• <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 ?

    線性分解和周期增強(qiáng)Informer的太陽(yáng)輻射短臨預(yù)報(bào)研究

    2025-03-14 00:00:00姚蕊劉小芳
    太陽(yáng)能學(xué)報(bào) 2025年2期
    關(guān)鍵詞:灰色關(guān)聯(lián)度太陽(yáng)輻射

    摘 要:針對(duì)輻射周期趨勢(shì)及外部影響特征捕獲不足的問題,提出一種線性分解和周期增強(qiáng)Informer的地表太陽(yáng)輻射短臨預(yù)報(bào)方法。首先,改進(jìn)灰色關(guān)聯(lián)度方法,獲取歷史輻射與多種外部氣象因素關(guān)聯(lián)度,提取16種高相關(guān)外部氣象特征建立高關(guān)聯(lián)特征集,強(qiáng)化捕捉輻射與氣象因素之間的復(fù)雜關(guān)系的能力;其次,在基于Transformer解決方案的基礎(chǔ)上引入周期性嵌入層和ReLU激活函數(shù),為模型提供更準(zhǔn)確、合理的周期時(shí)間特征和輻射變化區(qū)間。最后,在Informer后增加平滑序列分解線性層,將Autoformer中的分解方案和FEDformer中的線性層相結(jié)合,進(jìn)一步增強(qiáng)捕捉時(shí)序數(shù)據(jù)中周期性和季節(jié)性成分的能力。實(shí)驗(yàn)結(jié)果表明:該IDL方法結(jié)合外部氣象特征能極好地提高模型短臨預(yù)報(bào)效果,精度高于近年來基于Transformer系列的解決方案;比DLinear均方誤差最高減少30.6%。

    關(guān)鍵詞:太陽(yáng)輻射;Informer;Transformer;平滑序列線性分解;周期嵌入;灰色關(guān)聯(lián)度

    中圖分類號(hào):P456.1" " " " " " " " " " " " " " " " 文獻(xiàn)標(biāo)志碼:A

    0 引 言

    由于地表太陽(yáng)輻射(surface solar irradiance,SSI)極大地影響著天氣和氣候,因而是許多研究和應(yīng)用的先決條件,成為決定氣候等過程的關(guān)鍵參數(shù)[1]。同時(shí),可靠的太陽(yáng)輻射預(yù)報(bào)可確保電網(wǎng)運(yùn)營(yíng)商優(yōu)化能量輸出并最大限度地降低成本[2]。天氣條件的倉(cāng)促和任意變化是造成SSI波動(dòng)的主要原因,其中最重要的因素是云,云層遮擋可導(dǎo)致太陽(yáng)輻射快速下降[3-4]。衛(wèi)星可提供更長(zhǎng)時(shí)間內(nèi)的云演變連續(xù)數(shù)據(jù),且其測(cè)量精度令人滿意[5]。隨著物聯(lián)網(wǎng)技術(shù)發(fā)展,各類觀測(cè)數(shù)據(jù)更加容易獲得,并為機(jī)器學(xué)習(xí)(machine learning,ML)模型提供了基礎(chǔ)[6]。文獻(xiàn)證明,ML模型廣泛應(yīng)用于各領(lǐng)域的參數(shù)和輸出預(yù)報(bào),能以較高的精度表征高維非線性問題[7-8]。許多研究表明,人工神經(jīng)網(wǎng)絡(luò)[9]、支持向量機(jī)[10]、隨機(jī)森林[11]、深度神經(jīng)網(wǎng)絡(luò)[12]等ML模型對(duì)太陽(yáng)輻射預(yù)報(bào)具有較高的精度[13]。

    然而,上述模型所有變量都獨(dú)立地插入到預(yù)報(bào)模型中,忽略了連續(xù)時(shí)間序列變量之間的時(shí)間依賴性[14]。一種特殊類型的深度神經(jīng)網(wǎng)絡(luò)Transformer可直接將時(shí)間序列作為輸入而不僅僅將其視為獨(dú)立樣本[15],此外它還可通過自注意力機(jī)制來實(shí)現(xiàn)序列進(jìn)化方向的信息流,可有效捕捉時(shí)間序列的時(shí)間依賴性[16]。Transformer可在輸入數(shù)據(jù)中找到時(shí)間和空間的聯(lián)系[17],并用它們來預(yù)報(bào)后續(xù)時(shí)間步的信息,這是一種較為準(zhǔn)確的時(shí)間序列預(yù)報(bào)方法[18]?;赥ransformer的時(shí)序解決方案有兩個(gè)特點(diǎn):一是大多研究針對(duì)長(zhǎng)期預(yù)測(cè)[19];二是時(shí)間序列預(yù)測(cè)中一般都具有明顯的季節(jié)性與周期性特征,但現(xiàn)有的太陽(yáng)輻射預(yù)測(cè)方法對(duì)這些特征的提取能力尚顯不足。如何利用Transformer建模短期時(shí)間依賴性并同時(shí)捕獲周期性仍是一個(gè)挑戰(zhàn)[19]。太陽(yáng)輻射預(yù)報(bào)涉及對(duì)一組連續(xù)時(shí)間點(diǎn)之間的變化進(jìn)行建模,其中包含相對(duì)明顯的趨勢(shì)和周期性的時(shí)間序列,有研究稱,線性模型在提取這些特性方面發(fā)揮著重要作用,并證明了其優(yōu)點(diǎn)[20]。

    為了解決上述問題,本研究對(duì)基于Transformer的解決方案進(jìn)行改進(jìn),以提高SSI短臨預(yù)報(bào)精度。

    1 研究方法

    1.1 改進(jìn)的灰色關(guān)聯(lián)度

    灰色關(guān)聯(lián)度法通常用于分析不同變量對(duì)結(jié)果的重要度[21]。對(duì)SSI、紫外輻射、光合輻射等外部影響因素進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理,在每個(gè)時(shí)刻[t]計(jì)算太陽(yáng)輻射[y*t]和第[k]種影響因素[r*k,t]的關(guān)聯(lián)系數(shù)[ξ]:

    [ξy*t,r*k,t=ρδmax+δminρδmax+y*t-r*k,t] (1)

    [δmax=maxtmaxky*t-r*k,t] (2)

    [δmin=mintminky*t-r*k,t] (3)

    式中:[δmax]——各類影響因素與輻射之間的兩級(jí)最大差;[δmin]——各類影響因素與輻射之間的兩級(jí)最小差;[ρ]——分辨系數(shù),一般取0.5。

    傳統(tǒng)灰色關(guān)聯(lián)度方法忽略了時(shí)序相關(guān)性特征的影響,通過時(shí)間權(quán)重因子[wt]對(duì)各時(shí)刻關(guān)聯(lián)系數(shù)進(jìn)行加權(quán)計(jì)算來得到改進(jìn)的灰色關(guān)聯(lián)度[γ]:

    [γL,rk=t=1Twtξy*t,r*k,t] (4)

    式中:[L]——SSI數(shù)據(jù)序列;[rk]——第[k]個(gè)因素的數(shù)據(jù)序列;[T]——日最大時(shí)間步長(zhǎng)96步。

    時(shí)間權(quán)重因子[wt]由以下3個(gè)步驟獲?。?/p>

    1) 根據(jù)“近大遠(yuǎn)小”原則,建立模糊互補(bǔ)關(guān)系矩陣[Fft1t2],在這個(gè)矩陣中,[ft1t2]表示某一外部影響因素下,[t1]時(shí)刻數(shù)據(jù)和[t2]時(shí)刻數(shù)據(jù)之間的重要度大小對(duì)比關(guān)系,且[ft1t2]與[ft2t1]之和始終為1。

    2) 為反映不同時(shí)刻之間的模糊一致性關(guān)系,將模糊互補(bǔ)關(guān)系矩陣[F]改為模糊一致矩陣[Sst1t2],其中:

    [st1=k=1Tft1k] (5)

    [st1t2=st1-st22T+0.5] (6)

    3) 通過特定參數(shù)和公式計(jì)算時(shí)間權(quán)重因子[wt]:

    [wt=1T-12a+k=1TstkTε] (7)

    [ε=T-12] (8)

    式中:[a]——大于等于[t-12]的參數(shù)。

    1.2 基于Transformer的時(shí)序方案

    多頭自注意機(jī)制的有效性引發(fā)了大量對(duì)基于Transformer時(shí)間序列建模技術(shù)的研究。一些相對(duì)著名的模型包括Informer[22]、Autoformer[23]、Pyraformer[24]和FEDformer[18]。其中,Informer使用稀疏概率(ProbSparse)自注意力機(jī)制代替?zhèn)鹘y(tǒng)自注意力,時(shí)間復(fù)雜度和內(nèi)存使用率均低至[ΟLlgL],且為直接多步(direct multi-step,DMS)預(yù)測(cè)設(shè)計(jì)了一種生成式解碼器,僅需一步前向傳遞就能獲得序列輸出,其他Transformer變體采用類似的DMS策略。

    2 線性分解和周期增強(qiáng)Informer的太陽(yáng)輻射預(yù)報(bào)模型

    對(duì)基于Transformer解決方案中SSI短期預(yù)報(bào)效果較好的Transformer和Infomer模型做類似改進(jìn):將改進(jìn)的灰色關(guān)聯(lián)度獲得的高關(guān)聯(lián)外部影響因素結(jié)合衛(wèi)星獲取的云和SSI數(shù)據(jù),獲取綜合高關(guān)聯(lián)度序列作為輸入;針對(duì)太陽(yáng)輻射規(guī)律性特征設(shè)計(jì)輻射周期性嵌入層;改進(jìn)后模型在嵌入前或解碼后融合平滑序列分解線性層(decomposition linear,DL)[20];預(yù)報(bào)最后增加ReLU激活函數(shù)將輻射值限制在可能性區(qū)間。針對(duì)太陽(yáng)輻射特性所改進(jìn)的多個(gè)模型,均可提高太陽(yáng)輻射短期預(yù)報(bào)精度,其中基于Informer改進(jìn)的解碼后線性模型短期預(yù)報(bào)精度最高。將其命名為線性分解變壓器(informer decomposition linear,IDL),如圖1所示,其中灰色框表示變動(dòng)增加部分。

    2.1 輻射周期性嵌入

    改進(jìn)的模型在綜合嵌入策略基礎(chǔ)上,增加日輻射周期性嵌入策略,以更好地捕捉太陽(yáng)輻射變化模式。輻射周期性嵌入包含半正弦函數(shù)編碼和半余弦函數(shù)編碼兩部分嵌入,僅取正余弦函數(shù)的正數(shù)部分,負(fù)數(shù)置為零。通過計(jì)算半正弦函數(shù)和半余弦函數(shù)在時(shí)間序列上的取值,捕捉輻射周期性特征,輻射周期性嵌入編碼為:

    [Cp,jt=max0,sinpT2jd," j為偶數(shù)max0,cospT2jd,其他] (9)

    式中:[p]——[t]時(shí)刻固定的序列位置;[d]——模型維度,[j=1,2,3,…,d2];[T]——日最大時(shí)間步長(zhǎng)96步。

    標(biāo)量投影中卷積核為3,步長(zhǎng)為1的一維卷積濾波后將[t]時(shí)刻的序列投影為[d]維矢量。

    2.2 Informer編碼器

    將預(yù)報(bào)時(shí)刻前的序列輸入編碼器,通過自注意蒸餾和多頭ProbSpare自注意力,學(xué)習(xí)序列中的長(zhǎng)短期依賴特征,在降低計(jì)算復(fù)雜度的同時(shí)保持信息提取任務(wù)的準(zhǔn)確性和效果。多頭ProbSpare自注意力計(jì)算為:

    [AQ,K,V=softmaxQK?dV] (10)

    式中:[Q∈?LQ×d]——查詢,其形狀第0維和1維長(zhǎng)度分別為[LQ]和[d];[K∈?LK×d]——鍵,其形狀第0維和1維長(zhǎng)度分別為[LK]和[d];[V∈?LV×d]——值,其形狀第0維和1維長(zhǎng)度分別為[LV]和[d];[Q]——與[Q]大小相同的系數(shù)矩陣。

    編碼器僅包含[n]個(gè)主導(dǎo)查詢,此時(shí)若選樣本[lgL]個(gè),ProbSpare自注意力總時(shí)間及空間復(fù)雜度由傳統(tǒng)方法[ΟL2]降至[ΟLlgL]。編碼器將所有多頭自注意力層的映射聯(lián)接起來,得到最終隱藏表示作為解碼器的輸入。

    2.3 Informer解碼器

    和標(biāo)準(zhǔn)解碼器結(jié)構(gòu)類似,Informer解碼器包括多頭ProbSparse自注意力層、全注意層和全連接層。不同于傳統(tǒng)方法中耗時(shí)的動(dòng)態(tài)解碼,Informer將自然語(yǔ)言處理中的生成式推理擴(kuò)展應(yīng)用至?xí)r間序列任務(wù),解碼器輸入向量后推理輸出,直接多步預(yù)測(cè)減少了預(yù)測(cè)解碼時(shí)間。

    [Xtde=ConcatXttoken,Xt0∈?Ltoken+Ly×d] (11)

    式中:[Xttoken]——起始標(biāo)記;[Xt0]——標(biāo)量設(shè)為0的目標(biāo)序列占位符。

    在ProbSparse自注意中應(yīng)用掩碼多頭注意,避免了自回歸。

    2.4 平滑序列分解線性層

    平滑序列分解線性層DL巧妙地結(jié)合了Autoformer中的序列分解方案和FEDformer中的線性層。Autoformer在每個(gè)神經(jīng)塊后應(yīng)用季節(jié)趨勢(shì)分解技術(shù),使原始數(shù)據(jù)可預(yù)報(bào)性更強(qiáng)[23]。FEDformer則提出“專家混合”的策略,由不同核大小提取趨勢(shì)分量,并將其混合。DL時(shí)間序列執(zhí)行移動(dòng)平均操作將輸入序列平滑化,得到移動(dòng)平均值,即趨勢(shì)分量[m],移動(dòng)平均的目的是強(qiáng)調(diào)時(shí)間序列的趨勢(shì)部分,并減少噪聲和異常點(diǎn)對(duì)序列的影響,讓數(shù)據(jù)更易于捕捉到整體的趨勢(shì);殘差部分是輸入序列與趨勢(shì)部分的差值,序列去除了趨勢(shì)后的殘差部分,即季節(jié)分量[r]。趨勢(shì)和季節(jié)分量分別使用線性變換得到趨勢(shì)成分的線性預(yù)報(bào)[ym]和季節(jié)成分的線性預(yù)報(bào)[yr],合并后得預(yù)報(bào)序列[YDL]。

    3 建模和效果分析

    3.1 數(shù)據(jù)預(yù)處理

    結(jié)合2022年來自風(fēng)云四號(hào)A星(FY-4A)SSI數(shù)據(jù)、先進(jìn)的靜止軌道輻射成像儀(AGRI)14個(gè)通道數(shù)據(jù)、云檢測(cè)(CLM)數(shù)據(jù)的3種衛(wèi)星數(shù)據(jù),以及來自中國(guó)山西太原氣象站點(diǎn)(編號(hào):53772,經(jīng)度:112.5°,緯度:37.62°),時(shí)間分辨率為1 h的地面實(shí)測(cè)氣象和輻射相關(guān)數(shù)據(jù)。由于來自衛(wèi)星的數(shù)據(jù)空間分辨率為4 km,時(shí)間分辨率除整點(diǎn)外,每3 h前后各15 min一次觀測(cè),而站點(diǎn)數(shù)據(jù)為每小時(shí)整點(diǎn)測(cè)量。為統(tǒng)一時(shí)間分辨率并保證短臨預(yù)報(bào)精度,將衛(wèi)星經(jīng)緯按照歐氏距離匹配站點(diǎn)的最近經(jīng)緯度,獲取衛(wèi)星在該站點(diǎn)的數(shù)據(jù);分別對(duì)站點(diǎn)和衛(wèi)星數(shù)據(jù)做時(shí)次數(shù)據(jù)插補(bǔ),采用3次樣條插值方案,將時(shí)間分辨率插補(bǔ)至15 min。將地面站點(diǎn)獲取的141個(gè)外部氣象因素和衛(wèi)星SSI數(shù)據(jù)經(jīng)改進(jìn)的灰色關(guān)聯(lián)度方法得到關(guān)聯(lián)度,部分灰色關(guān)聯(lián)度分析結(jié)果如表1所示(僅展示最高的18個(gè))。其中,取最高的16個(gè)高相關(guān)氣象因素和衛(wèi)星獲取的3項(xiàng)數(shù)據(jù)綜合成一個(gè)完整的數(shù)據(jù)集。

    3.2 模型預(yù)報(bào)結(jié)果分析

    IDL使用Adam優(yōu)化器,學(xué)習(xí)率從1×10-4開始,每個(gè)訓(xùn)練周期衰減一半,適當(dāng)早停情況下,總訓(xùn)練周期為8個(gè)。在此情況下,逐步延長(zhǎng)預(yù)報(bào)窗口[Ly]為{1,4,6,8,12,24},選擇近年來著名的5種基于Transformer的解決方案和最新的DLinear線性模型作對(duì)比,每個(gè)模型都使用均方誤差(mean squared error,MSE)和平均絕對(duì)誤差(mean absolute error,MAE)作為評(píng)價(jià)指標(biāo),回望窗口統(tǒng)一為96,由于DLinear存在推理性能隨回望窗口的增大而顯著提高的特性,因此增加一個(gè)回望窗口為720的DLinear模型。不同模型多變量SSI預(yù)報(bào)結(jié)果如表2所示,預(yù)報(bào)步長(zhǎng)(1步長(zhǎng)為15 min)分別為{1,4,6,8,12,24},最好的指標(biāo)數(shù)據(jù)用粗體突出顯示,除IDL外其他方法中最好的用下劃線顯示。從表2中觀察到,所提出的IDL僅在預(yù)測(cè)步長(zhǎng)為24時(shí)間步時(shí)對(duì)比回望窗為720的DLinear性能有所下降,其他短臨步長(zhǎng)預(yù)報(bào)下,IDL在所有模型中短臨推理性能最好,并且隨著預(yù)報(bào)步長(zhǎng)的增大,誤差平穩(wěn)緩慢上升,表明IDL成功提升了太陽(yáng)輻射短臨預(yù)報(bào)能力。

    3.3 基于改進(jìn)多模型融合DL的魯棒性分析

    從表2中觀察到,基于Transformer的解決方案中Informer和Transformer的SSI短臨預(yù)報(bào)效果較好。為對(duì)比IDL改進(jìn)是否最好并驗(yàn)證改進(jìn)的方案對(duì)過去基于Transformer解決方案的有效性,對(duì)Transformer和Infomer模型做類似改進(jìn),相應(yīng)部分增加輻射周期性嵌入和激活函數(shù),綜合嵌入層前增加DL層分別命名為DLT、DLI,解碼后增加DL層分別命名為TDL、IDL。多個(gè)改進(jìn)模型融合DL預(yù)報(bào)結(jié)果如表3所示,4種方法中IDL魯棒性最優(yōu)。

    對(duì)比表2和表3可發(fā)現(xiàn),相比于所有基于Transformer的解決方案,此改進(jìn)方法所得4種模型的整體誤差均有下降,證明了改進(jìn)的有效性。

    3.4 回望窗口與步長(zhǎng)

    為了研究提出的IDL回望窗口大小對(duì)SSI短預(yù)報(bào)的影響,在窗口為{48,96,168,240,336,480,624,720}的情況下預(yù)報(bào)SSI,取預(yù)報(bào)時(shí)間步中的相對(duì)中間位置:6時(shí)間步,回望窗口敏感性分析如圖2所示,現(xiàn)有基于Transformer解決方案中FEDformer、Autoformer對(duì)太陽(yáng)輻射預(yù)測(cè)回望窗口影響不確定,Pyraformer雖趨勢(shì)下降,但運(yùn)行時(shí)間過長(zhǎng)且精度與IDL相差巨大。IDL最初增加回望窗口使得MSE下降,進(jìn)一步增加回望窗口會(huì)有些許上升,但總體性能趨于穩(wěn)定。IDL短臨預(yù)報(bào)回望窗口設(shè)置在96~336的一般可得最佳性能,且優(yōu)于DLinear穩(wěn)定后最佳趨勢(shì),優(yōu)于Informer和Transformer最佳回望窗口性能。

    4 結(jié) 論

    針對(duì)太陽(yáng)輻射短臨預(yù)報(bào)存在的周期性及外部影響特征捕獲不足的問題,提出IDL模型,可顯著提高SSI短臨預(yù)報(bào)精度,模型改進(jìn)優(yōu)勢(shì)具體如下:

    1)利用改進(jìn)后的高關(guān)聯(lián)度外部氣象因素作為輔助參數(shù)輸入模型,引入專門的太陽(yáng)輻射周期性嵌入層,以更好地捕捉太陽(yáng)輻射的規(guī)律性特征。

    2)在預(yù)報(bào)的最后階段,適當(dāng)添加ReLU激活函數(shù),將輻射值限制在可能性區(qū)間內(nèi),從而提高了預(yù)報(bào)的準(zhǔn)確性和可靠性。

    3)融合了平滑趨勢(shì)分解線性層到改進(jìn)后的模型中,可更好地捕捉數(shù)據(jù)中的季節(jié)和周期趨勢(shì)性特征。

    4)實(shí)驗(yàn)證明了這些改進(jìn)和融合的步驟,增強(qiáng)了模型對(duì)季節(jié)性和周期性特征的感知能力,在總體性能趨于穩(wěn)定的情況下成功增強(qiáng)了基于Transformer的解決方案的太陽(yáng)輻射短臨預(yù)報(bào)能力。

    [參考文獻(xiàn)]

    [1] HUANG G H, LI Z Q, LI X, et al. Estimating surface solar irradiance from satellites: past, present, and future perspectives[J]. Remote sensing of environment, 2019, 233: 111371.

    [2] LI Q Q, ZHANG D P, YAN K. A solar irradiance forecasting framework based on the CEE-WGAN-LSTM model[J]. Sensors, 2023, 23(5): 2799.

    [3] 沈鐘平, 張華. 影響地面太陽(yáng)輻射及其譜分布的因子分析[J]. 太陽(yáng)能學(xué)報(bào), 2009, 30(10): 1209-1215.

    SHEN Z P, ZHANG H. Analysis on the factors affecting surface solar radiation and its spectral distribution[J]. Acta energiae solaris sinica, 2009, 30(10): 1209-1215.

    [4] 郝玉珠, 李興華, 胡亞男, 等. 內(nèi)蒙古57年太陽(yáng)能資源變化規(guī)律及影響因子[J]. 太陽(yáng)能學(xué)報(bào), 2021, 42(9): 145-151.

    HAO Y Z, LI X H, HU Y N, et al. Change rules and influencing factors of 57 years of solar energy resources in Inner Mongolia[J]. Acta energiae solaris sinica, 2021, 42(9): 145-151.

    [5] KRISHNAN N, KUMAR K R, INDA C S. How solar radiation forecasting impacts the utilization of solar energy: a critical review[J]. Journal of cleaner production, 2023, 388: 135860.

    [6] 杜智濤, 姜明波, 杜曉勇, 等. 機(jī)器學(xué)習(xí)在氣象領(lǐng)域的應(yīng)用現(xiàn)狀與展望[J]. 氣象科技, 2021, 49(6): 930-941.

    DU Z T, JIANG M B, DU X Y, et al. Application status and prospect of machine learning in meteorology[J]. Meteorological science and technology, 2021, 49(6): 930-941.

    [7] AL-QANESS M A A, EWEES A A, FAN H, et al. Wind power prediction using random vector functional link network with capuchin search algorithm[J]. Ain shams engineering journal, 2023, 14(9): 102095.

    [8] 普智勇, 夏攀, 張璐, 等. 機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法在太陽(yáng)能預(yù)報(bào)中的比較性分析[J]. 太陽(yáng)能學(xué)報(bào), 2023, 44(7): 162-167.

    PU Z Y, XIA P, ZHANG L, et al. Comparative analysis of machine learning and statistical methods in solar energy prediction[J]. Acta energiae solaris sinica, 2023, 44(7): 162-167.

    [9] PATEL D, PATEL S, PATEL P, et al. Solar radiation and solar energy estimation using ANN and fuzzy logic concept: a comprehensive and systematic study[J]. Environmental science and pollution research, 2022, 29(22): 32428-32442.

    [10] 李凈, 溫松楠. 基于3種機(jī)器學(xué)習(xí)法的太陽(yáng)輻射模擬研究[J]. 遙感技術(shù)與應(yīng)用, 2020, 35(3): 615-622.

    LI J, WEN S N. Simulation of solar radiation based on three machine learning methods[J]. Remote sensing technology and application, 2020, 35(3): 615-622.

    [11] 王雪潔, 施國(guó)萍, 周子欽, 等. 基于隨機(jī)森林算法對(duì)ERA5太陽(yáng)輻射產(chǎn)品的訂正[J]. 自然資源遙感, 2022, 34(2): 105-111.

    WANG X J, SHI G P, ZHOU Z Q, et al. Revision of solar radiation product ERA5 based on random forest algorithm[J]. Remote sensing for natural resources, 2022, 34(2): 105-111.

    [12] SALEHI A W, KHAN S, GUPTA G, et al. A study of CNN and transfer learning in medical imaging: advantages, challenges, future scope[J]. Sustainability, 2023, 15(7): 5930.

    [13] ZHOU Y, LI Y Z, WANG D J, et al. A multi-step ahead global solar radiation prediction method using an attention-based transformer model with an interpretable mechanism[J]. International journal of hydrogen energy, 2023, 48(40): 15317-15330.

    [14] FENG Y, HAO W P, LI H R, et al. Machine learning models to quantify and map daily global solar radiation and photovoltaic power[J]. Renewable and sustainable energy reviews, 2020, 118: 109393.

    [15] VASWANI A, SHAZEER N, PARMAR N, et al. Attention" "is" "all" "you" "need[C]//Advances" "in" "Neural Information Processing Systems. Long Beach, USA: Curran Associates Inc., 2017: 5998-6008.

    [16] BAI Y M, ZHAO J S. A novel transformer-based multi-variable multi-step prediction method for chemical process fault prognosis[J]. Process safety and environmental protection, 2023, 169: 937-947.

    [17] POSPíCHAL J, KUBOV?íK M, DIRGOVá LUPTáKOVá I. Solar irradiance forecasting with transformer model[J]. Applied sciences, 2022, 12(17): 8852.

    [18] ZHOU T, MA Z, WEN Q, et al. FEDformer: frequency enhanced decomposed transformer for long-term series forecasting[C]//Proceedings of the 39th International Conference on Machine Learning. Baltimore USA, 2022.

    [19] WEN Q S, ZHOU T, ZHANG C L, et al. Transformers in time series: a survey[EB/OL]. 2022: 2202.07125. https://arxiv.org/abs/2202.07125v5.

    [20] ZENG A L, CHEN M X, ZHANG L, et al. Are transformers effective for time series forecasting?[J]. Proceedings of the AAAI conference on artificial intelligence, 2023, 37(9): 11121-11128.

    [21] 王濤, 王旭, 許野, 等. 計(jì)及相似日的LSTM光伏出力預(yù)測(cè)模型研究[J]. 太陽(yáng)能學(xué)報(bào), 2023, 44(8): 316-323.

    WANG T, WANG X, XU Y, et al. Study on LSTM photovoltaic output prediction model considering similar days[J]. Acta energiae solaris sinica, 2023, 44(8): 316-323.

    [22] ZHOU H Y, ZHANG S H, PENG J Q, et al. Informer: beyond efficient transformer for long sequence time-series forecasting[J]. Proceedings of the AAAI conference on artificial intelligence, 2021, 35(12): 11106-11115.

    [23] WU H, XU J, WANG J, et al. Autoformer: decomposition transformers with auto-correlation for long-term series forecasting[C]//Advances in Neural Information Processing Systems 34. Reed Hook, NY, USA: Curran Associates, Inc., 2021: 22419-22430.

    [24] RAMPá?EK L, GALKIN M, DWIVEDI V P, et al. Recipe for a general, powerful, scalable graph transformer[C]//Advances in Neural Information Processing Systems 35. Reed Hook, NY, USA: Curran Associates, Inc.," 2022: 14501-14515.

    LINEAR DECOMPOSITION AND PERIODIC ENHANCEMENT IN

    SHORT-TERM SOLAR IRRADIANCE FORECASTING WITH INFORMER

    Yao Rui1,2,Liu Xiaofang1

    (1. School of Computer Science and Engineering, Sichuan University of Science amp; Engineering,Yibin 644000, China;

    2. Department of Information Technology, Shanxi Yuncheng Vocational and Technical College of Agricultural, Yuncheng 044000, China)

    Abstract:In response to the inadequacy in capturing trend and periodic features, a method for short arrival prediction of surface solar radiation :s proposed decomposition and periodic-enhancement linear Informer. Firstly, an improved grey relational analysis method captures the correlation between historical irradiance and various external meteorological factors. This method extracts 16 highly correlated external meteorological features, thus enhancing the model's ability to capture the intricate relationship between irradiance and meteorological factors. Subsequently, the Informer model is augmented with periodic embedding layers and ReLU activation functions, which better represents the periodic variations in solar irradiance and provides more accurate temporal features. Finally, an integration of the decomposition scheme from Autoformer and the linear layer from FEDformer as a decomposition linear layer after the Informer. This amalgamation enhances the model’s capability to capture the periodic trends and seasonal components in time series solar irradiance data. Experimental results demonstrate that the proposed Informer Decomposition Linear model, in conjunction with external meteorological features, remarkably improves short-term forecasting performance, surpassing the accuracy of recently prominent Transformer-based approaches. In comparison to the best-performing DLinear model, the maximum mean squared error is reduced by 30.6%.

    Keywords:solar irradiance; Informer; Transformer; smoothing sequential linear decomposition; periodic embedding; grey relational degree

    猜你喜歡
    灰色關(guān)聯(lián)度太陽(yáng)輻射
    中國(guó)地面太陽(yáng)輻射季節(jié)異常與主要大氣環(huán)流指數(shù)的關(guān)聯(lián)分析
    提孜那甫河流域地表太陽(yáng)輻射估算及其影響因素分析
    邯鄲太陽(yáng)輻射時(shí)空分布特征
    基于PCA 的太陽(yáng)輻射觀測(cè)算法研究
    森林碳匯影響因素的灰色關(guān)聯(lián)分析
    基于灰色層次分析法的艦艇衛(wèi)星通信效能評(píng)估方法研究
    太陽(yáng)輻射作用下鋼筒倉(cāng)結(jié)構(gòu)溫度場(chǎng)分析研究
    農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的灰色關(guān)聯(lián)度分析
    基于AHP灰色關(guān)聯(lián)分析的企業(yè)電子商務(wù)信用評(píng)價(jià)研究
    商(2016年25期)2016-07-29 21:07:14
    湖南省經(jīng)濟(jì)增長(zhǎng)影響因素實(shí)證分析
    亚洲人与动物交配视频| 99国产极品粉嫩在线观看| 久久中文看片网| 欧美激情在线99| 色视频www国产| 国产精品野战在线观看| 一进一出抽搐gif免费好疼| 久久精品国产清高在天天线| 午夜福利在线观看吧| x7x7x7水蜜桃| 99精品在免费线老司机午夜| 国产午夜福利久久久久久| 国产伦精品一区二区三区视频9| 男女之事视频高清在线观看| 特大巨黑吊av在线直播| 国产黄片美女视频| 五月伊人婷婷丁香| 91久久精品国产一区二区成人| 免费看av在线观看网站| 两性午夜刺激爽爽歪歪视频在线观看| 黄片wwwwww| 免费大片18禁| 少妇人妻精品综合一区二区 | 床上黄色一级片| 露出奶头的视频| 禁无遮挡网站| 国产精品一区二区免费欧美| 国内精品美女久久久久久| 久久久久久久久大av| 久久亚洲真实| 天堂影院成人在线观看| 亚洲一区二区三区色噜噜| 国产私拍福利视频在线观看| 欧美黑人巨大hd| 成人亚洲精品av一区二区| 国产成人一区二区在线| av在线观看视频网站免费| 欧美日韩中文字幕国产精品一区二区三区| 中文字幕精品亚洲无线码一区| 日韩一区二区视频免费看| 人妻夜夜爽99麻豆av| 国产成年人精品一区二区| 俺也久久电影网| 国产精品永久免费网站| 99视频精品全部免费 在线| 国产高清激情床上av| 亚洲aⅴ乱码一区二区在线播放| 国产v大片淫在线免费观看| 熟妇人妻久久中文字幕3abv| 国产精品av视频在线免费观看| av视频在线观看入口| 国产精品久久久久久久久免| 波野结衣二区三区在线| 欧美黑人欧美精品刺激| 一进一出抽搐动态| 中文字幕av在线有码专区| 久久精品人妻少妇| 日韩欧美免费精品| 91麻豆av在线| 在线观看66精品国产| 久久婷婷人人爽人人干人人爱| 99国产精品一区二区蜜桃av| 在线播放国产精品三级| 国产极品精品免费视频能看的| 丰满人妻一区二区三区视频av| 欧美xxxx黑人xx丫x性爽| 亚洲第一电影网av| 动漫黄色视频在线观看| 欧美一区二区国产精品久久精品| 最新在线观看一区二区三区| 久久久久久久久久成人| 日韩中字成人| 成人无遮挡网站| 中文字幕人妻熟人妻熟丝袜美| 欧美日韩综合久久久久久 | 男人狂女人下面高潮的视频| 伦理电影大哥的女人| 久久精品夜夜夜夜夜久久蜜豆| 少妇猛男粗大的猛烈进出视频 | 欧美中文日本在线观看视频| 精品福利观看| 久久久久久久久久黄片| 一进一出抽搐动态| 久久久久久久久久成人| 他把我摸到了高潮在线观看| 日本欧美国产在线视频| 免费观看精品视频网站| 国产三级在线视频| 欧美成人a在线观看| 直男gayav资源| 在线a可以看的网站| 一进一出好大好爽视频| 午夜免费激情av| 国产成人a区在线观看| av在线蜜桃| 有码 亚洲区| 亚洲人与动物交配视频| 国产毛片a区久久久久| 日韩精品有码人妻一区| 午夜精品在线福利| 午夜日韩欧美国产| 久久精品国产自在天天线| 色播亚洲综合网| 在线播放国产精品三级| 欧美+亚洲+日韩+国产| 国产精品自产拍在线观看55亚洲| 亚洲美女搞黄在线观看 | 亚洲av.av天堂| 美女cb高潮喷水在线观看| 人妻丰满熟妇av一区二区三区| 在线观看av片永久免费下载| 欧美激情在线99| 日韩欧美国产在线观看| 国产精品综合久久久久久久免费| 中文字幕熟女人妻在线| 成熟少妇高潮喷水视频| 精品一区二区三区视频在线观看免费| 丰满乱子伦码专区| 成熟少妇高潮喷水视频| 熟女电影av网| 久久精品综合一区二区三区| 久久精品国产99精品国产亚洲性色| 国内精品一区二区在线观看| 天堂动漫精品| 欧美3d第一页| 在线天堂最新版资源| 天堂√8在线中文| 精品一区二区三区视频在线| 国产精品99久久久久久久久| 国产精品,欧美在线| 久久久国产成人免费| 波多野结衣巨乳人妻| 最好的美女福利视频网| www.www免费av| 午夜精品一区二区三区免费看| 亚洲精品亚洲一区二区| 欧美黑人巨大hd| 国产精品一区二区免费欧美| 国产精品无大码| 亚洲精华国产精华精| 亚洲在线观看片| 亚洲专区中文字幕在线| 免费搜索国产男女视频| 日日夜夜操网爽| 精品人妻1区二区| 国产高清有码在线观看视频| 成人美女网站在线观看视频| 又粗又爽又猛毛片免费看| 日韩欧美免费精品| 亚洲在线观看片| 波多野结衣高清无吗| 天美传媒精品一区二区| 国产色婷婷99| 一a级毛片在线观看| 日韩高清综合在线| 国产伦精品一区二区三区四那| 欧美日本亚洲视频在线播放| 欧美黑人巨大hd| 大又大粗又爽又黄少妇毛片口| 国产三级中文精品| 在线观看美女被高潮喷水网站| 成人亚洲精品av一区二区| 久久精品91蜜桃| 国产aⅴ精品一区二区三区波| 久久久久久九九精品二区国产| 观看美女的网站| 色尼玛亚洲综合影院| 三级国产精品欧美在线观看| 最近中文字幕高清免费大全6 | 精华霜和精华液先用哪个| 一区二区三区免费毛片| 日韩在线高清观看一区二区三区 | 国产69精品久久久久777片| 看十八女毛片水多多多| 天堂√8在线中文| 啦啦啦啦在线视频资源| 精品一区二区三区人妻视频| 国内毛片毛片毛片毛片毛片| 99热这里只有精品一区| 久久久久久九九精品二区国产| 精品免费久久久久久久清纯| 免费在线观看日本一区| 国产一区二区在线观看日韩| 乱系列少妇在线播放| 久久精品国产亚洲av涩爱 | 亚洲国产精品sss在线观看| 99riav亚洲国产免费| 国产欧美日韩精品一区二区| 国产免费av片在线观看野外av| 亚洲国产色片| 一个人看的www免费观看视频| 欧美精品国产亚洲| 啦啦啦啦在线视频资源| 国产高清视频在线播放一区| 亚洲七黄色美女视频| 久久国产精品人妻蜜桃| 一级a爱片免费观看的视频| 高清毛片免费观看视频网站| 亚洲精华国产精华液的使用体验 | 亚洲真实伦在线观看| 精品久久久久久久末码| av在线亚洲专区| 91麻豆精品激情在线观看国产| x7x7x7水蜜桃| av在线蜜桃| 日日干狠狠操夜夜爽| 啦啦啦观看免费观看视频高清| 少妇人妻一区二区三区视频| 男人的好看免费观看在线视频| 亚洲午夜理论影院| 亚洲一级一片aⅴ在线观看| x7x7x7水蜜桃| 久久精品91蜜桃| 我要搜黄色片| 亚洲av成人精品一区久久| 午夜福利18| 亚洲精华国产精华精| 国产在线男女| 97超视频在线观看视频| 色av中文字幕| 人人妻,人人澡人人爽秒播| 精品久久久久久久末码| 天天一区二区日本电影三级| 久久久精品欧美日韩精品| 日韩欧美国产在线观看| 国产精品无大码| 一本一本综合久久| 波野结衣二区三区在线| 91在线精品国自产拍蜜月| 国产在线精品亚洲第一网站| 国产主播在线观看一区二区| 又爽又黄无遮挡网站| 国内精品美女久久久久久| 成人午夜高清在线视频| 久久久久免费精品人妻一区二区| 国产高清激情床上av| 国内精品久久久久久久电影| 变态另类成人亚洲欧美熟女| 91在线精品国自产拍蜜月| 欧美最黄视频在线播放免费| 国产精品久久久久久精品电影| 很黄的视频免费| 麻豆成人av在线观看| 国产精品自产拍在线观看55亚洲| 窝窝影院91人妻| 久久婷婷人人爽人人干人人爱| 日本撒尿小便嘘嘘汇集6| 日韩中文字幕欧美一区二区| 男女视频在线观看网站免费| 欧美+日韩+精品| 久久人人爽人人爽人人片va| 精品人妻一区二区三区麻豆 | 香蕉av资源在线| 99热这里只有是精品在线观看| 精品一区二区三区视频在线观看免费| 欧美成人一区二区免费高清观看| 国内精品一区二区在线观看| 少妇裸体淫交视频免费看高清| 久久久久久久亚洲中文字幕| 一区福利在线观看| 成年女人毛片免费观看观看9| 99久久久亚洲精品蜜臀av| 性插视频无遮挡在线免费观看| 国产亚洲精品av在线| 亚洲av美国av| 一本精品99久久精品77| 搡女人真爽免费视频火全软件 | 日本在线视频免费播放| 黄片wwwwww| 韩国av在线不卡| 日本黄大片高清| 久久亚洲真实| 内射极品少妇av片p| 亚洲熟妇熟女久久| 亚洲在线自拍视频| 99久久中文字幕三级久久日本| 91精品国产九色| 22中文网久久字幕| 1024手机看黄色片| 一区二区三区激情视频| 性色avwww在线观看| 人妻制服诱惑在线中文字幕| 国产精品女同一区二区软件 | 91在线精品国自产拍蜜月| 麻豆一二三区av精品| 97超视频在线观看视频| 午夜久久久久精精品| 搡老岳熟女国产| 国产成人aa在线观看| 国产精品亚洲一级av第二区| 99久久无色码亚洲精品果冻| 成人国产综合亚洲| 一夜夜www| 精品久久久久久久人妻蜜臀av| 亚州av有码| 亚洲图色成人| 在线观看一区二区三区| 亚洲精品456在线播放app | 亚洲av不卡在线观看| 欧美又色又爽又黄视频| 午夜激情福利司机影院| 91午夜精品亚洲一区二区三区 | av在线观看视频网站免费| 午夜精品久久久久久毛片777| 女同久久另类99精品国产91| 久久久久国内视频| 亚洲专区国产一区二区| 久久午夜福利片| 一个人看视频在线观看www免费| 91久久精品国产一区二区三区| 日本一本二区三区精品| 88av欧美| 男女那种视频在线观看| 国产精品国产三级国产av玫瑰| 亚洲精品乱码久久久v下载方式| 少妇人妻一区二区三区视频| 国产精品伦人一区二区| 亚洲美女黄片视频| 欧美丝袜亚洲另类 | 干丝袜人妻中文字幕| 亚洲专区中文字幕在线| 51国产日韩欧美| av在线蜜桃| 天堂√8在线中文| 国产aⅴ精品一区二区三区波| 久久亚洲精品不卡| 蜜桃久久精品国产亚洲av| 亚洲精品日韩av片在线观看| 91精品国产九色| 自拍偷自拍亚洲精品老妇| 国产麻豆成人av免费视频| 在线观看66精品国产| 日韩av在线大香蕉| 免费无遮挡裸体视频| 少妇裸体淫交视频免费看高清| 午夜日韩欧美国产| 听说在线观看完整版免费高清| a级一级毛片免费在线观看| 国产高清视频在线观看网站| 日本在线视频免费播放| 精品一区二区免费观看| 黄色丝袜av网址大全| 18禁黄网站禁片免费观看直播| 欧美丝袜亚洲另类 | 国内久久婷婷六月综合欲色啪| 久久人人精品亚洲av| 国产中年淑女户外野战色| 日本免费一区二区三区高清不卡| 狂野欧美白嫩少妇大欣赏| 12—13女人毛片做爰片一| 一本一本综合久久| 12—13女人毛片做爰片一| 亚洲av免费高清在线观看| 99视频精品全部免费 在线| 精品久久久久久久末码| 国产视频一区二区在线看| 嫩草影院入口| 国产亚洲精品久久久久久毛片| 亚洲精品影视一区二区三区av| 成人国产综合亚洲| 亚洲精品影视一区二区三区av| 亚洲色图av天堂| 两个人视频免费观看高清| 一个人看视频在线观看www免费| 国产精品女同一区二区软件 | 性色avwww在线观看| 小说图片视频综合网站| 久久国内精品自在自线图片| 亚洲成人久久性| 麻豆国产av国片精品| 国产午夜福利久久久久久| 久久午夜亚洲精品久久| 国产女主播在线喷水免费视频网站 | 免费看美女性在线毛片视频| 内射极品少妇av片p| 搡老妇女老女人老熟妇| 国产毛片a区久久久久| 99国产精品一区二区蜜桃av| 在线观看66精品国产| 亚洲精品久久国产高清桃花| 国产精品久久久久久久电影| 久久午夜亚洲精品久久| 国产乱人视频| 亚洲成a人片在线一区二区| 2021天堂中文幕一二区在线观| 啦啦啦啦在线视频资源| 欧美bdsm另类| 精品人妻一区二区三区麻豆 | 最近视频中文字幕2019在线8| netflix在线观看网站| 色综合站精品国产| 欧美+日韩+精品| 日本爱情动作片www.在线观看 | 五月伊人婷婷丁香| 直男gayav资源| 亚洲av.av天堂| 国产色爽女视频免费观看| 国产精品国产三级国产av玫瑰| 国产精品一区二区免费欧美| 成年女人永久免费观看视频| 韩国av一区二区三区四区| 少妇裸体淫交视频免费看高清| 两性午夜刺激爽爽歪歪视频在线观看| 一个人观看的视频www高清免费观看| 99久久九九国产精品国产免费| 久久亚洲真实| 夜夜看夜夜爽夜夜摸| 日本欧美国产在线视频| 久久精品人妻少妇| 性欧美人与动物交配| www日本黄色视频网| 99热这里只有精品一区| 美女黄网站色视频| 日日摸夜夜添夜夜添小说| 亚洲无线在线观看| 日韩国内少妇激情av| 99国产精品一区二区蜜桃av| 亚洲人成网站在线播放欧美日韩| 好男人在线观看高清免费视频| ponron亚洲| 美女 人体艺术 gogo| 亚洲真实伦在线观看| 蜜桃亚洲精品一区二区三区| 婷婷六月久久综合丁香| 天堂网av新在线| 国产精品日韩av在线免费观看| 色综合婷婷激情| 在线观看美女被高潮喷水网站| 又黄又爽又免费观看的视频| 高清毛片免费观看视频网站| 国内少妇人妻偷人精品xxx网站| 午夜老司机福利剧场| av福利片在线观看| 麻豆国产av国片精品| 国产三级中文精品| 国产v大片淫在线免费观看| 日韩精品有码人妻一区| 男女那种视频在线观看| 亚洲无线在线观看| 国内精品一区二区在线观看| 嫁个100分男人电影在线观看| 国产免费一级a男人的天堂| bbb黄色大片| 亚洲成人精品中文字幕电影| 蜜桃久久精品国产亚洲av| 在线免费观看的www视频| 欧美潮喷喷水| 日本免费a在线| 成人高潮视频无遮挡免费网站| 日本 欧美在线| 成人特级黄色片久久久久久久| 1024手机看黄色片| 国产精品福利在线免费观看| 欧美高清性xxxxhd video| 高清日韩中文字幕在线| 真人做人爱边吃奶动态| 最近中文字幕高清免费大全6 | 狠狠狠狠99中文字幕| 麻豆成人av在线观看| 国产淫片久久久久久久久| 国产av在哪里看| 女的被弄到高潮叫床怎么办 | 在线国产一区二区在线| av视频在线观看入口| 亚洲人成网站在线播放欧美日韩| 18禁黄网站禁片午夜丰满| 精品人妻视频免费看| 久久精品国产亚洲av天美| 色吧在线观看| 亚洲中文日韩欧美视频| 久久久久久久精品吃奶| 精品一区二区三区人妻视频| 欧美丝袜亚洲另类 | 美女被艹到高潮喷水动态| 99九九线精品视频在线观看视频| 婷婷亚洲欧美| 最近在线观看免费完整版| 日日啪夜夜撸| 别揉我奶头 嗯啊视频| 色吧在线观看| 亚洲精华国产精华液的使用体验 | 深爱激情五月婷婷| av福利片在线观看| 日韩 亚洲 欧美在线| 国产午夜精品久久久久久一区二区三区 | 中文字幕精品亚洲无线码一区| 久久国产乱子免费精品| 国产高清三级在线| 亚洲狠狠婷婷综合久久图片| 黄色日韩在线| 成人av在线播放网站| 午夜影院日韩av| 黄色丝袜av网址大全| 国国产精品蜜臀av免费| 国产精品国产高清国产av| 男人和女人高潮做爰伦理| 亚洲真实伦在线观看| 直男gayav资源| 国产一区二区在线av高清观看| 国产伦在线观看视频一区| 亚洲五月天丁香| 一区二区三区高清视频在线| 99久国产av精品| 97超视频在线观看视频| 色5月婷婷丁香| 日本 欧美在线| 午夜福利高清视频| 成熟少妇高潮喷水视频| АⅤ资源中文在线天堂| 老司机深夜福利视频在线观看| 亚洲va在线va天堂va国产| 亚洲专区中文字幕在线| 蜜桃久久精品国产亚洲av| 亚洲内射少妇av| 日韩国内少妇激情av| 久久九九热精品免费| 欧美日本亚洲视频在线播放| 国产综合懂色| 一级毛片久久久久久久久女| 淫秽高清视频在线观看| 亚洲va日本ⅴa欧美va伊人久久| www.www免费av| 亚洲精品在线观看二区| 精品久久久久久久久久久久久| 亚洲国产欧洲综合997久久,| 伦精品一区二区三区| 亚洲欧美清纯卡通| 亚洲精品亚洲一区二区| 色尼玛亚洲综合影院| 欧美日韩中文字幕国产精品一区二区三区| 看十八女毛片水多多多| 毛片女人毛片| 午夜福利18| 亚洲人成网站高清观看| 国产伦人伦偷精品视频| 不卡一级毛片| 国产单亲对白刺激| 亚洲熟妇中文字幕五十中出| 看免费成人av毛片| 国产真实乱freesex| 色噜噜av男人的天堂激情| 窝窝影院91人妻| 色播亚洲综合网| 日韩人妻高清精品专区| 亚洲美女搞黄在线观看 | 免费在线观看成人毛片| 一进一出好大好爽视频| 久久久久免费精品人妻一区二区| 啪啪无遮挡十八禁网站| 亚洲精品亚洲一区二区| 级片在线观看| av在线天堂中文字幕| 九九在线视频观看精品| 成人鲁丝片一二三区免费| 国产精品人妻久久久影院| 国产精品乱码一区二三区的特点| 在现免费观看毛片| www日本黄色视频网| av专区在线播放| 嫩草影院入口| 日本五十路高清| 十八禁国产超污无遮挡网站| 一夜夜www| 一区二区三区高清视频在线| 欧洲精品卡2卡3卡4卡5卡区| 久久久久久国产a免费观看| 国产黄片美女视频| 亚洲欧美激情综合另类| 99热只有精品国产| 亚洲欧美日韩东京热| 国产成人影院久久av| 久久久久久九九精品二区国产| 桃色一区二区三区在线观看| 国产真实伦视频高清在线观看 | 欧美中文日本在线观看视频| 国产精品福利在线免费观看| 久久精品国产亚洲网站| av在线观看视频网站免费| 免费看av在线观看网站| 久久亚洲精品不卡| 久久久久精品国产欧美久久久| 中国美白少妇内射xxxbb| 精品久久久久久久久亚洲 | 97人妻精品一区二区三区麻豆| 天堂影院成人在线观看| 国产一区二区激情短视频| 国产亚洲精品av在线| 久久天躁狠狠躁夜夜2o2o| 国产精品一区二区性色av| 美女高潮的动态| 男女做爰动态图高潮gif福利片| 淫妇啪啪啪对白视频| 国内毛片毛片毛片毛片毛片| 久久久久免费精品人妻一区二区| 69av精品久久久久久| 成年女人看的毛片在线观看| 99精品久久久久人妻精品| 精品久久久久久,| 99久久成人亚洲精品观看| 国产精品一区二区三区四区久久| 免费av观看视频| 日韩av在线大香蕉| 精品一区二区三区人妻视频| 国产视频内射| 成人国产麻豆网| 黄色欧美视频在线观看| 欧美一区二区亚洲| 国产高清不卡午夜福利| 国产成人aa在线观看| 五月伊人婷婷丁香| 十八禁国产超污无遮挡网站| 国产精品爽爽va在线观看网站| 老熟妇乱子伦视频在线观看| 最近在线观看免费完整版| 国产午夜精品久久久久久一区二区三区 |