• <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 ?

    機(jī)器學(xué)習(xí)方法在湖南夏季降水預(yù)測中的應(yīng)用

    2022-05-12 23:13:54黃超李巧萍謝益軍彭嘉棟
    大氣科學(xué)學(xué)報(bào) 2022年2期
    關(guān)鍵詞:機(jī)器學(xué)習(xí)預(yù)測

    黃超 李巧萍 謝益軍 彭嘉棟

    摘要利用湖南97個(gè)國家站的逐月降水資料、國家氣候中心130項(xiàng)氣候指數(shù)集以及國家氣候中心和美國國家環(huán)境預(yù)報(bào)中心兩套季節(jié)預(yù)測模式的降水預(yù)測資料,采用遞歸特征消除法確定預(yù)測因子并使用多層前饋神經(jīng)網(wǎng)絡(luò)、支持向量回歸和自然梯度提升三種算法建立了兩種湖南夏季降水統(tǒng)計(jì)預(yù)測方案的模型,檢驗(yàn)了預(yù)測效果。結(jié)果表明:基于機(jī)器學(xué)習(xí)的預(yù)測模型對湖南夏季雨型分布有較好的預(yù)測能力,兩種統(tǒng)計(jì)方案提前1~6mon起報(bào)的夏季降水平均距平相關(guān)系數(shù)分別為0.15和0.19,相比于NCEP和NCC模式有較大提升,平均PS評分分別為69.3和69.2,高于NCC模式的63.1,略低于NCEP模式的71.5;進(jìn)一步分析表明,3—5月起報(bào)的機(jī)器學(xué)習(xí)模型的預(yù)測技巧可能來源于前冬極地和中高緯環(huán)流,12—2月起報(bào)的模型預(yù)測技巧則可能來自海溫的前兆信號(hào)。

    關(guān)鍵詞機(jī)器學(xué)習(xí);夏季降水;預(yù)測

    湖南地形具有三面環(huán)山、南高北低的特點(diǎn),氣候復(fù)雜多變,夏季旱澇轉(zhuǎn)換(李易芝等,2017),易出現(xiàn)洪澇、干旱等氣象災(zāi)害。在全球變暖背景下,湖南夏季極端降水明顯增加(周莉等,2018),因此進(jìn)一步提升夏季降水預(yù)測水平對湖南防災(zāi)減災(zāi)具有重要現(xiàn)實(shí)意義。

    目前降水季節(jié)趨勢預(yù)報(bào)主要分為統(tǒng)計(jì)學(xué)、動(dòng)力學(xué)和動(dòng)力統(tǒng)計(jì)相結(jié)合三類方法。統(tǒng)計(jì)方法充分利用歷史資料規(guī)律,選取有明確物理意義和顯著相關(guān)的因子進(jìn)行建模。范可等(2007)通過前期因子建立統(tǒng)計(jì)模型對長江中下游夏季降水年際增量進(jìn)行預(yù)測,顯著提高了業(yè)務(wù)預(yù)測技巧。杜良敏等(2016)針對不同氣候分區(qū)建立統(tǒng)計(jì)模型對我國夏季降水進(jìn)行預(yù)測。李春暉等(2018)采用時(shí)空投影方法建立廣東省降水統(tǒng)計(jì)預(yù)測方法。Yimetal.(2014)使用統(tǒng)計(jì)模型對中國南方夏季降水進(jìn)行預(yù)測。但由于各預(yù)測因子相互作用過程復(fù)雜,不同時(shí)間尺度的預(yù)測信號(hào)不一致,加大了預(yù)測的難度。隨著數(shù)值模式的發(fā)展,動(dòng)力模式成為氣候預(yù)測的主要工具,許多國家建立了數(shù)值預(yù)報(bào)模式(丁一匯,2011)。近年來,我國季節(jié)預(yù)測模式對大氣環(huán)流、ENSO(ElNioSouthernOscillation)現(xiàn)象、亞洲夏季風(fēng)等的預(yù)測能力已有明顯提升(吳捷等,2017),但對降水預(yù)測技巧依然有限,特別是對東亞地區(qū)夏季降水的預(yù)報(bào)技巧相對較低(王予等,2021)。在這樣的現(xiàn)實(shí)情況下,專家學(xué)者在此基礎(chǔ)上發(fā)展了動(dòng)力和統(tǒng)計(jì)相結(jié)合的預(yù)測方法(封國林等,2013),充分利用歷史資料并考慮大氣海洋物理機(jī)制,進(jìn)一步提高了降水預(yù)測準(zhǔn)確率??伦诮ǖ龋?009)提出了最優(yōu)子集回歸方法。賈小龍等(2010)發(fā)展了變形典型相關(guān)分析(CombinationofEmpiricalOrthogonalFunctionandCanonicalCorrelationAnalysis,BPCCA)方法。舒建川等(2019)在此基礎(chǔ)上使用BPCCA方法在西南地區(qū)進(jìn)行了應(yīng)用。組合統(tǒng)計(jì)降尺度方法(LiuandFan,2014;劉穎等,2020)也能夠提升一定的降水預(yù)測技巧。此外,國家氣候中心多模式解釋應(yīng)用集成預(yù)測系統(tǒng)(MultimodelDownscalingEnsemblePredictionSystem,MODES)(劉長征等,2013)和動(dòng)力統(tǒng)計(jì)相結(jié)合的季節(jié)預(yù)測系統(tǒng)(ForecastSystemonDynamicAnalogueCombinedSkills,F(xiàn)ODAS)(王啟光等,2011)的研發(fā)對我國夏季降水預(yù)測業(yè)務(wù)水平提升起到了關(guān)鍵作用。

    機(jī)器學(xué)習(xí)強(qiáng)調(diào)從歷史數(shù)據(jù)中學(xué)習(xí)規(guī)則,對新數(shù)據(jù)進(jìn)行推理和預(yù)測。區(qū)別于傳統(tǒng)統(tǒng)計(jì)方法,機(jī)器學(xué)習(xí)擅長處理非線性問題,利用機(jī)器學(xué)習(xí)的優(yōu)勢可以從地球系統(tǒng)中發(fā)現(xiàn)并提取新的相互關(guān)聯(lián)信號(hào)(賀圣平等,2021)。近年來,機(jī)器學(xué)習(xí)在氣象領(lǐng)域的應(yīng)用越來越廣泛,常用的機(jī)器學(xué)習(xí)算法有支持向量機(jī)、貝葉斯算法、神經(jīng)網(wǎng)絡(luò)、決策樹算法等(馮漢中和陳永義,2004;孫照渤等,2013;張宇彤等,2013;苗春生等,2017)。隨著計(jì)算能力的提高和深度學(xué)習(xí)理論的發(fā)展,以卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetworks,CNN)和長短期時(shí)間記憶網(wǎng)絡(luò)(LongShortTermMemory,LSTM)為代表的深度學(xué)習(xí)方法在氣候領(lǐng)域得到應(yīng)用,例如CNN算法對ENSO指數(shù)的預(yù)測技巧超過了主流動(dòng)力模式(Hametal.,2019),沈皓俊等(2020)采用的LSTM算法對中國夏季降水預(yù)測評分超過了同期業(yè)務(wù)模式。

    湖南夏季降水時(shí)空分布不均,影響因子復(fù)雜,當(dāng)前對其機(jī)理和預(yù)測的研究還存在短板,動(dòng)力模式預(yù)測水平與業(yè)務(wù)服務(wù)需求存在差距,有必要利用機(jī)器學(xué)習(xí)的優(yōu)勢進(jìn)一步提高當(dāng)?shù)仡A(yù)測水平??紤]到湖南降水觀測資料年份較少,不適合深度學(xué)習(xí)方法,因此本文采用隨機(jī)森林算法進(jìn)行遞歸特征消除來挑選預(yù)測因子,使用多層前饋神經(jīng)網(wǎng)絡(luò)、支持向量回歸和自然梯度提升方法建模,結(jié)合動(dòng)力模式降水預(yù)測結(jié)果,建立適用于湖南本地的夏季降水統(tǒng)計(jì)預(yù)測方法。

    1資料和方法

    1.1數(shù)據(jù)來源和預(yù)處理

    預(yù)報(bào)因子資料來源于國家氣候中心提供的氣候系統(tǒng)監(jiān)測指數(shù)集(下載地址:http://cmdp.ncccma.net/Monitoring/cn_index_130.php),共包含130項(xiàng)氣候系統(tǒng)指數(shù)的月平均值。其中大氣環(huán)流指數(shù)88項(xiàng),主要包括副高、東亞槽、極渦、歐亞環(huán)流型、遙相關(guān)、太平洋信風(fēng)等大氣環(huán)流指數(shù)。海溫指數(shù)26項(xiàng),主要包括厄爾尼諾(各區(qū)及類型)、暖池、印度洋、親潮區(qū)、黑潮區(qū)等海溫指數(shù)。其他指數(shù)16項(xiàng),主要包括冷空氣、臺(tái)風(fēng)、南方濤動(dòng)、北太平洋年代際振蕩、準(zhǔn)兩年振蕩、次表層海溫等指數(shù)。時(shí)間尺度為1980年1月—2020年12月,若出現(xiàn)缺測,直接將該因子剔除。

    美國國家環(huán)境預(yù)報(bào)中心(NationalCentersforEnvironmentalPrediction,NCEP)和國家氣候中心(NationalClimateCenter,NCC)氣候預(yù)測模式數(shù)據(jù)來自MODES系統(tǒng),空間分辨率均為1°×1°,NCEP模式歷史回算時(shí)間范圍為1982—2020年(其中2011年資料缺失),模式氣候態(tài)取1982—2010年,NCC模式歷史回算時(shí)間范圍為1991—2020年,氣候態(tài)取1991—2010年。分別計(jì)算模式不同起報(bào)時(shí)間的夏季(6—8月)降水距平百分率,并采用雙線性插值將網(wǎng)格數(shù)據(jù)插值到站點(diǎn)上。實(shí)況夏季降水資料來自湖南省97個(gè)國家站1981—2020年的觀測數(shù)據(jù),夏季降水沒有明顯的線性趨勢,因此未做去趨勢處理,直接處理成降水距平百分率進(jìn)行分析。

    樣本集共包含1981—2020年共40a、6個(gè)起報(bào)時(shí)間、10個(gè)模態(tài)共計(jì)2400個(gè)樣本(40×6×10);根據(jù)起報(bào)時(shí)間和模態(tài)劃分為60個(gè)子樣本集,每個(gè)子樣本集40個(gè)樣本;訓(xùn)練集時(shí)間段為1981—2010年,測試集為2011—2020年。建模時(shí)挑選對應(yīng)起報(bào)時(shí)間和模態(tài)的樣本集,其中訓(xùn)練集30個(gè)樣本進(jìn)行訓(xùn)練和交叉驗(yàn)證,測試集10個(gè)樣本進(jìn)行獨(dú)立檢驗(yàn)。

    1.2評估方法

    對湖南夏季降水評價(jià)指標(biāo)采用趨勢異常綜合評分PS(PS)和空間距平相關(guān)系數(shù)ACC(AnomalyCorrelatiomCoefficent,ACC)。PS評分的計(jì)算公式為:

    其中:N為總站數(shù),本研究中取97;P1=0.5,P2=1.0;N0為預(yù)報(bào)與實(shí)況距平符號(hào)相同站數(shù)或符號(hào)不同但相差只有1級站數(shù)之和;N1為預(yù)報(bào)與實(shí)況同為2級5級的站數(shù),N2為預(yù)報(bào)與實(shí)況同為1級、6級的站數(shù)。

    ACC的計(jì)算公式為:

    其中:n為站點(diǎn)數(shù),yi和oi分別表示預(yù)測值和觀測值;和分別表示預(yù)測值和觀測值的平均值。

    1.3建模方法

    為了減少建模過程中機(jī)器學(xué)習(xí)算法的隨機(jī)性影響,本文采用多層前饋神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和決策樹集成三種不同的機(jī)器學(xué)習(xí)方法進(jìn)行建模,這三種算法均屬于機(jī)器學(xué)習(xí)中的分類和回歸方法,對數(shù)據(jù)的識(shí)別和擬合過程具有一定差異。

    1)多層前饋神經(jīng)網(wǎng)絡(luò)

    本文使用的神經(jīng)網(wǎng)絡(luò)算法為多層前饋神經(jīng)網(wǎng)絡(luò),其一般包含輸入層、隱含層和輸出層(韓力群,2006;LeCunetal.,2015)。隱含層越多,模型數(shù)據(jù)表示能力越強(qiáng),更易造成過擬合,因此本文僅采用兩層隱含層,神經(jīng)元個(gè)數(shù)也不超過預(yù)報(bào)因子個(gè)數(shù)。模型的表達(dá)式為:

    其中:xi為節(jié)點(diǎn)i的輸入值;Pk為節(jié)點(diǎn)k的輸出值;g1為隱含層激活函數(shù);g2為輸出層激活函數(shù);m和n分別為輸入層和輸出層神經(jīng)元個(gè)數(shù);wj0為隱含層第j個(gè)神經(jīng)元的偏差;wk0為輸出層第k個(gè)神經(jīng)元的偏差;wkj為輸出節(jié)點(diǎn)k與隱含節(jié)點(diǎn)j的權(quán)重;wji為輸入節(jié)點(diǎn)i與隱含節(jié)點(diǎn)j的權(quán)重。

    2)支持向量回歸

    支持向量回歸是支持向量機(jī)的拓展,算法通過核函數(shù)在高維或有限維空間中構(gòu)造一個(gè)或一組超平面使數(shù)據(jù)與其距離最小(陳永義等,2004),在處理小樣本、高維和非線性問題上具有優(yōu)勢。本文選用高斯核函數(shù),因此表達(dá)式為:

    其中:L為支持向量的個(gè)數(shù);ai、a*i、b為通過訓(xùn)練樣本確定的最優(yōu)超平面參數(shù);xi為預(yù)報(bào)因子;σ為控制高斯核參數(shù)寬度的參數(shù)。

    3)決策樹集成

    決策樹是機(jī)器學(xué)習(xí)中的分類回歸算法,對于回歸問題,算法目標(biāo)是盡量使劃分同一類別的平方誤差最小,但也易造成過擬合,可通過決策樹集成方法克服。本文使用的隨機(jī)森林和自然梯度提升樹均屬于決策樹集成算法。隨機(jī)森林回歸算法通過對訓(xùn)練集重復(fù)隨機(jī)采樣進(jìn)行決策樹建模,取多個(gè)決策樹平均值作為預(yù)測結(jié)果(Breiman,2001);而自然梯度提升樹算法通過梯度提升方法進(jìn)行預(yù)測,不斷對預(yù)測殘差進(jìn)行建模并集成多個(gè)決策樹,從而達(dá)到減少預(yù)測誤差的目(Pengetal.,2020)。

    4)遞歸特征消除法

    遞歸特征消除法是機(jī)器學(xué)習(xí)中常用的特征處理方法,起到挑選重要因子的作用。該方法通過反復(fù)構(gòu)建模型剔除重要程度最低的因子,并遍歷所有因子達(dá)到確定因子重要程度的目的。本文采用的重要性衡量方法為基尼重要性,在隨機(jī)森林內(nèi)部節(jié)點(diǎn)中通過反復(fù)將數(shù)據(jù)集分為兩個(gè)獨(dú)立的集合,計(jì)算每次分類后的集合內(nèi)部方差,依據(jù)分類前后集合的方差差值確定氣候因子的重要性,方差差值越大表示因子重要性越高。

    2機(jī)器學(xué)習(xí)在降水預(yù)測中的應(yīng)用

    2.1湖南夏季降水預(yù)報(bào)方案

    將機(jī)器學(xué)習(xí)方法應(yīng)用預(yù)測因子篩選及湖南夏季降水預(yù)測建模中,圖1給出了降水預(yù)測的主要流程:

    1)資料處理:分為三部分,第一部分獲取前期因子集,將起報(bào)時(shí)間前3mon的130項(xiàng)氣候系統(tǒng)指數(shù)作為前期因子集,例如5月起報(bào)的模型使用的是2、3、4月的氣候因子。第二部分是降水?dāng)?shù)據(jù),對1981—2010年湖南夏季觀測降水的距平百分率采用經(jīng)驗(yàn)正交函數(shù)分析方法(EOF)進(jìn)行分解,時(shí)間系數(shù)為預(yù)測目標(biāo)。第三部分是模式預(yù)報(bào)降水場,使用觀測降水場EOF分解后的空間系數(shù)對模式降水場進(jìn)行投影,得到模式預(yù)報(bào)的時(shí)間系數(shù)。

    2)篩選關(guān)鍵因子組合:基于機(jī)器學(xué)習(xí)的遞歸特征消除思想,采用隨機(jī)森林算法獲取重要的氣候因子,再通過交叉驗(yàn)證選取合適的關(guān)鍵因子組合。

    3)建模:分為兩個(gè)方案,方案一直接使用篩選的關(guān)鍵因子組合與EOF時(shí)間系數(shù)進(jìn)行建模;方案二將NCEP模式預(yù)報(bào)的降水場時(shí)間系數(shù)與方案一中的因子共同作為預(yù)報(bào)因子進(jìn)行建模。

    4)輸出預(yù)報(bào)結(jié)果:利用模型預(yù)報(bào)的時(shí)間系數(shù)和觀測降水EOF分解的空間系數(shù)還原成預(yù)報(bào)降水場,對不同機(jī)器學(xué)習(xí)模型的預(yù)報(bào)結(jié)果進(jìn)行等權(quán)集合平均作為最終的預(yù)報(bào)結(jié)果。

    2.2確定預(yù)測因子及EOF模態(tài)個(gè)數(shù)

    使用隨機(jī)森林算法進(jìn)行遞歸特征消除來篩選預(yù)測因子,隨機(jī)森林算法通過計(jì)算預(yù)測因子的基尼重要性對其進(jìn)行排序,從而剔除不重要的預(yù)測因子,達(dá)到降維的目的。將所有候選氣候因子與前10個(gè)EOF模態(tài)時(shí)間系數(shù)分別進(jìn)行遞歸特征消除(決策樹數(shù)量參數(shù)設(shè)置為100,持續(xù)增大后誤差并無顯著減少),采用五折交叉驗(yàn)證進(jìn)行誤差分析。圖2給出了5月起報(bào)的前10個(gè)模態(tài)通過遞歸特征消除法剔除因子后均方根誤差,當(dāng)因子數(shù)達(dá)到某一閾值,誤差趨于平穩(wěn)。在因子重要性排序之后,選取該閾值之前的關(guān)鍵性因子即能在降低模型誤差的同時(shí)達(dá)到降維的目的,依據(jù)此方法便得到提前1~6mon起報(bào)和不同模態(tài)的預(yù)測因子(表2)。

    采用交叉驗(yàn)證方法分析不同EOF模態(tài)個(gè)數(shù)對預(yù)測結(jié)果的影響。圖3給出了利用1981—2010年湖南夏季降水?dāng)?shù)據(jù)分別截取前1~20個(gè)不同EOF模態(tài)進(jìn)行五折交叉驗(yàn)證的結(jié)果,ACC和PS評分均為提前1~6mon起報(bào)的平均值。從圖中可以看出,EOF模態(tài)個(gè)數(shù)超過6個(gè),PS和ACC變化趨于平穩(wěn),當(dāng)EOF個(gè)數(shù)取8和10時(shí),ACC和PS分別達(dá)到最大值。結(jié)合圖3中所示的不同EOF模態(tài)的累計(jì)方差貢獻(xiàn)率以及還原后降水場與觀測場的相關(guān)系數(shù)來看,EOF模態(tài)個(gè)數(shù)越多,越能反映降水的時(shí)空變化,因此這里將EOF模態(tài)個(gè)數(shù)定為10,此時(shí)累計(jì)方差貢獻(xiàn)率為89.1%,ACC和TCC分別達(dá)到0.86和0.94,能夠反映降水的時(shí)空分布特征。

    2.3參數(shù)設(shè)置及模型建立

    表3中給出了多層前饋神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)回歸、自然梯度提升樹三種算法的參數(shù)范圍,為避免

    過擬合,參數(shù)設(shè)置盡量簡單,降低模型復(fù)雜度,所有數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。神經(jīng)網(wǎng)絡(luò)層數(shù)為2層,節(jié)點(diǎn)數(shù)取20~50,激活函數(shù)使用Relu;支持向量機(jī)使用高斯核;自然梯度提升樹的決策樹數(shù)量在20~500間取值。建模時(shí)取訓(xùn)練集對參數(shù)取值范圍內(nèi)的不同參數(shù)組合分別建模。例如對5月起報(bào)的EOF第一模態(tài)時(shí)間系數(shù)使用多層前饋神經(jīng)網(wǎng)絡(luò)建模時(shí),隱含層數(shù)量為2,對應(yīng)隱含層節(jié)點(diǎn)數(shù)分別為{50,50}、{40,40}、{30,30}、{20,20}共4組,正則化參數(shù)分別為0.0001、0.001、0.01、0.1、1共5個(gè),不同參數(shù)組合共計(jì)20個(gè);然后采用五折交叉驗(yàn)證方法計(jì)算得到20個(gè)模型的平均均方根誤差,其中隱含層節(jié)點(diǎn)數(shù)為{40,40}、正則化參數(shù)為0.01的模型誤差最小,作為最終預(yù)測模型;重復(fù)該步驟即得到2種方案3種算法10個(gè)模態(tài)提前1~6mon起報(bào)的共計(jì)360個(gè)預(yù)測模型。

    對比三種算法不同起報(bào)時(shí)間的平均均方根誤差(圖4a),提前1、3、4mon起報(bào)的模型中支持向量回歸誤差最小,提前2、5、6mon起報(bào)的模型中,自然梯度提升樹誤差最小;通過不同模態(tài)的平均均方根誤差來看(圖4b),預(yù)測誤差主要位于前兩個(gè)模態(tài)。

    兩種統(tǒng)計(jì)方案分別使用2011—2020年和2012—2020年數(shù)據(jù)進(jìn)行獨(dú)立樣本檢驗(yàn),得到對應(yīng)年份97個(gè)國家站夏季降水距平百分率數(shù)據(jù)并評估預(yù)報(bào)技巧。圖5分別給出氣候模式本身及兩種方案的統(tǒng)計(jì)模型提前1~6mon起報(bào)的降水距平空間相關(guān)系數(shù)(ACC)和PS評分。整體來看,方案一提前1~6mon起報(bào)的ACC分別為0.25、0.15、0.09、0.23、0.15、0.05,平均為0.15;方案二提前1~6mon起報(bào)的ACC分別為0.25、0.23、0.19、0.26、0.24、-0.01,平均為0.19;NCEP和NCC模式預(yù)報(bào)的平均ACC分別為0.08和0.02,統(tǒng)計(jì)方案有明顯提高;兩種方案提前1~6mon起報(bào)的平均PS評分分別為69.3和69.2,相比NCEP模式的71.5略低,但優(yōu)于NCC模式的63.1。從不同起報(bào)時(shí)間來看,2月起報(bào)(Lead4)的ACC最高,4月起報(bào)(Lead2)的PS評分最高。與動(dòng)力模式結(jié)果相比,機(jī)器學(xué)習(xí)模型的平均ACC比NCEP、NCC模式高,這種優(yōu)勢在提前3~6mon起報(bào)的模型上更加明顯,兩套動(dòng)力模式在提前3mon以上預(yù)報(bào)夏季降水幾乎沒有技巧,但在PS評分上,NCEP模式則更具優(yōu)勢。上述結(jié)果說明兩種基于機(jī)器學(xué)習(xí)的預(yù)測方法在降水空間分布的預(yù)測技巧上有優(yōu)勢,并且方案二比方案一效果更好,但在降水異常級的預(yù)測能力上比NCEP的動(dòng)力模式要差,可能因?yàn)榻y(tǒng)計(jì)方法更加傾向于預(yù)測平均狀態(tài),對降水異常級的預(yù)測能力不足。

    圖6給出了方案一的2011—2020年和方案二的2012—2020年逐年夏季降水預(yù)測ACC和PS評分,可見預(yù)測評分表現(xiàn)出明顯的年際差異。兩種方案的預(yù)測模型在2012、2013、2016、2018年提前1~6mon起報(bào)的平均PS評分均超過70,預(yù)測效果較好,對應(yīng)的ACC評分在上述年份也較高。相比之下,方案二的平均ACC除2015年為負(fù)值,其余年份均為正值,整體預(yù)測技巧高于方案一。眾所周知,ENSO是熱帶太平洋地區(qū)海氣系統(tǒng)年際氣候變率最強(qiáng)信號(hào)(宗海鋒等,2010;Wenelal.,2015),ENSO對湖南降水預(yù)測有重要指示意義,分析機(jī)器學(xué)習(xí)模型在ENSO年的預(yù)測情況可以進(jìn)一步了解其預(yù)測水平。2016和2020年為典型的厄爾尼諾衰減年,兩種方案在2016年不同起報(bào)時(shí)間的預(yù)測均有較高的正技巧,平均ACC分別達(dá)到0.37和0.36,PS評分分別達(dá)到79.8和75.3,但2020年的預(yù)測并不穩(wěn)定,3月起報(bào)的降水預(yù)測為評分較低。從拉尼娜衰減年預(yù)測來看,2013和2018年的預(yù)測均有較高的正技巧;整體來看,機(jī)器學(xué)習(xí)建模方法在一定程度上能夠識(shí)別ENSO對湖南降水的影響。

    4討論

    上述結(jié)果表明機(jī)器學(xué)習(xí)方法能夠改善湖南夏季降水空間分布的預(yù)測技巧,但機(jī)器學(xué)習(xí)算法通常屬于黑箱模型,在解決氣候問題時(shí)難以給出合理的物理過程解釋,為了能夠進(jìn)一步了解機(jī)器學(xué)習(xí)方法預(yù)報(bào)技巧的來源,同時(shí)考慮到相近起報(bào)月份的預(yù)測因子相近,這里僅給出3月和12月起報(bào)的預(yù)測因子中前4個(gè)模態(tài)通過顯著性檢驗(yàn)的因子(表4)。可以看出,3月起報(bào)模型的前3個(gè)模態(tài)相關(guān)顯著的預(yù)測因子以前冬極地和中高緯環(huán)流指數(shù)為主,第四個(gè)模態(tài)中的南方濤動(dòng)和赤道中東太平洋200hPa緯向風(fēng)指數(shù)均反映與ENSO的高相關(guān)性,并且4月和5月起報(bào)的預(yù)測因子具有相似特點(diǎn)。12月起報(bào)的模型因子第一模態(tài)與前期東亞槽和西太副高位置有顯著相關(guān),后3個(gè)模態(tài)與海溫相關(guān)顯著,2月和1月起報(bào)的預(yù)測因子也與海溫顯著相關(guān)。這可能說明,3—5月起報(bào)的模型預(yù)報(bào)技巧主要來自前冬極地和中高緯環(huán)流的信號(hào),而12月—次年2月起報(bào)的模型預(yù)報(bào)技巧主要來自前期海溫,而這些因子如何影響湖南降水還需要進(jìn)一步研究。

    本文僅考慮了起報(bào)時(shí)間前3mon的氣候因子,相關(guān)研究表明湖南夏季降水與前冬的大氣海洋狀態(tài)有重要聯(lián)系(李瑜等,2015;趙俊虎等,2016;高輝等,2017;余榮和翟盤茂,2018;謝傲和羅伯良,2020),而5月起報(bào)模型的預(yù)測因子并未包含整個(gè)冬季,本文嘗試將預(yù)測因子時(shí)間擴(kuò)大至起報(bào)時(shí)間前6mon的范圍,結(jié)果表明5月起報(bào)的方案一和方案二模型對于湖南夏季降水預(yù)測的平均ACC分別為0.12和0.15,PS分別為65.1和68.7,效果并不如前者,將其他起報(bào)時(shí)間的預(yù)測因子范圍也擴(kuò)大至前6mon,整體來看二者的平均ACC分別為0.16和0.17,PS分別為68.8和69.1,相比前者也并沒有顯著的提升,說明機(jī)器學(xué)習(xí)模型挑選的預(yù)測因子也存在一定的局限性,通過簡單增加預(yù)測因子數(shù)量的方式對于機(jī)器學(xué)習(xí)模型的預(yù)測效果并不會(huì)有顯著的提升。此外,地形的動(dòng)力和熱力作用對降水的發(fā)生有重要影響,湖南三面環(huán)山的特殊地形是影響湖南區(qū)域性降水的因素之一,本文基于大尺度氣候信號(hào)構(gòu)建的模型沒有考慮地形因素,對降水異常級預(yù)測能力有限,如何在機(jī)器學(xué)習(xí)模型中加入地形因素的影響還需進(jìn)一步研究。

    5結(jié)論

    本文采用機(jī)器學(xué)習(xí)算法篩選預(yù)測因子并結(jié)合動(dòng)力模式的降水預(yù)報(bào)建立了湖南夏季降水預(yù)測模型。主要結(jié)論如下:

    采用隨機(jī)森林算法進(jìn)行遞歸特征消除確定預(yù)測因子,通過交叉驗(yàn)證確定最優(yōu)EOF模態(tài)個(gè)數(shù)后,使用多層前饋神經(jīng)網(wǎng)絡(luò)、支持向量回歸以及自然梯度提升分別建模并對預(yù)測結(jié)果進(jìn)行集合平均,比較了兩種方案的預(yù)測模型及兩套動(dòng)力模式對于湖南夏季降水的預(yù)測性能。評估結(jié)果表明基于機(jī)器學(xué)習(xí)的預(yù)測模型對湖南夏季雨型分布有較好的預(yù)測能力,ACC技巧優(yōu)于動(dòng)力模式,但對降水異常級的預(yù)測不如NCEP模式,兩種方案的預(yù)測模型不同起報(bào)時(shí)間的平均ACC分別為0.15和0.19,平均PS評分分別為69.3和69.2;并且機(jī)器學(xué)習(xí)建模方法能夠較好地識(shí)別ENSO對湖南降水的影響。

    進(jìn)一步分析機(jī)器學(xué)習(xí)模型挑選的預(yù)測因子與降水關(guān)聯(lián),3—5月起報(bào)的機(jī)器學(xué)習(xí)模型的預(yù)測技巧可能來源于前冬極地和中高緯環(huán)流,12月—次年2月起報(bào)的模型預(yù)測技巧則可能來自海溫的前兆信號(hào),由于機(jī)器學(xué)習(xí)的黑箱特點(diǎn),很難了解這些因子之間相互調(diào)制的物理過程,有待通過診斷分析及模式敏感性試驗(yàn)等方法進(jìn)一步研究。

    參考文獻(xiàn)(References)

    BreimanL,2001.RandomForests[J].MachineLearning,45(1):532.

    陳永義,俞小鼎,高學(xué)浩,等,2004.處理非線性分類和回歸問題的一種新方法(Ⅰ):支持向量機(jī)方法簡介[J].應(yīng)用氣象學(xué)報(bào),15(3):345354.ChenYY,YuXD,GaoXH,etal.,2004.AnewmethodfornonlinearclassifyandnonlinearregressionⅠ:introductiontosupportvectormachine[J].JApplMeteor,15(3):345354.(inChinese).

    丁一匯,2011.季節(jié)氣候預(yù)測的進(jìn)展和前景[J].氣象科技進(jìn)展,1(3):1427.DingYH,2011.Progressandprospectsofseasonalclimateprediction[J].AdvMeteorSciTechnol,1(3):1427.(inChinese).

    杜良敏,柯宗建,劉長征,等,2016.基于聚類分區(qū)的中國夏季降水預(yù)測模型[J].氣象,42(1):8996.DuLM,KeZJ,LiuCZ,etal.,2016.SummerprecipitationpredictionmodelsbasedontheclusteringregionalizationinChina[J].MeteorMon,42(1):8996.(inChinese).

    范可,王會(huì)軍,ChoiYJ,2007.一個(gè)長江中下游夏季降水的物理統(tǒng)計(jì)預(yù)測模型[J].科學(xué)通報(bào),52(24):29002905.FanK,WangHJ,ChoiYJ,2007.AphysicalstatisticalpredictionmodelforsummerprecipitationinthemiddleandlowerreachesoftheYangtzeRiver[J].ChinSciBull,52(24):29002905.(inChinese).

    封國林,趙俊虎,支蓉,等,2013.動(dòng)力統(tǒng)計(jì)客觀定量化汛期降水預(yù)測研究新進(jìn)展[J].應(yīng)用氣象學(xué)報(bào),24(6):656665.FengGL,ZhaoJH,ZhiR,etal.,2013.Recentprogressontheobjectiveandquantifiableforecastofsummerprecipitationbasedondynamicalstatisticalmethod[J].JApplMeteorSci,24(6):656665.(inChinese).

    馮漢中,陳永義,2004.處理非線性分類和回歸問題的一種新方法(Ⅱ):支持向量機(jī)方法在天氣預(yù)報(bào)中的應(yīng)用[J].應(yīng)用氣象學(xué)報(bào),15(3):355365.FengHZ,ChenYY,2004.AnewmethodfornonlinearclassifyandnonlinearregressionⅡ:applicationofsupportvectormachinetoweatherforecast[J].JApplMeteor,15(3):355365.(inChinese).

    高輝,袁媛,洪潔莉,等,2017.2016年汛期氣候預(yù)測效果評述及主要先兆信號(hào)與應(yīng)用[J].氣象,43(4):486494.GaoH,YuanY,HongJL,etal.,2017.Overviewofclimatepredictionofthesummer2016andtheprecursorysignals[J].MeteorMon,43(4):486494.(inChinese).

    HamYG,KimJH,LuoJJ,2019.DeeplearningformultiyearENSOforecasts[J].Nature,573(7775):568572.doi:10.1038/s4158601915597.

    韓力群,2006.人工神經(jīng)網(wǎng)絡(luò)教程[M].北京:北京郵電大學(xué)出版社:2936.HanLQ,2006.Artificialneuralnetworktutorial[M].Beijing:BeijingUniversityofPostsandTelecommunicationsPress:2936.(inChinese).

    賀圣平,王會(huì)軍,李華,等,2021.機(jī)器學(xué)習(xí)的原理及其在氣候預(yù)測中的潛在應(yīng)用[J].大氣科學(xué)學(xué)報(bào),44(1):2638.HeSP,WangHJ,LiH,etal.,2021.Machinelearninganditspotentialapplicationtoclimateprediction[J].TransAtmosSci,44(1):2638.doi:10.13878/j.cnki.dqkxxb.20201125001.(inChinese).

    賈小龍,陳麗娟,李維京,等,2010.BPCCA方法用于中國冬季溫度和降水的可預(yù)報(bào)性研究和降尺度季節(jié)預(yù)測[J].氣象學(xué)報(bào),68(3):398410.JiaXL,ChenLJ,LiWJ,etal.,2010.StatisticaldownscalingbasedonBPCCA:predictabilityandapplicationtothewintertemperatureandprecipitationinChina[J].ActaMeteorolSin,68(3):398410.(inChinese).

    柯宗建,張培群,董文杰,等,2009.最優(yōu)子集回歸方法在季節(jié)氣候預(yù)測中的應(yīng)用[J].大氣科學(xué),33(5):9941002.KeZJ,ZhangPQ,DongWJ,etal.,2009.Anapplicationofoptimalsubsetregressioninseasonalclimateprediction[J].ChinJAtmosSci,33(5):9941002.(inChinese).

    李春暉,潘蔚娟,王婷,2018.廣東省降水的多尺度時(shí)空投影預(yù)測方法[J].應(yīng)用氣象學(xué)報(bào),29(2):217231.LiCH,PanWJ,WangT,2018.AmultiscalespatialtemporalprojectionmethodformonthlyandseasonalrainfallpredictioninGuangdong[J].JApplMeteorSci,29(2):217231.(inChinese).

    李易芝,羅伯良,霍林,2017.湖南夏季旱澇轉(zhuǎn)折異常特征分析[J].暴雨災(zāi)害,36(4):339347.LiYZ,LuoBL,HuoL,2017.AnalysisonanomalouscharacteristicsofthesummerdroughtfloodtransitionsinHunan[J].TorrentialRainDisasters,36(4):339347.(inChinese).

    李瑜,李維京,任宏利,等,2015.長江中下游地區(qū)冬夏干濕韻律特征分析[J].氣象學(xué)報(bào),73(3):496504.LiY,LiWJ,RenHL,etal.,2015.Analysisofdry/wetrhythmsinwinterandsummerprecipitationsoverthemidlowerreachesoftheYangtzeRiverBasin[J].ActaMeteorolSin,73(3):496504.(inChinese).

    LeCunY,BengioY,HintonG,2015.Deeplearning[J].Nature,521(7553):436444.doi:10.1038/nature14539.

    劉長征,杜良敏,柯宗建,等,2013.國家氣候中心多模式解釋應(yīng)用集成預(yù)測[J].應(yīng)用氣象學(xué)報(bào),24(6):677685.LiuCZ,DuLM,KeZJ,etal.,2013.Multimodeldownscalingensemblepredictioninnationalclimatecenter[J].JApplMeteorSci,24(6):677685.(inChinese).

    LiuY,F(xiàn)anK,2014.AnapplicationofhybriddownscalingmodeltoforecastsummerprecipitationatstationsinChina[J].AtmosRes,143:1730.doi:10.1016/j.atmosres.2014.01.024.

    劉穎,任宏利,張培群,等,2020.中國夏季降水的組合統(tǒng)計(jì)降尺度模型預(yù)測研究[J].氣候與環(huán)境研究,25(2):163171.LiuY,RenHL,ZhangPQ,etal.,2020.ApplicationofthehybridstatisticaldownscalingmodelinsummerprecipitationpredictioninChina[J].ClimEnvironRes,25(2):163171.(inChinese).

    苗春生,何東坡,王堅(jiān)紅,等,2017.基于C4.5算法的長江中下游地區(qū)夏季降水預(yù)測模型研究及應(yīng)用[J].氣象科學(xué),37(2):256264.MiaoCS,HeDP,WangJH,etal,2017.ResearchandapplicationofsummerrainfallpredictionmodelinthemiddleandlowerreachesoftheYangtzeRiverbasedonC4.5algorithm[J].JMeteorSci,37(2):256264.(inChinese).

    PengT,ZhiXF,JiY,etal,2020.Predictionskillofextendedrange2mmaximumairtemperatureprobabilisticforecastsusingmachinelearningpostprocessingmethods[J].Atmosphere,11(8):823.doi:10.3390/atmos11080823.

    沈皓俊,羅勇,趙宗慈,等,2020.基于LSTM網(wǎng)絡(luò)的中國夏季降水預(yù)測研究[J].氣候變化研究進(jìn)展,16(3):263275.ShenHJ,LuoY,ZhaoZC,etal.,2020.PredictionofsummerprecipitationinChinabasedonLSTMnetwork[J].ClimChangeRes,16(3):263275.(inChinese).

    舒建川,蔣興文,黃小梅,等,2019.中國西南夏季降水預(yù)測的統(tǒng)計(jì)降尺度建模分析[J].高原氣象,38(2):349358.ShuJC,JiangXW,HuangXM,etal.,2019.StatisticaldownscalingmodelinganalysisofsummerprecipitationinsouthwestChina[J].PlateauMeteor,38(2):349358.(inChinese).

    孫照渤,譚桂容,趙振國,等,2013.中國東部夏季雨型的人工神經(jīng)網(wǎng)絡(luò)集合預(yù)測[J].大氣科學(xué)學(xué)報(bào),36(1):16.SunZB,TanGR,ZhaoZG,etal.,2013.EnsemblepredictionofsummerrainfallpatternsoverEasternChinabasedonartificialneuralnetworks[J].TransAtmosSci,36(1):16.doi:10.13878/j.cnki.dqkxxb.2013.01.001.(inChinese).

    王啟光,封國林,鄭志海,等,2011.長江中下游汛期降水優(yōu)化多因子組合客觀定量化預(yù)測研究[J].大氣科學(xué),35(2):287297.WangQG,F(xiàn)engGL,ZhengZH,etal.,2011.AstudyoftheobjectiveandquantifiableforecastingbasedonoptimalfactorscombinationsinprecipitationinthemiddleandlowerreachesoftheYangtzeRiverinsummer[J].ChinJAtmosSci,35(2):287297.(inChinese).

    王予,李惠心,王會(huì)軍,等,2021.CMIP6全球氣候模式對中國極端降水模擬能力的評估及其與CMIP5的比較[J].氣象學(xué)報(bào),79(3):369386.WangY,LiHX,WangHJ,etal.,2021.EvaluationofCMIP6modelsimulationsofextremeprecipitationinChinaandcomparisonwithCMIP5[J].ActaMeteorolSin,79(3):369386.(inChinese).

    WenN,LiuZY,LiuYH,2015.DirectimpactofElNioonEastAsiansummerprecipitationintheobservation[J].ClimateDyn,44(11/12):29792987.doi:10.1007/s0038201526052.

    吳捷,任宏利,張帥,等,2017.BCC二代氣候系統(tǒng)模式的季節(jié)預(yù)測評估和可預(yù)報(bào)性分析[J].大氣科學(xué),41(6):13001315.WuJ,RenHL,ZhangS,etal.,2017.EvaluationandpredictabilityanalysisofseasonalpredictionbyBCCsecondgenerationclimatesystemmodel[J].ChinJAtmosSci,41(6):13001315.(inChinese).

    謝傲,羅伯良,2020.湖南夏季降水與前期北太平洋海溫異常的關(guān)系[J].氣象與環(huán)境科學(xué),43(4):4957.XieA,LuoBL,2020.RelationsbetweentheprecedingSSTAinnorthernPacificOceanandsummerprecipitationinHunan[J].MeteorEnvironSci,43(4):4957.doi:10.16765/j.cnki.16737148.2020.04.007.(inChinese).

    YimSY,WangB,XingW,2014.PredictionofearlysummerrainfalloverSouthChinabyaphysicalempiricalmodel[J].ClimateDyn,43(7/8):18831891.doi:10.1007/s0038201320143.

    余榮,翟盤茂,2018.厄爾尼諾對長江中下游地區(qū)夏季持續(xù)性降水結(jié)構(gòu)的影響及其可能機(jī)理[J].氣象學(xué)報(bào),76(3):408419.YuR,ZhaiPM,2018.TheinfluenceofElNioonsummerpersistentprecipitationstructureinthemiddleandlowerreachesoftheYangtzeRiveranditspossiblemechanism[J].ActaMeteorolSin,76(3):408419.(inChinese).

    張宇彤,矯梅燕,陳靜,2013.基于模式先驗(yàn)信息的貝葉斯集合降水概率預(yù)報(bào)試驗(yàn)[J].氣象,39(10):12331246.ZhangYT,JiaoMY,ChenJ,2013.Bayesianensembleprobabilisticforecastingmodelexperimentofprecipitationbasedonmodelprioriinformation[J].MeteorMon,39(10):12331246.(inChinese).

    趙俊虎,楊柳,曾宇星,等,2016.夏季長江中下游和華南兩類雨型的環(huán)流特征及預(yù)測信號(hào)[J].大氣科學(xué),40(6):11821198.ZhaoJH,YangL,ZengYX,etal.,2016.AnalysisofatmosphericcirculationandpredictionsignalsforsummerrainfallpatternsinSouthernChina[J].ChinJAtmosSci,40(6):11821198.(inChinese).

    周莉,胡瑞卿,李偉,等,2018.湖南省夏季極端降水異常時(shí)空特征及其成因分析[J].氣象科學(xué),38(6):838848.ZhouL,HuRQ,LiW,etal.,2018.CharacteristicsofsummerextremeprecipitationanomalyandthecauseofconcurrentanomalypatterninHunanProvince[J].JMeteorSci,38(6):838848.(inChinese).

    宗海鋒,陳烈庭,張慶云,2010.ENSO與中國夏季降水年際變化關(guān)系的不穩(wěn)定性特征[J].大氣科學(xué),34(1):184192.ZongHF,ChenLT,ZhangQY,2010.TheinstabilityoftheinterannualrelationshipbetweenENSOandthesummerrainfallinChina[J].ChinJAtmosSci,34(1):184192.(inChinese).

    PredictionofsummerprecipitationinHunanbasedonmachinelearning

    HUANGChao1,2,LIQiaoping3,XIEYijun1,2,PENGJiadong1,2

    1HunanClimateCenter,Changsha410118,China;

    2HunanKeyLaboratoryofMeteorologicalDisasterPreventionandReduction,Changsha410118,China;

    3CMAEarthSystemModelingandPredictionCentre(CEMC),Beijing100081,China

    Againstthebackgroundofglobalwarming,summerextremeprecipitationinHunanhasincreasedsignificantly.Therefore,improvingthepredictionaccuracyofprecipitationisofgreatpracticalsignificancefordisasterpreventionandmitigationinHunanProvince.UsingthemonthlyprecipitationdatafrommeteorologicalstationsinHunan,theclimateindexsetsfromtheNationalClimateCenter(NCC)andtheprecipitationdatafromthehindcastexperimentsareperformedusingseasonalpredictionmodelsofNCCandNCEP(NationalCentersforEnvironmentalPrediction).Therecursivefeatureelimination(RFE)methodisusedtodeterminethekeyfactors,andtwostatisticalpredictionschemesofsummerprecipitationinHunanareestablishedbythreealgorithms:multilayerfeedforwardneuralnetwork(FNN),supportvectorregression(SVR)andnaturalgradientboosting(NGBoost).Theresultsshowthatthepredictionmodelbasedonmachinelearning(ML)hassuperiorabilitytopredictthedistributionpatternofsummerprecipitationinHunan.TherespectiveaverageACCskillsofthetwostatisticalschemeswithleadtimesof1to6monthsare0.15and0.19,whichisagreatimprovementcomparedwiththedynamicmodel.TherespectiveaveragePSscoresare69.3and69.2,whicharehigherthantheNCCmodel.ThefurtheranalysisindicatesthattheprecedingwinterpolarandmidandhighlatitudelatitudecirculationmaybethemainpredictabilitysourcesofMLmodelswithleadtimesof1to3months.Finally,thepredictionskillsofmodelswithleadtimesof4to6monthsarelikelyderivedfromtheprecursorysignalofseasurfacetemperature.

    machinelearning;summerprecipitation;forecast

    doi:10.13878/j.cnki.dqkxxb.20210903001

    (責(zé)任編輯:劉菲)

    20210903收稿,20211210接受

    湖南省氣象局研究型業(yè)務(wù)預(yù)報(bào)預(yù)測專項(xiàng)(XQKJ21C011);中國氣象局預(yù)報(bào)員專項(xiàng)(CMAYBY2020087);國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2018YFC1505806)

    猜你喜歡
    機(jī)器學(xué)習(xí)預(yù)測
    無可預(yù)測
    黃河之聲(2022年10期)2022-09-27 13:59:46
    選修2-2期中考試預(yù)測卷(A卷)
    選修2-2期中考試預(yù)測卷(B卷)
    選修2—2期中考試預(yù)測卷(A卷)
    不可預(yù)測
    不必預(yù)測未來,只需把握現(xiàn)在
    基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析
    基于機(jī)器學(xué)習(xí)的圖像特征提取技術(shù)在圖像版權(quán)保護(hù)中的應(yīng)用
    基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測分析
    前綴字母為特征在維吾爾語文本情感分類中的研究
    麻豆国产av国片精品| 国内精品久久久久久久电影| 国产精华一区二区三区| 亚洲国产高清在线一区二区三| 久久午夜亚洲精品久久| 欧美性猛交黑人性爽| 女人高潮潮喷娇喘18禁视频| 在线a可以看的网站| 免费在线观看日本一区| 亚洲av不卡在线观看| 日本撒尿小便嘘嘘汇集6| 最近最新免费中文字幕在线| 成人特级av手机在线观看| 国产伦精品一区二区三区视频9 | 黄片大片在线免费观看| 在线观看美女被高潮喷水网站 | 亚洲国产精品sss在线观看| 亚洲 国产 在线| 九九在线视频观看精品| 国产精品国产高清国产av| 中文字幕高清在线视频| 国产高清videossex| 国产亚洲欧美98| 亚洲人与动物交配视频| 1024手机看黄色片| 国产精品久久视频播放| 国产一级毛片七仙女欲春2| 怎么达到女性高潮| 欧美色欧美亚洲另类二区| 天天添夜夜摸| 日韩欧美精品v在线| 久久久久国产精品人妻aⅴ院| av黄色大香蕉| e午夜精品久久久久久久| 久久久久久久精品吃奶| 嫩草影视91久久| 欧美日韩福利视频一区二区| 国产精品香港三级国产av潘金莲| 99久久九九国产精品国产免费| bbb黄色大片| 少妇丰满av| 亚洲精品一卡2卡三卡4卡5卡| 国产成人a区在线观看| 狂野欧美白嫩少妇大欣赏| 色综合站精品国产| 国产午夜精品久久久久久一区二区三区 | 欧美高清成人免费视频www| 中文资源天堂在线| 成人国产综合亚洲| 亚洲电影在线观看av| 动漫黄色视频在线观看| 国产视频一区二区在线看| 国产亚洲精品一区二区www| 在线十欧美十亚洲十日本专区| 久久精品亚洲精品国产色婷小说| 两性午夜刺激爽爽歪歪视频在线观看| 国产激情欧美一区二区| 亚洲国产日韩欧美精品在线观看 | 国产午夜精品久久久久久一区二区三区 | 亚洲av免费高清在线观看| 午夜免费激情av| 国产真实乱freesex| 18禁黄网站禁片午夜丰满| 中文字幕精品亚洲无线码一区| aaaaa片日本免费| 成人鲁丝片一二三区免费| 一卡2卡三卡四卡精品乱码亚洲| 一卡2卡三卡四卡精品乱码亚洲| 99热这里只有精品一区| 午夜精品一区二区三区免费看| 成人亚洲精品av一区二区| 亚洲男人的天堂狠狠| 日本三级黄在线观看| 久久久久久久亚洲中文字幕 | 亚洲av成人不卡在线观看播放网| 一级毛片高清免费大全| 亚洲av电影不卡..在线观看| 亚洲欧美一区二区三区黑人| 国产一区在线观看成人免费| 欧美三级亚洲精品| 亚洲第一电影网av| 成人性生交大片免费视频hd| 欧美日韩乱码在线| 热99在线观看视频| 老司机深夜福利视频在线观看| 性欧美人与动物交配| 亚洲国产色片| 亚洲不卡免费看| 老司机深夜福利视频在线观看| 身体一侧抽搐| 99热只有精品国产| 中亚洲国语对白在线视频| bbb黄色大片| 男女那种视频在线观看| 国产乱人伦免费视频| 成人三级黄色视频| 亚洲性夜色夜夜综合| 亚洲成av人片免费观看| 高清在线国产一区| 欧美绝顶高潮抽搐喷水| 伊人久久大香线蕉亚洲五| 国产免费av片在线观看野外av| 少妇裸体淫交视频免费看高清| 1024手机看黄色片| 欧美一级a爱片免费观看看| 女人高潮潮喷娇喘18禁视频| 日韩 欧美 亚洲 中文字幕| 亚洲熟妇熟女久久| 给我免费播放毛片高清在线观看| 法律面前人人平等表现在哪些方面| 国产在线精品亚洲第一网站| 亚洲精品一卡2卡三卡4卡5卡| 亚洲成av人片免费观看| 精品久久久久久久久久久久久| 一区二区三区国产精品乱码| 日韩人妻高清精品专区| 国产一区二区在线av高清观看| 久久亚洲真实| 法律面前人人平等表现在哪些方面| 久久久久久久久中文| 亚洲成人久久性| 99热只有精品国产| 亚洲精品久久国产高清桃花| svipshipincom国产片| 国产精品亚洲美女久久久| 日本五十路高清| 免费高清视频大片| 一边摸一边抽搐一进一小说| 国产精品久久电影中文字幕| 国语自产精品视频在线第100页| 午夜福利在线在线| 丰满乱子伦码专区| av女优亚洲男人天堂| 丰满人妻熟妇乱又伦精品不卡| 特大巨黑吊av在线直播| 国产中年淑女户外野战色| 热99re8久久精品国产| 中文字幕精品亚洲无线码一区| 中出人妻视频一区二区| 国产精品 欧美亚洲| 欧美3d第一页| 欧美中文日本在线观看视频| 黄色片一级片一级黄色片| 99在线视频只有这里精品首页| 午夜精品久久久久久毛片777| 久久午夜亚洲精品久久| 99在线视频只有这里精品首页| 精品熟女少妇八av免费久了| 精品熟女少妇八av免费久了| 精品无人区乱码1区二区| 好男人在线观看高清免费视频| 一进一出抽搐动态| 精品日产1卡2卡| 无限看片的www在线观看| 久久欧美精品欧美久久欧美| a级毛片a级免费在线| 欧美日韩一级在线毛片| 天堂网av新在线| 成年女人看的毛片在线观看| 88av欧美| 国产淫片久久久久久久久 | 日本撒尿小便嘘嘘汇集6| 夜夜躁狠狠躁天天躁| 国产极品精品免费视频能看的| 欧美午夜高清在线| 十八禁人妻一区二区| 国产av一区在线观看免费| 一级黄色大片毛片| 久久久成人免费电影| 精品久久久久久久末码| 九色国产91popny在线| 亚洲中文字幕日韩| 国产精品久久久久久精品电影| 欧美zozozo另类| 少妇的丰满在线观看| av专区在线播放| 少妇人妻精品综合一区二区 | 99在线人妻在线中文字幕| 精品国产美女av久久久久小说| 午夜两性在线视频| 亚洲av五月六月丁香网| 国产单亲对白刺激| 非洲黑人性xxxx精品又粗又长| 国产成人aa在线观看| 在线观看免费午夜福利视频| 成人av在线播放网站| 俺也久久电影网| 欧美日韩福利视频一区二区| 可以在线观看的亚洲视频| 97超级碰碰碰精品色视频在线观看| 精品日产1卡2卡| 可以在线观看毛片的网站| 日韩欧美国产一区二区入口| 国内毛片毛片毛片毛片毛片| 狂野欧美激情性xxxx| 丁香六月欧美| 成人av一区二区三区在线看| 亚洲无线在线观看| 少妇人妻精品综合一区二区 | 久久草成人影院| 老熟妇乱子伦视频在线观看| 97超视频在线观看视频| 一本一本综合久久| 一级毛片高清免费大全| 91av网一区二区| 久久6这里有精品| 亚洲av电影不卡..在线观看| 在线a可以看的网站| 一二三四社区在线视频社区8| 久久九九热精品免费| 脱女人内裤的视频| 日韩人妻高清精品专区| 51午夜福利影视在线观看| 老司机午夜福利在线观看视频| 日本熟妇午夜| 免费av毛片视频| 国产亚洲精品久久久com| 欧美最黄视频在线播放免费| 男女午夜视频在线观看| 最近视频中文字幕2019在线8| 熟女人妻精品中文字幕| 内射极品少妇av片p| 久久亚洲精品不卡| 一区二区三区免费毛片| 国产综合懂色| 国产成人欧美在线观看| 狂野欧美白嫩少妇大欣赏| or卡值多少钱| 九色成人免费人妻av| 有码 亚洲区| 麻豆国产97在线/欧美| 精品久久久久久久毛片微露脸| 18禁黄网站禁片免费观看直播| 精品久久久久久久久久久久久| 国产单亲对白刺激| 国产精品 欧美亚洲| 国产精品一区二区免费欧美| 一级毛片女人18水好多| 午夜视频国产福利| 国产精品99久久久久久久久| 日韩人妻高清精品专区| 偷拍熟女少妇极品色| www国产在线视频色| 国产69精品久久久久777片| 久久久久免费精品人妻一区二区| 变态另类成人亚洲欧美熟女| 人人妻人人澡欧美一区二区| 91av网一区二区| 我的老师免费观看完整版| 麻豆久久精品国产亚洲av| 免费av不卡在线播放| 老汉色∧v一级毛片| 亚洲va日本ⅴa欧美va伊人久久| 久99久视频精品免费| 国产精品久久久久久亚洲av鲁大| 18禁黄网站禁片午夜丰满| 国模一区二区三区四区视频| 一边摸一边抽搐一进一小说| 欧美黑人巨大hd| 亚洲av第一区精品v没综合| 十八禁网站免费在线| eeuss影院久久| 又粗又爽又猛毛片免费看| 免费在线观看影片大全网站| 亚洲人成网站在线播放欧美日韩| 99久久九九国产精品国产免费| 夜夜看夜夜爽夜夜摸| 日韩精品青青久久久久久| 3wmmmm亚洲av在线观看| 亚洲熟妇熟女久久| 亚洲五月天丁香| 国产美女午夜福利| 男女那种视频在线观看| 免费av不卡在线播放| 精品人妻1区二区| 亚洲精品粉嫩美女一区| 可以在线观看的亚洲视频| 久久久久免费精品人妻一区二区| 久久婷婷人人爽人人干人人爱| 青草久久国产| 国产aⅴ精品一区二区三区波| 亚洲av五月六月丁香网| 狠狠狠狠99中文字幕| 亚洲av熟女| 黄色片一级片一级黄色片| 久久草成人影院| 免费人成在线观看视频色| 老司机在亚洲福利影院| 99久久久亚洲精品蜜臀av| 变态另类丝袜制服| 美女cb高潮喷水在线观看| 嫩草影视91久久| 动漫黄色视频在线观看| 日本免费一区二区三区高清不卡| 搡女人真爽免费视频火全软件 | 99久久精品一区二区三区| 久久久久久久亚洲中文字幕 | 一区二区三区国产精品乱码| 久久精品91蜜桃| 丰满人妻一区二区三区视频av | 亚洲第一欧美日韩一区二区三区| 国产激情欧美一区二区| 欧美三级亚洲精品| av国产免费在线观看| 国产黄a三级三级三级人| 黄片大片在线免费观看| 伊人久久精品亚洲午夜| 欧美区成人在线视频| 黄片小视频在线播放| 成年人黄色毛片网站| 亚洲在线自拍视频| 小说图片视频综合网站| 国产一区在线观看成人免费| 有码 亚洲区| 国产精华一区二区三区| 老司机午夜福利在线观看视频| 看片在线看免费视频| 精品人妻偷拍中文字幕| 天堂√8在线中文| 美女cb高潮喷水在线观看| 真实男女啪啪啪动态图| 不卡一级毛片| 久久这里只有精品中国| 性色av乱码一区二区三区2| 精品无人区乱码1区二区| 少妇的逼水好多| 亚洲自拍偷在线| 久久九九热精品免费| 一区福利在线观看| 国产精华一区二区三区| 国产探花极品一区二区| 九九热线精品视视频播放| 国产精品久久久久久久久免 | 欧美最新免费一区二区三区 | 亚洲av日韩精品久久久久久密| 欧美中文综合在线视频| 又粗又爽又猛毛片免费看| 十八禁人妻一区二区| 久久久久免费精品人妻一区二区| 亚洲精品色激情综合| 色综合欧美亚洲国产小说| 精品国产亚洲在线| 亚洲性夜色夜夜综合| 99久国产av精品| 老熟妇仑乱视频hdxx| or卡值多少钱| 日日夜夜操网爽| 国产三级中文精品| 一个人观看的视频www高清免费观看| 亚洲av成人精品一区久久| 亚洲精品成人久久久久久| 夜夜爽天天搞| 国产精品电影一区二区三区| 香蕉av资源在线| 欧美xxxx黑人xx丫x性爽| 亚洲人成网站高清观看| 少妇人妻一区二区三区视频| 黄色片一级片一级黄色片| 手机成人av网站| 五月玫瑰六月丁香| 国内久久婷婷六月综合欲色啪| 午夜免费成人在线视频| 真人一进一出gif抽搐免费| 亚洲av二区三区四区| 国产精品精品国产色婷婷| 久久久久精品国产欧美久久久| 国产亚洲精品一区二区www| ponron亚洲| 国产精品免费一区二区三区在线| 国内精品一区二区在线观看| 少妇人妻一区二区三区视频| a级毛片a级免费在线| 熟女人妻精品中文字幕| 久久久国产成人精品二区| 欧美一级a爱片免费观看看| 国产极品精品免费视频能看的| 亚洲电影在线观看av| 99久久精品热视频| 亚洲av免费高清在线观看| 成人国产综合亚洲| 免费大片18禁| 国产激情偷乱视频一区二区| 国产精品久久久久久亚洲av鲁大| 午夜福利免费观看在线| a在线观看视频网站| 成人亚洲精品av一区二区| 少妇高潮的动态图| 美女免费视频网站| 国模一区二区三区四区视频| 久久人妻av系列| 波野结衣二区三区在线 | 欧美zozozo另类| 看黄色毛片网站| 五月玫瑰六月丁香| 九色国产91popny在线| 欧美在线黄色| 免费在线观看成人毛片| 久久久久久九九精品二区国产| 国产精品,欧美在线| 母亲3免费完整高清在线观看| 日本黄色片子视频| 国产精品 欧美亚洲| 18禁美女被吸乳视频| 一级作爱视频免费观看| 天堂网av新在线| 又粗又爽又猛毛片免费看| 两个人视频免费观看高清| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产精品嫩草影院av在线观看 | e午夜精品久久久久久久| 91久久精品电影网| 真人一进一出gif抽搐免费| 中文亚洲av片在线观看爽| 国产精品久久视频播放| 欧美日韩精品网址| av视频在线观看入口| 国产探花极品一区二区| 国产精品女同一区二区软件 | 99热这里只有精品一区| 一a级毛片在线观看| 国产97色在线日韩免费| 午夜福利在线在线| aaaaa片日本免费| 日韩精品青青久久久久久| 操出白浆在线播放| 成人av一区二区三区在线看| 别揉我奶头~嗯~啊~动态视频| 99视频精品全部免费 在线| 最近最新免费中文字幕在线| 激情在线观看视频在线高清| 久久亚洲真实| 亚洲专区国产一区二区| 丝袜美腿在线中文| h日本视频在线播放| 日韩中文字幕欧美一区二区| 国产伦人伦偷精品视频| 欧美+日韩+精品| 最近视频中文字幕2019在线8| 脱女人内裤的视频| 十八禁网站免费在线| 制服人妻中文乱码| 日本精品一区二区三区蜜桃| 国产高清三级在线| 国产欧美日韩精品亚洲av| 国产高清videossex| 国产真实伦视频高清在线观看 | 欧美xxxx黑人xx丫x性爽| 婷婷精品国产亚洲av| 国产精品女同一区二区软件 | 亚洲第一电影网av| 国产真人三级小视频在线观看| 亚洲一区高清亚洲精品| 欧美+亚洲+日韩+国产| 男人和女人高潮做爰伦理| 国产一级毛片七仙女欲春2| 日韩精品青青久久久久久| 国产真实乱freesex| 精品一区二区三区视频在线观看免费| 日本一二三区视频观看| 精品国产超薄肉色丝袜足j| 99riav亚洲国产免费| 成人特级黄色片久久久久久久| 日本 欧美在线| 欧美日韩综合久久久久久 | 国产精品综合久久久久久久免费| av女优亚洲男人天堂| 国内少妇人妻偷人精品xxx网站| 99在线视频只有这里精品首页| 亚洲中文字幕一区二区三区有码在线看| 性色avwww在线观看| 国产视频一区二区在线看| 母亲3免费完整高清在线观看| 成人国产综合亚洲| 一区二区三区免费毛片| 欧美三级亚洲精品| 日韩有码中文字幕| ponron亚洲| 女警被强在线播放| 12—13女人毛片做爰片一| 好男人在线观看高清免费视频| 国产一级毛片七仙女欲春2| av女优亚洲男人天堂| 日本黄色视频三级网站网址| 好男人在线观看高清免费视频| 一级黄色大片毛片| 俺也久久电影网| 精品一区二区三区人妻视频| 国产成人av教育| ponron亚洲| 老司机午夜十八禁免费视频| 国产av在哪里看| 成年免费大片在线观看| 中文字幕人成人乱码亚洲影| 国产在视频线在精品| 在线免费观看的www视频| 一级毛片女人18水好多| 国产三级黄色录像| 欧美高清成人免费视频www| 亚洲av一区综合| 婷婷亚洲欧美| 嫁个100分男人电影在线观看| 一区二区三区激情视频| 亚洲欧美日韩高清专用| 亚洲av成人不卡在线观看播放网| 在线看三级毛片| 久久国产乱子伦精品免费另类| 三级毛片av免费| 国产乱人视频| 免费看日本二区| 啦啦啦免费观看视频1| 亚洲一区高清亚洲精品| 久久久久亚洲av毛片大全| 99久久精品国产亚洲精品| 色在线成人网| 亚洲国产精品久久男人天堂| 久久中文看片网| 99久久成人亚洲精品观看| 亚洲18禁久久av| 99精品在免费线老司机午夜| 极品教师在线免费播放| 99久久九九国产精品国产免费| 亚洲精华国产精华精| 九九在线视频观看精品| 美女cb高潮喷水在线观看| 精品不卡国产一区二区三区| 午夜精品久久久久久毛片777| 大型黄色视频在线免费观看| 女人被狂操c到高潮| 国产主播在线观看一区二区| 一本精品99久久精品77| www.色视频.com| 脱女人内裤的视频| 国产一区二区三区在线臀色熟女| 无限看片的www在线观看| 亚洲欧美日韩卡通动漫| 成人特级黄色片久久久久久久| 欧美色视频一区免费| 亚洲成人免费电影在线观看| 精品一区二区三区视频在线 | 久久精品国产99精品国产亚洲性色| 少妇人妻一区二区三区视频| 99久久成人亚洲精品观看| 亚洲熟妇熟女久久| 欧美+日韩+精品| 国产精品久久视频播放| 91久久精品电影网| 又爽又黄无遮挡网站| 日韩欧美一区二区三区在线观看| 精品久久久久久久久久久久久| 深夜精品福利| 免费av观看视频| 91久久精品国产一区二区成人 | 超碰av人人做人人爽久久 | 丰满乱子伦码专区| 久久久久国产精品人妻aⅴ院| 久久精品91无色码中文字幕| 91久久精品电影网| 亚洲精品456在线播放app | 国产乱人伦免费视频| 给我免费播放毛片高清在线观看| 亚洲va日本ⅴa欧美va伊人久久| 成年女人永久免费观看视频| 国产探花在线观看一区二区| 在线观看一区二区三区| 精品一区二区三区视频在线 | 国产成人福利小说| 熟女少妇亚洲综合色aaa.| 97碰自拍视频| 久久午夜亚洲精品久久| 白带黄色成豆腐渣| 俄罗斯特黄特色一大片| 国产伦精品一区二区三区四那| 色综合亚洲欧美另类图片| 欧美另类亚洲清纯唯美| 亚洲乱码一区二区免费版| aaaaa片日本免费| 国产精品影院久久| 精品欧美国产一区二区三| 欧美日韩黄片免| 日韩高清综合在线| 99视频精品全部免费 在线| 最后的刺客免费高清国语| 在线观看免费视频日本深夜| 老鸭窝网址在线观看| 成人高潮视频无遮挡免费网站| 国产精品自产拍在线观看55亚洲| 国产精品野战在线观看| 一二三四社区在线视频社区8| 精品人妻一区二区三区麻豆 | 热99re8久久精品国产| 亚洲成av人片在线播放无| 精品乱码久久久久久99久播| 精品99又大又爽又粗少妇毛片 | 午夜久久久久精精品| 91麻豆精品激情在线观看国产| 国产久久久一区二区三区| 亚洲激情在线av| 精品一区二区三区av网在线观看| 国产精品一区二区三区四区久久| 日本在线视频免费播放| 久久中文看片网| 精品一区二区三区av网在线观看| 亚洲,欧美精品.| 中文字幕人妻熟人妻熟丝袜美 | 免费看日本二区| av中文乱码字幕在线| 国产中年淑女户外野战色| 亚洲真实伦在线观看| 国产亚洲欧美98| 国产三级在线视频| 97超级碰碰碰精品色视频在线观看| 精品国产超薄肉色丝袜足j| 午夜免费激情av| 亚洲中文字幕一区二区三区有码在线看| 欧美zozozo另类|