• <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)”
    亚洲欧美中文字幕日韩二区| 亚洲丝袜综合中文字幕| 日本免费一区二区三区高清不卡| 国产久久久一区二区三区| 亚洲综合色惰| 国产精品乱码一区二三区的特点| 国产av不卡久久| 天天躁日日操中文字幕| 国内少妇人妻偷人精品xxx网站| 欧美中文日本在线观看视频| 18禁在线播放成人免费| 亚洲,欧美,日韩| а√天堂www在线а√下载| 亚洲色图av天堂| 国产69精品久久久久777片| 成人特级av手机在线观看| 国产女主播在线喷水免费视频网站 | 老司机福利观看| 人人妻,人人澡人人爽秒播| 国产高清三级在线| 久久九九热精品免费| 国产黄a三级三级三级人| 熟女电影av网| 午夜精品一区二区三区免费看| 麻豆精品久久久久久蜜桃| 久久6这里有精品| 日韩欧美 国产精品| 99热精品在线国产| 秋霞在线观看毛片| 岛国在线免费视频观看| 最好的美女福利视频网| 欧美另类亚洲清纯唯美| 超碰av人人做人人爽久久| 国产免费一级a男人的天堂| 中文在线观看免费www的网站| 女人十人毛片免费观看3o分钟| 日韩人妻高清精品专区| 美女被艹到高潮喷水动态| a级毛色黄片| 超碰av人人做人人爽久久| 丰满人妻一区二区三区视频av| av.在线天堂| 九九爱精品视频在线观看| 久久韩国三级中文字幕| 22中文网久久字幕| 内射极品少妇av片p| 直男gayav资源| 日韩高清综合在线| 激情 狠狠 欧美| 欧美日韩精品成人综合77777| 国产高清不卡午夜福利| 成人亚洲精品av一区二区| 免费大片18禁| 在线免费观看的www视频| 一区二区三区高清视频在线| 久久久久免费精品人妻一区二区| 午夜免费男女啪啪视频观看 | 国产av麻豆久久久久久久| 男人和女人高潮做爰伦理| а√天堂www在线а√下载| 天堂√8在线中文| 日韩欧美一区二区三区在线观看| 婷婷色综合大香蕉| av天堂中文字幕网| 日日摸夜夜添夜夜添av毛片| 国产精品乱码一区二三区的特点| 亚洲成人久久性| 一进一出好大好爽视频| 日韩三级伦理在线观看| 久久久成人免费电影| 午夜福利在线观看免费完整高清在 | 国产私拍福利视频在线观看| 高清日韩中文字幕在线| 精品一区二区三区视频在线观看免费| av专区在线播放| 日本在线视频免费播放| 久久人人爽人人片av| 亚洲av免费高清在线观看| 色综合站精品国产| 丰满乱子伦码专区| 成人漫画全彩无遮挡| 亚洲中文字幕日韩| 精品久久久久久久人妻蜜臀av| 淫妇啪啪啪对白视频| 乱码一卡2卡4卡精品| 麻豆精品久久久久久蜜桃| 国内精品宾馆在线| 99国产精品一区二区蜜桃av| 亚洲熟妇熟女久久| 成人三级黄色视频| 欧美最新免费一区二区三区| 久久人人爽人人片av| 亚洲五月天丁香| 国产精品女同一区二区软件| 免费大片18禁| 长腿黑丝高跟| 亚洲自偷自拍三级| 哪里可以看免费的av片| 搡老岳熟女国产| 寂寞人妻少妇视频99o| 精品99又大又爽又粗少妇毛片| 男人的好看免费观看在线视频| 免费观看人在逋| 成人漫画全彩无遮挡| 欧美精品国产亚洲| av国产免费在线观看| www日本黄色视频网| 丰满的人妻完整版| 日韩欧美一区二区三区在线观看| 国产一区二区在线观看日韩| 男人舔女人下体高潮全视频| 99热只有精品国产| 国产高清视频在线观看网站| 99在线人妻在线中文字幕| 丰满人妻一区二区三区视频av| 91麻豆精品激情在线观看国产| 中国国产av一级| 日韩人妻高清精品专区| 国产三级中文精品| 亚洲经典国产精华液单| 欧美激情国产日韩精品一区| 国产精品亚洲一级av第二区| 插逼视频在线观看| 欧美日韩一区二区视频在线观看视频在线 | 欧美xxxx性猛交bbbb| 在线免费十八禁| 亚洲成a人片在线一区二区| 成熟少妇高潮喷水视频| 亚洲第一电影网av| 99久久成人亚洲精品观看| 十八禁国产超污无遮挡网站| 国产成人a区在线观看| 天堂影院成人在线观看| 亚洲丝袜综合中文字幕| 国产高清三级在线| 99在线视频只有这里精品首页| 国产精品一区二区三区四区久久| 久久国产乱子免费精品| 亚洲精品成人久久久久久| 亚洲自拍偷在线| 悠悠久久av| 内地一区二区视频在线| 岛国在线免费视频观看| 夜夜爽天天搞| 18禁在线播放成人免费| 国产精品三级大全| 国产 一区精品| 婷婷精品国产亚洲av在线| 在线观看66精品国产| 国产毛片a区久久久久| 国语自产精品视频在线第100页| 人人妻人人澡人人爽人人夜夜 | 女人十人毛片免费观看3o分钟| 69人妻影院| 午夜老司机福利剧场| 午夜福利在线观看吧| 嫩草影院新地址| 亚洲国产精品成人综合色| 69人妻影院| 九色成人免费人妻av| 亚洲av成人av| 亚洲性夜色夜夜综合| 波多野结衣高清作品| 精品午夜福利在线看| 免费大片18禁| 久久久久久久午夜电影| 丰满人妻一区二区三区视频av| 美女免费视频网站| 99久久久亚洲精品蜜臀av| 黄色配什么色好看| 欧美日韩一区二区视频在线观看视频在线 | 女的被弄到高潮叫床怎么办| 久久久国产成人精品二区| av在线老鸭窝| 中文在线观看免费www的网站| 啦啦啦韩国在线观看视频| 亚洲av中文字字幕乱码综合| 日韩一区二区视频免费看| 亚洲天堂国产精品一区在线| 夜夜夜夜夜久久久久| 久久久国产成人精品二区| 蜜桃久久精品国产亚洲av| 又爽又黄a免费视频| 级片在线观看| 级片在线观看| 午夜视频国产福利| 特级一级黄色大片| 欧美+日韩+精品| 午夜视频国产福利| 久久久a久久爽久久v久久| 久久久久久久久中文| 搞女人的毛片| 亚洲专区国产一区二区| 夜夜看夜夜爽夜夜摸| 中文亚洲av片在线观看爽| 永久网站在线| av在线蜜桃| 亚洲成人av在线免费| 伊人久久精品亚洲午夜| 亚洲,欧美,日韩| 亚洲性久久影院| 白带黄色成豆腐渣| 男女啪啪激烈高潮av片| 97人妻精品一区二区三区麻豆| 99热网站在线观看| 国产成年人精品一区二区| 国产成人福利小说| 亚洲性夜色夜夜综合| 精品免费久久久久久久清纯| 少妇裸体淫交视频免费看高清| 一夜夜www| 69av精品久久久久久| 色播亚洲综合网| 一本一本综合久久| 在线看三级毛片| 日本在线视频免费播放| 中文字幕久久专区| 伦精品一区二区三区| 国产成人freesex在线 | 久久鲁丝午夜福利片| 欧美绝顶高潮抽搐喷水| 99久久精品一区二区三区| 久久久久国产网址| 三级国产精品欧美在线观看| 亚洲国产精品sss在线观看| 久久亚洲精品不卡| 久久久久久久午夜电影| 嫩草影院新地址| 精品久久久久久久末码| 亚洲精品国产av成人精品 | 欧美一级a爱片免费观看看| 久久久久久久亚洲中文字幕| 久久久a久久爽久久v久久| 免费一级毛片在线播放高清视频| 亚洲无线观看免费| 九九久久精品国产亚洲av麻豆| 日本色播在线视频| 久久婷婷人人爽人人干人人爱| 一a级毛片在线观看| 一区福利在线观看| 国产成人91sexporn| 久久中文看片网| 日韩强制内射视频| 日本爱情动作片www.在线观看 | 人妻丰满熟妇av一区二区三区| 久久鲁丝午夜福利片| 国产精品久久久久久亚洲av鲁大| 久久婷婷人人爽人人干人人爱| 久久人人爽人人爽人人片va| a级毛片a级免费在线| 国产精品久久久久久av不卡| 一进一出抽搐动态| 国产大屁股一区二区在线视频| 精品久久久噜噜| 日韩成人伦理影院| 不卡一级毛片| 九九热线精品视视频播放| 久久久久性生活片| 欧美一级a爱片免费观看看| ponron亚洲| 日韩制服骚丝袜av| 舔av片在线| 高清毛片免费观看视频网站| 日本欧美国产在线视频| 成年女人毛片免费观看观看9| 成人综合一区亚洲| 黄色日韩在线| 高清午夜精品一区二区三区 | 成人永久免费在线观看视频| 欧美区成人在线视频| 国产精品无大码| 国产一区二区亚洲精品在线观看| 午夜老司机福利剧场| 麻豆av噜噜一区二区三区| 亚洲国产精品国产精品| av专区在线播放| 国产亚洲精品综合一区在线观看| 国产精品99久久久久久久久| 成人亚洲欧美一区二区av| av在线蜜桃| 久久这里只有精品中国| 免费观看人在逋| 日本欧美国产在线视频| 欧洲精品卡2卡3卡4卡5卡区| 在线播放无遮挡| 亚洲精品亚洲一区二区| www日本黄色视频网| 最近视频中文字幕2019在线8| 一边摸一边抽搐一进一小说| 日本欧美国产在线视频| 久久精品国产99精品国产亚洲性色| 老司机午夜福利在线观看视频| 国产综合懂色| 看十八女毛片水多多多| 国产乱人视频| 久久精品国产清高在天天线| 久久6这里有精品| 国产69精品久久久久777片| 成人综合一区亚洲| 成人永久免费在线观看视频| 国产精品久久久久久久电影| 午夜福利在线在线| 亚洲精品日韩av片在线观看| 国国产精品蜜臀av免费| 性插视频无遮挡在线免费观看| 女人被狂操c到高潮| 日韩欧美在线乱码| 精品一区二区三区人妻视频| 午夜a级毛片| 美女xxoo啪啪120秒动态图| 午夜激情福利司机影院| 淫妇啪啪啪对白视频| 伦理电影大哥的女人| 亚洲成人久久性| 麻豆久久精品国产亚洲av| 欧美日本亚洲视频在线播放| 日韩欧美 国产精品| 精品人妻视频免费看| 天天躁夜夜躁狠狠久久av| 99热只有精品国产| 欧美日韩乱码在线| 少妇熟女欧美另类| 天堂av国产一区二区熟女人妻| 久久热精品热| 欧美日韩精品成人综合77777| 黄色视频,在线免费观看| 国产人妻一区二区三区在| 精品无人区乱码1区二区| 尤物成人国产欧美一区二区三区| a级一级毛片免费在线观看| 夜夜看夜夜爽夜夜摸| 在线观看一区二区三区| or卡值多少钱| 老司机影院成人| 99热这里只有是精品50| 精品福利观看| 精华霜和精华液先用哪个| 国产黄a三级三级三级人| 欧美zozozo另类| 高清毛片免费观看视频网站| 精品欧美国产一区二区三| 99热这里只有精品一区| 亚洲成av人片在线播放无| 成人av一区二区三区在线看| 日韩制服骚丝袜av| 久久韩国三级中文字幕| 精品久久久久久久久久久久久| 少妇熟女aⅴ在线视频| 亚洲欧美日韩无卡精品| 午夜福利在线观看吧| 精品一区二区三区视频在线| 国产在线精品亚洲第一网站| 久久精品91蜜桃| 亚洲美女视频黄频| 日韩强制内射视频| 成人av在线播放网站| 中文字幕久久专区| 日韩欧美 国产精品| 麻豆国产97在线/欧美| 国产人妻一区二区三区在| 真人做人爱边吃奶动态| 老熟妇仑乱视频hdxx| 久久久久久久午夜电影| 久久午夜亚洲精品久久| 亚洲在线自拍视频| 亚洲经典国产精华液单| 色噜噜av男人的天堂激情| 18禁在线播放成人免费| 美女高潮的动态| 伊人久久精品亚洲午夜| 国产一区二区在线观看日韩| 亚洲婷婷狠狠爱综合网| 亚洲不卡免费看| 老熟妇乱子伦视频在线观看| 久久亚洲精品不卡| 国模一区二区三区四区视频| 亚洲在线自拍视频| 成人亚洲欧美一区二区av| 国产精品一及| 国产精品嫩草影院av在线观看| 亚洲人成网站高清观看| 国产精品一区二区三区四区免费观看 | 国产精品1区2区在线观看.| 少妇丰满av| 久久久久九九精品影院| 天堂网av新在线| 久久热精品热| 嫩草影院精品99| 国产亚洲欧美98| 欧美激情久久久久久爽电影| 在线免费观看的www视频| 国产精品嫩草影院av在线观看| 国产av麻豆久久久久久久| 老熟妇仑乱视频hdxx| 最近视频中文字幕2019在线8| 亚洲人与动物交配视频| 看片在线看免费视频| 黄片wwwwww| 女人十人毛片免费观看3o分钟| 人妻久久中文字幕网| 一个人看的www免费观看视频| 日韩制服骚丝袜av| 欧美色视频一区免费| 免费av观看视频| www日本黄色视频网| 国产精品久久视频播放| a级一级毛片免费在线观看| 午夜福利在线在线| 亚洲国产精品成人综合色| 亚洲欧美日韩高清在线视频| 人妻夜夜爽99麻豆av| 国产精品人妻久久久影院| 99riav亚洲国产免费| 青春草视频在线免费观看| 午夜福利18| 国产高清有码在线观看视频| 国产色爽女视频免费观看| 神马国产精品三级电影在线观看| 色播亚洲综合网| 啦啦啦韩国在线观看视频| 国产精品福利在线免费观看| 欧美zozozo另类| 亚洲人成网站高清观看| 亚洲精品一区av在线观看| 国产精品日韩av在线免费观看| 一级黄片播放器| 国产探花极品一区二区| 亚洲欧美成人综合另类久久久 | 国产精品伦人一区二区| 久久久久国产网址| 亚洲av免费在线观看| 国产视频内射| 在线天堂最新版资源| 舔av片在线| 久久精品国产亚洲av天美| 一区二区三区高清视频在线| 免费观看人在逋| 欧美高清性xxxxhd video| 国产精品久久久久久久电影| 淫秽高清视频在线观看| 成年av动漫网址| 欧美一区二区精品小视频在线| 偷拍熟女少妇极品色| 丝袜喷水一区| 日日啪夜夜撸| 久久午夜福利片| 精品久久久久久久人妻蜜臀av| 亚洲国产高清在线一区二区三| 国国产精品蜜臀av免费| 精品无人区乱码1区二区| 免费一级毛片在线播放高清视频| 精华霜和精华液先用哪个| 久久久色成人| 国产黄片美女视频| 久久久久久伊人网av| 三级毛片av免费| 国产精品99久久久久久久久| 一边摸一边抽搐一进一小说| 日本欧美国产在线视频| 久久久久国产精品人妻aⅴ院| 亚洲性夜色夜夜综合| 又黄又爽又刺激的免费视频.| 亚洲精品在线观看二区| 亚洲高清免费不卡视频| 久久久欧美国产精品| 精品一区二区免费观看| 久久人人爽人人片av| 国产亚洲精品久久久久久毛片| 午夜亚洲福利在线播放| 99热精品在线国产| 色综合亚洲欧美另类图片| 老司机福利观看| 午夜a级毛片| 直男gayav资源| 日韩精品有码人妻一区| 极品教师在线视频| 欧美+亚洲+日韩+国产| 能在线免费观看的黄片| 日本熟妇午夜| 丰满乱子伦码专区| av在线老鸭窝| 人妻制服诱惑在线中文字幕| 亚洲精品色激情综合| 亚洲一区高清亚洲精品| 小说图片视频综合网站| 久久久精品欧美日韩精品| 十八禁国产超污无遮挡网站| 美女大奶头视频| 国产成人aa在线观看| h日本视频在线播放| 久久综合国产亚洲精品| 中文字幕久久专区| 婷婷六月久久综合丁香| 国产亚洲欧美98| 亚洲精品在线观看二区| 日本欧美国产在线视频| h日本视频在线播放| 欧美性猛交╳xxx乱大交人| 国产成人a区在线观看| 一进一出好大好爽视频| 成年女人毛片免费观看观看9| 日韩人妻高清精品专区| 18禁裸乳无遮挡免费网站照片| 婷婷精品国产亚洲av| 欧美激情在线99| 国产亚洲精品av在线| 久久人人爽人人爽人人片va| 亚洲图色成人| 深夜a级毛片| 在线看三级毛片| 亚洲激情五月婷婷啪啪| 在现免费观看毛片| 一个人看的www免费观看视频| 日本a在线网址| 搡老熟女国产l中国老女人| a级毛片免费高清观看在线播放| 又黄又爽又刺激的免费视频.| av免费在线看不卡| 国产91av在线免费观看| 最好的美女福利视频网| 国产精品一区www在线观看| 国产精品亚洲一级av第二区| 亚洲国产精品成人综合色| 中国美白少妇内射xxxbb| 97在线视频观看| 小蜜桃在线观看免费完整版高清| 变态另类丝袜制服| av在线老鸭窝| 亚洲欧美成人综合另类久久久 | 一个人看视频在线观看www免费| 国产精品三级大全| 久久久精品大字幕| 天堂动漫精品| 午夜久久久久精精品| 99热网站在线观看| 亚洲av电影不卡..在线观看| 91av网一区二区| 久久99热6这里只有精品| 日韩av不卡免费在线播放| 在线免费十八禁| 国产爱豆传媒在线观看| 国内精品宾馆在线| 亚洲中文字幕一区二区三区有码在线看| 97热精品久久久久久| 女同久久另类99精品国产91| 亚洲精品影视一区二区三区av| h日本视频在线播放| 亚洲欧美日韩卡通动漫| 国内精品一区二区在线观看| av在线播放精品| 久久鲁丝午夜福利片| 一个人免费在线观看电影| 亚洲,欧美,日韩| 国产黄色小视频在线观看| 熟妇人妻久久中文字幕3abv| 黄色视频,在线免费观看| 91狼人影院| 午夜亚洲福利在线播放| 国产探花极品一区二区| 久久6这里有精品| 波野结衣二区三区在线| 六月丁香七月| 三级经典国产精品| 男女视频在线观看网站免费| 亚洲色图av天堂| 一边摸一边抽搐一进一小说| 波野结衣二区三区在线| 色播亚洲综合网| 亚洲色图av天堂| 欧美成人一区二区免费高清观看| 高清午夜精品一区二区三区 | 免费观看人在逋| 国产免费男女视频| 亚洲欧美日韩卡通动漫| 老熟妇乱子伦视频在线观看| 卡戴珊不雅视频在线播放| 小说图片视频综合网站| 亚洲精品国产av成人精品 | 午夜老司机福利剧场| 亚洲成人av在线免费| 亚洲最大成人手机在线| 12—13女人毛片做爰片一| 国产精品美女特级片免费视频播放器| 日本免费一区二区三区高清不卡| 熟女人妻精品中文字幕| 欧美+亚洲+日韩+国产| 中文字幕精品亚洲无线码一区| 国产精品久久久久久亚洲av鲁大| 韩国av在线不卡| 人人妻,人人澡人人爽秒播| 日本撒尿小便嘘嘘汇集6| 午夜福利18| 国产91av在线免费观看| 色吧在线观看| 中文字幕久久专区| 久久久久久久午夜电影| 尾随美女入室| 校园人妻丝袜中文字幕| 伊人久久精品亚洲午夜| 欧美日韩乱码在线| 黄色配什么色好看| videossex国产| 99久久久亚洲精品蜜臀av| 最近的中文字幕免费完整| 亚洲成人精品中文字幕电影| 成人亚洲精品av一区二区| 一进一出好大好爽视频| 久久久a久久爽久久v久久| 免费高清视频大片| a级一级毛片免费在线观看| 亚洲最大成人av| 亚洲,欧美,日韩| 亚洲精品影视一区二区三区av| 精品熟女少妇av免费看| 欧美xxxx性猛交bbbb|