• <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 ?

    基于自相關(guān)分析的交通流預(yù)測(cè)輸入步長(zhǎng)研究

    2022-10-29 06:24:04黃海超石寶存陳景雅
    關(guān)鍵詞:觀測(cè)點(diǎn)交通流步長(zhǎng)

    王 爽,黃海超,石寶存,陳景雅

    (河海大學(xué)土木與交通學(xué)院,江蘇 南京 210024)

    隨著城市的發(fā)展,汽車保有量急劇增加,現(xiàn)有的城市道路交通難以滿足日益增長(zhǎng)的交通需求,兩者之間的供需不平衡導(dǎo)致了交通擁堵、 環(huán)境污染、交通事故等一系列問題, 為了解決這些交通問題,智能交通系統(tǒng)(intelligent transportation system,ITS)應(yīng)運(yùn)而生[1]。 交通流預(yù)測(cè)作為ITS 的核心內(nèi)容,通過(guò)計(jì)算機(jī)技術(shù)、大數(shù)據(jù)挖掘等提前對(duì)城市道路交通流及其狀態(tài)進(jìn)行預(yù)測(cè),從而有助于交通管理者進(jìn)行車流的合理規(guī)劃,達(dá)到緩解交通擁堵和提高道路通行能力等目的。

    目前的交通流時(shí)間序列預(yù)測(cè)模型主要分為基于數(shù)理統(tǒng)計(jì)的傳統(tǒng)預(yù)測(cè)模型和基于機(jī)器學(xué)習(xí)的預(yù)測(cè)模型,通過(guò)對(duì)歷史時(shí)間序列進(jìn)行建模以及特征學(xué)習(xí),預(yù)測(cè)未來(lái)時(shí)刻的交通流量。 自回歸積分滑動(dòng)模型 (autoregressive integrated moving average model,ARIMA)[2]作為典型的基于數(shù)理統(tǒng)計(jì)的交通流預(yù)測(cè)模型,在線性數(shù)據(jù)處理上具有優(yōu)勢(shì),但在大規(guī)模非線性的交通數(shù)據(jù)處理上存在不足。Lu 等[3]將ARIMA模型與LSTM(long short-term memory,LSTM)相結(jié)合, 分別利用ARIMA 處理線性數(shù)據(jù)的優(yōu)勢(shì)以及LSTM 處理非線性數(shù)據(jù)的優(yōu)勢(shì)進(jìn)行交通流預(yù)測(cè),驗(yàn)證了該組合模型的多功能性。 隨著人工智能和大數(shù)據(jù)的發(fā)展,機(jī)器學(xué)習(xí)模型在處理非線性交通數(shù)據(jù)上的能力,使其逐漸成為研究者們青睞的交通流預(yù)測(cè)模型。 機(jī)器學(xué)習(xí)模型中,常用的交通流預(yù)測(cè)模型有支持向量機(jī)(support vector machines,SVM)[4]、隨機(jī)森林(random forests,RF)[5]、人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)[6]。 SVM 模 型 在1995 年 被Cortes 和Vapnik 首次提出,童林等[7],閆賀等[8]對(duì)SVM 進(jìn)行改進(jìn),提高了短時(shí)交通流預(yù)測(cè)的精度。 針對(duì)SVM 求解二次規(guī)劃問題時(shí)訓(xùn)練時(shí)間過(guò)長(zhǎng)等問題,Suyken 等提出了最小二乘支持向量機(jī)(least square SVM, LSSVM),有效地減短了運(yùn)行時(shí)長(zhǎng)。 谷遠(yuǎn)利等[9]通過(guò)免疫算法優(yōu)化了LSSVM 的超參數(shù),優(yōu)化模型訓(xùn)練速度的同時(shí),提高了預(yù)測(cè)精度。 戴麗珍等[10]通過(guò)灰狼算法對(duì)LSSVM 的參數(shù)進(jìn)行優(yōu)化,增強(qiáng)了模型的泛化能力。 Hamner[11],熊亭等[12]采用了RF進(jìn)行交通流預(yù)測(cè)并取得了良好的效果。 LSTM 具有捕捉非線性數(shù)據(jù)中長(zhǎng)期依賴的能力,常被廣泛運(yùn)用在交通流時(shí)間序列預(yù)測(cè)中。 2015 年,Ma 等[13]使用LSTM 對(duì)速度進(jìn)行了預(yù)測(cè),并證明了相比較于RNN,SVM,ARIMA 模型,LSTM 在捕捉交通流數(shù)據(jù)非線性特征以及長(zhǎng)時(shí)間依賴的優(yōu)勢(shì)。

    交通流預(yù)測(cè)的研究主要集中于模型優(yōu)化,針對(duì)輸入步長(zhǎng)的討論較少。 林培群等[14]在進(jìn)行高速公路的行程時(shí)間預(yù)測(cè)時(shí), 選擇12 步步長(zhǎng)作為不同預(yù)測(cè)模型的輸入,研究預(yù)測(cè)步長(zhǎng)增加后不同模型的預(yù)測(cè)性能。 王博文等[15]針對(duì)LSTM 預(yù)測(cè)步長(zhǎng)增加誤差迅速累積的問題對(duì)模型進(jìn)行改進(jìn),選取了8 步作為模型輸入對(duì)未來(lái)的1~12 步的時(shí)刻進(jìn)行預(yù)測(cè)。 Huang等[16]為了驗(yàn)證提出的時(shí)間序列分解方法和相應(yīng)混合預(yù)測(cè)模型的有效性, 選用12 步作為輸入步長(zhǎng)進(jìn)行了多步的交通流預(yù)測(cè)。 高華睿等[17]在雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)預(yù)測(cè)交通流時(shí),采用了滑動(dòng)窗口模型,以15 步步長(zhǎng)作為滑動(dòng)窗口長(zhǎng)度對(duì)交通流數(shù)據(jù)進(jìn)行重采樣, 學(xué)習(xí)交通流數(shù)據(jù)隨時(shí)間變化的趨勢(shì)變化特征。 金瑋[18]利用傅里葉級(jí)數(shù)提取交通流量的周期性分量特征,分離殘差項(xiàng),選取1、3、6、9、12 作為輸入步長(zhǎng)分別進(jìn)行預(yù)測(cè), 分析預(yù)測(cè)結(jié)果用來(lái)判斷模型基于周期性分量的預(yù)測(cè)效果。 熊亭等[19]將擴(kuò)散卷積算子應(yīng)用于GRU(gate recurrent unit)模型進(jìn)行交通流預(yù)測(cè),通過(guò)分析1~8 步輸入步長(zhǎng)對(duì)MAPE值的影響, 選擇5步輸入步長(zhǎng)進(jìn)行特征學(xué)習(xí)和模型訓(xùn)練。

    綜上所述,在選擇輸入步長(zhǎng)的方法方面研究較少, 大多直接選擇較小的固定步長(zhǎng)作為模型的輸入, 也有研究通過(guò)一些遞減的規(guī)律來(lái)選擇輸入步長(zhǎng),但這種方法仍依賴于人為的選擇。 為了能夠自適應(yīng)地選取輸入步長(zhǎng),研究基于交通流時(shí)間序列的自相關(guān)分析, 將輸入步長(zhǎng)與本身的數(shù)據(jù)特征相結(jié)合, 采用機(jī)器學(xué)習(xí)模型中常用的LSSVM,RF,LSTM 3 種模型, 探究自相關(guān)系數(shù)與最佳輸入步長(zhǎng)之間的關(guān)系,最終提出一種基于時(shí)間序列分析能夠自適應(yīng)選取最佳輸入步長(zhǎng)的方法。

    1 相關(guān)理論

    1.1 自相關(guān)分析

    在時(shí)間序列分析中, 自相關(guān)函數(shù)常用來(lái)分析時(shí)間序列與其自身k 階滯后序列之間的相關(guān)關(guān)系,以此度量歷史數(shù)據(jù)對(duì)t 時(shí)刻產(chǎn)生的影響。 在交通流數(shù)據(jù)的自相關(guān)分析中, 可以有效地識(shí)別時(shí)間序列中的周期性特征, 也可以通過(guò)相關(guān)程度粗略的判斷輸入數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)之間的關(guān)系[20]。 其中,以k=0,1,2,…,n 表示時(shí)間序列的滯后階數(shù),給定目標(biāo)預(yù)測(cè)路段的時(shí)間序列{yt}及滯后序列{yt+k},自相關(guān)函數(shù)定義[21]如下

    式中:k 為滯后步長(zhǎng);cov(yt,yt+k)為yt與yt+k的協(xié)方差;σyt為yt的均方差。

    1.2 最小二乘支持向量機(jī)

    最小二乘支持向量機(jī)作為支持向量機(jī)的改進(jìn)模型,不僅可以有效的處理強(qiáng)非線性數(shù)據(jù),而且通過(guò)簡(jiǎn)化求解二次規(guī)劃問題減少了訓(xùn)練時(shí)間,極大地增強(qiáng)了LSSVM 的適用性。 與SVM 相同,LSSVM 將交通流數(shù)據(jù)通過(guò)非線性變換映射到高維空間[22-23]

    式中:ω 為超平面的權(quán)值;c 為常數(shù);φ(·)為空間轉(zhuǎn)換函數(shù)。

    最小二乘支持向量機(jī)的目標(biāo)函數(shù)定義如下

    式中:ei為誤差;γ 為懲罰因子。

    構(gòu)造拉格朗日函數(shù)如下

    式中:ai為拉格朗日乘子。 根據(jù)KKT 條件可得

    求解式(5),可得LSSVM 數(shù)學(xué)模型

    式中:K(·)為模型核函數(shù),通常采用RBF 核函數(shù),即

    式中:φ 為核函數(shù)參數(shù)。

    1.3 隨機(jī)森林

    隨機(jī)森林是一種有監(jiān)督的Bagging(bootstrap aggregating)類集成學(xué)習(xí)方法,具有強(qiáng)大的數(shù)據(jù)挖掘和學(xué)習(xí)能力,在眾多領(lǐng)域均有廣泛的應(yīng)用。 在交通流預(yù)測(cè)研究中, 主要采用隨機(jī)森林的回歸算法,由Bootstrap 法重采樣隨機(jī)形成決策樹,大量相互獨(dú)立的決策樹組成森林,將多個(gè)決策樹預(yù)測(cè)結(jié)果取平均值得到最終的結(jié)果,收斂速度快并且具有較高的精確性。 而且隨機(jī)森林能很好的處理交通流數(shù)據(jù)中的噪聲和異常值,數(shù)據(jù)隨機(jī)以及特征隨機(jī)的特點(diǎn)能夠避免訓(xùn)練數(shù)據(jù)出現(xiàn)過(guò)擬合的現(xiàn)象,在大規(guī)模的交通流數(shù)據(jù)中依然可以有效地運(yùn)行[24]。

    1.4 長(zhǎng)短記憶神經(jīng)網(wǎng)絡(luò)

    長(zhǎng)短記憶神經(jīng)網(wǎng)絡(luò)是一種遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),作為循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)的一個(gè)重要變體[25],它解決了RNN 中存在的長(zhǎng)期依賴和梯度彌散的問題, 通過(guò)記憶細(xì)胞長(zhǎng)時(shí)間記憶某個(gè)值, 可以更好地捕捉長(zhǎng)時(shí)間步中時(shí)間序列中的規(guī)律。典型的LSTM 在RNN 的基礎(chǔ)上引入了輸入門、遺忘門、輸出門來(lái)控制信息傳遞與丟棄。其中,輸入門獲取輸入數(shù)據(jù)并對(duì)其進(jìn)行更新, 遺忘門給記憶細(xì)胞選擇權(quán)是否維持舊的值,輸出門計(jì)算并輸出結(jié)果。

    本文將輸入時(shí)間序列表示為X=[x1,x2,…,xn],對(duì)輸入t 時(shí)刻數(shù)據(jù)進(jìn)行更新

    通過(guò)更新門和遺忘門對(duì)記憶細(xì)胞中存儲(chǔ)的值進(jìn)行更新為

    輸出門輸出結(jié)果為

    式中:xt為t 時(shí)刻的輸入; c~t為t 時(shí)刻的候選記憶細(xì)胞;ct為t 時(shí)刻記憶細(xì)胞; at-1為t-1 時(shí)刻的隱藏狀態(tài);Γu,Γf,Γo分別為t 時(shí)刻的更新門、遺忘門、輸出門的輸出;Wc,Wu,Wf,Wo分別為各門的權(quán)重參數(shù);bc,bu,bf,bo為偏置參數(shù);tan h,ε 為激活函數(shù)。

    1.5 交通流預(yù)測(cè)方法

    LSSVM,RF,LSTM 分別作為機(jī)器學(xué)習(xí)模型中二分類、集成學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)中常用的預(yù)測(cè)模型,選用這3 種模型研究通過(guò)自相關(guān)分析選取最佳輸入步長(zhǎng)的方法。 將車流量時(shí)間序列作為預(yù)測(cè)模型的輸入,以不同的輸入步長(zhǎng)分別進(jìn)行訓(xùn)練,預(yù)測(cè)未來(lái)15 min 的車流量,取5 次預(yù)測(cè)誤差的均值作為最終的預(yù)測(cè)結(jié)果進(jìn)行分析。

    輸入步長(zhǎng)的長(zhǎng)度以n 來(lái)表示,交通流預(yù)測(cè)的整體流程圖如圖1 所示。

    圖1 交通流預(yù)測(cè)流程圖Fig.1 Flow chart of traffic flow prediction

    2 實(shí)例應(yīng)用

    2.1 數(shù)據(jù)來(lái)源及預(yù)處理

    數(shù)據(jù)集來(lái)源于英國(guó)曼徹斯特郡的某個(gè)路段的車流量數(shù)據(jù), 選取編號(hào)為A9094、B26053、B9117、A9116、A9070、A5103 的6 個(gè)觀測(cè)點(diǎn)作為研究對(duì)象,為了方便說(shuō)明,將6 個(gè)觀測(cè)點(diǎn)的編號(hào)分別簡(jiǎn)化為序號(hào)1~6。 每個(gè)觀測(cè)點(diǎn)數(shù)據(jù)集的時(shí)間跨度為2020 年1月6 日—2020 年2 月9 日,共35 d,每組數(shù)據(jù)的采樣時(shí)間間隔為15 min,樣本總量為20 160。

    為了能夠獲得較好的擬合效果,提高模型的收斂速度,本文采用Min-Max 函數(shù)對(duì)數(shù)據(jù)進(jìn)行歸一化處理。 按8∶2 的比例劃分訓(xùn)練集和測(cè)試集, 其中2020 年1 月6 日—2020 年2 月2 日共28 d 作為訓(xùn)練集,2020 年2 月3 日—2020 年2 月9 日共7 d 的數(shù)據(jù)為測(cè)試集。

    2.2 模型參數(shù)設(shè)置及評(píng)價(jià)指標(biāo)選取

    參數(shù)尋優(yōu)過(guò)程保存在網(wǎng)站https://github.com/Team-Cheng/ACF-parameter-optimization-.git 中,尋找各模型的局部最優(yōu)參數(shù),具體設(shè)置如下。 LSSVM模型選用RBF 核函數(shù),模型的性能主要取決于γ 和σ 兩個(gè)參數(shù), 每個(gè)觀測(cè)點(diǎn)的γ 和σ 分別設(shè)置為10、0.1。RF 模型中主要確定最佳葉子數(shù)以及樹數(shù),在模型訓(xùn)練中每個(gè)觀測(cè)點(diǎn)設(shè)置了200 棵決策樹,每棵決策樹的最佳葉子數(shù)為20。 LSTM 模型采用2 層LSTM結(jié)構(gòu),2 層隱藏層的節(jié)點(diǎn)數(shù)分別設(shè)為32 和16, 添加了Dropout 層來(lái)增加模型的泛化能力,設(shè)置丟棄概率為0.1。 選用ReLU 作為激活函數(shù), 優(yōu)化函數(shù)選用Adam 優(yōu)化函數(shù),初始學(xué)習(xí)率設(shè)置為0.005,進(jìn)行100輪迭代訓(xùn)練,梯度閾值設(shè)置為1 以防止梯度爆炸。

    采用均方根誤差(root mean square error,RMSE)作為指標(biāo)對(duì)預(yù)測(cè)結(jié)果的精確度進(jìn)行評(píng)價(jià),它通過(guò)計(jì)算預(yù)測(cè)值和真實(shí)值之間的標(biāo)準(zhǔn)差來(lái)反映預(yù)測(cè)結(jié)果的準(zhǔn)確性,計(jì)算式為

    式中:yi為目標(biāo)預(yù)測(cè)路段的實(shí)際交通流量值;y^i為目標(biāo)預(yù)測(cè)路段的預(yù)測(cè)交通流量值。

    2.3 實(shí)驗(yàn)結(jié)果與分析

    首先,確定3 個(gè)交通流預(yù)測(cè)模型輸入步長(zhǎng)的閾值。 隨機(jī)選取一個(gè)觀測(cè)點(diǎn),以輸入步長(zhǎng)n=1,2,3,…,i 分別進(jìn)行預(yù)測(cè), 觀察RMSE 值的趨勢(shì)變化。 3個(gè)模型不同輸入步長(zhǎng)的RMSE 值如圖2 所示。 從對(duì)RMSE 進(jìn)行擬合的曲線圖中可以看出, 隨著輸入步長(zhǎng)的增加,LSSVM 模型的預(yù)測(cè)誤差呈現(xiàn)出先減小后逐漸增大的趨勢(shì);LSTM 預(yù)測(cè)結(jié)果波動(dòng)較大,但總體而言,呈逐漸增加的趨勢(shì),在48 步之后,有明顯增加的趨勢(shì); 而RF 模型的RMSE 值隨著輸入步長(zhǎng)的增加呈逐漸降低的趨勢(shì)。綜合LSSVM 以及LSTM 模型的預(yù)測(cè)結(jié)果分析,選擇48 步輸入步長(zhǎng)作為上限。

    圖2 各模型不同輸入步長(zhǎng)的RMSEFig.2 RMSE of different time step of each model

    2.3.1 LSSVM 預(yù)測(cè)結(jié)果

    不同輸入步長(zhǎng)下LSSVM 的預(yù)測(cè)誤差以及自相關(guān)系數(shù)值如圖3 所示。 從對(duì)RMSE 進(jìn)行擬合的曲線圖中可以看出, 隨著輸入步長(zhǎng)的增加,LSSVM 的預(yù)測(cè)誤差呈先減小后增大的趨勢(shì),當(dāng)輸入步長(zhǎng)超過(guò)10步后,RMSE 值增加迅速, 輸入步長(zhǎng)對(duì)LSSVM 模型的預(yù)測(cè)結(jié)果影響較大。 結(jié)合6 個(gè)觀測(cè)點(diǎn)交通流時(shí)間序列的自相關(guān)分析,當(dāng)輸入步長(zhǎng)的自相關(guān)系數(shù)值在0.80~0.91 時(shí),LSSVM 會(huì)有最小的RMSE 值。

    圖3 LSSVM 不同輸入步長(zhǎng)RMSE 及ACFFig.3 RMSE and ACF of different time step of LSSVM

    2.3.2 RF 預(yù)測(cè)結(jié)果

    不同輸入步長(zhǎng)下RF 模型的RMSE 值以及自相關(guān)系數(shù)值如圖4 所示。 從對(duì)RMSE 進(jìn)行擬合的曲線圖可以看出, 隨著輸入步長(zhǎng)的增加,RF 模型的RMSE 值逐漸減小,有可能存在最小的預(yù)測(cè)誤差,也有可能隨著輸入步長(zhǎng)的增加誤差繼續(xù)減小。 原因可能是RF 模型在訓(xùn)練過(guò)程中,輸入步長(zhǎng)跨度內(nèi)的交通流數(shù)據(jù)作為RF 中特征的一部分, 可能受到特征隨機(jī)性選擇或者特征數(shù)量對(duì)模型預(yù)測(cè)的影響。 而綜合6 個(gè)觀測(cè)點(diǎn)交通流數(shù)據(jù)的自相關(guān)分析, 難以找到相同的規(guī)律,通過(guò)時(shí)間序列的自相關(guān)分析尋找預(yù)測(cè)誤差較小的輸入步長(zhǎng)的方法可能并不適用于RF 模型。

    圖4 RF 不同輸入步長(zhǎng)RMSE 及ACFFig.4 RMSE and ACF of different time step of RF

    2.3.3 LSTM 預(yù)測(cè)結(jié)果

    基于6 個(gè)觀測(cè)點(diǎn)的車流量數(shù)據(jù),對(duì)各觀測(cè)點(diǎn)從1 步到48 步的不同輸入步長(zhǎng)分別進(jìn)行預(yù)測(cè),取5 次RMSE 平均值進(jìn)行結(jié)果分析。LSTM 模型各觀測(cè)點(diǎn)不同輸入步長(zhǎng)RMSE 以及相應(yīng)的自相關(guān)系數(shù)值如圖5所示。 從對(duì)RMSE 進(jìn)行擬合的曲線圖可以看出,LSTM模型的預(yù)測(cè)結(jié)果相比較于LSSVM 以及RF 模型,波動(dòng)程度較大。 但從RMSE 值曲線整體而言,LSTM 預(yù)測(cè)模型的誤差會(huì)先呈下降趨勢(shì),之后隨著步長(zhǎng)的增加,RMSE 值呈增加趨勢(shì)。綜合觀察6 個(gè)觀測(cè)點(diǎn)達(dá)到最小誤差的輸入步長(zhǎng)及相應(yīng)的自相關(guān)系數(shù)值,可以發(fā)現(xiàn), 當(dāng)輸入步長(zhǎng)的自相關(guān)系數(shù)在0.47~0.51 之間時(shí),LSTM 可以獲得較好的擬合效果和較好的精度。

    圖5 LSTM 不同輸入步長(zhǎng)RMSE 及ACFFig.5 RMSE and ACF of different time step of LSTM

    2.3.4 結(jié)果分析

    通過(guò)對(duì)交通流時(shí)間序列進(jìn)行自相關(guān)分析,結(jié)合3 種模型不同輸入步長(zhǎng)的預(yù)測(cè)結(jié)果,3 種模型最佳輸入步長(zhǎng)的自相關(guān)系數(shù)值如表1 所示。 其中,LSSVM 以及LSTM 最佳輸入步長(zhǎng)的自相關(guān)系數(shù)有一定的規(guī)律, 通過(guò)時(shí)間序列的自相關(guān)分析,LSSVM可以選取自相關(guān)系數(shù)在0.80~0.91 的輸入步長(zhǎng),LSTM 則可以選取自相關(guān)系數(shù)在0.47~0.51 的輸入步長(zhǎng), 而RF 預(yù)測(cè)模型中精度較好的輸入步長(zhǎng)與其相應(yīng)的自相關(guān)系數(shù)之間的規(guī)律難以找到,數(shù)據(jù)自相關(guān)分析的方法可能并不適用。

    表1 各模型最佳輸入步長(zhǎng)及自相關(guān)系數(shù)值Tab.1 Optimal time step and autocorrelation coefficient of each model

    3 結(jié)論

    基于交通流時(shí)間序列的自相關(guān)分析,選用機(jī)器學(xué)習(xí)中常用的LSSVM、RF、LSTM 模型進(jìn)行預(yù)測(cè),提出一種自適應(yīng)選取最佳輸入步長(zhǎng)的方法。

    1) 當(dāng)采用LSSVM 模型時(shí), 建議選用自相關(guān)系數(shù)值在0.80~0.91 的輸入步長(zhǎng),RMSE 值可能有最小值,預(yù)測(cè)精度較高。

    2) 采用LSTM 模型進(jìn)行交通流預(yù)測(cè)時(shí),可以選取自相關(guān)系數(shù)值在0.47~0.51 的輸入步長(zhǎng), 預(yù)測(cè)誤差較低。

    3) 選用RF 模型進(jìn)行交通流預(yù)測(cè)時(shí),預(yù)測(cè)誤差最小的輸入步長(zhǎng)較大或者自相關(guān)程度較低,通過(guò)時(shí)間序列的自相關(guān)分析選擇輸入步長(zhǎng)的方法可能并不適用, 針對(duì)RF 模型的最佳輸入步長(zhǎng)選擇方法需要進(jìn)一步的研究。

    猜你喜歡
    觀測(cè)點(diǎn)交通流步長(zhǎng)
    基于Armijo搜索步長(zhǎng)的BFGS與DFP擬牛頓法的比較研究
    高速公路網(wǎng)連續(xù)式交通量調(diào)查觀測(cè)點(diǎn)布設(shè)方法研究
    智能城市(2021年3期)2021-04-12 04:40:50
    洛陽(yáng)市老城區(qū)西大街空間形態(tài)與熱環(huán)境耦合關(guān)系實(shí)測(cè)研究
    綠色科技(2019年12期)2019-07-15 11:13:02
    交通流隨機(jī)行為的研究進(jìn)展
    張掖市甘州區(qū)代表性觀測(cè)點(diǎn)地下水位變化特征分析
    路內(nèi)停車對(duì)交通流延誤影響的定量分析
    基于升降溫全曲線的鋼筋混凝土梁溫度場(chǎng)分析
    基于逐維改進(jìn)的自適應(yīng)步長(zhǎng)布谷鳥搜索算法
    具有負(fù)壓力的Aw-Rascle交通流的Riemann問題
    一種新型光伏系統(tǒng)MPPT變步長(zhǎng)滯環(huán)比較P&O法
    久久中文字幕一级| 老司机影院毛片| 国产淫语在线视频| 欧美成人精品欧美一级黄| 亚洲五月色婷婷综合| 亚洲色图综合在线观看| 国产精品一区二区在线不卡| 色综合欧美亚洲国产小说| 国产国语露脸激情在线看| 天天操日日干夜夜撸| 黑丝袜美女国产一区| 国产亚洲欧美在线一区二区| 午夜福利一区二区在线看| 国产亚洲精品第一综合不卡| 久久精品国产a三级三级三级| 黄网站色视频无遮挡免费观看| 在线 av 中文字幕| 日韩免费高清中文字幕av| 一本—道久久a久久精品蜜桃钙片| 亚洲一码二码三码区别大吗| 少妇精品久久久久久久| 国产欧美日韩一区二区三区在线| 飞空精品影院首页| 侵犯人妻中文字幕一二三四区| 一边摸一边抽搐一进一出视频| 美国免费a级毛片| 久久精品国产综合久久久| 精品卡一卡二卡四卡免费| 久久热在线av| 黄色a级毛片大全视频| 搡老乐熟女国产| 黑人猛操日本美女一级片| 亚洲国产欧美在线一区| 爱豆传媒免费全集在线观看| 在线av久久热| 日韩一卡2卡3卡4卡2021年| 69精品国产乱码久久久| 婷婷色综合大香蕉| 亚洲欧洲国产日韩| 亚洲熟女精品中文字幕| 国产精品偷伦视频观看了| 久久免费观看电影| 大型av网站在线播放| 少妇裸体淫交视频免费看高清 | 久久青草综合色| xxxhd国产人妻xxx| 免费在线观看日本一区| 免费在线观看日本一区| 一级毛片女人18水好多 | 成人午夜精彩视频在线观看| 搡老岳熟女国产| 免费黄频网站在线观看国产| videos熟女内射| 精品亚洲成a人片在线观看| 无遮挡黄片免费观看| 久久精品国产a三级三级三级| 韩国精品一区二区三区| 中文精品一卡2卡3卡4更新| 国产成人一区二区三区免费视频网站 | 亚洲国产看品久久| 国产真人三级小视频在线观看| 精品亚洲成国产av| av天堂在线播放| 丝袜喷水一区| 亚洲国产毛片av蜜桃av| 国产一区有黄有色的免费视频| 午夜免费成人在线视频| 丁香六月天网| 国产亚洲精品第一综合不卡| 极品少妇高潮喷水抽搐| 国产亚洲精品第一综合不卡| 国产成人系列免费观看| 国产免费又黄又爽又色| 国产精品香港三级国产av潘金莲 | 国产麻豆69| 99久久精品国产亚洲精品| 久久精品久久久久久噜噜老黄| 国产欧美日韩综合在线一区二区| 黄色片一级片一级黄色片| 国产精品秋霞免费鲁丝片| 精品一区二区三区四区五区乱码 | 久久国产亚洲av麻豆专区| 精品国产国语对白av| 咕卡用的链子| 免费日韩欧美在线观看| 2021少妇久久久久久久久久久| 亚洲国产精品成人久久小说| 日韩 亚洲 欧美在线| 国产视频一区二区在线看| 丰满饥渴人妻一区二区三| 黄色 视频免费看| 好男人电影高清在线观看| 精品人妻1区二区| 在线观看一区二区三区激情| 精品一品国产午夜福利视频| a级片在线免费高清观看视频| 一二三四社区在线视频社区8| 九草在线视频观看| 久久久国产精品麻豆| 色网站视频免费| 免费观看人在逋| 交换朋友夫妻互换小说| 欧美亚洲 丝袜 人妻 在线| 日韩伦理黄色片| 成人国语在线视频| 多毛熟女@视频| 黑人欧美特级aaaaaa片| av国产精品久久久久影院| 国产成人av激情在线播放| 99国产精品99久久久久| 一本久久精品| 国产精品 欧美亚洲| 2018国产大陆天天弄谢| 欧美日韩视频精品一区| 免费在线观看黄色视频的| 中文字幕色久视频| 精品第一国产精品| 亚洲国产欧美网| 国产老妇伦熟女老妇高清| 亚洲欧美日韩另类电影网站| 婷婷色av中文字幕| 十八禁高潮呻吟视频| 青春草视频在线免费观看| 国产又色又爽无遮挡免| 国产一区二区激情短视频 | 国产欧美日韩精品亚洲av| 国产男女超爽视频在线观看| 久久人妻福利社区极品人妻图片 | 精品卡一卡二卡四卡免费| 国产精品久久久久久精品电影小说| 精品少妇一区二区三区视频日本电影| 婷婷色av中文字幕| 日本五十路高清| 精品国产一区二区三区四区第35| 精品一品国产午夜福利视频| 亚洲男人天堂网一区| 国产免费现黄频在线看| 国产精品av久久久久免费| 男女免费视频国产| 中文欧美无线码| 视频区图区小说| 亚洲综合色网址| 丰满迷人的少妇在线观看| 99国产精品99久久久久| 亚洲欧美中文字幕日韩二区| 免费在线观看影片大全网站 | 女性生殖器流出的白浆| 人成视频在线观看免费观看| 久久精品亚洲av国产电影网| 精品国产一区二区久久| 亚洲欧洲日产国产| 真人做人爱边吃奶动态| 五月天丁香电影| 国产亚洲av高清不卡| 十八禁高潮呻吟视频| 91麻豆精品激情在线观看国产 | 国产视频一区二区在线看| 18禁观看日本| 亚洲欧美色中文字幕在线| 欧美老熟妇乱子伦牲交| 久久久国产精品麻豆| 国产福利在线免费观看视频| 亚洲av国产av综合av卡| 婷婷色综合大香蕉| av网站在线播放免费| 国产一区二区 视频在线| 精品高清国产在线一区| 曰老女人黄片| 久久久久久人人人人人| 国产亚洲av片在线观看秒播厂| av视频免费观看在线观看| videosex国产| 亚洲国产欧美一区二区综合| 中文字幕人妻熟女乱码| 成人国语在线视频| 50天的宝宝边吃奶边哭怎么回事| 中文字幕精品免费在线观看视频| 麻豆乱淫一区二区| 亚洲av成人不卡在线观看播放网 | 精品亚洲乱码少妇综合久久| 久久狼人影院| 国产免费现黄频在线看| 天天躁夜夜躁狠狠久久av| 后天国语完整版免费观看| 国产男人的电影天堂91| 啦啦啦在线免费观看视频4| 免费日韩欧美在线观看| 女人被躁到高潮嗷嗷叫费观| 精品视频人人做人人爽| 啦啦啦 在线观看视频| 国产成人精品无人区| 69精品国产乱码久久久| 又粗又硬又长又爽又黄的视频| 50天的宝宝边吃奶边哭怎么回事| 欧美国产精品va在线观看不卡| 热re99久久精品国产66热6| 无遮挡黄片免费观看| 亚洲成av片中文字幕在线观看| 亚洲九九香蕉| 青草久久国产| 日韩中文字幕视频在线看片| 在线观看国产h片| 国产精品熟女久久久久浪| 婷婷色av中文字幕| 国产真人三级小视频在线观看| av有码第一页| 国产精品久久久久久人妻精品电影 | 可以免费在线观看a视频的电影网站| 青青草视频在线视频观看| 中文字幕精品免费在线观看视频| 悠悠久久av| 一区二区日韩欧美中文字幕| 波野结衣二区三区在线| 国产精品国产三级专区第一集| 色婷婷av一区二区三区视频| 高潮久久久久久久久久久不卡| 欧美性长视频在线观看| 久久久久久人人人人人| 国产91精品成人一区二区三区 | 亚洲国产最新在线播放| 性色av一级| 久久亚洲精品不卡| 国产成人精品在线电影| 只有这里有精品99| 婷婷丁香在线五月| 日日摸夜夜添夜夜爱| 亚洲精品一卡2卡三卡4卡5卡 | 色播在线永久视频| 久久人人爽人人片av| 亚洲欧美色中文字幕在线| 90打野战视频偷拍视频| 国产精品国产三级专区第一集| 精品欧美一区二区三区在线| 91精品国产国语对白视频| 午夜两性在线视频| 久久天堂一区二区三区四区| 丝袜美腿诱惑在线| av福利片在线| 成人影院久久| 老司机亚洲免费影院| 亚洲国产成人一精品久久久| av视频免费观看在线观看| 久久人妻福利社区极品人妻图片 | 97精品久久久久久久久久精品| 欧美精品高潮呻吟av久久| 美女高潮到喷水免费观看| 汤姆久久久久久久影院中文字幕| av又黄又爽大尺度在线免费看| 国产成人a∨麻豆精品| 老司机靠b影院| 热99久久久久精品小说推荐| 99国产精品一区二区蜜桃av | 免费不卡黄色视频| 高清不卡的av网站| 亚洲av综合色区一区| 国产主播在线观看一区二区 | 高清不卡的av网站| 亚洲精品在线美女| 两个人免费观看高清视频| 肉色欧美久久久久久久蜜桃| 亚洲av成人精品一二三区| 啦啦啦 在线观看视频| 国产免费福利视频在线观看| 国产一区二区三区av在线| 亚洲精品国产色婷婷电影| 久久久久网色| 国产野战对白在线观看| 欧美日本中文国产一区发布| 久久精品亚洲av国产电影网| 国产亚洲午夜精品一区二区久久| 中文字幕精品免费在线观看视频| 好男人电影高清在线观看| 亚洲精品美女久久久久99蜜臀 | 99国产精品一区二区三区| 十八禁高潮呻吟视频| 成人亚洲精品一区在线观看| 欧美精品一区二区免费开放| 国产一区二区 视频在线| 日韩 亚洲 欧美在线| 日韩电影二区| 亚洲七黄色美女视频| av片东京热男人的天堂| 亚洲欧美一区二区三区久久| 黑人巨大精品欧美一区二区蜜桃| 精品少妇黑人巨大在线播放| 久久精品亚洲av国产电影网| 亚洲av电影在线观看一区二区三区| 美女国产高潮福利片在线看| 免费少妇av软件| 国产成人精品久久久久久| 免费不卡黄色视频| 久久国产亚洲av麻豆专区| 国产欧美日韩一区二区三区在线| www.av在线官网国产| 99香蕉大伊视频| 亚洲 欧美一区二区三区| 国产亚洲一区二区精品| 国产欧美日韩一区二区三 | 欧美av亚洲av综合av国产av| 黑丝袜美女国产一区| 日本wwww免费看| 国产免费视频播放在线视频| 男人舔女人的私密视频| 成人亚洲精品一区在线观看| 人人妻人人澡人人看| 好男人视频免费观看在线| 嫩草影视91久久| 波野结衣二区三区在线| 亚洲免费av在线视频| 国语对白做爰xxxⅹ性视频网站| 嫩草影视91久久| 精品久久久久久久毛片微露脸 | 亚洲成av片中文字幕在线观看| 久久九九热精品免费| 美女扒开内裤让男人捅视频| 久久久久网色| 两个人免费观看高清视频| 久久免费观看电影| 男女边吃奶边做爰视频| 日韩 亚洲 欧美在线| 久久毛片免费看一区二区三区| 久久精品成人免费网站| 在线观看国产h片| 妹子高潮喷水视频| 国产三级黄色录像| 成人国语在线视频| 精品少妇一区二区三区视频日本电影| 国产91精品成人一区二区三区 | 久久久久网色| 日韩电影二区| 欧美在线一区亚洲| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲国产精品成人久久小说| 精品人妻在线不人妻| 美女大奶头黄色视频| 一级毛片电影观看| 99热全是精品| 久久精品国产亚洲av涩爱| 99精品久久久久人妻精品| 久久 成人 亚洲| 日韩制服丝袜自拍偷拍| 人人妻人人澡人人爽人人夜夜| 一级毛片 在线播放| 最近手机中文字幕大全| 国产精品久久久av美女十八| cao死你这个sao货| 欧美少妇被猛烈插入视频| 亚洲精品成人av观看孕妇| 亚洲av美国av| 女警被强在线播放| 亚洲欧美清纯卡通| 青春草视频在线免费观看| 色精品久久人妻99蜜桃| 精品第一国产精品| 久久久久久久大尺度免费视频| 日韩熟女老妇一区二区性免费视频| av片东京热男人的天堂| 老司机影院成人| 国产午夜精品一二区理论片| 免费人妻精品一区二区三区视频| 青青草视频在线视频观看| 在线亚洲精品国产二区图片欧美| 视频区欧美日本亚洲| 成年女人毛片免费观看观看9 | 色综合欧美亚洲国产小说| 水蜜桃什么品种好| 人人妻人人爽人人添夜夜欢视频| 最黄视频免费看| 亚洲欧美一区二区三区久久| 免费少妇av软件| 麻豆av在线久日| 人人妻人人添人人爽欧美一区卜| 波多野结衣av一区二区av| 如日韩欧美国产精品一区二区三区| 热re99久久国产66热| 丝袜喷水一区| 久久久亚洲精品成人影院| 久久影院123| 亚洲精品国产av蜜桃| 狠狠婷婷综合久久久久久88av| 欧美少妇被猛烈插入视频| 国产精品久久久久久精品古装| 色94色欧美一区二区| 日韩中文字幕视频在线看片| 久热爱精品视频在线9| 亚洲,欧美,日韩| 久久精品久久久久久噜噜老黄| 女人爽到高潮嗷嗷叫在线视频| 美女午夜性视频免费| 久久午夜综合久久蜜桃| 国产欧美日韩一区二区三区在线| 丝袜美腿诱惑在线| 国产亚洲午夜精品一区二区久久| 国产日韩欧美视频二区| www.av在线官网国产| 桃花免费在线播放| 丰满饥渴人妻一区二区三| 人人妻人人澡人人爽人人夜夜| 久久久久国产一级毛片高清牌| 97精品久久久久久久久久精品| 老汉色av国产亚洲站长工具| 桃花免费在线播放| 亚洲精品一卡2卡三卡4卡5卡 | 99热全是精品| 女性生殖器流出的白浆| 可以免费在线观看a视频的电影网站| 午夜激情av网站| 国产成人一区二区在线| 亚洲伊人久久精品综合| 久热爱精品视频在线9| 国产一区二区激情短视频 | 国产一区二区在线观看av| 在线 av 中文字幕| 精品少妇黑人巨大在线播放| 国产97色在线日韩免费| 一边摸一边做爽爽视频免费| 黄色一级大片看看| 国产成人欧美在线观看 | 亚洲三区欧美一区| 免费高清在线观看日韩| 黑人猛操日本美女一级片| 每晚都被弄得嗷嗷叫到高潮| 国产男女超爽视频在线观看| 国产精品三级大全| 嫩草影视91久久| 天天躁夜夜躁狠狠久久av| 久久国产亚洲av麻豆专区| 一区福利在线观看| 国产欧美日韩综合在线一区二区| 午夜福利在线免费观看网站| 日本一区二区免费在线视频| 下体分泌物呈黄色| av有码第一页| 欧美中文综合在线视频| 啦啦啦啦在线视频资源| 精品国产乱码久久久久久男人| 青春草亚洲视频在线观看| 自线自在国产av| 男女边摸边吃奶| av国产久精品久网站免费入址| 日韩欧美一区视频在线观看| 欧美日韩视频精品一区| 老司机亚洲免费影院| 国产精品二区激情视频| 国产精品亚洲av一区麻豆| 激情视频va一区二区三区| 欧美激情高清一区二区三区| av天堂久久9| 亚洲国产毛片av蜜桃av| 成人黄色视频免费在线看| 一本综合久久免费| 十八禁网站网址无遮挡| 国产男人的电影天堂91| 久久人人97超碰香蕉20202| a级毛片在线看网站| 丰满少妇做爰视频| 欧美激情 高清一区二区三区| 国产97色在线日韩免费| 精品国产超薄肉色丝袜足j| 国产精品久久久人人做人人爽| 欧美日韩视频精品一区| 亚洲成人手机| 狠狠精品人妻久久久久久综合| 亚洲欧美一区二区三区黑人| 免费在线观看日本一区| 国产主播在线观看一区二区 | 国产一级毛片在线| 大型av网站在线播放| 午夜福利视频精品| 1024香蕉在线观看| 日韩大片免费观看网站| 欧美成人精品欧美一级黄| cao死你这个sao货| 美女福利国产在线| kizo精华| 成年女人毛片免费观看观看9 | 91精品国产国语对白视频| 国产精品久久久人人做人人爽| e午夜精品久久久久久久| 妹子高潮喷水视频| av网站免费在线观看视频| 亚洲成人手机| 国产一区二区三区综合在线观看| 大片电影免费在线观看免费| 国产爽快片一区二区三区| 1024视频免费在线观看| 又黄又粗又硬又大视频| 欧美日本中文国产一区发布| 激情五月婷婷亚洲| 在线观看一区二区三区激情| 午夜老司机福利片| 亚洲五月色婷婷综合| 久久人妻熟女aⅴ| 校园人妻丝袜中文字幕| 另类亚洲欧美激情| 色婷婷av一区二区三区视频| 亚洲国产欧美日韩在线播放| 亚洲一码二码三码区别大吗| av国产久精品久网站免费入址| 亚洲男人天堂网一区| 多毛熟女@视频| 精品国产一区二区三区四区第35| 女警被强在线播放| 国产亚洲一区二区精品| 99国产精品一区二区蜜桃av | 午夜日韩欧美国产| 高清视频免费观看一区二区| 一级片'在线观看视频| av在线老鸭窝| 人人妻人人澡人人看| 精品国产超薄肉色丝袜足j| 中国美女看黄片| 在线 av 中文字幕| 夫妻性生交免费视频一级片| 欧美日韩视频高清一区二区三区二| 午夜影院在线不卡| 日本vs欧美在线观看视频| 亚洲精品国产av蜜桃| 中文欧美无线码| 欧美精品亚洲一区二区| 国产成人精品久久二区二区91| 精品卡一卡二卡四卡免费| 一二三四社区在线视频社区8| 伦理电影免费视频| 天天影视国产精品| 18禁裸乳无遮挡动漫免费视频| 日韩制服丝袜自拍偷拍| 国产精品麻豆人妻色哟哟久久| 久久精品久久久久久噜噜老黄| 国产精品国产三级国产专区5o| 一级片免费观看大全| 99国产精品一区二区三区| 久久精品人人爽人人爽视色| 脱女人内裤的视频| 亚洲男人天堂网一区| 国产精品欧美亚洲77777| 日韩精品免费视频一区二区三区| 日韩中文字幕视频在线看片| av在线app专区| 精品国产一区二区久久| 晚上一个人看的免费电影| 两性夫妻黄色片| 啦啦啦啦在线视频资源| 超色免费av| 国产精品国产三级国产专区5o| 又大又爽又粗| 欧美日韩精品网址| 欧美在线一区亚洲| 亚洲一区中文字幕在线| 国产亚洲精品久久久久5区| 精品久久久精品久久久| 久久女婷五月综合色啪小说| 久久青草综合色| 欧美日本中文国产一区发布| 看免费av毛片| 91精品三级在线观看| 在线观看国产h片| 少妇被粗大的猛进出69影院| 国产亚洲欧美精品永久| 亚洲国产看品久久| xxx大片免费视频| 少妇精品久久久久久久| 国产成人91sexporn| 国产在线一区二区三区精| 欧美日韩一级在线毛片| 国产高清视频在线播放一区 | 欧美精品人与动牲交sv欧美| 亚洲欧美中文字幕日韩二区| 欧美精品人与动牲交sv欧美| 男男h啪啪无遮挡| 精品一品国产午夜福利视频| 成人国语在线视频| 日本五十路高清| 视频在线观看一区二区三区| 一级a爱视频在线免费观看| av网站免费在线观看视频| 亚洲欧美中文字幕日韩二区| 国产精品九九99| 亚洲色图综合在线观看| 欧美黑人欧美精品刺激| 久久久久久久精品精品| 精品少妇黑人巨大在线播放| 天堂8中文在线网| 亚洲成av片中文字幕在线观看| 亚洲情色 制服丝袜| 午夜福利,免费看| 青春草亚洲视频在线观看| 亚洲,欧美精品.| 在线观看国产h片| 亚洲男人天堂网一区| 精品少妇久久久久久888优播| 99国产精品免费福利视频| 精品第一国产精品| 欧美激情 高清一区二区三区| 中文字幕最新亚洲高清| 另类亚洲欧美激情| 欧美大码av| 亚洲,欧美精品.| 久久久久久久精品精品| 看十八女毛片水多多多| av国产久精品久网站免费入址| 精品国产乱码久久久久久男人| av电影中文网址| 大话2 男鬼变身卡| 97人妻天天添夜夜摸| 亚洲激情五月婷婷啪啪| 一边摸一边做爽爽视频免费| 国产精品偷伦视频观看了| 亚洲国产欧美日韩在线播放| 欧美日韩视频精品一区| 老司机靠b影院| 一区二区av电影网| 精品人妻一区二区三区麻豆| 99热网站在线观看| tube8黄色片|