• <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XGBoost-PredRNN++的海表面溫度預(yù)測①

    2022-11-07 09:07:58杜揚帆伍孝飛喬百友
    關(guān)鍵詞:特征實驗方法

    杜揚帆,伍孝飛,喬百友,2

    1(東北大學(xué) 計算機(jī)科學(xué)與工程學(xué)院,沈陽 110819)

    2(東北大學(xué) 醫(yī)學(xué)影像智能計算教育部重點實驗室,沈陽 110169)

    1 引言

    海洋表面溫度是全球海洋的一個重要物理量,常作為研究水團(tuán)性質(zhì)、鑒別洋流的基本指標(biāo).研究海表面溫度時空分布及其變化規(guī)律,從而進(jìn)行海表面溫度預(yù)測是海洋環(huán)境信息預(yù)報的基礎(chǔ)[1].海水溫度通常作為數(shù)值天氣預(yù)報和海洋預(yù)報模型的邊界條件.這些模型越來越多地用于實際應(yīng)用中,包括: 海上作業(yè)、海洋航運業(yè)務(wù)、海上安全應(yīng)急響應(yīng)、波浪和沖浪的研究、漁業(yè)支持和旅游等.近年來,CTD 和XTB 測溫數(shù)據(jù)、衛(wèi)星高度計數(shù)據(jù)、Argo 溫鹽剖面數(shù)據(jù)越來越豐富,基于神經(jīng)網(wǎng)絡(luò)的預(yù)測方法、三維變分技術(shù)等的出現(xiàn)促進(jìn)了海洋預(yù)報的快速發(fā)展.特別是隨著海洋觀測技術(shù)的快速發(fā)展,海洋數(shù)據(jù)規(guī)模呈現(xiàn)了爆炸性增長,這對海表溫的預(yù)測帶來了新的機(jī)遇和挑戰(zhàn).在這種情況下,如何充分利用這些海洋大數(shù)據(jù)和先進(jìn)的人工智能技術(shù),實現(xiàn)對海表溫度的高效精確預(yù)測就成為一個非常重要的課題,也是當(dāng)前海洋研究領(lǐng)域的研究熱點之一.預(yù)測海表溫度方法可大致分為兩大類[2,3],分別為基于數(shù)值的方法和基于數(shù)據(jù)驅(qū)動的方式.基于數(shù)值的方法是建立在物理、化學(xué)、生物參數(shù)以及相互作用的復(fù)雜關(guān)系基礎(chǔ)上,利用微分方程對海表溫度進(jìn)行定義和描述.該方法復(fù)雜度高,不同海域需要不同的數(shù)值預(yù)測模型,預(yù)測時效較差.數(shù)據(jù)驅(qū)動的方法是以數(shù)據(jù)為中心來解決海表溫度預(yù)測問題,是通過機(jī)器學(xué)習(xí)技術(shù)來學(xué)習(xí)海表溫度變化規(guī)律,從而去預(yù)測未來溫度的變化情況.數(shù)據(jù)驅(qū)動方法有馬爾可夫模型[4]、支持向量機(jī)(SVM)[5]、神經(jīng)網(wǎng)絡(luò)[6]等,這些方法大多缺少對長時序時間依賴特征的提取,其預(yù)測精度有限.

    近年來,隨著深度學(xué)習(xí)的不斷發(fā)展,研究人員將深度學(xué)習(xí)技術(shù)運用到了海表面溫度的預(yù)測中.Zhang 等人[7]采用LSTM 模型實現(xiàn)了海表面溫度的預(yù)測,并取得了較好的預(yù)測結(jié)果,但該模型沒有考慮海表面溫度之間的空間相關(guān)性,因而不適合局部海表溫的預(yù)測.2019年ConvLSTM 模型被應(yīng)用到了海表面溫度預(yù)測中[8],該模型通過CNN 網(wǎng)絡(luò)提取溫度之間空間特征,通過LSTM 網(wǎng)絡(luò)提取時間特征,有效利用了時空特征,取得了較好的預(yù)測結(jié)果.但對于長時序預(yù)測,該模型復(fù)雜度較高,還存在梯度消失問題.張弛等人[9]使用向量回歸模型對海洋次表層溫度異常進(jìn)行了預(yù)測,對于淺水域有較好的精度,但當(dāng)海洋深度增加時,其預(yù)測精度逐漸降低.吳琦[10]在ConvLSTM 模型的基礎(chǔ)上添加了ConvGRU,對海洋表面溫度遙感預(yù)測,但是不能很好地預(yù)測長期海洋表面溫度.韓震等人[11]使用基于遙感數(shù)據(jù)的多層ConvLSTM 進(jìn)行海表溫度預(yù)測計算,但是對于小區(qū)域,誤差較大,不能很好地對局部短時間進(jìn)行預(yù)測.

    因此,本文將視頻預(yù)測時序?qū)W習(xí)網(wǎng)絡(luò)PredRNN++[12]引入到了海表溫的預(yù)測中,提出了一種基于XGBoost[13]結(jié)合PredRNN++ (XGBoost-PredRNN++)的海表溫預(yù)測方法.該方法首先將海表溫數(shù)據(jù)處理成灰度圖片,然后利用機(jī)器學(xué)習(xí)模型XGBoost 來提取相應(yīng)的時間特征,并采用CNN 模型將時間特征融合到海表溫數(shù)據(jù)中,并提取融合后海表溫數(shù)據(jù)之間的空間依賴關(guān)系.在此基礎(chǔ)上,利用PredRNN++網(wǎng)絡(luò)將時空依賴關(guān)系融合在數(shù)據(jù)序列中.避免了梯度消失問題.通過實驗驗證,本文相較于傳統(tǒng)方法中表現(xiàn)最好的結(jié)果,在MSE評價標(biāo)準(zhǔn)下數(shù)值減少了0.107 5.在SSIM評價標(biāo)準(zhǔn)下,由誤差值0.044 降到了0.038 7,減少了12.15%的誤差.

    2 基于XGBoost-PredRNN++的海表溫預(yù)測

    針對區(qū)域海表溫預(yù)測,本文提出了一種XGBoost結(jié)合PredRNN++的海表溫預(yù)測方法(XGBoost-PredRNN++),主要由3 部分構(gòu)成,分別為數(shù)據(jù)預(yù)處理、時間特征抽取與融合、時空特征抽取與預(yù)測,方法總體框架如圖1 所示.

    圖1 XGBoost-PredRNN++海表溫預(yù)測方法總體框架

    數(shù)據(jù)預(yù)處理首先對原始SST 數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,并采用Gamma 校正算法將其處理成一系列灰度圖片.時間特征抽取與融合主要利用XGBoost 模型提取預(yù)處理階段形成的灰度圖片數(shù)據(jù)的時間特征,并利用CNN 網(wǎng)絡(luò)將其融入到原始海表溫度數(shù)據(jù)中,并提取數(shù)據(jù)之間的空間依賴特征,形成新的SST 時序序列.時空特征抽取與預(yù)測就是用前一階段形成的SST 時序數(shù)據(jù)訓(xùn)練PredRNN++預(yù)測模型,提取SST 時序數(shù)據(jù)之間的時間和空間依賴特征,從而實現(xiàn)對區(qū)域海表溫度的預(yù)測,后續(xù)將分別進(jìn)行詳細(xì)介紹.

    2.1 數(shù)據(jù)預(yù)處理

    數(shù)據(jù)預(yù)處理主要完成對原始區(qū)域海表溫時序數(shù)據(jù)的預(yù)處理,主要包括數(shù)據(jù)的標(biāo)準(zhǔn)化和Gamma 矯正處理.

    (1)數(shù)據(jù)標(biāo)準(zhǔn)化.對于原始海表溫時序數(shù)據(jù),本文采用最大最小標(biāo)準(zhǔn)化方法將所有數(shù)據(jù)標(biāo)準(zhǔn)化到[0,1]范圍內(nèi),其計算過程如式(1)所示.

    其中,xmax為樣本數(shù)據(jù)最大值,xmin為樣本數(shù)據(jù)最小值.x*是標(biāo)準(zhǔn)化后的數(shù)據(jù).

    (2)Gamma 矯正處理.某一區(qū)域同一時刻海表面溫度可以看作是一幅圖片,通過Gamma 矯正處理將其變換為灰度圖片,一方面降低圖片數(shù)據(jù)的維度,從而加快后續(xù)處理速度,另一方面通過Gamma 矯正增強圖像的細(xì)節(jié),從而更好支持后續(xù)PredRNN++模型來提取時空特征.

    經(jīng)過數(shù)據(jù)預(yù)處理后,一組海表溫時序數(shù)據(jù)就變成一組由灰度圖片組成的海表溫時序數(shù)據(jù),再通過滑動窗口對數(shù)據(jù)劃分,從而形成相應(yīng)的訓(xùn)練和測試數(shù)據(jù),供下一階段使用.

    2.2 時間特征抽取與融合

    區(qū)域海表溫度預(yù)測是利用過去一段時間某個區(qū)域的歷史海表溫度數(shù)據(jù)來預(yù)測該區(qū)域未來一段時間的海表溫度,是一種自回歸的問題.SST 原始數(shù)據(jù)經(jīng)過數(shù)據(jù)預(yù)處理后,形成灰度圖片形式的海表溫時序數(shù)據(jù),本文考慮到海表溫數(shù)據(jù)所受的季節(jié)周期性影響,篩選出與海表溫度最相關(guān)的4 個時間特征,然后采用XGBoost模型將其融合為一個統(tǒng)一的長周期時間特征,然后再與海表溫數(shù)據(jù)一起作為CNN 模型的輸入,來提取海表溫數(shù)據(jù)之間的時空依賴特征,并將其融合成為新的具有時間特征的海表溫特征圖時序數(shù)據(jù),由于增加了周期性時間特征,并提取了數(shù)據(jù)之間的空間特征,因而能夠提高預(yù)測的準(zhǔn)確度[14].

    假設(shè)某海洋區(qū)域有k個觀測點來觀測該區(qū)域的海表面溫度變化情況,若觀測次數(shù)為n,則可以用二維向量X來表示.向量元素xij(i∈1,2,···,k;j∈1,2,···,n)表示第i個觀測點第j次觀測值.對于每個觀測值,提取觀測時間所對應(yīng)的季度、月份、周次和季節(jié)4 個長周期時間特征.對每個觀測值xij,可用Tij=(quarterij,weekij,monthij,seasonij)來表示其時間特征.將Tij作為XGBoost 模型的輸入特征,將xij作為XGBoost 模型的輸出標(biāo)簽,對模型進(jìn)行訓(xùn)練.這樣對于每個海表溫數(shù)據(jù)xij,都可以通過XGBoost 模型得到融合后的時間特征數(shù)據(jù),即長周期溫度預(yù)測值.同一時刻所有觀測點的海表溫數(shù)據(jù)構(gòu)成了一張海溫圖片,其對應(yīng)的時間特征數(shù)據(jù)同樣構(gòu)成了一張海溫圖片.在此基礎(chǔ)上,采用CNN 網(wǎng)絡(luò)對時間特征和原始數(shù)據(jù)特征進(jìn)行空間特征抽取與融合,并完成數(shù)據(jù)的特征降維,從而減小后期模型的代價.本文采用的海表面溫度數(shù)據(jù)X和提取后的時間特征數(shù)據(jù)的維度均為64×64.因此,CNN 網(wǎng)絡(luò)的輸入數(shù)據(jù)維度為64×64×2.本文采用單層卷積操作,卷積核大小為3×3,步長為1,填充方式為SAME,激活函數(shù)為ReLU,最終得到CNN 的輸出為Y,則Y的維度為64×64×1.CNN 網(wǎng)絡(luò)計算公式如式(2):

    2.3 時空特征抽取與海表溫預(yù)測

    本文將海洋表面溫度看作視頻中的一幀,并將每一幀的溫度制作成為灰度圖片,連續(xù)的多張灰度圖片就構(gòu)成了某個海域海洋表面溫度的變化視圖.在此基礎(chǔ)上,利用CNN 網(wǎng)絡(luò)進(jìn)行空間特征的初步提取與融合,并將最新的PredRNN++網(wǎng)絡(luò)引入到海表溫時序預(yù)測中,充分利用PredRNN++網(wǎng)絡(luò)所具有的更強空間依賴特征捕獲能力和自適應(yīng)長短期特征提取能力,從而實現(xiàn)高精度海表溫的預(yù)測.PredRNN++模型由獨特的Casual LSTM (時空記憶單元的級聯(lián)操作)結(jié)構(gòu)和GHU(梯度高速公路單元)構(gòu)成,具有對時空序列預(yù)測問題的強大預(yù)測能力,同時也解決了PredRNN[15]網(wǎng)絡(luò)梯度消失問題,在視頻預(yù)測領(lǐng)域有著很好的表現(xiàn).Casual LSTM 是3 層級聯(lián)結(jié)構(gòu),第1 層與LSTM 結(jié)構(gòu)類似,其結(jié)構(gòu)如圖2 所示.

    圖2 Casual LSTM 結(jié)構(gòu)

    圖2 中,Wi為權(quán)重矩陣,Mt、Ct表示分別代表空間狀態(tài)和時間狀態(tài),在計算過程通過設(shè)置超參數(shù),以及輸入原始數(shù)據(jù)能夠自動算出相應(yīng)的值.Xt表示第t時刻的輸入向量,其維度為8×16×16×16,Ht-1表示t-1 時刻Casual LSTM 的輸出向量,維度大小為8×64×16×16,gt、it、ft為網(wǎng)絡(luò)超參數(shù).Casual LSTM 相關(guān)狀態(tài)及參數(shù)計算見式(3)-式(8).其中,⊙代表向量相乘.σ表示Sigmoid 激活函數(shù),*代表矩陣相乘.

    PredRNN++網(wǎng)絡(luò)采用一種新的時空遞歸結(jié)構(gòu)梯度高速公路單元(gradient highway unit,GHU)來直接傳遞時間中的重要特征,從而在進(jìn)行反向傳播時能夠更好地保留長期梯度,解決梯度消失的問題.GHU 的方程式可以表示如下:

    其中,W為濾波器,S為選擇門,P為激活函數(shù),Z為GHU單元的輸出矩陣.本模型中,W取值維度為5×5,S的維度為8×64×16×16,P的維度為8×64×16×16.Z的輸出維度為8×64×16×16.

    本文采用的PredRNN++網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示,主要由3 層Casual LSTM 結(jié)構(gòu)堆疊而成,步長t為10.在1-2 層Casual LSTM 之間加入了GHU 單元,從而使得梯度在第1 層與第2 層之間高速傳播,縮短傳播距離,有效避免梯度消失.后續(xù)實驗也證明,GHU 單元在1-2 層之間的預(yù)測精度優(yōu)于在2-3 層之間.具體PredRNN++網(wǎng)絡(luò)計算機(jī)公式如下:

    圖3 PredRNN++網(wǎng)絡(luò)結(jié)構(gòu)

    X是輸入數(shù)據(jù),維度為8×16×16×16,Hi是第i張圖片輸入到PredRNN++的混合結(jié)果,維度大小為8×64×16×16,C是Casual LSTM 共同決定門,維度為8×64×16×16.

    3 性能評估

    為了驗證本文提出的方法的有效性,本文設(shè)計實驗對所提出的方法和模型的性能進(jìn)行了測試,下面就實驗數(shù)據(jù)、實驗環(huán)境及實驗結(jié)果進(jìn)行詳細(xì)說明.

    3.1 實驗數(shù)據(jù)

    本文所采用的實驗數(shù)據(jù)來自于美國聯(lián)合臺風(fēng)預(yù)警中心 (Joint Typhoon Warning Center,JTWC),其數(shù)據(jù)網(wǎng)址為https://metoc.ndbc.noaa.gov/JTWC.數(shù)據(jù)覆蓋區(qū)域為緯度0°N-60°N,經(jīng)度100°E-180°E,經(jīng)度和緯度步長均為0.5°.本文從以上數(shù)據(jù)集中提取了64×64 區(qū)域的海表溫數(shù)據(jù)作為訓(xùn)練和測試數(shù)據(jù),數(shù)據(jù)選取經(jīng)緯度范圍為24°N-56°N 和145°E-177°E.數(shù)據(jù)時間范圍從2001年1月1日0 時至2005年12月31日18 時,相鄰兩場數(shù)據(jù)間隔6 小時,總共7 304 場數(shù)據(jù).

    3.2 實驗環(huán)境

    本文實驗所采用的軟硬件環(huán)境配置如表1 所示.

    表1 實驗環(huán)境配置

    3.3 評估指標(biāo)

    本文采用均方誤差(MSE)和結(jié)構(gòu)相似性(SSIM)評估指標(biāo)來評估所提出方法的性能.假設(shè)預(yù)測值真實值y=y1,y2,···,yn,MSE的計算公式見式(16):

    MSE的范圍為[0,+∞).MSE越大,表示預(yù)測值和真實值相距越遠(yuǎn),即模型的擬合效果越差;MSE為0,則表示模型的預(yù)測結(jié)果和真實結(jié)果完全一致.

    結(jié)構(gòu)相似性SSIM是一種衡量圖片相似度的常用指標(biāo),假設(shè)x和y分別代表兩張圖片,則SSIM的計算見式(17):

    其中,μx是圖片x中所有像素點的均值,μy是圖片y中所有像素點的均值,σ2x是x中像素點的方差,σ2y是y中像素點的方差,σxy是x和y的斜方差.C1=(k1L)2,C2=(k2L)2.L是像素值的動態(tài)范圍,由于采用灰度圖像,所以L取值為255.K1=0.01,K2=0.03.SSIM指標(biāo)的范圍為[0,1].SSIM值越接近1,代表圖像失真較少,模型預(yù)測效果較好;SSIM值越接近0,代表圖像失真較多,模型預(yù)測效果較差.

    3.4 實驗參數(shù)設(shè)置

    在實驗中,各個模型采用默認(rèn)設(shè)置,具體參數(shù)設(shè)置如下: XGBoost 模型最大深度為4,學(xué)習(xí)率為0.05,迭代次數(shù)為100,葉子節(jié)點最小樣本數(shù)為2,損失函數(shù)為均方誤差,L2 則化項lambda 為1.CNN 模型的卷積核為3×3×2,步長為1,padding 為2.PredRNN++模型中,卷積核的大小為5×5,步長為1,padding 為2,進(jìn)行卷積后,添加BatchNormalization 層構(gòu)成一個Sequential 層.

    3.5 實驗結(jié)果分析

    本文分別使用前面所述的西北太平洋的7 304 條海表溫時序數(shù)據(jù)來進(jìn)行測試,前5 844 條數(shù)據(jù)作為訓(xùn)練集,后1 460 條數(shù)據(jù)作為測試集,對本文提出的XGBoost-PredRNN++區(qū)域海表溫預(yù)測方法進(jìn)行了測試,并和現(xiàn)有的PredRNN 模型和ConvLSTM 模型進(jìn)行了比較,下面將從3 個方面給出具體實驗結(jié)果.

    (1)GHU 位置影響分析

    PredRNN++模型中,GHU 單元可以放在第1 層和第2 層之間,也可以放在第2 層與第3 層之間.本文采用前述的海表溫數(shù)據(jù),進(jìn)行了實驗研究,實驗結(jié)果如表2 所示.從中可以看出,將GHU 單元放在第1 層與第2 層之間的預(yù)測精度要優(yōu)于放在第2 層和第3 層之間,這和前述的分析一致,同時也說明數(shù)據(jù)的原始特征對于預(yù)測結(jié)果十分重要,因此后續(xù)實驗中,本文將GHU單元放在了第1 層和第2 層之間.

    表2 GHU 單元位置對比

    (2)時間特征影響分析

    本文采用XGBoost 模型和CNN 模型進(jìn)行海表面溫度時間特征提取與融合處理,為了驗證其有效性,本文進(jìn)行了消融實驗研究,設(shè)計實現(xiàn)了無時間特征提取與融合的方法(PredRNN++),并和本文提出的融合時間特征的XGBoost-PredRNN++方法進(jìn)行了對比分析,結(jié)果如圖4 和圖5 所示.

    圖4 MSE 隨訓(xùn)練次數(shù)的變化情況

    圖5 SSIM 隨訓(xùn)練次數(shù)的變化情況

    圖4 是兩種預(yù)測方法在預(yù)測步長分別為6 小時、24 小時、48 小時和60 小時時,其預(yù)測均方誤差MSE隨訓(xùn)練次數(shù)的變化情況.從圖中可以看出,隨著訓(xùn)練次數(shù)的增加,兩種預(yù)測方法的MSE總體呈現(xiàn)下降趨勢.在每一種預(yù)測步長下,PredRNN++方法的MSE值波動較大,其MSE值遠(yuǎn)遠(yuǎn)高于XGBoost-PredRNN++方法,這說明XGBoost-PredRNN++方法具有很好的預(yù)測精度,這是由于該方法考慮了數(shù)據(jù)的時間特征及其空間依賴關(guān)系,因而取得較好預(yù)測結(jié)果.同時可以看出隨著預(yù)測步長的增加,兩種方法的預(yù)測誤差也在增大,這和理論預(yù)期相一致.

    圖5 為兩種方法在4 種預(yù)測步長下的SSIM值隨訓(xùn)練次數(shù)的變化情況.同樣可以看出,隨著訓(xùn)練次數(shù)的增加,兩種預(yù)測模型的SSIM值都在增大,XGBoost-PredRNN++模型的SSIM值明顯大于PredRNN++模型.同一種模型預(yù)測步長越短,其SSIM越大.以上說明XGBoost-PredRNN++模型具有較低的預(yù)測誤差和較高的SSIM值,明顯優(yōu)于原有PredRNN++模型.這說明時間特征對于海表溫的預(yù)測精度具有較大的影響,同時也說明本文提出的融合時間特征方法XGBoost-PredRNN++是有效的.

    (3)預(yù)測精度比較分析

    為了驗證XGBoost-PredRNN++方法的有效性,本文進(jìn)行實驗研究,并和當(dāng)前主流的PredRNN 預(yù)測模型和ConvLSTM 預(yù)測模型進(jìn)行了對比實驗分析.實驗使用前述的訓(xùn)練和測試數(shù)據(jù),3 種方法的輸入維度均為10×64×64,即使用過去連續(xù)60 小時(每6 小時采樣一次,共10 個時刻)的海表溫數(shù)據(jù)預(yù)測未來6 小時,24 小時,48 小時和60 小時的海表溫度,并分別觀察MSE和SSIM兩個指標(biāo)的變化情況,下面分別進(jìn)行詳細(xì)說明.

    1)3 種方法的預(yù)測誤差MSE比較.圖6 是3 種模型在不同預(yù)測步長下的預(yù)測誤差對比.從圖6 中可以看出,3 種預(yù)測方法6 小時MSE值最小,24 小時MSE次之,48 小時MSE較大,60 小時MSE最大,這和理論預(yù)測一致.在每一種預(yù)測步長下,3 種模型的MSE總體隨著訓(xùn)練次數(shù)增加而下降,但是PredRNN 和ConvLSTM模型的預(yù)測誤差不穩(wěn)定,在下降過程中波動較大,其MSE值下降到一定程度后開始慢慢增加,說明這兩種模型對于較少的訓(xùn)練數(shù)據(jù)存在過擬合情況.而本文提出的XGBoost-PredRNN++方法預(yù)測誤差隨訓(xùn)練次數(shù)增加而穩(wěn)定減少,其MSE值明顯要小于前兩種模型,即預(yù)測精度是最好的,這主要是由于本文模型采用XGBoost 提取時間周期性特征,并采用CNN 提取空間特征并進(jìn)行了融合,增加了信息含量和深度,并采用了最新PredRNN++模型避免梯度消失和過擬合問題,因而具有更強預(yù)測能力,實驗結(jié)果也有力的證明這一點.

    圖6 不同預(yù)測步長下3 種預(yù)測方法誤差比較

    2)結(jié)構(gòu)相似性指標(biāo)SSIM對比分析.圖7 是3 種方法在不同預(yù)測步長下的SSIM比較.從圖中可以看出,在不同預(yù)測步長的實驗中,3 種方法的SSIM值總體隨著訓(xùn)練次數(shù)的增加而增大.PredRNN 和ConvLSTM模型的SSIM值增加到一定程度后有所降低,這是由于訓(xùn)練次數(shù)過多導(dǎo)致模型過擬合引起的.在4 種不同預(yù)測步長的測試中,SSIM值從大到小分別為6 小時SSIM值、24 小時SSIM值、48 小時SSIM和60 小時SSIM值,這和理論預(yù)測相一致.在3 種預(yù)測模型中,本文提出的XGBoost-RredRNN++方法的SSIM值隨訓(xùn)練次數(shù)增加而穩(wěn)定增加,其SSIM值明顯要高于前兩種模型,這說明本文提出的模型具有很高的預(yù)測精度,明顯優(yōu)于PredRNN 和ConvLSTM 模型,主要原因是本文采用了XGBoost 和CNN 網(wǎng)絡(luò)融合了周期性時間特征,并用最新的PredRNN++模型,因而達(dá)到了較好的預(yù)測效果.從SSIM指標(biāo)的比較可以看出,本文提出的XGBoost-PredRNN++海表溫預(yù)測方法,具有較好的預(yù)測能力.從上述MSE和SSIM兩個指標(biāo)的比較可以看出,本文提出的XGBoost-PredRNN++方法具有很高的預(yù)測精度,在訓(xùn)練的初始階段就能達(dá)到不錯的效果,明顯優(yōu)于現(xiàn)有的ConvLSTM 和PredRNN 預(yù)測方法.

    圖7 不同預(yù)測時長3 種模型的SSIM 對比

    為了進(jìn)一步分析模型的預(yù)測效果,本文也測試了融合時間特征后的SST 數(shù)據(jù)在ConvLSTM 和PredRNN模型上的預(yù)測結(jié)果.在預(yù)測步長分別為6 小時、24 小時、48 小時和60 小時時,從實驗結(jié)果能夠看出,采用XGBoost 提取時間特征后,幾種模型的預(yù)測大明顯提高,本文提出的XGBoost-PredRNN++方法仍然是這幾種方法中精度最高的,明顯優(yōu)于其他方法.由于篇幅有限,這里僅給出預(yù)測步長為6 小時時,幾種模型的實驗結(jié)果,見表3.

    表3 幾種模型實驗結(jié)果

    4 結(jié)論

    海表面溫度是進(jìn)行海洋環(huán)境信息預(yù)測預(yù)報的重要因子,對于海上捕撈、水產(chǎn)養(yǎng)殖、海洋氣象、航海等具有重要影響,因此準(zhǔn)確預(yù)測海表面溫度對于海洋產(chǎn)業(yè)和相關(guān)科學(xué)研究具有非常重要的意義.本文結(jié)合先進(jìn)的深度學(xué)習(xí)技術(shù),提出了一種基于XGBoost 結(jié)合PredRNN++的區(qū)域海表溫預(yù)測方法.該方法首先將某個區(qū)域的海表面溫度處理成灰度圖片,然后利用XGBoost 模型提取季節(jié)周期性特征,并采用CNN 模型進(jìn)行特征融合,在此基礎(chǔ)上采用最新的PredRNN++時序數(shù)據(jù)預(yù)測網(wǎng)絡(luò),實現(xiàn)了區(qū)域海表溫度的預(yù)測.一系列真實數(shù)據(jù)上的實驗結(jié)果表明,本文提出的基于XGBoost-PredRNN++的海表溫預(yù)測方法,明顯優(yōu)于現(xiàn)有的ConvLSTM 和PredRNN 模型,取得了較好的預(yù)測精度.后續(xù)將擴(kuò)大模型的應(yīng)用范圍,進(jìn)一步優(yōu)化模型的結(jié)構(gòu),進(jìn)一步提升模型的預(yù)測精度和效率.

    猜你喜歡
    特征實驗方法
    記一次有趣的實驗
    如何表達(dá)“特征”
    做個怪怪長實驗
    不忠誠的四個特征
    抓住特征巧觀察
    可能是方法不對
    NO與NO2相互轉(zhuǎn)化實驗的改進(jìn)
    實踐十號上的19項實驗
    太空探索(2016年5期)2016-07-12 15:17:55
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    美女视频免费永久观看网站| 欧美日韩一级在线毛片| 夫妻午夜视频| 国产精品99久久99久久久不卡| 黑人巨大精品欧美一区二区蜜桃| 黄色视频不卡| 欧美亚洲 丝袜 人妻 在线| 爱豆传媒免费全集在线观看| 女人爽到高潮嗷嗷叫在线视频| 国产精品一二三区在线看| 国产亚洲精品第一综合不卡| 国产在线免费精品| 久久久国产成人免费| 免费av中文字幕在线| 亚洲专区字幕在线| 女人高潮潮喷娇喘18禁视频| 老汉色av国产亚洲站长工具| 美女大奶头黄色视频| 日韩大片免费观看网站| 中文字幕精品免费在线观看视频| 精品亚洲成国产av| 人人妻人人澡人人爽人人夜夜| 香蕉国产在线看| www.精华液| 亚洲欧美清纯卡通| 丝袜喷水一区| 亚洲国产精品一区二区三区在线| 精品久久蜜臀av无| 一区二区三区乱码不卡18| 欧美精品啪啪一区二区三区 | 日韩中文字幕视频在线看片| 法律面前人人平等表现在哪些方面 | 免费在线观看黄色视频的| 老司机午夜福利在线观看视频 | 国产精品一区二区在线不卡| 韩国高清视频一区二区三区| 91精品三级在线观看| 免费人妻精品一区二区三区视频| 久久人人爽av亚洲精品天堂| 少妇粗大呻吟视频| 久久久国产精品麻豆| 久久精品久久久久久噜噜老黄| 一区二区三区四区激情视频| 亚洲av成人不卡在线观看播放网 | 国产精品熟女久久久久浪| 免费黄频网站在线观看国产| 亚洲欧美一区二区三区黑人| 久久久久国产一级毛片高清牌| 午夜91福利影院| 韩国精品一区二区三区| 亚洲九九香蕉| 国产男人的电影天堂91| 国产精品一区二区精品视频观看| 一本一本久久a久久精品综合妖精| 汤姆久久久久久久影院中文字幕| 久久热在线av| 男人舔女人的私密视频| 一级黄色大片毛片| 十八禁人妻一区二区| 69av精品久久久久久 | 欧美日本中文国产一区发布| 视频在线观看一区二区三区| 午夜免费鲁丝| 自线自在国产av| 美女高潮到喷水免费观看| 麻豆国产av国片精品| 脱女人内裤的视频| 国产精品影院久久| 国产精品av久久久久免费| 极品人妻少妇av视频| 国产成人精品久久二区二区免费| 好男人电影高清在线观看| 日韩熟女老妇一区二区性免费视频| 日韩有码中文字幕| 欧美 亚洲 国产 日韩一| 日本91视频免费播放| 香蕉丝袜av| 国产精品亚洲av一区麻豆| 无限看片的www在线观看| 亚洲国产毛片av蜜桃av| 中亚洲国语对白在线视频| 欧美中文综合在线视频| 国产精品免费视频内射| 久久久水蜜桃国产精品网| 别揉我奶头~嗯~啊~动态视频 | 成在线人永久免费视频| 精品人妻一区二区三区麻豆| 欧美日韩亚洲综合一区二区三区_| 日本撒尿小便嘘嘘汇集6| 王馨瑶露胸无遮挡在线观看| 久久精品熟女亚洲av麻豆精品| 肉色欧美久久久久久久蜜桃| 天天操日日干夜夜撸| 色婷婷久久久亚洲欧美| 亚洲精品在线美女| 国产精品久久久av美女十八| www.999成人在线观看| 男女下面插进去视频免费观看| 亚洲熟女精品中文字幕| 午夜激情久久久久久久| 亚洲av成人一区二区三| 亚洲精品在线美女| 免费日韩欧美在线观看| 亚洲午夜精品一区,二区,三区| 老司机在亚洲福利影院| 超碰97精品在线观看| 久久久国产欧美日韩av| h视频一区二区三区| 老汉色av国产亚洲站长工具| 人人妻人人澡人人爽人人夜夜| 日韩欧美免费精品| 黄片大片在线免费观看| 精品久久蜜臀av无| 91精品伊人久久大香线蕉| 亚洲 国产 在线| 人人妻人人澡人人爽人人夜夜| 免费不卡黄色视频| 一二三四在线观看免费中文在| 亚洲成人国产一区在线观看| 国产av又大| 啦啦啦在线免费观看视频4| 亚洲 国产 在线| 日韩欧美免费精品| 欧美国产精品一级二级三级| 中文字幕制服av| 国产一区二区三区在线臀色熟女 | 伊人久久大香线蕉亚洲五| 亚洲九九香蕉| 丰满迷人的少妇在线观看| 久久久久久人人人人人| 最近中文字幕2019免费版| 成年女人毛片免费观看观看9 | 丰满人妻熟妇乱又伦精品不卡| 午夜两性在线视频| 成人亚洲精品一区在线观看| 亚洲欧洲日产国产| 亚洲精品国产av蜜桃| 99精国产麻豆久久婷婷| 色综合欧美亚洲国产小说| 亚洲欧美精品综合一区二区三区| 一二三四社区在线视频社区8| 国产极品粉嫩免费观看在线| 老司机在亚洲福利影院| 欧美日韩中文字幕国产精品一区二区三区 | 免费人妻精品一区二区三区视频| av电影中文网址| 国产主播在线观看一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| www日本在线高清视频| 少妇被粗大的猛进出69影院| 国产成人一区二区三区免费视频网站| 国产精品1区2区在线观看. | 免费在线观看影片大全网站| 91精品三级在线观看| 一区二区三区乱码不卡18| 两性午夜刺激爽爽歪歪视频在线观看 | 在线观看一区二区三区激情| 另类亚洲欧美激情| 亚洲久久久国产精品| 久久人妻熟女aⅴ| 最新的欧美精品一区二区| 夜夜夜夜夜久久久久| 欧美少妇被猛烈插入视频| av不卡在线播放| 亚洲 国产 在线| 亚洲国产精品999| 亚洲精品中文字幕一二三四区 | 伦理电影免费视频| av线在线观看网站| 国产精品久久久久久人妻精品电影 | 亚洲色图综合在线观看| 国产淫语在线视频| 亚洲欧美成人综合另类久久久| 超碰成人久久| 国产一区二区激情短视频 | 亚洲,欧美精品.| 视频区图区小说| 在线十欧美十亚洲十日本专区| 国产欧美日韩一区二区三 | 亚洲中文字幕日韩| 狠狠狠狠99中文字幕| 亚洲国产精品一区三区| 免费少妇av软件| 亚洲美女黄色视频免费看| 99九九在线精品视频| 国产精品香港三级国产av潘金莲| 波多野结衣一区麻豆| 无限看片的www在线观看| 91麻豆精品激情在线观看国产 | 青春草视频在线免费观看| 日本av免费视频播放| 人妻人人澡人人爽人人| 91麻豆精品激情在线观看国产 | 精品人妻在线不人妻| 热re99久久精品国产66热6| 欧美日本中文国产一区发布| √禁漫天堂资源中文www| 纯流量卡能插随身wifi吗| 男女免费视频国产| 91精品国产国语对白视频| avwww免费| 亚洲人成电影免费在线| 国产日韩欧美视频二区| 精品免费久久久久久久清纯 | 国产亚洲欧美精品永久| 伊人久久大香线蕉亚洲五| 欧美精品人与动牲交sv欧美| netflix在线观看网站| 精品人妻在线不人妻| 黄色片一级片一级黄色片| 精品福利观看| 老司机影院毛片| 国产人伦9x9x在线观看| videos熟女内射| 超色免费av| 亚洲中文日韩欧美视频| 久久中文看片网| 日韩一卡2卡3卡4卡2021年| 久久久久网色| 亚洲中文av在线| 国产男女内射视频| 精品人妻一区二区三区麻豆| 99香蕉大伊视频| 老司机影院成人| 国产欧美日韩精品亚洲av| 91麻豆av在线| 999久久久国产精品视频| 老鸭窝网址在线观看| 啦啦啦视频在线资源免费观看| 在线观看免费视频网站a站| 操出白浆在线播放| 97人妻天天添夜夜摸| 国产精品.久久久| 久久久精品94久久精品| 国产成人系列免费观看| 三级毛片av免费| 一级黄色大片毛片| 高清黄色对白视频在线免费看| 中文字幕av电影在线播放| 久久亚洲精品不卡| av又黄又爽大尺度在线免费看| 一边摸一边做爽爽视频免费| av网站免费在线观看视频| 99国产精品99久久久久| 18禁国产床啪视频网站| 久久久国产一区二区| 狠狠精品人妻久久久久久综合| 人成视频在线观看免费观看| 美国免费a级毛片| 欧美黑人欧美精品刺激| 亚洲欧洲精品一区二区精品久久久| 国产亚洲精品第一综合不卡| 99久久国产精品久久久| 亚洲中文字幕日韩| 男女边摸边吃奶| 日韩免费高清中文字幕av| 国产精品二区激情视频| 国产高清国产精品国产三级| 无遮挡黄片免费观看| 亚洲天堂av无毛| 我要看黄色一级片免费的| 日韩,欧美,国产一区二区三区| 国产男女内射视频| 欧美在线黄色| 久久久久视频综合| 亚洲少妇的诱惑av| 美女主播在线视频| 国产精品国产三级国产专区5o| 天堂中文最新版在线下载| 日日爽夜夜爽网站| 欧美午夜高清在线| 欧美中文综合在线视频| 青春草视频在线免费观看| 亚洲国产av新网站| 动漫黄色视频在线观看| 午夜福利在线观看吧| 高清欧美精品videossex| 久久久水蜜桃国产精品网| 国产片内射在线| av在线老鸭窝| 最新在线观看一区二区三区| 亚洲国产成人一精品久久久| 亚洲av国产av综合av卡| 欧美精品亚洲一区二区| 男女下面插进去视频免费观看| 99九九在线精品视频| 国产在线视频一区二区| 91老司机精品| 精品乱码久久久久久99久播| 国产高清videossex| 国产在线观看jvid| 国产成人欧美在线观看 | 亚洲欧美激情在线| 免费看十八禁软件| 97精品久久久久久久久久精品| 免费观看av网站的网址| 国产成人免费无遮挡视频| 1024香蕉在线观看| av一本久久久久| 97在线人人人人妻| av超薄肉色丝袜交足视频| 欧美大码av| 精品国产超薄肉色丝袜足j| 国产在线视频一区二区| e午夜精品久久久久久久| 国产成人免费无遮挡视频| 女人被躁到高潮嗷嗷叫费观| 最近中文字幕2019免费版| 精品国产乱码久久久久久小说| 精品国产国语对白av| 国产xxxxx性猛交| 免费观看人在逋| av又黄又爽大尺度在线免费看| 老司机在亚洲福利影院| 国产av一区二区精品久久| 大香蕉久久成人网| 精品少妇久久久久久888优播| 久久久久久久大尺度免费视频| 久久久国产精品麻豆| 亚洲精品乱久久久久久| 不卡av一区二区三区| 久久亚洲国产成人精品v| 成人黄色视频免费在线看| 91精品国产国语对白视频| 国产在线一区二区三区精| 波多野结衣一区麻豆| 男女床上黄色一级片免费看| 我的亚洲天堂| 精品人妻熟女毛片av久久网站| 国产精品一区二区在线不卡| 欧美激情 高清一区二区三区| svipshipincom国产片| 欧美在线黄色| 亚洲精品国产一区二区精华液| 精品亚洲成国产av| 亚洲成国产人片在线观看| 精品亚洲乱码少妇综合久久| 极品人妻少妇av视频| 狠狠精品人妻久久久久久综合| 亚洲天堂av无毛| 国产亚洲一区二区精品| 青草久久国产| 妹子高潮喷水视频| 麻豆国产av国片精品| 在线观看www视频免费| 亚洲精品一二三| 熟女少妇亚洲综合色aaa.| 搡老岳熟女国产| 亚洲成国产人片在线观看| 涩涩av久久男人的天堂| 国产成人欧美在线观看 | 亚洲欧美激情在线| 久久九九热精品免费| 天堂俺去俺来也www色官网| 又大又爽又粗| 中国美女看黄片| 777久久人妻少妇嫩草av网站| 久久精品国产亚洲av高清一级| 美国免费a级毛片| 亚洲人成77777在线视频| 精品高清国产在线一区| 国产精品一区二区在线观看99| 91精品国产国语对白视频| 国产在线免费精品| 99久久综合免费| 国产精品.久久久| 真人做人爱边吃奶动态| 黄色视频,在线免费观看| 精品国产国语对白av| 国产男女超爽视频在线观看| 又黄又粗又硬又大视频| 久久99一区二区三区| 岛国在线观看网站| 国产精品久久久久久人妻精品电影 | 一级黄色大片毛片| 在线观看免费日韩欧美大片| 黄色 视频免费看| 亚洲一卡2卡3卡4卡5卡精品中文| 好男人电影高清在线观看| 视频区图区小说| 日韩欧美国产一区二区入口| 十分钟在线观看高清视频www| 国产亚洲av片在线观看秒播厂| 日本撒尿小便嘘嘘汇集6| 精品人妻一区二区三区麻豆| 久久久久国产一级毛片高清牌| 国产又爽黄色视频| 2018国产大陆天天弄谢| 日韩欧美一区视频在线观看| 国产精品一区二区在线不卡| 十八禁网站网址无遮挡| 美女福利国产在线| 美女脱内裤让男人舔精品视频| 日韩免费高清中文字幕av| 国产亚洲精品久久久久5区| av不卡在线播放| 最近最新中文字幕大全免费视频| 久久久久国产精品人妻一区二区| 两性夫妻黄色片| 老司机靠b影院| 99香蕉大伊视频| 好男人电影高清在线观看| 精品一区二区三区四区五区乱码| 国产成人系列免费观看| 午夜久久久在线观看| 日韩欧美一区二区三区在线观看 | 麻豆av在线久日| 亚洲五月色婷婷综合| 一区二区三区精品91| 999久久久精品免费观看国产| 麻豆国产av国片精品| 天天躁夜夜躁狠狠躁躁| 两人在一起打扑克的视频| 在线观看一区二区三区激情| 黑人猛操日本美女一级片| 蜜桃在线观看..| 精品一区二区三区av网在线观看 | 成年美女黄网站色视频大全免费| 欧美精品亚洲一区二区| 香蕉国产在线看| 久久久久久久国产电影| 国产精品亚洲av一区麻豆| 日韩视频在线欧美| 正在播放国产对白刺激| 欧美日本中文国产一区发布| 咕卡用的链子| 人成视频在线观看免费观看| 国产亚洲一区二区精品| bbb黄色大片| 亚洲少妇的诱惑av| 国产男女内射视频| 人人妻人人爽人人添夜夜欢视频| 国产1区2区3区精品| 国产av精品麻豆| 老司机影院成人| 亚洲激情五月婷婷啪啪| 色婷婷久久久亚洲欧美| 亚洲av欧美aⅴ国产| 麻豆乱淫一区二区| 国产欧美日韩综合在线一区二区| 丁香六月天网| 国产精品欧美亚洲77777| 亚洲国产精品999| 国产av国产精品国产| 成在线人永久免费视频| 欧美日韩av久久| 一区二区三区精品91| 欧美日韩亚洲高清精品| e午夜精品久久久久久久| 美女中出高潮动态图| 91大片在线观看| 老汉色av国产亚洲站长工具| 女人爽到高潮嗷嗷叫在线视频| 国产成人精品久久二区二区91| 精品少妇一区二区三区视频日本电影| 最黄视频免费看| 精品亚洲成国产av| 国产亚洲午夜精品一区二区久久| 久久av网站| 少妇猛男粗大的猛烈进出视频| 免费女性裸体啪啪无遮挡网站| 国产精品1区2区在线观看. | 国产精品九九99| 午夜福利影视在线免费观看| 久久99一区二区三区| 手机成人av网站| 超色免费av| 成年av动漫网址| 女人精品久久久久毛片| 久久精品aⅴ一区二区三区四区| 亚洲情色 制服丝袜| 十八禁网站网址无遮挡| 亚洲欧美清纯卡通| 免费看十八禁软件| 伊人久久大香线蕉亚洲五| 久久久久国产一级毛片高清牌| 久久天堂一区二区三区四区| 男男h啪啪无遮挡| 黄频高清免费视频| 精品少妇一区二区三区视频日本电影| 日本一区二区免费在线视频| 国产xxxxx性猛交| 丰满迷人的少妇在线观看| 成人免费观看视频高清| 欧美激情久久久久久爽电影 | 欧美另类一区| 久久亚洲精品不卡| 三级毛片av免费| 国产成人精品无人区| 热re99久久国产66热| 久久精品人人爽人人爽视色| 搡老熟女国产l中国老女人| 男女之事视频高清在线观看| 亚洲va日本ⅴa欧美va伊人久久 | 国产97色在线日韩免费| 少妇精品久久久久久久| 18禁裸乳无遮挡动漫免费视频| videos熟女内射| 免费不卡黄色视频| 精品人妻1区二区| 日本vs欧美在线观看视频| 嫩草影视91久久| 国产欧美日韩综合在线一区二区| 一区二区三区激情视频| 1024视频免费在线观看| 亚洲一区中文字幕在线| 精品国产乱码久久久久久男人| 久久久久久久精品精品| 欧美黑人欧美精品刺激| 亚洲国产精品一区三区| 日韩欧美一区二区三区在线观看 | 少妇精品久久久久久久| 免费不卡黄色视频| av线在线观看网站| 一区在线观看完整版| 国产精品久久久久久精品古装| 免费看十八禁软件| 亚洲五月色婷婷综合| 免费看十八禁软件| 国产精品久久久久久精品古装| 欧美黄色淫秽网站| 亚洲,欧美精品.| 搡老熟女国产l中国老女人| 亚洲精品日韩在线中文字幕| 99国产极品粉嫩在线观看| 欧美少妇被猛烈插入视频| 日韩熟女老妇一区二区性免费视频| 亚洲午夜精品一区,二区,三区| 午夜精品久久久久久毛片777| 国产一区有黄有色的免费视频| 制服人妻中文乱码| 国产精品自产拍在线观看55亚洲 | 日韩一区二区三区影片| 久久99一区二区三区| 丝袜在线中文字幕| 人妻久久中文字幕网| 日本黄色日本黄色录像| 女性被躁到高潮视频| 国产熟女午夜一区二区三区| 男女无遮挡免费网站观看| 亚洲色图综合在线观看| 啪啪无遮挡十八禁网站| 亚洲 国产 在线| 夫妻午夜视频| 一个人免费在线观看的高清视频 | 国产伦人伦偷精品视频| 丰满饥渴人妻一区二区三| 日韩大片免费观看网站| 亚洲久久久国产精品| 国产精品熟女久久久久浪| 国产欧美日韩一区二区精品| 99久久人妻综合| 男女国产视频网站| 俄罗斯特黄特色一大片| 另类精品久久| 亚洲综合色网址| 国产一区二区激情短视频 | 精品国产乱码久久久久久小说| 久久狼人影院| 少妇猛男粗大的猛烈进出视频| 亚洲国产欧美一区二区综合| 99久久人妻综合| 中国国产av一级| 肉色欧美久久久久久久蜜桃| 悠悠久久av| 国产精品免费大片| 亚洲成av片中文字幕在线观看| 色婷婷久久久亚洲欧美| 免费在线观看黄色视频的| 80岁老熟妇乱子伦牲交| 在线观看舔阴道视频| 国产色视频综合| 精品国产一区二区三区四区第35| 真人做人爱边吃奶动态| 这个男人来自地球电影免费观看| 十八禁高潮呻吟视频| 丰满迷人的少妇在线观看| 亚洲欧美一区二区三区黑人| 老熟妇仑乱视频hdxx| 欧美另类一区| 久久中文字幕一级| 老司机靠b影院| 国产亚洲欧美精品永久| 91成年电影在线观看| 麻豆乱淫一区二区| 老司机午夜福利在线观看视频 | 久久99一区二区三区| cao死你这个sao货| 91字幕亚洲| 亚洲欧洲精品一区二区精品久久久| 国产有黄有色有爽视频| 秋霞在线观看毛片| 少妇的丰满在线观看| 黄色视频不卡| 秋霞在线观看毛片| 国产成人av教育| 黄片小视频在线播放| 五月天丁香电影| 一进一出抽搐动态| 亚洲精品一二三| 老司机影院成人| 亚洲国产av新网站| 亚洲成av片中文字幕在线观看| 9热在线视频观看99| 99热网站在线观看| 捣出白浆h1v1| 一级a爱视频在线免费观看| 日本撒尿小便嘘嘘汇集6| 欧美午夜高清在线| 夜夜骑夜夜射夜夜干| 久久九九热精品免费| 日韩精品免费视频一区二区三区| 久久精品国产综合久久久| 国产色视频综合| 久久精品aⅴ一区二区三区四区|