• <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 ?

    地鐵車站PM2.5 濃度自注意力混合預(yù)測(cè)方法研究

    2024-02-04 03:19:58陳定宇高國飛
    現(xiàn)代交通與冶金材料 2024年1期
    關(guān)鍵詞:修正注意力污染物

    陳定宇,高國飛,袁 泉

    (1.北京城建設(shè)計(jì)發(fā)展集團(tuán)股份有限公司,北京,100037;2.廣州地鐵設(shè)計(jì)研究院有限公司,廣東 廣州 510010)

    引言

    空氣和人類的生活息息相關(guān)。隨著工業(yè)化和城市化的不斷發(fā)展,其過程中排放的空氣污染物包括顆粒物、二氧化硫、氮氧化物等,這些物質(zhì)可引發(fā)呼吸系統(tǒng)疾病。長(zhǎng)期暴露于污染空氣中,人們?nèi)菀谆忌虾粑兰膊?,如慢性支氣管炎、哮喘等?]。

    作為發(fā)展中國家,我國當(dāng)前空氣污染較嚴(yán)重。我國正在經(jīng)歷由傳統(tǒng)產(chǎn)業(yè)向新型產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)化。在這個(gè)過程中,對(duì)空氣污染的控制和治理十分重要。

    對(duì)PM2.5 濃度進(jìn)行預(yù)測(cè),考慮其對(duì)我國地鐵車站的影響是一項(xiàng)重要的環(huán)境管理工作。首先,PM2.5 是細(xì)小顆粒物,可以進(jìn)入呼吸道并深入肺部,對(duì)人體健康造成潛在威脅。通過預(yù)測(cè)PM2.5濃度,車站管理者可以提前警示旅客,尤其是老年人、兒童和患有呼吸系統(tǒng)疾病的人,采取措施來降低暴露風(fēng)險(xiǎn)。其次,高濃度的PM2.5 可能影響交通運(yùn)營的正常進(jìn)行。對(duì)PM2.5 濃度的預(yù)測(cè)可以幫助交通管理者調(diào)整列車時(shí)刻和提前發(fā)布警報(bào)信息,以減緩交通系統(tǒng)的運(yùn)營受到的影響。然而,由于PM2.5 的不規(guī)則特性和復(fù)雜的影響因素,難以實(shí)現(xiàn)PM2.5 濃度的精確預(yù)測(cè)。近年來,研究人員已經(jīng)提出了一系列PM2.5濃度預(yù)測(cè)模型。

    長(zhǎng)期以來對(duì)空氣污染物濃度的預(yù)測(cè),相關(guān)研究主要在于提高模型預(yù)測(cè)的精確性和穩(wěn)定性,隨著人工智能的發(fā)展,出現(xiàn)了許多預(yù)測(cè)空氣污染物濃度的模型[2]。這些模型可以分為三類:化學(xué)模型、統(tǒng)計(jì)模型、人工智能模型。化學(xué)模型包括CAMx[3]、CMAQ模型[4]和LOTOS-EUROS[5]等。這些方法能夠考慮許多化學(xué)動(dòng)力學(xué)條件、反應(yīng)指數(shù)和化學(xué)產(chǎn)物,實(shí)現(xiàn)污染物預(yù)測(cè)??諝馕廴绢A(yù)測(cè)的傳統(tǒng)統(tǒng)計(jì)模型包括自回歸綜合移動(dòng)平均(ARIMA)[6]、灰色模型(GM)[7]、逐步回歸[8]、主成分回歸(PCR)[9]、多元線性回歸(MLR)[10]和其他回歸模型,例如孟凡強(qiáng)等[11]用ARIMA 對(duì)我國五個(gè)城市的空氣污染物指數(shù)進(jìn)行預(yù)測(cè),李穎若等[12]用MLR 實(shí)現(xiàn)對(duì)北京空氣質(zhì)量的評(píng)估。

    基于人工智能的預(yù)測(cè)模型中包括單一的預(yù)測(cè)模型和混合預(yù)測(cè)模型,單一預(yù)測(cè)模型包括深度信念網(wǎng)絡(luò)(DBN)[13]、卷積神經(jīng)網(wǎng)絡(luò)(CNN)[14]和長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)[15]等模型,例如王洪彬等[16]將CNN 用于空氣中苯濃度的預(yù)測(cè)。

    考慮到單一模型預(yù)測(cè)的局限性,混合模型在空氣質(zhì)量預(yù)測(cè)中變得越來越重要?;旌夏P椭饕ㄒ韵聝煞N類型:一是簡(jiǎn)單混合模型,即將兩個(gè)或者多個(gè)模型堆疊在一起進(jìn)行預(yù)測(cè),省略了數(shù)據(jù)前處理和優(yōu)化,例如楊雨佳等[17]采用CNN-GRU 模型對(duì)臭氧濃度進(jìn)行預(yù)測(cè),劉媛媛等[18]采用了CNN-LSTM 對(duì)空氣質(zhì)量指數(shù)進(jìn)行預(yù)測(cè)。二類是智能混合模型,此類模型結(jié)合了數(shù)據(jù)處理和優(yōu)化算法,例如王菲等[19]使用ELM 和灰狼優(yōu)化算法結(jié)合,實(shí)現(xiàn)了對(duì)空氣質(zhì)量的預(yù)測(cè),劉炳春等[20]采用Wavelet-LSTM 模型對(duì)北京空氣污染進(jìn)行預(yù)測(cè)。目前PM2.5 濃度的預(yù)測(cè)的相關(guān)文獻(xiàn)存在以下不足:第一,PM2.5 濃度時(shí)間序列通常包含長(zhǎng)期依賴關(guān)系,其中當(dāng)前時(shí)刻的濃度受前幾個(gè)時(shí)刻的濃度和外部因素的影響,相關(guān)文獻(xiàn)的模型可能會(huì)受到滯后特征的限制[21];第二,PM2.5 時(shí)間序列數(shù)據(jù)存在固有的隨機(jī)性,難以預(yù)測(cè),在模型預(yù)測(cè)完后仍會(huì)出現(xiàn)較大誤差。

    為了克服以上不足,本文提出了一種基于智能混合預(yù)測(cè)方法的集成和預(yù)測(cè)誤差校正模型,旨在提高模型預(yù)測(cè)的精確性和穩(wěn)定性,本文的主要工作如下:

    (1)自注意力機(jī)制可以有效地捕捉時(shí)間序列的長(zhǎng)期依賴關(guān)系,可以有效改善時(shí)間序列的滯后性。因此首先采用自注意力機(jī)制對(duì)時(shí)間序列中的關(guān)鍵信息進(jìn)行捕捉,再用GRU 進(jìn)行預(yù)測(cè) 。

    (2)采用誤差修正可以幫助提高預(yù)測(cè)的準(zhǔn)確性,通過對(duì)預(yù)測(cè)結(jié)果進(jìn)行修正,可以減少誤差,使模型更加可靠。因此本文設(shè)計(jì)了DBN 模型用來校正帶自注意力機(jī)制的GRU 的誤差,并且將誤差預(yù)測(cè)結(jié)果和原預(yù)測(cè)結(jié)果相加得到最終預(yù)測(cè)結(jié)果,實(shí)驗(yàn)結(jié)果表明,基于自注意力機(jī)制的GRU-DBN 誤差修正模型提高了模型預(yù)測(cè)的穩(wěn)定性和精度。

    1 模型及方法介紹

    1.1 本文模型結(jié)構(gòu)

    模型結(jié)構(gòu)框圖如圖1 所示。

    圖1 模型框圖Fig.1 Block diagram of the model

    圖2 GRU 網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Network structure of GRU

    圖3 DBN 網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Network structure of DBN

    1.2 自注意力機(jī)制

    注意力機(jī)制(Self-attention)可以通過計(jì)算注意力權(quán)重然后給輸出向量動(dòng)態(tài)生成權(quán)重,具體描述為將詢問向量Q(query)、鍵值向量K(Key)和值向量V(value)映射到輸出向量過程,輸出向量是由Q和K計(jì)算過程產(chǎn)生的權(quán)重分配到值上產(chǎn)生的加權(quán)和。自注意力機(jī)制的點(diǎn)積模型公式如下:

    由于模型在對(duì)當(dāng)前信息進(jìn)行編碼時(shí),會(huì)過度地將注意力集中于自身的位置,因此需要多頭注意力機(jī)制解決這一問題,具體公式如下:

    1.3 GRU

    門控循環(huán)單元(Gate Recurrent Unit,GRU)[21]是RNN 的變種,解決了LSTM 不能長(zhǎng)期記憶和反向傳播中的梯度問題。GRU 比LSTM 的結(jié)構(gòu)簡(jiǎn)單,GRU 包含兩個(gè)門分別是更新門和重置門。

    GRU 結(jié)構(gòu)圖如2 所示。

    1.4 DBN

    深度置信網(wǎng)絡(luò)(Deep Belief Network,DBN)深度信念網(wǎng)絡(luò)是一個(gè)概率生成模型,與傳統(tǒng)的判別模型的神經(jīng)網(wǎng)絡(luò)相比,DBN 能夠建立一個(gè)觀察數(shù)據(jù)和標(biāo)簽之間的聯(lián)合分布,擁有強(qiáng)大的無監(jiān)督特征提取能力,DBN 由多個(gè)受限玻爾茲曼機(jī)(Restricted Boltzmann Machine,RBM)構(gòu)成,最后一層為傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)。與傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)相比,DBN 學(xué)習(xí)速度更快,對(duì)數(shù)據(jù)的輸入要求更低,精確性和穩(wěn)定性更高。

    DBN 網(wǎng)絡(luò)結(jié)構(gòu)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不同前面幾層由RBM 構(gòu)成,層內(nèi)神經(jīng)元無連接關(guān)系,結(jié)構(gòu)圖如3所示。

    DBN 理論推導(dǎo):

    (1)輸入層中,輸入污染物數(shù)據(jù)至觀察層v1,計(jì)算觀察層神經(jīng)元激活概率P(hj=1|v),從計(jì)算概率分布中利用 Gibbs 抽樣法抽取樣本hj~P(hj=1|v)。

    (2)用隱藏層h1重新構(gòu)建觀察層并反推。計(jì)算隱藏層神經(jīng)元激活概率P(vi=1|h),從計(jì)算概率分布中利用 Gibbs 抽樣法抽取樣本vi~P(vi=1|h)由v2再次計(jì)算隱藏層神經(jīng)元激活概率并更新權(quán)重,并重復(fù)多次訓(xùn)練。

    (3)利用 BP 算法用來進(jìn)行有監(jiān)督反向微調(diào),目標(biāo)函數(shù)為最小化重構(gòu)輸入與最初輸入的均方誤差:

    式中n為樣本個(gè)數(shù),Yi為真實(shí)標(biāo)準(zhǔn)結(jié)果,為DBN 網(wǎng)絡(luò)實(shí)際輸出結(jié)果。

    1.5 評(píng)價(jià)指標(biāo)

    論文使用統(tǒng)計(jì)學(xué)中常用的三個(gè)誤差評(píng)估指標(biāo)來定量評(píng)估模型的預(yù)測(cè)精度,即平均絕對(duì)誤差(MAE)、RMSE 和平均絕對(duì)百分比誤差(MAPE)。這三個(gè)評(píng)估指標(biāo)如表1 所示。

    表1 評(píng)價(jià)指標(biāo)表Tab.1 Table of evaluation indicators

    2 實(shí)驗(yàn)步驟

    因?yàn)镻M2.5 時(shí)間序列受到多個(gè)因素的綜合影響,包括但不限于溫度、氣壓和風(fēng)速等,僅僅依賴于復(fù)雜參數(shù)的單一預(yù)測(cè)模型很難有效擬合其變化趨勢(shì),導(dǎo)致預(yù)測(cè)精度不容易達(dá)到要求。因此,本文采用混合預(yù)測(cè)模型的方法,以更全面、綜合的方式對(duì)序列進(jìn)行預(yù)測(cè)。通過考慮多個(gè)影響因素的綜合作用,本文混合模型有望提高預(yù)測(cè)的精確性,更好地捕捉PM2.5 濃度變化的復(fù)雜模式,滿足更高的預(yù)測(cè)精度要求。該模型主要包括數(shù)據(jù)預(yù)處理,預(yù)測(cè)模型和模型評(píng)價(jià):

    步驟一:數(shù)據(jù)預(yù)處理,通過隨機(jī)森林算法填補(bǔ)缺失值,用四組數(shù)據(jù)集分別來驗(yàn)證本文模型的性能,將數(shù)據(jù)集以8:2 的比例劃分訓(xùn)練集{y1,y2,…,yt}和測(cè)試集{yt+1,yt+2,…,yt+n}。

    步驟二:首先采用自注意力機(jī)制來捕捉合時(shí)間序列的關(guān)鍵信息。

    步驟三:獲得關(guān)鍵信息后,用GRU 對(duì)污染物時(shí)間序列進(jìn)行預(yù)測(cè)。

    步驟四:綜合上述預(yù)測(cè)結(jié)果和原始序列得到殘差e=y-,最后將殘差用DBN 得到預(yù)測(cè)后的殘差e',進(jìn)行誤差修正后形成最終的預(yù)測(cè)序列y*=+e',預(yù)測(cè)精度更高。

    步驟五:用評(píng)價(jià)函數(shù)對(duì)模型進(jìn)行評(píng)價(jià),并且和現(xiàn)有的模型進(jìn)行比較。

    3 實(shí)驗(yàn)及模型評(píng)價(jià)

    3.1 數(shù)據(jù)描述

    本文以我國的四個(gè)交通樞紐(北京、天津、上海、廣州)的污染物數(shù)據(jù)集作為研究對(duì)象。近年來我國交通樞紐的發(fā)展越來越快,研究其空氣污染物預(yù)測(cè)模型對(duì)污染防治有著重大的意義。此次實(shí)驗(yàn)的數(shù)據(jù)來源于2022 年1 月 1 日~12 月 31 日24 小時(shí)PM2.5 數(shù)據(jù),該P(yáng)M2.5 數(shù)據(jù)均來自國家城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)https://air.cnemccn:18007/中國環(huán)境監(jiān)測(cè)中心。本文將數(shù)據(jù)分為四組來評(píng)價(jià)本文模型的性能,數(shù)據(jù)集均為8700 h(日期為2022.01.01~2022.12.31)的PM2.5 污染物數(shù)據(jù),其中北京的污染物數(shù)據(jù)集為數(shù)據(jù)集1,天津的污染物數(shù)據(jù)集為數(shù)據(jù)集2,上海的污染物數(shù)據(jù)集為數(shù)據(jù)集3,廣州的污染物數(shù)據(jù)集為數(shù)據(jù)集4。每一組按照8∶2 比例劃分訓(xùn)練集與測(cè)試集,所有實(shí)驗(yàn)在Windows10 上的Python(3.9)四組數(shù)據(jù)集如圖4 所示。

    圖4 四組原始數(shù)據(jù)圖Fig.4 Plot of four sets of raw data

    從圖4 可以明顯觀察到PM2.5 濃度在特定時(shí)間段內(nèi)變化較為顯著,尤其是出現(xiàn)了較大的波動(dòng)。這種復(fù)雜的時(shí)序變化使得單一模型的預(yù)測(cè)難以準(zhǔn)確捕捉其真實(shí)趨勢(shì),導(dǎo)致預(yù)測(cè)的不精確性。因此,為了更有效地應(yīng)對(duì)這種時(shí)序數(shù)據(jù)的多變性,需要采用混合模型來進(jìn)行預(yù)測(cè)。

    3.2 帶自注意力機(jī)制的GRU 預(yù)測(cè)

    在本節(jié)中研究了帶自注意力機(jī)制的GRU 對(duì)PM2.5 濃度預(yù)測(cè)的影響,比較了帶或不帶自注意力機(jī)制的預(yù)測(cè)效果,四組數(shù)據(jù)集預(yù)測(cè)的平均MAE,RMSE、和MAPE 如圖5 所示。

    圖5 有無注意力機(jī)制的預(yù)測(cè)效果比較Fig.5 Comparison of prediction effects with and without self-attention mechanism

    由圖5 可知,由于自注意力機(jī)制能夠允許模型在處理序列數(shù)據(jù)時(shí)更靈活地關(guān)注不同位置的信息,而不受固定窗口大小的限制,這使得GRU 能夠更好地捕捉序列中的長(zhǎng)距離依賴關(guān)系,提高了GRU 時(shí)間序列預(yù)測(cè)的能力。

    3.3 DBN 誤差修正

    在本節(jié)中,研究了DBN 誤差修正對(duì)PM2.5 小時(shí)濃度預(yù)測(cè)的影響,誤差預(yù)測(cè)結(jié)果如圖6 所示。然后比較了四組數(shù)據(jù),帶或不帶DBN 誤差修正的模型之間取四組數(shù)據(jù)的MAE 比較如圖6 所示,四組數(shù)據(jù)使用DBN 誤差修正的改善百分比如表2 所示。從圖6和表2 可以看出,在選定的四組數(shù)據(jù)集中,DBN 誤差修正的使用可以提高整個(gè)模型的PM2.5 預(yù)測(cè)精度。

    表2 使用誤差修正的精度提升百分比Tab.2 Percentage improvement in accuracy using error correction

    圖6 有無誤差修正MAE 比較圖Fig.6 Comparison of MAE with and without error correction

    由圖6 可知,帶有誤差修正的模型比沒帶有誤差修正的模型的預(yù)測(cè)精度高很多,說明用DBN 對(duì)模型預(yù)測(cè)結(jié)果進(jìn)行誤差修正是十分重要的。

    由表2 可知,由于DBN 能夠通過層級(jí)學(xué)習(xí)和特征提取,對(duì)輸入數(shù)據(jù)進(jìn)行有效地表征,這使得DBN在誤差修正中具有優(yōu)勢(shì),所以使用DBN 誤差修正對(duì)前面的模型進(jìn)度提升顯著。使用DBN 誤差修正后MAE 最高提升都達(dá)到了68%,RMSE 的最高提升達(dá)到了71%,MAPE 的最高提升達(dá)到了62%以上。

    3.4 模型比較及誤差分析

    為了證明本文的預(yù)測(cè)方法的優(yōu)勢(shì),將現(xiàn)有的五個(gè)空氣污染預(yù)測(cè)模型與所提出的模型進(jìn)行了比較。它們是DBN,GRU,Attention-GRU,極限學(xué)習(xí)機(jī)(ELM),回聲狀態(tài)網(wǎng)絡(luò)(ESN)。為了更直觀地顯示本文的使用對(duì)預(yù)測(cè)結(jié)果的影響,圖7~10 是選取平均精度最高的四個(gè)模型預(yù)測(cè)結(jié)果的散點(diǎn)圖,當(dāng)散射點(diǎn)的分布更集中于y=x線時(shí),表明相應(yīng)模型的預(yù)測(cè)結(jié)果更準(zhǔn)確、更穩(wěn)定。

    圖7 數(shù)據(jù)集1 的散點(diǎn)圖Fig.7 Scatterplot of dataset 1

    圖8 數(shù)據(jù)集2 的散點(diǎn)圖Fig.8 Scatterplot of dataset 2

    圖9 數(shù)據(jù)集3 的散點(diǎn)圖Fig.9 Scatterplot of dataset 3

    圖10 數(shù)據(jù)集4 的散點(diǎn)圖Fig.10 Scatterplot of dataset 4

    由圖中可以直觀地看出本文模型圖像的散射點(diǎn)比其他模型的散射點(diǎn)更集中于y=x線,帶自注意力機(jī)制和DBN 的誤差修正的模型對(duì)預(yù)測(cè)的精度有很大的提升,即本文提出的模型比現(xiàn)有的參照模型具有更好的預(yù)測(cè)效果。

    本節(jié)還列出了各模型預(yù)測(cè)評(píng)價(jià)指標(biāo)比較,如表3 所示。

    表3 各模型預(yù)測(cè)評(píng)價(jià)指標(biāo)比較Tab.3 Comparison of model prediction evaluation indicators

    根據(jù)表3 可知:

    (1)ELM 和ESN 都是相對(duì)簡(jiǎn)單的模型,通常在處理長(zhǎng)時(shí)序列依賴關(guān)系時(shí)效果較差。對(duì)于復(fù)雜的時(shí)間序列,它們可能難以捕捉到足夠復(fù)雜的關(guān)系,所以在本實(shí)驗(yàn)中更復(fù)雜的模型(深度學(xué)習(xí)模型)表現(xiàn)更好。ELM 和ESN 在上述四個(gè)數(shù)據(jù)集中表現(xiàn)不佳。

    (2)由于DBN 逐層學(xué)習(xí)數(shù)據(jù)的層級(jí)特征,有助于捕捉數(shù)據(jù)的復(fù)雜模式,這使得DBN 在某些情況下能夠更好地適應(yīng)數(shù)據(jù)的復(fù)雜性,在本實(shí)驗(yàn)中的四個(gè)數(shù)據(jù)集中DBN 展現(xiàn)出比GRU 更好的效果。

    (3)由于帶有自注意力機(jī)制的GRU 在時(shí)間序列預(yù)測(cè)中的優(yōu)勢(shì)主要在于能夠更好地處理長(zhǎng)距離依賴關(guān)系,更靈活地調(diào)整對(duì)不同時(shí)間步的關(guān)注程度,以及更全面地捕捉序列中的特征和動(dòng)態(tài)關(guān)系。這些特性使得它相對(duì)于普通的GRU 在PM2.5 時(shí)間序列預(yù)測(cè)任務(wù)上表現(xiàn)更好。在本實(shí)驗(yàn)中帶自注意力機(jī)制的GRU 在四個(gè)數(shù)據(jù)集中的表現(xiàn)均優(yōu)于GRU。

    (4)本文的混合模型具有穩(wěn)定且優(yōu)異的性能,對(duì)于選定的四組PM2.5 數(shù)據(jù)的預(yù)測(cè)結(jié)果,與現(xiàn)有的五個(gè)模型相比,做出的預(yù)測(cè)精度都高于另外五個(gè)模型。這證明采用自注意力機(jī)制后和DBN 誤差修正可以有效地提高模型的預(yù)測(cè)精度。

    4 結(jié)語

    本文提出了一種基于自注意力機(jī)制的GRUDBN 誤差修正的PM2.5 濃度預(yù)測(cè)方法。選取中國的四個(gè)交通樞紐為研究對(duì)象,分為四組進(jìn)行相關(guān)實(shí)驗(yàn)。本文提出的預(yù)測(cè)方法結(jié)合了自注意力機(jī)制、GRU 和DBN 誤差修正。自注意力機(jī)制用來提取關(guān)鍵信息,GRU 用來PM2.5 時(shí)間序列預(yù)測(cè),DBN 可以校正上一步的預(yù)測(cè)誤差,以獲得更準(zhǔn)確的PM2.5 濃度預(yù)測(cè)結(jié)果。

    實(shí)驗(yàn)結(jié)果表明:(1)本文提出的預(yù)測(cè)方法可以實(shí)現(xiàn)對(duì)每小時(shí)PM2.5 的較好的預(yù)測(cè)效果,四組數(shù)據(jù)的預(yù)測(cè)結(jié)果表明本文的預(yù)測(cè)方法優(yōu)于相關(guān)文獻(xiàn)中已有的五個(gè)模型,證明了本文建立的模型的優(yōu)越性。(2)采自注意力機(jī)制有助于提取PM2.5 濃度時(shí)間序列的關(guān)鍵信息,達(dá)到更高的預(yù)測(cè)精度。(3)DBN 對(duì)預(yù)測(cè)誤差進(jìn)行修正可以提高模型對(duì)PM2.5 的預(yù)測(cè)精度,四組實(shí)驗(yàn)數(shù)據(jù)結(jié)果表明DBN 對(duì)預(yù)測(cè)誤差進(jìn)行修正對(duì)預(yù)測(cè)結(jié)果的改善顯著。

    本文建立的PM2.5 預(yù)測(cè)模型可以實(shí)現(xiàn)準(zhǔn)確的預(yù)測(cè)效果,實(shí)現(xiàn)空氣污染預(yù)警,幫助人們提前采取措施減少損失。

    猜你喜歡
    修正注意力污染物
    讓注意力“飛”回來
    Some new thoughts of definitions of terms of sedimentary facies: Based on Miall's paper(1985)
    修正這一天
    快樂語文(2021年35期)2022-01-18 06:05:30
    菌株出馬讓畜禽污染物變廢為寶
    環(huán)境科學(xué)研究(2021年6期)2021-06-23 02:39:54
    《新污染物治理》??鞲鍐⑹?/a>
    你能找出污染物嗎?
    合同解釋、合同補(bǔ)充與合同修正
    法律方法(2019年4期)2019-11-16 01:07:28
    軟件修正
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    伊人亚洲综合成人网| 亚洲 欧美一区二区三区| 国产精品嫩草影院av在线观看| 女人被躁到高潮嗷嗷叫费观| 十八禁网站网址无遮挡| 欧美日韩精品成人综合77777| 丰满乱子伦码专区| 欧美精品亚洲一区二区| 巨乳人妻的诱惑在线观看| 久久国产精品大桥未久av| 久久99蜜桃精品久久| 黑人猛操日本美女一级片| 看非洲黑人一级黄片| 丝袜在线中文字幕| 麻豆乱淫一区二区| 国产 精品1| 日韩 亚洲 欧美在线| 韩国av在线不卡| 日韩欧美精品免费久久| 精品一区在线观看国产| 多毛熟女@视频| 国产精品免费大片| 丁香六月天网| 18在线观看网站| 免费人妻精品一区二区三区视频| 亚洲人成网站在线观看播放| 热re99久久精品国产66热6| 精品少妇一区二区三区视频日本电影 | 亚洲三区欧美一区| 亚洲 欧美一区二区三区| 精品国产一区二区久久| 日本色播在线视频| 亚洲av成人精品一二三区| 日韩大片免费观看网站| 国产精品人妻久久久影院| 国产日韩一区二区三区精品不卡| 成年女人毛片免费观看观看9 | 久久久久久伊人网av| 国产精品久久久久久av不卡| 国产亚洲精品第一综合不卡| 国产免费福利视频在线观看| 2018国产大陆天天弄谢| 下体分泌物呈黄色| 国产精品国产av在线观看| 欧美精品人与动牲交sv欧美| 国产日韩一区二区三区精品不卡| 日韩一区二区三区影片| 熟女av电影| 精品国产一区二区久久| 不卡av一区二区三区| 国产亚洲精品第一综合不卡| 亚洲av日韩在线播放| 在线观看三级黄色| 精品少妇一区二区三区视频日本电影 | 黑人巨大精品欧美一区二区蜜桃| 国产熟女欧美一区二区| 又粗又硬又长又爽又黄的视频| 又黄又粗又硬又大视频| 久久久精品免费免费高清| 成人毛片60女人毛片免费| 又粗又硬又长又爽又黄的视频| 在现免费观看毛片| 热99久久久久精品小说推荐| 亚洲精品,欧美精品| 欧美国产精品一级二级三级| 久久久久国产精品人妻一区二区| 亚洲久久久国产精品| 国产免费福利视频在线观看| 国产成人精品婷婷| 国产黄色视频一区二区在线观看| 欧美人与善性xxx| 国产一区二区三区av在线| 青青草视频在线视频观看| 丰满饥渴人妻一区二区三| 久久毛片免费看一区二区三区| 男女边摸边吃奶| 国产片内射在线| 少妇 在线观看| 午夜免费男女啪啪视频观看| 美女主播在线视频| 我要看黄色一级片免费的| 一级爰片在线观看| 国产免费福利视频在线观看| 欧美另类一区| 老汉色∧v一级毛片| 老汉色av国产亚洲站长工具| 国产国语露脸激情在线看| 王馨瑶露胸无遮挡在线观看| 美女午夜性视频免费| 午夜福利在线观看免费完整高清在| 搡女人真爽免费视频火全软件| 9191精品国产免费久久| 成年女人在线观看亚洲视频| 国产一区二区三区av在线| 啦啦啦在线免费观看视频4| 熟妇人妻不卡中文字幕| 精品国产乱码久久久久久男人| av又黄又爽大尺度在线免费看| 国产老妇伦熟女老妇高清| 午夜免费观看性视频| 亚洲精品日韩在线中文字幕| 啦啦啦在线免费观看视频4| 黑人巨大精品欧美一区二区蜜桃| 亚洲精品aⅴ在线观看| 黑人猛操日本美女一级片| 建设人人有责人人尽责人人享有的| 尾随美女入室| 亚洲av男天堂| 侵犯人妻中文字幕一二三四区| a级片在线免费高清观看视频| 青草久久国产| 国产成人免费无遮挡视频| 韩国精品一区二区三区| av网站免费在线观看视频| 精品一区在线观看国产| 熟妇人妻不卡中文字幕| 中文天堂在线官网| 成人18禁高潮啪啪吃奶动态图| 亚洲精品在线美女| 久久精品人人爽人人爽视色| 国产激情久久老熟女| 一级黄片播放器| 人人妻人人爽人人添夜夜欢视频| 美女国产视频在线观看| 一区二区三区乱码不卡18| 巨乳人妻的诱惑在线观看| 男女啪啪激烈高潮av片| 毛片一级片免费看久久久久| 精品视频人人做人人爽| 欧美日韩精品成人综合77777| 久久婷婷青草| 一级片免费观看大全| 成人影院久久| 乱人伦中国视频| 狠狠婷婷综合久久久久久88av| 2018国产大陆天天弄谢| 亚洲国产成人一精品久久久| 精品午夜福利在线看| 人妻少妇偷人精品九色| av有码第一页| 日韩av免费高清视频| 精品少妇一区二区三区视频日本电影 | 美女中出高潮动态图| 这个男人来自地球电影免费观看 | 女的被弄到高潮叫床怎么办| 在线看a的网站| 91久久精品国产一区二区三区| 亚洲成人一二三区av| 午夜福利在线免费观看网站| 伦理电影免费视频| 十八禁高潮呻吟视频| 男女下面插进去视频免费观看| 欧美精品av麻豆av| 伊人久久大香线蕉亚洲五| 在线天堂最新版资源| 日本猛色少妇xxxxx猛交久久| 另类精品久久| 欧美xxⅹ黑人| 国产高清国产精品国产三级| 欧美成人午夜精品| 久久女婷五月综合色啪小说| 国产人伦9x9x在线观看 | 亚洲国产欧美在线一区| 久久精品久久久久久久性| 成人亚洲精品一区在线观看| 亚洲精品国产色婷婷电影| 久久久久久人人人人人| 国产成人精品无人区| 精品第一国产精品| 国产精品麻豆人妻色哟哟久久| 国产精品 国内视频| 久久人人爽av亚洲精品天堂| 波多野结衣av一区二区av| 一级,二级,三级黄色视频| 日本爱情动作片www.在线观看| 亚洲av在线观看美女高潮| 欧美精品一区二区大全| 啦啦啦在线免费观看视频4| 在线观看一区二区三区激情| 亚洲精品久久久久久婷婷小说| 国产精品久久久久久av不卡| 亚洲五月色婷婷综合| 亚洲国产日韩一区二区| www.精华液| 性色av一级| 亚洲男人天堂网一区| 黄片小视频在线播放| 91精品国产国语对白视频| 午夜免费鲁丝| 好男人视频免费观看在线| 欧美成人午夜免费资源| 人人妻人人爽人人添夜夜欢视频| 午夜福利在线观看免费完整高清在| www.精华液| 日韩 亚洲 欧美在线| 国产日韩欧美在线精品| 久久人妻熟女aⅴ| 性少妇av在线| 夜夜骑夜夜射夜夜干| 91成人精品电影| 成年人免费黄色播放视频| 高清黄色对白视频在线免费看| 色婷婷av一区二区三区视频| 啦啦啦在线免费观看视频4| 亚洲国产色片| 亚洲欧美色中文字幕在线| 亚洲av电影在线进入| 国产极品粉嫩免费观看在线| 男女国产视频网站| 在线 av 中文字幕| 日本欧美视频一区| 国产在线视频一区二区| 男的添女的下面高潮视频| 亚洲av福利一区| 一本久久精品| 国产野战对白在线观看| 国产一区二区激情短视频 | av福利片在线| 精品99又大又爽又粗少妇毛片| 婷婷色av中文字幕| 女人高潮潮喷娇喘18禁视频| 男人舔女人的私密视频| 久久精品aⅴ一区二区三区四区 | 黄片无遮挡物在线观看| 777米奇影视久久| 日本av免费视频播放| 亚洲美女视频黄频| 日韩三级伦理在线观看| 亚洲内射少妇av| 丰满乱子伦码专区| 毛片一级片免费看久久久久| 成年人午夜在线观看视频| 国产亚洲一区二区精品| 久久国产精品男人的天堂亚洲| 亚洲精华国产精华液的使用体验| 国产免费现黄频在线看| 人成视频在线观看免费观看| 成人毛片60女人毛片免费| 边亲边吃奶的免费视频| 亚洲精品aⅴ在线观看| 亚洲精品国产av成人精品| 欧美黄色片欧美黄色片| 久久久精品免费免费高清| 久久毛片免费看一区二区三区| 国产午夜精品一二区理论片| 最近2019中文字幕mv第一页| 最近手机中文字幕大全| 丰满饥渴人妻一区二区三| 久久精品国产a三级三级三级| 国产毛片在线视频| 国产福利在线免费观看视频| 欧美日韩视频精品一区| 一区二区av电影网| 色哟哟·www| 亚洲国产色片| 日日啪夜夜爽| 色94色欧美一区二区| 亚洲av中文av极速乱| 亚洲欧洲国产日韩| 国产精品三级大全| 欧美人与性动交α欧美软件| 香蕉精品网在线| 成年动漫av网址| 国产免费现黄频在线看| 1024视频免费在线观看| 久久久久国产一级毛片高清牌| 国产免费一区二区三区四区乱码| 这个男人来自地球电影免费观看 | 黄色一级大片看看| 免费观看av网站的网址| 久久精品亚洲av国产电影网| 亚洲av福利一区| 亚洲成人手机| 天堂俺去俺来也www色官网| 久久狼人影院| 久久精品国产亚洲av高清一级| 各种免费的搞黄视频| 咕卡用的链子| 狠狠精品人妻久久久久久综合| 熟女av电影| 日韩人妻精品一区2区三区| 亚洲av福利一区| 日韩免费高清中文字幕av| 热re99久久精品国产66热6| tube8黄色片| 国产探花极品一区二区| 久久久久久久久久久久大奶| 精品国产乱码久久久久久小说| 亚洲内射少妇av| 又黄又粗又硬又大视频| 精品99又大又爽又粗少妇毛片| 国产探花极品一区二区| 亚洲人成电影观看| 日韩制服骚丝袜av| 午夜免费鲁丝| 天天躁日日躁夜夜躁夜夜| 精品亚洲成a人片在线观看| 久久国产精品大桥未久av| 成人手机av| 青青草视频在线视频观看| 人妻系列 视频| 蜜桃在线观看..| 青草久久国产| 亚洲精品国产一区二区精华液| 老司机亚洲免费影院| 天天影视国产精品| 成人毛片60女人毛片免费| 最近最新中文字幕免费大全7| 91在线精品国自产拍蜜月| 999久久久国产精品视频| 亚洲精品美女久久久久99蜜臀 | 午夜激情av网站| 人妻 亚洲 视频| 免费女性裸体啪啪无遮挡网站| 亚洲av福利一区| 日本欧美国产在线视频| 伊人久久国产一区二区| 香蕉丝袜av| av一本久久久久| 超碰97精品在线观看| 欧美激情 高清一区二区三区| 制服诱惑二区| 在线观看美女被高潮喷水网站| 精品国产超薄肉色丝袜足j| 精品国产一区二区三区四区第35| www.av在线官网国产| 菩萨蛮人人尽说江南好唐韦庄| 日日爽夜夜爽网站| 日日啪夜夜爽| 欧美最新免费一区二区三区| 日韩大片免费观看网站| 不卡av一区二区三区| 日韩电影二区| 国产黄色免费在线视频| 久久午夜综合久久蜜桃| 久久精品久久久久久久性| 在线精品无人区一区二区三| 日韩一本色道免费dvd| 精品第一国产精品| 黄色 视频免费看| 两个人免费观看高清视频| 亚洲av国产av综合av卡| 丰满迷人的少妇在线观看| 如何舔出高潮| 国产av精品麻豆| 又粗又硬又长又爽又黄的视频| 777久久人妻少妇嫩草av网站| 午夜免费男女啪啪视频观看| 街头女战士在线观看网站| 欧美另类一区| 妹子高潮喷水视频| 80岁老熟妇乱子伦牲交| 2022亚洲国产成人精品| 99久久中文字幕三级久久日本| 一级毛片电影观看| 高清不卡的av网站| 亚洲国产精品成人久久小说| 久久久久久人妻| 国产午夜精品一二区理论片| 看免费成人av毛片| 国产精品成人在线| 亚洲国产av影院在线观看| 国产成人免费观看mmmm| 夫妻午夜视频| 卡戴珊不雅视频在线播放| 国产1区2区3区精品| a 毛片基地| 晚上一个人看的免费电影| 亚洲三级黄色毛片| 久久久久久久久久人人人人人人| 午夜日本视频在线| 街头女战士在线观看网站| 一区二区av电影网| 久久97久久精品| 国产片特级美女逼逼视频| 18禁动态无遮挡网站| 欧美97在线视频| 久久亚洲国产成人精品v| 男的添女的下面高潮视频| 日韩伦理黄色片| av国产精品久久久久影院| 亚洲国产精品成人久久小说| 韩国精品一区二区三区| 日本黄色日本黄色录像| 久久99蜜桃精品久久| 久久青草综合色| 国产片特级美女逼逼视频| videossex国产| 九色亚洲精品在线播放| 2021少妇久久久久久久久久久| 一级a爱视频在线免费观看| 男女无遮挡免费网站观看| 欧美精品一区二区大全| 久久久久久伊人网av| 卡戴珊不雅视频在线播放| 丰满饥渴人妻一区二区三| 精品亚洲乱码少妇综合久久| 精品少妇黑人巨大在线播放| 欧美日韩成人在线一区二区| 亚洲精品国产色婷婷电影| 啦啦啦啦在线视频资源| 极品少妇高潮喷水抽搐| videosex国产| 亚洲国产av影院在线观看| 精品久久久精品久久久| 国产日韩欧美在线精品| 电影成人av| 国产一区二区 视频在线| 麻豆精品久久久久久蜜桃| 精品人妻在线不人妻| 日韩人妻精品一区2区三区| 欧美bdsm另类| 免费观看无遮挡的男女| 国产在线一区二区三区精| 99精国产麻豆久久婷婷| 99久久中文字幕三级久久日本| 国产精品熟女久久久久浪| 国产爽快片一区二区三区| 国产伦理片在线播放av一区| 亚洲精品自拍成人| 国产精品欧美亚洲77777| 亚洲国产最新在线播放| 亚洲国产欧美日韩在线播放| 久久av网站| 纵有疾风起免费观看全集完整版| av片东京热男人的天堂| 亚洲综合精品二区| 日韩视频在线欧美| 午夜福利网站1000一区二区三区| 欧美另类一区| 一区二区三区激情视频| 中文字幕人妻丝袜一区二区 | 香蕉精品网在线| 秋霞伦理黄片| 中文天堂在线官网| 丰满乱子伦码专区| 啦啦啦啦在线视频资源| 国产av一区二区精品久久| 麻豆av在线久日| 一级毛片 在线播放| 亚洲国产色片| 国产一区二区激情短视频 | 黄色配什么色好看| 国产一区二区在线观看av| 国语对白做爰xxxⅹ性视频网站| av在线老鸭窝| 91午夜精品亚洲一区二区三区| 青春草亚洲视频在线观看| 欧美成人精品欧美一级黄| 久久国产精品大桥未久av| 国产男人的电影天堂91| 啦啦啦啦在线视频资源| 免费黄频网站在线观看国产| 日韩人妻精品一区2区三区| 亚洲国产精品一区三区| tube8黄色片| 国产精品一国产av| 不卡av一区二区三区| 99国产精品免费福利视频| xxx大片免费视频| 国产一级毛片在线| 天堂中文最新版在线下载| 久久青草综合色| 国产精品香港三级国产av潘金莲 | 中文乱码字字幕精品一区二区三区| 久久亚洲国产成人精品v| 一本—道久久a久久精品蜜桃钙片| 亚洲三区欧美一区| av.在线天堂| 久久99热这里只频精品6学生| 少妇精品久久久久久久| 欧美日韩视频精品一区| 久久久久精品性色| 国产探花极品一区二区| 色哟哟·www| 亚洲国产精品国产精品| 91aial.com中文字幕在线观看| 国产免费男女视频| 一二三四社区在线视频社区8| 校园春色视频在线观看| 99久久人妻综合| 香蕉国产在线看| 欧美国产精品va在线观看不卡| 亚洲男人天堂网一区| 久久久国产成人精品二区 | cao死你这个sao货| 一级毛片女人18水好多| 一区福利在线观看| e午夜精品久久久久久久| 午夜激情av网站| 俄罗斯特黄特色一大片| 看片在线看免费视频| 亚洲,欧美精品.| 老司机午夜十八禁免费视频| 欧美日韩精品网址| 精品久久久久久久毛片微露脸| 精品久久久久久久久久免费视频 | 亚洲精品粉嫩美女一区| 老司机午夜福利在线观看视频| 12—13女人毛片做爰片一| 51午夜福利影视在线观看| 日日摸夜夜添夜夜添小说| 宅男免费午夜| 久久久久国产一级毛片高清牌| 午夜精品国产一区二区电影| a级毛片在线看网站| 精品高清国产在线一区| 在线免费观看的www视频| 欧美一级毛片孕妇| 国产精品野战在线观看 | 男女下面插进去视频免费观看| 一区二区三区国产精品乱码| 国产精品免费一区二区三区在线| 校园春色视频在线观看| 伊人久久大香线蕉亚洲五| 成年人黄色毛片网站| 日韩国内少妇激情av| 日韩三级视频一区二区三区| 国产精品一区二区免费欧美| 日本 av在线| 91麻豆av在线| 欧美av亚洲av综合av国产av| 热99re8久久精品国产| 久久婷婷成人综合色麻豆| 久久精品成人免费网站| 欧美国产精品va在线观看不卡| 亚洲狠狠婷婷综合久久图片| 淫妇啪啪啪对白视频| 久久精品国产清高在天天线| 免费久久久久久久精品成人欧美视频| 午夜免费成人在线视频| 日本一区二区免费在线视频| 欧美亚洲日本最大视频资源| 日韩高清综合在线| 国产乱人伦免费视频| 久久人妻熟女aⅴ| 亚洲av成人一区二区三| 国产一区二区在线av高清观看| 丰满迷人的少妇在线观看| 一a级毛片在线观看| 97超级碰碰碰精品色视频在线观看| 国产高清视频在线播放一区| 国产色视频综合| 黄网站色视频无遮挡免费观看| 亚洲精华国产精华精| 在线十欧美十亚洲十日本专区| 丝袜美腿诱惑在线| 国产1区2区3区精品| 天堂动漫精品| 国产在线精品亚洲第一网站| 国产精品免费一区二区三区在线| 久久久久国产一级毛片高清牌| 日韩免费av在线播放| 国产欧美日韩一区二区精品| 久久久久久免费高清国产稀缺| 一个人观看的视频www高清免费观看 | 中文字幕另类日韩欧美亚洲嫩草| 亚洲午夜理论影院| 啦啦啦 在线观看视频| 久久久久久久久免费视频了| 80岁老熟妇乱子伦牲交| 久久草成人影院| 男女午夜视频在线观看| 很黄的视频免费| 国产精品影院久久| 亚洲人成电影免费在线| 激情视频va一区二区三区| 日韩高清综合在线| 精品少妇一区二区三区视频日本电影| 99国产精品一区二区蜜桃av| 超碰成人久久| 少妇裸体淫交视频免费看高清 | 两人在一起打扑克的视频| 黄色成人免费大全| 久久天躁狠狠躁夜夜2o2o| 手机成人av网站| 母亲3免费完整高清在线观看| 777久久人妻少妇嫩草av网站| 母亲3免费完整高清在线观看| 欧美精品啪啪一区二区三区| 精品国产乱码久久久久久男人| 成人永久免费在线观看视频| 久久中文字幕一级| av电影中文网址| 亚洲av第一区精品v没综合| 日日爽夜夜爽网站| 在线天堂中文资源库| 国产精品野战在线观看 | 伦理电影免费视频| 午夜免费观看网址| 夜夜躁狠狠躁天天躁| 免费在线观看完整版高清| 国产日韩一区二区三区精品不卡| 宅男免费午夜| 黄色怎么调成土黄色| 国产三级黄色录像| 麻豆一二三区av精品| 久久精品人人爽人人爽视色| 丁香六月欧美| 嫩草影院精品99| 欧美日韩国产mv在线观看视频| 国产一区二区三区在线臀色熟女 | 99精品欧美一区二区三区四区| 亚洲在线自拍视频| 老汉色av国产亚洲站长工具| 黄色怎么调成土黄色| av有码第一页| 91在线观看av| 久久人妻熟女aⅴ| 国产精品国产高清国产av| 亚洲国产欧美一区二区综合| 免费日韩欧美在线观看| 亚洲黑人精品在线| 国产亚洲av高清不卡| 欧美乱妇无乱码|