1]和[xt],通過(guò)sigmoid函數(shù)計(jì)算忘記門[ft]。

    (2)輸入門:確定哪些信息存放在細(xì)胞狀態(tài)中,更新細(xì)胞狀態(tài)信息。首先,通過(guò)sigmoid決定什么值被更新;然后,通過(guò)tanh創(chuàng)建一個(gè)新的候選值向量;最后,將舊細(xì)胞狀態(tài)Ct-1更新為新細(xì)胞狀態(tài)Ct。

    (3)輸出門:確定輸出什么信息。首先通過(guò)sigmoid確定將要輸出的信息(狀態(tài)值為1表示需要輸出,0表示不需要輸出),然后與經(jīng)過(guò)tanh處理過(guò)的細(xì)胞狀態(tài)相乘,最終僅僅輸出需要輸出的信息。

    在式(5)-式(9)中,Wt、Wf、Wc、Wo表示權(quán)重向量,bt、bf、bc、bo表示偏差向量。

    3 Prophet-LSTM組合模型構(gòu)建

    通過(guò)Prophet訓(xùn)練模型的可分解方法,將PM2.5濃度分解為趨勢(shì)項(xiàng)、周期項(xiàng)和隨機(jī)波動(dòng)項(xiàng),針對(duì)趨勢(shì)、周期和隨機(jī)波動(dòng)特征分量,分別建立Prophet模型和LSTM模型進(jìn)行預(yù)測(cè);將各分量的預(yù)測(cè)值集成得到PM2.5濃度預(yù)測(cè)值。Prophet-LSTM模型預(yù)測(cè)PM2.5濃度整體框架如圖2所示。

    (1)首先采用Prophet模型訓(xùn)練的可分解方法,將PM2.5濃度序列St分解為趨勢(shì)項(xiàng)trendt、周期項(xiàng)(seasonalyt,weeklyt)和隨機(jī)波動(dòng)項(xiàng)errort。

    (2)將趨勢(shì)項(xiàng)trendt和周期項(xiàng)(seasonalyt,weeklyt),采用Prophet模型獲得第t+1天趨勢(shì)預(yù)測(cè)值trendt+1和周期預(yù)測(cè)值(seasonalyt+1,weeklyt+1),針對(duì)隨機(jī)波動(dòng)采用LSTM模型獲得第t+1天的預(yù)測(cè)值errort+1。

    (3)將上述預(yù)測(cè)結(jié)果進(jìn)行集成得到第t+1天PM2.5濃度的預(yù)測(cè)值St+1:

    4 實(shí)證分析

    本文以鄭州市PM2.5日平均濃度為例檢驗(yàn)Prophet-LSTM模型的預(yù)測(cè)能力。

    4.1 數(shù)據(jù)選取與分析

    本文選取2017年8月1日至2018年12月31日鄭州市PM2.5日平均濃度數(shù)據(jù)進(jìn)行研究,其中將2017年8月1日至2018年8月31日日平均濃度數(shù)據(jù)作為訓(xùn)練集,2018年9月1日至2018年9月30日的數(shù)據(jù)作為測(cè)試集。同時(shí),為了驗(yàn)證模型的泛化能力,進(jìn)一步選取2017年8月1日至2018年11月30日日平均數(shù)據(jù)作為訓(xùn)練集,2018年12月1日至2018年12月31日數(shù)據(jù)作為測(cè)試集。圖3和圖4是采用Prophet-LSTM組合模型對(duì)兩組PM2.5時(shí)序的預(yù)測(cè)結(jié)果。

    對(duì)PM2.5濃度序列進(jìn)行統(tǒng)計(jì)分析,結(jié)果如表1所示。由表1可以看出,第一組時(shí)序數(shù)據(jù)(20170801-20180930)的偏度為2.898 0,峰度為10.595 3;第二組時(shí)序數(shù)據(jù)(20170801-20181231)的偏度為2.420 2,峰度為7.257 1,這表明PM2.5濃度序列不服從正太分布。從ADF檢驗(yàn)結(jié)果(0.270 2,0.147 3>-2.976 4)可以看出,PM2.5濃度序列是一個(gè)非平穩(wěn)序列。因此,ARMA、SVR等傳統(tǒng)時(shí)序模型不能很好地預(yù)測(cè)PM2.5濃度,本文采用Prophet-LSTM組合模型對(duì)未來(lái)PM2.5濃度進(jìn)行預(yù)測(cè)。

    4.2 PM2.5日濃度預(yù)測(cè)

    為驗(yàn)證本文提出的Prophet-LSTM模型有效性,分別采用平均絕對(duì)百分比誤差(MAPE)和均方根誤差(RMSE)指標(biāo)作為評(píng)價(jià)指標(biāo),每個(gè)指標(biāo)計(jì)算公式如下:

    其中,F(xiàn)t和Tt分別表示PM2.5濃度的預(yù)測(cè)值和真實(shí)值,n為樣本點(diǎn)總個(gè)數(shù)。通過(guò)上述公式可以看出,MAPE和RMSE越小說(shuō)明模型預(yù)測(cè)能力越好。

    本文選取ARIMA、Prophet和LSTM模型作為比較基準(zhǔn),分別對(duì)兩組不同月份PM2.5日濃度進(jìn)行預(yù)測(cè)評(píng)估,各個(gè)模型對(duì)比結(jié)果如表2所示。

    從表2可以看出,本文提出的Prophet-LSTM模型相較對(duì)比模型具有更好的預(yù)測(cè)能力,特別是對(duì)于空氣污染嚴(yán)重的天氣優(yōu)勢(shì)更加明顯。通過(guò)對(duì)不同時(shí)間段的預(yù)測(cè)分析,該模型對(duì)樣本選擇的隨機(jī)性具有較強(qiáng)的適應(yīng)能力,而且該模型只考慮PM2.5時(shí)序數(shù)據(jù)的特征和規(guī)律,因此可以不考慮地域因素進(jìn)行推廣。

    5 結(jié)語(yǔ)

    PM2.5濃度變化是多種因素相互作用的結(jié)果。針對(duì)PM2.5濃度時(shí)序的變化規(guī)律和特征,本文提出基于Prophet模型和LSTM神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型。該模型利用Prophet模型的可分解方法對(duì)PM2.5濃度進(jìn)行趨勢(shì)、周期和隨機(jī)誤差項(xiàng)分解;在此基礎(chǔ)上,針對(duì)各特征分量采用Prophet模型和LSTM相結(jié)合的方法進(jìn)行預(yù)測(cè);最后對(duì)鄭州市不同月份的PM2.5濃度進(jìn)行預(yù)測(cè)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,基于Prophet模型和LSTM神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型預(yù)測(cè)效果良好,可以為污染預(yù)警、空氣質(zhì)量評(píng)價(jià)以及環(huán)境治理提供一定的技術(shù)參考。在PM2.5預(yù)測(cè)方面,還應(yīng)綜合考慮氣象數(shù)據(jù)、排放源、環(huán)保政策等因素,后續(xù)工作將考慮機(jī)理模型和非機(jī)理模型相結(jié)合方法,探索更加準(zhǔn)確、適應(yīng)范圍更廣的預(yù)測(cè)模型。

    參考文獻(xiàn):

    [1]潘慧峰,王鑫,張書宇. 霧霾污染的持續(xù)性及空間溢出效應(yīng)分析——來(lái)自京津冀地區(qū)的證據(jù)[J]. 中國(guó)軟科學(xué),2015(12):134-143.

    [2]張恒德,呂夢(mèng)瑤,張碧輝,等. 2014年2月下旬京津冀持續(xù)重污染過(guò)程的靜穩(wěn)天氣及傳輸條件分析[J]. 環(huán)境科學(xué)學(xué)報(bào),2016(12):4340-4351.

    [3]尉鵬, 任陣海, 王文杰,等. 2014年10月中國(guó)東部持續(xù)重污染天氣成因分析[J]. 環(huán)境科學(xué)研究, 2015, 28(5):676-683.

    [4]BRANGAN S. Development of smog-cro readability formula for healthcare communication and patient education[J]. Collegium Antropologicum, 2015, 39(1):11-20.

    [5]張藝耀,苗冠鴻, 閆劍詩(shī),等. 影響PM2.5因素的多元統(tǒng)計(jì)分析與預(yù)測(cè)[J]. 資源節(jié)約與環(huán)保, 2013(11):135-136.

    [6]趙曉軍. 時(shí)間序列的相關(guān)性及復(fù)雜性研究[D].北京: 北京交通大學(xué), 2015.

    [7]陳海燕,劉晨暉, 孫博. 時(shí)間序列數(shù)據(jù)挖掘的相似性度量綜述[J]. 控制與決策, 2017, 32(1):1-11.

    [8]JIAN L, ZHAO Y, ZHU Y P. An application of arima model to predict submicron particle concentrations from meteorological factors at a busy roadside in hangzhou, china[J]. Science of the Total Environment, 2012(426):336-345.

    [9]張人禾, 李強(qiáng), 張若楠. 2013年1月中國(guó)東部持續(xù)性強(qiáng)霧霾天氣產(chǎn)生的氣象條件分析[J]. 中國(guó)科學(xué):地球科學(xué), 2014, 44(1):27-29.

    [10]潘紅玲. 中國(guó)重度霧霾時(shí)空分布特征及影響因子分析[D].成都:電子科技大學(xué), 2015.

    [11]ASADOLLAHFARDI G,MADINEJAD M,ARIA S H,et al. Predicting particulate matter (pm\r, 2.5\r, ) concentrations in the air of shahr-e ray city, iran, by using an artificial neural network[J]. Environmental Quality Management, 2016, 25(4):71-83.

    [12]AUSATI S,AMANOLLAHI J. Assessing the accuracy of ANFIS, EEMD-GRNN, PCR, and MLR models in predicting PM2.5[J]. Atmospheric Environment,2016(142):465-474.

    [13]余輝,袁晶,于旭耀. 基于ARMAX的PM_(2.5)小時(shí)濃度跟蹤預(yù)測(cè)模型[J]. 天津大學(xué)學(xué)報(bào):自然科學(xué)與工程技術(shù)版, 2017(1):109-115.

    [14]彭志行, 陶紅, 賈成梅, 等. 時(shí)間序列分析在麻疹疫情預(yù)測(cè)預(yù)警中的應(yīng)用研究[J]. 中國(guó)衛(wèi)生統(tǒng)計(jì), 2010, 27(5):459-463.

    [15]劉璐, 丁福利, 孫立民. 基于SVM的煙草銷售量預(yù)測(cè)[J]. 軟件導(dǎo)刊, 2016, 15(11):134-137.

    [16]TAYLOR S J,LETHAM B. Forecasting at scale[J]. The American Statistician, 2017, 72(1):100-108..

    [17]李麗萍, 段桂華, 王建新. 基于Prophet框架的銀行網(wǎng)點(diǎn)備付金預(yù)測(cè)方法[J]. 中南大學(xué)學(xué)報(bào):自然科學(xué)版, 2019(1):182-186.

    [18]GRAVES A. Supervised sequence labelling with recurrent neural networks[J]. Studies in Computational Intelligence, 2012(3):385-391.

    [19]邸浩, 趙學(xué)軍, 張自力. 基于EEMD-LSTM-Adaboost的商品價(jià)格預(yù)測(cè)[J]. 統(tǒng)計(jì)與決策, 2018, 34(13):105-112.

    [20]HOCHREITER S,SCHMIDHUBER J. Long short-term memory[J]. Neural Computation, 1997, 9(8):1735-1780.

    (責(zé)任編輯:杜能鋼)

    收稿日期:2019-04-27

    基金項(xiàng)目:國(guó)家自然科學(xué)基金項(xiàng)目(71572113)

    作者簡(jiǎn)介:王曉飛(1994-),男,上海理工大學(xué)管理學(xué)院碩士研究生,研究方向?yàn)闄C(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘;王波(1960-),男,博士,上海理工大學(xué)管理學(xué)院教授,研究方向?yàn)闆Q策分析、數(shù)據(jù)挖掘;陸玉玉(1994-),女,上海理工大學(xué)管理學(xué)院碩士研究生,研究方向?yàn)闆Q策分析、數(shù)據(jù)挖掘。本文通訊作者:王曉飛。

    猜你喜歡
    時(shí)序預(yù)測(cè)值預(yù)測(cè)
    時(shí)序坐標(biāo)
    IMF上調(diào)今年全球經(jīng)濟(jì)增長(zhǎng)預(yù)期
    企業(yè)界(2024年8期)2024-07-05 10:59:04
    無(wú)可預(yù)測(cè)
    黃河之聲(2022年10期)2022-09-27 13:59:46
    選修2-2期中考試預(yù)測(cè)卷(A卷)
    選修2-2期中考試預(yù)測(cè)卷(B卷)
    加拿大農(nóng)業(yè)部下調(diào)2021/22年度油菜籽和小麥產(chǎn)量預(yù)測(cè)值
    基于Sentinel-2時(shí)序NDVI的麥冬識(shí)別研究
    ±800kV直流輸電工程合成電場(chǎng)夏季實(shí)測(cè)值與預(yù)測(cè)值比對(duì)分析
    法電再次修訂2020年核發(fā)電量預(yù)測(cè)值
    不必預(yù)測(cè)未來(lái),只需把握現(xiàn)在
    国产日韩欧美在线精品| 亚洲欧美精品专区久久| 国产私拍福利视频在线观看| 日韩av在线大香蕉| 校园春色视频在线观看| 少妇的逼水好多| 在线天堂最新版资源| av免费观看日本| 淫秽高清视频在线观看| 国产精品美女特级片免费视频播放器| 久久久a久久爽久久v久久| 成人高潮视频无遮挡免费网站| 午夜福利高清视频| 国产一区二区在线av高清观看| 一本久久精品| 真实男女啪啪啪动态图| 成人特级黄色片久久久久久久| 午夜a级毛片| 超碰av人人做人人爽久久| 久久精品夜色国产| 国产乱人偷精品视频| 一个人看视频在线观看www免费| 午夜免费男女啪啪视频观看| 桃色一区二区三区在线观看| 国产一区二区在线av高清观看| 亚洲国产精品sss在线观看| 亚洲美女视频黄频| 国产蜜桃级精品一区二区三区| 久久99热这里只有精品18| 美女大奶头视频| 国产极品天堂在线| 欧洲精品卡2卡3卡4卡5卡区| 99热6这里只有精品| 女的被弄到高潮叫床怎么办| 精品久久久久久成人av| 久久人妻av系列| 成人美女网站在线观看视频| 亚洲国产日韩欧美精品在线观看| 97超碰精品成人国产| 日韩,欧美,国产一区二区三区 | 国产日韩欧美在线精品| 精品久久久久久久人妻蜜臀av| 色5月婷婷丁香| 国产精品一区二区三区四区免费观看| 人人妻人人澡人人爽人人夜夜 | 国产精品久久久久久精品电影小说 | av又黄又爽大尺度在线免费看 | 亚洲第一电影网av| 精品99又大又爽又粗少妇毛片| 午夜精品一区二区三区免费看| 日韩欧美在线乱码| 国产精品.久久久| 日韩,欧美,国产一区二区三区 | 亚洲中文字幕一区二区三区有码在线看| 亚洲激情五月婷婷啪啪| av免费观看日本| 亚洲一级一片aⅴ在线观看| a级毛片免费高清观看在线播放| 我要搜黄色片| 日韩欧美精品免费久久| 国产国拍精品亚洲av在线观看| 大型黄色视频在线免费观看| 你懂的网址亚洲精品在线观看 | 国产三级在线视频| av免费观看日本| 听说在线观看完整版免费高清| 国产人妻一区二区三区在| 中文在线观看免费www的网站| 联通29元200g的流量卡| 日本熟妇午夜| 变态另类成人亚洲欧美熟女| 欧美日本亚洲视频在线播放| 亚洲av.av天堂| АⅤ资源中文在线天堂| 99九九线精品视频在线观看视频| 国产亚洲av嫩草精品影院| 干丝袜人妻中文字幕| 在线播放国产精品三级| 日韩大尺度精品在线看网址| 久久久久九九精品影院| 日韩成人av中文字幕在线观看| 亚洲成人久久爱视频| 免费观看的影片在线观看| 夜夜夜夜夜久久久久| 久久久久久久久久久丰满| 亚洲丝袜综合中文字幕| 黄色配什么色好看| av在线蜜桃| 免费观看a级毛片全部| 国产男人的电影天堂91| 亚洲aⅴ乱码一区二区在线播放| 成人特级av手机在线观看| 日本av手机在线免费观看| 中文字幕精品亚洲无线码一区| 欧美潮喷喷水| 只有这里有精品99| 亚洲aⅴ乱码一区二区在线播放| 校园春色视频在线观看| 欧美三级亚洲精品| 国产亚洲91精品色在线| 中文字幕精品亚洲无线码一区| 欧美高清成人免费视频www| 欧美+亚洲+日韩+国产| 久久精品国产清高在天天线| 精品国产三级普通话版| 国产老妇女一区| 国产精品99久久久久久久久| 日本熟妇午夜| h日本视频在线播放| 12—13女人毛片做爰片一| 久久亚洲精品不卡| 精品久久久久久久久av| 日本免费a在线| 亚洲最大成人手机在线| 女人被狂操c到高潮| 精品久久久久久久久久免费视频| 国产探花极品一区二区| 欧美+亚洲+日韩+国产| 99热网站在线观看| 一级毛片电影观看 | 国产女主播在线喷水免费视频网站 | 精品午夜福利在线看| 天天躁日日操中文字幕| 亚洲五月天丁香| 中出人妻视频一区二区| 高清在线视频一区二区三区 | 免费黄网站久久成人精品| 91精品一卡2卡3卡4卡| 亚洲成人久久性| 最新中文字幕久久久久| 色综合站精品国产| 给我免费播放毛片高清在线观看| 别揉我奶头 嗯啊视频| 久久久久久久久久成人| 国产乱人视频| 在线观看一区二区三区| 亚洲内射少妇av| 免费看美女性在线毛片视频| 久久国内精品自在自线图片| 午夜福利视频1000在线观看| 99热这里只有是精品在线观看| 啦啦啦啦在线视频资源| 欧美高清性xxxxhd video| 国产av一区在线观看免费| 久久这里有精品视频免费| 91狼人影院| 亚洲一区二区三区色噜噜| www日本黄色视频网| 有码 亚洲区| 日本一二三区视频观看| 亚洲精品456在线播放app| 美女被艹到高潮喷水动态| 在线观看66精品国产| 最好的美女福利视频网| 在线免费观看的www视频| 欧美日韩乱码在线| 99久国产av精品国产电影| 午夜精品国产一区二区电影 | 别揉我奶头 嗯啊视频| 精品久久久噜噜| 亚洲三级黄色毛片| 婷婷色av中文字幕| 午夜老司机福利剧场| 老司机影院成人| 乱系列少妇在线播放| 日韩大尺度精品在线看网址| 精品人妻视频免费看| 少妇猛男粗大的猛烈进出视频 | av免费在线看不卡| av视频在线观看入口| 嫩草影院新地址| 精品欧美国产一区二区三| 日日干狠狠操夜夜爽| 毛片女人毛片| 女人被狂操c到高潮| 啦啦啦韩国在线观看视频| 日日啪夜夜撸| 能在线免费看毛片的网站| 亚洲在线自拍视频| 18禁黄网站禁片免费观看直播| 丝袜美腿在线中文| 联通29元200g的流量卡| 看非洲黑人一级黄片| 18禁裸乳无遮挡免费网站照片| 99热精品在线国产| av免费观看日本| 插阴视频在线观看视频| 91精品一卡2卡3卡4卡| 精品国产三级普通话版| 色播亚洲综合网| 最近最新中文字幕大全电影3| 大型黄色视频在线免费观看| 18禁在线无遮挡免费观看视频| 丝袜喷水一区| 91aial.com中文字幕在线观看| 免费人成视频x8x8入口观看| 大又大粗又爽又黄少妇毛片口| 蜜臀久久99精品久久宅男| 少妇猛男粗大的猛烈进出视频 | 欧美一区二区国产精品久久精品| 晚上一个人看的免费电影| 日本成人三级电影网站| 中国国产av一级| 成年av动漫网址| av在线蜜桃| 久久综合国产亚洲精品| 中文字幕人妻熟人妻熟丝袜美| 三级国产精品欧美在线观看| 亚洲av熟女| 成熟少妇高潮喷水视频| 日本黄色视频三级网站网址| av视频在线观看入口| 欧美最黄视频在线播放免费| 亚洲欧洲国产日韩| 秋霞在线观看毛片| 人体艺术视频欧美日本| av国产免费在线观看| 成人三级黄色视频| 精品一区二区免费观看| 国产一区二区在线观看日韩| 欧美性猛交╳xxx乱大交人| 韩国av在线不卡| 欧美色欧美亚洲另类二区| 欧美另类亚洲清纯唯美| 看黄色毛片网站| 欧美日韩综合久久久久久| 91av网一区二区| 99国产精品一区二区蜜桃av| 久久精品国产亚洲网站| 免费av观看视频| 自拍偷自拍亚洲精品老妇| 青春草亚洲视频在线观看| 久久精品夜色国产| 特大巨黑吊av在线直播| 国产成人精品一,二区 | 日韩av不卡免费在线播放| 久久中文看片网| 搡老妇女老女人老熟妇| 男人狂女人下面高潮的视频| 免费人成在线观看视频色| 免费av不卡在线播放| 亚洲欧洲国产日韩| 青春草亚洲视频在线观看| 日本免费a在线| 日韩av在线大香蕉| 青春草国产在线视频 | 欧美又色又爽又黄视频| 99九九线精品视频在线观看视频| 国产亚洲欧美98| 搞女人的毛片| 国产成人91sexporn| 99热6这里只有精品| 人体艺术视频欧美日本| 男女视频在线观看网站免费| 亚洲无线观看免费| 亚洲欧洲日产国产| 国产成人a区在线观看| 亚洲成人中文字幕在线播放| 日韩一区二区三区影片| av在线蜜桃| av视频在线观看入口| 99久久精品一区二区三区| 久久婷婷人人爽人人干人人爱| 欧美xxxx黑人xx丫x性爽| 日韩欧美国产在线观看| 波野结衣二区三区在线| 欧美日韩一区二区视频在线观看视频在线 | 欧美又色又爽又黄视频| 欧美+亚洲+日韩+国产| 国产男人的电影天堂91| 免费无遮挡裸体视频| 26uuu在线亚洲综合色| 日日干狠狠操夜夜爽| 中文字幕免费在线视频6| 免费看光身美女| 国产精品久久久久久精品电影| 亚洲精品国产av成人精品| 又黄又爽又刺激的免费视频.| .国产精品久久| 日产精品乱码卡一卡2卡三| 久久综合国产亚洲精品| 啦啦啦啦在线视频资源| 久久久欧美国产精品| av.在线天堂| 日韩在线高清观看一区二区三区| 九九在线视频观看精品| 亚洲欧美日韩无卡精品| 91久久精品国产一区二区三区| 国产亚洲精品久久久com| 亚洲不卡免费看| 国产一级毛片七仙女欲春2| 观看美女的网站| 中文在线观看免费www的网站| 精品一区二区三区人妻视频| 欧美成人a在线观看| 久久久久久久久中文| 国产精品久久久久久精品电影| 美女xxoo啪啪120秒动态图| 一级毛片电影观看 | 国模一区二区三区四区视频| 午夜免费男女啪啪视频观看| 久久久久久伊人网av| 午夜激情欧美在线| 国产免费一级a男人的天堂| 91久久精品国产一区二区成人| 久久久a久久爽久久v久久| 波多野结衣高清无吗| 日韩亚洲欧美综合| 少妇高潮的动态图| 91麻豆精品激情在线观看国产| 最近的中文字幕免费完整| av福利片在线观看| 亚洲国产欧美人成| 久久久a久久爽久久v久久| 日日啪夜夜撸| 老司机影院成人| 色综合色国产| 最近视频中文字幕2019在线8| 午夜精品一区二区三区免费看| 国产三级在线视频| 亚洲av免费高清在线观看| 少妇熟女aⅴ在线视频| 久久精品综合一区二区三区| 久久久久久久久久久丰满| 99国产极品粉嫩在线观看| 97热精品久久久久久| 国产免费男女视频| 亚洲熟妇中文字幕五十中出| 久久精品国产鲁丝片午夜精品| 国产又黄又爽又无遮挡在线| 大又大粗又爽又黄少妇毛片口| 校园人妻丝袜中文字幕| 乱人视频在线观看| 日韩欧美精品免费久久| 91精品国产九色| 国产伦精品一区二区三区四那| 成人毛片60女人毛片免费| 国产精品三级大全| 亚洲人与动物交配视频| 久久久a久久爽久久v久久| ponron亚洲| 免费人成视频x8x8入口观看| 色5月婷婷丁香| 国产男人的电影天堂91| 日韩大尺度精品在线看网址| 国产一区二区三区av在线 | 久久久精品大字幕| 国产亚洲91精品色在线| 别揉我奶头 嗯啊视频| 波多野结衣高清无吗| 国产人妻一区二区三区在| 人人妻人人澡人人爽人人夜夜 | 国产精品.久久久| 一个人免费在线观看电影| 中文资源天堂在线| 91久久精品国产一区二区三区| 成人欧美大片| 在线观看一区二区三区| 精品99又大又爽又粗少妇毛片| 国产一区二区三区av在线 | 99视频精品全部免费 在线| 欧美激情在线99| 日韩,欧美,国产一区二区三区 | 久久午夜福利片| 国产精品人妻久久久久久| 国产精品,欧美在线| 91精品国产九色| 日韩精品青青久久久久久| 插阴视频在线观看视频| 亚洲电影在线观看av| 丝袜美腿在线中文| 久久久久国产网址| 一夜夜www| 精品久久久久久久人妻蜜臀av| 日韩三级伦理在线观看| 99久久人妻综合| 91久久精品国产一区二区三区| 中文字幕制服av| 午夜福利高清视频| 国产精品久久久久久精品电影小说 | 99热6这里只有精品| 日本成人三级电影网站| 日本免费a在线| 波多野结衣巨乳人妻| 亚洲av成人av| 久久久久久久亚洲中文字幕| 免费不卡的大黄色大毛片视频在线观看 | 久久婷婷人人爽人人干人人爱| 免费在线观看成人毛片| 欧美三级亚洲精品| 欧美色视频一区免费| av福利片在线观看| 免费人成视频x8x8入口观看| 欧美日韩综合久久久久久| av在线播放精品| 亚洲成av人片在线播放无| 深夜精品福利| 男人和女人高潮做爰伦理| 99热这里只有是精品50| 日本免费一区二区三区高清不卡| 99在线人妻在线中文字幕| 国产精品一区www在线观看| 国内精品久久久久精免费| 悠悠久久av| 国产视频首页在线观看| 久久久国产成人精品二区| 亚洲色图av天堂| 波多野结衣高清作品| 亚洲人成网站在线播| 日本黄色视频三级网站网址| 激情 狠狠 欧美| 国产高清三级在线| 国产av在哪里看| 成人无遮挡网站| 欧美+日韩+精品| 国产精品久久久久久精品电影| 欧美激情在线99| 国产精品不卡视频一区二区| 狂野欧美激情性xxxx在线观看| 午夜免费男女啪啪视频观看| 久久久久久久午夜电影| 久久久a久久爽久久v久久| 国产精品,欧美在线| 国产91av在线免费观看| 日韩欧美一区二区三区在线观看| 国产在视频线在精品| 亚洲国产欧洲综合997久久,| 日韩大尺度精品在线看网址| 国产一区二区亚洲精品在线观看| 国产精品野战在线观看| 最近视频中文字幕2019在线8| 成人欧美大片| 国产一区二区亚洲精品在线观看| av在线亚洲专区| a级毛片a级免费在线| 97超碰精品成人国产| 九九热线精品视视频播放| 老师上课跳d突然被开到最大视频| 国产亚洲91精品色在线| 午夜精品一区二区三区免费看| 日韩中字成人| 99久久成人亚洲精品观看| 色噜噜av男人的天堂激情| 久久久久性生活片| 男人舔奶头视频| 国产麻豆成人av免费视频| 只有这里有精品99| 一级av片app| 日本色播在线视频| 成年av动漫网址| avwww免费| 晚上一个人看的免费电影| 国产伦精品一区二区三区视频9| 女的被弄到高潮叫床怎么办| 美女大奶头视频| 亚洲国产精品久久男人天堂| 九九爱精品视频在线观看| 免费无遮挡裸体视频| 亚洲最大成人av| 亚洲精品乱码久久久v下载方式| 欧美一区二区精品小视频在线| 99国产精品一区二区蜜桃av| 99热这里只有是精品50| 亚洲18禁久久av| 直男gayav资源| 美女国产视频在线观看| 国产精品蜜桃在线观看 | 午夜免费男女啪啪视频观看| 日韩av不卡免费在线播放| 亚洲av熟女| 久久久精品大字幕| 日韩欧美三级三区| 在线国产一区二区在线| 午夜亚洲福利在线播放| 国产伦在线观看视频一区| 亚洲国产精品成人综合色| 伦理电影大哥的女人| 99riav亚洲国产免费| 亚洲成人av在线免费| 午夜福利在线观看吧| 九九在线视频观看精品| 在现免费观看毛片| 色哟哟哟哟哟哟| 99热全是精品| 亚洲欧美日韩无卡精品| 亚洲av电影不卡..在线观看| 亚州av有码| 男女那种视频在线观看| 九九热线精品视视频播放| 国产午夜精品论理片| 国产黄色小视频在线观看| 变态另类成人亚洲欧美熟女| 午夜福利视频1000在线观看| 人人妻人人澡人人爽人人夜夜 | 午夜福利在线观看免费完整高清在 | 成人综合一区亚洲| 欧美性猛交╳xxx乱大交人| 亚洲,欧美,日韩| 日本免费a在线| 在线a可以看的网站| 男人的好看免费观看在线视频| 身体一侧抽搐| 麻豆精品久久久久久蜜桃| 黄片无遮挡物在线观看| 精品99又大又爽又粗少妇毛片| 黑人高潮一二区| 国产在线精品亚洲第一网站| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产精品久久久久久久久免| 国产精品久久久久久久电影| 我的老师免费观看完整版| 免费观看a级毛片全部| 秋霞在线观看毛片| av天堂中文字幕网| 欧美一区二区国产精品久久精品| 亚洲美女搞黄在线观看| 亚洲欧美日韩无卡精品| 最近手机中文字幕大全| 欧美变态另类bdsm刘玥| 精品午夜福利在线看| 成人一区二区视频在线观看| 精品午夜福利在线看| 国产av麻豆久久久久久久| 久久精品国产亚洲av香蕉五月| 青春草国产在线视频 | 亚洲成人av在线免费| 欧美性猛交╳xxx乱大交人| 熟妇人妻久久中文字幕3abv| 欧美性猛交黑人性爽| 亚洲国产精品久久男人天堂| 国产精品福利在线免费观看| 亚洲欧美清纯卡通| 亚洲色图av天堂| 午夜福利在线观看吧| 看免费成人av毛片| 国产一区二区三区在线臀色熟女| 人人妻人人看人人澡| 国产国拍精品亚洲av在线观看| 麻豆一二三区av精品| 日本免费a在线| 九草在线视频观看| 中国美女看黄片| 日韩av不卡免费在线播放| 国产一级毛片在线| 国产高清视频在线观看网站| 97超碰精品成人国产| 欧美成人一区二区免费高清观看| 全区人妻精品视频| 亚洲精品456在线播放app| 亚洲成人中文字幕在线播放| 国产高清三级在线| 成年女人永久免费观看视频| 麻豆成人av视频| 禁无遮挡网站| 亚洲成人久久性| 成熟少妇高潮喷水视频| 久久精品国产清高在天天线| 亚洲,欧美,日韩| 美女内射精品一级片tv| 亚洲精品乱码久久久久久按摩| 美女高潮的动态| 免费不卡的大黄色大毛片视频在线观看 | 又爽又黄a免费视频| 国产男人的电影天堂91| 精品久久久久久久人妻蜜臀av| 日本av手机在线免费观看| 寂寞人妻少妇视频99o| 亚洲成a人片在线一区二区| 色吧在线观看| 看片在线看免费视频| 亚洲精品影视一区二区三区av| 日本五十路高清| 欧美成人精品欧美一级黄| 五月玫瑰六月丁香| 国产午夜精品论理片| 免费观看的影片在线观看| 91午夜精品亚洲一区二区三区| 国产精品永久免费网站| or卡值多少钱| 天天一区二区日本电影三级| 亚洲欧美中文字幕日韩二区| 欧美日韩在线观看h| 日韩视频在线欧美| 免费看美女性在线毛片视频| 1000部很黄的大片| 校园春色视频在线观看| 九色成人免费人妻av| h日本视频在线播放| av女优亚洲男人天堂| 久久婷婷人人爽人人干人人爱| 成人美女网站在线观看视频| 久久久精品欧美日韩精品| 不卡一级毛片| 国产69精品久久久久777片| 国产男人的电影天堂91| 伦精品一区二区三区| 一边摸一边抽搐一进一小说| 国产 一区精品| 直男gayav资源| 综合色丁香网| 人体艺术视频欧美日本| 久久精品国产99精品国产亚洲性色| 欧美bdsm另类| 国产精品野战在线观看| 一本久久精品| 天天躁夜夜躁狠狠久久av| 国产在视频线在精品| 狂野欧美激情性xxxx在线观看| 高清午夜精品一区二区三区 | 两个人的视频大全免费| 国产精品一二三区在线看| 国产精品一区二区三区四区久久| 一个人看的www免费观看视频| 在线免费十八禁| 我的女老师完整版在线观看|