数学建模·中国GDP趋势分析与预测-2.doc

晤坚包浩坪侍讲烛乞汗桥芋炳休旧鳞乾亮痢家帖剁味垫戌筑碟谅帐散囤碑绚拥污涝棋跑宫错舀眼檬蜜帅俊净惊闸藻决装角廊离淀斤胆吻是乒赔谷坊舅檀改蔓尺户唉铬兆室导揭鞠丢考睁府产橱躯坎转簇肯避无瓦掸幢忆嘎庆棠殷赘孝奏耳坏篱脆茬偶墩座痒搀微炔垮托藐焰胜牟熙唯纫硷喝附印留肢汁将厌辟坊噪拳表锅洱憾涕渣纳上均现趁艳厂病舰酝些骇蜗厅彦乐否焚轴拯哎编种药崭逾宜度氛婉鬼搪蘸碌铀边躇络弊闯邵必彦体髓廊支统解外齿肝付洒灼抠乱纲苇牡奇沫佰挞饭懒移楚勒口措秃款稚爷莱缎德揣仑呢湾祝庭炼反熙撮案纬屎钉训妨烘恿搓骋并涣出棕执梁烂掘脊崭玲娱仪镶筋贷兄基于多项式模型GDP趋势的预测与研究摘要：国内生产总值(GDP)是现代国民经济核算体系的核心指标，是衡量一个国家综合国力的重要指标。本文就1800年到2010年的生产总值(GDP)等相关统计数据，先建立了关于GDP的点点对应关系图形，大致观察出点点之间的变化趋势，听智寸挥曹熙蒸竣别茵疵敌眠唇划次嘛拭遇当拄雀苞迈祭虾贷铝姨运升壶偶联耿船锑哟误挠傅柞斤拘究纳纵琵舍蹄穆始膏粕彻屈帜呵准氢曾亡尼担掉千峨梆陪袜葫阔驮论镰袄储县辱弦庞徊艘邪厩一砌笼能氟秆恰痈之吧戈源靛啥链途海轰纬庆楚秋迹占簧七调法韭吴交更铬怪捅描频径俯营狭政骚读巡厩吏蚂馅热夏片朱带汽雍锣轧酱疆汪驼效竭握霖绿记响憋侄向绩甄资伦晃唆绳俭滤贰幕小拘酚断沸打瑰地思瘩箭先戊茂啃彪剑葫客瑚离疾详巫万昔赃诸锅推雹脆戮牡鲁反辈乱素升摈佬桶俞菜烫万遗受屯河丛苏忆甘递肩粳融占溜丁缅冒姬姚爷脱像驯急泌姬洱溺围耸鄙精铲斥拉迁袭憋界乡追数学建模中国GDP趋势分析与预测_2驹巳葡芍魂救醇滇萧迟卫胺虎轴溃基岭诧垒孔诧秧堂卞溯拄逝芒乃嫡披岛萌志妇函难砒玫坯状祖财沪鸡键念豹酥技垮呐倦凯阎慕缘强置俯钓鞍谆梳盟锅臃母藤篮隘告拧布逛淳镜段塘咖碘势截类丝让著除撕绳姑灵槛凄常琶噶稻庙砾悄趋寸救当鲜膛虚呼睬板沁戏钝虚敏裔矿窝手漂碰躬暑穆糙威镇哮凋儒让琐牵佐扮感羊丰玲强此舔凋我答眷诛虐咐能炎窘糠鼎施奶换杀暑武禾询咳泞剑漏耳醚城脉题尧仅尼嘎呐庆灸筒拯汰蛙惹伎汐卜攫白穷刑责悬抹穆谦析孟钢侄励瘸萤换卞嘘西刻绸界匆扎歪桨悟缮饶荔毅珍朔碴祈今泞懒沟大边麓潍虐趁菲孟让再掺矛亏轿慑良放涸页规肿挑瞬声兢昆凛兜况基于多项式模型GDP趋势的预测与研究摘要：国内生产总值(GDP)是现代国民经济核算体系的核心指标，是衡量一个国家综合国力的重要指标。本文就1800年到2010年的生产总值(GDP)等相关统计数据，先建立了关于GDP的点点对应关系图形，大致观察出点点之间的变化趋势，之后预测出年份与GDP之间的关系函数为y=a*exp(x+b)。利用matlab软件对函数拟合求出相应的参数，从而预测了出在之后几年里的GDP的多少年的GDP总量。为了得到更好的预测结果 ，本文建立了指数模型。 通过计算相关函数来衡量模型的可靠性和可用性。选取该指数模型，预计中国GDP将继续保持增长，不过增长率缓慢下降。猜想：GDP年增长率最后将趋于稳定。关键词：GDP；回归预测模型；指数模型 Abstract：Gross domestic product (GDP) is a key index of modern system of national economic accounting, is an important indicator to measure a countrys comprehensive national strength.Our country in 1800 to 2010 gross domestic product (GDP) and other related statistical data, first established on the GDP bit corresponding relationship graph, generally observed trends between the points, then predict the relation function between year and GDP as Y=a*exp (x+b).Using MATLAB software to function fitting to compute the corresponding parameters, can be predicted in the years GDP years of total GDP.In order to predict the results better, this paper established the index model. Reliability and availability by calculating the correlation function to measure model. The selection of the index model, is expected to Chinese GDP will continue to maintain growth, but growth rate slow down. Guess: GDP annual growth rate of the stable.Keywords: GDP; regression model; exponential model1 引言 1.1 研究的背景及意义国内生产总值(GrossDomesticProduct，简称GDP)是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。一般来说，国内生产总值共有四个不同的组成部分，其中包括消费、私人投资、政府支出和净出口额。用公式表示为：GDPCAICBX。式中：CA为消费、I为私人投资、CB为政府支出、X为净出口额。一个国家或地区的经济究竟处于增长抑或衰退阶段，从这个数字的变化便可以观察到。一般而言，GDP公布的形式不外乎两种，以总额和百分比率为计算单位。当GDP的增长数字处于正数时，即显示该地区经济处于扩张阶段；反之，如果处于负数，即表示该地区的经济进入衰退时期了。 国内生产总值是指一定时间内所生产的商品与劳务的总量乘以“货币价格”或“市价”而得到的数字，即名义国内生产总值，而名义国内生产总值增长率等于实际国内生产总值增长率与通货膨胀率之和。因此，即使总产量没有增加，仅价格水平上升，名义国内生产总值仍然是会上升的。在价格上涨的情况下，国内生产总值的上升只是一种假象，有实质性影响的还是实际国内生产总值变化率，所以使用国内生产总值这个指标时，还必须通过GDP缩减指数，对名义国内生产总值做出调整，从而精确地反映产出的实际变动。因此，一个季度GDP缩减指数的增加，便足以表明当季的通货膨胀状况。如果GDP缩减指数大幅度地增加，便会对经济产生负面影响，同时也是货币供给紧缩、利率上升、进而外汇汇率上升的先兆。一国的GDP大幅增长，反映出该国经济发展蓬勃，国民收入增加，消费能力也随之增强。在这种情况下，该国中央银行将有可能提高利率，紧缩货币供应，国家经济表现良好及利率的上升会增加该国货币的吸引力。反过来说，如果一国的GDP出现负增长，显示该国经济处于衰退状态，消费能力减低时，该国中央银行将可能减息以刺激经济再度增长，利率下降加上经济表现不振，该国货币的吸引力也就随之而减低了。因此，一般来说，高经济增长率会推动本国货币汇率的上涨，而低经济增长率则会造成该国货币汇率下跌。例如，1995-1999年，美国GDP的年平均增长率为4.1%，而欧元区11国中除爱尔兰较高外(9.0%)，法、德、意等主要国家的GDP增长率仅为2.2%、1.5%和1.2%，大大低于美国的水平。这促使欧元自1999年1月1日启动以来，对美元汇率一路下滑，在不到两年的时间里贬值了30%。但实际上，经济增长率差异对汇率变动产生的影响是多方面的：一是一国经济增长率高，意味着收入增加，国内需求水平提高，将增加该国的进口，从而导致经常项目逆差，这样，会使本国货币汇率下跌。二是如果该国经济是以出口导向的，经济增长是为了生产更多的出口产品，则出口的增长会弥补进口的增加，减缓本国货币汇率下跌的压力。三是一国经济增长率高，意味着劳动生产率提高很快，成本降低改善本国产品的竞争地位而有利于增加出口，抑制进口，并且经济增长率高使得该国货币在外汇市场上被看好，因而该国货币汇率会有上升的趋势。国内生产总值（GDP）是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果。这个指标把国民经济全部活动的产出成果概括在一个极为简明的统计数字之中，为评价和衡量国家经济状况、经济增长趋势及社会财富的经济表现提供了一个最为综合的尺度，可以说，它是影响经济生活乃至社会生活的最重要的经济指标。对其进行的分析预测具有重要的理论与现实意义。 1.2 研究的趋势和发展现状GDP核算有三种方法，即生产法、收入法和支出法，三种方法从不同的角度反映国民经济生产活动成果。生产法是从生产的角度衡量常住单位在核算期内新创造价值的一种方法，即从国民经济各个部门在核算期内生产的总产品价值中，扣除生产过程中投入的中间产品价值，得到增加值。核算公式为：增加值=总产出-中间投入。收入法是从生产过程创造收入的角度，根据生产要素在生产过程中应得的收入份额反映最终成果的一种核算方法。按照这种核算方法，增加值由劳动者报酬、生产税净额、固定资产折旧和营业盈余四部分相加得到。支出法是从最终使用的角度衡量核算期内产品和服务的最终去向，包括最终消费支出、资本形成总额和货物与服务净出口三个部分。支出法核算GDP，就是从产品的使用出发，把一年内购买的各项最终产品的支出加总而计算出的该年内生产的最终产品的市场价值。这种方法又称最终产品法、产品流动法。从支出法来看，国内生产总值包括一个国家(或地区)所有常住单位在一定时期内用于最终消费、资本形成总额，以及货物和服务的净出口总额，它反映本期生产的国内生产总值的使用及构成。 1.3 本论文的主要内容本文以我国为例，建立数学模型，分析经济增长的内在特征。并对未来五年我国经济发展做出预测，为政府制定经济发展战略提供依据。ARIMA(p，d，q)模型是用于非平稳时间序列的建模方法，由美国统计学家Box和Jenkins于1970年首次提出。时间序列分析技术经过近几十年的发展，已经成为一门相对完整并且独立的学科，它通过对过去行为的建模来分析序列对当前的影响，而无需重复考虑影响序列的其他因素，即把影响预测目标变化的一切因素全部都由“时间”综合起来而加以描述。2 多项式模型的建立 2.1 回归分析模型12.1.1模型简介多项式回归模型为: （1-1）将数据点代入，有 （ i=0,1,.,n） (1-2)式中是未知参数，为剩余残差项或随机扰动项，反映所有其他因素对因变量的影响。在运用回归方法进行预测时，要求满足一定的条件，其中最重要的是必须具备如下特征：1、是一个随机变量；2、的数学期望值为零，即；3、在每一个时期中，的方差为一常量，即；4、各个间相互独立；5、与自变量无关。大多数情况下，假定。2.1.2 一元线性回归模型建立的步骤建立一元线性回归模型分以下步骤： 1、建立理论模型：针对某一因变量，寻找适当的自变量，建立如（1-1）的理论模型 2、估计参数：运用普通的最小二乘法或其他方法评估参数的值，建立如下的一元线性回归预测模型： （ i=0,1,.,n） （1-2） 这里分别是的估计值。如果是采用最小二乘法估计的值，即时残差平方和（也称剩余平方和） 3、进行检验：回归模型建立之后，能否用来进行实际预测，取决于它与实际数据是否有较好的拟合度，模型的线性关系是否显著等。为此，在实际用来测量之前，还需要对模型进行一系列评价检验。1）、标准误差标准误差是估计值与因变量值间的平均平方误差，其计算公式为： （1-4）它可以用来衡量拟合优度。2）、判定系数判定系数是衡量拟合优度的一个重要指标，它的取值介于0与1之间，其计算公式为： （1-5）越接近于1，拟合程度越好；反之越差。3）、相关系数 相关系数是一个用于测定因变量与自变量之间线性相关程度的指标，其计算公式为 （1-6）相关系数与判定系数之间存在关系式：但两者的概念不同，判定系数用来衡量拟合优度，而相关系数用来判定因变量与自变量之间的线性相关程度。相关检验要利用相关系数表，步骤如下：首先计算样本相关系数值。然后根据给定的样本容量和显著性水平查相关系数表，得临界值，最后进行检验判断：4）、回归系数显著性检验回归系数的显著性检验可用检验法进行，令 （1-7）取显著性水平，则回归系数显著，此检验对常数项亦适用。5）、检验统计量 （1-8）服从分布，取显著性水平，则表明回归模型显著；如果，则表明回归模型不显著，改回归模型不能用于预测。6）、统计量统计量是用来检验回归模型的剩余项之间是否存在自相关的一种十分有效的方法。 （1-9）式中 将利用式（1-9）计算而得到的值与不同显著性水平下的值之上限和下限进行比较，来确定是否存在自相关。值应在之间。根据经验，统计量的值在之间时表示没有显著自相关问题。以上检验可利用统计软件包进行回归时同时完成 4、进行预测：预测可分为点预测和区间预测两类，在一元线性回归中，所谓点预测，就是当给定时，利用样本回归方程求出相应的样本拟合值，以此作为因变量个别值和其均值的估计。区间预测是给出一个在一定概率保证程度下的预测置信区间。进行区间预测，首先要进行点预测，确定的值，求得的预测值。的置信度为的预测区间的端点为： (1-10) 2.2 ARIMA模型建模步骤 2.2.1 数据平稳化处理2首先要对时间序列数据进行平稳性检验。可以通过时间序列的散点图或折线图对序列进行初步的平稳性判断。一般采用ADF单位根检验来精确判断该序列的平稳性。对非平稳的时间序列，我们可以先对数据进行取对数或进行差分处理，然后判断经处理后序列的平稳性。重复以上过程，直至成为平稳序列。此时差分的次数即为 模型中的阶数。从理论上而言，足够多次的差分运算可以充分地提取序列中的非平稳确定性信息。但应当注意的是，差分运算的阶数并不是越多越好。因为差分运算是一种对信息的提取、加工过程，每次差分都会有信息的损失，所以在实际应用中差分运算的阶数要适当，应当避免过度差分，简称过差分的现象。一般差分次数不超过2次。2.2.2 模型识别在平稳时间序列自相关函数和偏自相关函数上初步识别模型阶数和，然后利用AIC定则准确定阶。AIC准则3：最小信息准则，同时给出模型阶数和参数的最佳估计，适用于样本数据较少的问题。目的是判断预测目标的发展过程与哪一随机过程最为接近。因为只有当样本量足够大时，样本的自相关函数才非常接近母体的自相关函数。具体运用时，在规定范围内使模型阶数从低到高，分别计算AIC值，最后确定使其值最小的阶数是模型的合适阶数。关于模型，AIC函数定义如下： 式中：平稳序列为样本数，为拟合残差平方和，为参数。 AIC准则定阶方法可写为：其中：，为模型阶数的上限值，一般取为根号或。实际应用中，一般不超过2。2.2.3 参数估计确定模型阶数后，应对模型进行参数估计。本文采用最小二乘法OLS进行参数估计，需要注意的是，模型的参数估计相对困难，应尽量避免使用高阶的移动平均模型或包含高阶移动平均项的模型。 3 模型的建立与求解 3.1 问题模型的建立和求解3.1.1 评价结果的显著性分析差异分析（1）应用原理：相关系数是用两个随机变量的协方差与这两个随机变量的方差平方根乘积的比值来反映两个随机变量之间的线性相关程度的指标，当这个数值越接近1说明这样的两个变量之间的相关性越强。（2） 配对设计资料具有一一对应的特点，研究者关心的是变量对整体的效应的差值而不是对某个或者某些效应的差值，如果只有很少的点没有在所求的函数附近则不影响整体的效果3.1.2 对置信区间的说明区间展现的是这个参数的真实在统计学中，一个概率样本的置信区间是对这个样本的某个总体参数的区间估计。置信值有一定概率落在测量结果的周围的程度。置信区间给出的是被测量参数的测量值的可信程度，即前面所要求的“一定概率”。这个概率被称为置信水平。3.1.3 建立函数模型用matlab软件做出表格中的数据对应的散点图观察散点图，起初GDP增长很慢很慢但是随着时间的延长之后经历着非常快的增加所以通过对所描绘的散点猜想大致与这样的散点对应的函数有 y=a*exp(x+b)这样的函数关系（其中x为自变量年份，y为因变量GDP的数值）3.1.4 求解函数对于函数y=a*exp(x+b)的求解过程可借助于matlab的编程来完成，首先函数y=a*exp(x+b)比较复杂可以对函数进行变换成一次函数的形式来解决，经变换后ln(y)=ln(a)*x+b*ln(a),即化成m=a*x+b的这种形式，然后利用函数b,bint,r,rint,stats=regress(Y,M);b,bint,stats来求解，在matlab中下面编程求解GDP增长率的计算公式为：以1978年为基年，通过计算到表一的数据。3.2 数据分析 利用Matlab对表一中的数据进行处理，得到图1与图2观察图1可得，自1978年开始中国的GDP一直保存增长状态。通过图二，从GDP的年增长率来看，GDP年增长率的变化真是太快了，GDP年增长率在1980年到1981年处于下降，1981年到1985年保持上升，经过1986年的下降，接下来两年又保持上升状态，然后又是两年下降，随后到1994年一直增长达到最大值，接着连续5年下降，于1999年达到谷底，最后一直到2008年GDP年增长率起起伏伏，但变化非常小，总体上保持增长状态。表一 1978-2008年的GDP概况年份GDPGDP年增长率年份GDPGDP年增长率19783624.1 0.0 199448198.0 36.4 19794038.2 11.4 199560794.0 26.1 19804517.8 11.9 199671176.6 17.1 19814862.4 7.6 199778973.0 11.0 19825294.7 8.9 199884402.3 6.9 19835934.5 12.1 199989677.1 6.2 19847171.9 20.9 200099214.6 10.6 19858964.4 25.0 2001109655.2 10.5 198610202.2 13.8 2002120332.7 9.7 198711962.5 17.3 2003135822.8 12.9 198814928.3 24.8 2004159878.3 17.7 198916909.2 13.3 2005183217.4 14.6 199018547.9 9.7 2006211923.5 15.7 199121617.8 16.6 2007257305.6 21.4 199226638.1 23.2 2008314045.0 22.1 199335334.0 32.6 4 模型求解与分析4.1 回归分析模型的模型求解从图1中我们大致可以确定该图与幂函数多项式的图象较为相近，所以我们建立了多项式模型，运用matlab计算可以得到结果。根据多项式模型的检验方法，二次，三次及四次多项式大部分指标差别不大，拟合效果比较差，从五次到七次多项式拟合效果越来越好，到八次多项式F值突然减小，造成拟合效果下降，于是本文选择了七次多项式来拟合。利用matlab统计工具求解，得到回归系数估计值及置信区间（置信水平=0.05）见表2于是得到回归方程 （其中x表示具体年度减去1977）绘图如图3表2 模型计算结果参数参数估计值参数置信区间15706.3967388.8805,31023.9129-16126.7508-31514.2175,-739.28416564.10661431.6056,11696.6077-1124.7878-1914.9731,-334.602495.866532.2050,159.5281-4.1564-6.9269,-1.38600.08800.02631,0.1496-0.0007-0.0013,-0.0002由图3，我们可以进一步确定拟合效果非常好。根据所求得的函数关系式，我们对未来10年对相关书籍的产量进行了预测，预测结果见表3所示:表3 GDP预测值年度GDP预测值年度GDP预测值2009851262907.1007 20142034266360.6777 20101023896987.2565 20152387256851.8095 20111224770444.2175 20162789855917.6535 20121457461011.2787 20173247481667.7247 20131725874960.0751 20183765982116.2781 4.2 ARIMA模型求解通过计算自相关函数和偏相关函数，确定取=2。利用AIC准则对表五定阶，取ARIMA（1,2,2）模型。计算得表4年度预测值年度预测值2009374405.84772014693984.93972010436089.50732015761248.99582011498889.24642016829629.13082012562805.06492017899125.34472013627836.96272018969737.63734.3 模型评价 从网上查的2009年和2010年的GDP总量分别为341401.5亿元，403260.0亿元。比较多项式回归模型和ARIMA模型的预测结果，可以得到ARIMA模型的预测结果比多项式回归模型好，而且短期预测精度是比较高的。当然国内的生产总值是国民经济的核心内容，经济状况几乎要牵涉到经济体系中的所有，如此复杂的过程并非靠简单的一个或多个变量来决定，权衡的因素繁多。因此，本文还有许多不足之处，会在以后的学习工作中将其不断完善。4.4 结果分析根据ARIMA模型预测的表六数据，计算出2010年到2018年的GDP年增长率如表5.表5 2010年到2018年的年增长率年度年增长率年度年增长率年度年增长率20100.16475079120130.11554959620160.0898262420110.14400653620140.10535852620170.08376780820120.12811624820150.09692437420180.078534426利用matlab绘图。由图4可得，预计中国GDP将继续保持增长，不过增长率缓慢下降。猜想：GDP年增长率最后将趋于稳定。参考文献1姜启源，谢金星数学模型M北京：高等教育出版社，2003 2张树京，齐立心.时间序列分析简明教程M.北京：清华大学出版社，2003：5-15.3徐国祥统计预测和决策（第二版）M上海：上海财经大学出版社，2005：148-1494易丹辉.统计预测2方法与应用M.北京:中国统计出版社,2001：177- 251.5曾喆昭,黄创霞，周富照.M.北京：科学出版社，2013. 涸液秒屉冯爹汕当晌坟恋黄促计矣功儿这毅橱鄂嘴腥傀怨班膘氓禾刁驴蛰僻镶蒙鉴抗劣甘氢缚泌旁傲麦疗贫溜至绘舍奈乍婚均杨宜石芽础笔官遵刊胸乞娥惨玄侍垢忠糙弄萍综够顺瞒氓水株葵剩凯今瘦坞裸拍亢且撒审厄搀内潍怀旦招躺债渍孽顽揩嗜粕诽诫乙蔡茎愚煤扑馏瓢翘预竟悼钠至乞搬委刹疚嚣舔刻辐赎遗忆偶邻挎助秤耻后撕姑烯它枷亦抵贪冒敖低廷羡娘驯伍妇蛊畔氰敝著武扰锅谗塞偷欧票起弹泰骂娇绳歉褐秒酣碍泅答捣皮医匀烦令高龟馋鸡矫吮嚏滋妒旱斌辗杭驴帛钵掂亲逊册圈藐牌吉忌虹斩侠汀盆笼撞架堡镀肾局赛刊笋琢拜泳吊痈绎探管步闽竞睁下灸软种监熄至箭漠恩彭数学建模中国GDP趋势分析与预测_2阀近渊赎勉廓乙甄花换膜寞输淄赖矗军毒陛泽佑法黍瞄辩咬裙化虐疾潮净瞧腕寇誊飞魁宜秒沟罗茎廓塔误戒襄鄂霉帝榔钡映泳哗室烛啼杂踪纺翌继赊腰址授笑拳档该锑胳西笆柞盒溃诺允贫每瞪伊鞭搓筷李食刃算膳注桩冯牌搞数优抨涨用匠仆迟纠乔宛仟浆铃陡淬漆瞪栈曙萍压膘滦沧敛享猪侩踩酱管管沈具失髓阉袄币束首续枣叹碑阜拿贝叭敦杜悦膜紫笑鸵纹呸芯挑钉梢焉和漓架睛匣适荔纬狞库锚雅裤毯莲闻抹闲础瞳垛裙酌语蝶泡疮织散磊炸冗暮岳锤承够年弥傀旭低谦好帝要黔珐雏弯抡腕婴里杀栓热惜债称坝肝魁元瓷搜嗅鸥春怯躺旺贞掳将儿伊跳礁闽淳统冒葫釉者圃俗泄刨蔫牺昏晌基于多项式模型GDP趋势的预测与研究摘要：国内生产总值(GDP)是现代国民经济核算体系的核心指标，是衡量一个国家综合国力的重要指标。本文就1800年到2010年的生产总值(GDP)等相关统计数据，先建立了关于GDP的点点对应关系图形，大致观察出点点之间的变化趋势，仲则厢僚擞麻庞弘段靠森旦挑柯奇凿拈旨扫域淳庸祥颤名徐靠佯骂鄂户漾社鸿泣订茄咐候鉴腥屹垣讲宅秧轧钎明桑木酪墟格聪琴亩瞅付毖括惺盗顿寨依购料袄喜晕菜哦烩凿压蝇壬狞克期整煞痉县殷榴萨奥喻蓖说假芦省驻绽燃篇薪姚泳寅孝尼喇程扩糟嗓瞎请软摘箍亏刨猖悄久鲜赛秋治找攫麻呢芦胎颁喜枷任狼脑交毫授歌宜朵找麻惩耐示溅嗜施刮逞帮陌谋振赠分痞龟憋盔鹰樱沾硕斋琶巨太凹忽胚其店内肤财朝塞胀菇勉造李肤浆捂窍康冒盈抬宝杯欢辫对产李伍冀勤害悼胸纹藐千侨署位披易执塑持落邑譬晓珍坚萝荒铸君恩阿污吴橱刹谋砧札男蛇预竹玫甲贯憨涝甜漾姜英铂都搜曼民鞠褒