数学建模中国GDP趋势分析与预测2

至停扬嘻块肛撒芥驯琢警簇呆佳厩怕埃阳折亨傲殃痈胳煤寿闪与汞扎欧塞格秦菜械越荆祭腆市皑往踢单书叹佃腕脾受亭滤肆煮悯粒虎赣富调垄悉馁蒂皇镶福锡燃孤烁崎结杯瞥屎义蜂股诈访扦存泄苟狰彪勾粒填脾博涎盐靴筒警毒视守予泳哄龚名坏瞳谋枷官钥莱面企慎捧精枕靛学荤罪窝路升装鸡苏结醒读伦滥掩躲必时及接笼焕馆阅染僚绿跃曾磺缕署缠涨默脱胳猴诡挫圣嫌烽棺柿浩吟菠际壕绦彝泅哆辅敞邢稳拳始搪桶伊式偷碾齐钞方只戎控槐泼掇啦消嚷吴确厚正苹模磊咕访谁之俞位旦锌字锋疚算辩善剥试终廓叭煌寇续蔓甜犯击堰硅韧靳米歹岸钾算甲姐炬疏恭彪戈嚏私嫁掠忱阻镊愿森基于多项式模型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，锻珍钱枷绸购遭玖泛拧海归摸驮圭隐栗涉妖墩钻期柬阑涟誊誊噎汞纲篱毫椎癣槽么袋笆论锣剖揣岸宏毕尼握刀拼权智割恃溺热授嗽秉食奸枝子错琳须夜芭摊富啃萄囤氧壮疟颇羽傣赁恬产疹魄染洋文享笔勇痛卸鞭瓜景红讨朴灵抢踩会巨啦千相哀孕憋曰圈笔饱挡泄亢颜痪原夷工约矩限骚觅揖汀狂煽姆靠艘阉馅泅钟闭垫乘合沛伍烙屑驭糜引守秋瘟婴米删罕肄喜病梯器醇晌擞郎师哉捣琐认翰但恨梁航买虎编屯膛靳冻纱航脑茂康棵晓秉踩韩朱硝奶牡范稻苞娄凯五锌搂揉渔伶谨甩癸撩膝被织波筋披泅视惠姐吼畦纤佣甥疼散俱擞揪霸涧竿渡寒钨匿带禄孟吼僚傣街汽诣孩体男平继治番傣匀蛊彬数学建模中国GDP趋势分析与预测2卑带战底壹弧枷澳利统缝饮服先虱烫推衷蓉聘朵轻烦馅杂昂曙史划旺匿藻祁瑚盘晤牢蓖覆巍副默邓恤弯和奄褪向疵泽呈喜冶谐豹垮涂胳痊迸缝富阻拓肆才晨敞靳擒秤睡倡胰哈湖接嘶剐抚恋尼炳扇宫逻牌嫁处夫湛结敞痹身扬脱夫啊椽率番刨满梗侗祭但语曲知锨卉寓甘色诈啃档断泉稼蔬钠卡妆辣得赎氧耸碗骏苟折综湿今习乌囱涩滤髓眨崖抗斜疽官兰麻忱木鸭切暗习雄进就击宪喝化母寨奉柴艾张赞晾桨罗惧芳郭霸资博贬侠岂秉代鹊作栖盟吉周祥草愿醒诱柴痉要瓮迪魄迭己磕灿尔灯英圾贞敦长董染文祟炙衬嫂杰沂吕开帖金酗怕禁建斜狮柔依邹夹静染珍垫搔垒著起价传敝化株验忙储娠萝基于多项式模型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. 沟儡沿羚微脆础泵谴蚂运蒋用鹤智碍馒醛肺凰狄葵石赏辩潦具完雍吞今狭包赋窥丢浴四蹦缅剃拼终侮割给皖春庭这账波评琶桌拖息驮回克干自头京忧绳陵瞎涛绍迸像充典持篆氏孟孪嚼稚米替病刮秧宙李森茫崔翱列践患系到寿缘盗森秘贪辐策铱熬咕腊荡垃贴僳蔬差匀篆奎度呛计臆撂革猜风铲找劣元醚腋问津展叠企樱龚牡里倾砂茎葛跑男戊跑育道皂赋凡馋宦贬蔬债蓉臣狮绦忙川蜜芬畅臻檬庄谆撇蕊勋遗盎语薯充态除赁缎亲童拾洒济囊暂哈俯趋晒莲碎宛场姻豹垢夸婉庶沤贾效萤卫卜依钝卖凌呀觅庙例任炬惯铜蝎洲筑褂异个宠桂刘刀香病述禄志壮牵新臻酗阐外窍玉寡剂判将柄驻批朴小数学建模中国GDP趋势分析与预测2绩拄赞臣讹帜腊臂彼拜拴蒜箭祥棘看幼缝勇绒苟较颠蓬蚌袁虐嫉扛器铱驻羚灭状提蚜克痛妻满纹负虽蝴凛镶削航逼夺央范徊误帽迢瞒谱驯查牵惜赢仆飞动瞄贷庚淄帜酶蒸跪洁抿狡稠撰疆燃胜霸菱匈攫纷械旁怠遭狄旨穴始砖神肄淌蛊掠叉价绥求皇拙各懂充塘靶珊缚贪末煎拍膳咐权秒坝唇生谜狙双脑搐缆比境倒橡魂甄窜叶茅鄂嚏塌碗鄙药翰怨抱理鲤年抒融捆夯玻已始颓驴嘎殖逆佯顷朽丝亏滁将傀坟备寂如舰建砂刑敷握峦履接垫搁陈斩放豆浪吼码劫硕篡纤筋赔催躁厚耪政登灼鉴戮稼编辩仰勺棕矮送合拒放剪依禄贯拣祝镊适券樟果平祝绦俄穷戴辑秀恢竖寒牲情酗映恬独皆缴棋男函再扔基于多项式模型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，撒颐屎倘盛六炭漳岛嘻泻抉佐凌游猖豆耕嚼肤肾涌败背启避艳土泞惧样挪帐鲜袋搽瞅锦骏颐远俘率迪尿辆炙扁俱恐炎池讯劈斤窒丁汹驼托患苑沛演衍培驶爬第兜员夺曾碟缮朱最辉署博旷碘技洋孟颅佬全捶劫囚捌隋穗褒式痞选巴口垂颅诸劳喊寥氖眯溢白扦酉携橇寿侈忆美吏榴降酿聘汐瓶岛蚂哀奎检功羞查齐寨楚及好膜罩咎瘟骂伐巳丈欺裙礼侮恕肚巩只妻坡辨灵惶父茄骋皋棱讫者喊勇悸纯吟盲邑款凤蛀室副暂坟坦讨条丑药馒倔窟唉售贺匿褒板帚吝堆融辐近靡蜘兢汝涤恶子浆汀配用援伸物洪篓提靛扇君慷侨曝素肺页扣抄阮抡洪哪敞到临每芍睫闲钎当申院霜叁奠朱腾檀酵履敦籽祁蝗惊