亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        物流需求預(yù)測(cè)方法概述

        2015-12-01 01:50:59璐,木
        物流科技 2015年7期
        關(guān)鍵詞:需求預(yù)測(cè)定性神經(jīng)網(wǎng)絡(luò)

        張 璐,木 仁

        (內(nèi)蒙古工業(yè)大學(xué),內(nèi)蒙古 呼和浩特 010010)

        ZHANG Lu,MU Ren

        (Inner Mongolia University of Technology,Hohhot 010010,China)

        1 國(guó)內(nèi)外研究現(xiàn)狀

        1.1 國(guó)內(nèi)外研究現(xiàn)狀

        Donald J.Bowersox 和David J.Closs 在《物流管理—供應(yīng)鏈過程一體化》中提出,物流需求有三大技術(shù)類別:時(shí)間序列、定性和因果關(guān)系的,時(shí)間序列技術(shù)集中于在歷史模式和歷史模式的變化上進(jìn)行預(yù)測(cè)[1]。

        2003年,由于有法律法規(guī)等相關(guān)政策做支撐,Kevin 等人對(duì)所建立補(bǔ)償預(yù)測(cè)模型的基本要素、空軍庫(kù)存管理的功能進(jìn)行了分析,并比較了該模型與原材料需求計(jì)劃模型的相同點(diǎn)和不同之處[2]。

        2001年,根據(jù)20 世紀(jì)60年代印度的貨物需求數(shù)據(jù),Mudit Kulshreshtha 等人用時(shí)間序列模型推導(dǎo)出貨物需求量之間的關(guān)系,并進(jìn)行動(dòng)態(tài)計(jì)量經(jīng)濟(jì)時(shí)間序列建模,通過VAR 模型對(duì)建模數(shù)據(jù)進(jìn)行預(yù)測(cè),結(jié)果證明高彈性的GDP 和低彈性的價(jià)格,包括實(shí)際運(yùn)價(jià),都會(huì)對(duì)經(jīng)濟(jì)產(chǎn)生重大影響[3]。

        1.2 國(guó)內(nèi)研究現(xiàn)狀

        趙啟蘭、王稼瓊、劉宏志在《物流規(guī)劃中的需求與潛在需求分析》中對(duì)物流需求分析是區(qū)域物流規(guī)劃中的一個(gè)關(guān)鍵問題,體現(xiàn)出物流服務(wù)的多樣性、物流需求主體的廣泛性和物流需求的潛在性[4]。

        潘育新在《零售業(yè)連鎖店配送中心的物流研究》中分析了配送中心物流規(guī)劃的基本內(nèi)容,通過對(duì)連鎖店配送中心物流流程的設(shè)計(jì),歸納出實(shí)際運(yùn)作中的典型運(yùn)行程序和物流作業(yè)流程,在此基礎(chǔ)上對(duì)物流流程中的采購(gòu)、存儲(chǔ)、流通加工、配送和信息處理這五個(gè)重要的物流環(huán)節(jié)進(jìn)行深入分析[5]。

        王曉原、李軍討論了灰色預(yù)測(cè)模型以及灰色預(yù)測(cè)模型在物流規(guī)模預(yù)測(cè)中的應(yīng)用,建立了基于灰色預(yù)測(cè)理論的GM(1,1)模型,敘述了運(yùn)用GM(1,1)模型進(jìn)行預(yù)測(cè)的詳細(xì)步驟,并以山東省的物流規(guī)模預(yù)測(cè)為例進(jìn)行了實(shí)際應(yīng)用,最后用殘差檢驗(yàn)和后驗(yàn)差檢驗(yàn)的方法對(duì)預(yù)測(cè)結(jié)果進(jìn)行了檢驗(yàn),證明了預(yù)測(cè)結(jié)果的可信性[6]。

        耿勇、鞠頌東、陳婭娜基于對(duì)經(jīng)濟(jì)與物流之間內(nèi)在關(guān)系的研究提出的“經(jīng)濟(jì)一物流需求”轉(zhuǎn)換BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。該模型在一定程度上反映了經(jīng)濟(jì)與物流需求之間的復(fù)雜映射關(guān)系,它不同于簡(jiǎn)單的物流需求線性回歸或時(shí)間序列預(yù)測(cè)模型,該模型采用經(jīng)濟(jì)指標(biāo)來對(duì)區(qū)域物流需求進(jìn)行預(yù)測(cè),為從經(jīng)濟(jì)與物流一體化的角度研究物流需求提供了新的思路[7]。

        謝實(shí)海在《區(qū)域物流中心布局規(guī)劃研究》一文中首先分析區(qū)域物流中心的含義、主要功能和建設(shè)意義,以及貨物集散系統(tǒng)、物流信息系統(tǒng)、物流控制系統(tǒng)等區(qū)域物流中心三大系統(tǒng)的相互關(guān)系。論文認(rèn)為物流需求量是區(qū)域物流中心功能設(shè)計(jì)和規(guī)模確定的依據(jù)[8]。

        林連、林樺基于改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)在港口物流量預(yù)測(cè)中的應(yīng)用中提出針對(duì)傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)模型收斂速度慢的缺陷,對(duì)其進(jìn)行改進(jìn),以提高收斂速度。經(jīng)運(yùn)用廈門港物流出口量的歷史數(shù)據(jù)進(jìn)行檢驗(yàn)分析,給出BP 神經(jīng)網(wǎng)絡(luò)仿真計(jì)算方法,其仿真結(jié)果與實(shí)際結(jié)果進(jìn)行了比較[9]。

        張鵬在《基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法及其在物流系統(tǒng)中的應(yīng)用研究》一文中研究了基于神經(jīng)網(wǎng)絡(luò)的物流預(yù)測(cè)理論和方法。文章指出了預(yù)測(cè)理論在解決實(shí)際問題所遇到的困難和不足,提出了一個(gè)改進(jìn)的三層神經(jīng)網(wǎng)絡(luò)BP 算法,初步建立了多種精度評(píng)價(jià)指標(biāo)、符合現(xiàn)代物流預(yù)測(cè)需要的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,并給出了詳細(xì)的理論方法和設(shè)計(jì)步驟。并且對(duì)基于神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)方法進(jìn)行了研究,提出了一個(gè)神經(jīng)網(wǎng)絡(luò)和指數(shù)平滑模型組合運(yùn)用的預(yù)測(cè)算法[10]。

        張華勤在《我國(guó)港口集裝箱運(yùn)輸發(fā)展預(yù)測(cè)研究》一文中,針對(duì)我國(guó)港口集裝箱運(yùn)輸發(fā)展的現(xiàn)狀和需求,分析了我國(guó)港口集裝箱運(yùn)輸快速發(fā)展及其發(fā)展動(dòng)力,對(duì)未來我國(guó)港口集裝箱吞吐量和集中化趨勢(shì)進(jìn)行了預(yù)測(cè),對(duì)國(guó)家如何加快我國(guó)樞紐港形成、企業(yè)制定適合自身發(fā)展的戰(zhàn)略提出了建議[11]。

        黃麗在《隨機(jī)時(shí)間序列模型在物流需求預(yù)測(cè)中的應(yīng)用》一文中分析研究物流定義在中美的發(fā)展演變,以及物流管理與物流管理系統(tǒng),并建立了三種線性隨機(jī)模型對(duì)物流需求進(jìn)行預(yù)測(cè),并對(duì)預(yù)測(cè)的結(jié)果進(jìn)行相應(yīng)的分析和檢驗(yàn)。

        王麗華在《區(qū)域物流規(guī)劃中的物流需求預(yù)測(cè)研究》一文中以山西省為例,研究了如何對(duì)區(qū)域物流規(guī)劃的物流需求量進(jìn)行預(yù)測(cè),指出了影響預(yù)測(cè)的因素,建立了預(yù)測(cè)的指標(biāo)體系,并列舉了常用的預(yù)測(cè)方法和預(yù)測(cè)的步驟。

        劉靜在《關(guān)于物流需求的研究》一文中,使用了情景分析法對(duì)某一地區(qū)的物流需求量進(jìn)行預(yù)測(cè)分析,并指出了物流需求分析的目的和相關(guān)的原則[12]。

        2 物流需求預(yù)測(cè)含義

        物流需求預(yù)測(cè)就是根據(jù)物流市場(chǎng)過去和現(xiàn)在的需求資料以及影響物流市場(chǎng)需求變化的因素之間的關(guān)系,利用合適的經(jīng)驗(yàn)判斷、技術(shù)方法和預(yù)測(cè)模型,對(duì)有關(guān)反映市場(chǎng)需求發(fā)展趨勢(shì)的指標(biāo)進(jìn)行預(yù)測(cè)。

        物流需求源于社會(huì)各組成部分之間的生產(chǎn)生活,同時(shí)也受到物流供應(yīng)系統(tǒng)的影響,因而它是社會(huì)活動(dòng)的派生需求,與社會(huì)生產(chǎn)生活之間有著緊密的聯(lián)系。社會(huì)的各種生產(chǎn)生活因素的變化都會(huì)對(duì)物流需求產(chǎn)生重要的影響,隨之使實(shí)際物流量產(chǎn)生有規(guī)律而又隨機(jī)的變化。季節(jié)性變化、生產(chǎn)力的分布及經(jīng)濟(jì)建設(shè)與發(fā)展的不同階段等因素都使得物流需求呈現(xiàn)出不同的特性。因此進(jìn)行物流需求的預(yù)測(cè)十分復(fù)雜,對(duì)預(yù)測(cè)的內(nèi)容和方法都提出了很高的要求,給物流需求預(yù)測(cè)帶來了很大困難。

        3 物流需求預(yù)測(cè)方法綜述

        當(dāng)前物流需求預(yù)測(cè)模型主要分為兩大類:定性預(yù)測(cè)和定量預(yù)測(cè)。其中定性預(yù)測(cè)方法常用的有市場(chǎng)調(diào)查法、頭腦風(fēng)暴法、德爾菲法等。定量預(yù)測(cè)又可以分為傳統(tǒng)線性模型和現(xiàn)代非線性模型及組合預(yù)測(cè)模型。傳統(tǒng)線性模型主要有回歸分析法、時(shí)間序列法、灰色預(yù)測(cè)模型等,非線性模型主要有隱馬爾可夫模型(Hidden Markov Models,HMM)、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)、最小二乘支持向量機(jī)(Least Squares Support Vector Machine,LSSVM)、交通斷面物流量預(yù)測(cè)等。

        3.1 定性預(yù)測(cè)

        定性預(yù)測(cè)在現(xiàn)實(shí)社會(huì)活動(dòng)中應(yīng)用最為廣泛,在科學(xué)技術(shù)不發(fā)達(dá)的時(shí)代,人們就是靠著定性預(yù)測(cè)的方法來預(yù)測(cè)事務(wù)的未來,從而指導(dǎo)人們的生產(chǎn)活動(dòng)。所謂定性預(yù)測(cè)就是人們根據(jù)自己掌握的實(shí)際情況、實(shí)踐經(jīng)驗(yàn)、專業(yè)水平,利用判斷、直覺、調(diào)查或比較分析等方法,對(duì)經(jīng)濟(jì)發(fā)展前景的性質(zhì)、方向和程度做出的判斷,有時(shí)在對(duì)事務(wù)分析的基礎(chǔ)上也可以給出數(shù)量估計(jì)。

        定性預(yù)測(cè)方法很多,常用的幾種定性預(yù)測(cè)方法有:

        (1)頭腦風(fēng)暴法

        頭腦風(fēng)暴法又叫智暴發(fā)(Brain Storming Method),是由Osborn 在1957年提出,便很快得到了廣泛的應(yīng)用。其應(yīng)用基本原理是通過一組專家共同開會(huì)討論,進(jìn)行信息交流和互相啟發(fā),從而誘發(fā)專家們發(fā)揮其創(chuàng)造性思維,促進(jìn)他們產(chǎn)生“思維共振”,已達(dá)到互相補(bǔ)充,并產(chǎn)生“組合效應(yīng)”的預(yù)測(cè)方法。它既可以獲取所要預(yù)測(cè)事件的未來信息,也可以弄清問題,形成方案,搞清影響,特別是一些交叉事件的相互影響。

        (2)德爾菲法

        德爾菲法(Delphi Method)又稱專家調(diào)查法,是由美國(guó)蘭德公司的達(dá)爾基(N.Dalkey)和赫爾默(O.Helmer)于1964年正式提出的。在正式提出后,很快就在世界上盛行起來。在初始階段,大多數(shù)預(yù)測(cè)案例都是科技預(yù)測(cè)的內(nèi)容,因而許多人誤解為只是科技預(yù)測(cè)的一種方法,實(shí)際上并非如此?,F(xiàn)在,此法的應(yīng)用遍及社會(huì)、經(jīng)濟(jì)、科技等各個(gè)領(lǐng)域,應(yīng)用頻率較高。

        (3)市場(chǎng)調(diào)查法

        市場(chǎng)調(diào)查法也稱為直接歸納法或經(jīng)濟(jì)調(diào)查法。市場(chǎng)調(diào)查法是通過各種不同的方法收集數(shù)據(jù),并加以歸納匯總,在考慮其他因素的影響后,做出預(yù)測(cè)。

        定性預(yù)測(cè)法的優(yōu)勢(shì)在于需要的數(shù)據(jù)較少,能考慮無法定量的因素且簡(jiǎn)便容易,在缺少足夠統(tǒng)計(jì)數(shù)據(jù)和原始資料的情況下,可以根據(jù)經(jīng)驗(yàn)做出一些定性估計(jì)和得到從資料上不能直接得到的信息,這種預(yù)測(cè)方法很大程度上取決于政策和專家的努力,而不是技術(shù)基礎(chǔ),因此,它是一種不可缺少的靈活的經(jīng)濟(jì)預(yù)測(cè)方法,但其劣勢(shì)就在于人的主觀因素影響較大,方法難標(biāo)準(zhǔn)化,準(zhǔn)確性較難把握。在掌握數(shù)據(jù)不多、不夠準(zhǔn)確或是主要因素難以量化的、主觀的,可采用定性預(yù)測(cè)方法。

        當(dāng)經(jīng)濟(jì)環(huán)境、系統(tǒng)結(jié)構(gòu)發(fā)生大的變化,或建立新的系統(tǒng)時(shí),如:新產(chǎn)品需求預(yù)測(cè)、新技術(shù)的影響等,這是無法用定量預(yù)測(cè)方法進(jìn)行預(yù)測(cè)的,而這時(shí)定性預(yù)測(cè)卻是一種行之有效的方法。系統(tǒng)中一些無法定量的因素,只能通過判斷,進(jìn)行定性分析及預(yù)測(cè)。如:黨和國(guó)家方針政策的變化,消費(fèi)者心理的變化對(duì)市場(chǎng)供需變化影響等。另外,在進(jìn)行定量預(yù)測(cè)時(shí)也需要進(jìn)行定性分析及定性預(yù)測(cè)。如:確定預(yù)測(cè)問題的影響因素、對(duì)預(yù)測(cè)值的修正、對(duì)突變因素影響的預(yù)測(cè)等。由于物流量預(yù)測(cè)本身的特點(diǎn),在物流量預(yù)測(cè)中定性預(yù)測(cè)更是在整個(gè)預(yù)測(cè)工作中是不可缺少的預(yù)測(cè)方法。

        3.2 定量預(yù)測(cè)

        3.2.1 傳統(tǒng)線性模型

        傳統(tǒng)線性模型主要有回歸分析法、時(shí)間序列法、灰色預(yù)測(cè)模型等。回歸分析方法就是在大量實(shí)驗(yàn)觀測(cè)數(shù)據(jù)的基礎(chǔ)上,找出這些變量之間的內(nèi)部規(guī)律性,從而定量地建立一個(gè)變量和另外多個(gè)變量之間的統(tǒng)計(jì)關(guān)系的數(shù)學(xué)表達(dá)式。時(shí)間序列預(yù)測(cè)法是一種歷史資料延伸預(yù)測(cè),也稱歷史引伸預(yù)測(cè)法。是以時(shí)間數(shù)列所能反映的社會(huì)經(jīng)濟(jì)現(xiàn)象的發(fā)展過程和規(guī)律性,進(jìn)行引伸外推,預(yù)測(cè)其發(fā)展趨勢(shì)的方法?;疑A(yù)測(cè)是通過鑒別系統(tǒng)因素之間發(fā)展趨勢(shì)的相異程度,即進(jìn)行關(guān)聯(lián)分析,并對(duì)原始數(shù)據(jù)進(jìn)行生成處理來尋找系統(tǒng)變動(dòng)的規(guī)律,生成有較強(qiáng)規(guī)律性的數(shù)據(jù)序列,然后建立相應(yīng)的微分方程模型,從而預(yù)測(cè)事物未來發(fā)展趨勢(shì)的狀況?;疑A(yù)測(cè)是一種對(duì)含有不確定因素的系統(tǒng)進(jìn)行預(yù)測(cè)的方法。

        3.2.2 非線性模型

        非線性模型主要有隱馬爾可夫模型(Hidden Markov Models,HMM)、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)、支持向量機(jī)(Least Squares Support Vector Machine,LSSVM)等。

        隱馬爾可夫模型馬爾可夫鏈,因安德烈·馬爾可夫(A.A.Markov,1856~1922)而得名,是數(shù)學(xué)中具有馬爾可夫性質(zhì)的離散時(shí)間隨機(jī)過程。該過程中,在給定當(dāng)前知識(shí)或信息的情況下,過去(即當(dāng)期以前的歷史狀態(tài))對(duì)于預(yù)測(cè)將來(即當(dāng)期以后的未來狀態(tài))是無關(guān)的。它是利用狀態(tài)之間轉(zhuǎn)移概率來預(yù)測(cè)事件接下來會(huì)發(fā)生的狀態(tài)或者發(fā)展變化趨勢(shì)[1]。

        支持向量機(jī)(Support Vector Ma-chine,SVM)是建立在統(tǒng)計(jì)學(xué)習(xí)理論上的機(jī)器學(xué)習(xí)方法,已經(jīng)在實(shí)際應(yīng)用中得到很大的發(fā)展。近幾年更得到了迅速的發(fā)展,支持向量機(jī)理論具有強(qiáng)大的泛化能力,且建模簡(jiǎn)單,但預(yù)測(cè)指標(biāo)較少,無法將所有影響因素考慮在內(nèi),適用于簡(jiǎn)單預(yù)測(cè)。

        人工神經(jīng)網(wǎng)絡(luò)是近幾年發(fā)展迅速、且比較準(zhǔn)確的一種預(yù)測(cè)方法,人工神經(jīng)網(wǎng)絡(luò)模型是為了模擬生物大腦神經(jīng)系統(tǒng)的運(yùn)作方式而建立的一種數(shù)學(xué)簡(jiǎn)化模型。因此,神經(jīng)網(wǎng)絡(luò)擁有與生物大腦神經(jīng)系統(tǒng)相似的特點(diǎn):

        (1)具有高度的并行結(jié)構(gòu)和信息處理能力

        人工神經(jīng)網(wǎng)絡(luò)的智能計(jì)算特性表現(xiàn)在層間神經(jīng)元的同步計(jì)算。且由大量的神經(jīng)元以串并聯(lián)的方式構(gòu)成的系統(tǒng),并行處理能力更強(qiáng),因而具有高速信息處理能力。

        (2)具有很強(qiáng)的自學(xué)習(xí)和信息記憶能力

        人工神經(jīng)網(wǎng)絡(luò)模型的有效信息存儲(chǔ)在整個(gè)系統(tǒng)中,并不是在某幾個(gè)神經(jīng)元中。事實(shí)上,各神經(jīng)元和神經(jīng)元間的作用強(qiáng)度都表示部分信息。若想完整地存儲(chǔ)某個(gè)信息,必須是整個(gè)系統(tǒng)參與學(xué)習(xí)和記憶。

        (3)具有很強(qiáng)的容錯(cuò)能力

        由于人工神經(jīng)網(wǎng)絡(luò)模型的有效信息存儲(chǔ)在整個(gè)系統(tǒng)中,并不是在某幾個(gè)神經(jīng)元中。因此部分神經(jīng)元損壞或者暫停工作,并不會(huì)影響網(wǎng)絡(luò)性能的展示。換言之,數(shù)據(jù)部分屬性丟失不會(huì)影響系統(tǒng)的正常工作。

        4 總結(jié)

        本文對(duì)物流預(yù)測(cè)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了分析,對(duì)現(xiàn)有預(yù)測(cè)方法進(jìn)行了系統(tǒng)介紹,對(duì)物流預(yù)測(cè)方法的選擇具有現(xiàn)實(shí)意義。

        [1]唐納德J.鮑爾索克斯.物流管理:供應(yīng)鏈過程一體化[M].北京:機(jī)械工業(yè)出版社,1998.

        [2]Kevin Gaudette,H.Kenneth Alcorn,Matthew Mangan.Reparability forecasting Model[J].Air Force of Logistics,2003(4):40-42.

        [3]Mudit Kulshreshtha,Aarnali Nag,Mukul Kulshrestha.A Multivariate Cointegrating Vector Auto-regressive Model of Freight Transport Demand:Evidence from Indian Railways[J].Transportation Research,2001(3):29-45.

        [4]趙啟蘭,王稼瓊,劉宏志.物流規(guī)劃中的需求與潛在需求分析[J].中國(guó)軟科學(xué),2004(2):92-95.

        [5]潘鑫俊.廣東省物流需求分析[D].廣州:廣東外語外貿(mào)大學(xué)(碩士學(xué)位論文),2007.

        [6]王曉原,李軍.灰色GM(1,1)模型在區(qū)域物流規(guī)模預(yù)測(cè)中的應(yīng)用[J].武漢理工大學(xué)學(xué)報(bào),2005(3):415-417.

        [7]耿勇,鞠頌東,陳婭娜.基于BP 神經(jīng)網(wǎng)絡(luò)的物流需求分析與預(yù)測(cè)[J].物流技術(shù),2007(7):35-38.

        [8]謝實(shí)海.區(qū)域物流中心布局規(guī)劃研究[D].南京:東南大學(xué)(碩士學(xué)位論文),2001.

        [9]林連,林樺.基于改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)在港口物流量預(yù)測(cè)中的應(yīng)用[J].交通信息與安全,2009(5):161-165.

        [10]張鵬.基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法及其在物流系統(tǒng)中的應(yīng)用研究[D].武漢:武漢理工大學(xué)(碩士學(xué)位論文),2002.

        [11]張華勤.我國(guó)港口集裝箱運(yùn)輸發(fā)展預(yù)測(cè)研究[D].武漢:武漢理工大學(xué)(碩士學(xué)位論文),2002.

        [12]劉靜.關(guān)于物流需求的研究[D].大連:大連海事大學(xué)(碩士學(xué)位論文),2006.

        [13]后銳,張畢西.基于MLP 神經(jīng)網(wǎng)絡(luò)的區(qū)域物流需求預(yù)測(cè)方法及其應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐,2005(12):43-47.

        猜你喜歡
        需求預(yù)測(cè)定性神經(jīng)網(wǎng)絡(luò)
        基于貝葉斯最大熵的電動(dòng)汽車充電需求預(yù)測(cè)
        吉林電力(2022年2期)2022-11-10 09:24:42
        分裂平衡問題的Levitin-Polyak適定性
        神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
        電子制作(2019年19期)2019-11-23 08:42:00
        當(dāng)歸和歐當(dāng)歸的定性與定量鑒別
        中成藥(2018年12期)2018-12-29 12:25:44
        基于計(jì)算實(shí)驗(yàn)的公共交通需求預(yù)測(cè)方法
        基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
        復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
        共同認(rèn)識(shí)不明確的“碰瓷”行為的定性
        毆打后追趕致人摔成重傷的行為定性
        基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
        亚洲又黄又大又爽毛片| 丁香五月亚洲综合在线| 亚洲国产精品成人天堂| 大学生粉嫩无套流白浆| 国产专区国产av| 久久99精品久久久66| 国产三级在线观看性色av| 午夜亚洲精品视频在线| 牛牛在线视频| 亚洲一区二区三区国产精华液| 99国产精品丝袜久久久久| 一区二区三无码| 蜜桃传媒免费在线观看| 风韵丰满熟妇啪啪区老老熟妇| 色先锋av资源中文字幕| 巨熟乳波霸若妻在线播放 | 久久精品国产亚洲AⅤ无码剧情| 国产亚洲一二三区精品| 亚洲欧美日韩另类精品一区| 亚洲欧美成人一区二区在线电影 | 人妖精品视频在线观看| 亚洲精品中文字幕一二| 中文字幕精品一区久久| 国产亚洲日韩在线一区二区三区| 亚洲乱码日产精品bd在线观看 | 无套内射在线无码播放| 亚洲日韩v无码中文字幕| 日韩精品区欧美在线一区| 国产桃色精品网站| 亚洲三级中文字幕乱码| 在线观看成人无码中文av天堂| 98久9在线 | 免费| 国产午夜激无码AV毛片不卡| 中国av一区二区三区四区| 日本免费在线一区二区三区| 国产免费无遮挡吸奶头视频 | 无码尹人久久相蕉无码| 亚洲AV无码国产永久播放蜜芽| 日韩精品视频在线一二三| 国产日产一区二区三区四区五区| av人摸人人人澡人人超碰妓女|