• <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
    久久精品人人爽人人爽视色| 欧美日韩中文字幕国产精品一区二区三区 | 午夜a级毛片| 天堂动漫精品| 国产色视频综合| 首页视频小说图片口味搜索| 日日夜夜操网爽| 精品国产亚洲在线| 亚洲男人天堂网一区| 丝袜美腿诱惑在线| 国产成人精品久久二区二区91| 18美女黄网站色大片免费观看| 欧美成狂野欧美在线观看| 久久亚洲真实| 精品国产乱码久久久久久男人| 国产精品精品国产色婷婷| 久久中文字幕一级| 日日干狠狠操夜夜爽| av超薄肉色丝袜交足视频| 久9热在线精品视频| 中亚洲国语对白在线视频| 午夜精品国产一区二区电影| 999久久久国产精品视频| 国产男靠女视频免费网站| 日韩 欧美 亚洲 中文字幕| 18禁国产床啪视频网站| 亚洲精品国产精品久久久不卡| av在线天堂中文字幕| av网站免费在线观看视频| 国产亚洲av嫩草精品影院| 女警被强在线播放| 国产97色在线日韩免费| 丰满人妻熟妇乱又伦精品不卡| 高清在线国产一区| xxx96com| 夜夜躁狠狠躁天天躁| 男男h啪啪无遮挡| 亚洲一区二区三区不卡视频| 曰老女人黄片| 精品国产亚洲在线| 男女午夜视频在线观看| 啦啦啦免费观看视频1| 国产不卡一卡二| 国产成年人精品一区二区| avwww免费| 亚洲熟妇中文字幕五十中出| av视频在线观看入口| 国产精华一区二区三区| 99香蕉大伊视频| 大码成人一级视频| www.精华液| 精品国产乱子伦一区二区三区| 亚洲中文日韩欧美视频| 欧美绝顶高潮抽搐喷水| 精品不卡国产一区二区三区| 国产亚洲av高清不卡| 午夜福利高清视频| 午夜a级毛片| 久久久久久久午夜电影| 免费观看人在逋| 日韩大码丰满熟妇| 国产色视频综合| 精品熟女少妇八av免费久了| 亚洲人成伊人成综合网2020| 亚洲欧美精品综合久久99| av天堂久久9| 在线观看舔阴道视频| 国产精品亚洲美女久久久| 国产视频一区二区在线看| 纯流量卡能插随身wifi吗| 国产av在哪里看| 搡老岳熟女国产| 岛国视频午夜一区免费看| 国产精品爽爽va在线观看网站 | 老司机靠b影院| 成人国产一区最新在线观看| 成人三级黄色视频| 男女做爰动态图高潮gif福利片 | 欧美人与性动交α欧美精品济南到| 久久久久久亚洲精品国产蜜桃av| 男女下面插进去视频免费观看| 一级a爱片免费观看的视频| 亚洲激情在线av| 99在线人妻在线中文字幕| 淫秽高清视频在线观看| 午夜亚洲福利在线播放| 青草久久国产| 久久久精品国产亚洲av高清涩受| 人妻久久中文字幕网| 国产成人免费无遮挡视频| 在线十欧美十亚洲十日本专区| 久久久久久免费高清国产稀缺| 天天躁夜夜躁狠狠躁躁| 国产又爽黄色视频| 欧美黑人欧美精品刺激| 91av网站免费观看| 免费搜索国产男女视频| 琪琪午夜伦伦电影理论片6080| 88av欧美| 国产亚洲精品久久久久5区| 午夜福利视频1000在线观看 | ponron亚洲| 亚洲精品一区av在线观看| 日韩欧美一区视频在线观看| 长腿黑丝高跟| 国内毛片毛片毛片毛片毛片| 丝袜人妻中文字幕| 操美女的视频在线观看| 人妻久久中文字幕网| 国产日韩一区二区三区精品不卡| 国产精品亚洲av一区麻豆| 成年女人毛片免费观看观看9| 色av中文字幕| www.www免费av| 久久九九热精品免费| 午夜亚洲福利在线播放| 母亲3免费完整高清在线观看| 在线观看日韩欧美| 色综合欧美亚洲国产小说| 我的亚洲天堂| 女人爽到高潮嗷嗷叫在线视频| av免费在线观看网站| 精品电影一区二区在线| 国产蜜桃级精品一区二区三区| 成人亚洲精品一区在线观看| av网站免费在线观看视频| 久久久精品国产亚洲av高清涩受| 日本在线视频免费播放| 中文字幕高清在线视频| 成年版毛片免费区| 色哟哟哟哟哟哟| 99re在线观看精品视频| 亚洲中文av在线| 久久久久久久午夜电影| 黄片大片在线免费观看| 色综合欧美亚洲国产小说| 一区二区三区国产精品乱码| 麻豆久久精品国产亚洲av| 在线观看免费视频日本深夜| 嫩草影视91久久| 天天躁狠狠躁夜夜躁狠狠躁| 女生性感内裤真人,穿戴方法视频| av超薄肉色丝袜交足视频| 国产成人影院久久av| 久久久国产成人精品二区| 黄色a级毛片大全视频| 又黄又粗又硬又大视频| 亚洲中文字幕日韩| 亚洲 国产 在线| 国产av一区二区精品久久| 色综合亚洲欧美另类图片| 国产精品日韩av在线免费观看 | 精品卡一卡二卡四卡免费| 国语自产精品视频在线第100页| 老熟妇仑乱视频hdxx| 欧美黑人精品巨大| 天堂√8在线中文| 国产精品久久视频播放| 别揉我奶头~嗯~啊~动态视频| 亚洲男人的天堂狠狠| 99精品在免费线老司机午夜| 久久精品亚洲熟妇少妇任你| 亚洲欧美激情在线| 人人妻,人人澡人人爽秒播| 日韩 欧美 亚洲 中文字幕| av视频免费观看在线观看| 久久久久久大精品| 久久久久国内视频| 国产欧美日韩综合在线一区二区| 一卡2卡三卡四卡精品乱码亚洲| 看片在线看免费视频| 老司机深夜福利视频在线观看| 国产一级毛片七仙女欲春2 | 婷婷六月久久综合丁香| 亚洲中文av在线| 麻豆av在线久日| 97超级碰碰碰精品色视频在线观看| av天堂久久9| www日本在线高清视频| 每晚都被弄得嗷嗷叫到高潮| 久久精品aⅴ一区二区三区四区| 久久久水蜜桃国产精品网| 国产精品 国内视频| 亚洲成a人片在线一区二区| 久久国产精品人妻蜜桃| 少妇熟女aⅴ在线视频| 欧美一区二区精品小视频在线| 宅男免费午夜| 欧美色欧美亚洲另类二区 | 亚洲中文字幕日韩| 亚洲专区中文字幕在线| 精品国产一区二区三区四区第35| 精品久久久久久久毛片微露脸| 91国产中文字幕| 免费在线观看黄色视频的| 久久久久精品国产欧美久久久| 女人爽到高潮嗷嗷叫在线视频| 午夜精品国产一区二区电影| 亚洲av美国av| 亚洲欧美一区二区三区黑人| 人人妻人人澡人人看| 欧洲精品卡2卡3卡4卡5卡区| 美国免费a级毛片| 国产精品综合久久久久久久免费 | 中亚洲国语对白在线视频| 性少妇av在线| 99精品在免费线老司机午夜| 久久香蕉精品热| 久久久国产欧美日韩av| 国产精品久久久人人做人人爽| 少妇裸体淫交视频免费看高清 | 成年版毛片免费区| 亚洲国产欧美日韩在线播放| 男女做爰动态图高潮gif福利片 | 给我免费播放毛片高清在线观看| 免费久久久久久久精品成人欧美视频| 国产乱人伦免费视频| avwww免费| av超薄肉色丝袜交足视频| 高清在线国产一区| 一二三四在线观看免费中文在| 国产精品免费一区二区三区在线| 日韩大码丰满熟妇| 国产精品一区二区免费欧美| 一边摸一边做爽爽视频免费| 欧美黑人欧美精品刺激| 亚洲一卡2卡3卡4卡5卡精品中文| 一级毛片精品| 欧美+亚洲+日韩+国产| 久久久国产精品麻豆| 精品熟女少妇八av免费久了| 看黄色毛片网站| 国产男靠女视频免费网站| 亚洲av第一区精品v没综合| 欧美另类亚洲清纯唯美| 精品福利观看| 久久精品国产亚洲av香蕉五月| 1024视频免费在线观看| 精品第一国产精品| 欧美亚洲日本最大视频资源| 久久精品人人爽人人爽视色| 欧美丝袜亚洲另类 | 国产片内射在线| 少妇 在线观看| 1024香蕉在线观看| 色精品久久人妻99蜜桃| 欧美一级毛片孕妇| 午夜久久久在线观看| 一边摸一边抽搐一进一出视频| av视频免费观看在线观看| 久久午夜亚洲精品久久| 亚洲欧美日韩高清在线视频| 亚洲全国av大片| 国产精品爽爽va在线观看网站 | 国产成人精品久久二区二区91| 久久久国产成人免费| 天堂影院成人在线观看| 又紧又爽又黄一区二区| 国产精品久久久人人做人人爽| 国产精品 国内视频| 狂野欧美激情性xxxx| 日日夜夜操网爽| 91九色精品人成在线观看| 一进一出抽搐gif免费好疼| 日韩欧美国产一区二区入口| 免费高清在线观看日韩| 国产精品秋霞免费鲁丝片| 亚洲av片天天在线观看| 乱人伦中国视频| av在线天堂中文字幕| 日本vs欧美在线观看视频| 亚洲一区二区三区不卡视频| 亚洲伊人色综图| 久久久精品欧美日韩精品| 国产亚洲欧美98| 国产成+人综合+亚洲专区| 国产野战对白在线观看| 国产伦人伦偷精品视频| 中文字幕色久视频| 色播在线永久视频| ponron亚洲| 亚洲av电影在线进入| 美女 人体艺术 gogo| 久久久久久久久免费视频了| 妹子高潮喷水视频| 欧美黑人欧美精品刺激| 制服诱惑二区| 啦啦啦韩国在线观看视频| 身体一侧抽搐| 国产三级黄色录像| 热99re8久久精品国产| 亚洲国产日韩欧美精品在线观看 | 黑人欧美特级aaaaaa片| 亚洲人成网站在线播放欧美日韩| 久久亚洲精品不卡| 中国美女看黄片| xxx96com| 动漫黄色视频在线观看| 亚洲av成人av| 制服诱惑二区| 热re99久久国产66热| 欧美+亚洲+日韩+国产| 长腿黑丝高跟| 好男人在线观看高清免费视频 | 伦理电影免费视频| 久久精品91蜜桃| 美女高潮到喷水免费观看| 精品一区二区三区四区五区乱码| 韩国av一区二区三区四区| 最好的美女福利视频网| 一个人免费在线观看的高清视频| 久久久国产成人精品二区| 国产伦一二天堂av在线观看| 中文字幕人成人乱码亚洲影| 啪啪无遮挡十八禁网站| 久久影院123| 欧美成人午夜精品| 国产亚洲欧美在线一区二区| 精品熟女少妇八av免费久了| 搡老熟女国产l中国老女人| 国产又爽黄色视频| 亚洲五月天丁香| 黄色丝袜av网址大全| 97人妻天天添夜夜摸| 中文字幕人妻丝袜一区二区| 亚洲成av人片免费观看| 免费一级毛片在线播放高清视频 | 久久这里只有精品19| 看黄色毛片网站| 伊人久久大香线蕉亚洲五| 久久久精品欧美日韩精品| 国产亚洲欧美98| 免费无遮挡裸体视频| 亚洲男人天堂网一区| 国产欧美日韩一区二区精品| 国产熟女xx| 日韩精品免费视频一区二区三区| 免费看十八禁软件| 成年女人毛片免费观看观看9| 黑人操中国人逼视频| 在线观看66精品国产| 久久精品国产亚洲av香蕉五月| 香蕉国产在线看| 啦啦啦韩国在线观看视频| 成人特级黄色片久久久久久久| 村上凉子中文字幕在线| 狠狠狠狠99中文字幕| 在线观看日韩欧美| 看片在线看免费视频| 亚洲欧美日韩无卡精品| 久久久久久久精品吃奶| 欧美大码av| 大型黄色视频在线免费观看| 国产成人精品在线电影| 欧美黄色淫秽网站| 亚洲精品一卡2卡三卡4卡5卡| 亚洲男人天堂网一区| 很黄的视频免费| 欧美激情久久久久久爽电影 | 久久伊人香网站| 精品一区二区三区视频在线观看免费| 国产三级黄色录像| 老司机午夜福利在线观看视频| 国产精品亚洲一级av第二区| 天堂√8在线中文| 亚洲成a人片在线一区二区| 日韩精品中文字幕看吧| 欧美老熟妇乱子伦牲交| 中文字幕人妻熟女乱码| 91精品国产国语对白视频| 色在线成人网| 高清黄色对白视频在线免费看| www.熟女人妻精品国产| 18禁观看日本| 免费女性裸体啪啪无遮挡网站| 中出人妻视频一区二区| 免费无遮挡裸体视频| 啦啦啦 在线观看视频| 97超级碰碰碰精品色视频在线观看| 欧美乱色亚洲激情| 精品国产美女av久久久久小说| tocl精华| 国产精品亚洲美女久久久| 一进一出好大好爽视频| 午夜老司机福利片| 欧美激情久久久久久爽电影 | 成人18禁在线播放| 老司机靠b影院| 18禁美女被吸乳视频| 怎么达到女性高潮| 97人妻精品一区二区三区麻豆 | 19禁男女啪啪无遮挡网站| 性欧美人与动物交配| 中文亚洲av片在线观看爽| 女性生殖器流出的白浆| √禁漫天堂资源中文www| 999精品在线视频| 丝袜美腿诱惑在线| 50天的宝宝边吃奶边哭怎么回事| 亚洲少妇的诱惑av| 18美女黄网站色大片免费观看| 午夜日韩欧美国产| 久久婷婷人人爽人人干人人爱 | 成人av一区二区三区在线看| 亚洲七黄色美女视频| 黄片播放在线免费| 午夜免费成人在线视频| 搡老妇女老女人老熟妇| 久久人人爽av亚洲精品天堂| 91成人精品电影| av网站免费在线观看视频| 日日摸夜夜添夜夜添小说| 精品国产一区二区三区四区第35| 可以在线观看的亚洲视频| 老熟妇乱子伦视频在线观看| 成人免费观看视频高清| 国产av一区在线观看免费| 精品人妻1区二区| 亚洲精品久久国产高清桃花| 亚洲一区二区三区不卡视频| 宅男免费午夜| 女人被狂操c到高潮| 精品国产超薄肉色丝袜足j| 老鸭窝网址在线观看| 国产熟女xx| 一二三四社区在线视频社区8| 国产亚洲欧美精品永久| 一级黄色大片毛片| 久久人妻熟女aⅴ| 成人欧美大片| 黄色女人牲交| 性欧美人与动物交配| 欧美一区二区精品小视频在线| 精品国产乱码久久久久久男人| 成人欧美大片| 丰满的人妻完整版| 老司机福利观看| 村上凉子中文字幕在线| 麻豆国产av国片精品| 99在线人妻在线中文字幕| 一a级毛片在线观看| bbb黄色大片| 亚洲熟女毛片儿| 大型av网站在线播放| 99久久99久久久精品蜜桃| 欧美黄色片欧美黄色片| 成人国语在线视频| 伊人久久大香线蕉亚洲五| 中亚洲国语对白在线视频| 欧美日本视频| 久久精品影院6| 伦理电影免费视频| 国产在线观看jvid| 三级毛片av免费| 欧美成人午夜精品| 叶爱在线成人免费视频播放| 怎么达到女性高潮| 黄色女人牲交| 精品久久蜜臀av无| 亚洲av成人不卡在线观看播放网| 国产亚洲av嫩草精品影院| 亚洲精品一卡2卡三卡4卡5卡| 精品免费久久久久久久清纯| 男男h啪啪无遮挡| 亚洲熟妇熟女久久| 国产aⅴ精品一区二区三区波| 国产xxxxx性猛交| 国产精品亚洲av一区麻豆| 18禁观看日本| 成人手机av| 欧美日韩精品网址| 99国产综合亚洲精品| 日日爽夜夜爽网站| 免费av毛片视频| 精品久久蜜臀av无| 国产野战对白在线观看| 99精品久久久久人妻精品| 激情视频va一区二区三区| 夜夜爽天天搞| 日韩国内少妇激情av| 成人免费观看视频高清| 九色国产91popny在线| 久久婷婷人人爽人人干人人爱 | 国产av在哪里看| 成人手机av| 中文亚洲av片在线观看爽| 中文字幕另类日韩欧美亚洲嫩草| 一级毛片高清免费大全| 日本精品一区二区三区蜜桃| svipshipincom国产片| 国产男靠女视频免费网站| 午夜老司机福利片| 91字幕亚洲| 在线观看日韩欧美| 999精品在线视频| 后天国语完整版免费观看| 久久香蕉精品热| 久久精品91无色码中文字幕| www日本在线高清视频| 一夜夜www| 欧美精品啪啪一区二区三区| 日本免费a在线| 亚洲午夜理论影院| 亚洲精品美女久久久久99蜜臀| 国产高清videossex| 国产精品香港三级国产av潘金莲| 欧美黄色淫秽网站| 国产野战对白在线观看| x7x7x7水蜜桃| 女人高潮潮喷娇喘18禁视频| 日本一区二区免费在线视频| 18禁观看日本| 日韩有码中文字幕| 精品国产亚洲在线| 中国美女看黄片| 黄色成人免费大全| 亚洲一码二码三码区别大吗| 欧美激情久久久久久爽电影 | 精品卡一卡二卡四卡免费| 男女床上黄色一级片免费看| xxx96com| 国产精品一区二区三区四区久久 | 两性夫妻黄色片| 亚洲国产高清在线一区二区三 | 色综合站精品国产| 久久国产亚洲av麻豆专区| 久久久久久久午夜电影| 国产精品野战在线观看| 女生性感内裤真人,穿戴方法视频| 午夜免费鲁丝| 亚洲av成人av| 国产99久久九九免费精品| 老汉色av国产亚洲站长工具| 怎么达到女性高潮| 久久久水蜜桃国产精品网| 亚洲色图综合在线观看| 女生性感内裤真人,穿戴方法视频| 欧洲精品卡2卡3卡4卡5卡区| 日韩精品免费视频一区二区三区| 法律面前人人平等表现在哪些方面| 精品国产一区二区三区四区第35| 法律面前人人平等表现在哪些方面| 精品一品国产午夜福利视频| 法律面前人人平等表现在哪些方面| 婷婷六月久久综合丁香| 日韩欧美在线二视频| 国产av一区二区精品久久| 午夜久久久久精精品| 国产成年人精品一区二区| 啦啦啦韩国在线观看视频| 色综合站精品国产| 在线观看舔阴道视频| 免费观看人在逋| 不卡av一区二区三区| 最近最新中文字幕大全免费视频| www日本在线高清视频| 老鸭窝网址在线观看| 亚洲专区国产一区二区| 日韩大码丰满熟妇| 亚洲精品中文字幕在线视频| 国产熟女午夜一区二区三区| 成人国产一区最新在线观看| 夜夜夜夜夜久久久久| 久久国产精品男人的天堂亚洲| 亚洲avbb在线观看| 久久天堂一区二区三区四区| 国产成人av激情在线播放| 国产欧美日韩精品亚洲av| 久久 成人 亚洲| 女性生殖器流出的白浆| 在线观看舔阴道视频| 两个人视频免费观看高清| 成年版毛片免费区| 又大又爽又粗| 国产99白浆流出| 18禁黄网站禁片午夜丰满| 韩国精品一区二区三区| 老司机午夜十八禁免费视频| 免费少妇av软件| 亚洲第一电影网av| 亚洲成av片中文字幕在线观看| 国产精品野战在线观看| 叶爱在线成人免费视频播放| 色老头精品视频在线观看| 久久久久国内视频| 老司机靠b影院| 日本vs欧美在线观看视频| 97人妻精品一区二区三区麻豆 | 真人一进一出gif抽搐免费| 日韩免费av在线播放| 亚洲人成伊人成综合网2020| 国产成人系列免费观看| 久久伊人香网站| 亚洲男人天堂网一区| 成人欧美大片| 日韩视频一区二区在线观看| 啦啦啦观看免费观看视频高清 | 成人18禁高潮啪啪吃奶动态图| 长腿黑丝高跟| 久久中文字幕人妻熟女| 午夜免费鲁丝| 国产精品精品国产色婷婷| 久久久久国产精品人妻aⅴ院| 久久久久国内视频| 999精品在线视频| 国产麻豆69| 午夜免费成人在线视频| 自拍欧美九色日韩亚洲蝌蚪91| 免费av毛片视频| 一级毛片女人18水好多| 黄色视频,在线免费观看| 国产精品乱码一区二三区的特点 | 老司机在亚洲福利影院| 在线观看午夜福利视频| 国产高清视频在线播放一区|