• <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 ?

    BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型在水體富營養(yǎng)化預(yù)測的國內(nèi)進(jìn)展

    2013-01-15 09:00:38張育張祖群
    關(guān)鍵詞:人工神經(jīng)網(wǎng)絡(luò)富營養(yǎng)化權(quán)值

    張育,張祖群

    (1.內(nèi)蒙古師范大學(xué)化學(xué)與環(huán)境科學(xué)學(xué)院,呼和浩特,010020;2.首都經(jīng)濟(jì)貿(mào)易大學(xué)工商管理學(xué)院,北京100070)

    1 問題提出與應(yīng)用性

    水體富營養(yǎng)化問題自出現(xiàn)以來,即引起了學(xué)者們極大的關(guān)注,在短時間內(nèi)人類生產(chǎn)生活所使用的大量含氮、含磷等植物所需營養(yǎng)物質(zhì)進(jìn)入水體(湖泊、河口、海灣等緩流處更甚),從而引起藻類和浮游生物迅速繁殖,致使水中溶解氧(DO)下降、透明度(SD)下降、水質(zhì)惡化、魚貝及其他水生生物大量死亡,破壞了水體自然生態(tài)平衡,即為水體的富營養(yǎng)化。[1]水體富營養(yǎng)化已成為當(dāng)今世界性水污染治理的難題,學(xué)術(shù)界設(shè)法通過構(gòu)建模型來認(rèn)識和預(yù)測湖泊富營養(yǎng)化。通過幾十年的發(fā)展,從簡單的單一變量估算模型發(fā)展到復(fù)雜的湖泊生態(tài)系統(tǒng)動態(tài)模擬模型,富營養(yǎng)化模型無論在理論上還是實(shí)踐上都有了較大的發(fā)展。然而由于影響富營養(yǎng)化程度的因素很多,評價因素與富營養(yǎng)化等級之間的關(guān)系復(fù)雜,各等級之間的關(guān)系模糊,每種方法均有其適用條件和局限性,因此至今尚未形成一種統(tǒng)一的、確定的評價模型。[2]當(dāng)常規(guī)方法解決不了或效果不佳時,運(yùn)用BP人工神經(jīng)網(wǎng)絡(luò)一般可以取得滿意的、具有穩(wěn)定性和精確度的結(jié)果。國內(nèi)眾多學(xué)者也已將BP人工神經(jīng)網(wǎng)絡(luò)運(yùn)用于湖庫水質(zhì)富營養(yǎng)的評價,并展開了各項(xiàng)研究,[3-5]可見該網(wǎng)絡(luò)在解決復(fù)雜的非線性動力學(xué)問題上有諸多優(yōu)勢,在水體評估方面有著巨大的實(shí)用價值。近年來,BP人工神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于模式識別、優(yōu)化計(jì)算、信號處理、復(fù)雜控制等諸多方面,乃至銀行客戶分類的仿真實(shí)驗(yàn)證明[6]、混煤煤質(zhì)特性的預(yù)測[7]、轉(zhuǎn)爐煉鋼終點(diǎn)優(yōu)化控制[8]等國民經(jīng)濟(jì)各個方面。本文嘗試綜述至今在水體富營養(yǎng)化評價中對BP網(wǎng)絡(luò)模型聯(lián)合使用的進(jìn)展,為學(xué)者以后使用提供若干參考。

    2 BP人工神經(jīng)網(wǎng)絡(luò)的計(jì)算過程

    2.1 BP人工神經(jīng)網(wǎng)絡(luò)的發(fā)展脈絡(luò)

    BP人工神經(jīng)網(wǎng)絡(luò)(Back Propagation(BP)neural network)是1986年由以Rumelhart和Mc-Clelland為首的科學(xué)家小組提出的。Jackson[9](1989)論證了徑向基神經(jīng)網(wǎng)絡(luò)對非線性連續(xù)函數(shù)的一致逼近性能。Specht[10](1991)開發(fā)的GRNN模型執(zhí)行非線性回歸分析的前饋型神經(jīng)網(wǎng)絡(luò),具有強(qiáng)大的非線性映射特性,有效解決了輸入與輸出之間存在著非線性關(guān)系的各種問題。Zhao[11](2007)通過對顫藻生物量的預(yù)測值與實(shí)測值之間的均方誤差值(MSE)來確定最佳網(wǎng)絡(luò)模型。BP人工神經(jīng)網(wǎng)絡(luò)模型具有3層或3層以上的神經(jīng)元,通過鄰層神經(jīng)元之間的連接實(shí)現(xiàn)信息的傳遞。如果輸入節(jié)點(diǎn)數(shù)為i,輸出節(jié)點(diǎn)數(shù)為j,則神經(jīng)網(wǎng)絡(luò)是從i維歐氏空間到j(luò)維歐氏空間的映射,形成3層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)(如 圖1所示),這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度,通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系,從而達(dá)到處理信息的目的。這種人工神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的自主學(xué)習(xí)和自動適應(yīng)能力,可以通過預(yù)先提供的一批相互對應(yīng)的輸入輸出數(shù)據(jù),分析掌握兩者之間潛在的規(guī)律,而無需考慮其內(nèi)在函數(shù)關(guān)系,最終根據(jù)輸入輸出間非線性的規(guī)律,用新的輸入數(shù)據(jù)來推算輸出結(jié)果。

    圖1 BP人工神經(jīng)網(wǎng)絡(luò)模型圖

    2.2 BP人工神經(jīng)網(wǎng)絡(luò)計(jì)算過程

    圖2為BP人工神經(jīng)網(wǎng)絡(luò)計(jì)算流程圖。

    圖2 BP人工神經(jīng)網(wǎng)絡(luò)計(jì)算流程圖

    2.2.1 數(shù)據(jù)歸一化

    BP網(wǎng)絡(luò)自身要求每一輸入數(shù)值都在0~1之間,因此要對輸入樣本歸一化(標(biāo)準(zhǔn)化),一般歸一化公式為:

    2.2.2 正向傳遞

    網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練過程的第一步是輸入因子,從輸入層經(jīng)隱含層傳向輸出層,這個過程稱為“模式順傳播”也就是正向傳遞。傳播時,假定第i個神經(jīng)元和j個神經(jīng)元鏈接權(quán)值為wji,即第j個神經(jīng)元的總輸出量是前一層各個神經(jīng)元輸入向量xi與其連接權(quán)值wji的乘積總和和p層閾值的和,記為

    任意神經(jīng)元輸出值由前一層神經(jīng)元總輸入量uj和激活函數(shù)f(x)運(yùn)算確定,一般f(x)為Sigmoid函數(shù),其主要優(yōu)點(diǎn)在于輸出值介于[-1,1]之間,也有學(xué)者在隱含層到輸出層的傳遞函數(shù)使用purelin 函數(shù)[12]線性函數(shù):

    Sigmoid函數(shù):

    Purelin函數(shù):

    2.2.3 學(xué)習(xí)目標(biāo)和方向傳播

    網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)的結(jié)果目標(biāo)是使得網(wǎng)絡(luò)誤差函數(shù)E<R,并輸出此時的最佳權(quán)值和閾值,同時停止學(xué)習(xí)。R為自定義精度,E定義為:

    其中,tj為輸出期望值,uj為實(shí)際輸出值。

    若E>R,則返回uj到輸入層再次學(xué)習(xí),同時調(diào)整閾值,直至E<R,學(xué)習(xí)結(jié)束,并輸出此時的權(quán)值和閾值。調(diào)整閾值公式為:

    其中,y為學(xué)習(xí)次數(shù),α為學(xué)習(xí)率。

    2.2.4 評價網(wǎng)絡(luò)學(xué)習(xí)效果

    方根誤差RMSE(Root Mean Square Error)可用來評價BP人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)性能的效果:

    其中,N是確證集樣本對的數(shù)量;i是樣本對編碼;E是樣本的相對誤差;t是樣本對的目標(biāo)輸出值;u是樣本對的實(shí)測值。

    3 聯(lián)合模型的進(jìn)展

    3.1 混沌遺傳算法

    混沌遺傳算法改進(jìn)于遺傳算法[13](Genetic Algorithm)是一種借鑒生物界的進(jìn)化繁衍規(guī)律而發(fā)展出來的隨機(jī)化搜索方法,其特點(diǎn)是應(yīng)用混沌變異算子有效維持和控制群體的多樣性,使之跳出局部極值區(qū),快速找到全局最優(yōu)解。馬國建[14](2009)將混沌遺傳算法應(yīng)用于BP網(wǎng)絡(luò)建模中,利用混沌遺傳算法對種群的多樣性和遍歷性以及BP網(wǎng)絡(luò)的連接權(quán)值進(jìn)行優(yōu)化,通過混沌遺傳算法的強(qiáng)大搜尋能力,克服神經(jīng)網(wǎng)絡(luò)的初始權(quán)值人為設(shè)定的缺陷。其對萬寧水庫水體富營養(yǎng)化評價的結(jié)果表明,以BP神經(jīng)網(wǎng)絡(luò)的主要指標(biāo)的比較檢驗(yàn)結(jié)果來看,自適應(yīng)GABP神經(jīng)網(wǎng)絡(luò)在預(yù)測精度上優(yōu)于單純的BP神經(jīng)網(wǎng)絡(luò)。崔明等[15](2011)應(yīng)用與混沌遺傳算法的聯(lián)合研究了渤海灣水體富營養(yǎng)情況表明,該聯(lián)合模型能較為準(zhǔn)確地預(yù)測水體富營養(yǎng)化。

    3.2 小波分析方法

    小波分析(Wavelet-analysis)是在現(xiàn)代調(diào)和分析基礎(chǔ)上發(fā)展起來的信號處理方法,它具有伸縮、平移、放大信號的功能。小波分析在信號的分解重構(gòu)、信號和噪聲的分離、特征提取、數(shù)據(jù)壓縮等工程應(yīng)用中,顯示出極大的優(yōu)越性。朱玲[16](2007)將小波變換方法分別應(yīng)用于神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層上,從而有效地消除了天氣、雨水和實(shí)驗(yàn)人員等不可預(yù)見因素對神經(jīng)網(wǎng)絡(luò)的影響,保證了主要信息的完整,避免過擬合現(xiàn)象的發(fā)生,提高了網(wǎng)絡(luò)的穩(wěn)定性。曾光明等[17](2005)用小波神經(jīng)網(wǎng)絡(luò)時間序列預(yù)測模型對洞庭湖各區(qū)域的營養(yǎng)狀況進(jìn)行了評價。該研究結(jié)果表明,洞庭湖大部分區(qū)域的營養(yǎng)水平較高,應(yīng)注意對其內(nèi)的工業(yè)廢水、生活污水的合理排放。吳巧媚等[18](2010)在預(yù)測北京地區(qū)水華的研究中,用小波分析對神經(jīng)網(wǎng)絡(luò)輸出信號進(jìn)行處理之后,其擬合精度、預(yù)測精度都比BP模型高,獲得了理想的預(yù)測效果。盧志娟等[19](2008)在西湖葉綠素的預(yù)測中分別構(gòu)建了兩個模型,比較了小波分析應(yīng)用于輸出信號前后模型的學(xué)習(xí)性能和預(yù)測能力,表明基于小波分析方法構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,較好地回避了BP網(wǎng)絡(luò)的不穩(wěn)定,提高了網(wǎng)絡(luò)可靠性。

    3.3 RPROP算法

    彈性BP方法[20](RPROP算法)其本質(zhì)是通過引入Resilient,有彈性的概念,對權(quán)值和閾值直接進(jìn)行修改,從而避免收斂較慢的情況,可以有效地提高收斂時間。姜雅萍等[21](2008)以RPROP算法優(yōu)化神經(jīng)網(wǎng)絡(luò),直接以迭代次數(shù)調(diào)節(jié)了網(wǎng)絡(luò)權(quán)值。通過對西湖、東湖、青海湖、巢湖、滇池的富營養(yǎng)化評價,對比迭代次數(shù)、全局誤差、收斂次數(shù)、預(yù)測能力等發(fā)現(xiàn)其自適應(yīng)能力強(qiáng),局部極小點(diǎn)不易達(dá)到,收斂速度快。

    3.4 加入慣性沖量算法

    加入慣性沖量算法就是在每次權(quán)值修正時,加入一個慣性的沖量,此慣性沖量與前一次學(xué)習(xí)的校正量有關(guān),用以濾除在學(xué)習(xí)過程中的震蕩,加快學(xué)習(xí)速度。梅長青等[22](2008)在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對巢湖營養(yǎng)化水平的研究中運(yùn)用慣性沖量法。綜合評價了巢湖的富營養(yǎng)化狀況,證明用該方法評價是切實(shí)可行的,同時預(yù)測在2010年巢湖水質(zhì)接近中富營養(yǎng)狀態(tài)。姚云等[23](2008)在膠州灣的水體富營養(yǎng)化預(yù)測中用增加慣性沖量算法提高了網(wǎng)絡(luò)的穩(wěn)定性,避免了陷入局部極小點(diǎn)。

    3.5 L-M算法

    L-M(Levenberg-Marquardt)算法主要結(jié)合牛頓法和梯度下降法的優(yōu)勢,當(dāng)網(wǎng)絡(luò)權(quán)值數(shù)目較少時,收斂極其迅速,比傳統(tǒng)的BP及其他改進(jìn)算法(如共軛梯度法、附加動量法、自適應(yīng)調(diào)整法等)精度高、收斂快、學(xué)習(xí)時間更短,在實(shí)際應(yīng)用中效果更好。姚云等[23](2008)以L-M 算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的方法,通過對比增加慣量沖量算法,發(fā)現(xiàn)兩種神經(jīng)網(wǎng)絡(luò)評價結(jié)果幾乎一致,即對于同一時空體系下的同一目標(biāo),兩種神經(jīng)網(wǎng)絡(luò)算法得出的營養(yǎng)化水平一樣,同時較普通的BP算法有較大的提升,能更準(zhǔn)確地預(yù)測水域富營養(yǎng)化情況。

    4 BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用與比較

    4.1 BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    王建平等[24](2003)構(gòu)造了包含隱含層的BP神經(jīng)網(wǎng)絡(luò)模型,進(jìn)行湖泊水質(zhì)同步監(jiān)測、分析誤差和質(zhì)量評價。宋松柏等[25](2004)以評價指標(biāo)生成序列和所屬的評價等級值來建立BP網(wǎng)絡(luò)評價模型,評價區(qū)域水資源可持續(xù)利用。任黎等[26](2004)研制了包括5個評價指標(biāo)8種類型的評價標(biāo)準(zhǔn)在內(nèi)的BP人工神經(jīng)網(wǎng)絡(luò)模型,對湖泊富營養(yǎng)化程度自動做出正確評價。彭金濤等[27](2011)引入“水面視覺比例”的概念,建立可預(yù)測減水河段河流景觀質(zhì)量的人工神經(jīng)網(wǎng)絡(luò)模型,評價了河流景觀質(zhì)量,最后提出相應(yīng)的生態(tài)修復(fù)、植物措施及工程措施。楊紅等[28](2012)運(yùn)用 BP人工神經(jīng)網(wǎng)絡(luò)的方法結(jié)合地形及水動力情況,評價了長江口外海域生態(tài)環(huán)境質(zhì)量狀況,這種方法評價生態(tài)環(huán)境具有客觀性和通用性。鄒勁松等[29](2012)探討了人工神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測模型優(yōu)劣點(diǎn),便于更有效、更好地監(jiān)控水質(zhì)變化情況。張克鑫等[30](2012)運(yùn)用 BP人工神經(jīng)網(wǎng)絡(luò)方法測定了2009年渭河寶雞段6個過水?dāng)嗝嫠h(huán)境質(zhì)量,探求顫藻生物量與總氮、總磷、透明度等6項(xiàng)環(huán)境因子之間的關(guān)系,BP神經(jīng)網(wǎng)絡(luò)模型在水體中藻類水華的短期預(yù)測中擬合度很高,效果很好,該研究發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)方法可以構(gòu)建最佳預(yù)測模型。謝恒星[31](2013)利用BP人工神經(jīng)網(wǎng)絡(luò)模型綜合評價。

    通過BP神經(jīng)網(wǎng)絡(luò)與其他方法的比較(如表1所示),BP人工神經(jīng)網(wǎng)絡(luò)方法以其學(xué)習(xí)、聯(lián)想和容錯功能,處理矛盾樣本的能力高,[32]評價地表水環(huán)境質(zhì)量是可行的,評價簡便而實(shí)用,預(yù)測評價精度高。[33]

    表1 BP神經(jīng)網(wǎng)絡(luò)與其他方法的比較

    續(xù)表1

    4.2 人工神經(jīng)網(wǎng)絡(luò)模型在水體富營養(yǎng)化預(yù)測中的優(yōu)勢

    第一,水生生態(tài)系統(tǒng)是具有多要素的復(fù)雜系統(tǒng),要素間的關(guān)系錯綜復(fù)雜,表現(xiàn)出極大的隨機(jī)性和非線性,而神經(jīng)網(wǎng)絡(luò)作為高度非線性關(guān)系影射,可避免人為因素在模糊綜合評價和灰色聚類等方面的影響,減少主觀因素,使其具有更好的自學(xué)習(xí)、自適應(yīng)能力[34],可極其方便地為水體富營養(yǎng)化提供預(yù)測。第二,BP網(wǎng)絡(luò)用于水體富營養(yǎng)化評價只需向系統(tǒng)輸入已有樣本參數(shù)信息和目標(biāo)輸出期望,而無需人為干預(yù)網(wǎng)絡(luò)學(xué)習(xí)過程,計(jì)算簡便。第三,權(quán)值的獲得是網(wǎng)絡(luò)對水質(zhì)樣本學(xué)習(xí)的結(jié)果,擯棄了人為確定權(quán)值的主觀影響,使評價結(jié)果更具客觀性。第四,一旦對標(biāo)準(zhǔn)訓(xùn)練完畢,就可用訓(xùn)練好的網(wǎng)絡(luò)權(quán)值和閾值對不屬于訓(xùn)練集的樣本進(jìn)行評價。因此,該模型具有強(qiáng)大的泛化性。

    4.3 人工神經(jīng)網(wǎng)絡(luò)模型缺陷及其改進(jìn)

    第一,由于BP網(wǎng)絡(luò)的學(xué)習(xí)過程由正向計(jì)算和誤差反向傳遞修改兩個過程組成(圖2),在誤差曲面較平坦的區(qū)域,收斂速度較慢,耗時較長,而當(dāng)誤差曲面陡峭時,又會在峽谷區(qū)域引起振蕩,通常需要上千次或更多的學(xué)習(xí)才能達(dá)到擬合。收斂速度慢,為了克服此缺陷,學(xué)者們也進(jìn)行了很多改進(jìn)(如方法聯(lián)合使用),若干學(xué)者對于BP人工神經(jīng)網(wǎng)絡(luò)的改進(jìn)方法,其主要在于以動態(tài)閾值置換靜態(tài)閾值,從而有效地縮短了收斂時間(表2)。

    表2 若干學(xué)者在運(yùn)用BP人工網(wǎng)絡(luò)法時的改進(jìn)

    續(xù)表2

    第二,基于數(shù)據(jù)驅(qū)動型方法的BP人工神經(jīng)網(wǎng)絡(luò)若訓(xùn)練樣本過少,則不能提取到足夠多的數(shù)據(jù)信息,反而可能得到錯誤的信息[35],且網(wǎng)絡(luò)波動較大。然而在實(shí)際建模過程中,往往無法采集足夠多的實(shí)驗(yàn)數(shù)據(jù),這給學(xué)者們造成了一些困擾。實(shí)際應(yīng)用中通常采用插值法進(jìn)行樣本數(shù)量增值是一種不錯的方法,并獲得了較好的應(yīng)用前景(如表3所示)。

    表3 使用插值法進(jìn)行樣本增值統(tǒng)計(jì)列表

    第三,隱層及節(jié)點(diǎn)數(shù)越多,BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練能力越強(qiáng),而其泛化能力越差。因此,在選取隱層及節(jié)點(diǎn)數(shù)時,必須綜合考慮訓(xùn)練能力和泛化能力。實(shí)際應(yīng)用過程中一般使用實(shí)驗(yàn)法進(jìn)行檢驗(yàn),也有學(xué)者在隱含層因子數(shù)目方面使用了經(jīng)驗(yàn)公式,或改進(jìn)實(shí)驗(yàn)步驟以求自動調(diào)節(jié)隱含層因子數(shù),以使其取得較好的校正效果(表2)。

    第四,水生生態(tài)系統(tǒng)是具有多要素的復(fù)雜系統(tǒng),要素間的關(guān)系錯綜復(fù)雜,表現(xiàn)出極大的隨機(jī)性和非線性,預(yù)測評價水體營養(yǎng)化程度屬于一個典型的黑箱問題,輸入?yún)?shù)會因地域的不同、視角的不同而改變(表4)。

    表4 若干學(xué)者輸入層指標(biāo)和隱含層因子數(shù)確定方法

    續(xù)表4

    5 結(jié)論

    第一,針對BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)過程中收斂慢,且易陷入,學(xué)者可適當(dāng)改進(jìn)閾值的更新過程,以動態(tài)慣量的方式進(jìn)行。隱函數(shù)因子數(shù)因BP網(wǎng)絡(luò)本身的局限性,不易給出統(tǒng)一的計(jì)量公式,學(xué)者可在實(shí)驗(yàn)工作中應(yīng)用實(shí)驗(yàn)法得出,亦可根據(jù)若干參考公式進(jìn)行檢驗(yàn)。實(shí)際運(yùn)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練時,若實(shí)驗(yàn)樣本并不足以得到滿意的網(wǎng)絡(luò),可使用插值法進(jìn)行學(xué)習(xí)樣本增值,從而達(dá)到學(xué)習(xí)要求。

    第二,國內(nèi)學(xué)術(shù)界在BP神經(jīng)網(wǎng)絡(luò)上的聯(lián)合模型已做出了許多有效的成果,聯(lián)合各種優(yōu)化算法的BP人工神經(jīng)網(wǎng)絡(luò)模型可更為準(zhǔn)確地模擬水體富營養(yǎng)化的程度,反映一個更加準(zhǔn)確、全面的水體富營養(yǎng)化發(fā)展動態(tài)過程。同時我國正處于工業(yè)化的飛速發(fā)展時期,各地湖泊江河水體富營養(yǎng)化案例層出不窮,極需要更多的高精度模擬與預(yù)測,以促進(jìn)環(huán)境保護(hù)與經(jīng)濟(jì)發(fā)展。無論是在擬合度、準(zhǔn)確度、收斂時間、網(wǎng)絡(luò)學(xué)習(xí)效率,還是實(shí)際運(yùn)用中,聯(lián)合模型的效果都較普通的BP網(wǎng)絡(luò)有較大的提升。

    第三,在水體富營養(yǎng)化評價方面,BP人工神經(jīng)網(wǎng)絡(luò)模型的聯(lián)合模型還處于起步階段,更多的如共軛梯度算法[36]、模擬退火算法、VLBP 算法[37]等聯(lián)合BP網(wǎng)絡(luò)模型在多個領(lǐng)域已有應(yīng)用,可從算法和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)方面進(jìn)行綜合改進(jìn)[38]??梢夿P人工神經(jīng)網(wǎng)絡(luò)模型中多種算法的聯(lián)合使用,互相矯正,彌補(bǔ)單一算法的缺憾,使得水體富營養(yǎng)化預(yù)測與環(huán)境評價具有更加實(shí)用的學(xué)術(shù)前景。富營養(yǎng)化評價過程中評價參數(shù)并不唯一,根據(jù)不同地域,不同視角,參數(shù)的選取具有很大的自主性。

    第四,值得指出的是,神經(jīng)網(wǎng)絡(luò)技術(shù)具有大規(guī)模并行處理、分布式存儲、自適應(yīng)性、容錯性等顯著優(yōu)點(diǎn),雖然BP網(wǎng)絡(luò)構(gòu)建過程中聯(lián)合模型的應(yīng)用已較好地回避了網(wǎng)絡(luò)在學(xué)習(xí)過程中陷入極小點(diǎn),收斂較慢,局部震蕩等缺憾,如,呂瓊帥[39](2011)應(yīng)用混合BP神經(jīng)網(wǎng)絡(luò)的分類模型于復(fù)雜樣本的分類問題中,通過分析樣本中屬性的相關(guān)性進(jìn)行網(wǎng)絡(luò)構(gòu)建,使用主成分分析法(PCA)對樣本進(jìn)行降維,用蜂群算法(ABC)對網(wǎng)絡(luò)的權(quán)值進(jìn)行優(yōu)化,已經(jīng)較好地克服了這些難題。但是BP網(wǎng)絡(luò)學(xué)習(xí)過程中隱性節(jié)點(diǎn)的不確定性,網(wǎng)絡(luò)輸入信號差異等缺憾是后期需要重點(diǎn)克服的學(xué)術(shù)難題,在一定程度上這些缺憾限制了BP人工神經(jīng)網(wǎng)絡(luò)在水體富營養(yǎng)化預(yù)測與評價中的應(yīng)用。

    [1]戴桂樹.環(huán)境化學(xué)[M].北京:高等教育出版社,1997.

    [2]金相燦.中國湖泊富營養(yǎng)化[M].北京:中國環(huán)境科學(xué)出版社,1990:20-24.

    [3]樓文高.湖庫富營養(yǎng)化人工神經(jīng)網(wǎng)絡(luò)評價模型[J].水產(chǎn)學(xué)報(bào),2001,25(5):474-477.

    [4]劉恒.BP神經(jīng)網(wǎng)絡(luò)在千島湖水體富營養(yǎng)化變化預(yù)測中的應(yīng)用[D].杭州:浙江大學(xué),2007.

    [5]鄧大鵬,劉剛,李學(xué)德,等.基于神經(jīng)網(wǎng)絡(luò)簡單集成的湖庫富營養(yǎng)化綜合評價模型[J].生態(tài)學(xué)報(bào),2007,27(2):725-731.

    [6]黃光明.BP神經(jīng)網(wǎng)絡(luò)的模型優(yōu)化研究及應(yīng)用[J].河池學(xué)院學(xué)報(bào),2008(5):66-70.

    [7]李穎,周俊虎.BP神經(jīng)網(wǎng)絡(luò)在優(yōu)化配煤預(yù)測模型中的研究[J].煤炭轉(zhuǎn)化,2002(2):79-85.

    [8]孔祥瑞.轉(zhuǎn)爐煉鋼終點(diǎn)優(yōu)化控制模型的研究[D].杭州:杭州電子科技大學(xué),2010.

    [9](轉(zhuǎn)引自)張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M].北京:機(jī)械工業(yè)出版社,2008.

    [10]Specht D F.A General Regression Neural Network[J].IEEE Transactions on Neural Networks,1991,2(6):568-576.

    [11]Zhao.Water Quality Forecast Through Application of BP Neural Network at Yuqiao Reservoir[J].Zhejiang Univ Sci A,2007,8(9):1482-1487.

    [12]楊松芹,張慧珍,巴月,等.水體富營養(yǎng)化狀況的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型的建立[J].衛(wèi)生研究,2008(5):543-545.

    [13]袁曉輝,袁艷斌,王乘,等.一種新型的自適應(yīng)混沌遺傳算法[J].電子學(xué)報(bào),2006(4):708-712.

    [14]馬國建.混沌優(yōu)化神經(jīng)網(wǎng)絡(luò)在渤海灣富營養(yǎng)化模型中的應(yīng)用研究[D].天津:天津大學(xué),2009.

    [15]崔明,馬國建.神經(jīng)網(wǎng)絡(luò)在渤海灣富營養(yǎng)化模型中的研究[J].山西建筑,2011(15):191-192.

    [16]朱玲.基于小波分析的BP神經(jīng)網(wǎng)絡(luò)在西湖富營養(yǎng)化趨勢預(yù)測中的應(yīng)用[D].杭州:浙江大學(xué),2007.

    [17]曾光明,盧宏瑋,金相燦,等.洞庭湖水體水質(zhì)狀況及運(yùn)用小波神經(jīng)網(wǎng)絡(luò)對營養(yǎng)狀態(tài)的評價[J].湖南大學(xué)學(xué)報(bào):自然科學(xué)版,2005(1):91-94.

    [18]吳巧媚,劉載文,王小藝,等.小波神經(jīng)網(wǎng)絡(luò)在北京河湖水華預(yù)測中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2010(12):233-235.

    [19]盧志娟,朱玲,裴洪平,等.基于小波分析與BP神經(jīng)網(wǎng)絡(luò)的西湖葉綠素a濃度預(yù)測模型[J].生態(tài)學(xué)報(bào),2008(10):4965-4973.

    [20]余妹蘭,匡芳君.BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的改進(jìn)及應(yīng)用[J].沈陽農(nóng)業(yè)大學(xué)學(xué)報(bào),2011(3):382-384.

    [21]姜雅萍,馬宗仁.基于 RPROP算法的湖泊富營養(yǎng)化評價[J].中國資源綜合利用,2008(11):17-19.

    [22]梅長青,王心源,李文達(dá).BP網(wǎng)絡(luò)模型在巢湖富營養(yǎng)化評價中的應(yīng)用[J].能源與環(huán)境,2008(1):9-11.

    [23]姚云,鄭世清,沈志良.利用人工神經(jīng)網(wǎng)絡(luò)模型評價膠州灣水域富營養(yǎng)化水平[J].海洋環(huán)境科學(xué),2008(1):10-12.

    [24]王建平,程聲通,賈海峰,等.用TM 影像進(jìn)行湖泊水色反演研究的人工神經(jīng)網(wǎng)絡(luò)模型[J].環(huán)境科學(xué),2003,24(2):73-76.

    [25]宋松柏,蔡煥杰.區(qū)域水資源可持續(xù)利用評價的人工神經(jīng)網(wǎng)絡(luò)模型[J].農(nóng)業(yè)工程學(xué)報(bào),2004,20(6):89-92.

    [26]任黎,董增川,李少華.人工神經(jīng)網(wǎng)絡(luò)模型在太湖富營養(yǎng)化評價中的應(yīng)用[J].河海大學(xué)學(xué)報(bào):自然科學(xué)版,2004,32(2):147-150.

    [27]彭金濤,王莉,楊玖賢,等.人工神經(jīng)網(wǎng)絡(luò)模型在河流減水河段景觀質(zhì)量評價中的應(yīng)用[J].水電站設(shè)計(jì),2011(4):77-82.

    [28]楊紅,戴桂香,趙瀛,等.基于BP人工神經(jīng)網(wǎng)絡(luò)的長江口外海生態(tài)綜合評價及其成因分析[J].海洋環(huán)境科學(xué),2012(6):893-896.

    [29]鄒勁松,徐偉剛.基于MATLAB的人工神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測模型探析[J].網(wǎng)友世界,2012(10):40-41.

    [30]張克鑫,陸開宏,朱津永,等.基于BP神經(jīng)網(wǎng)絡(luò)的藻類水華預(yù)測模型研究[J].中國環(huán)境監(jiān)測,2012,28(3):53-57.

    [31]謝恒星.渭河寶雞段水環(huán)境質(zhì)量的BP人工神經(jīng)網(wǎng)絡(luò)分析[J].河南科學(xué),2013,31(4):509-512.

    [32]紀(jì)桂霞,李培紅.水環(huán)境質(zhì)量評價的人工神經(jīng)網(wǎng)絡(luò)模型及應(yīng)用[J].華北水利水電學(xué)院學(xué)報(bào),1999,20(1):60-62.

    [33]郭慶春,趙雪茹.基于人工神經(jīng)網(wǎng)絡(luò)的黃河水質(zhì)評價[J].計(jì)算機(jī)與數(shù)字工程,2013(5):683-685.

    [34]王冬云,黃焱歆.海水富營養(yǎng)化評價的人工神經(jīng)網(wǎng)絡(luò)方法[J].河北建筑科技學(xué)院學(xué)報(bào):自然科學(xué)版,2001(4):27-29.

    [35]張福勇.汽車駕駛室顯控系統(tǒng)的人機(jī)界面評價研究[D].哈爾濱:哈爾濱工程大學(xué),2007.

    [36]史春朝,葉建美.共軛梯度法在BP算法中的應(yīng)用及其MATLAB 仿真[J].科技信息:科學(xué)教研,2008(23):563,578.

    [37]侯彥東,方惠敏,楊國勝,等.一種改進(jìn)的可變學(xué)習(xí)速率的BP神經(jīng)網(wǎng)絡(luò)算法[J].河南大學(xué)學(xué)報(bào):自然科學(xué)版,2008(3):309-312.

    [38]賀昌政,李曉峰,俞海.BP人工神經(jīng)網(wǎng)絡(luò)模型的新改進(jìn)及其應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識,2002,32(4):554-561.

    [39]呂瓊帥.BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化與研究[D].鄭州:鄭州大學(xué),2011.

    猜你喜歡
    人工神經(jīng)網(wǎng)絡(luò)富營養(yǎng)化權(quán)值
    基于臨界點(diǎn)的杭州灣水體富營養(yǎng)化多年變化研究
    一種融合時間權(quán)值和用戶行為序列的電影推薦模型
    CONTENTS
    CONTENTS
    利用人工神經(jīng)網(wǎng)絡(luò)快速計(jì)算木星系磁坐標(biāo)
    洪口水庫近年富營養(yǎng)化程度時間分布的研究
    人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)簡單字母的識別
    電子制作(2019年10期)2019-06-17 11:45:10
    基于權(quán)值動量的RBM加速學(xué)習(xí)算法研究
    洞庭湖典型垸內(nèi)溝渠水體富營養(yǎng)化評價
    富營養(yǎng)化藻的特性與水熱液化成油的研究
    久久久久久久国产电影| 日本猛色少妇xxxxx猛交久久| 大香蕉久久网| 看免费成人av毛片| .国产精品久久| 欧美成人午夜免费资源| 欧美zozozo另类| 九色成人免费人妻av| 亚洲av.av天堂| 日本色播在线视频| 两个人的视频大全免费| 夫妻性生交免费视频一级片| 一个人看视频在线观看www免费| 观看免费一级毛片| 如何舔出高潮| 成年免费大片在线观看| 亚洲国产色片| av国产久精品久网站免费入址| 午夜福利在线观看吧| 一区二区三区四区激情视频| 亚洲欧洲日产国产| 欧美zozozo另类| 乱人视频在线观看| 久久婷婷人人爽人人干人人爱| 亚洲av成人精品一二三区| 人妻夜夜爽99麻豆av| 伊人久久精品亚洲午夜| 亚洲成av人片在线播放无| 欧美人与善性xxx| 看黄色毛片网站| 亚洲成av人片在线播放无| 不卡视频在线观看欧美| 国内精品一区二区在线观看| 99久久九九国产精品国产免费| 精品国产一区二区三区久久久樱花 | 成人漫画全彩无遮挡| 天天躁日日操中文字幕| 精品欧美国产一区二区三| 久久久久九九精品影院| 欧美一区二区亚洲| АⅤ资源中文在线天堂| 91av网一区二区| av免费观看日本| 亚洲第一区二区三区不卡| 色综合色国产| 亚洲在线自拍视频| 亚洲av熟女| 国产成人免费观看mmmm| 成人三级黄色视频| 五月伊人婷婷丁香| 免费看a级黄色片| 国产免费福利视频在线观看| 亚洲av中文字字幕乱码综合| 秋霞在线观看毛片| 99久久精品国产国产毛片| 国产在视频线精品| 亚洲一区高清亚洲精品| 亚洲国产精品国产精品| 乱码一卡2卡4卡精品| 乱码一卡2卡4卡精品| 欧美97在线视频| 日韩欧美国产在线观看| 欧美一级a爱片免费观看看| av在线老鸭窝| 直男gayav资源| 美女高潮的动态| 大香蕉97超碰在线| 国产精品一区www在线观看| 99久久人妻综合| 精品久久久久久久久久久久久| 欧美高清性xxxxhd video| 欧美丝袜亚洲另类| 精品欧美国产一区二区三| 久久精品久久精品一区二区三区| 亚洲最大成人av| 日本猛色少妇xxxxx猛交久久| 丰满人妻一区二区三区视频av| 天堂中文最新版在线下载 | 日本一本二区三区精品| 成人一区二区视频在线观看| 中文字幕人妻熟人妻熟丝袜美| 蜜桃久久精品国产亚洲av| 日本黄色片子视频| 欧美3d第一页| 成年免费大片在线观看| 亚洲国产成人一精品久久久| 国产久久久一区二区三区| 蜜桃亚洲精品一区二区三区| 国产精品伦人一区二区| 亚洲在线自拍视频| 久久鲁丝午夜福利片| 欧美日韩一区二区视频在线观看视频在线 | 欧美97在线视频| 精品久久久噜噜| 国产午夜精品一二区理论片| 99久久成人亚洲精品观看| 免费在线观看成人毛片| 免费看av在线观看网站| 99热这里只有是精品50| 久久久欧美国产精品| 一级毛片aaaaaa免费看小| 国产在线男女| www日本黄色视频网| 日韩一本色道免费dvd| 国内精品美女久久久久久| 国产三级中文精品| 蜜臀久久99精品久久宅男| 91久久精品电影网| 午夜福利高清视频| 国产av在哪里看| 五月伊人婷婷丁香| 久久99精品国语久久久| 日韩精品青青久久久久久| 男的添女的下面高潮视频| 人妻夜夜爽99麻豆av| 两个人的视频大全免费| 大话2 男鬼变身卡| 亚洲欧美精品专区久久| 日韩一本色道免费dvd| 欧美日韩国产亚洲二区| 波多野结衣巨乳人妻| 久久这里有精品视频免费| 欧美97在线视频| 久久久久久久久中文| 伦精品一区二区三区| 国产精品人妻久久久久久| 免费一级毛片在线播放高清视频| 亚洲无线观看免费| 岛国毛片在线播放| 天堂中文最新版在线下载 | 国产精品久久久久久精品电影| 91久久精品国产一区二区三区| 国语对白做爰xxxⅹ性视频网站| 久久人人爽人人片av| 女人被狂操c到高潮| 干丝袜人妻中文字幕| 午夜精品国产一区二区电影 | 综合色av麻豆| 国产亚洲91精品色在线| 色哟哟·www| 国产精品三级大全| 91精品伊人久久大香线蕉| 日韩亚洲欧美综合| 中文乱码字字幕精品一区二区三区 | 国产极品精品免费视频能看的| 永久免费av网站大全| 国产爱豆传媒在线观看| 欧美bdsm另类| 黄片无遮挡物在线观看| 91av网一区二区| 国产精品国产三级国产av玫瑰| 91精品伊人久久大香线蕉| 少妇人妻精品综合一区二区| 国产精品永久免费网站| 国产在线男女| kizo精华| 久久久久国产网址| 伦精品一区二区三区| 国产精品乱码一区二三区的特点| 一个人看的www免费观看视频| 亚洲精品自拍成人| 久久精品久久久久久噜噜老黄 | 中文字幕精品亚洲无线码一区| 超碰97精品在线观看| 亚洲国产精品国产精品| 少妇高潮的动态图| 欧美精品一区二区大全| www.色视频.com| 国产视频首页在线观看| 一夜夜www| 男插女下体视频免费在线播放| 成人av在线播放网站| 高清在线视频一区二区三区 | 夫妻性生交免费视频一级片| 国产免费一级a男人的天堂| 国产亚洲5aaaaa淫片| 97超视频在线观看视频| 日本免费a在线| 亚洲av熟女| 91精品伊人久久大香线蕉| 久久久国产成人免费| 成年免费大片在线观看| 中文在线观看免费www的网站| 中文字幕人妻熟人妻熟丝袜美| 欧美潮喷喷水| 亚洲,欧美,日韩| 黄色日韩在线| 亚洲成人av在线免费| 久久久久久九九精品二区国产| 黑人高潮一二区| 午夜福利在线观看吧| 精品久久久久久久久久久久久| 亚洲国产精品合色在线| 又粗又爽又猛毛片免费看| 26uuu在线亚洲综合色| 中文精品一卡2卡3卡4更新| 亚洲精品影视一区二区三区av| 麻豆成人午夜福利视频| 成人二区视频| 午夜精品国产一区二区电影 | 伊人久久精品亚洲午夜| 人人妻人人澡人人爽人人夜夜 | 在线天堂最新版资源| 亚洲国产欧美在线一区| 欧美xxxx性猛交bbbb| 大又大粗又爽又黄少妇毛片口| 三级男女做爰猛烈吃奶摸视频| 国产 一区精品| 嫩草影院精品99| 嫩草影院精品99| 在线免费十八禁| 大香蕉97超碰在线| 午夜福利成人在线免费观看| 91精品一卡2卡3卡4卡| 午夜日本视频在线| 欧美一区二区国产精品久久精品| 午夜精品在线福利| 午夜久久久久精精品| 国产精品一区二区在线观看99 | 国产午夜精品一二区理论片| 午夜福利网站1000一区二区三区| 精品一区二区免费观看| 舔av片在线| 国产成人aa在线观看| 精品国内亚洲2022精品成人| 国产av码专区亚洲av| 草草在线视频免费看| 色哟哟·www| 大香蕉97超碰在线| 成年免费大片在线观看| 久久久久久久久中文| 成人毛片60女人毛片免费| 国产一区二区在线观看日韩| 久久精品综合一区二区三区| 精品欧美国产一区二区三| 高清在线视频一区二区三区 | 国语自产精品视频在线第100页| 一区二区三区高清视频在线| 99热网站在线观看| 一二三四中文在线观看免费高清| 免费在线观看成人毛片| 国产一区二区亚洲精品在线观看| 国产私拍福利视频在线观看| 国产成人91sexporn| 免费搜索国产男女视频| 精品无人区乱码1区二区| 欧美潮喷喷水| 91久久精品电影网| 日韩大片免费观看网站 | 男女视频在线观看网站免费| 99热全是精品| 精品久久久噜噜| 日本免费在线观看一区| 中文欧美无线码| 国产一区二区亚洲精品在线观看| 性插视频无遮挡在线免费观看| 亚洲一区高清亚洲精品| 国产精品不卡视频一区二区| 男的添女的下面高潮视频| 久久久久久久久久黄片| 国产免费视频播放在线视频 | 日本av手机在线免费观看| 18禁在线无遮挡免费观看视频| 三级毛片av免费| 联通29元200g的流量卡| 赤兔流量卡办理| 只有这里有精品99| 亚洲精品色激情综合| 校园人妻丝袜中文字幕| 超碰97精品在线观看| 中文字幕av在线有码专区| 寂寞人妻少妇视频99o| 亚洲熟妇中文字幕五十中出| 精品欧美国产一区二区三| 联通29元200g的流量卡| 91久久精品电影网| 有码 亚洲区| av国产久精品久网站免费入址| 成人亚洲精品av一区二区| 麻豆成人av视频| 亚洲精品久久久久久婷婷小说 | videossex国产| 九九爱精品视频在线观看| 黄色一级大片看看| 男女下面进入的视频免费午夜| 亚洲高清免费不卡视频| 桃色一区二区三区在线观看| 中文字幕av在线有码专区| 高清午夜精品一区二区三区| www日本黄色视频网| 亚洲最大成人av| 一级黄片播放器| 亚洲在久久综合| 国产精品无大码| 嫩草影院新地址| 国产av一区在线观看免费| 欧美三级亚洲精品| 97在线视频观看| 亚洲最大成人手机在线| 舔av片在线| 亚洲国产成人一精品久久久| 欧美日韩一区二区视频在线观看视频在线 | www.色视频.com| 久久人人爽人人片av| 黄色配什么色好看| 七月丁香在线播放| 在线免费十八禁| 在线播放无遮挡| 最新中文字幕久久久久| 午夜精品在线福利| 亚洲欧美日韩东京热| 亚洲av成人av| 嘟嘟电影网在线观看| 中文字幕av成人在线电影| 亚洲高清免费不卡视频| 欧美97在线视频| 欧美bdsm另类| 男人和女人高潮做爰伦理| 亚洲欧美成人精品一区二区| 97人妻精品一区二区三区麻豆| 欧美zozozo另类| 又黄又爽又刺激的免费视频.| 国产乱人视频| 精品免费久久久久久久清纯| 精品久久久久久久久久久久久| 午夜福利高清视频| 日本爱情动作片www.在线观看| av黄色大香蕉| 中文天堂在线官网| 成人午夜高清在线视频| 老师上课跳d突然被开到最大视频| 精品人妻偷拍中文字幕| 国产黄片视频在线免费观看| 中文在线观看免费www的网站| 人妻夜夜爽99麻豆av| or卡值多少钱| 午夜视频国产福利| 一级毛片电影观看 | av国产免费在线观看| 久久精品国产亚洲网站| 汤姆久久久久久久影院中文字幕 | 亚洲国产成人一精品久久久| 日韩中字成人| 久久久久久久国产电影| 久久久久精品久久久久真实原创| 中文字幕亚洲精品专区| 国产不卡一卡二| 女人被狂操c到高潮| 日韩av在线免费看完整版不卡| 国产精品熟女久久久久浪| 亚洲成人av在线免费| 成人午夜高清在线视频| 人妻制服诱惑在线中文字幕| 免费观看性生交大片5| 亚洲国产日韩欧美精品在线观看| 国产高清国产精品国产三级 | 欧美成人a在线观看| 日韩国内少妇激情av| 一级毛片久久久久久久久女| 国产伦一二天堂av在线观看| 欧美一区二区亚洲| 国产成人一区二区在线| 舔av片在线| 免费一级毛片在线播放高清视频| 色哟哟·www| 成人欧美大片| 男女边吃奶边做爰视频| 赤兔流量卡办理| 男女国产视频网站| 中文字幕av在线有码专区| 亚洲国产欧美人成| 国产在线男女| 国产亚洲最大av| a级一级毛片免费在线观看| 精品人妻熟女av久视频| 一级黄色大片毛片| 美女内射精品一级片tv| 欧美最新免费一区二区三区| 97热精品久久久久久| 黄色配什么色好看| 卡戴珊不雅视频在线播放| 国产精品乱码一区二三区的特点| 两个人视频免费观看高清| 国产精品99久久久久久久久| 观看美女的网站| 熟妇人妻久久中文字幕3abv| 欧美激情在线99| 岛国毛片在线播放| 99久久无色码亚洲精品果冻| 国产精品一区二区在线观看99 | 精品一区二区三区视频在线| 国产女主播在线喷水免费视频网站 | 一级毛片我不卡| 老司机影院毛片| 嫩草影院入口| 日本免费在线观看一区| 国产淫片久久久久久久久| 国产精品一区二区性色av| 99久国产av精品国产电影| 日本黄色视频三级网站网址| 亚洲国产最新在线播放| 麻豆久久精品国产亚洲av| 成人性生交大片免费视频hd| 国语自产精品视频在线第100页| 久久人人爽人人爽人人片va| 亚洲人成网站高清观看| 国产亚洲91精品色在线| 国产伦精品一区二区三区四那| 亚洲熟妇中文字幕五十中出| 精品久久久久久久人妻蜜臀av| 男女国产视频网站| 特级一级黄色大片| 国产高清有码在线观看视频| 国产精品一区二区在线观看99 | 乱系列少妇在线播放| 欧美精品一区二区大全| 国产精品国产三级国产专区5o | 最近最新中文字幕大全电影3| 亚州av有码| 国产欧美日韩精品一区二区| 青春草亚洲视频在线观看| 一个人看视频在线观看www免费| av视频在线观看入口| 免费av不卡在线播放| videossex国产| 全区人妻精品视频| 亚洲欧美一区二区三区国产| 亚洲自拍偷在线| 亚洲国产成人一精品久久久| 美女黄网站色视频| 日韩一区二区视频免费看| 丰满乱子伦码专区| 尾随美女入室| 91久久精品国产一区二区成人| 人人妻人人澡人人爽人人夜夜 | 久久99热6这里只有精品| 午夜日本视频在线| 国产在视频线精品| 久久久久国产网址| 国产免费男女视频| 亚洲成色77777| 国产高清有码在线观看视频| 亚洲三级黄色毛片| 美女大奶头视频| 国产精品嫩草影院av在线观看| 波野结衣二区三区在线| 亚洲av福利一区| 又爽又黄无遮挡网站| 一区二区三区高清视频在线| 综合色丁香网| 99久国产av精品国产电影| 欧美三级亚洲精品| 午夜精品在线福利| 国产精品乱码一区二三区的特点| 精品午夜福利在线看| 亚洲欧美一区二区三区国产| 欧美区成人在线视频| 我要看日韩黄色一级片| 精品人妻一区二区三区麻豆| 中文欧美无线码| 国产片特级美女逼逼视频| 色综合色国产| 色哟哟·www| 老女人水多毛片| 欧美日本亚洲视频在线播放| 美女内射精品一级片tv| 麻豆一二三区av精品| 草草在线视频免费看| 干丝袜人妻中文字幕| 亚洲av日韩在线播放| 日韩av在线大香蕉| 国产精品不卡视频一区二区| 久久精品综合一区二区三区| 日韩欧美 国产精品| 国产精品嫩草影院av在线观看| 亚洲精品亚洲一区二区| 精品99又大又爽又粗少妇毛片| 我的女老师完整版在线观看| 麻豆一二三区av精品| 青青草视频在线视频观看| 网址你懂的国产日韩在线| 久久久色成人| 欧美日本亚洲视频在线播放| 蜜桃久久精品国产亚洲av| 国产欧美另类精品又又久久亚洲欧美| 中文资源天堂在线| 18禁在线无遮挡免费观看视频| 亚洲av日韩在线播放| 最近的中文字幕免费完整| 亚洲欧美日韩无卡精品| 日韩欧美国产在线观看| 一级毛片电影观看 | 26uuu在线亚洲综合色| 最近最新中文字幕大全电影3| 欧美性猛交黑人性爽| 国产毛片a区久久久久| 久久久色成人| 久久国产乱子免费精品| 国产日韩欧美在线精品| 色5月婷婷丁香| 麻豆成人午夜福利视频| 日韩精品青青久久久久久| 久久精品影院6| 禁无遮挡网站| 国产亚洲av片在线观看秒播厂 | 国产片特级美女逼逼视频| 日本av手机在线免费观看| 18禁动态无遮挡网站| 黄色日韩在线| 菩萨蛮人人尽说江南好唐韦庄 | 免费黄网站久久成人精品| www.av在线官网国产| 亚洲精品色激情综合| 久久精品国产99精品国产亚洲性色| 国产毛片a区久久久久| 99热网站在线观看| 日本欧美国产在线视频| 人人妻人人看人人澡| 97人妻精品一区二区三区麻豆| 美女cb高潮喷水在线观看| 美女被艹到高潮喷水动态| 亚洲电影在线观看av| av在线天堂中文字幕| 国产亚洲av片在线观看秒播厂 | 老司机福利观看| 三级国产精品欧美在线观看| 成人午夜高清在线视频| 国产成人a区在线观看| 中文字幕av成人在线电影| 69av精品久久久久久| 又爽又黄a免费视频| 国产精品无大码| 精品一区二区三区视频在线| 日本熟妇午夜| 国产成人精品婷婷| 亚洲精品456在线播放app| 高清午夜精品一区二区三区| 日本av手机在线免费观看| 午夜免费男女啪啪视频观看| 日韩精品有码人妻一区| 久久久久性生活片| 亚洲精华国产精华液的使用体验| www.色视频.com| 桃色一区二区三区在线观看| 美女脱内裤让男人舔精品视频| 日韩强制内射视频| 精品久久久久久成人av| 国产熟女欧美一区二区| 亚洲av电影在线观看一区二区三区 | 日韩欧美三级三区| 国产精品蜜桃在线观看| 人妻夜夜爽99麻豆av| videossex国产| 日韩在线高清观看一区二区三区| av又黄又爽大尺度在线免费看 | 看黄色毛片网站| 久久久成人免费电影| a级毛色黄片| 你懂的网址亚洲精品在线观看 | 国产伦精品一区二区三区四那| 亚洲一级一片aⅴ在线观看| 中文字幕免费在线视频6| 亚洲精品日韩av片在线观看| 人妻系列 视频| 国产av在哪里看| 国产麻豆成人av免费视频| 99久久九九国产精品国产免费| 亚洲国产欧美人成| 亚洲在线观看片| 国产亚洲91精品色在线| 亚洲人成网站高清观看| 99热网站在线观看| 久久久久久久久久久丰满| 成人国产麻豆网| 日韩一区二区三区影片| 久久精品人妻少妇| av女优亚洲男人天堂| 成人毛片60女人毛片免费| 99在线视频只有这里精品首页| 亚洲成人av在线免费| 亚洲高清免费不卡视频| 成年版毛片免费区| 日本av手机在线免费观看| 不卡视频在线观看欧美| 精品午夜福利在线看| 老女人水多毛片| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 午夜视频国产福利| 变态另类丝袜制服| 亚洲三级黄色毛片| 国产成人精品婷婷| 国产午夜精品一二区理论片| 最近视频中文字幕2019在线8| 中国美白少妇内射xxxbb| 一级毛片久久久久久久久女| 国内精品一区二区在线观看| av在线播放精品| 麻豆成人av视频| 免费观看人在逋| 九草在线视频观看| 久久久精品94久久精品| 免费黄网站久久成人精品| 久久精品国产亚洲网站| 色视频www国产| 欧美激情久久久久久爽电影| 久久韩国三级中文字幕| 天堂网av新在线| 我的女老师完整版在线观看| 高清在线视频一区二区三区 | 乱码一卡2卡4卡精品| 美女国产视频在线观看| 18禁在线无遮挡免费观看视频| 中文亚洲av片在线观看爽| 国产毛片a区久久久久| 色播亚洲综合网|