• <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EMD的短期風(fēng)速預(yù)測混合模型

    2022-01-04 03:39:44周學(xué)均陳小強(qiáng)謝磊江成龍
    關(guān)鍵詞:適應(yīng)度殘差風(fēng)速

    周學(xué)均,陳小強(qiáng),謝磊,江成龍

    (1.中電國際胡布發(fā)電有限公司,巴基斯坦 卡拉奇 74200;2.中電華創(chuàng)電力技術(shù)研究有限公司,江蘇 蘇州 215123;3.浙江大學(xué) 智能系統(tǒng)與控制研究所,浙江 杭州 310027)

    在風(fēng)速預(yù)測領(lǐng)域,研究人員提出了很多不同的預(yù)測模型去解決風(fēng)速序列強(qiáng)非線性和強(qiáng)非平穩(wěn)性的問題。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的快速發(fā)展,提供了有效擬合非線性和非平穩(wěn)性的時間序列的工具[1]。在機(jī)器學(xué)習(xí)方法中,人工神經(jīng)網(wǎng)絡(luò)是最常用也是最有效的方法,由于人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)性,基于反向傳播算法調(diào)整權(quán)值的神經(jīng)網(wǎng)絡(luò)(BPNN)是神經(jīng)網(wǎng)絡(luò)中用得最多的方法之一[2]。Z.H.Guo等[3]基于BP神經(jīng)網(wǎng)絡(luò)提出了一種風(fēng)速預(yù)測模型,利用不同地區(qū)的風(fēng)速資料進(jìn)行實例驗證,證明了所提方法的優(yōu)越性。為了有效解決BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、容易陷入局部最優(yōu)值的問題,研究人員進(jìn)行了大量研究。現(xiàn)階段主要的解決方法仍然是遺傳算法(Genetic Algorithm,GA)[4]或者灰狼算法(GWO)[5-6]等。王德明等[6]提出了基于BP神經(jīng)網(wǎng)絡(luò)的短期電場風(fēng)速預(yù)測模型,采用遺傳算法(GA)對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和偏差進(jìn)行優(yōu)化,應(yīng)用優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)對風(fēng)速進(jìn)行預(yù)測。實驗結(jié)果表明,與BP神經(jīng)網(wǎng)絡(luò)相比,該方法具有精度高、收斂速度快等優(yōu)點(diǎn)。

    由于風(fēng)速序列的間歇性、非平穩(wěn)性以及差異性等特點(diǎn),風(fēng)速時間序列十分復(fù)雜,很多單一的模型并不能取得良好的預(yù)測效果,因此研究人員開始將預(yù)測方向轉(zhuǎn)向混合模型,提出了將風(fēng)速序列分解成一系列子序列的方法,被分解的每個單一子序列可單獨(dú)分析預(yù)測,最后預(yù)測結(jié)果線性相加[7]。當(dāng)今主流的信號分解方法仍然是圍繞經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)模型完成的。Z.H.Guo等[8]提出了一種基于經(jīng)驗?zāi)B(tài)分解的前饋神經(jīng)網(wǎng)絡(luò)模型(EMD-FNN)用于風(fēng)速預(yù)測。首先利用EMD技術(shù)將非線性、非平穩(wěn)的原始風(fēng)速序列分解為有限個且數(shù)量較少的固有模態(tài)函數(shù)(Intrinsic Mode Function,IMF)和一個殘差序列r,然后用模糊神經(jīng)網(wǎng)絡(luò)分別預(yù)測除高頻以外的子序列,最后將模擬的IMFs和殘差序列的預(yù)測結(jié)果進(jìn)行綜合,形成對原始風(fēng)速序列的集合預(yù)測分析。通過實驗驗證,與基本模糊神經(jīng)網(wǎng)絡(luò)相比,該模型具有較好的預(yù)測精度[9]。

    本文首先對風(fēng)速預(yù)測單一模型自回歸移動平均模型(ARIMA)、支持向量機(jī)(SVM)、BPNN、GABPNN進(jìn)行對比,確定了預(yù)測精度最高的單一預(yù)測模型為GA-BPNN,然后介紹了經(jīng)驗?zāi)B(tài)分解算法,實現(xiàn)了基于EMD的簡單混合預(yù)測模型EMDARIMA、EMD-BPNN、EMD-SVM以及EMD-GABPNN。實驗表明,EMD-GA-BPNN的預(yù)測效果優(yōu)于其他模型。

    1 EMD算 法 和GA算 法

    1.1 EMD算法

    EMD是 由N.E.Huang等[10]于1998年提出的一種自適應(yīng)分解算法,此算法無數(shù)學(xué)理論基礎(chǔ),完全是一種經(jīng)驗性的數(shù)據(jù)驅(qū)動算法,能有效處理非線性等復(fù)雜信號。與小波分解不同,EMD無需指定任何分解前參數(shù)包括基函數(shù)等,就可以達(dá)到很好的分解效果[11]。EMD的思想是將一組數(shù)據(jù)分解成有限的幾個固有模態(tài)函數(shù)和一個殘差序列r。分解的IMF需要滿足兩個條件:(1)在整段信號序列上,極值點(diǎn)和序列零點(diǎn)數(shù)量的差值不能超過1;(2)在任一點(diǎn)上,上下包絡(luò)的均值必須為0。

    令x(t)表示原始序列,具體的EMD分解步驟為:

    (1)找到x(t)的所有極值點(diǎn),包括極大值和極小值,通過三次樣條插值法分別求出極大值和極小值的包絡(luò)線xup(t)和xlow(t)。同時,計算上下包絡(luò)線的平均值:

    (2)將計算得到的包絡(luò)線平均值m(t)從原始序列x(t)中減去得到原始序列的細(xì)節(jié)成分:

    (3)核實d(t)是否滿足成為IMF的兩個條件,如果滿足,那么令c(t)=d(t),同時計算殘差r(t),并用r(t)代替計算原始序列x(t):

    否則使用d(t)代替x(t),并且不斷重復(fù)步驟(1)和步驟(2),直到EMD分解終止條件被滿足。

    式中,l為序列的長度;j為迭代次 數(shù),δ為迭代停止的最終閾值。一般將此過程稱為IMF篩選過程。

    (4)不斷重復(fù)步驟(1)-(3),直到所有的IMF都被篩選出來,最后可以獲得一系列的IMF和最后的殘差。

    式中,ci(t)為分解的IMF,i=1,2,…,n;rn(t)為不滿足分解要求的殘差[12]。

    EMD分解算法流程如圖1所示。圖中,h(t)、c(t)表示中間變量。

    圖1 EMD分解算法流程

    1.2 GA算法

    遺傳算法是由J.H.Holland[13]提出的優(yōu)化算法,該算法要根據(jù)生物學(xué)中的進(jìn)化規(guī)律進(jìn)行設(shè)計,是基于進(jìn)化論中的自然選擇和遺傳學(xué)生物進(jìn)化的計算模型,用來搜索最優(yōu)解。遺傳算法一開始會產(chǎn)生一組隨機(jī)解,被稱為種群,同時種群中擁有一些個體,這些個體為染色體。事先定義目標(biāo)函數(shù),用來計算和評價每一個染色體的適應(yīng)度。在遺傳算法的進(jìn)化過程中,經(jīng)過選擇、交叉以及變異等操作,根據(jù)適應(yīng)度不斷更新染色體的存活情況,從而更新群體。不斷重復(fù)上述進(jìn)化過程,直到染色體滿足一定的標(biāo)準(zhǔn)。其中,將求解的過程轉(zhuǎn)化成生物進(jìn)化中染色體基因的交叉變異的過程,能夠獲得良好的優(yōu)化結(jié)果。遺傳操作主要包含三個基礎(chǔ)的遺傳算子。遺傳算法的流程如圖2所示。圖中,G表示當(dāng)前進(jìn)化代數(shù);GEN表示最大進(jìn)化代數(shù)。

    圖2 遺傳算法流程

    GA算法具體步驟為:

    (1)初始化:設(shè)置進(jìn)化數(shù)計數(shù)器t=0,設(shè)置最大進(jìn)化代數(shù)T,隨機(jī)生成M個個體作為初始種群P(0)。

    (2)個體評價:計算種群P(t)中各個個體的適應(yīng)度。

    (3)選擇運(yùn)算:將選擇算子作用于群體。選擇的目的是把優(yōu)化的個體直接遺傳到下一代或通過配對交叉產(chǎn)生新的個體再遺傳到下一代。選擇操作是建立在群體中個體的適應(yīng)度評估基礎(chǔ)上的。

    (4)交叉運(yùn)算:將交叉運(yùn)算子作用于群體,即對群體中個體串的某些基因座上的基因值做變動。群體P(t)經(jīng)過選擇、交叉、變異運(yùn)算之后得到下一代群體P(t+1)。

    (5)變異運(yùn)算:將變異算子作用于群體,即對群體中個體串的某些基因座上的基因值作變動。群體P(t)經(jīng)過選擇、交叉、變異運(yùn)算之后得到下一代群體P(t+1)。

    (6)終止條件判斷:若t=T,則以進(jìn)化過程中所得到的具有最大適應(yīng)度個體作為最優(yōu)解輸出,終止計算[14-15]。

    2 EMD-GA-BPNN短期風(fēng)速預(yù)測模型

    因為BP神經(jīng)網(wǎng)絡(luò)本身帶有局限性,收斂速度差且容易陷入局部最優(yōu),因此本文加入遺傳算法去優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值[16]。

    GA-BPNN算法流程如圖3所示。

    圖3 GA-BPNN算法流程

    GA-BPNN算法步驟為:

    (1)首先進(jìn)行個體編碼。個體主要包括優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,單一個體都是由實數(shù)串組成的,由神經(jīng)網(wǎng)絡(luò)的兩部分連接權(quán)值以及隱含層閾值和輸出層閾值四個部分組成。

    (2)所優(yōu)化的神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值由個體確定,之后訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型,將預(yù)測值和實際值的誤差絕對值作為遺傳算法的個體適應(yīng)度F。

    式中,n為網(wǎng)絡(luò)輸出節(jié)點(diǎn)數(shù);yi為BP神經(jīng)網(wǎng)絡(luò)的第i個節(jié)點(diǎn)的期望輸出;oi為第i個節(jié)點(diǎn)的預(yù)測輸出;q為系數(shù)。

    (3)選用輪盤賭法作為優(yōu)化過程的選擇操作的方法,即選擇策略會根據(jù)適應(yīng)度的相應(yīng)比例,即每個個體i的選擇概率pi進(jìn)行調(diào)整。

    式中,N為種群個體數(shù)目;fj為適應(yīng)度比重;fi=k/Fi,其中Fi為節(jié)點(diǎn)i的適應(yīng)度,適應(yīng)度越大效果越差,因此求取適應(yīng)度倒數(shù),再進(jìn)行個體選擇。

    (4)選用實數(shù)交叉法作為交叉操作的方法。那么第k個染色體ak和第s個染色體as在j位的交叉操作方法為:

    式中,b為[0,1]的隨機(jī)數(shù)。

    (5)選定第i個個體的第j個基因aij進(jìn)行變異,變異的具體過程為:

    式中,amax為基因aij的上界;amin為基因aij的下界;r為[0,1]的隨 機(jī) 數(shù);f(g)=r2(1-g/Gmax)2;r2為隨機(jī)數(shù);g為當(dāng)前迭代次數(shù);Gmax為最大進(jìn)化次數(shù)。

    在優(yōu)化預(yù)測模塊中加入EMD分解算法,EMDGA-BPNN算法流程如圖4所示。

    圖4 EMD-GA-BPNN算法流程

    EMD-GA-BPNN算法具體步驟為:

    (1)給定歷史風(fēng)速原始序列x(t),其長度為l,并且劃分訓(xùn)練集長度ltrain和測試集長度ltest,將訓(xùn)練集長度的歷史風(fēng)速數(shù)據(jù)集進(jìn)行EMD分解得到子序列x(1)ltrain,x(2)ltrain,…,x(m)ltrain,將每一子序列進(jìn)行數(shù)據(jù)的預(yù)處理得到GA-BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。

    (2)構(gòu)建GA-BP神經(jīng)網(wǎng)絡(luò)。初始化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,得到m個神經(jīng)網(wǎng)絡(luò)預(yù)測模型,對每一個網(wǎng)絡(luò)進(jìn)行訓(xùn)練并且預(yù)測得到預(yù)測結(jié)果

    (4)判斷預(yù)測值的長度是否等于測試集長度ltest,若是,則轉(zhuǎn)入步驟(5),否則更新訓(xùn)練集長度ltrain=ltrain+1,重復(fù)步驟(1)-(3)。

    (5)預(yù)測值長度達(dá)到測試集長度,算法結(jié)束。

    3 實際案例

    實驗使用的風(fēng)速數(shù)據(jù)集采集自國內(nèi)3個不同的風(fēng)電場,風(fēng)速序列采樣的時間間隔是1 h。實驗用電腦的CPU為Intel i5-8265U、內(nèi)存為8 GB DDR4、顯卡為MX250、操作系統(tǒng)為64位Windows10,仿真軟件為MATLAB R2019a。

    3.1 評價指標(biāo)

    在風(fēng)速預(yù)測領(lǐng)域,評價指標(biāo)一般采用時間序列預(yù)測的評價指標(biāo)[17-18]。

    (1)平均絕對誤差(Mean Absolute Error,MAE):

    當(dāng)此項指標(biāo)為0時,代表預(yù)測值與真實值完全相同,即為完美模型。此項指標(biāo)越大,則代表預(yù)測誤差越大;此項指標(biāo)越小,則代表預(yù)測結(jié)果越好,預(yù)測模型擁有越好的精度。

    (2)平均絕對百分比誤差(Mean Absolute Percentage Error,MAPE):

    MAE預(yù)測值有時會很大,不能完全反映預(yù)測準(zhǔn)確度,MAPE可以將預(yù)測的誤差從具體數(shù)值轉(zhuǎn)化成占原數(shù)據(jù)大小的百分比,可以更為直觀地表示預(yù)測偏差。

    (3)均方根誤差(Root Mean Square Error,RMSE):

    RMSE為均方誤差(Mean Square Error,MSE)的平方根,代表預(yù)測值的離散程度,也叫標(biāo)準(zhǔn)差。均方根誤差越大,表示預(yù)測結(jié)果離散程度越大;均方根誤差越小,表示預(yù)測結(jié)果與實際觀測值的擬合程度越好。

    3.2 案例分析

    實驗1為BPNN、SVM、ARIMA和GA-BPNN單一模型預(yù)測風(fēng)速效果。實驗?zāi)P蛥?shù)如表1所示。

    表1 實驗?zāi)P蛥?shù)

    本文的數(shù)據(jù)集是一段短期風(fēng)速數(shù)據(jù)集,是采集于河北省永盛莊風(fēng)電場2015年的風(fēng)速數(shù)據(jù),時間是1月1日00:00至2月1日00:00,共 計744個 風(fēng) 速 數(shù)據(jù)點(diǎn),采樣時間間隔為1 h。為了方便研究,將其中的500個點(diǎn)作為此次對比實驗的數(shù)據(jù),實驗數(shù)據(jù)集如圖5所示。將數(shù)據(jù)的80%共計400個點(diǎn)作為模型的訓(xùn)練集,剩下的20%共計100個點(diǎn)作為測試集,與預(yù)測結(jié)果進(jìn)行對比從而表征預(yù)測效果。

    圖5 實驗數(shù)據(jù)集

    各模型預(yù)測值與原始數(shù)據(jù)如圖6所示,各模型預(yù)測回歸結(jié)果如圖7所示,各模型預(yù)測殘差如圖8所示。各模型的預(yù)測誤差性能指標(biāo)如表2所示。

    表2 各模型的預(yù)測誤差性能指標(biāo)

    圖6 各模型預(yù)測值與原始數(shù)據(jù)

    圖7 各模型預(yù)測回歸結(jié)果

    圖8 各模型預(yù)測殘差

    從表2和圖6-8可以看出,GA-BPNN的預(yù)測效果比其他的單一模型預(yù)測效果更為優(yōu)異。在所有對比的單一短期風(fēng)速預(yù)測模型中,GA-BPNN的預(yù)測效果在各項指標(biāo)中都是最佳的。因此,可以得出以下結(jié)論:

    (1)對于風(fēng)速這種非平穩(wěn)和非線性的間歇性比較強(qiáng)的時間序列,傳統(tǒng)的統(tǒng)計學(xué)模型預(yù)測很難達(dá)到預(yù)期效果,盡管能很好地預(yù)測風(fēng)速數(shù)據(jù)的變化趨勢,但是預(yù)測精度不夠,尤其是在風(fēng)速序列的一些極值點(diǎn)處。

    (2)BP神經(jīng)網(wǎng)絡(luò)的各項指標(biāo)優(yōu)于SVM預(yù)測模型。在指標(biāo)統(tǒng)計中,SVM的MAE為0.998 1,MAPE為16.91%,而BP神 經(jīng) 網(wǎng) 絡(luò) 的MAE只 有0.879 8,MAPE只有16.00%,而且考慮SVM和BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu),BP神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的適應(yīng)性和更好的擬合效果。因此,考慮將BP神經(jīng)網(wǎng)絡(luò)作為需要優(yōu)化的單一預(yù)測模型。

    (3)經(jīng)過初始權(quán)值優(yōu)化的GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的MAPE在此次實驗中可以達(dá)到14.36%,預(yù)測效果比單一的BP神經(jīng)網(wǎng)絡(luò)提高了10.25%,而MAE也降低到0.806 4,相比SVM預(yù)測模型降低了0.191 7,相比BP神經(jīng)網(wǎng)絡(luò)降低了0.073 4,實現(xiàn)了預(yù)測效果大幅度的提升。不管是哪種模型,在風(fēng)速數(shù)據(jù)的極值點(diǎn)處的預(yù)測誤差都會變大,甚至預(yù)測效果最好的模型在峰值處反而預(yù)測誤差最大,因為風(fēng)速特性的問題,單一預(yù)測模型無法克服由于極值點(diǎn)的強(qiáng)非線性帶來的預(yù)測誤差問題。因此,研究人員將風(fēng)速預(yù)測的模型逐漸轉(zhuǎn)向基于時頻分解的數(shù)據(jù)預(yù)處理混合預(yù)測模型進(jìn)行研究。

    實 驗2為EMD-BPNN、EMD-SVM、EMDARIMA和EMD-GA-BPNN混合模型的風(fēng)速預(yù)測效果。使用與實驗1相同的原始數(shù)據(jù)。

    實驗數(shù)據(jù)EMD分解如圖9所示。各預(yù)測模型參數(shù)如表3所示。

    圖9 實驗數(shù)據(jù)EMD分解

    表3 各預(yù)測模型參數(shù)

    從圖9可以看出,隨著分解的進(jìn)行,分解的IMF的頻率會逐漸降低,且共分解出7個模態(tài)。第1個IMF頻率最高,振蕩較大,代表風(fēng)速數(shù)據(jù)的噪聲部分,最后一項既平滑又平穩(wěn),代表風(fēng)速數(shù)據(jù)的趨勢部分。由圖9還可以看出,原始的非線性非平穩(wěn)的風(fēng)速信號被EMD分解成一系列擁有一定規(guī)律和特征的信號分量。

    使 用EMD-ARIMA、EMD-SVM、EMDBPNN、EMD-GA-BPNN 4種模型,對EMD分解的平緩子序列進(jìn)行預(yù)測,將每個子序列的預(yù)測結(jié)果進(jìn)行線性組合,得到最終的預(yù)測結(jié)果。EMD分解的各模型預(yù)測值與原始數(shù)據(jù)如圖10所示,EMD分解的各模型預(yù)測回歸結(jié)果如圖11所示,EMD分解的各模型預(yù)測殘差如圖12所示,EMD分解的各模型預(yù)測誤差性能指標(biāo)如表4所示。

    圖10 EMD分解的各模型預(yù)測值與原始數(shù)據(jù)

    圖11 EMD分解的各模型預(yù)測回歸結(jié)果

    圖12 EMD分解的各模型預(yù)測殘差

    表4 EMD分解的各模型預(yù)測誤差性能指標(biāo)

    因為實驗2的數(shù)據(jù)集和實驗1的數(shù)據(jù)集完全一致,所以只在預(yù)測誤差統(tǒng)計指標(biāo)的表格中加入了GA-BPNN神經(jīng)網(wǎng)絡(luò)在實驗1中的預(yù)測結(jié)果。從表4和 圖10-12可 以 看 出,EMD-GA-BPNN模 型 較 其他模型在短期風(fēng)速預(yù)測領(lǐng)域具有最好的預(yù)測效果。

    對比實驗2與實驗1可以看出,基于EMD的混合預(yù)測模型EMD-ARIMA、EMD-SVM、EMDBPNN均可以提高風(fēng)速預(yù)測準(zhǔn)確度,降低風(fēng)速預(yù)測的平均誤差,其中預(yù)測效果提升幅度最大的是EMD-ARIMA,其預(yù)測精度接近EMD-SVM。這說明分解后的子序列極大地降低了風(fēng)速序列中的間歇性、非線性以及非平穩(wěn)的特征,ARIMA可以很好地擬合分解后的子序列,提升最終的預(yù)測結(jié)果。另外,混合模型的預(yù)測準(zhǔn)確度與單一模型的預(yù)測準(zhǔn)確度相關(guān),單一模型的選擇會影響混合模型的預(yù)測精度。

    對比結(jié)果還可以看出,EMD-GA-BPNN的預(yù)測效果優(yōu)于EMD-ARIMA、EMD-SVM、EMDBPNN,其預(yù)測殘差約為0,而EMD-SVM的預(yù)測殘差在原始風(fēng)速的極值處發(fā)散,其他混合預(yù)測模型也會出現(xiàn)同樣的問題。由此可知,與其他混合預(yù)測模型相比,EMD-GA-BPNN具有較強(qiáng)的預(yù)測穩(wěn)定性和魯棒性。

    4 結(jié)論

    (1)實驗1對比了單一的預(yù)測模型和加入遺傳算法的GA-BP神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明,遺傳算法GA的加入提升了BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測準(zhǔn)確度。

    (2)實驗2對比了4種混合預(yù)測模型。結(jié)果表明,基于優(yōu)化算法和時頻分解的短期風(fēng)速混合預(yù)測模型在實際應(yīng)用中具有巨大潛力。

    猜你喜歡
    適應(yīng)度殘差風(fēng)速
    改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
    基于雙向GRU與殘差擬合的車輛跟馳建模
    基于Kmeans-VMD-LSTM的短期風(fēng)速預(yù)測
    基于最優(yōu)TS評分和頻率匹配的江蘇近海風(fēng)速訂正
    海洋通報(2020年5期)2021-01-14 09:26:54
    基于殘差學(xué)習(xí)的自適應(yīng)無人機(jī)目標(biāo)跟蹤算法
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    基于GARCH的短時風(fēng)速預(yù)測方法
    基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
    中國塑料(2016年11期)2016-04-16 05:26:02
    平穩(wěn)自相關(guān)過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    考慮風(fēng)速分布與日非平穩(wěn)性的風(fēng)速數(shù)據(jù)預(yù)處理方法研究
    国产精品久久久久久精品古装| av网站免费在线观看视频| 久久99精品国语久久久| 国产精品三级大全| 国产老妇伦熟女老妇高清| 午夜精品国产一区二区电影 | 永久免费av网站大全| av国产免费在线观看| 少妇熟女欧美另类| 国产成人精品一,二区| 免费av不卡在线播放| av免费观看日本| 中国国产av一级| 热99国产精品久久久久久7| 久久精品国产鲁丝片午夜精品| 在线精品无人区一区二区三 | 国产成人福利小说| av女优亚洲男人天堂| 国产亚洲av片在线观看秒播厂| 少妇高潮的动态图| 精品国产乱码久久久久久小说| 免费大片18禁| 干丝袜人妻中文字幕| 午夜视频国产福利| 男人舔奶头视频| 国产成人福利小说| 亚洲欧美日韩另类电影网站 | 不卡视频在线观看欧美| 男女边摸边吃奶| 午夜激情久久久久久久| 插阴视频在线观看视频| 免费黄频网站在线观看国产| 国产午夜福利久久久久久| 国产成人免费观看mmmm| 18禁裸乳无遮挡免费网站照片| 丝瓜视频免费看黄片| 成人高潮视频无遮挡免费网站| 国产精品福利在线免费观看| 国产综合精华液| 久久久久性生活片| 日日摸夜夜添夜夜添av毛片| 国产真实伦视频高清在线观看| 欧美性猛交╳xxx乱大交人| 亚洲欧美日韩另类电影网站 | 色综合色国产| 99热网站在线观看| 欧美日韩国产mv在线观看视频 | 久久久久久久久久人人人人人人| 色吧在线观看| 成人无遮挡网站| 欧美成人午夜免费资源| 色网站视频免费| 99热网站在线观看| 最后的刺客免费高清国语| 直男gayav资源| av天堂中文字幕网| 久久久久久久久大av| 18禁在线无遮挡免费观看视频| 狠狠精品人妻久久久久久综合| 欧美+日韩+精品| 国产黄频视频在线观看| 亚洲色图综合在线观看| 亚洲不卡免费看| 成人免费观看视频高清| 少妇人妻久久综合中文| 国语对白做爰xxxⅹ性视频网站| av线在线观看网站| 人人妻人人澡人人爽人人夜夜| 在线观看一区二区三区| 欧美日韩国产mv在线观看视频 | 欧美日韩一区二区视频在线观看视频在线 | 日本av手机在线免费观看| 超碰97精品在线观看| av在线亚洲专区| 亚洲自拍偷在线| 国产精品女同一区二区软件| 国产爽快片一区二区三区| 色综合色国产| 国产欧美另类精品又又久久亚洲欧美| 男人和女人高潮做爰伦理| 亚洲在线观看片| 国产免费福利视频在线观看| 日本猛色少妇xxxxx猛交久久| 久久久久精品性色| 人人妻人人看人人澡| 亚洲激情五月婷婷啪啪| 日本av手机在线免费观看| 亚洲av不卡在线观看| 国产成人精品福利久久| 亚州av有码| 久久久久九九精品影院| 一级毛片aaaaaa免费看小| 国产高潮美女av| 大片电影免费在线观看免费| 国产美女午夜福利| 内射极品少妇av片p| 亚洲成人中文字幕在线播放| 97热精品久久久久久| av在线app专区| 免费观看av网站的网址| 2018国产大陆天天弄谢| 欧美丝袜亚洲另类| 日韩,欧美,国产一区二区三区| 26uuu在线亚洲综合色| 免费大片18禁| 水蜜桃什么品种好| 嫩草影院精品99| 91午夜精品亚洲一区二区三区| 人妻夜夜爽99麻豆av| 日本午夜av视频| 丰满人妻一区二区三区视频av| 少妇的逼好多水| 性插视频无遮挡在线免费观看| 最近2019中文字幕mv第一页| 成年av动漫网址| 亚洲人成网站在线观看播放| 久久久久久久久久人人人人人人| 午夜福利高清视频| 精品人妻视频免费看| 国产亚洲午夜精品一区二区久久 | 新久久久久国产一级毛片| 欧美日本视频| 国产成人精品福利久久| freevideosex欧美| 一本色道久久久久久精品综合| av国产精品久久久久影院| 久久精品夜色国产| 国产综合懂色| av网站免费在线观看视频| 在线观看国产h片| 特大巨黑吊av在线直播| 免费av毛片视频| 成人无遮挡网站| 国产精品麻豆人妻色哟哟久久| 成年女人看的毛片在线观看| 2018国产大陆天天弄谢| 99热这里只有是精品在线观看| 看免费成人av毛片| 中国三级夫妇交换| 三级国产精品片| 国产成人精品福利久久| 国产黄a三级三级三级人| 秋霞在线观看毛片| 亚洲国产日韩一区二区| 我的女老师完整版在线观看| a级毛色黄片| 国产精品.久久久| 中国三级夫妇交换| 亚洲色图综合在线观看| 91久久精品国产一区二区成人| www.av在线官网国产| 91久久精品电影网| 搡女人真爽免费视频火全软件| 日日撸夜夜添| 国国产精品蜜臀av免费| 国产成人福利小说| 国产av国产精品国产| 国产精品久久久久久精品古装| 另类亚洲欧美激情| 亚洲欧美成人精品一区二区| 欧美日本视频| 伦理电影大哥的女人| 免费观看av网站的网址| 午夜福利在线在线| 国产亚洲91精品色在线| 91在线精品国自产拍蜜月| 嫩草影院入口| 国产片特级美女逼逼视频| 99热这里只有精品一区| 亚洲精华国产精华液的使用体验| 欧美日韩一区二区视频在线观看视频在线 | 亚洲色图av天堂| 日韩欧美精品v在线| 麻豆国产97在线/欧美| 亚洲婷婷狠狠爱综合网| 国产老妇伦熟女老妇高清| 国产精品久久久久久精品电影小说 | 久久久国产一区二区| 性插视频无遮挡在线免费观看| 亚洲人与动物交配视频| 大又大粗又爽又黄少妇毛片口| 国产成人freesex在线| 久久99精品国语久久久| 国产男女内射视频| 99久国产av精品国产电影| 女的被弄到高潮叫床怎么办| 人妻一区二区av| 日韩av在线免费看完整版不卡| 日韩大片免费观看网站| 天天躁日日操中文字幕| 国产乱人偷精品视频| 老司机影院毛片| 又大又黄又爽视频免费| 午夜老司机福利剧场| 久久久欧美国产精品| 看非洲黑人一级黄片| 2021少妇久久久久久久久久久| 国产精品人妻久久久久久| 国产精品秋霞免费鲁丝片| 水蜜桃什么品种好| 国产av码专区亚洲av| 国产视频首页在线观看| 真实男女啪啪啪动态图| 2021天堂中文幕一二区在线观| 国产免费一区二区三区四区乱码| 另类亚洲欧美激情| 爱豆传媒免费全集在线观看| 香蕉精品网在线| av福利片在线观看| 欧美日韩视频高清一区二区三区二| av黄色大香蕉| 亚洲精品日韩av片在线观看| 久久精品夜色国产| 精品熟女少妇av免费看| 日本爱情动作片www.在线观看| 一级爰片在线观看| 少妇丰满av| 亚洲国产精品成人久久小说| 国产毛片a区久久久久| 少妇的逼好多水| 午夜精品国产一区二区电影 | 大片免费播放器 马上看| 久久久精品免费免费高清| 成人国产麻豆网| 最近2019中文字幕mv第一页| 亚洲第一区二区三区不卡| 国产综合精华液| 一级爰片在线观看| 精品久久久久久电影网| 极品教师在线视频| freevideosex欧美| 亚洲国产色片| 最近中文字幕2019免费版| 在线观看国产h片| 中文在线观看免费www的网站| 久久久午夜欧美精品| 日韩欧美精品免费久久| 黄色一级大片看看| 综合色av麻豆| 欧美一级a爱片免费观看看| 深夜a级毛片| 中文乱码字字幕精品一区二区三区| 人妻制服诱惑在线中文字幕| 国产精品爽爽va在线观看网站| 极品少妇高潮喷水抽搐| eeuss影院久久| 人妻少妇偷人精品九色| 在线a可以看的网站| 偷拍熟女少妇极品色| 天堂网av新在线| 日韩伦理黄色片| 国产精品99久久99久久久不卡 | 男人和女人高潮做爰伦理| 久久鲁丝午夜福利片| 亚洲欧洲日产国产| 在线观看人妻少妇| 日韩不卡一区二区三区视频在线| 欧美丝袜亚洲另类| av网站免费在线观看视频| 久久韩国三级中文字幕| 伦精品一区二区三区| 午夜激情久久久久久久| videos熟女内射| 欧美日韩在线观看h| 国产精品久久久久久精品电影小说 | 黄片wwwwww| 性色avwww在线观看| 亚洲无线观看免费| 亚洲内射少妇av| 亚洲精品一区蜜桃| 日韩精品有码人妻一区| 欧美成人精品欧美一级黄| 国产永久视频网站| 亚洲精品日本国产第一区| 少妇高潮的动态图| 91在线精品国自产拍蜜月| 欧美变态另类bdsm刘玥| 国产成人福利小说| 男女那种视频在线观看| 美女国产视频在线观看| 亚洲不卡免费看| 亚洲欧美精品专区久久| 在线免费观看不下载黄p国产| 伦理电影大哥的女人| 青春草亚洲视频在线观看| 亚洲在线观看片| 日本wwww免费看| 成人鲁丝片一二三区免费| 日韩欧美 国产精品| 欧美成人一区二区免费高清观看| 欧美激情久久久久久爽电影| 91在线精品国自产拍蜜月| 国产精品人妻久久久久久| 自拍欧美九色日韩亚洲蝌蚪91 | 国产亚洲一区二区精品| 男人舔奶头视频| 亚洲精品日本国产第一区| av天堂中文字幕网| 亚洲高清免费不卡视频| 成人亚洲精品一区在线观看 | 欧美日韩国产mv在线观看视频 | 精品国产三级普通话版| 嘟嘟电影网在线观看| 亚洲精品自拍成人| 狂野欧美白嫩少妇大欣赏| 亚洲欧美一区二区三区黑人 | 菩萨蛮人人尽说江南好唐韦庄| 一区二区三区精品91| 婷婷色综合大香蕉| 日本猛色少妇xxxxx猛交久久| 亚洲成人一二三区av| 网址你懂的国产日韩在线| 菩萨蛮人人尽说江南好唐韦庄| 国产亚洲精品久久久com| 成人午夜精彩视频在线观看| 久久精品人妻少妇| 丝袜美腿在线中文| 成年女人在线观看亚洲视频 | 一个人观看的视频www高清免费观看| 色视频www国产| 成人免费观看视频高清| 亚洲自偷自拍三级| 狂野欧美白嫩少妇大欣赏| 免费大片黄手机在线观看| 色吧在线观看| 免费黄色在线免费观看| 人妻一区二区av| 搡女人真爽免费视频火全软件| 99久国产av精品国产电影| 小蜜桃在线观看免费完整版高清| 日本与韩国留学比较| 少妇猛男粗大的猛烈进出视频 | 26uuu在线亚洲综合色| 一区二区三区免费毛片| 成人欧美大片| 天天躁夜夜躁狠狠久久av| 日本av手机在线免费观看| videos熟女内射| 黄片无遮挡物在线观看| 亚洲婷婷狠狠爱综合网| 亚洲在线观看片| 男女啪啪激烈高潮av片| 美女国产视频在线观看| 日韩成人av中文字幕在线观看| 婷婷色av中文字幕| 成人毛片a级毛片在线播放| 国产精品女同一区二区软件| 久久久久久久国产电影| 欧美三级亚洲精品| 亚洲自偷自拍三级| 中文乱码字字幕精品一区二区三区| 人妻 亚洲 视频| 亚洲欧美精品专区久久| av国产久精品久网站免费入址| 国产免费又黄又爽又色| 男女边摸边吃奶| 精品久久久久久久末码| 欧美日本视频| 亚洲美女视频黄频| 国产老妇伦熟女老妇高清| 亚洲精品一二三| 最新中文字幕久久久久| 欧美成人a在线观看| 乱码一卡2卡4卡精品| 日韩一本色道免费dvd| 最近中文字幕高清免费大全6| 又黄又爽又刺激的免费视频.| 国产精品一区二区性色av| 午夜福利视频精品| 色网站视频免费| videossex国产| 免费av不卡在线播放| 亚洲高清免费不卡视频| 你懂的网址亚洲精品在线观看| av国产久精品久网站免费入址| 免费av不卡在线播放| 美女内射精品一级片tv| 大陆偷拍与自拍| 一二三四中文在线观看免费高清| 日韩一区二区视频免费看| 亚洲av免费在线观看| 国产综合懂色| 大片电影免费在线观看免费| 人妻 亚洲 视频| 久久久精品94久久精品| 欧美老熟妇乱子伦牲交| 久久99热这里只频精品6学生| 一个人看视频在线观看www免费| 久久99热这里只频精品6学生| 国产成人freesex在线| 一区二区三区四区激情视频| 黄色日韩在线| 午夜老司机福利剧场| 在线天堂最新版资源| 禁无遮挡网站| 日韩欧美 国产精品| 国产精品99久久99久久久不卡 | 美女视频免费永久观看网站| 男女下面进入的视频免费午夜| 中文字幕制服av| 亚洲欧美成人综合另类久久久| 亚洲图色成人| 亚洲精品乱久久久久久| 国产欧美日韩精品一区二区| 亚洲最大成人av| 中国美白少妇内射xxxbb| 亚洲av一区综合| 成人高潮视频无遮挡免费网站| 少妇猛男粗大的猛烈进出视频 | 欧美xxxx性猛交bbbb| 日日啪夜夜撸| 嘟嘟电影网在线观看| 在线观看一区二区三区| 老女人水多毛片| 亚洲自偷自拍三级| 另类亚洲欧美激情| 观看美女的网站| 大香蕉久久网| 亚洲精品国产av成人精品| 欧美xxⅹ黑人| 99热6这里只有精品| 国产精品偷伦视频观看了| 国产极品天堂在线| 日本黄色片子视频| 亚洲欧洲国产日韩| 国产色爽女视频免费观看| 午夜激情久久久久久久| 欧美日本视频| 色播亚洲综合网| 国产高清不卡午夜福利| 精品一区二区三区视频在线| 免费看a级黄色片| 欧美成人精品欧美一级黄| 搡女人真爽免费视频火全软件| 中文在线观看免费www的网站| 777米奇影视久久| 国产伦精品一区二区三区四那| 中国国产av一级| 亚洲欧美日韩东京热| 嫩草影院入口| 1000部很黄的大片| 建设人人有责人人尽责人人享有的 | 欧美日韩一区二区视频在线观看视频在线 | 乱码一卡2卡4卡精品| 在线观看三级黄色| 日日摸夜夜添夜夜添av毛片| 在线观看免费高清a一片| 老司机影院毛片| 色婷婷久久久亚洲欧美| 一区二区三区精品91| 欧美国产精品一级二级三级 | 久久久a久久爽久久v久久| 一边亲一边摸免费视频| 91狼人影院| 欧美zozozo另类| 成人亚洲欧美一区二区av| 男人和女人高潮做爰伦理| 亚洲av国产av综合av卡| 亚洲精品国产av蜜桃| av免费在线看不卡| 少妇的逼水好多| 一级二级三级毛片免费看| 亚洲国产日韩一区二区| 日韩免费高清中文字幕av| 免费观看在线日韩| 最近手机中文字幕大全| 在线a可以看的网站| 菩萨蛮人人尽说江南好唐韦庄| 超碰av人人做人人爽久久| 国产高清三级在线| 精品久久久久久电影网| 中文字幕免费在线视频6| 国内精品美女久久久久久| 国产高清有码在线观看视频| 人妻一区二区av| 亚洲最大成人av| 80岁老熟妇乱子伦牲交| 少妇人妻久久综合中文| 中文字幕亚洲精品专区| 自拍偷自拍亚洲精品老妇| 麻豆成人午夜福利视频| 99精国产麻豆久久婷婷| 69人妻影院| kizo精华| 有码 亚洲区| 天堂网av新在线| 色吧在线观看| 丝瓜视频免费看黄片| 哪个播放器可以免费观看大片| 国产精品国产三级国产专区5o| 国产午夜福利久久久久久| 能在线免费看毛片的网站| 亚洲最大成人中文| 久久人人爽av亚洲精品天堂 | 国产探花在线观看一区二区| 少妇裸体淫交视频免费看高清| 99精国产麻豆久久婷婷| 99热6这里只有精品| 在线观看一区二区三区| 国产探花在线观看一区二区| 久久99热这里只频精品6学生| 你懂的网址亚洲精品在线观看| 99热6这里只有精品| 视频区图区小说| 成人综合一区亚洲| 综合色丁香网| 日本-黄色视频高清免费观看| 麻豆精品久久久久久蜜桃| 国内揄拍国产精品人妻在线| 国产欧美日韩精品一区二区| 亚洲,一卡二卡三卡| 寂寞人妻少妇视频99o| 欧美3d第一页| 爱豆传媒免费全集在线观看| 人人妻人人爽人人添夜夜欢视频 | 亚州av有码| av在线亚洲专区| 性色avwww在线观看| 亚洲一区二区三区欧美精品 | 午夜激情久久久久久久| 亚洲最大成人中文| 久久久久网色| 久久国产乱子免费精品| 日本一本二区三区精品| 久久影院123| 欧美区成人在线视频| 韩国av在线不卡| 亚洲欧美成人综合另类久久久| 成人欧美大片| 国产成人a∨麻豆精品| 精品人妻偷拍中文字幕| 丝瓜视频免费看黄片| 欧美国产精品一级二级三级 | 久久久久久久久久成人| 国产亚洲av嫩草精品影院| 国产精品无大码| 国产大屁股一区二区在线视频| 中国国产av一级| 美女脱内裤让男人舔精品视频| 久久久久性生活片| 99久久中文字幕三级久久日本| 亚洲精华国产精华液的使用体验| 一级毛片我不卡| 2022亚洲国产成人精品| 在线观看人妻少妇| 视频中文字幕在线观看| 国产免费一级a男人的天堂| 国产v大片淫在线免费观看| 五月玫瑰六月丁香| 九草在线视频观看| 国产成人aa在线观看| 亚洲怡红院男人天堂| 欧美高清成人免费视频www| 亚洲国产最新在线播放| av播播在线观看一区| 国产精品麻豆人妻色哟哟久久| 色视频在线一区二区三区| 身体一侧抽搐| 中文字幕免费在线视频6| 久久久久久久午夜电影| 三级男女做爰猛烈吃奶摸视频| 国产乱来视频区| 日韩大片免费观看网站| 十八禁网站网址无遮挡 | 能在线免费看毛片的网站| 只有这里有精品99| 国产成人a区在线观看| 啦啦啦中文免费视频观看日本| av在线蜜桃| 中文字幕免费在线视频6| 丰满乱子伦码专区| 国产av码专区亚洲av| 又爽又黄无遮挡网站| 国产国拍精品亚洲av在线观看| 成人免费观看视频高清| 免费在线观看成人毛片| 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 | 99热网站在线观看| 91狼人影院| 五月天丁香电影| 精品国产三级普通话版| 亚洲精华国产精华液的使用体验| 午夜福利视频1000在线观看| 免费观看a级毛片全部| 黄色欧美视频在线观看| 男男h啪啪无遮挡| 欧美亚洲 丝袜 人妻 在线| 国产成人a区在线观看| 免费观看无遮挡的男女| 婷婷色麻豆天堂久久| 免费黄频网站在线观看国产| 国产高清有码在线观看视频| 91午夜精品亚洲一区二区三区| 涩涩av久久男人的天堂| 欧美性感艳星| 寂寞人妻少妇视频99o| 免费黄网站久久成人精品| 噜噜噜噜噜久久久久久91| 欧美日韩一区二区视频在线观看视频在线 | 人人妻人人爽人人添夜夜欢视频 | 国产一区二区亚洲精品在线观看| 成人亚洲欧美一区二区av| 一级av片app| 日本猛色少妇xxxxx猛交久久| 色网站视频免费| 久热久热在线精品观看| 成人特级av手机在线观看| 亚洲电影在线观看av| 久久久久久久国产电影| 舔av片在线| 成人毛片60女人毛片免费| 国产久久久一区二区三区| 少妇裸体淫交视频免费看高清| 国内少妇人妻偷人精品xxx网站| 老师上课跳d突然被开到最大视频|