• <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 ?

    基于粗糙集RBF神經(jīng)網(wǎng)絡(luò)村鎮(zhèn)山洪災(zāi)害損失預(yù)測(cè)研究
    ——以神農(nóng)架林區(qū)為例

    2017-04-14 02:57:48李祎琛何亞伯
    災(zāi)害學(xué) 2017年2期
    關(guān)鍵詞:約簡(jiǎn)山洪粗糙集

    李祎琛,何亞伯,汪 洋

    (武漢大學(xué) 土木建筑工程學(xué)院,湖北 武漢430072)

    基于粗糙集RBF神經(jīng)網(wǎng)絡(luò)村鎮(zhèn)山洪災(zāi)害損失預(yù)測(cè)研究
    ——以神農(nóng)架林區(qū)為例

    李祎琛,何亞伯,汪 洋

    (武漢大學(xué) 土木建筑工程學(xué)院,湖北 武漢430072)

    以神農(nóng)架林區(qū)為研究對(duì)象,從致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體因素以及區(qū)域應(yīng)災(zāi)能力四個(gè)角度選取山洪災(zāi)害損失預(yù)測(cè)因子,并利用粗糙集對(duì)預(yù)測(cè)因子進(jìn)行約簡(jiǎn),以實(shí)現(xiàn)對(duì)預(yù)測(cè)模型輸入指標(biāo)的優(yōu)化,針對(duì)山洪災(zāi)害損失作用機(jī)理的復(fù)雜性、不確定性,選擇RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)災(zāi)害損失進(jìn)行預(yù)測(cè)。結(jié)果顯示粗糙集理論方法可以有效地判別提取與山洪災(zāi)害密切相關(guān)的預(yù)測(cè)因子,顯著地提高了模型對(duì)災(zāi)害損失的預(yù)測(cè)精度;基于粗糙集RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)山洪災(zāi)害損失的擬合效果較好,預(yù)測(cè)精度高,相對(duì)誤差普遍保持在3%左右,改進(jìn)后的模型具有較高的實(shí)用價(jià)值。

    山洪災(zāi)害;損失預(yù)測(cè);粗糙集;RBF神經(jīng)網(wǎng)絡(luò)

    自然環(huán)境的日益惡化和人類生產(chǎn)活動(dòng)對(duì)地質(zhì)地貌的開(kāi)發(fā)性破壞,使得我國(guó)中西部山區(qū)丘陵地帶山洪災(zāi)害日益頻發(fā)[1-3]。而受制于落后的經(jīng)濟(jì)、教育、醫(yī)療以及防災(zāi)減災(zāi)工程設(shè)施,山區(qū)村鎮(zhèn)的承災(zāi)和救災(zāi)能力有限,山洪災(zāi)害發(fā)生的易損性更為突出,“因?yàn)?zāi)致貧、因?yàn)?zāi)返貧”現(xiàn)象時(shí)有發(fā)生,山區(qū)村鎮(zhèn)山洪災(zāi)害現(xiàn)已成為阻礙社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展的重要障礙[3-4]。在過(guò)去的5年里,因突發(fā)性、局部性極端強(qiáng)降雨引發(fā)的山洪災(zāi)害造成的死亡人數(shù)比例呈遞增趨勢(shì),直接經(jīng)濟(jì)損失更是無(wú)法估計(jì)[5-6]。

    一直以來(lái),洪水災(zāi)害是國(guó)內(nèi)外專家學(xué)者研究的熱點(diǎn)問(wèn)題,如洪水風(fēng)險(xiǎn)評(píng)估、風(fēng)險(xiǎn)預(yù)警、災(zāi)害易損性評(píng)價(jià)以及綜合考慮經(jīng)濟(jì)、社會(huì)、人口、環(huán)境的洪水災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)方法和指標(biāo)體系研究等[7-13]。在災(zāi)害損失預(yù)測(cè)方面,研究發(fā)現(xiàn)洪水災(zāi)害損失、區(qū)域地理位置與防災(zāi)能力之間存在密切聯(lián)系,當(dāng)洪災(zāi)發(fā)生在村鎮(zhèn)山區(qū)等防災(zāi)能力較弱的區(qū)域時(shí),盡管災(zāi)害風(fēng)險(xiǎn)水平較低,但災(zāi)害的易損性更為嚴(yán)重[14]。而當(dāng)前,我國(guó)村鎮(zhèn)山洪災(zāi)害損失預(yù)測(cè)的研究還處于初探階段,對(duì)災(zāi)害損失預(yù)測(cè)多以時(shí)間序列模型進(jìn)行趨勢(shì)擬合,利用災(zāi)損度指數(shù)從有限的樣本數(shù)據(jù)中模擬災(zāi)害損失與時(shí)間的耦合關(guān)系,依賴于精確統(tǒng)計(jì)的災(zāi)害橫斷面數(shù)據(jù)。其中,常用的方法主要有回歸方程、支持向量機(jī)、數(shù)據(jù)包絡(luò)分析等[15-21]。雖然上述方法在一定程度上對(duì)山洪災(zāi)害損失進(jìn)行了合理的預(yù)測(cè),但山洪災(zāi)害的發(fā)生具有較大突發(fā)性,是氣象災(zāi)害和地質(zhì)災(zāi)害并發(fā)的結(jié)果,特定的承災(zāi)體和孕災(zāi)環(huán)境對(duì)山洪災(zāi)害損失程度具有較大影響,并且考慮到山洪災(zāi)害損失有效的橫斷面數(shù)據(jù)較少、致災(zāi)機(jī)理復(fù)雜不明,以時(shí)間序列為基礎(chǔ)的擬合模型預(yù)測(cè)精度較差,研究方法也并未考慮到各因素對(duì)于災(zāi)害損失綜合影響程度。因此本文以神農(nóng)架林區(qū)山洪災(zāi)害損失預(yù)測(cè)為例,從致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體因素以及區(qū)域應(yīng)災(zāi)能力等角度選取預(yù)測(cè)因子,采用粗糙集對(duì)預(yù)測(cè)因子進(jìn)行約簡(jiǎn),實(shí)現(xiàn)對(duì)預(yù)測(cè)模型輸入指標(biāo)的優(yōu)化,并針對(duì)山洪災(zāi)害與損失之間作用機(jī)理的復(fù)雜性、山洪災(zāi)害有效統(tǒng)計(jì)數(shù)據(jù)不足,利用RBF神經(jīng)網(wǎng)絡(luò)模型在解決不確定性問(wèn)題方面的優(yōu)勢(shì),對(duì)災(zāi)害損失進(jìn)行預(yù)測(cè),根據(jù)預(yù)測(cè)結(jié)果可以為村鎮(zhèn)規(guī)劃綜合風(fēng)險(xiǎn)評(píng)價(jià)和政府災(zāi)時(shí)快速?zèng)Q策提供前瞻性的依據(jù)。

    1 數(shù)據(jù)來(lái)源與研究路線

    1.1 研究區(qū)域與數(shù)據(jù)來(lái)源

    神農(nóng)架林區(qū)位于湖北省西部,處于第二階梯第三階梯的交界處,由大巴山脈東延的余脈組成中高山地貌,區(qū)內(nèi)山體高大,由西南向東北逐漸降低,是中緯度自然環(huán)境過(guò)渡的交錯(cuò)區(qū)域,平均海拔1 700 m。神農(nóng)架林區(qū)地處中緯度北亞熱帶季風(fēng)區(qū),受大氣環(huán)流控制,氣溫偏涼且多雨,年降水量900~1 000 mm。特定的地質(zhì)背景、地理位置和氣候條件使得神農(nóng)架林區(qū)成為山洪災(zāi)害頻發(fā)地段,不利于社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展,不利于生態(tài)資源的開(kāi)發(fā)與保護(hù)。其中,研究區(qū)域位置如圖1所示。

    文中山洪災(zāi)害的資料主要參考自《神農(nóng)架地區(qū)統(tǒng)計(jì)年鑒》和《山洪報(bào)告》以及實(shí)地調(diào)研。以1983-2013年之間在神農(nóng)架地區(qū)發(fā)生并造成一定經(jīng)濟(jì)社會(huì)損失的18次山洪災(zāi)害為樣本進(jìn)行災(zāi)害損失預(yù)測(cè),并對(duì)數(shù)據(jù)資料采用統(tǒng)一統(tǒng)計(jì)標(biāo)準(zhǔn),以保證數(shù)據(jù)資料能真實(shí)反應(yīng)災(zāi)害情況,確保預(yù)測(cè)的可信度。

    圖1 神農(nóng)架林區(qū)地理位置圖

    1.2 研究技術(shù)路線

    災(zāi)害損失預(yù)測(cè)是防災(zāi)減災(zāi)工程的重要一環(huán),與災(zāi)后損失評(píng)估相比,災(zāi)前或?yàn)?zāi)時(shí)的損失預(yù)測(cè)能夠提前獲得災(zāi)害等級(jí)信息,將極大提高救災(zāi)時(shí)效性,有助于政府快速?zèng)Q策,合理調(diào)配救災(zāi)物資和人員,減少災(zāi)害損失及影響,對(duì)防災(zāi)減災(zāi)工作和村鎮(zhèn)社會(huì)經(jīng)濟(jì)發(fā)展具有重大意義。

    本文首先應(yīng)用粗糙集理論對(duì)影響災(zāi)害損失的因素進(jìn)行約簡(jiǎn)分析,去除冗余屬性,得到影響災(zāi)害損失的決定性因素;然后以約簡(jiǎn)后的因素作為輸入指標(biāo),利用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行災(zāi)害損失預(yù)測(cè)。研究的技術(shù)路線如圖2所示。

    圖2 村鎮(zhèn)山洪災(zāi)害損失預(yù)測(cè)流程圖

    2 預(yù)測(cè)指標(biāo)體系構(gòu)建

    2.1 預(yù)測(cè)指標(biāo)體系初判

    預(yù)測(cè)因子是科學(xué)預(yù)測(cè)災(zāi)害損失的基礎(chǔ),因子的選擇不僅要遵從科學(xué)性、可行性和綜合性等基本原則,還要符合山洪災(zāi)害的基本規(guī)律和研究區(qū)域的地理特征[22-23]。本文從山洪災(zāi)害致災(zāi)機(jī)理的角度對(duì)誘發(fā)災(zāi)情的指標(biāo)因子進(jìn)行選擇,分析如下:

    山洪災(zāi)害是氣象災(zāi)害和地質(zhì)災(zāi)害的并發(fā),而災(zāi)情是致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體因素以及區(qū)域應(yīng)災(zāi)能力共同作用的結(jié)果[24]。降雨是誘發(fā)山洪災(zāi)害的直接致災(zāi)因子,降雨量和降雨歷時(shí)與山洪災(zāi)害的形成發(fā)展密切相關(guān)[25]。通常,降雨量的大小對(duì)激發(fā)泥石流起著重要作用,而降雨歷時(shí)長(zhǎng)短則決定了滑坡的發(fā)生。

    孕災(zāi)環(huán)境一般考慮地形坡度、高程和植被覆蓋率等因素的共同影響。地形地貌是影響村鎮(zhèn)山洪災(zāi)害形成和發(fā)展的下墊面因素[26]。神農(nóng)架地區(qū)地形坡度陡峭、相對(duì)高差大,相同的降雨量下不僅易集中地表徑流,同時(shí)較大高差所累積的勢(shì)能也會(huì)加大流水對(duì)地表的沖刷,而植被覆蓋則減弱了山洪災(zāi)害的致災(zāi)因子和次生災(zāi)害,增強(qiáng)了土壤的應(yīng)力和穩(wěn)定性,降低了山洪災(zāi)害發(fā)生的風(fēng)險(xiǎn)概率。因此本文中選擇地形坡度、關(guān)聯(lián)災(zāi)害(滑坡體積)和植被覆蓋率等孕災(zāi)環(huán)境因子作為模型的輸入變量。

    承災(zāi)體是指受到災(zāi)害影響和損害的人類社會(huì)主體,包括人類本身和社會(huì)經(jīng)濟(jì)發(fā)展的各個(gè)方面,如房屋建筑物、道路交通設(shè)施、農(nóng)田水利等[26]。承災(zāi)體是山洪災(zāi)害直接的作用物,災(zāi)害損失程度除了與致災(zāi)因子的強(qiáng)度有關(guān),很大程度上取決于承災(zāi)體的脆弱性。研究目標(biāo)、對(duì)象不同,承災(zāi)體的層次也不同,就神農(nóng)架林區(qū)而言,選擇人口體能倍數(shù)、人口密度、耕地面積、公路里程、固定資產(chǎn)投資、區(qū)域人均收入、危險(xiǎn)區(qū)固定資產(chǎn)價(jià)值等因子作為模型的輸入變量。

    區(qū)域應(yīng)災(zāi)能力考驗(yàn)一個(gè)地區(qū)災(zāi)害險(xiǎn)情發(fā)生時(shí)的應(yīng)急水平,區(qū)域應(yīng)災(zāi)能力強(qiáng),對(duì)于災(zāi)害能夠做到及時(shí)預(yù)警、及時(shí)搶救,可以大大降低災(zāi)害發(fā)生的損失,選擇區(qū)域消防人員數(shù)、廣播覆蓋率、防洪堤壩長(zhǎng)度作為模型的輸入變量。

    對(duì)于山洪災(zāi)情而言,最受關(guān)注的是財(cái)產(chǎn)損失和人員傷亡狀況,其中財(cái)產(chǎn)損失中農(nóng)作物受災(zāi)面積、受損房屋、直接經(jīng)濟(jì)損失是核心災(zāi)情;不同于其他自然災(zāi)害,由于爆發(fā)突然、難以預(yù)測(cè)、危險(xiǎn)性高,山洪災(zāi)害造成的人員傷亡依舊是山洪災(zāi)情的最主要的反映。因此,本文選擇人員傷亡和財(cái)產(chǎn)損失狀況作為模型的輸出變量,其中包括以下指標(biāo):受災(zāi)人數(shù)、農(nóng)作物受災(zāi)面積、損傷房屋及直接經(jīng)濟(jì)損失。

    因此參考現(xiàn)有自然災(zāi)害損失預(yù)測(cè)輸入變量體系、山洪災(zāi)情狀況以及神農(nóng)架林區(qū)自然社會(huì)特征[28-30],整理出如圖1所示15個(gè)預(yù)測(cè)因子以及4個(gè)災(zāi)情定量預(yù)測(cè)輸出指標(biāo)。

    2.2 預(yù)測(cè)指標(biāo)體系約簡(jiǎn)

    粗糙集是一種刻畫不完整性、不確定性的數(shù)學(xué)工具,具有較好的數(shù)據(jù)知識(shí)挖掘功能,能夠篩選冗余數(shù)據(jù)中隱含的關(guān)鍵信息,并不影響原有的分類效果及評(píng)價(jià)結(jié)果[31-32]。

    2.2.1 粗糙集基本理論

    影響山洪災(zāi)害損失的指標(biāo)體系是一個(gè)復(fù)雜的灰色系統(tǒng),冗余的指標(biāo)信息輸入不僅加重了預(yù)測(cè)模型的負(fù)擔(dān),而且降低模型的泛化能力[30]。本文引入粗糙集理論對(duì)復(fù)雜的指標(biāo)體系進(jìn)行約簡(jiǎn),在不需要先驗(yàn)知識(shí)的情況下刪除一些無(wú)用的因素,實(shí)現(xiàn)了對(duì)預(yù)測(cè)模型輸入變量的優(yōu)化?;诖植诩碚擃A(yù)測(cè)指標(biāo)的優(yōu)化約簡(jiǎn)及其權(quán)重的確定分為以下幾個(gè)步驟。

    表1 山洪災(zāi)害損失預(yù)測(cè)指標(biāo)體系

    (1) 構(gòu)建預(yù)測(cè)模型輸入指標(biāo)信息表

    S=(U,X,V,f)。

    (1)

    (2)計(jì)算決策表中條件屬性等價(jià)類關(guān)系集合ind(B)(B?X)

    等價(jià)關(guān)系ind(B)構(gòu)成了U的一個(gè)劃分,用U/ind(B)={A1,A2,…,An}表示,其中Ai用來(lái)表示不同的等價(jià)類,在ind(B)下與X不可分的所有對(duì)象構(gòu)成一個(gè)等價(jià)類可記為[A]ind(B)。

    (3)根據(jù)(2)中求出的等價(jià)類關(guān)系集合,計(jì)算其重要程度

    在信息系統(tǒng)S=(U,X,V,f)中,a∈A的重要性定義為:

    SX(x)=|H(X)-H(X-x)|。

    (2)

    式中:H(X)表示所有屬性組成的集合X的信息熵;H(X-x)表示集合X除去屬性x的信息熵。SX(x)越大表明該屬性的重要程度越高。

    定義一個(gè)屬性子集B∈X的信息熵H(B)為:

    (3)

    式中:U/ind(B)={A1,A2,…,An},p(Ai)=|Ai|/|U|表示等價(jià)類Ai在U中的概率,|U|表示集合U的“勢(shì)”,|Ai|表示集合Xi的“勢(shì)”。“勢(shì)”可用集合元素的個(gè)數(shù)表示。

    (4) 計(jì)算每個(gè)評(píng)價(jià)指標(biāo)的權(quán)重Wi

    (4)

    根據(jù)權(quán)重的大小來(lái)決約簡(jiǎn)的指標(biāo),權(quán)重越大,表示該指標(biāo)對(duì)整個(gè)系統(tǒng)的影響越大,約簡(jiǎn)后信息損失越多。當(dāng)指標(biāo)權(quán)重為0時(shí),該指標(biāo)對(duì)整個(gè)系統(tǒng)幾乎沒(méi)有影響,應(yīng)該被約簡(jiǎn)掉[33]。

    2.2.2 連續(xù)屬性離散化

    粗糙集理論是在分類機(jī)制的基礎(chǔ)上,利用已知的知識(shí)庫(kù)將不精確或不確定的知識(shí)進(jìn)行近似刻畫,它的處理對(duì)象是離散化的值或?qū)傩訹31-32]。因此,連續(xù)屬性的離散化是粗糙集計(jì)算的基礎(chǔ),其根本目的是在保證預(yù)測(cè)系統(tǒng)信息有效性的前提下,對(duì)預(yù)測(cè)系統(tǒng)進(jìn)行優(yōu)化約簡(jiǎn),將屬性空間或值域空間劃分為盡可能少的子空間,以消除指標(biāo)因素之間的共線性,提高預(yù)測(cè)指標(biāo)的有效性、簡(jiǎn)便性。

    本文選取等距離散化的方法,將每組屬性值進(jìn)行等距離劃分,其具體步驟如下:

    (1)劃分每組屬性值的取值范圍,確定最大值xmax和最小值xmin;

    (2)設(shè)定劃分區(qū)間的數(shù)目n,此處取n=3;

    (3)計(jì)算區(qū)間步長(zhǎng)d=(xmax-xmin)/n;

    (4)計(jì)算區(qū)間劃分點(diǎn)的值,即c0=xmin,c1=c0+xmin,…,cn=xmax。

    表2 原始數(shù)據(jù)表

    表3 預(yù)測(cè)因子離散化信息表

    判斷每組屬性值x位于哪個(gè)區(qū)間,確定離散化后的信息表屬性值p,當(dāng)時(shí)ck-1≤x≤ck,p=k,k=1,2,…,n,特殊地,當(dāng)x=cn時(shí),p=n。

    原始數(shù)據(jù)表見(jiàn)表2,對(duì)原始數(shù)據(jù)進(jìn)行n=3的等距離離散化后得到信息表如表3所示。

    2.2.3 預(yù)測(cè)因子優(yōu)化結(jié)果

    (1)構(gòu)建致災(zāi)因子信息系統(tǒng)S=(U,X1,V,f),其中,屬性X1={x1,x2};U={a1,a2,…,a16}。

    (2)對(duì)于致災(zāi)因子所對(duì)應(yīng)的屬性集X1={x1,x2},運(yùn)用Matlab7.0計(jì)算變成可成:

    (5)

    (3)計(jì)算致災(zāi)因子指標(biāo)的重要程度

    (6)

    (4)計(jì)算各指標(biāo)的權(quán)重

    在粗糙集優(yōu)化預(yù)測(cè)因子指標(biāo)時(shí),約簡(jiǎn)指標(biāo)過(guò)多,信息量丟失嚴(yán)重,達(dá)不到全面決策的精度;約簡(jiǎn)指標(biāo)過(guò)少,則達(dá)不到剔除無(wú)用信息的要求。當(dāng)Wi為0時(shí),此指標(biāo)被約簡(jiǎn)[33]。

    同理求得表2中所有預(yù)測(cè)因子的重要度SA、權(quán)重Wi,將計(jì)算結(jié)果匯總可以得到表4(灰色表示刪除變量)。

    根據(jù)權(quán)重為0的篩選原則對(duì)指標(biāo)因子進(jìn)行約簡(jiǎn),由表4的計(jì)算結(jié)果可知:

    (1) 人口體能指數(shù)、耕地面積、固定資產(chǎn)投資以及防洪堤壩長(zhǎng)度等指標(biāo)的權(quán)重為0,此類指標(biāo)對(duì)整個(gè)預(yù)測(cè)模型的影響度較小。

    (2) 根據(jù)信息量表中權(quán)重的大小分析可知,降雨歷時(shí)、森林覆蓋率、公路里程、區(qū)域搶險(xiǎn)隊(duì)人員數(shù)是預(yù)測(cè)山洪災(zāi)害損失的重要指標(biāo)因子。其中,降雨歷時(shí)屬于致災(zāi)因子,對(duì)山洪災(zāi)害的爆發(fā)起著重要的誘導(dǎo)作用;森林覆蓋率屬于孕災(zāi)環(huán)境因子,森林覆蓋率越低,同等降雨量下山洪災(zāi)害爆發(fā)的可能性越高;公路里程屬于承災(zāi)體的狀況,神農(nóng)架地區(qū)地形陡峭,交通不便,公路里程的長(zhǎng)短不僅關(guān)系到承災(zāi)體的脆弱性,更關(guān)系到災(zāi)后的救援通暢;區(qū)域搶險(xiǎn)隊(duì)人員數(shù)是區(qū)域應(yīng)災(zāi)能力的直接體現(xiàn),對(duì)災(zāi)后搶救起著重要的作用。

    (3)根據(jù)表4的分析結(jié)果,以及權(quán)重大小的約簡(jiǎn)原則,剔除人口體能指數(shù)、耕地面積、固定資產(chǎn)投資以及防洪堤壩長(zhǎng)度這四個(gè)指標(biāo),最終選擇降雨歷時(shí)、日最大降雨量、區(qū)域搶險(xiǎn)隊(duì)人員數(shù)、森林覆蓋率、廣播覆蓋率、關(guān)聯(lián)災(zāi)害(滑坡體體積)、公路里程、危險(xiǎn)區(qū)固定資產(chǎn)、人口密度、固定資產(chǎn)投資等指標(biāo)作為RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的輸入變量。

    表4 預(yù)測(cè)因子指標(biāo)信息量表

    3 預(yù)測(cè)模型與結(jié)果分析

    3.1 預(yù)測(cè)模型構(gòu)建

    由于自然環(huán)境的復(fù)雜性和瞬變性[1],山洪災(zāi)情與預(yù)測(cè)因子之間的作用機(jī)理和影響機(jī)制難以用普通的線性回歸模型進(jìn)行模擬。鑒于山洪災(zāi)情與預(yù)測(cè)因子之間復(fù)雜的耦合非線性關(guān)系,本文選用RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)山洪災(zāi)害損失進(jìn)行模糊定量預(yù)測(cè)。

    RBF神經(jīng)網(wǎng)絡(luò)是一種高效的前饋式神經(jīng)網(wǎng)絡(luò)[28-32,34],這種神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練高效,具有最佳逼近性能和全局最優(yōu)特性,可實(shí)現(xiàn)對(duì)非線性系統(tǒng)的建模,具有良好的泛化能力。RBF神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層、輸出層構(gòu)成。其中輸入層與隱含層之間是簡(jiǎn)單的非線性映射,隱含層中的徑向基函數(shù)負(fù)責(zé)對(duì)輸入變量進(jìn)行處理,然后線性映射到輸出層。其網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

    圖3 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

    3.2 預(yù)測(cè)模型結(jié)果與分析

    3.2.1 RBF神經(jīng)網(wǎng)絡(luò)模型分析

    根據(jù)調(diào)研獲得的神農(nóng)架地區(qū)1983-2013年發(fā)生的18次山洪災(zāi)害為預(yù)測(cè)樣本,隨機(jī)挑選兩個(gè)樣本作為獨(dú)立樣本(編號(hào):17、18),以剩余的16次山洪災(zāi)害為粗糙集約簡(jiǎn)和RBF神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本,依次利用其中15樣本預(yù)測(cè)剩余一個(gè)樣本的損失值,如此循環(huán)計(jì)算對(duì)山洪災(zāi)害損失進(jìn)行模擬預(yù)測(cè),并計(jì)算預(yù)測(cè)值與實(shí)際值之間的相對(duì)誤差率來(lái)檢驗(yàn)?zāi)P偷木取?/p>

    根據(jù)表5中預(yù)測(cè)結(jié)果的相對(duì)誤差,繪制有關(guān)于模型輸出變量相對(duì)誤差折線圖4,并對(duì)其誤差走勢(shì)進(jìn)行相應(yīng)的分析。

    (1) 根據(jù)表4的預(yù)測(cè)結(jié)果可知,基于粗糙集RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)誤差相比直接利用RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)誤差要小。從神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的整體效果來(lái)看,在經(jīng)過(guò)優(yōu)化約簡(jiǎn)后,輸出變量的相對(duì)誤差顯著改善:直接經(jīng)濟(jì)損失的平均相對(duì)預(yù)測(cè)誤差率從11.70%降為2.68%;農(nóng)作物受災(zāi)面積的平均相對(duì)預(yù)測(cè)誤差率從9.23%降為3.59%;損傷房屋面積的平均相對(duì)預(yù)測(cè)誤差率從7.29%降為2.26%;受災(zāi)人數(shù)的平均相對(duì)預(yù)測(cè)誤差率從17.25%降為4.66%。這表明,經(jīng)過(guò)粗糙集優(yōu)化簡(jiǎn)約預(yù)測(cè)因子指標(biāo)體系后,RBF神經(jīng)網(wǎng)絡(luò)模型的相對(duì)預(yù)測(cè)誤差明顯下降,預(yù)測(cè)精確度顯著提高,模型預(yù)測(cè)的可靠性進(jìn)一步改善。

    (2) 根據(jù)圖3的預(yù)測(cè)結(jié)果對(duì)比可知,基于粗糙集RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)山洪災(zāi)害損失的擬合效果較好,預(yù)測(cè)精度高,普遍的相對(duì)誤差保持在3%左右,預(yù)測(cè)結(jié)果誤差曲線更為平緩,改進(jìn)后的模型具有較高的實(shí)用價(jià)值。

    由此可見(jiàn)基于粗糙集RBF神經(jīng)網(wǎng)絡(luò)模型能夠通過(guò)優(yōu)化約簡(jiǎn)原預(yù)測(cè)系統(tǒng)數(shù)據(jù),有效地判別提取了與山洪災(zāi)害密切相關(guān)的預(yù)測(cè)因子,顯著地提高了模型對(duì)災(zāi)害損失的預(yù)測(cè)精度。

    3.2.2 獨(dú)立樣本測(cè)試

    為了進(jìn)一步檢驗(yàn)?zāi)P皖A(yù)測(cè)的準(zhǔn)確性,本文利用未參與預(yù)測(cè)模型訓(xùn)練的17、18號(hào)山洪災(zāi)害進(jìn)行獨(dú)立樣本測(cè)試。分別用普通RBF神經(jīng)網(wǎng)絡(luò)模型和粗糙集RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)樣本進(jìn)行預(yù)測(cè),得到的預(yù)測(cè)結(jié)果如表6所示。

    根據(jù)表6預(yù)測(cè)結(jié)果的對(duì)比分析可知,粗糙集RBF神經(jīng)網(wǎng)絡(luò)能明顯的降低預(yù)測(cè)誤差,輸出結(jié)果比較穩(wěn)定,模型的預(yù)測(cè)精度得到了較好的改善。

    表5 基于粗糙集RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

    注:負(fù)號(hào)表示預(yù)測(cè)值小于實(shí)際值;組合預(yù)測(cè)是指經(jīng)粗糙集約簡(jiǎn)后的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)。

    圖4 模型預(yù)測(cè)結(jié)果誤差圖

    災(zāi)害編號(hào)預(yù)測(cè)模型直接經(jīng)濟(jì)損失農(nóng)作物受災(zāi)面積損傷房屋面積受災(zāi)人數(shù)實(shí)際值/萬(wàn)元預(yù)測(cè)值/萬(wàn)元相對(duì)誤差率/%實(shí)際值/hm2預(yù)測(cè)值/hm2相對(duì)誤差率/%實(shí)際值/m2預(yù)測(cè)值/m2相對(duì)誤差率/%實(shí)際值/人預(yù)測(cè)值/人相對(duì)誤差率/%17RBF900102013337293291728103204140214231158-186組合預(yù)測(cè)9009202227267-69428102709-35914231298-87818RBF27302568-59383460952-26924923044539-9531371014737749組合預(yù)測(cè)27302688-15483481001-28849230497731101371013877122

    注:組合預(yù)測(cè)是指經(jīng)粗糙集約簡(jiǎn)后的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

    因此經(jīng)粗糙集模型對(duì)數(shù)據(jù)進(jìn)行約簡(jiǎn)優(yōu)化,可以明顯改善RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度和穩(wěn)定性,降低了相對(duì)誤差,預(yù)測(cè)結(jié)果比較理想。

    4 結(jié)語(yǔ)

    基于山洪災(zāi)害損失預(yù)測(cè)的理論實(shí)證研究不足,本文在參考其他自然災(zāi)害研究的基礎(chǔ)上,利用粗糙集對(duì)預(yù)測(cè)指標(biāo)體系進(jìn)行優(yōu)化約簡(jiǎn),充分考慮致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體因素以及區(qū)域應(yīng)災(zāi)能力等因素,建立山洪災(zāi)害損失預(yù)測(cè)指標(biāo)體系,并采用RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)1983-2013年神農(nóng)架地區(qū)山洪災(zāi)害損失進(jìn)行實(shí)證研究,結(jié)果表明:

    (1) 經(jīng)過(guò)粗糙集的約簡(jiǎn)計(jì)算,可以顯著地剔除預(yù)測(cè)因子指標(biāo)體系中無(wú)關(guān)因素,實(shí)現(xiàn)了對(duì)預(yù)測(cè)模型輸入變量的優(yōu)化,提高了模型的預(yù)測(cè)精度與可靠性。

    (2) 根據(jù)獨(dú)立樣本試驗(yàn)可知,相比一般的RBF神經(jīng)網(wǎng)絡(luò)模型,基于粗糙集的RBF神經(jīng)網(wǎng)絡(luò)模型擬合精度較好,預(yù)測(cè)可靠性、穩(wěn)定性較高,相對(duì)誤差可以控制在3%左右,預(yù)測(cè)結(jié)果較為理想。

    (3) 雖然神農(nóng)架地區(qū)經(jīng)濟(jì)欠發(fā)達(dá),災(zāi)害發(fā)生時(shí)損失風(fēng)險(xiǎn)較低,但考慮到其防災(zāi)減災(zāi)能力不足,頻繁的災(zāi)害導(dǎo)致區(qū)域社會(huì)經(jīng)濟(jì)體系更為脆弱,“因?yàn)?zāi)致貧、因?yàn)?zāi)返貧”現(xiàn)象時(shí)有發(fā)生。因此,政府防災(zāi)減災(zāi)部門要做到對(duì)災(zāi)害損失及時(shí)預(yù)測(cè),合理預(yù)估災(zāi)害程度的大小,以科學(xué)的布置防災(zāi)減災(zāi)工作、調(diào)配救災(zāi)人員和物資,將災(zāi)害損失降到最低。

    進(jìn)一步指出的是本研究仍存在以下待完善之處:未對(duì)災(zāi)害大小程度進(jìn)行劃分,未驗(yàn)證不同災(zāi)害程度下模型對(duì)災(zāi)害損失預(yù)測(cè)精度的影響;在預(yù)測(cè)過(guò)程中仍存在波動(dòng)較大、誤差相對(duì)較高的地方,需要進(jìn)一步探討與分析。

    [1] 杜俊,任洪玉,張平倉(cāng),等. 大空間尺度山洪災(zāi)害危險(xiǎn)評(píng)估的比較研究[J].災(zāi)害學(xué),2016,31(3):66-72.

    [2] 趙健,范北林. 全國(guó)山洪災(zāi)害時(shí)空分布特點(diǎn)研究[J]. 中國(guó)水利,2006(13):45-47.

    [3] 張明達(dá),李蒙,戴叢蕊,等. 基于Flood Area模型的云南山洪淹沒(méi)模擬研究[J]. 災(zāi)害學(xué),2016,31(1):78-82.

    [4] 鄒強(qiáng),周建中,周超,等. 基于可變模糊集理論的洪水災(zāi)害風(fēng)險(xiǎn)分析[J]. 農(nóng)業(yè)工程學(xué)報(bào),2012,28(5):126-132.

    [5] 李龍偉. 西部山區(qū)城鎮(zhèn)山洪災(zāi)害易損性評(píng)價(jià)[D].長(zhǎng)沙:湖南科技大學(xué),2013.

    [6] 郭曉軍,向靈芝,周小軍,等. 高家溝泥石流和深溪溝泥石流災(zāi)害特征[J].災(zāi)害學(xué),2012,27 (3):81-85.

    [7] 帥紅,劉春平. 湖南省山洪災(zāi)害經(jīng)濟(jì)損失評(píng)價(jià)[J]. 防災(zāi)科技學(xué)院學(xué)報(bào),2011,13(4):81-85.

    [8] 劉亞彬,劉黎明,許迪,等. 基于信息擴(kuò)散理論的中國(guó)糧食主產(chǎn)區(qū)水旱災(zāi)害風(fēng)險(xiǎn)評(píng)估[J]. 農(nóng)業(yè)工程學(xué)報(bào),2010,26(8):1-7.

    [9] Matthieu Perrault, Philippe Gueguen, Alexandru Aldea, et al. Using experimental data to reduce the single-building sigma of fragility curves: case study of the BRD tower in Bucharest, Romania[J]. Earthquake Engineering and Engineering Vibration,2013,124:643-658.

    [10]任玉峰,劉國(guó)東,周理,等. 基于證據(jù)理論和可變模糊集的成都市洪災(zāi)風(fēng)險(xiǎn)評(píng)估[J]. 農(nóng)業(yè)工程學(xué)報(bào),2014,30(21):147-156.

    [11]葛全勝,鄒銘,鄭景云,等. 中國(guó)自然災(zāi)害風(fēng)險(xiǎn)綜合評(píng)估初步研究[M]. 北京:科學(xué)出版社, 2008.

    [12]朱靜,唐川. 城市山洪災(zāi)害易損性的RS和GIS分析[J]. 成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2008(1):61-67.

    [13]Dushmanta Dutta,Srikantha Herath,Katumi Musiake. A mathematical model for flood loss estimation[J]. Journal of Hydrology,2003,2771:24-49

    [14]殷潔,裴志遠(yuǎn),陳曦?zé)?,? 基于GIS的武陵山區(qū)洪水災(zāi)害風(fēng)險(xiǎn)評(píng)估[J]. 農(nóng)業(yè)工程學(xué)報(bào),2013,29(24):110-117.

    [15]周長(zhǎng)鋒,龔日朝,肖國(guó)安. 基于傅里葉級(jí)數(shù)的自然災(zāi)害損失預(yù)測(cè)模型研究——以湖南省自然災(zāi)害經(jīng)濟(jì)損失預(yù)測(cè)為例[J]. 中國(guó)安全科學(xué)學(xué)報(bào), 2009,19(8):5-9,2.

    [16]吉中會(huì), 李寧, 吳吉東, 等. 區(qū)域洪澇災(zāi)害損失評(píng)估及預(yù)測(cè)的CART模型研究——以湖南省為例[J]. 地域研究與開(kāi)發(fā), 2012(6):106-110,144.

    [17]陳香. 福建省洪澇災(zāi)害經(jīng)濟(jì)損失趨勢(shì)分析[J]. 北華大學(xué)學(xué)報(bào)(自然科學(xué)版), 2007(2):170-175.

    [18]張穎超, 范金平, 鄧華. 基于組合預(yù)測(cè)的浙江省臺(tái)風(fēng)災(zāi)害損失預(yù)測(cè)[J]. 自然災(zāi)害學(xué)報(bào), 2013,22(6):223-231.

    [19]王平, 黃河, 吳瑋. 基于支持向量機(jī)的湖北省洪澇農(nóng)業(yè)損失預(yù)測(cè)模型[J]. 湖北農(nóng)業(yè)科學(xué), 2014,53(18):4437-4440.

    [20]劉少軍,張京紅,張明潔,等. DEA模型在山洪災(zāi)害危險(xiǎn)性評(píng)價(jià)中的應(yīng)用——以海南島為例[J]. 自然災(zāi)害學(xué)報(bào),2014,23(4):227-234.

    [21]Li K Z, Wu S H, Dai E F, et al. Flood loss analysis and quantitative risk assessment in China[J]. Natural Hazards,2012(63): 737-760.

    [22]Jing Chen. Analysis on key problems of Mountain Torrent Disaster Loss Assessment System in Liaohe River Basin[C]// Wang Y, Jiang X, Yang M, Zhang D, Yi X, editors. Fifth International Conference on Graphic and Image Processing. Proceedings of SPIE. 90692014.

    [23]Vozinaki A E K, Kourgialas N N, Karatzas G P. Estimating Flood Inundation and the Consequent Economic Losses in the Koiliaris River Basin in Crete, Greece[J]. Global Nest Journal, 2012;14(3):284-93.

    [24]史培軍. 再論災(zāi)害研究的理論與實(shí)踐[J]. 自然災(zāi)害學(xué)報(bào), 1996(4):8-19.

    [25]章德武, 諶宏偉. 山洪災(zāi)害致災(zāi)因子分析與防治措施[J]. 中國(guó)水運(yùn)(下半月刊), 2011,11(3):146-147.

    [26]韓賾, 林孝松, 左倩云, 等. 山區(qū)鎮(zhèn)域山洪災(zāi)害孕災(zāi)環(huán)境分區(qū)研究[J]. 重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版), 2014,31(6):82-89.

    [27]李龍偉. 西部山區(qū)城鎮(zhèn)山洪災(zāi)害易損性評(píng)價(jià) [D].長(zhǎng)沙:湖南科技大學(xué), 2013.

    [28]葉小嶺, 梁偉, 鄧華. 基于主成分分析及RBF神經(jīng)網(wǎng)絡(luò)的浙江省臺(tái)風(fēng)災(zāi)害損失預(yù)測(cè)[J]. 科技通報(bào), 2014,30(9):13-19.

    [29]Ghanbarpour M R, Saravi M M, Salimi S. Floodplain Inundation analysis combined with contingent valuation:implications for sustainable flood risk management[J]. Water resource management, 2014, 28(9): 2491-2505.

    [30]Lepuschitz E. Geographic information systems in mountain risk and disaster management[J]. Appl Geogr,2015,63:212-220.

    [31]劉興杰,岑添云,鄭文書,等. 基于模糊粗糙集與改進(jìn)聚類的神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)[J]. 中國(guó)電機(jī)工程學(xué)報(bào),2014,34(19):3162-3169.

    [32]高爽,冬雷,高陽(yáng),等. 基于粗糙集理論的中長(zhǎng)期風(fēng)速預(yù)測(cè)[J]. 中國(guó)電機(jī)工程學(xué)報(bào),2012,32(1):32-37,21.

    [33]鮑新中,張建斌,劉澄. 基于粗糙集條件信息熵的權(quán)重確定方法[J]. 中國(guó)管理科學(xué),2009,17(3):131-135.

    [34]楊鵬, 劉品杰, 張燕, 等. 基于RBF神經(jīng)網(wǎng)絡(luò)的改進(jìn)多變量預(yù)測(cè)控制[J]. 控制工程, 2009,16(1):39-41,55.

    Mountain Torrent Disaster Loss Prediction Research Based onRSs and RBF Neural Network:A Case Study on Shennongjia

    LI Yichen, HE Yabo and WANG Yang

    (SchoolofCivilEngineering,WuhanUniversity,Wuhan430072,China)

    Shennongjia,locatedinthecentralandwesternmountainousareas,sufferedseriousdamagefrommountaintorrentinrecentyears.Themountaintorrentthreatensthecommunitiesusually,whichpushesthepeopleinworsecondition.Inthispaper,onthebasisofdisastersystemtheory,mountaintorrentdisasterlossindicatorsystemisestablishedinthevariedtopographyandpoorpeoplewidedistributionmountainousarea.Theindicatorsystemdividedinto4maincomponents,namelydisaster-inducingfactors,hazardinducingenvironment,physicalexposure,anddisasterreliefcapacity.Tooptimizingtheindicatorsystem,roughsettheoryisemployedtoanalyzeandoptimizetheinputindicators.ApplyingtheRBFneutralnetworkmodelbasedonthemountaintorrentdisasterhazard,propertydamageandcasualtieswerecomputedinShennongjia.Theresultsindicatedthat:Roughsetstheorycaneffectivelyextractthepredictorsthatcloselyrelatedtomountaintorrentdisasterandobservablyimprovespredictionaccuracy;TheRBFneuralnetworkmodelbasedontheroughsetstheoryhashigherpredictionaccuracycomparedwiththegeneralRBFneuralnetwork,ofwhichtherelativeerrorgenerallymaintainedatabout3%andtherelativeerrorcurveismoregentle.

    mountaintorrentdisasters;lossforecasting;roughsets;RBFNeutralNetwork

    10.3969/j.issn.1000-811X.2017.02.040.]

    2016-07-29

    2016-09-08

    國(guó)家科技支撐計(jì)劃課題“村鎮(zhèn)區(qū)域綜合防災(zāi)減災(zāi)信息系統(tǒng)研究及示范”(2014BAL05B00)

    李祎琛(1993-),女,河南平頂山人,碩士研究生,主要研究方向防災(zāi)減災(zāi)、可持續(xù)城市與區(qū)域發(fā)展. E-mail:li.yichen@whu.edu.cn

    何亞伯(1956-),男,湖北武漢人,教授,博士生導(dǎo)師,主要研究方向土木施工過(guò)程控制與信息化、防災(zāi)減災(zāi)、可持續(xù)城市與區(qū)域發(fā)展.E-mail:Hyb5610@163.com

    X43;P648

    A

    1000-811X(2017)02-0227-08

    10.3969/j.issn.1000-811X.2017.02.040

    李祎琛,何亞伯,汪洋. 基于粗糙集RBF神經(jīng)網(wǎng)絡(luò)村鎮(zhèn)山洪災(zāi)害損失預(yù)測(cè)研究——以神農(nóng)架林區(qū)為例[J]. 災(zāi)害學(xué),2017,32(2):227-234. [LI Yichen, HE Yabo and WANG Yang. Mountain Torrent Disaster Loss Prediction Research Based on RSs and RBF Neural Network:a Case Study on Shennongjia[J]. Journal of Catastrophology,2017,32(2):227-234.

    猜你喜歡
    約簡(jiǎn)山洪粗糙集
    基于Pawlak粗糙集模型的集合運(yùn)算關(guān)系
    優(yōu)雅地表達(dá)
    基于二進(jìn)制鏈表的粗糙集屬性約簡(jiǎn)
    實(shí)值多變量維數(shù)約簡(jiǎn):綜述
    基于模糊貼近度的屬性約簡(jiǎn)
    多粒化粗糙集性質(zhì)的幾個(gè)充分條件
    雙論域粗糙集在故障診斷中的應(yīng)用
    遭遇暴雨山洪如何避險(xiǎn)自救
    湖北省山洪溝治理思路淺析
    “慧圖杯”山洪災(zāi)害防治知識(shí)競(jìng)賽
    看十八女毛片水多多多| 国产男女超爽视频在线观看| 欧美zozozo另类| 观看美女的网站| 夫妻午夜视频| 欧美成人a在线观看| 一级毛片电影观看| 国产乱来视频区| 久热这里只有精品99| 欧美激情国产日韩精品一区| 日本色播在线视频| 一级a做视频免费观看| av不卡在线播放| 日日啪夜夜爽| 久久久欧美国产精品| 边亲边吃奶的免费视频| 97在线视频观看| 国产黄片视频在线免费观看| 男人狂女人下面高潮的视频| 成人高潮视频无遮挡免费网站| 免费人妻精品一区二区三区视频| 亚洲精品乱久久久久久| 久久久色成人| 国产在线男女| 亚洲经典国产精华液单| 日日撸夜夜添| 女性被躁到高潮视频| 最近最新中文字幕大全电影3| 一个人看的www免费观看视频| 久久女婷五月综合色啪小说| 国内揄拍国产精品人妻在线| 少妇猛男粗大的猛烈进出视频| 国产亚洲一区二区精品| 中文在线观看免费www的网站| 国产又色又爽无遮挡免| 国产熟女欧美一区二区| 五月伊人婷婷丁香| 六月丁香七月| 乱码一卡2卡4卡精品| 国产精品一区二区在线观看99| 亚洲成人中文字幕在线播放| 一区二区三区四区激情视频| 久久精品国产亚洲av天美| 欧美激情极品国产一区二区三区 | 亚洲国产精品999| 亚洲,欧美,日韩| av福利片在线观看| 亚洲成人中文字幕在线播放| 精品久久久久久久末码| 亚洲精品国产av蜜桃| 国产一区二区三区综合在线观看 | 欧美高清性xxxxhd video| 国产欧美亚洲国产| 七月丁香在线播放| 99久久精品国产国产毛片| 尤物成人国产欧美一区二区三区| av在线蜜桃| xxx大片免费视频| 毛片女人毛片| 午夜免费男女啪啪视频观看| 国产午夜精品久久久久久一区二区三区| 国产精品精品国产色婷婷| 久久精品国产亚洲网站| 成人高潮视频无遮挡免费网站| 欧美日韩精品成人综合77777| 久久99热这里只频精品6学生| 国产无遮挡羞羞视频在线观看| 国产伦在线观看视频一区| 麻豆成人av视频| 国产免费福利视频在线观看| 国产亚洲91精品色在线| 亚洲色图综合在线观看| 91精品国产国语对白视频| 国产成人免费无遮挡视频| 一本久久精品| 男人和女人高潮做爰伦理| 欧美xxxx性猛交bbbb| 久久久久国产精品人妻一区二区| 男人和女人高潮做爰伦理| 国产黄色视频一区二区在线观看| 青春草国产在线视频| 国产精品久久久久久精品古装| 午夜精品国产一区二区电影| 日本一二三区视频观看| 成人二区视频| 18禁在线播放成人免费| 亚洲av成人精品一二三区| 久久精品国产自在天天线| 日本午夜av视频| 只有这里有精品99| freevideosex欧美| 日韩人妻高清精品专区| 日本vs欧美在线观看视频 | av福利片在线观看| 久久国产精品大桥未久av | 亚洲人成网站高清观看| 亚洲精品,欧美精品| 边亲边吃奶的免费视频| 只有这里有精品99| 欧美精品国产亚洲| 国产综合精华液| 嫩草影院新地址| videossex国产| 国产精品国产三级国产专区5o| 又爽又黄a免费视频| 十八禁网站网址无遮挡 | 黄色欧美视频在线观看| 麻豆成人av视频| 夫妻性生交免费视频一级片| 国产爱豆传媒在线观看| 日韩中字成人| 久久影院123| 简卡轻食公司| 又黄又爽又刺激的免费视频.| 亚洲av成人精品一区久久| 狂野欧美白嫩少妇大欣赏| 一级爰片在线观看| 99久久精品一区二区三区| 欧美日韩一区二区视频在线观看视频在线| 国产精品成人在线| 国产男人的电影天堂91| 国产精品一及| 免费高清在线观看视频在线观看| 少妇被粗大猛烈的视频| 国产视频首页在线观看| av国产精品久久久久影院| 天堂8中文在线网| 久久国内精品自在自线图片| 少妇人妻精品综合一区二区| 国产欧美日韩一区二区三区在线 | 青春草国产在线视频| 日韩,欧美,国产一区二区三区| 亚洲美女视频黄频| 美女cb高潮喷水在线观看| 99久久精品一区二区三区| 亚洲欧美精品专区久久| 18禁裸乳无遮挡免费网站照片| 欧美97在线视频| 国内少妇人妻偷人精品xxx网站| 国产精品女同一区二区软件| 国产深夜福利视频在线观看| 国产乱人视频| 嫩草影院入口| 国产又色又爽无遮挡免| 亚洲综合色惰| 性色av一级| 久久久久久久久久久免费av| 亚洲内射少妇av| 久久精品久久久久久久性| 国产精品熟女久久久久浪| av线在线观看网站| 亚洲精品日韩在线中文字幕| 久久午夜福利片| 欧美97在线视频| 国产黄频视频在线观看| 18禁在线无遮挡免费观看视频| 精品一区二区三卡| 欧美日韩精品成人综合77777| 日韩欧美精品免费久久| 国产伦在线观看视频一区| 国产伦精品一区二区三区视频9| 久久国内精品自在自线图片| 高清视频免费观看一区二区| 亚洲自偷自拍三级| 午夜精品国产一区二区电影| 在线观看av片永久免费下载| 久久久久久久精品精品| 久久精品熟女亚洲av麻豆精品| 只有这里有精品99| 一本一本综合久久| 国产探花极品一区二区| xxx大片免费视频| 日韩 亚洲 欧美在线| 久久久精品免费免费高清| av网站免费在线观看视频| 我要看日韩黄色一级片| 久久精品国产亚洲av天美| 午夜福利高清视频| 日韩强制内射视频| 亚洲精品成人av观看孕妇| 一级a做视频免费观看| 777米奇影视久久| 国产一区二区三区综合在线观看 | 边亲边吃奶的免费视频| 亚洲怡红院男人天堂| 亚洲精品久久午夜乱码| 亚洲精品456在线播放app| 日韩成人伦理影院| 在线观看三级黄色| 我要看黄色一级片免费的| 中国美白少妇内射xxxbb| 精品一区二区免费观看| 男人狂女人下面高潮的视频| 国产成人freesex在线| 自拍偷自拍亚洲精品老妇| 国产亚洲午夜精品一区二区久久| 午夜福利视频精品| 九九爱精品视频在线观看| 九草在线视频观看| 深夜a级毛片| 国产精品一区二区在线不卡| 成年人午夜在线观看视频| 夜夜爽夜夜爽视频| 两个人的视频大全免费| 国产欧美另类精品又又久久亚洲欧美| 一本一本综合久久| 联通29元200g的流量卡| 男女免费视频国产| 最新中文字幕久久久久| 偷拍熟女少妇极品色| 少妇熟女欧美另类| 另类亚洲欧美激情| 22中文网久久字幕| 在线观看三级黄色| 亚洲四区av| 国产成人a区在线观看| av.在线天堂| 18禁裸乳无遮挡动漫免费视频| 天天躁日日操中文字幕| 熟妇人妻不卡中文字幕| 亚洲成色77777| 少妇人妻 视频| 最后的刺客免费高清国语| 人妻系列 视频| 久久久精品94久久精品| 日日摸夜夜添夜夜爱| 久久久久久久大尺度免费视频| 黄色配什么色好看| 中文字幕精品免费在线观看视频 | 男人爽女人下面视频在线观看| 伊人久久国产一区二区| 欧美激情极品国产一区二区三区 | 欧美性感艳星| 99热全是精品| 91精品一卡2卡3卡4卡| 免费人妻精品一区二区三区视频| 丰满迷人的少妇在线观看| 建设人人有责人人尽责人人享有的 | 欧美日韩亚洲高清精品| 亚洲av中文av极速乱| 精品久久久精品久久久| 少妇高潮的动态图| 91久久精品国产一区二区三区| 精品人妻一区二区三区麻豆| 日韩精品有码人妻一区| 91精品国产九色| 在线观看av片永久免费下载| 久久久色成人| 97超碰精品成人国产| 精品人妻视频免费看| 久久6这里有精品| 建设人人有责人人尽责人人享有的 | 能在线免费看毛片的网站| 亚洲va在线va天堂va国产| 乱码一卡2卡4卡精品| 黑丝袜美女国产一区| 日韩三级伦理在线观看| 国产精品99久久99久久久不卡 | 高清不卡的av网站| 如何舔出高潮| 亚洲综合精品二区| 国产成人a∨麻豆精品| 亚洲国产毛片av蜜桃av| 欧美xxⅹ黑人| 美女xxoo啪啪120秒动态图| 直男gayav资源| 永久免费av网站大全| 精品一区在线观看国产| 欧美成人精品欧美一级黄| 成人高潮视频无遮挡免费网站| 在线观看一区二区三区| 天美传媒精品一区二区| 亚洲图色成人| 99视频精品全部免费 在线| 中国三级夫妇交换| av不卡在线播放| 观看免费一级毛片| 制服丝袜香蕉在线| 18禁裸乳无遮挡动漫免费视频| 毛片一级片免费看久久久久| 亚洲精品456在线播放app| 久久鲁丝午夜福利片| 黄片wwwwww| 国产成人免费无遮挡视频| 亚洲av在线观看美女高潮| 在线天堂最新版资源| 最近最新中文字幕免费大全7| 国产在视频线精品| 老女人水多毛片| 夜夜看夜夜爽夜夜摸| 国产成人精品婷婷| 黄色视频在线播放观看不卡| 日韩欧美一区视频在线观看 | 99久久精品一区二区三区| 国内少妇人妻偷人精品xxx网站| 97在线视频观看| 人妻系列 视频| 色5月婷婷丁香| 亚洲av中文av极速乱| 国产精品精品国产色婷婷| 国产精品一二三区在线看| 久久av网站| 亚洲欧美日韩无卡精品| 校园人妻丝袜中文字幕| 免费看av在线观看网站| 97超碰精品成人国产| 午夜日本视频在线| 男女国产视频网站| 久久精品夜色国产| 亚洲国产精品999| 在线观看免费日韩欧美大片 | av国产久精品久网站免费入址| 如何舔出高潮| 欧美日本视频| 亚洲精品自拍成人| 国产亚洲欧美精品永久| 日本一二三区视频观看| 乱码一卡2卡4卡精品| 大陆偷拍与自拍| 亚洲怡红院男人天堂| 在线观看免费高清a一片| 18禁动态无遮挡网站| 不卡视频在线观看欧美| 少妇丰满av| av国产精品久久久久影院| 久久久久网色| 少妇人妻精品综合一区二区| 高清在线视频一区二区三区| 三级经典国产精品| 日本-黄色视频高清免费观看| 欧美xxⅹ黑人| 最新中文字幕久久久久| 一区二区av电影网| 好男人视频免费观看在线| 中文字幕制服av| 亚洲欧美成人精品一区二区| 欧美精品人与动牲交sv欧美| 最近最新中文字幕免费大全7| 大片免费播放器 马上看| 欧美 日韩 精品 国产| kizo精华| 久久精品人妻少妇| 精品人妻一区二区三区麻豆| 日日摸夜夜添夜夜添av毛片| 中文字幕av成人在线电影| 欧美精品国产亚洲| 日本一二三区视频观看| 三级国产精品片| h视频一区二区三区| 欧美三级亚洲精品| 国产成人免费观看mmmm| 欧美一区二区亚洲| 最近的中文字幕免费完整| 国产精品人妻久久久久久| 亚洲精品视频女| 成人特级av手机在线观看| 麻豆成人午夜福利视频| 青春草视频在线免费观看| 成人亚洲欧美一区二区av| 亚洲av成人精品一二三区| 99久久综合免费| 久久久久久久国产电影| 欧美激情极品国产一区二区三区 | 亚洲久久久国产精品| 自拍偷自拍亚洲精品老妇| 我要看日韩黄色一级片| 久久99热6这里只有精品| 99国产精品免费福利视频| 亚洲av中文av极速乱| 亚洲精品国产成人久久av| 人妻系列 视频| 高清视频免费观看一区二区| 91久久精品电影网| 大码成人一级视频| 中文字幕精品免费在线观看视频 | 亚洲av成人精品一区久久| 纵有疾风起免费观看全集完整版| 最近最新中文字幕免费大全7| 五月天丁香电影| 日韩电影二区| 久久99精品国语久久久| 日本爱情动作片www.在线观看| 中文字幕免费在线视频6| 黑丝袜美女国产一区| 一本—道久久a久久精品蜜桃钙片| 国产老妇伦熟女老妇高清| 精品视频人人做人人爽| 久久久亚洲精品成人影院| 亚洲欧洲日产国产| 青春草国产在线视频| 亚洲中文av在线| 色吧在线观看| 亚洲av免费高清在线观看| 免费人成在线观看视频色| 国内少妇人妻偷人精品xxx网站| 国产精品一区二区在线不卡| 国产精品久久久久久久久免| 老司机影院毛片| 亚洲精品国产色婷婷电影| 在线亚洲精品国产二区图片欧美 | 国产综合精华液| 免费黄网站久久成人精品| av福利片在线观看| 成人国产av品久久久| 亚洲国产精品999| 亚洲欧洲国产日韩| 99久久精品国产国产毛片| 秋霞伦理黄片| 免费观看a级毛片全部| 亚洲国产最新在线播放| 大又大粗又爽又黄少妇毛片口| 亚洲美女黄色视频免费看| 一区二区三区乱码不卡18| 国产成人a区在线观看| 久久久亚洲精品成人影院| 校园人妻丝袜中文字幕| 中文在线观看免费www的网站| 国产爱豆传媒在线观看| 综合色丁香网| 精品久久久噜噜| 一区二区三区精品91| 天美传媒精品一区二区| 又爽又黄a免费视频| 久久热精品热| 嫩草影院新地址| 在线观看人妻少妇| 亚洲av中文av极速乱| 少妇猛男粗大的猛烈进出视频| 99热这里只有是精品50| 日本与韩国留学比较| 久久久久久久精品精品| 国产色爽女视频免费观看| 日韩欧美 国产精品| 国产男女内射视频| 国产精品伦人一区二区| 精品酒店卫生间| 免费人妻精品一区二区三区视频| 少妇猛男粗大的猛烈进出视频| 黄色欧美视频在线观看| 中文欧美无线码| 2021少妇久久久久久久久久久| 欧美激情国产日韩精品一区| 爱豆传媒免费全集在线观看| 狂野欧美激情性bbbbbb| .国产精品久久| 国产视频首页在线观看| 日日啪夜夜爽| 在线观看免费日韩欧美大片 | 身体一侧抽搐| 91久久精品国产一区二区成人| av专区在线播放| 搡女人真爽免费视频火全软件| 成年人午夜在线观看视频| 看免费成人av毛片| 亚洲av福利一区| 美女视频免费永久观看网站| 天堂中文最新版在线下载| 日本av免费视频播放| 国产成人a∨麻豆精品| 美女中出高潮动态图| 黄片wwwwww| 最近2019中文字幕mv第一页| 黑丝袜美女国产一区| 校园人妻丝袜中文字幕| 日本欧美视频一区| 最新中文字幕久久久久| 久久久久国产精品人妻一区二区| 久久国产精品大桥未久av | 亚洲精品国产色婷婷电影| 日日啪夜夜爽| 成人黄色视频免费在线看| 国产淫片久久久久久久久| 黄色一级大片看看| 国产视频首页在线观看| 在线观看一区二区三区激情| 一区在线观看完整版| 少妇 在线观看| 国产精品久久久久久久电影| 久久97久久精品| 秋霞伦理黄片| 国产成人免费观看mmmm| 欧美成人精品欧美一级黄| 91午夜精品亚洲一区二区三区| 毛片女人毛片| 国产精品一区二区在线观看99| 超碰av人人做人人爽久久| 黄色欧美视频在线观看| 国内揄拍国产精品人妻在线| 99热6这里只有精品| 22中文网久久字幕| 中文字幕精品免费在线观看视频 | 国产高清国产精品国产三级 | 美女国产视频在线观看| 香蕉精品网在线| freevideosex欧美| 在现免费观看毛片| 精品国产一区二区三区久久久樱花 | 多毛熟女@视频| 高清毛片免费看| 国产爱豆传媒在线观看| 一级毛片久久久久久久久女| 色视频www国产| 免费av不卡在线播放| 七月丁香在线播放| 乱系列少妇在线播放| 青春草视频在线免费观看| 午夜福利网站1000一区二区三区| 国产亚洲最大av| 超碰97精品在线观看| 黄色一级大片看看| 99热网站在线观看| 国产黄色视频一区二区在线观看| 波野结衣二区三区在线| 嫩草影院入口| 国产精品一区二区三区四区免费观看| 久久久久人妻精品一区果冻| 成年女人在线观看亚洲视频| 18禁裸乳无遮挡动漫免费视频| 国产深夜福利视频在线观看| 国产午夜精品久久久久久一区二区三区| 亚洲欧美中文字幕日韩二区| 欧美最新免费一区二区三区| 久久综合国产亚洲精品| 在线观看免费视频网站a站| 成人毛片60女人毛片免费| av不卡在线播放| 亚洲成色77777| 我要看日韩黄色一级片| 日韩电影二区| 亚洲伊人久久精品综合| 特大巨黑吊av在线直播| av在线观看视频网站免费| 天天躁日日操中文字幕| 欧美+日韩+精品| 伦理电影免费视频| 国产一区有黄有色的免费视频| 一区二区av电影网| 欧美 日韩 精品 国产| 在线观看免费日韩欧美大片 | 91久久精品电影网| 2021少妇久久久久久久久久久| 人人妻人人澡人人爽人人夜夜| 亚洲欧美日韩卡通动漫| 18+在线观看网站| 国产国拍精品亚洲av在线观看| tube8黄色片| 99久久精品热视频| 中文字幕制服av| 深夜a级毛片| 亚洲精品中文字幕在线视频 | av专区在线播放| 一级毛片 在线播放| 97在线人人人人妻| 日本wwww免费看| av线在线观看网站| www.色视频.com| 99久久人妻综合| 亚洲美女视频黄频| 久久精品国产亚洲av天美| 成人国产麻豆网| 久久久久久人妻| 亚洲欧美精品专区久久| 少妇人妻精品综合一区二区| 91久久精品电影网| 丝袜脚勾引网站| 午夜福利在线观看免费完整高清在| 亚洲欧美清纯卡通| 日本-黄色视频高清免费观看| 丰满少妇做爰视频| 国产男女超爽视频在线观看| 久久国产亚洲av麻豆专区| 免费大片黄手机在线观看| 午夜免费鲁丝| 国产一区二区三区综合在线观看 | 噜噜噜噜噜久久久久久91| 80岁老熟妇乱子伦牲交| 一级毛片电影观看| 国产欧美日韩精品一区二区| 久久人人爽人人爽人人片va| 久久国产精品男人的天堂亚洲 | 精品久久久久久电影网| 99久久人妻综合| 精品一区二区免费观看| 亚洲图色成人| 亚洲综合色惰| 少妇精品久久久久久久| 精品午夜福利在线看| 精品一品国产午夜福利视频| 丰满乱子伦码专区| 日韩欧美一区视频在线观看 | 亚洲av男天堂| 国产亚洲av片在线观看秒播厂| 一本色道久久久久久精品综合| 久久久a久久爽久久v久久| 亚洲伊人久久精品综合| 老女人水多毛片| 亚洲一级一片aⅴ在线观看| 少妇精品久久久久久久| 欧美精品国产亚洲| 男女无遮挡免费网站观看| 精品久久国产蜜桃| 另类亚洲欧美激情| 狂野欧美激情性xxxx在线观看| 成人综合一区亚洲| 少妇的逼好多水| 少妇的逼水好多| 丰满迷人的少妇在线观看| 亚洲久久久国产精品| 日日摸夜夜添夜夜爱| h日本视频在线播放| videossex国产| 亚洲电影在线观看av| 麻豆成人午夜福利视频| 午夜日本视频在线| 亚洲精品456在线播放app|