• <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
    最近2019中文字幕mv第一页| 看免费av毛片| av在线播放精品| 狂野欧美激情性xxxx在线观看| 黄片播放在线免费| 黄色怎么调成土黄色| √禁漫天堂资源中文www| 国产亚洲最大av| 综合色丁香网| 9191精品国产免费久久| 最近的中文字幕免费完整| 在现免费观看毛片| 水蜜桃什么品种好| 少妇熟女欧美另类| 99久国产av精品国产电影| 亚洲精品中文字幕在线视频| 亚洲美女搞黄在线观看| 97在线人人人人妻| 久热这里只有精品99| 蜜桃在线观看..| 国产男女超爽视频在线观看| 亚洲人成77777在线视频| av.在线天堂| 亚洲精品视频女| 两性夫妻黄色片 | 制服诱惑二区| 国产一区二区在线观看av| 久久久久视频综合| 成人国产av品久久久| 只有这里有精品99| 亚洲激情五月婷婷啪啪| 日韩精品有码人妻一区| 欧美精品国产亚洲| 美女xxoo啪啪120秒动态图| 久久人人爽av亚洲精品天堂| 国产免费视频播放在线视频| 美女内射精品一级片tv| 一级毛片我不卡| 热99国产精品久久久久久7| 97精品久久久久久久久久精品| 欧美xxxx性猛交bbbb| 欧美日韩亚洲高清精品| 国产在线一区二区三区精| 午夜免费观看性视频| 国产伦理片在线播放av一区| 少妇高潮的动态图| 最近最新中文字幕大全免费视频 | 亚洲国产av新网站| 色婷婷av一区二区三区视频| 久久久精品94久久精品| 日本爱情动作片www.在线观看| 成人无遮挡网站| 97精品久久久久久久久久精品| 久久久久久人妻| 亚洲国产看品久久| 亚洲精品一二三| 亚洲图色成人| 免费少妇av软件| 捣出白浆h1v1| 久久久久久久久久人人人人人人| 最新的欧美精品一区二区| 一区二区三区精品91| 久久这里只有精品19| 七月丁香在线播放| 一边亲一边摸免费视频| 欧美日韩视频高清一区二区三区二| 色婷婷久久久亚洲欧美| 我要看黄色一级片免费的| 亚洲精品中文字幕在线视频| 亚洲国产毛片av蜜桃av| 国产色爽女视频免费观看| 十八禁网站网址无遮挡| 日韩在线高清观看一区二区三区| 五月开心婷婷网| 亚洲精品,欧美精品| 亚洲伊人久久精品综合| 亚洲精品乱久久久久久| 久久久久精品久久久久真实原创| 丝袜在线中文字幕| 国产精品久久久av美女十八| 少妇高潮的动态图| 午夜日本视频在线| av免费在线看不卡| 日本爱情动作片www.在线观看| 九色亚洲精品在线播放| 欧美成人午夜免费资源| 在线观看一区二区三区激情| 亚洲精品美女久久av网站| 交换朋友夫妻互换小说| 搡女人真爽免费视频火全软件| www.熟女人妻精品国产 | 大香蕉久久网| 这个男人来自地球电影免费观看 | 在线观看免费视频网站a站| 国产亚洲av片在线观看秒播厂| 亚洲,欧美,日韩| av.在线天堂| 亚洲熟女精品中文字幕| 成人国产av品久久久| 在线观看免费高清a一片| 国产乱来视频区| 国产日韩欧美亚洲二区| 热99久久久久精品小说推荐| 久久人妻熟女aⅴ| 亚洲精品,欧美精品| 又粗又硬又长又爽又黄的视频| 综合色丁香网| 国产片特级美女逼逼视频| 丝瓜视频免费看黄片| 久久精品aⅴ一区二区三区四区 | h视频一区二区三区| 午夜福利视频精品| 日日爽夜夜爽网站| 午夜福利影视在线免费观看| 婷婷色综合www| 91精品国产国语对白视频| 少妇猛男粗大的猛烈进出视频| 69精品国产乱码久久久| 一区在线观看完整版| 99视频精品全部免费 在线| 九草在线视频观看| 波野结衣二区三区在线| 色94色欧美一区二区| 黄色配什么色好看| 高清视频免费观看一区二区| 久久久久久久久久久久大奶| 爱豆传媒免费全集在线观看| 91久久精品国产一区二区三区| 高清不卡的av网站| 建设人人有责人人尽责人人享有的| 亚洲欧美色中文字幕在线| 性高湖久久久久久久久免费观看| 22中文网久久字幕| 国产精品人妻久久久影院| av国产久精品久网站免费入址| 少妇熟女欧美另类| 人妻 亚洲 视频| 成年美女黄网站色视频大全免费| 精品国产一区二区久久| 午夜福利视频精品| 香蕉精品网在线| 国产精品国产av在线观看| 熟女电影av网| 少妇人妻 视频| 黄色怎么调成土黄色| 性色av一级| 赤兔流量卡办理| 交换朋友夫妻互换小说| 日韩大片免费观看网站| 18禁国产床啪视频网站| 亚洲av综合色区一区| 成人综合一区亚洲| 国产av码专区亚洲av| 亚洲欧洲国产日韩| 日本爱情动作片www.在线观看| 亚洲五月色婷婷综合| 亚洲三级黄色毛片| 黑丝袜美女国产一区| 欧美日韩精品成人综合77777| 亚洲 欧美一区二区三区| 另类精品久久| 伦精品一区二区三区| 蜜臀久久99精品久久宅男| 少妇的逼好多水| a级毛片黄视频| 美女中出高潮动态图| 亚洲第一区二区三区不卡| 26uuu在线亚洲综合色| av在线播放精品| 欧美日韩亚洲高清精品| 欧美激情国产日韩精品一区| 超色免费av| 精品第一国产精品| 少妇熟女欧美另类| 久热这里只有精品99| 纵有疾风起免费观看全集完整版| 爱豆传媒免费全集在线观看| 一级毛片我不卡| 一个人免费看片子| 你懂的网址亚洲精品在线观看| 久久久久精品久久久久真实原创| 日韩一本色道免费dvd| 中文精品一卡2卡3卡4更新| 又黄又粗又硬又大视频| 久久久久久久亚洲中文字幕| av.在线天堂| 久久久国产一区二区| 丝袜脚勾引网站| 亚洲丝袜综合中文字幕| 在线看a的网站| 少妇的丰满在线观看| 大香蕉97超碰在线| 久久精品aⅴ一区二区三区四区 | 日本欧美视频一区| 永久网站在线| 五月玫瑰六月丁香| 夜夜骑夜夜射夜夜干| 极品少妇高潮喷水抽搐| 亚洲经典国产精华液单| 亚洲一区二区三区欧美精品| 色哟哟·www| 欧美国产精品一级二级三级| 午夜激情av网站| 久热这里只有精品99| 亚洲精品aⅴ在线观看| 欧美精品国产亚洲| 欧美 亚洲 国产 日韩一| 久久国产精品男人的天堂亚洲 | 老司机影院成人| 久久久a久久爽久久v久久| 免费女性裸体啪啪无遮挡网站| 亚洲综合色网址| 免费黄色在线免费观看| 中国美白少妇内射xxxbb| 大香蕉久久成人网| 国产综合精华液| 18禁动态无遮挡网站| 在线天堂中文资源库| 亚洲国产精品专区欧美| 精品少妇内射三级| 自线自在国产av| 国产高清不卡午夜福利| 七月丁香在线播放| 国产精品熟女久久久久浪| 日本欧美视频一区| 美女大奶头黄色视频| 91久久精品国产一区二区三区| 性色av一级| 在线天堂中文资源库| 成人国产麻豆网| 王馨瑶露胸无遮挡在线观看| 新久久久久国产一级毛片| 永久网站在线| 国产精品免费大片| 人妻少妇偷人精品九色| 亚洲欧美成人精品一区二区| 观看av在线不卡| 大片免费播放器 马上看| 老女人水多毛片| 久久免费观看电影| 中文字幕最新亚洲高清| 女的被弄到高潮叫床怎么办| av有码第一页| 日韩大片免费观看网站| 亚洲国产色片| 久久久久久久久久成人| 日本wwww免费看| 在线 av 中文字幕| 久热这里只有精品99| 欧美人与性动交α欧美精品济南到 | 亚洲精品aⅴ在线观看| 亚洲国产精品一区三区| 热re99久久精品国产66热6| 欧美最新免费一区二区三区| av片东京热男人的天堂| 国产片特级美女逼逼视频| 免费在线观看完整版高清| 26uuu在线亚洲综合色| 欧美人与性动交α欧美软件 | 亚洲欧洲日产国产| 婷婷成人精品国产| 老司机影院毛片| 少妇的逼好多水| 丰满饥渴人妻一区二区三| 久久精品国产亚洲av涩爱| 一区二区av电影网| 中文字幕精品免费在线观看视频 | 国产精品一区二区在线不卡| 晚上一个人看的免费电影| 精品国产一区二区三区久久久樱花| √禁漫天堂资源中文www| 韩国高清视频一区二区三区| 精品酒店卫生间| 九色成人免费人妻av| 国产一级毛片在线| 免费高清在线观看日韩| 又粗又硬又长又爽又黄的视频| 亚洲av综合色区一区| 90打野战视频偷拍视频| 啦啦啦在线观看免费高清www| 一边摸一边做爽爽视频免费| kizo精华| 黄片无遮挡物在线观看| 国产1区2区3区精品| 国语对白做爰xxxⅹ性视频网站| 国产xxxxx性猛交| 日本av免费视频播放| 午夜91福利影院| 国产精品人妻久久久久久| 国产麻豆69| 我要看黄色一级片免费的| 午夜免费男女啪啪视频观看| 中文字幕人妻熟女乱码| 性色avwww在线观看| 免费少妇av软件| 国产 一区精品| 中文字幕精品免费在线观看视频 | 免费大片18禁| videos熟女内射| av在线观看视频网站免费| 校园人妻丝袜中文字幕| 欧美精品高潮呻吟av久久| 一区二区三区精品91| 啦啦啦中文免费视频观看日本| 纯流量卡能插随身wifi吗| 天堂中文最新版在线下载| 中文字幕最新亚洲高清| 亚洲图色成人| 成人毛片a级毛片在线播放| 啦啦啦视频在线资源免费观看| 日韩电影二区| 日本av免费视频播放| 亚洲欧美清纯卡通| 免费在线观看完整版高清| 国产精品成人在线| 日韩成人av中文字幕在线观看| 亚洲国产成人一精品久久久| 91午夜精品亚洲一区二区三区| 亚洲婷婷狠狠爱综合网| 国产xxxxx性猛交| 欧美精品一区二区免费开放| 久久97久久精品| 成人综合一区亚洲| 日本av免费视频播放| av国产久精品久网站免费入址| kizo精华| 国产成人免费观看mmmm| 99热全是精品| 久久女婷五月综合色啪小说| 日韩三级伦理在线观看| 在线免费观看不下载黄p国产| 国产精品一区二区在线观看99| 高清av免费在线| 蜜桃国产av成人99| 久久人妻熟女aⅴ| 激情五月婷婷亚洲| 免费黄网站久久成人精品| 国产成人精品久久久久久| 国产亚洲午夜精品一区二区久久| 熟妇人妻不卡中文字幕| 中文字幕人妻丝袜制服| 国产精品欧美亚洲77777| 久久久久久人人人人人| 90打野战视频偷拍视频| 久久久精品94久久精品| 亚洲国产精品国产精品| 亚洲激情五月婷婷啪啪| 丝袜美足系列| 久久精品aⅴ一区二区三区四区 | 国产又色又爽无遮挡免| 美女主播在线视频| 亚洲欧美清纯卡通| 亚洲久久久国产精品| 国产成人精品婷婷| 18禁观看日本| 寂寞人妻少妇视频99o| 久久青草综合色| 日韩欧美一区视频在线观看| www.色视频.com| 久久精品久久久久久久性| 天天操日日干夜夜撸| 欧美少妇被猛烈插入视频| 九九爱精品视频在线观看| 亚洲av中文av极速乱| av电影中文网址| 黄色配什么色好看| 久久ye,这里只有精品| 精品一区二区三卡| 亚洲欧洲国产日韩| 国产精品一二三区在线看| 最近最新中文字幕大全免费视频 | 一本大道久久a久久精品| 在线天堂中文资源库| 亚洲精品国产色婷婷电影| 日日啪夜夜爽| 制服诱惑二区| 亚洲四区av| 夫妻性生交免费视频一级片| 黄色怎么调成土黄色| 午夜免费观看性视频| 日日撸夜夜添| 欧美成人精品欧美一级黄| a级毛片在线看网站| 性色avwww在线观看| 亚洲久久久国产精品| 男女边吃奶边做爰视频| 在线观看人妻少妇| 国产精品成人在线| 亚洲欧美一区二区三区国产| 99视频精品全部免费 在线| 久久青草综合色| 欧美变态另类bdsm刘玥| 十分钟在线观看高清视频www| 亚洲国产欧美日韩在线播放| 22中文网久久字幕| 99久国产av精品国产电影| 国产免费现黄频在线看| √禁漫天堂资源中文www| 午夜影院在线不卡| 久久精品人人爽人人爽视色| 欧美性感艳星| 在线观看免费视频网站a站| 女人精品久久久久毛片| 国产成人欧美| 香蕉丝袜av| av卡一久久| 人人妻人人爽人人添夜夜欢视频| 又粗又硬又长又爽又黄的视频| 建设人人有责人人尽责人人享有的| 最近最新中文字幕大全免费视频 | 日韩精品免费视频一区二区三区 | 午夜老司机福利剧场| 高清视频免费观看一区二区| 日韩中文字幕视频在线看片| 成年av动漫网址| 91国产中文字幕| 国产精品一区www在线观看| 欧美最新免费一区二区三区| xxxhd国产人妻xxx| 18+在线观看网站| 久久久久久伊人网av| 蜜桃国产av成人99| 蜜臀久久99精品久久宅男| 欧美国产精品va在线观看不卡| 免费高清在线观看日韩| 高清不卡的av网站| 免费在线观看完整版高清| 国产精品三级大全| 国产高清三级在线| 国产欧美日韩综合在线一区二区| 激情视频va一区二区三区| 天天躁夜夜躁狠狠久久av| av不卡在线播放| 国产av精品麻豆| 久久 成人 亚洲| www.av在线官网国产| 人人妻人人添人人爽欧美一区卜| 久久av网站| 男女边吃奶边做爰视频| 国产深夜福利视频在线观看| 久久精品国产自在天天线| 欧美3d第一页| 亚洲av中文av极速乱| a 毛片基地| 看十八女毛片水多多多| 综合色丁香网| 人妻一区二区av| 欧美精品av麻豆av| 久久精品熟女亚洲av麻豆精品| 亚洲欧洲国产日韩| 亚洲精品中文字幕在线视频| 91国产中文字幕| 97人妻天天添夜夜摸| 寂寞人妻少妇视频99o| av不卡在线播放| 欧美日韩一区二区视频在线观看视频在线| 毛片一级片免费看久久久久| 国产欧美亚洲国产| 亚洲色图综合在线观看| 国产色爽女视频免费观看| 99热网站在线观看| 丝瓜视频免费看黄片| 欧美亚洲 丝袜 人妻 在线| 国产精品一区www在线观看| 纵有疾风起免费观看全集完整版| 亚洲高清免费不卡视频| 性高湖久久久久久久久免费观看| 久久99热这里只频精品6学生| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 男女免费视频国产| 欧美人与性动交α欧美软件 | 午夜福利视频精品| 一级毛片电影观看| 青春草视频在线免费观看| av又黄又爽大尺度在线免费看| 午夜影院在线不卡| 亚洲av.av天堂| 国产乱人偷精品视频| 亚洲美女黄色视频免费看| 少妇 在线观看| 亚洲一码二码三码区别大吗| 欧美人与性动交α欧美软件 | 亚洲国产最新在线播放| 成年人免费黄色播放视频| 在线观看国产h片| 久久久欧美国产精品| 久久久久人妻精品一区果冻| 日韩在线高清观看一区二区三区| 伦理电影免费视频| 国产不卡av网站在线观看| 狂野欧美激情性xxxx在线观看| 久久久欧美国产精品| 中文字幕最新亚洲高清| 久久久欧美国产精品| 久久午夜综合久久蜜桃| a级片在线免费高清观看视频| 久久ye,这里只有精品| 日韩在线高清观看一区二区三区| 久久久久人妻精品一区果冻| 亚洲精华国产精华液的使用体验| 伦理电影免费视频| 宅男免费午夜| 国产日韩一区二区三区精品不卡| 中国美白少妇内射xxxbb| 欧美日韩视频高清一区二区三区二| 精品少妇黑人巨大在线播放| 久久青草综合色| 伦理电影大哥的女人| 国产1区2区3区精品| 五月开心婷婷网| 欧美日韩国产mv在线观看视频| 免费高清在线观看日韩| 丰满少妇做爰视频| 亚洲第一区二区三区不卡| 大香蕉97超碰在线| 久久99一区二区三区| 9热在线视频观看99| 日韩av不卡免费在线播放| 侵犯人妻中文字幕一二三四区| 久久久亚洲精品成人影院| 人妻系列 视频| 午夜av观看不卡| 亚洲精品456在线播放app| 免费播放大片免费观看视频在线观看| 久久精品国产亚洲av天美| 亚洲av.av天堂| 亚洲国产看品久久| 欧美另类一区| 欧美+日韩+精品| av卡一久久| 插逼视频在线观看| 国产亚洲精品久久久com| 人成视频在线观看免费观看| 久久精品夜色国产| 国产黄频视频在线观看| 欧美 日韩 精品 国产| 久久这里只有精品19| 国产高清三级在线| 亚洲内射少妇av| 宅男免费午夜| 久久精品久久精品一区二区三区| 看十八女毛片水多多多| 国语对白做爰xxxⅹ性视频网站| 狠狠婷婷综合久久久久久88av| 国产片特级美女逼逼视频| 国产黄色免费在线视频| 超碰97精品在线观看| 精品国产乱码久久久久久小说| 新久久久久国产一级毛片| av又黄又爽大尺度在线免费看| 在线观看免费视频网站a站| 97在线视频观看| 欧美变态另类bdsm刘玥| 精品第一国产精品| 成年人免费黄色播放视频| 美女内射精品一级片tv| 中文字幕另类日韩欧美亚洲嫩草| 大香蕉97超碰在线| 国产精品 国内视频| 秋霞在线观看毛片| 亚洲天堂av无毛| 日日啪夜夜爽| 亚洲综合色网址| 宅男免费午夜| av在线播放精品| 精品国产一区二区三区久久久樱花| 2021少妇久久久久久久久久久| 午夜福利网站1000一区二区三区| 99热6这里只有精品| 69精品国产乱码久久久| 伊人久久国产一区二区| 两性夫妻黄色片 | 夫妻性生交免费视频一级片| 国内精品宾馆在线| 久久免费观看电影| 热re99久久精品国产66热6| 久久精品国产自在天天线| 国产日韩欧美亚洲二区| 色吧在线观看| 一区二区日韩欧美中文字幕 | 免费看av在线观看网站| 亚洲欧洲国产日韩| 在线观看一区二区三区激情| 男女高潮啪啪啪动态图| 国产一区二区三区综合在线观看 | 成人免费观看视频高清| av不卡在线播放| 2022亚洲国产成人精品| 中文字幕亚洲精品专区| 成人国语在线视频| 国产精品国产av在线观看| 精品少妇久久久久久888优播| 99精国产麻豆久久婷婷| 黄色视频在线播放观看不卡| 欧美精品一区二区免费开放| 久久精品国产a三级三级三级| 中文精品一卡2卡3卡4更新| 18+在线观看网站| 一区二区三区四区激情视频| 人人妻人人澡人人爽人人夜夜| 午夜福利影视在线免费观看| 久久久久久久久久久久大奶| 婷婷成人精品国产| 日日撸夜夜添| 久久这里有精品视频免费| 视频中文字幕在线观看| 黄色配什么色好看| 99久久精品国产国产毛片| 精品福利永久在线观看| 亚洲精品中文字幕在线视频| 最近最新中文字幕免费大全7| 午夜视频国产福利| 国产1区2区3区精品| 成人毛片60女人毛片免费| 啦啦啦啦在线视频资源|