• <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
    精华霜和精华液先用哪个| 少妇的逼好多水| 亚洲成人久久爱视频| 亚洲中文字幕一区二区三区有码在线看| 最近视频中文字幕2019在线8| 午夜爱爱视频在线播放| 在线a可以看的网站| 国产淫片久久久久久久久| 午夜福利在线在线| 久久久久精品国产欧美久久久| 成年女人永久免费观看视频| 岛国在线免费视频观看| www日本黄色视频网| 搡老岳熟女国产| 欧美一区二区国产精品久久精品| 日韩亚洲欧美综合| 深夜精品福利| 欧美日本视频| 别揉我奶头 嗯啊视频| 97热精品久久久久久| 自拍偷自拍亚洲精品老妇| 免费搜索国产男女视频| 日本成人三级电影网站| 美女 人体艺术 gogo| 成人国产麻豆网| 亚洲无线观看免费| 午夜爱爱视频在线播放| 亚洲av.av天堂| 午夜免费男女啪啪视频观看 | 日韩欧美国产在线观看| 成人毛片a级毛片在线播放| 特大巨黑吊av在线直播| 亚洲经典国产精华液单| 97热精品久久久久久| 自拍偷自拍亚洲精品老妇| 国内精品久久久久精免费| 日韩欧美免费精品| 国产爱豆传媒在线观看| 在线播放国产精品三级| 狂野欧美激情性xxxx在线观看| 男女啪啪激烈高潮av片| 欧美激情国产日韩精品一区| 大型黄色视频在线免费观看| 少妇的逼好多水| 国产亚洲av嫩草精品影院| 性欧美人与动物交配| 日日摸夜夜添夜夜添小说| 在线a可以看的网站| 久久精品国产自在天天线| 嫩草影院精品99| 精品一区二区三区视频在线| 精品久久久噜噜| 亚洲精品一卡2卡三卡4卡5卡| 亚洲成人精品中文字幕电影| 免费大片18禁| 狂野欧美白嫩少妇大欣赏| 亚洲av成人精品一区久久| 一个人看的www免费观看视频| 亚洲自拍偷在线| 久久久久久久午夜电影| 狂野欧美白嫩少妇大欣赏| 大又大粗又爽又黄少妇毛片口| 变态另类成人亚洲欧美熟女| 国产免费av片在线观看野外av| 男女之事视频高清在线观看| 老司机午夜福利在线观看视频| 天堂av国产一区二区熟女人妻| 夜夜看夜夜爽夜夜摸| 日韩中字成人| 日韩av在线大香蕉| 九九爱精品视频在线观看| 搞女人的毛片| 18禁黄网站禁片免费观看直播| 中文字幕熟女人妻在线| 久久99热6这里只有精品| 久久久久久久久中文| 国产免费一级a男人的天堂| 美女高潮喷水抽搐中文字幕| 久久国内精品自在自线图片| 亚洲欧美日韩高清在线视频| 22中文网久久字幕| 免费大片18禁| 精品久久久久久久久久久久久| 国产高清不卡午夜福利| 亚洲18禁久久av| 精品欧美国产一区二区三| 联通29元200g的流量卡| 国产男靠女视频免费网站| 深爱激情五月婷婷| 内地一区二区视频在线| 色哟哟哟哟哟哟| 欧美精品国产亚洲| 国产麻豆成人av免费视频| 少妇的逼水好多| 午夜福利在线在线| 日本 欧美在线| 久久久久精品国产欧美久久久| 中文亚洲av片在线观看爽| 精品乱码久久久久久99久播| 可以在线观看的亚洲视频| 国内精品久久久久精免费| 91久久精品电影网| 在线观看美女被高潮喷水网站| 欧美成人免费av一区二区三区| 黄色一级大片看看| 一进一出好大好爽视频| 亚洲va在线va天堂va国产| 国产精品一区二区免费欧美| 久久热精品热| 欧美日韩乱码在线| 国内久久婷婷六月综合欲色啪| 亚洲专区国产一区二区| 国产精品一区二区三区四区久久| 简卡轻食公司| 日日摸夜夜添夜夜添av毛片 | 一级av片app| 内射极品少妇av片p| 婷婷色综合大香蕉| 久久久色成人| 国产伦一二天堂av在线观看| 国产精品av视频在线免费观看| 美女cb高潮喷水在线观看| 成人一区二区视频在线观看| 国产av一区在线观看免费| 又黄又爽又免费观看的视频| 欧美精品国产亚洲| 免费看日本二区| 成人高潮视频无遮挡免费网站| 久久精品夜夜夜夜夜久久蜜豆| 欧美成人一区二区免费高清观看| 成人av一区二区三区在线看| 天堂√8在线中文| 三级毛片av免费| 久久精品国产亚洲av涩爱 | 亚洲av中文av极速乱 | 日本-黄色视频高清免费观看| 成年女人永久免费观看视频| 精品久久久久久成人av| 12—13女人毛片做爰片一| 亚洲国产欧洲综合997久久,| 国产精品伦人一区二区| 国产高清不卡午夜福利| 欧美日韩中文字幕国产精品一区二区三区| 婷婷丁香在线五月| 麻豆一二三区av精品| 亚洲电影在线观看av| 国产成人福利小说| 特大巨黑吊av在线直播| 白带黄色成豆腐渣| 3wmmmm亚洲av在线观看| 男插女下体视频免费在线播放| 97超级碰碰碰精品色视频在线观看| 国产亚洲精品综合一区在线观看| 男女做爰动态图高潮gif福利片| 亚洲欧美清纯卡通| 精品久久久久久久人妻蜜臀av| 少妇人妻一区二区三区视频| 麻豆国产av国片精品| 可以在线观看毛片的网站| 神马国产精品三级电影在线观看| 日本a在线网址| 国内久久婷婷六月综合欲色啪| 国产高潮美女av| 少妇裸体淫交视频免费看高清| 日本三级黄在线观看| 精品一区二区三区视频在线观看免费| 琪琪午夜伦伦电影理论片6080| 成年女人毛片免费观看观看9| 国产乱人伦免费视频| 国产高清视频在线观看网站| 久久草成人影院| av天堂中文字幕网| 女生性感内裤真人,穿戴方法视频| 成年免费大片在线观看| 国内精品美女久久久久久| 国产欧美日韩精品亚洲av| 久久国内精品自在自线图片| 国产单亲对白刺激| 国内揄拍国产精品人妻在线| 毛片一级片免费看久久久久 | 一本久久中文字幕| 99久久成人亚洲精品观看| 久久久精品大字幕| 观看免费一级毛片| 亚洲经典国产精华液单| 一a级毛片在线观看| 亚洲最大成人av| 国产男人的电影天堂91| 精品人妻视频免费看| 国产精品免费一区二区三区在线| 亚洲狠狠婷婷综合久久图片| 久久午夜福利片| 成人二区视频| 亚洲三级黄色毛片| 国内精品美女久久久久久| 日本 av在线| 男女之事视频高清在线观看| 免费在线观看成人毛片| 看片在线看免费视频| 人妻夜夜爽99麻豆av| 国产伦精品一区二区三区视频9| 国产高清有码在线观看视频| 国产精品一区www在线观看 | 99在线人妻在线中文字幕| 欧美中文日本在线观看视频| 中文亚洲av片在线观看爽| 最近视频中文字幕2019在线8| 亚洲美女搞黄在线观看 | 精品久久久久久久久av| 久久精品国产亚洲av天美| 亚洲 国产 在线| 亚洲国产精品成人综合色| 啦啦啦观看免费观看视频高清| 国产精品福利在线免费观看| 国产欧美日韩一区二区精品| 成年版毛片免费区| 我要搜黄色片| 成人一区二区视频在线观看| 国产主播在线观看一区二区| 99热这里只有是精品在线观看| 亚洲专区国产一区二区| 最近中文字幕高清免费大全6 | 亚洲美女视频黄频| 国产麻豆成人av免费视频| 婷婷精品国产亚洲av| 国产亚洲91精品色在线| 国产av一区在线观看免费| av在线观看视频网站免费| 午夜福利在线观看吧| 赤兔流量卡办理| 丰满的人妻完整版| 欧美中文日本在线观看视频| 91久久精品电影网| 春色校园在线视频观看| 成人国产综合亚洲| 在线观看美女被高潮喷水网站| 久久国产精品人妻蜜桃| 一a级毛片在线观看| 18禁黄网站禁片午夜丰满| 亚洲av五月六月丁香网| 偷拍熟女少妇极品色| 又黄又爽又刺激的免费视频.| 国产真实伦视频高清在线观看 | 日本五十路高清| 日本一二三区视频观看| 亚洲经典国产精华液单| 日本爱情动作片www.在线观看 | 日韩欧美 国产精品| 女人十人毛片免费观看3o分钟| 国产探花在线观看一区二区| 99热网站在线观看| 成年免费大片在线观看| 亚洲中文字幕一区二区三区有码在线看| 最近中文字幕高清免费大全6 | 我的女老师完整版在线观看| 亚洲美女搞黄在线观看 | 日韩欧美免费精品| 国产精品人妻久久久久久| 在线免费观看的www视频| 欧美性感艳星| 亚洲av电影不卡..在线观看| 久久久午夜欧美精品| 午夜老司机福利剧场| 欧美激情国产日韩精品一区| 乱人视频在线观看| 国内精品久久久久精免费| 日本 av在线| 两人在一起打扑克的视频| 免费观看在线日韩| 免费搜索国产男女视频| 黄色配什么色好看| 免费大片18禁| 欧美日本视频| 十八禁网站免费在线| 久久精品国产亚洲av天美| 亚洲成人精品中文字幕电影| 国产麻豆成人av免费视频| 夜夜看夜夜爽夜夜摸| 欧美zozozo另类| 91在线观看av| 亚洲国产欧洲综合997久久,| 日本一本二区三区精品| 国产精品一及| av黄色大香蕉| 色综合亚洲欧美另类图片| 中出人妻视频一区二区| 精品人妻1区二区| 午夜精品在线福利| 99视频精品全部免费 在线| 岛国在线免费视频观看| 伦精品一区二区三区| 久久精品影院6| 色尼玛亚洲综合影院| 成人三级黄色视频| 在线看三级毛片| 三级国产精品欧美在线观看| 亚洲欧美清纯卡通| 国产熟女欧美一区二区| 最近最新免费中文字幕在线| 国产精品国产高清国产av| 国产精品女同一区二区软件 | 亚洲aⅴ乱码一区二区在线播放| 亚洲中文日韩欧美视频| a级毛片免费高清观看在线播放| 久久人妻av系列| 美女免费视频网站| 国产精品久久久久久久久免| 久久人人精品亚洲av| 51国产日韩欧美| 免费在线观看影片大全网站| 最近在线观看免费完整版| 国产熟女欧美一区二区| 一本久久中文字幕| av.在线天堂| 国模一区二区三区四区视频| 一个人看的www免费观看视频| 一个人免费在线观看电影| 赤兔流量卡办理| 亚洲熟妇熟女久久| 国产色婷婷99| 亚洲熟妇中文字幕五十中出| 亚洲三级黄色毛片| 床上黄色一级片| 欧美一级a爱片免费观看看| 国产蜜桃级精品一区二区三区| 免费看日本二区| 最好的美女福利视频网| 夜夜夜夜夜久久久久| 此物有八面人人有两片| 亚洲欧美激情综合另类| 人妻夜夜爽99麻豆av| 男插女下体视频免费在线播放| av天堂中文字幕网| 最后的刺客免费高清国语| h日本视频在线播放| 成人午夜高清在线视频| 看免费成人av毛片| 日日干狠狠操夜夜爽| 亚洲性久久影院| 九九热线精品视视频播放| 国产精品野战在线观看| 有码 亚洲区| 大又大粗又爽又黄少妇毛片口| 亚洲av美国av| 日韩大尺度精品在线看网址| 十八禁网站免费在线| 亚洲人成网站高清观看| 久久精品影院6| 亚洲在线观看片| 久久久久久久久久黄片| 国产在线精品亚洲第一网站| 长腿黑丝高跟| 日韩大尺度精品在线看网址| 国产精品三级大全| 国产精品人妻久久久久久| 欧美性猛交黑人性爽| 天堂av国产一区二区熟女人妻| 亚洲内射少妇av| 成人一区二区视频在线观看| 欧美日韩中文字幕国产精品一区二区三区| 午夜日韩欧美国产| 超碰av人人做人人爽久久| 人人妻人人看人人澡| 色哟哟·www| 国产精品电影一区二区三区| 女生性感内裤真人,穿戴方法视频| 日日夜夜操网爽| 亚洲国产欧洲综合997久久,| 99久久精品一区二区三区| 免费高清视频大片| 欧美潮喷喷水| 琪琪午夜伦伦电影理论片6080| 精品久久久久久久人妻蜜臀av| 国产精品日韩av在线免费观看| 亚洲三级黄色毛片| 国内揄拍国产精品人妻在线| 午夜激情欧美在线| 久久久久精品国产欧美久久久| 老女人水多毛片| 最好的美女福利视频网| 禁无遮挡网站| 熟妇人妻久久中文字幕3abv| 免费av毛片视频| 国产美女午夜福利| 国产精品国产高清国产av| 国国产精品蜜臀av免费| 欧美国产日韩亚洲一区| 嫩草影视91久久| 国产精品久久视频播放| 91在线观看av| 国产精品一区二区三区四区久久| 午夜福利成人在线免费观看| 22中文网久久字幕| 国产精品久久视频播放| 欧美日韩国产亚洲二区| 国产亚洲91精品色在线| 亚洲男人的天堂狠狠| av中文乱码字幕在线| 日本欧美国产在线视频| 成人高潮视频无遮挡免费网站| 亚洲精品国产成人久久av| 日韩在线高清观看一区二区三区 | xxxwww97欧美| 日韩中字成人| 日韩欧美国产在线观看| АⅤ资源中文在线天堂| 18+在线观看网站| 我要看日韩黄色一级片| 内射极品少妇av片p| 欧美zozozo另类| 国产精品1区2区在线观看.| 亚洲va在线va天堂va国产| 日本黄大片高清| 精品一区二区三区视频在线| av在线观看视频网站免费| 成年女人毛片免费观看观看9| 在线观看一区二区三区| 九色国产91popny在线| 88av欧美| 少妇的逼水好多| 深爱激情五月婷婷| 一个人看的www免费观看视频| 性色avwww在线观看| 免费观看在线日韩| 在线免费观看不下载黄p国产 | 国内久久婷婷六月综合欲色啪| 他把我摸到了高潮在线观看| 99热精品在线国产| 噜噜噜噜噜久久久久久91| 欧美激情国产日韩精品一区| 午夜福利在线观看吧| 国产极品精品免费视频能看的| 好男人在线观看高清免费视频| 91久久精品电影网| 又爽又黄无遮挡网站| eeuss影院久久| 久久久久精品国产欧美久久久| 欧美黑人欧美精品刺激| 免费av观看视频| 少妇裸体淫交视频免费看高清| 成年版毛片免费区| 午夜精品在线福利| av在线观看视频网站免费| 亚洲av不卡在线观看| 男女做爰动态图高潮gif福利片| 亚洲不卡免费看| 久久亚洲精品不卡| 国内精品久久久久精免费| 91久久精品国产一区二区三区| 老司机深夜福利视频在线观看| 亚洲精品影视一区二区三区av| 国产亚洲精品久久久久久毛片| 一本一本综合久久| 国产综合懂色| 欧美精品国产亚洲| 色5月婷婷丁香| 毛片一级片免费看久久久久 | 99久久无色码亚洲精品果冻| 日韩中文字幕欧美一区二区| 午夜精品久久久久久毛片777| 亚洲精品一区av在线观看| 成年女人毛片免费观看观看9| 久久99热这里只有精品18| 精品久久久久久久久久免费视频| 琪琪午夜伦伦电影理论片6080| 内射极品少妇av片p| 精品久久久久久久末码| 人妻夜夜爽99麻豆av| 亚洲成a人片在线一区二区| 午夜a级毛片| 成人美女网站在线观看视频| 18禁在线播放成人免费| 三级男女做爰猛烈吃奶摸视频| 午夜精品久久久久久毛片777| 亚洲乱码一区二区免费版| 国产v大片淫在线免费观看| 亚洲综合色惰| 欧美潮喷喷水| 两个人视频免费观看高清| 亚洲中文字幕日韩| 久久久久性生活片| 精品一区二区免费观看| 亚洲av中文字字幕乱码综合| 69av精品久久久久久| 全区人妻精品视频| aaaaa片日本免费| 亚洲美女视频黄频| a级一级毛片免费在线观看| 亚洲av第一区精品v没综合| 亚洲专区国产一区二区| 无人区码免费观看不卡| 最新中文字幕久久久久| 可以在线观看毛片的网站| 日本爱情动作片www.在线观看 | 国产高清视频在线观看网站| 国产成人a区在线观看| 草草在线视频免费看| 给我免费播放毛片高清在线观看| 级片在线观看| 免费av毛片视频| 亚洲人成网站高清观看| 哪里可以看免费的av片| 看黄色毛片网站| 亚洲av日韩精品久久久久久密| 亚洲国产日韩欧美精品在线观看| 成人特级av手机在线观看| 精品久久久久久久人妻蜜臀av| 久久精品综合一区二区三区| a级一级毛片免费在线观看| 少妇的逼好多水| 中文字幕av在线有码专区| 一级毛片久久久久久久久女| 国产探花极品一区二区| 欧美在线一区亚洲| 看免费成人av毛片| 亚洲aⅴ乱码一区二区在线播放| 国产白丝娇喘喷水9色精品| 岛国在线免费视频观看| 亚洲国产日韩欧美精品在线观看| 久久久久久国产a免费观看| 人人妻人人看人人澡| 18禁在线播放成人免费| 韩国av一区二区三区四区| 女生性感内裤真人,穿戴方法视频| 免费黄网站久久成人精品| 婷婷六月久久综合丁香| 高清在线国产一区| 日韩精品有码人妻一区| 女的被弄到高潮叫床怎么办 | 欧美日韩乱码在线| 在线观看舔阴道视频| 免费看美女性在线毛片视频| 久久久久免费精品人妻一区二区| 欧美性猛交黑人性爽| 国产精品野战在线观看| 久久久久久国产a免费观看| 国产精品不卡视频一区二区| 我要搜黄色片| 国产精品一区二区三区四区免费观看 | 久久香蕉精品热| 好男人在线观看高清免费视频| 此物有八面人人有两片| 极品教师在线视频| 午夜a级毛片| 久久久久久久亚洲中文字幕| 99在线人妻在线中文字幕| 中文字幕高清在线视频| 岛国在线免费视频观看| 全区人妻精品视频| 热99re8久久精品国产| 国产精品福利在线免费观看| 精品久久久久久成人av| 亚洲18禁久久av| 欧美日本视频| 夜夜爽天天搞| 中文亚洲av片在线观看爽| 可以在线观看的亚洲视频| 亚洲欧美日韩无卡精品| 亚洲国产精品久久男人天堂| 亚洲精品色激情综合| 精品久久久久久久人妻蜜臀av| 国产黄色小视频在线观看| av天堂中文字幕网| 午夜精品在线福利| 久久热精品热| 国产精品久久久久久久久免| 国产蜜桃级精品一区二区三区| 午夜精品一区二区三区免费看| 欧美日韩中文字幕国产精品一区二区三区| 国产伦在线观看视频一区| 免费大片18禁| 少妇高潮的动态图| 中国美女看黄片| 国产极品精品免费视频能看的| 成人性生交大片免费视频hd| 男人舔奶头视频| 中出人妻视频一区二区| 久久99热这里只有精品18| 中文字幕人妻熟人妻熟丝袜美| 天堂√8在线中文| netflix在线观看网站| 亚洲欧美日韩卡通动漫| 亚洲中文字幕日韩| 国产美女午夜福利| 亚洲欧美日韩无卡精品| 色尼玛亚洲综合影院| 亚洲av成人av| 中文字幕av在线有码专区| 国产精品女同一区二区软件 | 日本免费a在线| 亚洲精品一卡2卡三卡4卡5卡| 日本一二三区视频观看| 男女啪啪激烈高潮av片| 亚洲av电影不卡..在线观看| 国产精品爽爽va在线观看网站| 免费观看在线日韩| 亚洲人成网站在线播| 乱人视频在线观看| 国产精品一区二区性色av| 久久精品国产亚洲av天美| 免费大片18禁| 老熟妇仑乱视频hdxx| 色尼玛亚洲综合影院| 欧美日韩乱码在线| 中文字幕av成人在线电影| 久久久久精品国产欧美久久久| 天美传媒精品一区二区| 国产高清视频在线播放一区| 天堂影院成人在线观看| а√天堂www在线а√下载| 22中文网久久字幕| 真实男女啪啪啪动态图| 91在线精品国自产拍蜜月| 日日啪夜夜撸| 淫妇啪啪啪对白视频|