• <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 ?

    江西退化紅壤區(qū)濕地松樹干液流BP神經(jīng)網(wǎng)絡(luò)模型研究*

    2016-06-05 15:19:06
    關(guān)鍵詞:濕地松液流訓(xùn)練樣本

    涂 潔

    (南昌工程學(xué)院生態(tài)與環(huán)境科學(xué)研究所,江西 南昌330099)

    江西退化紅壤區(qū)濕地松樹干液流BP神經(jīng)網(wǎng)絡(luò)模型研究*

    涂 潔

    (南昌工程學(xué)院生態(tài)與環(huán)境科學(xué)研究所,江西 南昌330099)

    以我國南方亞熱帶退化紅壤區(qū)重要植被恢復(fù)樹種——濕地松Pinuselliottii為研究對(duì)象,采用相關(guān)分析法選定空氣溫度、空氣相對(duì)濕度、平均凈輻射、水汽壓虧缺為輸入變量,以液流速率為輸出變量,構(gòu)建拓?fù)浣Y(jié)構(gòu)為4-10-1的濕地松樹干液流BP神經(jīng)網(wǎng)絡(luò)模型。采用貝葉斯正則化法和Levenberg-Marquardt法對(duì)1 900組實(shí)測(cè)數(shù)據(jù)進(jìn)網(wǎng)絡(luò)訓(xùn)練,用剩余的1 900組實(shí)測(cè)樣本進(jìn)行檢驗(yàn)。結(jié)果表明:在兩種算法下,訓(xùn)練樣本和檢驗(yàn)樣本模型輸出值與實(shí)測(cè)值之間線性回歸的擬合程度均較高,回歸方程的相關(guān)系數(shù)達(dá)0.98。訓(xùn)練樣本的擬合精度分別為88.12%和88.11%,檢驗(yàn)樣本的仿真精度分別為88.11%和87.98%。該模型對(duì)樹干液流速率具有較高的模擬精度和泛化能力,能夠很好地反映氣象因子與液流速率之間的非線性函數(shù)關(guān)系,從而為同類條件下濕地松人工林的可持續(xù)經(jīng)營和林地水資源的科學(xué)管理提供一種新方法。

    濕地松Pinuselliottii;樹干液流;BP神經(jīng)網(wǎng)絡(luò);貝葉斯正則化算法;Levenberg-Marquardt算法

    液流是植物的一個(gè)重要生理生態(tài)參數(shù),可反映植物體內(nèi)的水分傳輸狀況[1]、植物對(duì)水分的利用特征[2]及其對(duì)環(huán)境的響應(yīng)[3-4],也是驗(yàn)證、修正蒸騰(蒸散) 模型的重要參數(shù)[5]。液流與氣象因子間的關(guān)系也因此成為當(dāng)前植物生理生態(tài)的研究熱點(diǎn)之一,并建立了描述兩者之間關(guān)系的多元線性回歸模型[6-8]。但這些模型通常假定生物與環(huán)境的關(guān)系都是平滑、連續(xù)的線性多項(xiàng)式關(guān)系,不能全面反映其非線性關(guān)系。BP神經(jīng)網(wǎng)絡(luò)是采用BP算法訓(xùn)練權(quán)值的多層前饋網(wǎng)絡(luò),可以很好地解決傳統(tǒng)概率函數(shù)模型適用范圍窄、模型實(shí)用性差等問題,非常適合解決林業(yè)問題。Foody G M[9]、Susan[10]通過對(duì)BP神經(jīng)網(wǎng)絡(luò)與其它方法模擬效果的比較發(fā)現(xiàn),BP神經(jīng)網(wǎng)絡(luò)更具優(yōu)勢(shì)。目前BP神經(jīng)網(wǎng)絡(luò)在林業(yè)領(lǐng)域的應(yīng)用研究大多圍繞林木生物量[11]、森林碳蓄積[12]、林分直徑分布[13]以及景觀生態(tài)規(guī)劃[14]等方面展開,而利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建樹干液流模型仍處于探索階段。朱建剛等[15]成功利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了油松、側(cè)柏的液流預(yù)測(cè)模型,得到的網(wǎng)絡(luò)模型預(yù)測(cè)精度較高,能夠用于實(shí)際預(yù)測(cè)。

    本文以我國南方亞熱帶退化紅壤區(qū)重要植被恢復(fù)樹種——濕地松為研究對(duì)象,以熱擴(kuò)散探針法對(duì)樹干液流的測(cè)定結(jié)果為目標(biāo)向量,以其主要影響因子——空氣溫度(Ta)、空氣相對(duì)濕度(RH)、平均凈輻射(ANR)、水汽壓虧缺(VPD)為輸入變量,在 MATLAB 7.0軟件平臺(tái)上利用嵌套的貝葉斯正則化法和L-M法進(jìn)行網(wǎng)絡(luò)訓(xùn)練,構(gòu)建濕地松樹干液流BP神經(jīng)網(wǎng)絡(luò)模型,探索樹干液流速率與其主要?dú)庀笠亻g的非線性函數(shù)關(guān)系映射,并對(duì)網(wǎng)絡(luò)的預(yù)測(cè)精度和泛化能力進(jìn)行檢驗(yàn),為退化紅壤區(qū)濕地松人工林的科學(xué)經(jīng)營和林地水資源的有效管理提供一種新的技術(shù)方法。

    1 研究方法

    1.1 試驗(yàn)區(qū)概況

    試驗(yàn)地點(diǎn)位于江西省泰和縣中國科學(xué)院千煙洲試驗(yàn)區(qū)(115°04′13″E, 26°44′48″N)。區(qū)內(nèi)年平均氣溫17.9 ℃,≥ 0 ℃ 活動(dòng)積溫6 253 ℃,≥10 ℃活動(dòng)積溫6 015 ℃,多年平均降水量1 489 mm,年日照時(shí)數(shù)1 406 h,年日照百分率43%,太陽年總輻射量4 349 MJ/m2,無霜期323 d,具有典型的亞熱帶季風(fēng)氣候特征。樣地設(shè)在28年生濕地松人工純林內(nèi),2012年4月調(diào)查得到喬木層平均胸徑22.3 cm,平均樹高16.3 m,平均密度約1 760 株·hm-2。由于林分基本郁閉,下木和草本數(shù)量較少,灌木層主以白櫟Quercusfabri、牡荊Vitexnegundo等為主。草本層數(shù)量更少,其代表性類型為刺芒野古草Aruudinellasteosa。

    1.2 樣本數(shù)據(jù)采集

    根據(jù)TDP探頭的長度和被測(cè)木具有代表性的原則,選取生長良好、樹干通直、無被擠壓的濕地松3株[胸徑(22.3±0.8) cm]進(jìn)行樹干液流測(cè)定。在被測(cè)木樹干1.3 m處安裝TDP探針(型號(hào)TDP-30,Dynamax公司,美國),另一端與數(shù)據(jù)采集器(DT-80,Data Taker 公司,澳大利亞)連接。采用自動(dòng)氣象站記錄空氣溫度(Ta)、空氣相對(duì)濕度(RH)、平均凈輻射(ANR)等環(huán)境因子(數(shù)據(jù)采集間隔30 min)。采用水汽壓虧缺(VPD)綜合表達(dá)空氣溫度與空氣相對(duì)濕度的協(xié)同效應(yīng),計(jì)算方法見文[16]。

    樹干液流速率v(cm·s-1)由Granier經(jīng)驗(yàn)公式計(jì)算得到。

    式中,ΔT為兩探針間的溫差,ΔTmax為連續(xù)7~10 d所測(cè)液流數(shù)據(jù)中的最大值[17]。

    2 模型構(gòu)建與檢驗(yàn)

    在BP神經(jīng)網(wǎng)絡(luò)建模過程中,容易出現(xiàn)樣本冗余信息、收斂于局部極小點(diǎn)、網(wǎng)絡(luò)結(jié)構(gòu)不合理、網(wǎng)絡(luò)泛化能力差等問題。本文在建模過程中針對(duì)這些關(guān)鍵問題進(jìn)行了改進(jìn)。

    2.1 樣本數(shù)據(jù)預(yù)處理

    選取2012年4-12月濕地松液流速率與氣象因子共5 120組數(shù)據(jù)作為模型的初始樣本數(shù)據(jù)集。由于網(wǎng)絡(luò)訓(xùn)練前的數(shù)據(jù)處理對(duì)網(wǎng)絡(luò)有至關(guān)重要的影響,可影響網(wǎng)絡(luò)的學(xué)習(xí)速度、網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性和網(wǎng)絡(luò)的精度。主要內(nèi)容包括:

    1)在數(shù)據(jù)采集過程中,設(shè)備由于外界干擾或人為操作失誤會(huì)導(dǎo)致數(shù)據(jù)缺失或異常,因此需要將含有缺失或異常數(shù)據(jù)的行從初始樣本集中刪除。文中采用李海濤等[18]在相關(guān)文獻(xiàn)中提到的無量綱判別參數(shù)P判斷試驗(yàn)監(jiān)測(cè)數(shù)據(jù)中出現(xiàn)的異常值。

    2) 利用SPSS軟件中Pearson雙尾相關(guān)分析法對(duì)典型月份液流速率與相關(guān)氣象因子進(jìn)行偏相關(guān)性分析,結(jié)果發(fā)現(xiàn)液流速率與平均凈輻射、空氣溫度、水汽壓虧缺呈顯著正相關(guān),與空氣相對(duì)濕度呈顯著負(fù)相關(guān)(見表1)。

    3)由于采集數(shù)據(jù)中各因素、指標(biāo)的量綱或數(shù)量級(jí)不同,為了更好地反映各因素間的相互關(guān)系,充分發(fā)揮BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)功能,提高其輸出精度,模型訓(xùn)練之前需對(duì)具體對(duì)象真實(shí)的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。由于BP網(wǎng)絡(luò)通常采用的神經(jīng)元作用函數(shù)是S形函數(shù),以雙曲正切函數(shù)tansig函數(shù)為例,tansig函數(shù)在[-1,1]這一區(qū)間具有最大斜率,因此需要將表2中的數(shù)據(jù)都?xì)w一化到[-1,1]范圍內(nèi),文中通過Matlab工具箱中提供的premnmx和postmnmx函數(shù)實(shí)現(xiàn)。計(jì)算公式為:

    式中:X、X’分別為變量歸一化前、后的數(shù)值;Xmax為某一變量中的最大值;Xmin為某一變量中的最小值。

    表1 濕地松液流速率與氣象因子的偏相關(guān)分析1)

    1)**為0.01水平上顯著相關(guān)

    表2 濕地松液流預(yù)測(cè)初始樣本數(shù)據(jù)集

    2.2 網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的確定

    網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)包括網(wǎng)絡(luò)的層數(shù)、每層的節(jié)點(diǎn)數(shù)、每層神經(jīng)元的作用函數(shù)、訓(xùn)練方法和學(xué)習(xí)速率等。文中采用三層BP網(wǎng)絡(luò),包括輸入層、輸出層和隱含層。由于模型是將4個(gè)氣象因子作為輸入變量,液流速率作為輸出變量,輸入層選擇四個(gè)節(jié)點(diǎn),輸出層選擇一個(gè)節(jié)點(diǎn)。確定隱含層節(jié)點(diǎn)數(shù)的基本原則是:在滿足精度要求的前提下取盡可能少的節(jié)點(diǎn)數(shù),建立緊湊的網(wǎng)絡(luò)結(jié)構(gòu)。試湊法通過先設(shè)置較少的節(jié)點(diǎn)數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并測(cè)試網(wǎng)絡(luò)的逼近誤差,然后逐漸增加節(jié)點(diǎn)數(shù),直到測(cè)試誤差不再有明顯的減小為止?!霸嚋惙ā庇?xùn)練發(fā)現(xiàn)隱含層節(jié)點(diǎn)數(shù)為10左右時(shí)網(wǎng)絡(luò)的逼近效果最好。因此,樹干液流BP神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)確定為4-10-1。前期采用SPSS軟件對(duì)數(shù)據(jù)進(jìn)行預(yù)處理時(shí)發(fā)現(xiàn),當(dāng)采用線性模型結(jié)構(gòu)對(duì)數(shù)據(jù)進(jìn)行擬合時(shí)無法得到理想的收斂結(jié)果,因此本文每層神經(jīng)元的作用函數(shù)均采用tansig函數(shù),以期擬合出較為復(fù)雜的非線性映射關(guān)系。網(wǎng)絡(luò)的學(xué)習(xí)速率設(shè)置為0.1,最小誤差0.000 1,迭代次數(shù)1 000。

    為提高網(wǎng)絡(luò)模型的泛化能力,文中同時(shí)采用MATLAB工具箱中提供的貝葉斯正則化方法和L-M方法(Levenberg—Marquardt)。貝葉斯正則化方法和L-M方法都是神經(jīng)網(wǎng)絡(luò)訓(xùn)練中常用的方法,其中L-M法由于避免了直接計(jì)算赫賽矩陣,減少了訓(xùn)練中的計(jì)算量,對(duì)于中等規(guī)模的BP神經(jīng)網(wǎng)絡(luò)有最快的收斂速度。相對(duì)L-M訓(xùn)練方法,貝葉斯正則化方法對(duì)噪音更不敏感,具有更好的泛化能力,但訓(xùn)練速度相對(duì)較慢。

    2.3 模型的檢驗(yàn)與分析

    將經(jīng)預(yù)處理后的3 800組有效數(shù)據(jù)隨機(jī)分為兩組,其中1 900組作為訓(xùn)練樣本,余下的1 900組作為檢驗(yàn)樣本。模型預(yù)測(cè)精度的檢驗(yàn)采用測(cè)試樣本的模擬輸出與期望(目標(biāo))輸出之間的線性回歸擬合程度實(shí)現(xiàn)。模型泛化能力的檢驗(yàn)采用訓(xùn)練樣本回歸檢驗(yàn)與測(cè)試樣本回歸檢驗(yàn)進(jìn)行比較得出,當(dāng)測(cè)試樣本與訓(xùn)練樣本的模型輸出與實(shí)際檢測(cè)結(jié)果線性回歸的擬合程度相當(dāng)或稍大時(shí),表明模型的泛化能力較好。

    2.3.1 模型預(yù)測(cè)精度的檢驗(yàn) 將實(shí)測(cè)值作為被解釋變量,預(yù)測(cè)值作為解釋變量,建立一元線性回歸方程y=ax+b。如果模型預(yù)測(cè)值與實(shí)測(cè)值線性關(guān)系顯著、回歸方程合理,則a越接近1,b值越接近0,說明預(yù)測(cè)值與實(shí)測(cè)值之間吻合度越高。圖1為液流速率實(shí)測(cè)值與預(yù)測(cè)值之間的線性回歸分布情況。圖1不難看出,液流速率BP網(wǎng)絡(luò)模型的輸出結(jié)果與實(shí)測(cè)結(jié)果在上述4種情況下都較好的符合了y=x的分布。

    對(duì)BP網(wǎng)絡(luò)模型總體訓(xùn)練結(jié)果進(jìn)行分析,具體情況見表3。線性回歸方程的參數(shù)估計(jì)按照公式(1)計(jì)算得到,相關(guān)系數(shù)由公式(2)計(jì)算得到。從表3中可以看出,當(dāng)隱含層節(jié)點(diǎn)數(shù)選擇為10左右時(shí),無論是訓(xùn)練樣本還是測(cè)試樣本,采用貝葉斯正則化方法和L-M法都能得到較好的線性回歸結(jié)果,回歸方程的相關(guān)系數(shù)均在0.93以上。運(yùn)用兩種算法對(duì)訓(xùn)練樣本進(jìn)行網(wǎng)絡(luò)訓(xùn)練,擬合精度分別為88.12%和88.11%,將檢驗(yàn)樣本代入液流BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行檢驗(yàn),仿真精度分別為88.11%和87.98%。

    (1)

    (2)

    圖1 液流速率實(shí)測(cè)值與預(yù)測(cè)值線性回歸情況Fig.1 Regression distribution of sap flow measured and predictive value

    表3BP網(wǎng)絡(luò)模型訓(xùn)練結(jié)果統(tǒng)計(jì)情況

    Table3StatisticsoftrainingresultsofBPneutralnetworkmodel

    訓(xùn)練模式各層最佳節(jié)點(diǎn)數(shù)訓(xùn)練樣本線性回歸分析測(cè)試樣本線性回歸分析貝葉斯正則化法4—10—1y=0 98317x+0 000117R=0 97677 Sig <0 001y=0 99142x+0 0000011732R=0 98144 Sig <0 001L-M法4—10—1y=0 99904x+0 0000019499R=0 98642 Sig <0 001y=1 0004x+0 0000003203R=0 98596 Sig <0 001

    2.3.2 模型泛化能力的檢驗(yàn) 圖2為樣本數(shù)據(jù)集中隨機(jī)24h液流速率模型輸出結(jié)果與實(shí)測(cè)結(jié)果,圖2表明,運(yùn)用兩種算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練得出的擬合值、仿真值均能很好地逼近實(shí)測(cè)值,由于訓(xùn)練樣本對(duì)網(wǎng)絡(luò)模型參數(shù)的直接影響,利用訓(xùn)練樣本直接測(cè)試得到的相關(guān)系數(shù)和擬合精度均稍高于測(cè)試樣本的結(jié)果。因此,該BP網(wǎng)絡(luò)模型具有較好的泛化能力。

    圖2 液流速率實(shí)測(cè)值與預(yù)測(cè)值比較驗(yàn)證Fig.2 Comparison test of sap flow velocity measured and predictive value

    3 討論與結(jié)論

    1)利用SPSS相關(guān)分析法得出平均凈輻射、空氣溫度、水汽壓虧缺、空氣相對(duì)濕度為輸入項(xiàng),液流速率為目標(biāo)輸出項(xiàng),采用貝葉斯正則化和L-M兩種算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練,建立拓?fù)浣Y(jié)構(gòu)為4-10-1的樹干液流BP神經(jīng)網(wǎng)絡(luò)模型。從模型的檢驗(yàn)結(jié)果看出,訓(xùn)練樣本與測(cè)試樣本的模型輸出與實(shí)測(cè)結(jié)果的線性回歸擬合程度相當(dāng),回歸方程的相關(guān)系數(shù)達(dá)0.98,擬合精度均達(dá)88%。因此,兩種算法下建立的BP神經(jīng)網(wǎng)絡(luò)模型均表現(xiàn)出較高的預(yù)測(cè)精度和網(wǎng)絡(luò)泛化能力,實(shí)現(xiàn)了精度與實(shí)用的統(tǒng)一,可以作為對(duì)傳統(tǒng)樹干液流速率建模方法的一種有益補(bǔ)充。

    2)由于本研究是在特定地域條件下進(jìn)行的,選取樣本的試驗(yàn)地范圍較小,因此所建立的4因子樹干液流BP神經(jīng)網(wǎng)絡(luò)模型具有一定的局限型,僅在建模區(qū)域有效,沒有普適性。能否可以應(yīng)用類似方法進(jìn)行更大尺度、更復(fù)雜林分的耗水規(guī)律模擬,需要進(jìn)一步的思考研究。因此,對(duì)于不同地區(qū)、不同樹種以及林分因子和經(jīng)營要素更多因素的考慮是今后探討的方向。

    3)雖然神經(jīng)網(wǎng)絡(luò)非線性映射能力很好,但其固有的缺點(diǎn)需要不斷改進(jìn),目前已有一些新的算法被用來改進(jìn)網(wǎng)絡(luò)的訓(xùn)練過程,如泛化改進(jìn)算法[19]、WASD算法[20]、遺傳算法[21]。此外,朱建剛等[15]研究認(rèn)為雖然應(yīng)用BP神經(jīng)網(wǎng)絡(luò)建立的植物液流預(yù)測(cè)模型具有較好的預(yù)測(cè)性能,但神經(jīng)網(wǎng)絡(luò)為特有的“黑箱”式構(gòu)建過程無法直觀定量不同因素與目標(biāo)值之間的依賴關(guān)系[22],不能解釋液流傳輸?shù)臋C(jī)制,因此需要進(jìn)行更為廣泛深入的研究探討。

    致謝:感謝中國科學(xué)院地理科學(xué)與資源研究所生態(tài)系統(tǒng)網(wǎng)絡(luò)觀測(cè)與模擬重點(diǎn)實(shí)驗(yàn)室千煙洲生態(tài)站為本論文基礎(chǔ)數(shù)據(jù)提供幫助。

    [1]COHENM,GOLDHAMERD,FERERESE,etal.Assessmentofpeachtreeresponsestoirrigationwaterdeficitbycontinuousmonitoringoftrunkdiameterchanges[J].TheJournalofHorticulturalScienceandBiotechnology, 2001,76:55-60.

    [2]WULLSCHLEGERSD,MEINZERFC,VERTESSYRA.Areviewofwhole-planttreewaterusestudiesintrees[J].TreePhysiology,1998,18:499-512.

    [3]KELLOMKIS,WANGKaiyun.SapflowinScotspinesgrowingunderconditionsofyear-roundcarbondioxideenrichmentandtemperatureelevation[J].Plant,CellandEnvironment,1998,21:969-981.

    [4]WULLSCHLEGERSD,NORBYRJ.Sapvelocityandcanopytranspirationinasweetgumstandexposedtofree-airCO2enrichment(FACE) [J].NewPhytologist,2001,150: 489-498.

    [5]GONGDaozhi,KANGShaozhong,ZHANGLu,etal.Atwo-dimensionalmodelofrootwateruptakeforsingleappletreesanditsverificationwithsapflowandsoilwatercontentmeasurements[J].AgriculturalWaterManagement,2006,83:119-129.

    [6] 趙仲輝,康文星,田大倫,等.湖南會(huì)同杉木液流變化及其與環(huán)境因子的關(guān)系[J].林業(yè)科學(xué),2009,45(7): 127-132.

    [7] 王文杰,孫偉,邱嶺,等.不同時(shí)間尺度下興安落葉松樹干液流密度與環(huán)境因子的關(guān)系[J].林業(yè)科學(xué),2012,48(1):77-84.

    [8] 池波,蔡體久,滿秀玲,等.大興安嶺北部興安落葉松樹干液流規(guī)律及影響因子分析[J].北京林業(yè)大學(xué)學(xué)報(bào),2013,35(4):21-26.

    [9]FOODYGM,BOYDDS,CUTLERML.PredictiverelationsoftropicalforestbiomassfromLandsatTMdataandtheirtransferabilitybetweenregions[J].RemoteSensingofEnvironment,2003,85 (4):463-474.

    [10]SUSANL,KINGKP,BENNETTSL.Modelingnoncatastrophicindividualtreemortalityusinglogisticregressionneuralnetworksandsupportvectormethods[J].ComputersandElectronicsinAgriculture,2000,27(1-3):401-406.

    [11] 王軼夫,孫玉軍,郭孝玉.基于BP神經(jīng)網(wǎng)絡(luò)的馬尾松立木生物量模型研究[J].北京林業(yè)大學(xué)學(xué)報(bào),2013,35(2):17-21.

    [12] 許煒敏,陳友飛,陳明華,等.基于BP神經(jīng)網(wǎng)絡(luò)的杉木林蓄積量估測(cè)研究[J].福建林學(xué)院學(xué)報(bào),2012,32(4):310-315.

    [13] 黃家榮,孟憲宇,關(guān)毓秀.馬尾松人工林直徑分布神經(jīng)網(wǎng)絡(luò)模型研究[J].北京林業(yè)大學(xué)學(xué)報(bào),2006,28(1):28-31.

    [14] 郭濼,夏北成,江學(xué)頂.基于GIS與人工神經(jīng)網(wǎng)絡(luò)的廣州森林景觀生態(tài)規(guī)劃[J].中山大學(xué)學(xué)報(bào)(自然科學(xué)版),2005,44(5):121-123.

    [15] 朱建剛,余新曉,陳麗華.預(yù)測(cè)植物瞬態(tài)液流的BP神經(jīng)網(wǎng)絡(luò)模型[J].林業(yè)科學(xué),2010,46(1):152-157.

    [16]CAMPBELLGS,NORMANJM.Aintroductiontoenvironmentalbiophysics[M].2nded.US:Springer-verlagPress,1998:40-45.

    [17]LUPing,URBANL,ZHAOPing.Granier’sThermaldissipationprobe(TDP)methodformeasuringsapflowintrees:Theoryandpractice[J].ActaBotanicaSinica,2004,46(6):631-646.

    [18] 王軼夫,孫玉軍,郭孝玉.基于BP神經(jīng)網(wǎng)絡(luò)的馬尾松立木生物量模型研究[J].北京林業(yè)大學(xué)學(xué)報(bào),2013,35(2):17-21.

    [19] 琚存勇,蔡體久.用泛化改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)估測(cè)森林蓄積量[J].林業(yè)科學(xué),2006,42(12):59-62.

    [20] 張雨濃,王茹,勞穩(wěn)超,等.符號(hào)函數(shù)激勵(lì)的WASD神經(jīng)網(wǎng)絡(luò)與XOR應(yīng)用[J].中山大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,53(1):1-7.

    [21] 桂凌,張征,閆國振,等.基于遺傳神經(jīng)網(wǎng)絡(luò)的鄂爾多斯沙棘水土保持功能評(píng)價(jià)[J].干旱區(qū)資源與環(huán)境,2012,26(7):136-140.

    [22] 楊娟,王昌全,李冰,等.基于BP神經(jīng)網(wǎng)絡(luò)的城市邊緣帶土壤重金屬污染預(yù)測(cè)—以成都平原土壤Cd為例[J].土壤學(xué)報(bào),2007,44(3):430-436.

    BP neural network models of sap flow velocity forPinuselliottiiin degraded red soil area of Jiangxi Province

    TUJie

    (Research Institute of Ecology & Environmental Sciences Nanchang Institute of Technology, Nanchang 330099, China)

    Pinuselliottiiis commonly considered to be one of the most important pioneer tree species for forest restoration and reconstruction in subtropical degraded red soil area of China, due to its high productivity and leanness-resistance. However, they also consume certain amount of water during the course of growing and maintaining ecological balance. Therefore, quantitative research on tree water consumption by transpiration has become a hotspot in the field of tree physiological ecology in recent years. In order to provide an effective way for conducting sustainable management ofPinuselliottiiplantation and associated water resource of similar condition, in this study, we chose thePinuselliottiiplantation in degraded red soil area of Jiangxi province as the research object, and the log-sigmoid type function (i.e.tansig) of MATLAB software was selected as the action function of neurons. Based on the correlation analysis between sap flow velocity and meteorological factors, air temperature, relative air humidity, average net radiation and vapor pressure deficit were chosen as the input variables and sap flow velocity as the output variable. Then the optimum 3-layer BP artificial network model of individual sap flow velocity was established with the topological structure of 4-10-1. Nineteen hundreds groups of individual tree data were used to train the very neutral network both with Bayesian regularization algorithm and Levenberg-Marquardt algorithm, while the remaining nineteen hundreds groups were used to test the model. Good fitting results were obtained for linear regression between predictive and measured values under two algorithm model, with the R higher as 0.98. The results showed that fitting accuracy of training samples was 88.12% and 88.11%, respectively, and the simulating accuracy of testing samples was 88.11% and 87.98%, respectively. This model can well reflect the non-linear relationship between sap flow velocity and meteorological factors owing to its higher accuracy and fine generalization than linear regression model, which indicated the availability of BP neutral network for the analysis, simulation and prediction of sap flow velocity.

    Pinuselliottii; sap flow; BP neural network; Bayesian regularization algorithm; Levenberg-Marquardt algorithm

    10.13471/j.cnki.acta.snus.2016.01.004

    2014-07-22

    國家自然基金資助項(xiàng)目(31260172);江西省教育廳科學(xué)技術(shù)研究資助項(xiàng)目(GJJ14753)

    涂潔(1980年生) ,女;研究方向:區(qū)域生態(tài)生產(chǎn)力;E-mail:tujie8058@163.com

    S718.43

    A

    0529-6579(2016)01-0024-06

    猜你喜歡
    濕地松液流訓(xùn)練樣本
    濕地松豐產(chǎn)造林技術(shù)探討
    濕地松和火炬松栽培技術(shù)差異
    人工智能
    一種全釩液流電池并網(wǎng)控制系統(tǒng)的仿真設(shè)計(jì)
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識(shí)別算法
    基于稀疏重構(gòu)的機(jī)載雷達(dá)訓(xùn)練樣本挑選方法
    濕地松人工林生長規(guī)律
    H2-Fe3+/Fe2+氧化還原液流電池初步研究
    贛南濕地松粉蚧林間種群消長規(guī)律調(diào)查研究
    亚洲av电影不卡..在线观看| 久久这里只有精品中国| 又黄又爽又免费观看的视频| 18禁裸乳无遮挡免费网站照片| 国产男人的电影天堂91| 美女免费视频网站| 欧美三级亚洲精品| 亚洲av一区综合| 久久久精品94久久精品| 好男人在线观看高清免费视频| 中文字幕精品亚洲无线码一区| 蜜桃亚洲精品一区二区三区| 国产高清三级在线| 97超碰精品成人国产| 国产精品乱码一区二三区的特点| 国产一级毛片七仙女欲春2| 久久欧美精品欧美久久欧美| 国产一区二区在线观看日韩| 国产欧美日韩精品亚洲av| 日韩强制内射视频| 成人无遮挡网站| 国产精品美女特级片免费视频播放器| 男人狂女人下面高潮的视频| 国产精品野战在线观看| 小说图片视频综合网站| 亚洲成人精品中文字幕电影| 99在线人妻在线中文字幕| 超碰av人人做人人爽久久| 国内精品宾馆在线| 蜜桃久久精品国产亚洲av| 黄色欧美视频在线观看| 亚洲最大成人中文| 亚洲av中文av极速乱| 久久久久久伊人网av| 狂野欧美激情性xxxx在线观看| 亚洲精品影视一区二区三区av| 最近2019中文字幕mv第一页| 久久久久久久亚洲中文字幕| 国内精品一区二区在线观看| 日日啪夜夜撸| 日本精品一区二区三区蜜桃| 99久久无色码亚洲精品果冻| 乱系列少妇在线播放| 简卡轻食公司| 国产又黄又爽又无遮挡在线| 少妇高潮的动态图| 亚洲自拍偷在线| 美女黄网站色视频| 美女内射精品一级片tv| 如何舔出高潮| 亚洲无线观看免费| 亚洲精品一卡2卡三卡4卡5卡| 在线观看免费视频日本深夜| 亚洲美女黄片视频| 亚洲自偷自拍三级| 色播亚洲综合网| 久久九九热精品免费| 久久久国产成人精品二区| av在线老鸭窝| 国产黄片美女视频| 欧美日韩精品成人综合77777| 天堂动漫精品| 在线天堂最新版资源| 3wmmmm亚洲av在线观看| 嫩草影院入口| 淫妇啪啪啪对白视频| 精品熟女少妇av免费看| 久久久精品94久久精品| 中出人妻视频一区二区| 日本成人三级电影网站| 欧美精品国产亚洲| 欧美色欧美亚洲另类二区| 搡老熟女国产l中国老女人| 悠悠久久av| 自拍偷自拍亚洲精品老妇| 噜噜噜噜噜久久久久久91| 日日摸夜夜添夜夜爱| 亚洲一区高清亚洲精品| 看十八女毛片水多多多| 日韩欧美一区二区三区在线观看| 久久久色成人| 97超碰精品成人国产| 国产午夜精品久久久久久一区二区三区 | 别揉我奶头~嗯~啊~动态视频| 日韩大尺度精品在线看网址| 亚洲成人久久性| 精品久久国产蜜桃| 中文字幕精品亚洲无线码一区| 91在线观看av| 久久精品国产亚洲av香蕉五月| or卡值多少钱| 午夜精品国产一区二区电影 | 日本黄色视频三级网站网址| 免费高清视频大片| a级毛色黄片| 伦精品一区二区三区| 亚洲成人中文字幕在线播放| 日韩欧美精品免费久久| 乱码一卡2卡4卡精品| 午夜福利在线观看免费完整高清在 | 国产午夜精品久久久久久一区二区三区 | 亚洲精品456在线播放app| 又黄又爽又免费观看的视频| 亚洲av免费在线观看| 麻豆成人午夜福利视频| 精品少妇黑人巨大在线播放 | 亚洲av中文av极速乱| 一级毛片久久久久久久久女| 国产精品永久免费网站| 午夜福利在线观看免费完整高清在 | 18禁在线播放成人免费| 亚洲人成网站在线播| 日本成人三级电影网站| 国产欧美日韩精品亚洲av| 国产成人aa在线观看| 亚洲精华国产精华液的使用体验 | 国产一区二区亚洲精品在线观看| 麻豆乱淫一区二区| 日韩三级伦理在线观看| 美女cb高潮喷水在线观看| 久久人妻av系列| 麻豆久久精品国产亚洲av| 97在线视频观看| 亚洲成a人片在线一区二区| 不卡视频在线观看欧美| 村上凉子中文字幕在线| 国产三级中文精品| 色av中文字幕| 国产 一区 欧美 日韩| 免费av不卡在线播放| 成人国产麻豆网| 哪里可以看免费的av片| 国产精品久久久久久av不卡| 免费看av在线观看网站| 国产在视频线在精品| 91在线观看av| 国内精品美女久久久久久| 日本 av在线| 18禁在线播放成人免费| 狂野欧美白嫩少妇大欣赏| 久久久久久久亚洲中文字幕| 变态另类成人亚洲欧美熟女| 美女大奶头视频| 狂野欧美激情性xxxx在线观看| 老司机影院成人| 在线播放国产精品三级| 亚洲最大成人中文| 欧美日本亚洲视频在线播放| 99在线人妻在线中文字幕| 午夜福利视频1000在线观看| 国产av一区在线观看免费| 国产精品乱码一区二三区的特点| 久久欧美精品欧美久久欧美| 女生性感内裤真人,穿戴方法视频| 亚洲va在线va天堂va国产| 午夜福利成人在线免费观看| 国产免费一级a男人的天堂| 国产精品精品国产色婷婷| 精品99又大又爽又粗少妇毛片| 亚洲人成网站在线播放欧美日韩| 日韩欧美免费精品| 久久久久久久亚洲中文字幕| 精品久久久久久久久亚洲| 亚洲欧美清纯卡通| 亚洲最大成人中文| 天堂动漫精品| 欧美高清性xxxxhd video| 亚洲电影在线观看av| 欧美一区二区国产精品久久精品| 久久久久久久久久久丰满| av在线蜜桃| 亚洲av一区综合| 欧洲精品卡2卡3卡4卡5卡区| 国内少妇人妻偷人精品xxx网站| 免费观看人在逋| 中文字幕人妻熟人妻熟丝袜美| 天天躁夜夜躁狠狠久久av| 观看美女的网站| 亚洲国产精品久久男人天堂| 日本黄大片高清| 嫩草影院精品99| 国内久久婷婷六月综合欲色啪| 22中文网久久字幕| 亚洲av熟女| 久久人妻av系列| 最好的美女福利视频网| 99在线视频只有这里精品首页| 亚洲精华国产精华液的使用体验 | АⅤ资源中文在线天堂| 国产69精品久久久久777片| av福利片在线观看| 色综合站精品国产| 国产久久久一区二区三区| 老熟妇仑乱视频hdxx| а√天堂www在线а√下载| 国产色爽女视频免费观看| av天堂在线播放| 国产成人a∨麻豆精品| 国产精品野战在线观看| 午夜a级毛片| 国产人妻一区二区三区在| 国产精品一区二区三区四区免费观看 | 久久草成人影院| 亚洲欧美精品自产自拍| 夜夜爽天天搞| 亚洲性久久影院| 久久中文看片网| 一级黄片播放器| 干丝袜人妻中文字幕| 精品不卡国产一区二区三区| av在线天堂中文字幕| 日韩欧美国产在线观看| 国产精品无大码| 毛片女人毛片| 免费av不卡在线播放| 久久久久久大精品| 天堂网av新在线| 精品人妻视频免费看| 久久久久九九精品影院| 天天一区二区日本电影三级| 嫩草影院精品99| 老女人水多毛片| 自拍偷自拍亚洲精品老妇| 美女cb高潮喷水在线观看| 欧美人与善性xxx| 99热只有精品国产| 欧洲精品卡2卡3卡4卡5卡区| 国产 一区精品| 亚洲av免费高清在线观看| 一个人看视频在线观看www免费| 亚洲熟妇中文字幕五十中出| 一本精品99久久精品77| 黄片wwwwww| 简卡轻食公司| 成人亚洲欧美一区二区av| 久久精品综合一区二区三区| 欧美一级a爱片免费观看看| 精华霜和精华液先用哪个| 国产精品一区www在线观看| 看十八女毛片水多多多| 最近中文字幕高清免费大全6| 大又大粗又爽又黄少妇毛片口| 看非洲黑人一级黄片| 亚洲成人久久爱视频| 国语自产精品视频在线第100页| 久久久精品94久久精品| 99热这里只有是精品50| 香蕉av资源在线| 麻豆av噜噜一区二区三区| 国产一级毛片七仙女欲春2| 亚洲欧美日韩卡通动漫| 日韩欧美在线乱码| 亚洲精品粉嫩美女一区| 亚洲人成网站高清观看| 久久99热这里只有精品18| 久久久久性生活片| 老熟妇仑乱视频hdxx| 久久久久国内视频| 欧美人与善性xxx| 亚洲精品粉嫩美女一区| 国内精品久久久久精免费| 色噜噜av男人的天堂激情| 韩国av在线不卡| 色哟哟哟哟哟哟| 国产精品久久久久久av不卡| 久久鲁丝午夜福利片| 国产一区二区激情短视频| 天堂影院成人在线观看| 亚洲美女视频黄频| 欧美极品一区二区三区四区| 99国产极品粉嫩在线观看| 久久国内精品自在自线图片| .国产精品久久| 日韩成人av中文字幕在线观看 | 嫩草影院新地址| 国产精品电影一区二区三区| 国产一区亚洲一区在线观看| 真实男女啪啪啪动态图| 免费av毛片视频| 特大巨黑吊av在线直播| 国产午夜精品久久久久久一区二区三区 | 十八禁国产超污无遮挡网站| 草草在线视频免费看| 99热这里只有是精品在线观看| 人妻夜夜爽99麻豆av| 国模一区二区三区四区视频| 三级经典国产精品| 欧美zozozo另类| 国产亚洲精品av在线| 天堂√8在线中文| 在线播放国产精品三级| 99久久精品热视频| 蜜桃久久精品国产亚洲av| 亚洲欧美日韩无卡精品| 精品无人区乱码1区二区| 人妻夜夜爽99麻豆av| 亚洲va在线va天堂va国产| 99久久九九国产精品国产免费| av在线天堂中文字幕| 免费一级毛片在线播放高清视频| 十八禁网站免费在线| 国产精品永久免费网站| 久久99热这里只有精品18| 如何舔出高潮| 精品久久久久久久久亚洲| 麻豆av噜噜一区二区三区| 日本免费一区二区三区高清不卡| 国产欧美日韩一区二区精品| 99视频精品全部免费 在线| 夜夜爽天天搞| 搞女人的毛片| 日韩成人av中文字幕在线观看 | 亚洲高清免费不卡视频| 免费无遮挡裸体视频| 搡老妇女老女人老熟妇| 国产精品人妻久久久久久| 国产亚洲91精品色在线| 亚洲av成人精品一区久久| 婷婷六月久久综合丁香| 国产精品永久免费网站| 久久精品久久久久久噜噜老黄 | 在线免费观看不下载黄p国产| 国产免费一级a男人的天堂| 男人的好看免费观看在线视频| 网址你懂的国产日韩在线| 精品免费久久久久久久清纯| 日韩,欧美,国产一区二区三区 | 欧美精品国产亚洲| 啦啦啦韩国在线观看视频| 日韩欧美三级三区| 国产 一区 欧美 日韩| 日韩精品有码人妻一区| 九九爱精品视频在线观看| eeuss影院久久| 91精品国产九色| 国产精品无大码| 97超级碰碰碰精品色视频在线观看| 日韩av不卡免费在线播放| 国产真实乱freesex| av在线蜜桃| 久久午夜亚洲精品久久| 91久久精品电影网| 午夜爱爱视频在线播放| 亚洲激情五月婷婷啪啪| 国产日本99.免费观看| 精品人妻偷拍中文字幕| 最近2019中文字幕mv第一页| 欧美又色又爽又黄视频| 一级黄片播放器| 波多野结衣高清无吗| 麻豆成人午夜福利视频| 91午夜精品亚洲一区二区三区| 99在线视频只有这里精品首页| 永久网站在线| 1024手机看黄色片| 日韩欧美 国产精品| 99久久精品国产国产毛片| 亚洲人成网站在线播放欧美日韩| 亚洲最大成人手机在线| 一区二区三区高清视频在线| 麻豆成人午夜福利视频| 国产三级中文精品| 最新在线观看一区二区三区| 91av网一区二区| 成人二区视频| 欧美bdsm另类| 欧美国产日韩亚洲一区| 久久久久久伊人网av| 国产在视频线在精品| 我的女老师完整版在线观看| 亚洲在线自拍视频| 久久久久久国产a免费观看| 可以在线观看毛片的网站| 久久精品影院6| av专区在线播放| 欧美一区二区国产精品久久精品| 尾随美女入室| 欧美激情在线99| 国产白丝娇喘喷水9色精品| 夜夜爽天天搞| 亚洲国产高清在线一区二区三| 性色avwww在线观看| 你懂的网址亚洲精品在线观看 | 亚洲婷婷狠狠爱综合网| 国产国拍精品亚洲av在线观看| 观看免费一级毛片| 国产成人福利小说| 国产亚洲精品综合一区在线观看| 深爱激情五月婷婷| 国产精品乱码一区二三区的特点| 六月丁香七月| 精品熟女少妇av免费看| 日韩 亚洲 欧美在线| 亚洲激情五月婷婷啪啪| 性欧美人与动物交配| 亚洲国产精品sss在线观看| 欧美中文日本在线观看视频| 久久精品久久久久久噜噜老黄 | 亚洲av不卡在线观看| 亚洲精品成人久久久久久| 校园春色视频在线观看| 丰满人妻一区二区三区视频av| 国产 一区 欧美 日韩| 国产高清视频在线观看网站| 午夜视频国产福利| 免费看美女性在线毛片视频| 黄色一级大片看看| 两个人视频免费观看高清| 日韩一区二区视频免费看| 欧美区成人在线视频| 欧美+日韩+精品| 久久人人精品亚洲av| 亚洲五月天丁香| 日韩成人伦理影院| 成年女人永久免费观看视频| 欧美成人免费av一区二区三区| 国产乱人视频| 亚洲精品乱码久久久v下载方式| 身体一侧抽搐| 男女视频在线观看网站免费| 欧美高清成人免费视频www| 热99在线观看视频| 最近最新中文字幕大全电影3| 免费高清视频大片| 亚洲无线观看免费| 六月丁香七月| 99久久久亚洲精品蜜臀av| 日韩 亚洲 欧美在线| 最好的美女福利视频网| 免费黄网站久久成人精品| 久久久成人免费电影| 久久久精品大字幕| a级毛片a级免费在线| 国产精品99久久久久久久久| 天天躁日日操中文字幕| 亚洲欧美精品自产自拍| 少妇熟女欧美另类| avwww免费| 老女人水多毛片| 亚洲内射少妇av| 欧美日本视频| 欧美zozozo另类| 国产亚洲精品久久久久久毛片| 亚洲最大成人手机在线| 婷婷精品国产亚洲av在线| 久久草成人影院| 久久久成人免费电影| 亚洲欧美日韩高清在线视频| 我要看日韩黄色一级片| 婷婷亚洲欧美| 午夜福利视频1000在线观看| 欧美又色又爽又黄视频| 九九爱精品视频在线观看| 深夜精品福利| 亚洲成av人片在线播放无| 最近中文字幕高清免费大全6| 亚洲专区国产一区二区| 69av精品久久久久久| 欧美色欧美亚洲另类二区| 3wmmmm亚洲av在线观看| 国产精品久久电影中文字幕| 国产亚洲91精品色在线| 搡老熟女国产l中国老女人| 日日摸夜夜添夜夜爱| 亚洲国产高清在线一区二区三| 亚洲人与动物交配视频| 国产真实伦视频高清在线观看| 中文字幕免费在线视频6| 97超视频在线观看视频| 18+在线观看网站| 69av精品久久久久久| 亚洲第一区二区三区不卡| 秋霞在线观看毛片| 久久精品国产自在天天线| 十八禁国产超污无遮挡网站| 舔av片在线| 白带黄色成豆腐渣| 成人av在线播放网站| 少妇人妻一区二区三区视频| 国产色爽女视频免费观看| 久久精品综合一区二区三区| 伦理电影大哥的女人| 亚洲欧美日韩高清专用| 国产午夜精品久久久久久一区二区三区 | 亚洲第一电影网av| 亚洲熟妇熟女久久| 熟妇人妻久久中文字幕3abv| 一本久久中文字幕| 日韩一本色道免费dvd| 99视频精品全部免费 在线| 五月玫瑰六月丁香| 亚洲美女黄片视频| 搡女人真爽免费视频火全软件 | 久久综合国产亚洲精品| 99热6这里只有精品| 成人美女网站在线观看视频| 欧美日韩一区二区视频在线观看视频在线 | 日韩精品中文字幕看吧| 99riav亚洲国产免费| 日本黄色视频三级网站网址| 国产美女午夜福利| 亚洲成人精品中文字幕电影| 亚洲欧美精品综合久久99| 免费电影在线观看免费观看| 欧美最黄视频在线播放免费| 日韩欧美免费精品| 插逼视频在线观看| 日韩 亚洲 欧美在线| 亚洲精品在线观看二区| 欧美国产日韩亚洲一区| 亚洲精品色激情综合| 午夜日韩欧美国产| av卡一久久| 精品一区二区三区人妻视频| 在线看三级毛片| 欧美bdsm另类| 亚洲在线自拍视频| 在线观看美女被高潮喷水网站| 婷婷精品国产亚洲av| 可以在线观看的亚洲视频| 五月伊人婷婷丁香| 亚洲欧美日韩高清在线视频| 午夜亚洲福利在线播放| 精品熟女少妇av免费看| 99热6这里只有精品| 亚洲欧美成人综合另类久久久 | 九九爱精品视频在线观看| 国产男人的电影天堂91| 欧美人与善性xxx| 亚洲精品影视一区二区三区av| 免费观看在线日韩| 欧美3d第一页| 日韩欧美一区二区三区在线观看| 免费一级毛片在线播放高清视频| av视频在线观看入口| 日本黄大片高清| 亚洲一区高清亚洲精品| 亚洲av.av天堂| a级一级毛片免费在线观看| 天美传媒精品一区二区| 熟女电影av网| 女人被狂操c到高潮| 国产精品国产三级国产av玫瑰| 午夜免费男女啪啪视频观看 | 两个人的视频大全免费| 极品教师在线视频| 亚州av有码| 熟妇人妻久久中文字幕3abv| 国产亚洲精品久久久com| 少妇人妻一区二区三区视频| 日本一本二区三区精品| 69人妻影院| 我的老师免费观看完整版| 国产v大片淫在线免费观看| 久久精品影院6| 久久鲁丝午夜福利片| 精品欧美国产一区二区三| 国产真实伦视频高清在线观看| 丝袜喷水一区| 观看美女的网站| 精品熟女少妇av免费看| 欧美中文日本在线观看视频| 精品午夜福利在线看| 国产成人freesex在线 | 美女免费视频网站| 成人综合一区亚洲| 69人妻影院| ponron亚洲| 久久精品国产亚洲av天美| 九九热线精品视视频播放| 亚洲色图av天堂| 亚洲人与动物交配视频| 精品一区二区免费观看| 国产精品人妻久久久久久| 97热精品久久久久久| 人人妻人人澡欧美一区二区| 日本一本二区三区精品| 久久6这里有精品| 天天躁夜夜躁狠狠久久av| 欧美国产日韩亚洲一区| 偷拍熟女少妇极品色| 国产精品一区二区性色av| 99热全是精品| 亚洲精品日韩在线中文字幕 | 少妇高潮的动态图| a级毛片免费高清观看在线播放| 国产综合懂色| 少妇丰满av| 夜夜夜夜夜久久久久| 国内精品美女久久久久久| 最后的刺客免费高清国语| 内射极品少妇av片p| 日本免费a在线| 国产极品精品免费视频能看的| 老司机午夜福利在线观看视频| 少妇的逼好多水| 精品不卡国产一区二区三区| 麻豆乱淫一区二区| 精品乱码久久久久久99久播| 久久鲁丝午夜福利片| 少妇人妻精品综合一区二区 | 男女边吃奶边做爰视频| av天堂中文字幕网| 欧美丝袜亚洲另类| 久久久久久伊人网av| 伦精品一区二区三区| 久久久国产成人免费| 久久亚洲精品不卡| 欧美日本视频| 最后的刺客免费高清国语| 18禁黄网站禁片免费观看直播| 日日摸夜夜添夜夜添小说| 日韩欧美精品免费久久| 无遮挡黄片免费观看| 美女被艹到高潮喷水动态|