• <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Shapley組合模型的上海市電力需求趨勢(shì)預(yù)測(cè)

    2019-09-12 10:41王濤
    關(guān)鍵詞:ARIMA模型BP神經(jīng)網(wǎng)絡(luò)

    王濤

    摘 要:現(xiàn)代社會(huì)中,家家戶戶都離不開(kāi)電力的供應(yīng),穩(wěn)定可靠的電力供應(yīng)對(duì)于經(jīng)濟(jì)、社會(huì)的發(fā)展以及人民生活水平的提高起著重要作用。上海市作為中國(guó)重要的經(jīng)濟(jì)和貿(mào)易中心,電力需求一直保持著高速增長(zhǎng),對(duì)于電力供應(yīng)單位而言,需要對(duì)用戶的電力需求進(jìn)行科學(xué)預(yù)測(cè),以滿足用戶的用電需求,穩(wěn)定電力供應(yīng),助力經(jīng)濟(jì)社會(huì)發(fā)展。本文采用ARIMA模型、BP神經(jīng)網(wǎng)絡(luò)模型和Holt指數(shù)平滑模型分別對(duì)1995~2017年上海市電力需求數(shù)據(jù)進(jìn)行建模分析,并運(yùn)用合作對(duì)策理論中的Shapley組合模型方法進(jìn)行組合建模,求解了上述三種單一預(yù)測(cè)方法的權(quán)重,構(gòu)建了組合模型,并依據(jù)組合模型預(yù)測(cè)了未來(lái)五年的上海市電力需求量趨勢(shì)。根據(jù)實(shí)例結(jié)果,Shapley組合模型具備更高的預(yù)測(cè)精度,預(yù)測(cè)平均相對(duì)誤差僅為2.33%,擬合效果較好,有利于電力供應(yīng)單位穩(wěn)定電力供應(yīng),促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展。

    關(guān)鍵詞:ARIMA模型;BP神經(jīng)網(wǎng)絡(luò);Holt指數(shù)平滑法;Shapley組合模型;電力需求預(yù)測(cè)

    文章編號(hào):2095-2163(2019)04-0033-07 中圖分類號(hào):TM715;F426.61;F224 文獻(xiàn)標(biāo)志碼:A

    0 引 言

    隨著現(xiàn)代社會(huì)的高速發(fā)展,電力資源作為必備的重要能源,對(duì)于促進(jìn)社會(huì)發(fā)展、提高人民物質(zhì)生活水平起著至關(guān)重要的作用?,F(xiàn)代社會(huì)中,家家戶戶都離不開(kāi)電力的供應(yīng),穩(wěn)定可靠、價(jià)格合適的電力供應(yīng)成為了人們關(guān)注的焦點(diǎn)。因此,電力供應(yīng)單位需要準(zhǔn)確地制定供電計(jì)劃,確保對(duì)用電量的準(zhǔn)確預(yù)測(cè)以及電力的穩(wěn)定供應(yīng)。上海市作為中國(guó)重要的經(jīng)濟(jì)和貿(mào)易中心,自改革開(kāi)放以來(lái)經(jīng)濟(jì)一直保持著良好增長(zhǎng)態(tài)勢(shì),人民生活水平顯著提高,物質(zhì)生活獲得了極大的豐富,由此也帶來(lái)了用電量的激增,這對(duì)供電單位而言同樣也是極大的考驗(yàn)。因而選擇科學(xué)、有效的預(yù)測(cè)模型,準(zhǔn)確地對(duì)市場(chǎng)中的用電需求進(jìn)行預(yù)測(cè),有助于供電單位制定供電計(jì)劃,穩(wěn)定電力供應(yīng),助力社會(huì)經(jīng)濟(jì)的高速平穩(wěn)運(yùn)行,不斷提高人民生活質(zhì)量。

    近年來(lái),國(guó)內(nèi)外學(xué)者對(duì)于預(yù)測(cè)方法的研究有很多,也取得了可觀成果[1-17]。目前,常用的預(yù)測(cè)方法主要包括系統(tǒng)動(dòng)力學(xué)方法[1]、隨機(jī)森林法[2-3]、支持向量機(jī)法[4-5]、神經(jīng)網(wǎng)絡(luò)法[6-9]、灰色預(yù)測(cè)法[10-13]、回歸分析法[14-17]等。文獻(xiàn)[1]從系統(tǒng)動(dòng)力學(xué)的角度研究了城市長(zhǎng)期電力需求的預(yù)測(cè)方法,在經(jīng)濟(jì)新常態(tài)的背景下,城市支柱產(chǎn)業(yè)面臨著由要素驅(qū)動(dòng)向創(chuàng)新驅(qū)動(dòng)的轉(zhuǎn)變,因而傳統(tǒng)的電力需求預(yù)測(cè)模型逐漸不再適用,文章結(jié)合新的影響因素進(jìn)行了定量分析,提出了一種適用于經(jīng)濟(jì)新常態(tài)的長(zhǎng)期電力需求預(yù)測(cè)模型的動(dòng)力學(xué)方法,并取得了較好的效果。文獻(xiàn)[9]基于BP神經(jīng)網(wǎng)絡(luò)算法,研究了北京市夏季日最大電力負(fù)荷的預(yù)測(cè)方法。文獻(xiàn)[16]基于2009~2013年北京市電力負(fù)荷和氣象資料,通過(guò)多元回歸的思想構(gòu)建了北京市日最大電力負(fù)荷的預(yù)測(cè)模型,并取得了較好的預(yù)測(cè)準(zhǔn)確率,展現(xiàn)了良好的預(yù)報(bào)能力。文獻(xiàn)[17]將自回歸積分滑動(dòng)平均模型(ARIMA模型)和支持向量機(jī)法(SVM)相結(jié)合,基于ARIMA和SVM混合模型對(duì)短期電力負(fù)荷進(jìn)行了預(yù)測(cè)。然而目前大多數(shù)的預(yù)測(cè)文獻(xiàn)中采用了單一的預(yù)測(cè)方法,往往偏重于數(shù)據(jù)的某一類特征,無(wú)法充分利用數(shù)據(jù)的各種有效信息,從而導(dǎo)致預(yù)測(cè)的誤差較大,未能得到令人滿意的預(yù)測(cè)精度和效果。但是研究可知組合預(yù)測(cè)模型可以克服單一模型的局限性,最大程度地利用數(shù)據(jù)的各種有效信息,因而組合預(yù)測(cè)模型方法更加有利于實(shí)現(xiàn)科學(xué)的預(yù)測(cè),廣泛適用于信息量不完備的復(fù)雜經(jīng)濟(jì)系統(tǒng)。一般而言,電力需求量數(shù)據(jù)序列為非平穩(wěn)時(shí)間序列,可以通過(guò)差分的方法轉(zhuǎn)換為平穩(wěn)時(shí)間序列, 進(jìn)而采用ARIMA模型進(jìn)行建模預(yù)測(cè)分析。同時(shí),BP神經(jīng)網(wǎng)絡(luò)也是一種常用的預(yù)測(cè)方法,具有高度的信息處理能力,在處理數(shù)據(jù)的過(guò)程中表現(xiàn)出良好的自學(xué)習(xí)、自適應(yīng)能力,因而也尤為突顯出該方法獨(dú)特的優(yōu)越性;指數(shù)平滑法則是一種較簡(jiǎn)單的預(yù)測(cè)方法,常適用于光滑、且顯出一定趨勢(shì)的數(shù)據(jù),在計(jì)算的復(fù)雜程度和適應(yīng)性上占據(jù)著優(yōu)勢(shì)。

    在上述分析基礎(chǔ)上,本文擬將采用組合ARIMA模型、BP神經(jīng)網(wǎng)絡(luò)模型和指數(shù)平滑模型,基于Shapley組合預(yù)測(cè)模型對(duì)上海市電力需求趨勢(shì)展開(kāi)預(yù)測(cè)分析,并給出未來(lái)五年上海市電力需求的預(yù)測(cè)結(jié)果。對(duì)此可得研究論述如下。

    1 ARIMA模型建模

    ARIMA模型,又稱自回歸積分滑動(dòng)平均模型,是一種經(jīng)典的時(shí)間序列計(jì)量模型,主要用于對(duì)時(shí)間序列的宏觀趨勢(shì)預(yù)測(cè)研究[18]。ARIMA模型通過(guò)把非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列,將因變量對(duì)其滯后和隨機(jī)誤差項(xiàng)的當(dāng)前值與滯后進(jìn)行回歸所建立的模型,可以有效地描述時(shí)間序列數(shù)據(jù)的動(dòng)態(tài)連續(xù)特性,適用于解決非平穩(wěn)時(shí)間序列趨勢(shì)預(yù)測(cè)問(wèn)題。在ARIMA(p, d, q)模型中,AR稱為自回歸,p表示自回歸的階數(shù),MA表示移動(dòng)平均,q為移動(dòng)平均的階數(shù),d為將非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列的差分階數(shù)。ARIMA模型的基本結(jié)構(gòu)如下:

    對(duì)于任意非平穩(wěn)時(shí)間序列,均可以通過(guò)差分運(yùn)算,轉(zhuǎn)化為平穩(wěn)時(shí)間序列,繼而進(jìn)行ARMA模型的擬合。對(duì)于時(shí)間序列建立ARIMA模型的步驟可分述如下。

    (1)時(shí)間序列的平穩(wěn)性檢驗(yàn)。根據(jù)獲得的時(shí)間序列,進(jìn)行ADF單位根檢驗(yàn),依據(jù)結(jié)果判斷是否為平穩(wěn)時(shí)間序列。

    (2)將非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)序列。對(duì)于非平穩(wěn)時(shí)間序列,運(yùn)用差分運(yùn)算的方法,轉(zhuǎn)化為平穩(wěn)時(shí)間序列。

    (3)識(shí)別模型并判斷模型階數(shù)。對(duì)于平穩(wěn)時(shí)間序列,依據(jù)自相關(guān)與偏自相關(guān)圖初步分析模型的階數(shù)p,q,并依據(jù)AIC或BIC準(zhǔn)則最終確定其數(shù)值。

    (4)模型參數(shù)檢驗(yàn)。對(duì)模型殘差進(jìn)行白噪聲檢驗(yàn)。

    (5)模型擬合預(yù)測(cè)。依據(jù)模型,對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)。

    根據(jù)上述步驟,對(duì)上海市電力需求量時(shí)間序列進(jìn)行ARIMA模型建模。對(duì)此,可推得研發(fā)闡述如下。

    1.1 時(shí)間序列的平穩(wěn)性檢驗(yàn)

    根據(jù)1995~2017年上海市電力需求量歷史數(shù)據(jù)(文中所用數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局官方數(shù)據(jù)庫(kù)),繪制1995~2017年上海市電力需求量時(shí)序圖如圖1所示。

    觀察圖1時(shí)序可知,上海市電力需求量呈現(xiàn)明顯的上升趨勢(shì),分析可知這不是一個(gè)平穩(wěn)序列。為了進(jìn)一步確定上海市電力需求序列的平穩(wěn)性, 運(yùn)用ADF單位根檢驗(yàn)的方法進(jìn)行判斷,運(yùn)算結(jié)果見(jiàn)表1。

    根據(jù)ADF單位根檢驗(yàn)結(jié)果,P值為0.995 900,不能拒絕原假設(shè),上海市電力需求量序列不是一個(gè)平穩(wěn)的時(shí)間序列。因此需要將數(shù)據(jù)進(jìn)行差分平穩(wěn)性處理。

    1.2 差分運(yùn)算處理

    對(duì)上海市電力需求量時(shí)間序列進(jìn)行一階差分處理。為了判斷一階差分后該序列是否平穩(wěn),繪制一階差分后序列的自相關(guān)圖和偏自相關(guān)圖如圖2所示。

    由圖2可知,初步判斷一階差分后序列為平穩(wěn)序列。為了保證判斷的正確性,同理,可以通過(guò)ADF單位根檢驗(yàn)的方法對(duì)差分后的時(shí)間序列進(jìn)行判斷。預(yù)算結(jié)果見(jiàn)表2。

    由ADF單位根檢驗(yàn)結(jié)果,P值0.032 900<0.05,拒絕原假設(shè),可以認(rèn)為一階差分之后為平穩(wěn)序列。因此,可以考慮采用ARIMA(p,1,q)模型。

    基于準(zhǔn)確性原則和數(shù)據(jù)最優(yōu)化考慮,對(duì)一階差分后的時(shí)間序列再做一次差分運(yùn)算。為了判斷二階差分后該序列是否平穩(wěn),繪制二階差分后序列的自相關(guān)圖和偏自相關(guān)圖如圖3所示。

    根據(jù)圖3可初步判斷二階差分后序列為平穩(wěn)序列。為了保證判斷的正確性,同理通過(guò)ADF單位根檢驗(yàn)的方法對(duì)差分后的時(shí)間序列進(jìn)行判斷。結(jié)果見(jiàn)表3。

    由表3分析可知,二階差分之后序列即為平穩(wěn)序列。因此,可以考慮ARIMA(p,2,q)模型。

    1.3 識(shí)別模型,判斷模型階數(shù)

    根據(jù)上述ADF單位根檢驗(yàn)的結(jié)果,可以看出上海市電力需求數(shù)據(jù)在一階差分和二階差分下ADF檢驗(yàn)P值均小于0.05,即差分后的時(shí)間序列均為平穩(wěn)序列,參數(shù)d的選取需要考慮1與2兩個(gè)值。

    在ARIMA模型中除了考慮差分階數(shù)d的選擇,還需要考慮參數(shù)p與q的選擇,時(shí)間序列的自相關(guān)系數(shù)(ACF)與偏自相關(guān)系數(shù)(PACF)可以提供對(duì)于參數(shù)p,q的判斷方法。若自相關(guān)函數(shù)在q階截尾和偏自相關(guān)系數(shù)在p階截尾,則可初步判定模型為ARIMA(p,d,q)。

    通過(guò)觀察自相關(guān)函數(shù)與偏自相關(guān)函數(shù)圖,p值可以選取0,1,2,q值可以選取1,2。根據(jù)上述結(jié)論,初步設(shè)定的模型為ARIMA(0,1,1)、ARIMA(0,2,1)、ARIMA(1,2,1)、ARIMA(2,2,1)、ARIMA(0,2,2)、ARIMA(1,2,2)、ARIMA(2,2,2)。由于上述模型的確定主要是根據(jù)自相關(guān)圖和偏自相關(guān)圖定性判斷得出,為了精準(zhǔn)確定最優(yōu)模型參數(shù),可以使用AIC和BIC準(zhǔn)則進(jìn)行判斷。一般認(rèn)為,AIC和BIC函數(shù)值較小的模型參數(shù)有著較高的準(zhǔn)確性,更加接近真實(shí)模型的階數(shù)。使用R語(yǔ)言對(duì)上述七種模型進(jìn)行比較,各模型的AIC和BIC準(zhǔn)則值見(jiàn)表4。

    根據(jù)AIC和BIC準(zhǔn)則對(duì)上述模型進(jìn)行比較,發(fā)現(xiàn)模型ARIMA(2,2,1)結(jié)果較好。選取ARIMA(2,2,1)模型為最優(yōu)模型,序列x1,x2,...,xn的擬合結(jié)果為:

    1.4 模型參數(shù)檢驗(yàn)

    對(duì)ARIMA(2,2,1)模型殘差序列進(jìn)行白噪聲檢驗(yàn),得到p值為0.959 6>0.05,表明殘差序列是純隨機(jī)的,為白噪聲序列,說(shuō)明模型顯著,擬合效果較好,ARIMA(2,2,1)模型對(duì)該時(shí)間序列擬合成功。

    1.5 模型預(yù)測(cè)

    應(yīng)用ARIMA(2,2,1)模型對(duì)上海市2018~2022年電力需求量進(jìn)行短期預(yù)測(cè),結(jié)果見(jiàn)表5。

    2 BP神經(jīng)網(wǎng)絡(luò)

    根據(jù)1995~2017年上海市電力需求量的歷史數(shù)據(jù),選擇每前三年的數(shù)據(jù)來(lái)預(yù)測(cè)第四年的數(shù)據(jù)。即在BP神經(jīng)網(wǎng)絡(luò)中,輸入層選擇3個(gè)神經(jīng)元,輸出層選擇1個(gè)神經(jīng)元,根據(jù)文獻(xiàn)[9],在隱含層的節(jié)點(diǎn)應(yīng)為輸入層節(jié)點(diǎn)的2~3倍左右搜索,經(jīng)過(guò)多次實(shí)驗(yàn)?zāi)M,測(cè)試發(fā)現(xiàn)在輸入層節(jié)點(diǎn)為3,輸出層節(jié)點(diǎn)為1的情況下,隱含層節(jié)點(diǎn)數(shù)為10時(shí),BP神經(jīng)網(wǎng)絡(luò)的擬合效果較好。因此可按照如下參數(shù)來(lái)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)建模,即:輸入層節(jié)點(diǎn)數(shù)為3,隱含層節(jié)點(diǎn)數(shù)為10,輸出層節(jié)點(diǎn)數(shù)為1,訓(xùn)練次數(shù)為3 000次,神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差設(shè)為0.000 1,網(wǎng)絡(luò)的初始權(quán)值/學(xué)習(xí)速度和閾值等由Matlab軟件自動(dòng)選取。

    研究中,在保證訓(xùn)練次數(shù)和訓(xùn)練誤差的前提下,應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)上海市2018~2022年電力需求量進(jìn)行短期預(yù)測(cè),結(jié)果見(jiàn)表6。

    3 Holt指數(shù)平滑法

    指數(shù)平滑法,是一種基于預(yù)測(cè)對(duì)象歷史數(shù)據(jù)利用加權(quán)平均的方法進(jìn)行數(shù)據(jù)的擬合與預(yù)測(cè)的方法[19]。根據(jù)上述關(guān)于1995~2017年上海市電力需求量的變化趨勢(shì)圖可以看出,上海市電力需求呈現(xiàn)出一定程度的線性變化趨勢(shì),具有水平截距和線性趨勢(shì)斜率,無(wú)季節(jié)因素影響?;谥笖?shù)平滑理論,Holt指數(shù)平滑法可以對(duì)有水平項(xiàng)和趨勢(shì)項(xiàng)的時(shí)間序列實(shí)現(xiàn)擬合預(yù)測(cè),本文采取Holt指數(shù)平滑的方法對(duì)上海市電力需求量變化趨勢(shì)進(jìn)行預(yù)測(cè)。這里,研究推得Holt指數(shù)平滑法的計(jì)算模型的數(shù)學(xué)公式可順次表述如下。

    研究可知,R語(yǔ)言的forecast包主要用于時(shí)間序列的擬合預(yù)測(cè)。其中,函數(shù)ets()主要用于關(guān)于指數(shù)預(yù)測(cè)模型的數(shù)據(jù)擬合,而且還會(huì)依據(jù)平均相對(duì)誤差最小準(zhǔn)則,自動(dòng)選取對(duì)原始數(shù)據(jù)擬合優(yōu)度最高的模型,以上海市電力需求量歷史數(shù)據(jù)的指數(shù)模型擬合為例,可得擬合優(yōu)度最高的Holt指數(shù)平滑模型。對(duì)應(yīng)模型參數(shù)有:

    應(yīng)用Holt指數(shù)平滑模型對(duì)上海市2018~2022年電力需求量進(jìn)行短期預(yù)測(cè),運(yùn)算結(jié)果見(jiàn)表7。

    4.1 Shapley方法基本思路

    Shapley組合法是由Shapley在1953年提出的用于解決多參與者合作對(duì)策問(wèn)題的一種方法。該方法針對(duì)各個(gè)參與者在合作中的不同貢獻(xiàn),著眼于每個(gè)參與者對(duì)合作的平均貢獻(xiàn),突出了合作中每個(gè)參與者的重要性,因而易于為合作的各個(gè)參與者所接受,并獲得了較好的應(yīng)用[20-21]。

    在Shapley組合法中,假設(shè)存在s種預(yù)測(cè)方法,集合為I=1,2,...,s,對(duì)其中任意子集p,q,E(p),E(q)分別為該預(yù)測(cè)子集的誤差。則有:

    4.2 基于Shapley方法的上海市電力需求量預(yù)測(cè)

    使用均方誤差(MAPE)準(zhǔn)則對(duì)上述三種單一預(yù)測(cè)方法,即:ARIMA模型、BP神經(jīng)網(wǎng)絡(luò)模型和Holt指數(shù)平滑模型的預(yù)測(cè)誤差進(jìn)行計(jì)算分析。 根據(jù)上述三種單一預(yù)測(cè)方法的預(yù)測(cè)誤差,可求得組合預(yù)測(cè)的總誤差值為(2.49+2.99+2.79)/3=2.76。由Shapley方法,參與組合預(yù)測(cè)模型總誤差分配的“合作關(guān)系”成員為:I=1,2,3 ,I所有子集的組合誤差分別為:E1、E2、E3、E1,2、E1,3、E2,3、E1,2,3,其數(shù)值的大小為該子集所包括的向量的誤差平均值,計(jì)算結(jié)果見(jiàn)表8。

    根據(jù)Shapley組合法給出的計(jì)算公式,可以計(jì)算出組合中對(duì)應(yīng)的成員1的Shapley值為:

    由權(quán)重公式(10),可以計(jì)算出各個(gè)預(yù)測(cè)方法的權(quán)重為ω=0.370 0 0.301 6 0.328 4,則Shapley組合預(yù)測(cè)模型為:

    由上述對(duì)于各個(gè)預(yù)測(cè)模型的權(quán)重公式,可以對(duì)ARIMA模型、BP神經(jīng)網(wǎng)絡(luò)模型和Holt指數(shù)平滑模型進(jìn)行組合。利用組合預(yù)測(cè)模型對(duì)1995~2017年上海市電力需求量進(jìn)行預(yù)測(cè),該組合模型的預(yù)測(cè)值與誤差詳見(jiàn)表9。

    根據(jù)表9中數(shù)據(jù)的分析比較后可知,采用Shapley組合模型預(yù)測(cè)法運(yùn)算得到的1998~2017年上海市電力需求量的預(yù)測(cè)結(jié)果的平均相對(duì)誤差(MAPE)為2.33%,屬于最小。所以,可以認(rèn)為基于Shapley組合模型預(yù)測(cè)法得到的預(yù)測(cè)結(jié)果具有較高的預(yù)測(cè)精度,擬合效果較好,相對(duì)單一的預(yù)測(cè)方法較為有效。

    在此基礎(chǔ)上,擬對(duì)2018~2022年五年內(nèi)上海市電力需求量進(jìn)行預(yù)測(cè)。首先采用上述單一模型進(jìn)行預(yù)測(cè),然后根據(jù)Shapley組合模型預(yù)測(cè)法,基于各單一預(yù)測(cè)方法的權(quán)重值進(jìn)行組合加權(quán),最終算出組合預(yù)測(cè)值。預(yù)測(cè)結(jié)果見(jiàn)表10。

    5 結(jié)束語(yǔ)

    本文首先采用ARIMA模型、BP神經(jīng)網(wǎng)絡(luò)模型和Holt指數(shù)平滑模型三種單一預(yù)測(cè)模型分別對(duì)1995~2017年上海市電力需求數(shù)據(jù)進(jìn)行建模分析,接著運(yùn)用合作對(duì)策理論中的Shapley組合模型方法進(jìn)行組合建模,求解了上述三種單一預(yù)測(cè)方法的權(quán)重,構(gòu)建了組合模型,并依據(jù)組合模型預(yù)測(cè)了未來(lái)五年的上海市電力需求量趨勢(shì)。根據(jù)實(shí)例結(jié)果,相比于三種單一的預(yù)測(cè)方法的擬合效果,Shapley組合模型具備更高的預(yù)測(cè)精度,預(yù)測(cè)平均相對(duì)誤差僅為2.33%,擬合效果較好。

    在實(shí)際應(yīng)用中,根據(jù)Shapley組合模型的預(yù)測(cè)結(jié)果,未來(lái)5年內(nèi)上海市的電力需求仍將呈現(xiàn)較大的增長(zhǎng)態(tài)勢(shì),預(yù)計(jì)到2022年上海市的電力需求量為1 812.28億千瓦時(shí),該預(yù)測(cè)運(yùn)算的擬合結(jié)果較好,因此可為上海市的供電單位決策提供參考。對(duì)于上海市的供電單位而言,需要制定科學(xué)合理的供電量增長(zhǎng)規(guī)劃以及供電基礎(chǔ)設(shè)施的建設(shè)工作,穩(wěn)定上海市電力供應(yīng),服務(wù)于高速發(fā)展的經(jīng)濟(jì)社會(huì)活動(dòng),促進(jìn)人民生活水平的提高。

    此外,本文主要選取了3種預(yù)測(cè)領(lǐng)域應(yīng)用較多、效果較好的單一預(yù)測(cè)方法用于Shapley組合模型,如何更加全面有效地選擇預(yù)測(cè)方法進(jìn)行Shapley組合預(yù)測(cè),提高應(yīng)用的一般性,獲得更高的擬合精度,仍然是一個(gè)亟待深入探究和討論的研究課題。

    參考文獻(xiàn)

    [1]HE Yongxiu, JIAO Jie, CHEN Qian, et al. Urban long term electricity demand forecast method based on system dynamics of the new economic normal:The case of Tianjin[J]. Energy, 2017, 133(19):9-22.

    [2] LAHOUAR A, BEN HADJ SLAMA J. Hour-ahead wind power forecast based on random forests[J]. Renewable Energy, 2017, 109(5):529 - 541.

    [3] LAHOUAR A, BEN HADJ SLAMA J. Day-ahead load forecast using random forest and expert input selection[J]. Energy Conversion and Management, 2015, 103(4):1040 -1051.

    [4] WANG Xibin, WEN Junhao, ZHANG Yihao, et al. Real estate price forecasting based on SVM optimized by PSO[J]. Optik, 2014, 125(3):1439-1443 .

    [5] MALVONI M, DE GIORGI M G, CONGEDO P M. Data on support vector machines (SVM) model to forecast photovoltaic power[J]. Data in Brief, 2016, 9(9):13-16.

    [6] DIMOULKAS I, MAZIDI P, HERRE L. Neural networks for GEFCom2017 probabilistic load forecasting[J]. International Journal of Forecasting, 2018(21):20-24.

    [7] TEALAB A. Time series forecasting using artificial neural networks methodologies:A systematic review[J]. Future Computing and Informatics Journal, 2018, 3(2):334-340.

    [8] WANG Lin, WANG Zhigang, QU Hui, et al. Optimal forecast combination based on neural networks for time series forecasting[J]. Applied Soft Computing, 2018, 66(6):1-17.

    [9] 李琛,郭文利,吳進(jìn),等. 基于BP神經(jīng)網(wǎng)絡(luò)的北京夏季日最大電力負(fù)荷預(yù)測(cè)方法[J]. 氣候與環(huán)境研究,2019,24(1):135-142.

    [10]XIE Naiming, YUAN Chaoqing, YANG Yingjie. Forecasting China's energy demand and self-sufficiency rate by grey forecasting model and Markov model[J]. International Journal of Electrical Power & Energy Systems, 2015, 66(5):1-8.

    [11]XU Ning, DANG Yaoguo, GONG Yande. Novel grey prediction model with nonlinear optimized time response method for forecasting of electricity consumption in China[J]. Energy, 2017, 118(9):473-480.

    [12]LI D C, CHANG C J, CHEN C C, et al. Forecasting short-term electricity consumption using the adaptive grey-based approach—An Asian case[J]. Omega, 2012, 40(6):767-773.

    [13]JIN Min, ZHOU Xiang, ZHANG Z M, et al. Short-term power load forecasting using grey correlation contest modeling[J]. Expert Systems With Applications, 2012, 39(1):773-779.

    [14]YUAN Chaoqing, LIU Sifeng, FANG Zhigeng. Comparison of China's primary energy consumption forecasting by using ARIMA (the autoregressive integrated moving average) model and GM(1,1) model[J]. Energy, 2016, 100(11):384-390.

    [15]BARAK S, SADEGH S S. Forecasting energy consumption using ensemble ARIMA-ANFIS hybrid algorithm[J]. International Journal of Electrical Power & Energy Systems, 2016, 82(8):92-104.

    [16]石玉恒,趙娜,王凌,等. 北京地區(qū)日最大電力負(fù)荷預(yù)測(cè)模型初探[J/OL]. 中國(guó)電力:1-5[2019-01-30].http://kns.cnki.net/kcms/detail/11.3265.TM.20190129.2238.004.html.

    [17]NIE Hongzhan, LIU Guohui, LIU Xiaoman, et al. Hybrid of ARIMA and SVMS for Short-Term load forecasting[J]. Energy Procedia, 2012, 16(15):1455-1460.

    [18]王燕. 應(yīng)用時(shí)間序列分析[M]. 4版. 北京:中國(guó)人民大學(xué)出版社,2015.

    [19]滑瑤,張輝,劉悅悅,等. 基于Holt-Winters無(wú)季節(jié)指數(shù)平滑模型的國(guó)內(nèi)電影票房預(yù)測(cè)[J]. 中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,24(4):1-7.

    [20]王翀. 基于模型組合法的我國(guó)能源消費(fèi)需求趨勢(shì)預(yù)測(cè)[J]. 統(tǒng)計(jì)與決策,2018(20):86-89.

    [21]崔楊,曲鈺,仲悟之,等. 基于改進(jìn)shapley值的風(fēng)電匯聚趨勢(shì)性分狀態(tài)量化方法[J/OL]. 電網(wǎng)技術(shù):1-10[2018-11-26]. https://doi.org/10.13335/j.1000-3673.pst.2018.1451.

    猜你喜歡
    ARIMA模型BP神經(jīng)網(wǎng)絡(luò)
    基于時(shí)間序列模型的中國(guó)出口總額分析及預(yù)測(cè)
    基于R軟件的金融時(shí)間序列的預(yù)測(cè)分析
    就bp神經(jīng)網(wǎng)絡(luò)銀行選址模型的相關(guān)研究
    基于Eviews上證綜合指數(shù)預(yù)測(cè)
    基于DEA—GA—BP的建設(shè)工程評(píng)標(biāo)方法研究
    復(fù)雜背景下的手勢(shì)識(shí)別方法
    BP神經(jīng)網(wǎng)絡(luò)在軟件質(zhì)量評(píng)價(jià)中的應(yīng)用研究 
    基于ARIMA模型的滬銅期貨價(jià)格預(yù)測(cè)研究
    BP神經(jīng)網(wǎng)絡(luò)算法在數(shù)值預(yù)報(bào)產(chǎn)品釋用中的應(yīng)用
    組合預(yù)測(cè)法在我國(guó)糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用
    哪里可以看免费的av片| 国产精品一二三区在线看| 男人舔奶头视频| 免费在线观看成人毛片| 2021天堂中文幕一二区在线观| 国产一区二区激情短视频| 少妇的逼水好多| 色播亚洲综合网| 成人特级黄色片久久久久久久| 97超级碰碰碰精品色视频在线观看| 日本色播在线视频| 精品一区二区三区av网在线观看| 91久久精品国产一区二区三区| 欧美激情国产日韩精品一区| 最近手机中文字幕大全| 老熟妇仑乱视频hdxx| aaaaa片日本免费| 免费看a级黄色片| 国产在线精品亚洲第一网站| 中国国产av一级| 国产精品久久久久久久电影| 久久精品夜色国产| 99久久精品热视频| 在线播放无遮挡| 国产黄a三级三级三级人| 国产精品乱码一区二三区的特点| 国产精品一二三区在线看| videossex国产| 人人妻人人澡欧美一区二区| 亚洲av成人精品一区久久| 国产高清不卡午夜福利| 春色校园在线视频观看| 精品午夜福利在线看| 亚洲,欧美,日韩| 国产精品人妻久久久影院| 波多野结衣巨乳人妻| 色综合亚洲欧美另类图片| 色哟哟哟哟哟哟| 啦啦啦啦在线视频资源| 久久久久久伊人网av| 久久久久国产精品人妻aⅴ院| 99riav亚洲国产免费| 男人舔奶头视频| 精品久久久噜噜| 亚洲精品色激情综合| 搞女人的毛片| 国产黄色视频一区二区在线观看 | 日韩欧美精品免费久久| 12—13女人毛片做爰片一| 国产精品久久电影中文字幕| 综合色av麻豆| 97人妻精品一区二区三区麻豆| 午夜久久久久精精品| 国产精品伦人一区二区| 国产美女午夜福利| 国产av不卡久久| 日韩国内少妇激情av| 国内精品宾馆在线| 久久这里只有精品中国| 亚洲av中文字字幕乱码综合| 床上黄色一级片| 亚洲色图av天堂| 成人av在线播放网站| 一级a爱片免费观看的视频| 亚洲人成网站在线观看播放| 亚洲最大成人手机在线| 深夜a级毛片| 99久久精品一区二区三区| 一本久久中文字幕| 少妇丰满av| 欧美激情国产日韩精品一区| 精品一区二区三区视频在线| 日本与韩国留学比较| 十八禁国产超污无遮挡网站| 美女内射精品一级片tv| 免费观看在线日韩| 欧美色视频一区免费| 99热网站在线观看| 成人欧美大片| 久99久视频精品免费| 国产国拍精品亚洲av在线观看| 日韩欧美精品v在线| 欧美区成人在线视频| 亚洲中文日韩欧美视频| 精品99又大又爽又粗少妇毛片| 久久午夜亚洲精品久久| 日韩欧美免费精品| 午夜影院日韩av| 美女被艹到高潮喷水动态| 性欧美人与动物交配| 观看美女的网站| av在线蜜桃| 久久久久久久亚洲中文字幕| 国产成年人精品一区二区| 欧美+日韩+精品| 国产麻豆成人av免费视频| 日韩三级伦理在线观看| 中文亚洲av片在线观看爽| 亚洲av电影不卡..在线观看| 淫秽高清视频在线观看| 女同久久另类99精品国产91| 久99久视频精品免费| 九九久久精品国产亚洲av麻豆| 91在线观看av| 一本久久中文字幕| 欧美bdsm另类| 中文资源天堂在线| 人妻少妇偷人精品九色| 18禁黄网站禁片免费观看直播| 亚洲人成网站在线观看播放| 麻豆精品久久久久久蜜桃| 午夜免费男女啪啪视频观看 | 99热这里只有是精品在线观看| 国产精品国产三级国产av玫瑰| 成年女人看的毛片在线观看| 在线看三级毛片| 嫩草影院精品99| 婷婷精品国产亚洲av在线| 美女被艹到高潮喷水动态| 狂野欧美白嫩少妇大欣赏| 天堂动漫精品| 亚洲av中文av极速乱| 99久久精品一区二区三区| 免费大片18禁| 床上黄色一级片| 一进一出好大好爽视频| 日本成人三级电影网站| 可以在线观看毛片的网站| 如何舔出高潮| 岛国在线免费视频观看| 国产黄a三级三级三级人| 日韩欧美免费精品| 99久久无色码亚洲精品果冻| 春色校园在线视频观看| 免费观看的影片在线观看| 99久国产av精品国产电影| 欧美zozozo另类| 99国产精品一区二区蜜桃av| 国产男靠女视频免费网站| 国产老妇女一区| 亚洲在线观看片| 青春草视频在线免费观看| 此物有八面人人有两片| 激情 狠狠 欧美| 在线a可以看的网站| 亚洲国产精品国产精品| 国内精品宾馆在线| 天堂√8在线中文| 99国产极品粉嫩在线观看| 亚洲在线观看片| 韩国av在线不卡| 久久6这里有精品| 我的女老师完整版在线观看| 国产成人精品久久久久久| 午夜精品一区二区三区免费看| 午夜爱爱视频在线播放| 18禁在线播放成人免费| 最新中文字幕久久久久| 欧美三级亚洲精品| 亚洲欧美日韩高清在线视频| 男女之事视频高清在线观看| 婷婷色综合大香蕉| 69av精品久久久久久| 国内揄拍国产精品人妻在线| 少妇人妻一区二区三区视频| 亚洲精品日韩在线中文字幕 | 日韩欧美在线乱码| 波多野结衣巨乳人妻| 可以在线观看毛片的网站| 亚洲欧美日韩高清在线视频| 国产综合懂色| 成年av动漫网址| 国产91av在线免费观看| 女人被狂操c到高潮| 少妇熟女欧美另类| 久久精品夜色国产| 国产精品美女特级片免费视频播放器| 男插女下体视频免费在线播放| 久久午夜福利片| 两个人视频免费观看高清| 日本a在线网址| 免费看美女性在线毛片视频| 色综合站精品国产| 波多野结衣高清作品| 日韩欧美三级三区| av免费在线看不卡| 日韩欧美三级三区| 国产成年人精品一区二区| 色综合亚洲欧美另类图片| 婷婷色综合大香蕉| 亚洲第一区二区三区不卡| 国产又黄又爽又无遮挡在线| 亚洲精品国产av成人精品 | 日本欧美国产在线视频| 丰满人妻一区二区三区视频av| 夜夜看夜夜爽夜夜摸| 又黄又爽又刺激的免费视频.| 观看美女的网站| 国产 一区精品| 国产成人freesex在线 | 久久久久久久久久成人| 国产日本99.免费观看| 一级毛片久久久久久久久女| 村上凉子中文字幕在线| 国产精品亚洲一级av第二区| 婷婷精品国产亚洲av| 亚洲av五月六月丁香网| 91狼人影院| 欧美+日韩+精品| 国内精品一区二区在线观看| 99久久九九国产精品国产免费| 精品福利观看| .国产精品久久| 国产老妇女一区| 永久网站在线| 国产高清视频在线播放一区| 22中文网久久字幕| 97碰自拍视频| 免费看a级黄色片| 成人三级黄色视频| 美女大奶头视频| 成人国产麻豆网| 国产私拍福利视频在线观看| 高清日韩中文字幕在线| 深夜精品福利| 国产一区二区激情短视频| 亚洲最大成人av| 少妇裸体淫交视频免费看高清| 少妇裸体淫交视频免费看高清| а√天堂www在线а√下载| 少妇裸体淫交视频免费看高清| 狠狠狠狠99中文字幕| 欧美zozozo另类| 欧美xxxx黑人xx丫x性爽| 给我免费播放毛片高清在线观看| 午夜精品在线福利| 国产精品美女特级片免费视频播放器| 精品无人区乱码1区二区| 亚洲成a人片在线一区二区| 国产日本99.免费观看| 桃色一区二区三区在线观看| 干丝袜人妻中文字幕| 校园春色视频在线观看| 日本三级黄在线观看| 亚洲av成人精品一区久久| a级一级毛片免费在线观看| 日韩欧美在线乱码| 日韩,欧美,国产一区二区三区 | 亚洲最大成人av| 91在线精品国自产拍蜜月| 精品久久久久久久末码| 国产成人影院久久av| 成人性生交大片免费视频hd| 在线看三级毛片| 精品久久久久久成人av| 国产精品一区二区免费欧美| 赤兔流量卡办理| 天天一区二区日本电影三级| 网址你懂的国产日韩在线| 国产亚洲精品久久久久久毛片| 免费观看在线日韩| 亚洲激情五月婷婷啪啪| 婷婷精品国产亚洲av在线| 搡老岳熟女国产| 日本 av在线| 99热网站在线观看| 久久久成人免费电影| 亚洲国产欧洲综合997久久,| 国产一区二区三区在线臀色熟女| 成人午夜高清在线视频| 美女cb高潮喷水在线观看| 中文字幕精品亚洲无线码一区| 老司机福利观看| 中文在线观看免费www的网站| 可以在线观看毛片的网站| 欧美激情国产日韩精品一区| 在线观看免费视频日本深夜| 在线观看av片永久免费下载| av国产免费在线观看| 97超视频在线观看视频| 乱人视频在线观看| 一区二区三区免费毛片| 国产片特级美女逼逼视频| 非洲黑人性xxxx精品又粗又长| 中文字幕免费在线视频6| 日韩亚洲欧美综合| 欧美3d第一页| 又黄又爽又刺激的免费视频.| 搡老熟女国产l中国老女人| 国语自产精品视频在线第100页| 国产一级毛片七仙女欲春2| av在线观看视频网站免费| 亚洲av.av天堂| av在线天堂中文字幕| 99riav亚洲国产免费| 国产精品国产三级国产av玫瑰| 中文字幕熟女人妻在线| 性插视频无遮挡在线免费观看| 可以在线观看的亚洲视频| 亚洲欧美精品综合久久99| 精品国内亚洲2022精品成人| 国产免费男女视频| 日本黄大片高清| 黄片wwwwww| 有码 亚洲区| 亚洲精品影视一区二区三区av| 非洲黑人性xxxx精品又粗又长| 在线播放国产精品三级| 日韩在线高清观看一区二区三区| 亚洲经典国产精华液单| 午夜福利高清视频| 日韩制服骚丝袜av| 国产精品精品国产色婷婷| 春色校园在线视频观看| 91精品国产九色| 美女被艹到高潮喷水动态| 黄色日韩在线| 午夜福利在线在线| av免费在线看不卡| 最近中文字幕高清免费大全6| 男人和女人高潮做爰伦理| 老司机福利观看| 国产在线男女| 日本黄色视频三级网站网址| 美女免费视频网站| 久久久精品94久久精品| 国产精品久久视频播放| 99热这里只有是精品在线观看| 精品一区二区三区av网在线观看| 国产成人freesex在线 | 久久午夜福利片| 亚洲一区高清亚洲精品| 欧美一级a爱片免费观看看| 色综合色国产| 亚洲av中文av极速乱| 亚洲av免费在线观看| 最近中文字幕高清免费大全6| 日韩 亚洲 欧美在线| 国产av一区在线观看免费| av在线亚洲专区| 国产爱豆传媒在线观看| av免费在线看不卡| 99国产精品一区二区蜜桃av| 狂野欧美白嫩少妇大欣赏| 精品久久久久久久久久免费视频| 少妇高潮的动态图| 99国产极品粉嫩在线观看| 波多野结衣高清作品| 国产精品久久视频播放| 免费看日本二区| 日韩在线高清观看一区二区三区| 我的老师免费观看完整版| 99热网站在线观看| 亚洲欧美日韩卡通动漫| 亚洲成a人片在线一区二区| 99精品在免费线老司机午夜| 亚洲中文字幕日韩| 九九久久精品国产亚洲av麻豆| 日韩成人av中文字幕在线观看 | 日本黄色视频三级网站网址| avwww免费| 最近中文字幕高清免费大全6| 国产中年淑女户外野战色| 亚洲人成网站高清观看| .国产精品久久| 一a级毛片在线观看| 偷拍熟女少妇极品色| 在线免费观看不下载黄p国产| 十八禁国产超污无遮挡网站| .国产精品久久| 日韩精品有码人妻一区| 最近中文字幕高清免费大全6| 桃色一区二区三区在线观看| 亚洲av中文字字幕乱码综合| 1000部很黄的大片| 国产精品人妻久久久影院| 一级毛片我不卡| 成年av动漫网址| 国产精品国产高清国产av| 搡老岳熟女国产| 综合色丁香网| 夜夜夜夜夜久久久久| 91在线观看av| 欧美又色又爽又黄视频| 女生性感内裤真人,穿戴方法视频| 日本一二三区视频观看| 老女人水多毛片| 一级黄色大片毛片| 18禁黄网站禁片免费观看直播| 超碰av人人做人人爽久久| 99热这里只有是精品在线观看| 亚洲欧美成人精品一区二区| 波多野结衣高清无吗| 久久人人爽人人爽人人片va| 久久午夜亚洲精品久久| 淫妇啪啪啪对白视频| 在线天堂最新版资源| 久久中文看片网| 禁无遮挡网站| 午夜精品一区二区三区免费看| 永久网站在线| 国产国拍精品亚洲av在线观看| 麻豆成人午夜福利视频| 亚洲丝袜综合中文字幕| 日本免费一区二区三区高清不卡| 少妇的逼好多水| 别揉我奶头~嗯~啊~动态视频| 午夜精品一区二区三区免费看| 身体一侧抽搐| АⅤ资源中文在线天堂| 国产精品一区www在线观看| 青春草视频在线免费观看| 国内少妇人妻偷人精品xxx网站| 国产亚洲91精品色在线| 亚洲欧美日韩高清专用| 可以在线观看毛片的网站| 日韩av不卡免费在线播放| a级毛片a级免费在线| 夜夜夜夜夜久久久久| 亚洲国产日韩欧美精品在线观看| 男人舔奶头视频| 18禁在线播放成人免费| 老司机午夜福利在线观看视频| 亚洲国产精品合色在线| 亚洲精品成人久久久久久| 免费人成视频x8x8入口观看| 在线播放国产精品三级| 中文亚洲av片在线观看爽| 波多野结衣高清作品| 国产黄色视频一区二区在线观看 | 国产私拍福利视频在线观看| 免费观看的影片在线观看| 欧美最黄视频在线播放免费| 国产三级中文精品| 久久久精品欧美日韩精品| 男人狂女人下面高潮的视频| 国产精品乱码一区二三区的特点| 最新中文字幕久久久久| 日韩欧美精品免费久久| 午夜精品一区二区三区免费看| 成人毛片a级毛片在线播放| 亚洲国产欧美人成| 亚洲成a人片在线一区二区| 亚洲欧美日韩东京热| 精品一区二区免费观看| 久久久色成人| 日韩一区二区视频免费看| 97碰自拍视频| 亚洲av一区综合| 欧美极品一区二区三区四区| 国产老妇女一区| 有码 亚洲区| 国产单亲对白刺激| av天堂中文字幕网| 精品人妻熟女av久视频| 国产伦精品一区二区三区四那| 日韩人妻高清精品专区| 最近视频中文字幕2019在线8| 亚洲欧美精品综合久久99| 欧美日韩综合久久久久久| 99在线人妻在线中文字幕| 日本撒尿小便嘘嘘汇集6| 黄色配什么色好看| 久久久久久久久大av| 国产人妻一区二区三区在| 国产精品99久久久久久久久| 久久婷婷人人爽人人干人人爱| 亚洲最大成人手机在线| 18+在线观看网站| 久久精品夜夜夜夜夜久久蜜豆| 给我免费播放毛片高清在线观看| 看黄色毛片网站| 亚洲成人中文字幕在线播放| 亚洲精品国产av成人精品 | 日韩欧美三级三区| 精品无人区乱码1区二区| 欧美不卡视频在线免费观看| 国产成年人精品一区二区| 久久人人爽人人片av| 亚洲色图av天堂| 床上黄色一级片| 精品午夜福利视频在线观看一区| 国产精品久久久久久久电影| 国产一区二区三区在线臀色熟女| 成人亚洲精品av一区二区| 国产午夜福利久久久久久| 99九九线精品视频在线观看视频| 亚洲国产精品久久男人天堂| 国产精品一区二区性色av| 我要搜黄色片| 十八禁国产超污无遮挡网站| 免费看a级黄色片| 性色avwww在线观看| 18+在线观看网站| 精品一区二区免费观看| 美女 人体艺术 gogo| 国产精品国产高清国产av| 日本精品一区二区三区蜜桃| 色视频www国产| 日本黄色视频三级网站网址| 麻豆国产97在线/欧美| 如何舔出高潮| 悠悠久久av| 亚洲aⅴ乱码一区二区在线播放| 啦啦啦韩国在线观看视频| 国产真实伦视频高清在线观看| 久久九九热精品免费| av在线亚洲专区| 免费不卡的大黄色大毛片视频在线观看 | 久久久久国产网址| 天堂√8在线中文| 国产91av在线免费观看| 久久精品人妻少妇| 国模一区二区三区四区视频| 在线播放无遮挡| 亚洲精品色激情综合| 国产v大片淫在线免费观看| 黄色日韩在线| 国产精品精品国产色婷婷| av在线老鸭窝| 欧美日韩精品成人综合77777| 国产人妻一区二区三区在| 国产精品1区2区在线观看.| 噜噜噜噜噜久久久久久91| av在线老鸭窝| 欧美bdsm另类| 免费在线观看成人毛片| 久久精品91蜜桃| 69av精品久久久久久| 在线国产一区二区在线| 亚洲av美国av| 国产精品久久电影中文字幕| 99国产极品粉嫩在线观看| 久久九九热精品免费| 伦理电影大哥的女人| 综合色av麻豆| 精品久久久久久久久久免费视频| 亚洲欧美日韩无卡精品| 简卡轻食公司| 国产熟女欧美一区二区| 国产高清有码在线观看视频| 成人一区二区视频在线观看| 国产成人91sexporn| 91精品国产九色| 国产三级中文精品| 亚洲四区av| av天堂中文字幕网| 国产黄色小视频在线观看| 成人精品一区二区免费| 亚洲av免费在线观看| 人妻丰满熟妇av一区二区三区| 男人舔女人下体高潮全视频| 日本撒尿小便嘘嘘汇集6| 两个人的视频大全免费| 日韩欧美精品免费久久| 国内精品一区二区在线观看| 嫩草影院精品99| 99精品在免费线老司机午夜| 国产精品一及| 亚洲av不卡在线观看| 国产精品福利在线免费观看| 乱系列少妇在线播放| 插逼视频在线观看| 久久韩国三级中文字幕| 搡老熟女国产l中国老女人| 国产一区二区在线av高清观看| 久久人妻av系列| 久久这里只有精品中国| 精品日产1卡2卡| 人人妻人人澡欧美一区二区| 亚洲成人久久爱视频| 久久精品91蜜桃| 久久久久国内视频| 看十八女毛片水多多多| 搡老妇女老女人老熟妇| 午夜免费男女啪啪视频观看 | 免费黄网站久久成人精品| 亚洲精品日韩av片在线观看| 韩国av在线不卡| 天天躁夜夜躁狠狠久久av| 最近在线观看免费完整版| 亚洲国产高清在线一区二区三| 久久天躁狠狠躁夜夜2o2o| 少妇高潮的动态图| 日日干狠狠操夜夜爽| 欧美+日韩+精品| 国产精品女同一区二区软件| 国产亚洲精品综合一区在线观看| 国产一区二区激情短视频| 免费观看精品视频网站| 国产私拍福利视频在线观看| 直男gayav资源| 亚洲美女视频黄频| 欧洲精品卡2卡3卡4卡5卡区| 在线观看一区二区三区| 老司机福利观看| 五月伊人婷婷丁香| 特大巨黑吊av在线直播| 18禁黄网站禁片免费观看直播| 又爽又黄无遮挡网站| 村上凉子中文字幕在线| 成年免费大片在线观看| 久久热精品热| 美女 人体艺术 gogo| 亚洲精品亚洲一区二区| 美女 人体艺术 gogo| 又粗又爽又猛毛片免费看| 狂野欧美白嫩少妇大欣赏| 久久精品人妻少妇| 午夜激情欧美在线| 久久欧美精品欧美久久欧美| 99热全是精品| 最好的美女福利视频网| 欧美丝袜亚洲另类| 日韩人妻高清精品专区|