• <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
    尤物成人国产欧美一区二区三区| 日本黄色片子视频| 国产精品三级大全| 精品一区二区免费观看| 美女大奶头视频| 日本黄大片高清| 国产精品98久久久久久宅男小说| 少妇高潮的动态图| 亚洲,欧美,日韩| 精品国内亚洲2022精品成人| 级片在线观看| 亚洲欧美精品综合久久99| 久久九九热精品免费| 亚洲综合色惰| ponron亚洲| a级一级毛片免费在线观看| 日本在线视频免费播放| 久久久国产成人精品二区| 久久久久性生活片| 能在线免费观看的黄片| 可以在线观看的亚洲视频| 日韩欧美精品免费久久 | 亚洲一区高清亚洲精品| 亚洲av不卡在线观看| 亚洲第一欧美日韩一区二区三区| 亚洲av免费高清在线观看| 成人无遮挡网站| 桃红色精品国产亚洲av| 男人的好看免费观看在线视频| 丝袜美腿在线中文| 69av精品久久久久久| 天美传媒精品一区二区| 欧美一区二区亚洲| 一夜夜www| 午夜福利免费观看在线| 亚洲av美国av| 久久久成人免费电影| 亚洲自拍偷在线| 国产乱人视频| 国产免费一级a男人的天堂| 国产视频一区二区在线看| 国产毛片a区久久久久| 欧美高清成人免费视频www| 一本综合久久免费| 国内精品一区二区在线观看| 国产精品嫩草影院av在线观看 | 国产精品综合久久久久久久免费| 免费无遮挡裸体视频| 国产探花极品一区二区| 欧美乱色亚洲激情| 熟妇人妻久久中文字幕3abv| 特级一级黄色大片| 欧美激情国产日韩精品一区| 国产午夜精品论理片| 久久久久免费精品人妻一区二区| netflix在线观看网站| 欧美+日韩+精品| 国产精品一区二区三区四区免费观看 | 亚洲最大成人av| 免费电影在线观看免费观看| 少妇人妻一区二区三区视频| 日韩中字成人| 国产精品久久久久久精品电影| 日韩欧美三级三区| 日韩有码中文字幕| 俺也久久电影网| 能在线免费观看的黄片| 校园春色视频在线观看| 丁香六月欧美| 小蜜桃在线观看免费完整版高清| 久久国产精品人妻蜜桃| 国产v大片淫在线免费观看| 一进一出抽搐动态| 久久久久九九精品影院| 国产高清有码在线观看视频| 国产一区二区三区在线臀色熟女| a级毛片a级免费在线| 精品久久国产蜜桃| 欧美性猛交╳xxx乱大交人| 在线观看美女被高潮喷水网站 | 亚洲精品久久国产高清桃花| 亚洲av美国av| 久久久久亚洲av毛片大全| 在线十欧美十亚洲十日本专区| 天堂影院成人在线观看| 一进一出抽搐动态| 欧美成人一区二区免费高清观看| 在线观看午夜福利视频| 一本久久中文字幕| 亚洲欧美精品综合久久99| 久久人妻av系列| 日日夜夜操网爽| 国产在线精品亚洲第一网站| 高清在线国产一区| 蜜桃亚洲精品一区二区三区| 在线看三级毛片| 精品人妻熟女av久视频| 男人狂女人下面高潮的视频| 99热6这里只有精品| x7x7x7水蜜桃| 亚洲一区高清亚洲精品| 欧美国产日韩亚洲一区| 精品国内亚洲2022精品成人| 免费av观看视频| 欧美最新免费一区二区三区 | 精品午夜福利在线看| 变态另类丝袜制服| 亚洲av电影在线进入| 亚洲性夜色夜夜综合| 国产av不卡久久| 欧美日韩中文字幕国产精品一区二区三区| 成人无遮挡网站| 简卡轻食公司| 国产精品伦人一区二区| 国内久久婷婷六月综合欲色啪| 看片在线看免费视频| 国产精品国产高清国产av| 欧美区成人在线视频| 麻豆成人av在线观看| 麻豆久久精品国产亚洲av| 人人妻人人澡欧美一区二区| 搡老岳熟女国产| 国产欧美日韩一区二区三| 日韩成人在线观看一区二区三区| 91午夜精品亚洲一区二区三区 | 欧美+日韩+精品| 成人欧美大片| 99久久精品一区二区三区| 国产在线精品亚洲第一网站| 久久久久久久久中文| 国产探花在线观看一区二区| 国产精品人妻久久久久久| 啦啦啦韩国在线观看视频| 国产精品永久免费网站| 婷婷丁香在线五月| 国产成人欧美在线观看| 成人亚洲精品av一区二区| 成年免费大片在线观看| 国产视频内射| 一级作爱视频免费观看| 一本一本综合久久| 国产精品伦人一区二区| 精品日产1卡2卡| 国产在线精品亚洲第一网站| 夜夜躁狠狠躁天天躁| 99久久精品一区二区三区| 欧美高清成人免费视频www| 亚洲成av人片在线播放无| 色综合婷婷激情| 国产亚洲精品av在线| 亚洲无线观看免费| 国产成+人综合+亚洲专区| 亚洲成av人片在线播放无| 亚洲一区二区三区不卡视频| 国产午夜精品论理片| 内射极品少妇av片p| 天天一区二区日本电影三级| 欧美日韩国产亚洲二区| 欧美+日韩+精品| 少妇熟女aⅴ在线视频| 99国产精品一区二区三区| 国产毛片a区久久久久| 9191精品国产免费久久| 最近最新中文字幕大全电影3| 久久久久久久久中文| 国产精品亚洲美女久久久| 国产伦一二天堂av在线观看| 99国产精品一区二区三区| 黄色一级大片看看| 国产精品国产高清国产av| 国产一级毛片七仙女欲春2| 欧美不卡视频在线免费观看| 亚洲中文字幕日韩| 午夜免费成人在线视频| 他把我摸到了高潮在线观看| 精品久久久久久久久av| 深爱激情五月婷婷| 一本久久中文字幕| 亚洲第一欧美日韩一区二区三区| 国产aⅴ精品一区二区三区波| 欧美一级a爱片免费观看看| 久久久久免费精品人妻一区二区| 一本综合久久免费| 少妇高潮的动态图| 国产亚洲精品久久久久久毛片| 国产极品精品免费视频能看的| 身体一侧抽搐| 国产精品久久久久久亚洲av鲁大| 久久精品影院6| 欧美在线一区亚洲| 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| 中文资源天堂在线| 在线a可以看的网站| 亚洲国产高清在线一区二区三| 好男人电影高清在线观看| 一区福利在线观看| 久久精品综合一区二区三区| 亚洲性夜色夜夜综合| 色精品久久人妻99蜜桃| 日韩 亚洲 欧美在线| 午夜福利成人在线免费观看| 亚洲中文日韩欧美视频| 成人特级黄色片久久久久久久| 国产av在哪里看| 成年女人永久免费观看视频| 国产精品女同一区二区软件 | 网址你懂的国产日韩在线| 成年版毛片免费区| 欧美一级a爱片免费观看看| 欧美日本视频| 亚洲中文字幕一区二区三区有码在线看| 免费av不卡在线播放| 欧美日韩黄片免| 18禁黄网站禁片免费观看直播| 美女黄网站色视频| 搡老妇女老女人老熟妇| 亚洲成av人片免费观看| 很黄的视频免费| 欧美极品一区二区三区四区| av专区在线播放| 免费看光身美女| 成人特级黄色片久久久久久久| 1000部很黄的大片| 精品久久久久久,| 久久精品国产亚洲av香蕉五月| 深夜精品福利| 美女xxoo啪啪120秒动态图 | 免费av观看视频| 亚洲欧美日韩东京热| 村上凉子中文字幕在线| 免费高清视频大片| 麻豆国产av国片精品| 亚洲欧美日韩高清在线视频| 婷婷亚洲欧美| 男人舔奶头视频| 男女床上黄色一级片免费看| 一区二区三区免费毛片| 成人亚洲精品av一区二区| 国产成+人综合+亚洲专区| 欧美+亚洲+日韩+国产| 长腿黑丝高跟| 桃红色精品国产亚洲av| www.熟女人妻精品国产| 白带黄色成豆腐渣| 少妇被粗大猛烈的视频| 性色av乱码一区二区三区2| 麻豆av噜噜一区二区三区| 欧美高清成人免费视频www| 亚洲 国产 在线| 九色成人免费人妻av| 青草久久国产| 乱码一卡2卡4卡精品| 亚洲av二区三区四区| 日韩成人在线观看一区二区三区| 欧美性猛交╳xxx乱大交人| 一级黄片播放器| 中文字幕av在线有码专区| 国产爱豆传媒在线观看| 欧美精品国产亚洲| 国产亚洲av嫩草精品影院| 最近最新中文字幕大全电影3| 日本成人三级电影网站| 久久久久久久久大av| 欧美黑人巨大hd| 国产久久久一区二区三区| 久久久久国产精品人妻aⅴ院| 午夜福利18| 在线观看美女被高潮喷水网站 | 人人妻人人看人人澡| 亚洲精品在线观看二区| 亚洲av第一区精品v没综合| 久久久国产成人精品二区| 国产精品99久久久久久久久| 自拍偷自拍亚洲精品老妇| 男女之事视频高清在线观看| 国产av不卡久久| 精品人妻熟女av久视频| 国产伦精品一区二区三区四那| 亚洲成人久久性| 国产国拍精品亚洲av在线观看| 久久性视频一级片| 观看免费一级毛片| 永久网站在线| 天堂√8在线中文| 精品人妻熟女av久视频| 少妇的逼水好多| 亚洲精品亚洲一区二区| 成人特级av手机在线观看| 午夜激情福利司机影院| 91在线观看av| 亚洲国产精品sss在线观看| 最近中文字幕高清免费大全6 | 最后的刺客免费高清国语| 观看免费一级毛片| 国产一区二区三区视频了| 床上黄色一级片| 免费在线观看成人毛片| 搞女人的毛片| 3wmmmm亚洲av在线观看| 狠狠狠狠99中文字幕| 性欧美人与动物交配| 成人高潮视频无遮挡免费网站| avwww免费| 亚洲精品久久国产高清桃花| 亚洲人成网站高清观看| 99久久久亚洲精品蜜臀av| 欧美性猛交黑人性爽| 欧美黄色淫秽网站| 日韩精品中文字幕看吧| 日韩欧美一区二区三区在线观看| 久久久久国内视频| 99热这里只有是精品50| 亚洲中文字幕一区二区三区有码在线看| 欧美精品国产亚洲| 三级毛片av免费| 久久久久免费精品人妻一区二区| 欧美日本亚洲视频在线播放| 国产伦人伦偷精品视频| 欧美高清性xxxxhd video| 欧美区成人在线视频| 天堂动漫精品| 可以在线观看的亚洲视频| 亚洲无线观看免费| av欧美777| 99riav亚洲国产免费| 啦啦啦韩国在线观看视频| 午夜免费成人在线视频| 狠狠狠狠99中文字幕| av黄色大香蕉| 免费在线观看影片大全网站| 亚洲狠狠婷婷综合久久图片| 国产单亲对白刺激| 淫妇啪啪啪对白视频| av天堂中文字幕网| 午夜a级毛片| 亚洲av电影在线进入| 老司机福利观看| 日韩中文字幕欧美一区二区| 亚洲国产欧洲综合997久久,| 欧美xxxx性猛交bbbb| 亚洲,欧美,日韩| 日韩欧美一区二区三区在线观看| 欧美成狂野欧美在线观看| 中文字幕高清在线视频| 91av网一区二区| 18禁裸乳无遮挡免费网站照片| 精品久久久久久久人妻蜜臀av| 草草在线视频免费看| 国产真实乱freesex| 成人欧美大片| 久久国产乱子伦精品免费另类| 亚洲最大成人手机在线| 久久精品国产亚洲av天美| 国产午夜精品论理片| 老熟妇仑乱视频hdxx| 免费av毛片视频| 一夜夜www| 老司机午夜十八禁免费视频| 天堂网av新在线| 在线观看66精品国产| 深夜a级毛片| 亚洲无线在线观看| 亚洲最大成人手机在线| 一卡2卡三卡四卡精品乱码亚洲| 欧美日本视频| 91字幕亚洲| 国产av不卡久久| 美女cb高潮喷水在线观看| 色尼玛亚洲综合影院| 欧美最新免费一区二区三区 | 性色av乱码一区二区三区2| 男人狂女人下面高潮的视频| 欧美日韩瑟瑟在线播放| 亚洲片人在线观看| 亚洲精品久久国产高清桃花| 国产色爽女视频免费观看| 国产视频一区二区在线看| 91麻豆精品激情在线观看国产| 最后的刺客免费高清国语| 亚洲人成网站高清观看| 成人av一区二区三区在线看| 国产精品日韩av在线免费观看| 在线免费观看不下载黄p国产 | 日日摸夜夜添夜夜添av毛片 | 亚洲成人精品中文字幕电影| 男女之事视频高清在线观看| 午夜福利成人在线免费观看| 国产精品1区2区在线观看.| 91麻豆精品激情在线观看国产| 一本一本综合久久| 看片在线看免费视频| 免费看a级黄色片| 欧美成人性av电影在线观看| 日本三级黄在线观看| 一区二区三区激情视频| 波多野结衣高清作品| 国产麻豆成人av免费视频| 搡老熟女国产l中国老女人| 亚洲精品成人久久久久久| 国产精品久久久久久人妻精品电影| 久久久久精品国产欧美久久久| 国产亚洲精品久久久久久毛片| 国产精品一区二区三区四区久久| 国产真实乱freesex| 中文资源天堂在线| 久久精品久久久久久噜噜老黄 | 亚洲成人免费电影在线观看| 亚洲精品色激情综合| 能在线免费观看的黄片| 91狼人影院| 3wmmmm亚洲av在线观看| 99riav亚洲国产免费| 日日夜夜操网爽| 午夜福利18| 一区二区三区免费毛片| 亚洲三级黄色毛片| 午夜影院日韩av| 亚洲精品影视一区二区三区av| 天堂网av新在线| av在线观看视频网站免费| 亚洲黑人精品在线| 欧美一级a爱片免费观看看| 99国产极品粉嫩在线观看| 欧美激情在线99| 成人美女网站在线观看视频| 国产三级中文精品| 69av精品久久久久久| 久久国产精品人妻蜜桃| 男人舔奶头视频| 亚洲国产精品成人综合色| 国产精品一区二区免费欧美| 久久欧美精品欧美久久欧美| 久久久久久久精品吃奶| 高潮久久久久久久久久久不卡| 国产av在哪里看| 午夜福利在线观看吧| 国产探花在线观看一区二区| 日韩成人在线观看一区二区三区| 日韩欧美精品免费久久 | 久久人人爽人人爽人人片va | 欧美不卡视频在线免费观看| 婷婷六月久久综合丁香| 简卡轻食公司| 激情在线观看视频在线高清| 长腿黑丝高跟| 特大巨黑吊av在线直播| 日韩欧美免费精品| 国产精品伦人一区二区| 永久网站在线| 最近中文字幕高清免费大全6 | 成人性生交大片免费视频hd| 亚洲最大成人中文| 久久精品影院6| 校园春色视频在线观看| 成人av一区二区三区在线看| 亚洲七黄色美女视频| 国产伦一二天堂av在线观看| 中文字幕熟女人妻在线| 麻豆一二三区av精品| 麻豆国产97在线/欧美| 国产精品久久久久久久久免 | 五月玫瑰六月丁香| 国产成人啪精品午夜网站| 成人三级黄色视频| 嫁个100分男人电影在线观看| 在线国产一区二区在线| 婷婷色综合大香蕉| 男人和女人高潮做爰伦理| 91狼人影院| 久久久久久久久久黄片| 夜夜夜夜夜久久久久| 99久久九九国产精品国产免费| 国产av不卡久久| 色av中文字幕| 我的老师免费观看完整版| 69人妻影院| 99精品在免费线老司机午夜| 美女大奶头视频| 精品一区二区三区视频在线| 成人高潮视频无遮挡免费网站| www.999成人在线观看| 国产单亲对白刺激| 亚洲一区二区三区色噜噜| 一夜夜www| 国产探花在线观看一区二区| 精品久久久久久久久亚洲 | 男插女下体视频免费在线播放| 少妇熟女aⅴ在线视频| 最近视频中文字幕2019在线8| 精品99又大又爽又粗少妇毛片 | 欧美日韩瑟瑟在线播放| 精品午夜福利在线看| 日本黄色片子视频| 午夜两性在线视频| 俄罗斯特黄特色一大片| 国产大屁股一区二区在线视频| 日韩人妻高清精品专区| 一个人观看的视频www高清免费观看| 淫妇啪啪啪对白视频| 深夜a级毛片| 一本一本综合久久| 免费看光身美女| 久久久久久国产a免费观看| 一本精品99久久精品77| 色噜噜av男人的天堂激情| 日本撒尿小便嘘嘘汇集6| 老司机深夜福利视频在线观看| 黄色视频,在线免费观看| netflix在线观看网站| 国产精品爽爽va在线观看网站| 国产激情偷乱视频一区二区| 色在线成人网| 真人一进一出gif抽搐免费| 日韩精品中文字幕看吧| 国产一区二区亚洲精品在线观看| 亚洲国产精品久久男人天堂| 国产精品影院久久| 国产精华一区二区三区| 亚洲最大成人中文| 色综合站精品国产| 国产又黄又爽又无遮挡在线| 日韩成人在线观看一区二区三区| 一本一本综合久久| 亚洲av五月六月丁香网| 露出奶头的视频| 久久久久久久亚洲中文字幕 | 久99久视频精品免费| 欧美不卡视频在线免费观看| 淫秽高清视频在线观看| 久久国产精品人妻蜜桃| 婷婷色综合大香蕉| 无人区码免费观看不卡| 亚洲最大成人av| 一本精品99久久精品77| 91av网一区二区| 国产麻豆成人av免费视频| 国产老妇女一区| 性色av乱码一区二区三区2| 国产精品电影一区二区三区| 国产蜜桃级精品一区二区三区| 免费在线观看成人毛片| 亚洲中文字幕日韩| 97热精品久久久久久| 亚洲色图av天堂| 国产高清有码在线观看视频| 国产伦在线观看视频一区| or卡值多少钱| 赤兔流量卡办理| 国产一区二区在线av高清观看| 高潮久久久久久久久久久不卡| 欧美黄色片欧美黄色片| 中文字幕人妻熟人妻熟丝袜美| 色噜噜av男人的天堂激情| 老司机午夜福利在线观看视频| 亚洲真实伦在线观看| 国内精品久久久久久久电影| 好男人电影高清在线观看| 久99久视频精品免费| 国产高潮美女av| 成人av在线播放网站| 一区二区三区高清视频在线| 亚洲欧美日韩高清专用| av在线蜜桃| 一级作爱视频免费观看| 国产高潮美女av| 国产人妻一区二区三区在| 国产高清视频在线播放一区| 亚洲国产色片| 国产爱豆传媒在线观看| 熟女人妻精品中文字幕| 国产乱人视频| 很黄的视频免费| 国产男靠女视频免费网站| xxxwww97欧美| 免费看a级黄色片| 欧美3d第一页| 18禁黄网站禁片免费观看直播| 老司机午夜福利在线观看视频| 成人三级黄色视频| 亚洲av不卡在线观看| avwww免费| 国产精品永久免费网站| 香蕉av资源在线| 国产精品一区二区免费欧美| 欧美黑人欧美精品刺激| 免费观看精品视频网站| 国产三级黄色录像| 日韩欧美在线乱码| 偷拍熟女少妇极品色| 亚洲一区二区三区不卡视频| 国产黄色小视频在线观看| 欧美日韩瑟瑟在线播放| 老鸭窝网址在线观看| 99视频精品全部免费 在线| 毛片女人毛片| 欧美一区二区精品小视频在线| 国产人妻一区二区三区在| 日韩精品青青久久久久久| 亚洲成a人片在线一区二区| 亚洲精品日韩av片在线观看| 中出人妻视频一区二区| 搡女人真爽免费视频火全软件 | 一区二区三区激情视频| 一级作爱视频免费观看| 国产精品影院久久| 免费看日本二区| 国产蜜桃级精品一区二区三区| 九色国产91popny在线| 有码 亚洲区| 国产精品亚洲美女久久久| 丝袜美腿在线中文| 在线天堂最新版资源| 熟女人妻精品中文字幕| 亚洲自拍偷在线|