• <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 ?

    面向EMD分解的徑流分量重構(gòu)方法對(duì)比研究

    2017-02-27 23:27:54張洪波余熒皓孫文博曹巍
    南水北調(diào)與水利科技 2017年1期
    關(guān)鍵詞:重構(gòu)

    張洪波+余熒皓+孫文博+曹巍

    摘要:水文序列非平穩(wěn)與非線性的復(fù)雜變化導(dǎo)致水文序列中長(zhǎng)期預(yù)測(cè)的準(zhǔn)確性備受質(zhì)疑?!胺纸?預(yù)測(cè)-重構(gòu)”模式作為一種新的有效的預(yù)測(cè)思路近年來(lái)備受業(yè)界和學(xué)者關(guān)注。但受到高頻分量預(yù)測(cè)誤差大、趨勢(shì)走向不確定等問(wèn)題困擾,這種模式在發(fā)展過(guò)程中仍有諸多需要改進(jìn)的地方。其中,徑流分量的重構(gòu)方法是控制高頻分量誤差,提高整體預(yù)測(cè)精度的關(guān)鍵性措施,其優(yōu)劣對(duì)預(yù)測(cè)效果實(shí)現(xiàn)有著重要的意義?;诮?jīng)驗(yàn)?zāi)B(tài)分解(EMD)和自回歸模型(AR)建立“分解-預(yù)測(cè)”耦合模型,結(jié)合粒子群優(yōu)化(PSO)算法,提出PSO重構(gòu)系數(shù)優(yōu)化法和高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法兩種重構(gòu)方法,結(jié)合前人提出的高頻分量剔除法,以陜北丁家溝站、關(guān)中華縣站、陜南白河站為算例,對(duì)不同重構(gòu)方法的效果進(jìn)行對(duì)比研究。研究結(jié)果表明:基于高頻分量剔除法、PSO重構(gòu)系數(shù)優(yōu)化法、高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法三種重構(gòu)方法的預(yù)測(cè)效果均較好,五項(xiàng)誤差評(píng)價(jià)指標(biāo)均優(yōu)于標(biāo)準(zhǔn)重構(gòu)法,三種重構(gòu)方法均可不同程度地提高預(yù)測(cè)精度。對(duì)比研究發(fā)現(xiàn):高頻分量剔除法在重構(gòu)過(guò)程中剔除了最不穩(wěn)定且最難預(yù)測(cè)的高頻分量,提高了預(yù)測(cè)精度,但提升效果有限;PSO重構(gòu)系數(shù)優(yōu)化法對(duì)所有徑流分量賦予優(yōu)化重構(gòu)系數(shù)并重構(gòu),可最大程度地實(shí)現(xiàn)分量間的平差,有效提高了預(yù)測(cè)精度;高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法綜合上述兩種方法的優(yōu)勢(shì),取得了比其他方法更好的預(yù)測(cè)效果。

    關(guān)鍵詞:水文學(xué)及水資源;徑流預(yù)測(cè);EMD分解;重構(gòu);重構(gòu)系數(shù)優(yōu)化

    中圖分類號(hào):P338.2文獻(xiàn)標(biāo)志碼:A文章編號(hào):1672-1683(2017)01-0060-07

    Abstract:The accuracy of mid-and long-term forecast on hydrological time series is highly questioned due to the non-stationary and nonlinear complex changes of the series.The "Decomposition-Prediction-Reconstruction" model,as a new and effective forecasting method,has captured the attention of many scholars in related fields in recent years.But troubled by large errors in high-frequency component prediction,uncertain trend and other issues,this model still requires a lot of improvements in the development process.Among all the improvements,reconstruction of runoff component is intensely crucial in controlling high-frequency component prediction error and improving prediction accuracy of the hydrological series.To do this,the "Decomposition - Prediction" hybrid model was established in this paper using empirical mode decomposition (EMD) and autoregressive model (AR).Two reconstruction methods were proposed based on the particle swarm optimization (PSO) algorithm,which were the PSO-based reconstruction coefficient optimization method and the high-frequency component removal & reconstruction coefficient optimization method.These two methods plus the previous high-frequency component removal method were used to compare the efficacy of hydrological forecasting in a case study on Dingjiagou station in northern Shaanxi,Huaxian station in middle Shaanxi and Baihe station in southern Shaanxi.The results showed that the high-frequency component removal method,PSO-based reconstruction coefficient optimization method and high-frequency component removal & reconstruction coefficient optimization method all predict better than the standard reconstruction method,as reflected by five error evaluation indicators.Thus it can be drawn that these three reconstruction methods can improve the prediction accuracy in different degrees.High-frequency component removal method emphasizes removing the high-frequency component,which is the most unstable and unpredictable,so as to enhance the prediction accuracy,but only by a limited margin due to the simple removal process.PSO-based reconstruction coefficient optimization method is to optimize the reconstruction coefficients of all runoff components and to reconstruct the forecasted series.It can reduce errors during components reconstruction to the greatest extent and improve the prediction accuracy effectively.High-frequency component removal & reconstruction coefficient optimization method combines the above two methods and predicts better than all the other methods.

    Key words:hydrology and water resources;runoff prediction;empirical mode decomposition;reconstruction;reconstruction coefficient optimization

    在全球氣候變化和人類活動(dòng)的雙重影響下,河川徑流序列已經(jīng)從一個(gè)相對(duì)平穩(wěn)過(guò)程轉(zhuǎn)變?yōu)橐粋€(gè)復(fù)雜的非平穩(wěn)、非線性過(guò)程,這種變化使得很多基于平穩(wěn)性假設(shè)的水文預(yù)測(cè)預(yù)報(bào)方法在變化環(huán)境下的應(yīng)用受到了極大的挑戰(zhàn)。由于徑流受到降雨、蒸發(fā)、大氣循環(huán)等諸多因素的影響,故徑流序列中包含了許多不同頻率的分量[1]。很多學(xué)者嘗試通過(guò)分解-預(yù)測(cè)-重構(gòu)的方式尋找水文序列中的穩(wěn)定周期變化量和趨勢(shì)變化量,對(duì)其進(jìn)行適宜性預(yù)測(cè),以改善由于水文序列非平穩(wěn)和非線性變化引發(fā)的水文中長(zhǎng)期預(yù)報(bào)失真的現(xiàn)狀[2-7]。“分解-預(yù)測(cè)-重構(gòu)”模式的特點(diǎn)在于將一個(gè)“雜亂無(wú)章”的水文序列,經(jīng)過(guò)分解得到多個(gè)相對(duì)穩(wěn)定的周期變化序列(IMFs)和一個(gè)趨勢(shì)性殘余序列(Residual)。由于現(xiàn)有預(yù)測(cè)方法對(duì)穩(wěn)定變化的序列一般具有較好的預(yù)測(cè)精度,因此重構(gòu)后其可獲得較原序列更好的預(yù)測(cè)效果[8]。如張敬平等利用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)與徑向基(RBF)神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法預(yù)測(cè)徑流量,發(fā)現(xiàn)該方法相對(duì)于直接預(yù)測(cè)具有更高的精確度[9];趙雪花等將EMD分解技術(shù)與RBF、自回歸滑動(dòng)平均模型(ARMA)、灰色模型GM(1,1)相結(jié)合,分析對(duì)比了不同數(shù)據(jù)驅(qū)動(dòng)模型在河川徑流預(yù)測(cè)中的預(yù)測(cè)效果[10]。曹麗青等將EMD分解與多尺度統(tǒng)計(jì)動(dòng)力學(xué)模型相結(jié)合,構(gòu)建了研究區(qū)域的動(dòng)力學(xué)預(yù)報(bào)方程,并對(duì)不同重構(gòu)分量情形下的預(yù)測(cè)精度進(jìn)行了對(duì)比[11]。錢曉燕等提出EMD與最小二乘支持向量機(jī)(LS-SVM)模型相耦合的徑流中長(zhǎng)期預(yù)測(cè)方法,采用EMD進(jìn)行序列分解,LS-SVM模型用于預(yù)測(cè)IMFs分量,取得很好的預(yù)測(cè)效果[12]。

    研究中發(fā)現(xiàn),由于高頻分量預(yù)測(cè)誤差較大,重構(gòu)時(shí)高頻預(yù)測(cè)誤差會(huì)直接影響序列的整體預(yù)測(cè)效果[13]。于是有學(xué)者開(kāi)始嘗試對(duì)“分解-預(yù)測(cè)-重構(gòu)”預(yù)測(cè)模式中的重構(gòu)環(huán)節(jié)做出改進(jìn)。黃生志等提出了基于經(jīng)驗(yàn)?zāi)B(tài)分解的支持向量機(jī)(EMD-SVM)預(yù)測(cè)模型,在重構(gòu)過(guò)程中剔除了高頻分量(IMF1),提高了預(yù)測(cè)精度[1];林樹(shù)寬等將基于經(jīng)驗(yàn)?zāi)B(tài)分解和支持向量回歸模型的耦合模型運(yùn)用于非線性、非平穩(wěn)時(shí)間序列預(yù)測(cè)中,重構(gòu)環(huán)節(jié)采用支持向量回歸法對(duì)分量進(jìn)行非線性組合,獲得了較高的預(yù)測(cè)精度[14]。

    經(jīng)過(guò)對(duì)已有成果的分析,筆者發(fā)現(xiàn)不同的重構(gòu)方法對(duì)于預(yù)測(cè)精度提升的效果并不相同,故本文基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和自回歸模型(AR)建立了“分解-預(yù)測(cè)”的耦合模型,并以此為基礎(chǔ),對(duì)高頻分量剔除法以及本文提出的PSO重構(gòu)系數(shù)優(yōu)化法、高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法三種重構(gòu)方法的提升效果進(jìn)行對(duì)比分析,以揭示不同重構(gòu)方法對(duì)序列預(yù)測(cè)精度的影響。

    1 研究方法

    1.1 經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)

    經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)是由黃鍔(N.E.Huang)等人于1998年創(chuàng)造性地提出的一種新型自適應(yīng)信號(hào)的時(shí)頻處理方法[15]。該方法主要針對(duì)非平穩(wěn)及非線性數(shù)據(jù),依據(jù)數(shù)據(jù)自身的時(shí)間尺度特征來(lái)進(jìn)行信號(hào)分解,得到多個(gè)具有物理意義的平穩(wěn)的固有模態(tài)函數(shù)(Intrinsic Mode Function,IMF)和具有單一性的趨勢(shì)項(xiàng)(Residual)。在水文應(yīng)用中,EMD分解得到的各徑流分量規(guī)律性更強(qiáng),能夠大大提高預(yù)測(cè)精度[16-17]。經(jīng)驗(yàn)?zāi)B(tài)分解的具體步驟如下。

    步驟1:找出原始時(shí)間序列X(t)的所有極大值點(diǎn)與極小值點(diǎn),用三次樣條插值函數(shù)擬合時(shí)間序列的上、下包絡(luò)線,上、下包絡(luò)線的均值m(t)為

    步驟3:檢驗(yàn)h(t)是否可作為固有模態(tài)函數(shù)(IMF),需滿足以下兩個(gè)條件:(1)在任意時(shí)刻,有極大值定義的上包絡(luò)線和下包絡(luò)線均值為零;(2)對(duì)于一個(gè)分量信號(hào),極值點(diǎn)與過(guò)零點(diǎn)數(shù)目一樣或者只差一個(gè)[18]。若不滿足這兩個(gè)條件,則把h(t)當(dāng)作原始序列重復(fù)步驟1、2,直到滿足以上兩個(gè)條件,求出第一個(gè)固有模態(tài)函數(shù)I1(t)為止。

    步驟4:用原始序列X(t)減去第一個(gè)固有模態(tài)函數(shù)I1(t)得到剩余序列r1(t):

    步驟5:將r1(t)作為新的原始序列重復(fù)步驟1至4,分解出所有的固有模態(tài)函數(shù)I1(t)、I2(t)、…、In(t),直至In(t)為一單調(diào)的殘余趨勢(shì)項(xiàng)(Residual)為止。

    1.2 基于EMD的分解-預(yù)測(cè)-重構(gòu)模式

    通過(guò)對(duì)徑流序列進(jìn)行EMD分解,得到多個(gè)固有模態(tài)函數(shù)(IMFs)和一個(gè)殘余趨勢(shì)項(xiàng)(Residual),即將非平穩(wěn)徑流時(shí)間序列分解為多個(gè)趨于平穩(wěn)的徑流分量和一個(gè)趨勢(shì)徑流分量。然后對(duì)這些徑流分量分別應(yīng)用自回歸模型(AR)進(jìn)行預(yù)測(cè)。AR模型是時(shí)序方法中最基本、應(yīng)用最廣的時(shí)序模型,它對(duì)平穩(wěn)時(shí)間序列預(yù)測(cè)一般能取得較高的預(yù)測(cè)精度[19]??杀硎緸椋?/p>

    對(duì)于一個(gè)徑流分量時(shí)間序列xt,有

    式中:at為滿足均值為零、方差為σ2a的獨(dú)立正態(tài)分布;φ1,φ2,…,φn稱為模型參數(shù);n為模型的階數(shù)。用當(dāng)前變量的時(shí)間序列作為因變量序列,并利用當(dāng)前變量向過(guò)去推移若干期數(shù)的時(shí)間序列作自變量序列,分析因變量序列和一個(gè)或多個(gè)自變量序列之間的相關(guān)關(guān)系,建立回歸方程進(jìn)行預(yù)測(cè),可實(shí)現(xiàn)徑流序列的有效外延,即預(yù)測(cè)。

    以分量預(yù)測(cè)結(jié)果為基礎(chǔ),將徑流分量的預(yù)測(cè)值乘以對(duì)應(yīng)的重構(gòu)系數(shù)進(jìn)行重構(gòu),即可得到預(yù)測(cè)精度較傳統(tǒng)的標(biāo)準(zhǔn)重構(gòu)法更好的新的預(yù)測(cè)序列。

    1.3 重構(gòu)方法

    傳統(tǒng)的標(biāo)準(zhǔn)重構(gòu)法是將預(yù)測(cè)得到的各徑流分量直接對(duì)應(yīng)相加,得到預(yù)測(cè)序列。其缺點(diǎn)在于徑流分量的預(yù)測(cè)誤差將被直接疊加到預(yù)測(cè)序列上,進(jìn)而導(dǎo)致預(yù)測(cè)效果不理想。為了解決這一問(wèn)題,提高預(yù)測(cè)精度,不同的重構(gòu)方法被應(yīng)用于徑流分解后的重構(gòu)過(guò)程中,但結(jié)果不甚相同。為了分析不同重構(gòu)方法對(duì)預(yù)測(cè)結(jié)果的影響,本文提出了PSO重構(gòu)系數(shù)優(yōu)化法、和高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法兩種重構(gòu)方法,并與標(biāo)準(zhǔn)重構(gòu)法、高頻分量剔除法進(jìn)行對(duì)比研究,分析其優(yōu)劣。圖1顯示了不同重構(gòu)方法的基本原理。

    1.3.1 高頻分量剔除法

    高頻分量(如IMF1)是徑流分量中最不平穩(wěn)、非線性最強(qiáng)的一個(gè)徑流分量。由于其波動(dòng)范圍大,且難以預(yù)測(cè),是重構(gòu)后預(yù)測(cè)誤差的主要來(lái)源。相關(guān)研究表明,愈不平穩(wěn)、非線性愈強(qiáng)的原始序列經(jīng)過(guò)EMD分解后將產(chǎn)生愈不規(guī)則、愈難預(yù)測(cè)的高頻分量,預(yù)測(cè)精度也將大打折扣。故有些學(xué)者在重構(gòu)時(shí)采取高頻分量剔除法[1],即剔除高頻分量(如IMF1),而將其余徑流分量進(jìn)行重構(gòu)(如圖1a),以期提升預(yù)測(cè)精度。

    1.3.2 PSO重構(gòu)系數(shù)優(yōu)化法

    粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)于1995年由Kennedy和Eberhart共同開(kāi)發(fā)[20]?;舅枷胧峭ㄟ^(guò)群體中個(gè)體之間的協(xié)作和信息共享,從隨機(jī)解出發(fā),通過(guò)迭代尋找出最優(yōu)解。其算法在可行解空間中初始化一群粒子,每個(gè)粒子都代表優(yōu)化問(wèn)題的一個(gè)潛在最優(yōu)解,用位置、速度和適應(yīng)度值表征每個(gè)粒子,其中適應(yīng)度值的好壞表示粒子的優(yōu)劣。粒子通過(guò)跟蹤個(gè)體極值(Pbest)和群體極值(Zbest)在解空間中運(yùn)動(dòng),動(dòng)態(tài)調(diào)整飛行速度,以期向群體中最好微粒位置飛行,從而使所優(yōu)化問(wèn)題得到最優(yōu)解[21]。

    結(jié)合PSO的尋優(yōu)原理,將各個(gè)徑流分量的重構(gòu)系數(shù)值與PSO的粒子相對(duì)應(yīng),徑流分量個(gè)數(shù)與PSO的空間維數(shù)相對(duì)應(yīng),時(shí)間序列率定期的相對(duì)誤差絕對(duì)值的平均值(MAPE)與PSO的適應(yīng)度值相對(duì)應(yīng)。PSO重構(gòu)系數(shù)優(yōu)化主要以率定期的模擬值為基準(zhǔn),當(dāng)重構(gòu)之后得到的新序列的預(yù)測(cè)誤差最小時(shí),PSO優(yōu)化終止,各徑流分量按照重構(gòu)系數(shù)進(jìn)行重構(gòu)(圖1b)。這里需要是說(shuō)明的是,由于率定期的模擬值與原始序列分解值之間存在誤差,因此優(yōu)化得到的重構(gòu)系數(shù)之和不一定為1。而PSO優(yōu)化的效果實(shí)現(xiàn)主要是依據(jù)各個(gè)徑流分量間預(yù)測(cè)誤差相互抵消,即平差。在預(yù)測(cè)分量的重構(gòu)過(guò)程中,該方法可一定程度上減小重構(gòu)誤差的疊加,從而實(shí)現(xiàn)預(yù)測(cè)精度的顯著提升。

    1.3.3 高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法

    基于高頻分量剔除法,提出高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法。其在重構(gòu)過(guò)程中先去除高頻分量(如IMF1),對(duì)其余徑流分量進(jìn)行PSO優(yōu)化,求出系數(shù)后再進(jìn)行重構(gòu)(圖1c)。此方法在重構(gòu)過(guò)程中去除了誤差的主要來(lái)源,即高頻分量(如IMF1),同時(shí)將剩余的徑流分量按照系數(shù)重構(gòu),兼具兩種方法的特點(diǎn),以期最大程度上減小了預(yù)測(cè)序列的誤差,提高了預(yù)測(cè)精度。

    2 實(shí)例計(jì)算

    2.1 算例與評(píng)價(jià)指標(biāo)選取

    陜西省位于中國(guó)西北部,縱跨黃河、長(zhǎng)江兩大流域。全省總面積20.6萬(wàn)km2,地形特點(diǎn)為南北長(zhǎng)、東西窄,地勢(shì)南北高,中部低。由北向南依次為陜北黃土高原、關(guān)中平原、陜南秦巴山地。受氣候條件、地形、地貌、水文地質(zhì)條件等的差異性影響,陜北、關(guān)中、陜南三個(gè)地區(qū)的水資源分布、產(chǎn)水量、徑流特征等顯著不同。為了驗(yàn)證研究成果的普適性,本文分別選取無(wú)定河流域的丁家溝站、渭河流域的華縣站、漢江流域的白河站為研究對(duì)象。三站分別位于陜西省的陜北黃土高原、關(guān)中平原、陜南秦巴山地三個(gè)差異性地區(qū),其水文特征各具代表性,也更適于反映研究方法在不同區(qū)域的適用性。

    本次研究數(shù)據(jù)采用的是丁家溝站(1959年-2010年)、華縣站(1959年-2009年)、白河站(1935年-1995年)的實(shí)測(cè)年徑流序列,數(shù)據(jù)序列來(lái)源于黃委會(huì)水文局匯編的《黃河流域水文資料》和陜西省水利廳。所選站點(diǎn)均屬于研究區(qū)內(nèi)控制流域面積大,且可代表該流域水文特性的站點(diǎn)。

    為了檢驗(yàn)徑流預(yù)測(cè)效果的好壞,本文選取相對(duì)平均誤差的絕對(duì)值(MAPE)、標(biāo)準(zhǔn)均方誤差(NMSE)、平均絕對(duì)誤差(MAE)、方向變差對(duì)稱值(DVS)和納什效率系數(shù)(NSE)5種誤差評(píng)價(jià)指標(biāo)[22]來(lái)對(duì)預(yù)測(cè)效果進(jìn)行綜合性衡量與評(píng)價(jià)。其中,MAPE、NMSE和MAE的數(shù)值越小、DVS的數(shù)值越大、NSE越接近1,說(shuō)明擬合越精確,預(yù)測(cè)效果越好。

    2.2 EMD分解與預(yù)測(cè)結(jié)果

    2.2.1 EMD分解

    對(duì)丁家溝站、華縣站和白河站的實(shí)測(cè)年徑流序列進(jìn)行EMD分解,結(jié)果見(jiàn)圖2。由圖2可知,三個(gè)水文站的實(shí)測(cè)徑流序列均可分解為4個(gè)固有模態(tài)函數(shù)(IMFs)和1個(gè)殘余趨勢(shì)項(xiàng)(Residual);隨著分解次數(shù)的增加,IMF1-IMF4均逐漸呈現(xiàn)規(guī)整和平穩(wěn)化,丁家溝站和華縣站的殘余趨勢(shì)項(xiàng)呈緩慢遞減趨勢(shì),白河站的殘余趨勢(shì)項(xiàng)略有波動(dòng),呈緩慢上升趨勢(shì)。

    2.2.2 基于AR模型的徑流預(yù)測(cè)

    選取丁家溝站1959年-2000年(42年)為率定期,2001年-2010年(10年)為驗(yàn)證期;華縣站1959年-1999年(41年)為率定期,2000年-2009年(10年)為驗(yàn)證期;白河站1935年-1985年(51年)為率定期,1986年-1995年(10年)為驗(yàn)證期。在各個(gè)站點(diǎn)上,利用AR模型,分別對(duì)EMD分解得到的徑流分量子序列進(jìn)行預(yù)測(cè),得到各徑流分量率定期和驗(yàn)證期的預(yù)測(cè)效果評(píng)估見(jiàn)表1。

    預(yù)測(cè)序列擬合效果見(jiàn)圖3,圖中虛線之前為率定期,虛線之后為驗(yàn)證期。由表1和圖3可知,低頻分量(如IMF3、IMF4、Residual)在率定期的擬合效果好,實(shí)測(cè)曲線和預(yù)測(cè)曲線接近重合,驗(yàn)證期的預(yù)測(cè)效果雖在極值點(diǎn)上存在偏差,但整體預(yù)測(cè)效果較好。

    而高頻分量(如IMF1、IMF2)在率定期的擬合效果并不理想,驗(yàn)證期的預(yù)測(cè)效果也不佳。如若直接重構(gòu),整個(gè)徑流序列的預(yù)測(cè)誤差也將主要源自高頻分量,因此降低高頻分量預(yù)測(cè)誤差對(duì)整體預(yù)測(cè)結(jié)果的影響是提高整體預(yù)測(cè)精度的根本。為了消減高頻分量的誤差影響,同時(shí)也避免過(guò)多的信息丟失,本文在高頻分量剔除法和高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法中主要剔除了IMF1,而保留了IMF2。2.3 重構(gòu)系數(shù)

    采用PSO重構(gòu)系數(shù)優(yōu)化法和高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法,基于率定期的模擬數(shù)據(jù)對(duì)丁家溝站、華縣站、白河站三站的各徑流分量求取重構(gòu)系數(shù),并按此重構(gòu)系數(shù)重構(gòu)驗(yàn)證期的預(yù)測(cè)分量,得到最終徑流序列的預(yù)測(cè)結(jié)果。PSO重構(gòu)系數(shù)優(yōu)化法和高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法的重構(gòu)系數(shù)見(jiàn)表2。

    2.4 重構(gòu)效果分析

    結(jié)合標(biāo)準(zhǔn)重構(gòu)法,對(duì)四種重構(gòu)方法的提升效果進(jìn)行對(duì)比分析,預(yù)測(cè)序列在驗(yàn)證期的預(yù)測(cè)效果評(píng)估如表3所示。結(jié)果顯示,標(biāo)準(zhǔn)重構(gòu)法的預(yù)測(cè)誤差較大,預(yù)測(cè)效果不甚理想,其中華縣站平均相對(duì)誤差絕對(duì)值(MAPE)更是達(dá)到了47.05%。在陜北黃土高原、關(guān)中平原、陜南秦巴山地三個(gè)差異性地區(qū),高頻分量剔除法、PSO重構(gòu)系數(shù)優(yōu)化法、高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法三種重構(gòu)方法預(yù)測(cè)結(jié)果的誤差評(píng)價(jià)指標(biāo)值均優(yōu)于標(biāo)準(zhǔn)重構(gòu)法,說(shuō)明三種重構(gòu)方法均能不同程度上減小誤差,提高預(yù)測(cè)精度,且這一結(jié)論對(duì)不同流域均適用。

    通過(guò)對(duì)比,不難發(fā)現(xiàn)高頻分量剔除法剔除了最不穩(wěn)定、且預(yù)測(cè)精度最差的高頻分量(IMF1),控制了誤差來(lái)源,預(yù)測(cè)效果得到了有效提升。但由于受PSO重構(gòu)系數(shù)優(yōu)化法雖然疊加了高頻分量(IMF1),但在尋優(yōu)過(guò)程中,最大程度上相互抵消了各徑流分量的預(yù)測(cè)誤差,故可獲得相對(duì)比較滿意的預(yù)測(cè)效果。丁家溝站、華縣站和白河站三站預(yù)測(cè)效果的平均相對(duì)誤差絕對(duì)值(MAPE)分別為6.75%、26.12%和23.25%,均滿足中長(zhǎng)期水文預(yù)測(cè)精度要求,可見(jiàn)此重構(gòu)方法有效、可行。但是由于PSO算法的終止條件是使得率定期的MAPE值最小,故在驗(yàn)證期高頻分量IMF1的預(yù)測(cè)誤差仍會(huì)影響整體預(yù)測(cè)效果。

    高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法綜合了上述兩種方法的優(yōu)勢(shì),不但剔除了預(yù)測(cè)效果最差的高頻分量(IMF1),同時(shí)對(duì)其余徑流分量進(jìn)行了重構(gòu)系數(shù)優(yōu)化,一定程度上可相互抵消其預(yù)測(cè)誤差。從丁家溝站、華縣站和白河站三站的評(píng)價(jià)指標(biāo)看,較其他重構(gòu)方法均有明顯改善,其中平均相對(duì)誤差絕對(duì)值(MAPE)達(dá)到了6.73%、25.71%和20.65%,系所有重構(gòu)方法中預(yù)測(cè)精度最高的。同時(shí),三個(gè)不同地域的站點(diǎn)的預(yù)測(cè)結(jié)果也表明高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法的優(yōu)越性并非偶然,而是具有一定的普適性。

    3 結(jié)論

    基于分解-預(yù)測(cè)-重構(gòu)的預(yù)測(cè)模式,對(duì)比了不同徑流分量重構(gòu)方法對(duì)徑流預(yù)測(cè)效果的影響,并得出以下結(jié)論。(1)相比標(biāo)準(zhǔn)重構(gòu)法,高頻分量剔除法、PSO重構(gòu)系數(shù)優(yōu)化法、高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法三種重構(gòu)方法在不同流域均可在不同程度上減小預(yù)測(cè)誤差,提高預(yù)測(cè)精度,具有普適性;(2)高頻分量剔除法在重構(gòu)過(guò)程中剔除了最不穩(wěn)定且最難預(yù)測(cè)的高頻分量,可提高預(yù)測(cè)精度,但預(yù)測(cè)精度提升效果有限;(3)PSO重構(gòu)系數(shù)優(yōu)化法求取每個(gè)徑流分量的重構(gòu)系數(shù)并按照重構(gòu)系數(shù)進(jìn)行重構(gòu),重構(gòu)過(guò)程中可最大程度上在各徑流分量間進(jìn)行預(yù)測(cè)誤差的平差,可有效提高預(yù)測(cè)精度;(4)高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法綜合上述方法的優(yōu)勢(shì),剔除了預(yù)測(cè)誤差最大的高頻分量,并對(duì)其余徑流分量按照重構(gòu)系數(shù)進(jìn)行重構(gòu),重構(gòu)后預(yù)測(cè)效果最好。(5)基于PSO重構(gòu)系數(shù)優(yōu)化法與高頻分量剔除+重構(gòu)系數(shù)優(yōu)化法的預(yù)測(cè)模式效果較好,滿足中長(zhǎng)期水文預(yù)測(cè)精度要求,可作為未來(lái)基于分解-預(yù)測(cè)-重構(gòu)的預(yù)測(cè)模式的重構(gòu)方法。

    參考文獻(xiàn)(References):

    [1] Huang S Z,Chang J X,Huang Q,Chen Y T.Monthly streamflow prediction using modified EMD-based support vector machine.[J].Journal of Hydrology,2014,511(7):764-775.DOI:10.1016/j.jhydrol.2014.01.062

    [2] 李亞嬌,沈冰,李家科.年徑流預(yù)測(cè)的小波系數(shù)加權(quán)和模型[J].應(yīng)用科學(xué)學(xué)報(bào),2007,25(1):96-99.(LI Ya-jiao,SHEN Bing,LI Jia-ke.Weighted summation of wavelet coefficients model for annual runoff prediction[J].Journal of Applied Sciences,2007,25(1):96-99.(in Chinese))

    [3] 徐廷兵,馬光文,黃煒斌,等.基于小波分析的BP網(wǎng)絡(luò)預(yù)測(cè)模型及其在年徑流預(yù)測(cè)中的應(yīng)用[J].水電能源科學(xué),2012,30(2):17-19.(XU Ting-bing,MA Guang-wen,HUANG Wei-bin,et al.BP network prediction model and its application in annual runoff forecasting based on wavelet analysis[J].Water Resources and Power,2012,30(2):17-19.(in Chinese))

    [4] 蔣曉輝,劉昌明.基于小波分析的徑向基神經(jīng)網(wǎng)絡(luò)年徑流預(yù)測(cè)[J].應(yīng)用科學(xué)學(xué)報(bào),2004,22(3):411-414.(JIANG Xiao-hui,LIU Chang-ming.Radial basis function networks based on wavelet analysis for the annual flow forecast[J].Journal of Applied Sciences,2004,22(3):411-414.(in Chinese))

    [5] 周惠成,彭勇.基于小波分解的月徑流預(yù)測(cè)校正模型研究[J].系統(tǒng)仿真學(xué)報(bào),2007,19(5):1104-1108.(ZHOU Hui-cheng,PENG Yong.Research of monthly discharge predictor-corrector model based on wavelet decomposition[J].Journal of System Simulation,2007,19(5):1104-1108.(in Chinese))

    [6] 閆強(qiáng),李瑞麗,武鵬林.基于小波分析技術(shù)的中長(zhǎng)期徑流預(yù)測(cè)模型研究[J].人民黃河,2013,35(7):26-27,30.(YAN Qiang,LI Rui-li,WU Peng-lin.Study on the medium and long term runoff forecast model based on wavelet analysis[J].Yellow River,2013,35(7):26-27,30.(in Chinese))

    [7] 馬細(xì)霞,穆浩澤.基于小波分析的支持向量機(jī)徑流預(yù)測(cè)模型及應(yīng)用[J].灌溉排水學(xué)報(bào),2008,27(3):79-81.(MA Xi-xia,MU Haoze.Runoff prediction model and its application based on wavelet analysis and support vector machine[J].Journal of Irrigation and Drainage,2008,27(3):79-81.(in Chinese))

    [8] 王永文,付娟,金菊良,等.基于經(jīng)驗(yàn)?zāi)B(tài)分解的年徑流組合預(yù)測(cè)模型[J].水電能源科學(xué),2010,28(10):16-18.(WANG Yong-wen,F(xiàn)U Juan,JIN Ju-liang,et al.Combination prediction model of annual runoff based on empirical mode decomposition[J].Water Resources and Power,2010,28(10):16-18.(in Chinese))

    [9] 張敬平,黃強(qiáng),趙雪花.經(jīng)驗(yàn)?zāi)B(tài)分解和RBF網(wǎng)絡(luò)在徑流預(yù)測(cè)中的應(yīng)用[J].干旱區(qū)資源與環(huán)境,2014,28(6):118-123.(ZHANG Jing-ping,HUANG Qiang,ZHAO xue-hua.Application of empirical mode decomposition and RBF neural network to runoff forecasting[J].Journal of Arid Land Resources and Environment,2014,28(6):118-123.(in Chinese))

    [10] 趙雪花,陳旭,袁旭琦.基于EMD的數(shù)據(jù)驅(qū)動(dòng)模型在徑流預(yù)測(cè)中的應(yīng)用[J].系統(tǒng)工程,2014,32(9):150-154.(ZHAO Xue-hua,CHEN Xu,YUAN Xu-qi.Application of data-driven model based on empirical mode decomposition for runoff forecasting[J].Systems Engineering,2014,32(9):150-154.(in Chinese))

    [11] 曹麗青,林振山.基于EMD的HHT變換技術(shù)在長(zhǎng)江三峽水庫(kù)年平均流量預(yù)報(bào)中的應(yīng)用[J].水文,2008,28(6):21-24.(CAO Li-qing,LIN Zhen-shan.Application of EMD-based hilbert-Huang transform technology in forecasting mean annual discharge of the Three Gorges Reservoir on the Yangtze River[J].Journal of China Hydrology,2008,28(6):21-24.(in Chinese))

    [12] 錢曉燕,邵駿,袁鵬,等.基于EMD和LS-SVM的中長(zhǎng)期徑流預(yù)報(bào)[J].水電能源科學(xué),2010,28(4):11-13.(QIAN Xiao-yan,SHAO Jun,YUAN Peng,et al.Mid-long term runoff forecasting base on EMD and LS-SVM[J].Water Resources and Power,2010,28(4):11-13.(in Chinese))

    [13] 高祥濤,李士進(jìn).基于經(jīng)驗(yàn)?zāi)B(tài)分解的水文時(shí)間序列預(yù)測(cè)研究[J].水文,2009,29(3):66-68.(GAO Xiang-tao,LI Shi-jin.Study of hydrological time series prediction based on empirical mode decomposition[J].Journal of China Hydrology,2009,29(3):66-68.(in Chinese))

    [14] 林樹(shù)寬,楊玫,喬建忠,等.一種非線性非平穩(wěn)時(shí)間序列預(yù)測(cè)建模方法[J].東北大學(xué)學(xué)報(bào):自然科學(xué)版,2007,28(3):325-328.(LIN Shu-kuan,YANG Mei,QIAO Jian-zhong,et al.Prediction modelling method for non-linear and non-stationary time series[J].Journal of Northeastern University (Natural Science),2007,28(3):325-328.(in Chinese))

    [15] Huang N E,Shen Z,Long SR,et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London A,1998,454:903-995.(DOI:10.1098/rspa.1998.0193)

    [16] 陳旭,趙雪花.基于EMD分解的AR模型在年徑流預(yù)測(cè)中的應(yīng)用[J].水電能源科學(xué),2014,32(7):14-18.(CHEN Xu,ZHAO Xue-hua.Application of auto regressive model to annual runoff forecasting based on empirical mode decomposition[J].Water Resources and Power,2014,32(7):14-18.(in Chinese))

    [17] 袁瀟晨,金菊良,王宗志,等.基于經(jīng)驗(yàn)?zāi)B(tài)分解的年徑流自憶性預(yù)測(cè)模型[J].水電能源科學(xué),2010,28(6):1-3,169.(YUAN Xiao-chen,JIN Ju-liang,WANG Zong-zhi,et al.Self-memory model based on empirical mode decomposition for annual runoff prediction[J].Water Resources and Power,2010,28(6):1-3,169(in Chinese))

    [18] Huang N E,Shen Z,Long S R,et al.A new view of nonlinear water waves:the Hilbert spectrum[J].Annual Reviews of Fluid Mechanics,1999,31 (1):417-457.DOI:10.1146/annurev.fluid.31.1.417

    [19] 劉洪斌,武偉,魏朝富,等.AR模型在土壤水分動(dòng)態(tài)模擬中的應(yīng)用[J].山地學(xué)報(bào),2004,21(1):121-125.(LIU Hong-bin,WU Wei,WEI Chao-fu,et al.Soil water dynamics simulation by autoregression models[J].Journal of Mountain Science,2004,21(1):121-125.(in Chinese))

    [20] Tang J,Zhao X J.An Enhanced Opposition-based Particle Swarm Optimization[C].Intelligent Systems,2009 WRI Global Congress (GCIS 2009)[A],Xiamen,China,2009:149-153.DOI:10.1146/10.1109/GCIS.2009.56

    [21] 唐俊.PSO算法原理及應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展,2010,20(2):213-216.(TANG Jun.Principle and Application of PSO Algorithm[J].Computer Technology and Development,2010,20(2):213-216.(in Chinese))

    [22] Salisbury J I,Wimbush M.Using modern time series analysis techniques to predict ENSO events from the SOI time series[J].Nonlinear Processes in Geophysics,2002,9(3/4):341-345.DOI:10.5194/npg-9-341-2002

    猜你喜歡
    重構(gòu)
    視頻壓縮感知采樣率自適應(yīng)的幀間片匹配重構(gòu)
    長(zhǎng)城敘事的重構(gòu)
    攝影世界(2022年1期)2022-01-21 10:50:14
    高鹽肥胖心肌重構(gòu)防治有新策略
    北方大陸 重構(gòu)未來(lái)
    我國(guó)罪數(shù)判斷的反思與重構(gòu)
    法大研究生(2018年2期)2018-09-23 02:20:02
    歷史試卷講評(píng)課的翻轉(zhuǎn)與重構(gòu)
    北京的重構(gòu)與再造
    商周刊(2017年6期)2017-08-22 03:42:36
    論中止行為及其對(duì)中止犯的重構(gòu)
    汽車業(yè)能否重構(gòu)新生態(tài)
    《刑法》第64條的實(shí)然解讀與應(yīng)然重構(gòu)
    刑法論叢(2016年2期)2016-06-01 12:14:51
    午夜福利高清视频| 女人被狂操c到高潮| 成年免费大片在线观看| 国产高潮美女av| 大又大粗又爽又黄少妇毛片口| 韩国av在线不卡| 毛片一级片免费看久久久久 | 日本 av在线| 久久久成人免费电影| 久久久午夜欧美精品| 国产精品福利在线免费观看| 2021天堂中文幕一二区在线观| 日日啪夜夜撸| 少妇丰满av| 久久人妻av系列| 内地一区二区视频在线| 欧美另类亚洲清纯唯美| 久久精品国产鲁丝片午夜精品 | 天堂网av新在线| 久9热在线精品视频| 国产精品一区www在线观看 | 美女 人体艺术 gogo| 欧美日韩黄片免| h日本视频在线播放| 热99在线观看视频| 国产69精品久久久久777片| 国产色婷婷99| 欧美性猛交╳xxx乱大交人| 欧美一级a爱片免费观看看| 国产主播在线观看一区二区| 亚洲第一电影网av| 琪琪午夜伦伦电影理论片6080| 欧美丝袜亚洲另类 | 丝袜美腿在线中文| 欧美+日韩+精品| 日韩欧美免费精品| 久久欧美精品欧美久久欧美| 国产aⅴ精品一区二区三区波| 听说在线观看完整版免费高清| 两性午夜刺激爽爽歪歪视频在线观看| 久久午夜亚洲精品久久| 精品人妻偷拍中文字幕| 亚洲综合色惰| 亚洲美女黄片视频| 亚洲最大成人中文| 国产久久久一区二区三区| 国产伦精品一区二区三区四那| 欧美激情在线99| 亚洲综合色惰| 成人毛片a级毛片在线播放| 国内精品久久久久久久电影| 欧美三级亚洲精品| 淫妇啪啪啪对白视频| 亚洲狠狠婷婷综合久久图片| 国产高清激情床上av| av专区在线播放| 亚洲人与动物交配视频| 黄色女人牲交| 一个人看的www免费观看视频| 国产中年淑女户外野战色| 丰满人妻一区二区三区视频av| 内射极品少妇av片p| 男女那种视频在线观看| 免费搜索国产男女视频| 午夜免费成人在线视频| 国产精品99久久久久久久久| 国产人妻一区二区三区在| eeuss影院久久| 赤兔流量卡办理| 欧美成人性av电影在线观看| 精品不卡国产一区二区三区| 亚洲熟妇熟女久久| 啪啪无遮挡十八禁网站| 精品久久久久久,| 成人鲁丝片一二三区免费| 深爱激情五月婷婷| 久久久午夜欧美精品| 可以在线观看毛片的网站| 国产精品美女特级片免费视频播放器| 久久精品国产亚洲av涩爱 | 精品乱码久久久久久99久播| 男人舔女人下体高潮全视频| 亚洲欧美精品综合久久99| 亚洲自拍偷在线| 99热只有精品国产| 在线a可以看的网站| 午夜激情福利司机影院| 亚洲四区av| 欧美成人a在线观看| 国产精品久久久久久av不卡| 一区二区三区免费毛片| 亚洲精华国产精华精| 国产不卡一卡二| 精品日产1卡2卡| 嫩草影院精品99| 日韩欧美一区二区三区在线观看| 乱码一卡2卡4卡精品| 国产私拍福利视频在线观看| 99热6这里只有精品| 91在线观看av| 中文字幕人妻熟人妻熟丝袜美| 国产国拍精品亚洲av在线观看| 欧美最新免费一区二区三区| 别揉我奶头~嗯~啊~动态视频| 别揉我奶头~嗯~啊~动态视频| 国产精品嫩草影院av在线观看 | 亚洲内射少妇av| 在线国产一区二区在线| 免费在线观看成人毛片| 少妇的逼好多水| 色噜噜av男人的天堂激情| 久久久久久久久久黄片| 久久久久久久久大av| 亚洲av中文av极速乱 | 亚洲av成人av| 国产一区二区在线av高清观看| 久久精品综合一区二区三区| 亚洲电影在线观看av| 99久久精品一区二区三区| 日韩精品中文字幕看吧| 三级国产精品欧美在线观看| 最好的美女福利视频网| 热99在线观看视频| 成人特级av手机在线观看| 日日撸夜夜添| 亚洲内射少妇av| 国内毛片毛片毛片毛片毛片| 热99在线观看视频| or卡值多少钱| 舔av片在线| 我要搜黄色片| 国内毛片毛片毛片毛片毛片| 免费大片18禁| 免费不卡的大黄色大毛片视频在线观看 | 99热这里只有精品一区| 蜜桃久久精品国产亚洲av| 久久精品综合一区二区三区| 久久热精品热| 成人国产综合亚洲| 日本黄色片子视频| 亚洲精华国产精华精| 淫秽高清视频在线观看| 国产精品久久久久久精品电影| av在线亚洲专区| 亚洲精品影视一区二区三区av| 18禁在线播放成人免费| 午夜福利成人在线免费观看| 亚洲无线观看免费| 精华霜和精华液先用哪个| 午夜福利欧美成人| 亚洲欧美清纯卡通| 久久久久久久亚洲中文字幕| 91午夜精品亚洲一区二区三区 | 国产精华一区二区三区| 国产在视频线在精品| 少妇高潮的动态图| 少妇人妻一区二区三区视频| 亚洲精品粉嫩美女一区| 成年免费大片在线观看| 久久久久免费精品人妻一区二区| 免费av毛片视频| 欧美成人a在线观看| 特大巨黑吊av在线直播| 变态另类成人亚洲欧美熟女| 精品午夜福利在线看| 精品欧美国产一区二区三| 成人二区视频| 九九在线视频观看精品| 国产免费av片在线观看野外av| 少妇猛男粗大的猛烈进出视频 | 国产成人一区二区在线| 国产熟女欧美一区二区| av天堂在线播放| 亚洲狠狠婷婷综合久久图片| 极品教师在线视频| 在线观看免费视频日本深夜| 丰满乱子伦码专区| 人妻久久中文字幕网| 三级男女做爰猛烈吃奶摸视频| 九色成人免费人妻av| bbb黄色大片| 国产在线男女| av天堂中文字幕网| 国产精品一区二区三区四区久久| 精品无人区乱码1区二区| 久久精品国产亚洲av涩爱 | 久久久久久久久中文| 国产三级在线视频| 天天躁日日操中文字幕| 黄色欧美视频在线观看| 精华霜和精华液先用哪个| 岛国在线免费视频观看| 桃红色精品国产亚洲av| 校园春色视频在线观看| 搡老熟女国产l中国老女人| 免费看a级黄色片| 国产精品三级大全| 最新在线观看一区二区三区| 日韩精品中文字幕看吧| 精品乱码久久久久久99久播| 51国产日韩欧美| 淫妇啪啪啪对白视频| av福利片在线观看| 丰满乱子伦码专区| 亚洲在线自拍视频| 成人国产一区最新在线观看| 天天一区二区日本电影三级| 在线观看舔阴道视频| 亚洲精品456在线播放app | aaaaa片日本免费| 最后的刺客免费高清国语| 亚洲内射少妇av| 国内揄拍国产精品人妻在线| 国产精品一区二区三区四区久久| 色吧在线观看| 亚洲专区国产一区二区| a级一级毛片免费在线观看| 天天躁日日操中文字幕| 一本久久中文字幕| 免费观看人在逋| 给我免费播放毛片高清在线观看| 热99re8久久精品国产| 亚洲欧美日韩卡通动漫| 日韩精品有码人妻一区| 亚洲精品一卡2卡三卡4卡5卡| 男女之事视频高清在线观看| 日本黄大片高清| 尤物成人国产欧美一区二区三区| 我要搜黄色片| 免费看a级黄色片| 久久99热这里只有精品18| 国产爱豆传媒在线观看| 精品人妻1区二区| 国产爱豆传媒在线观看| 精品午夜福利在线看| 免费观看的影片在线观看| 欧美一级a爱片免费观看看| 欧美高清成人免费视频www| 亚洲精品一区av在线观看| 久久久久久久久大av| 91在线精品国自产拍蜜月| 成人午夜高清在线视频| 国产日本99.免费观看| 亚洲精华国产精华液的使用体验 | 亚洲精品在线观看二区| 国产精品久久久久久精品电影| 亚洲七黄色美女视频| 麻豆精品久久久久久蜜桃| 国产激情偷乱视频一区二区| 亚洲中文字幕一区二区三区有码在线看| 男女下面进入的视频免费午夜| 久久久久久伊人网av| 18禁在线播放成人免费| 亚洲成人久久爱视频| 亚洲人成网站在线播| 久久久久久久久久成人| 亚洲性久久影院| 能在线免费观看的黄片| 亚洲精品亚洲一区二区| 99久久精品热视频| 精品久久国产蜜桃| av视频在线观看入口| 久久6这里有精品| 成人二区视频| 人人妻人人看人人澡| 少妇的逼水好多| h日本视频在线播放| 午夜福利18| 亚洲av熟女| 嫩草影院精品99| 禁无遮挡网站| 精品欧美国产一区二区三| 非洲黑人性xxxx精品又粗又长| 成人性生交大片免费视频hd| 黄色视频,在线免费观看| av在线天堂中文字幕| 日韩强制内射视频| 国内揄拍国产精品人妻在线| 麻豆国产97在线/欧美| 一个人观看的视频www高清免费观看| 美女高潮喷水抽搐中文字幕| 久久亚洲精品不卡| 成年女人看的毛片在线观看| 亚洲最大成人中文| 久久久久国产精品人妻aⅴ院| 婷婷亚洲欧美| 欧美激情国产日韩精品一区| 亚洲精品456在线播放app | 综合色av麻豆| 久久精品国产清高在天天线| 久久久久久久久久黄片| 午夜爱爱视频在线播放| 亚洲无线观看免费| 国产私拍福利视频在线观看| 免费观看的影片在线观看| 欧美潮喷喷水| 一区二区三区高清视频在线| 一进一出好大好爽视频| 校园人妻丝袜中文字幕| 久久精品国产亚洲网站| 九九爱精品视频在线观看| 亚洲经典国产精华液单| 国产一区二区三区视频了| 琪琪午夜伦伦电影理论片6080| 蜜桃亚洲精品一区二区三区| 99视频精品全部免费 在线| 精品久久久久久久久av| 五月伊人婷婷丁香| 亚洲av免费在线观看| 国产精品av视频在线免费观看| 欧美区成人在线视频| 国产伦精品一区二区三区视频9| 女人十人毛片免费观看3o分钟| 欧美中文日本在线观看视频| 免费看光身美女| 一区福利在线观看| 国产成人影院久久av| 大又大粗又爽又黄少妇毛片口| 亚洲欧美日韩东京热| 国产伦精品一区二区三区视频9| 黄色女人牲交| 亚洲真实伦在线观看| 3wmmmm亚洲av在线观看| 国产精品久久久久久精品电影| 波多野结衣高清无吗| 午夜福利高清视频| 欧美不卡视频在线免费观看| 亚洲,欧美,日韩| 一个人看视频在线观看www免费| 免费观看精品视频网站| 窝窝影院91人妻| 又粗又爽又猛毛片免费看| 欧美性猛交黑人性爽| 欧美成人a在线观看| 亚洲三级黄色毛片| 两性午夜刺激爽爽歪歪视频在线观看| 国产高清不卡午夜福利| www.色视频.com| 九九在线视频观看精品| 国产精品,欧美在线| 给我免费播放毛片高清在线观看| 美女被艹到高潮喷水动态| 日韩人妻高清精品专区| 亚洲第一区二区三区不卡| 国产亚洲精品av在线| 成人毛片a级毛片在线播放| 2021天堂中文幕一二区在线观| 少妇丰满av| 变态另类成人亚洲欧美熟女| 一个人看的www免费观看视频| 欧美日韩国产亚洲二区| 久久国产精品人妻蜜桃| 成人毛片a级毛片在线播放| www日本黄色视频网| 欧美日韩精品成人综合77777| 国产不卡一卡二| 婷婷六月久久综合丁香| 国产成人一区二区在线| 国产精品亚洲美女久久久| 亚洲va日本ⅴa欧美va伊人久久| 国产精品98久久久久久宅男小说| 日日夜夜操网爽| 搞女人的毛片| 亚洲一区二区三区色噜噜| 亚洲最大成人av| 亚洲欧美日韩高清专用| 国产亚洲精品av在线| 精品久久久久久久久亚洲 | 一区二区三区免费毛片| 国产 一区 欧美 日韩| 一本精品99久久精品77| 九九在线视频观看精品| 国产欧美日韩精品亚洲av| 午夜免费激情av| 在线免费十八禁| 欧美丝袜亚洲另类 | 国产伦精品一区二区三区四那| 国产伦一二天堂av在线观看| 日日摸夜夜添夜夜添小说| 精品久久久噜噜| 99久久精品一区二区三区| av在线观看视频网站免费| 91久久精品国产一区二区成人| 直男gayav资源| 欧美三级亚洲精品| 天堂动漫精品| 高清毛片免费观看视频网站| 尾随美女入室| 成人av一区二区三区在线看| 99久久精品热视频| 嫩草影院精品99| 麻豆国产av国片精品| 国产色爽女视频免费观看| 欧美极品一区二区三区四区| 窝窝影院91人妻| 女同久久另类99精品国产91| 黄片wwwwww| 少妇裸体淫交视频免费看高清| 免费高清视频大片| 露出奶头的视频| 精品久久久久久久末码| 国产综合懂色| 中文字幕高清在线视频| 一区二区三区高清视频在线| 亚洲自拍偷在线| 他把我摸到了高潮在线观看| 免费大片18禁| 在线免费十八禁| 日本在线视频免费播放| 波多野结衣巨乳人妻| 波野结衣二区三区在线| 国产一区二区在线av高清观看| 亚洲精品456在线播放app | av中文乱码字幕在线| 免费搜索国产男女视频| 99热这里只有是精品50| 国产午夜精品久久久久久一区二区三区 | 日韩欧美一区二区三区在线观看| 18禁在线播放成人免费| 国产成人aa在线观看| 国产大屁股一区二区在线视频| 国产欧美日韩精品一区二区| 国产精品一区二区性色av| 女生性感内裤真人,穿戴方法视频| 少妇人妻精品综合一区二区 | 午夜a级毛片| 九色成人免费人妻av| 高清毛片免费观看视频网站| 亚洲不卡免费看| 国产精品一区二区三区四区免费观看 | 国产精品一区二区三区四区免费观看 | 成人三级黄色视频| 日本撒尿小便嘘嘘汇集6| 亚洲专区中文字幕在线| 真人一进一出gif抽搐免费| 熟女电影av网| 在线观看午夜福利视频| 国产乱人伦免费视频| 狠狠狠狠99中文字幕| netflix在线观看网站| 日本色播在线视频| 免费人成视频x8x8入口观看| 尤物成人国产欧美一区二区三区| 国产老妇女一区| АⅤ资源中文在线天堂| 美女高潮的动态| 婷婷精品国产亚洲av| 久久精品国产自在天天线| 搡老熟女国产l中国老女人| 又粗又爽又猛毛片免费看| 九色成人免费人妻av| 韩国av在线不卡| 亚洲成av人片在线播放无| 人人妻人人澡欧美一区二区| 99九九线精品视频在线观看视频| 一进一出抽搐动态| 国产视频一区二区在线看| a级毛片a级免费在线| 又黄又爽又刺激的免费视频.| 日韩人妻高清精品专区| 毛片一级片免费看久久久久 | 小说图片视频综合网站| 日本爱情动作片www.在线观看 | 精品99又大又爽又粗少妇毛片 | 春色校园在线视频观看| 在线国产一区二区在线| 少妇被粗大猛烈的视频| 男插女下体视频免费在线播放| 成人国产综合亚洲| а√天堂www在线а√下载| 亚洲午夜理论影院| 久久久久久久午夜电影| 可以在线观看毛片的网站| 国产国拍精品亚洲av在线观看| 成人综合一区亚洲| 免费高清视频大片| 亚洲三级黄色毛片| 一区福利在线观看| 蜜桃久久精品国产亚洲av| 亚洲真实伦在线观看| 天天躁日日操中文字幕| 天堂av国产一区二区熟女人妻| 欧美性猛交╳xxx乱大交人| 欧美日韩亚洲国产一区二区在线观看| 久久精品91蜜桃| 毛片一级片免费看久久久久 | 久久香蕉精品热| 淫秽高清视频在线观看| 亚洲美女搞黄在线观看 | 一区二区三区高清视频在线| a级毛片免费高清观看在线播放| 成人二区视频| 亚洲 国产 在线| 最近最新免费中文字幕在线| 黄色配什么色好看| 日韩强制内射视频| 亚洲av电影不卡..在线观看| 成人国产一区最新在线观看| 一边摸一边抽搐一进一小说| 亚洲中文日韩欧美视频| 美女黄网站色视频| 直男gayav资源| 日日撸夜夜添| 男人狂女人下面高潮的视频| 国产免费一级a男人的天堂| 天美传媒精品一区二区| 久久久久久久亚洲中文字幕| eeuss影院久久| 国产成人av教育| 在线天堂最新版资源| 超碰av人人做人人爽久久| 一本精品99久久精品77| 一a级毛片在线观看| 久久精品国产99精品国产亚洲性色| 精华霜和精华液先用哪个| 亚洲图色成人| 免费不卡的大黄色大毛片视频在线观看 | 国产主播在线观看一区二区| 99精品久久久久人妻精品| 国产精品乱码一区二三区的特点| 国产成人福利小说| 99久国产av精品| 午夜影院日韩av| 麻豆国产av国片精品| 成人高潮视频无遮挡免费网站| 哪里可以看免费的av片| 亚洲不卡免费看| 人人妻人人澡欧美一区二区| 麻豆成人午夜福利视频| 亚洲欧美日韩东京热| 亚洲精品国产成人久久av| 国产又黄又爽又无遮挡在线| 97人妻精品一区二区三区麻豆| 国产亚洲av嫩草精品影院| 网址你懂的国产日韩在线| 一个人观看的视频www高清免费观看| 日韩国内少妇激情av| 亚洲国产欧美人成| 联通29元200g的流量卡| 亚洲无线在线观看| 欧美国产日韩亚洲一区| 久久精品久久久久久噜噜老黄 | 日本在线视频免费播放| 少妇人妻一区二区三区视频| 三级毛片av免费| 欧美一区二区精品小视频在线| 美女cb高潮喷水在线观看| .国产精品久久| 男女之事视频高清在线观看| 伦精品一区二区三区| 色播亚洲综合网| 日韩中文字幕欧美一区二区| 午夜爱爱视频在线播放| 亚洲国产高清在线一区二区三| 国内精品宾馆在线| 婷婷精品国产亚洲av| 亚洲欧美清纯卡通| 日本成人三级电影网站| av视频在线观看入口| 欧美日韩瑟瑟在线播放| 国产精品久久久久久av不卡| 精品一区二区三区视频在线观看免费| 禁无遮挡网站| 22中文网久久字幕| 麻豆精品久久久久久蜜桃| 男人舔奶头视频| 久久久国产成人精品二区| eeuss影院久久| 十八禁国产超污无遮挡网站| 深夜精品福利| 国产伦精品一区二区三区四那| 综合色av麻豆| 欧美日韩瑟瑟在线播放| 性插视频无遮挡在线免费观看| 精品一区二区三区视频在线观看免费| 啪啪无遮挡十八禁网站| 波野结衣二区三区在线| 午夜福利在线观看吧| 精品一区二区三区人妻视频| www.www免费av| 99久久久亚洲精品蜜臀av| 国产视频内射| 日韩欧美精品v在线| 性欧美人与动物交配| 亚洲成人精品中文字幕电影| 免费黄网站久久成人精品| 国产精品国产三级国产av玫瑰| 麻豆一二三区av精品| 狠狠狠狠99中文字幕| 亚洲电影在线观看av| 韩国av在线不卡| 国产伦精品一区二区三区视频9| 欧美国产日韩亚洲一区| 久久久久久伊人网av| 尤物成人国产欧美一区二区三区| 热99在线观看视频| 日本在线视频免费播放| 久久久成人免费电影| 亚洲第一电影网av| 高清日韩中文字幕在线| 国内久久婷婷六月综合欲色啪| 欧美精品国产亚洲| 韩国av一区二区三区四区| 亚洲黑人精品在线| 国内精品美女久久久久久| 亚洲一区高清亚洲精品| 久久中文看片网| 国产在线男女| 欧美成人a在线观看| 日韩人妻高清精品专区| 成年免费大片在线观看| 精华霜和精华液先用哪个| 直男gayav资源| 精品午夜福利在线看| 中文字幕av在线有码专区|