• <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
    精品欧美国产一区二区三| 欧美乱码精品一区二区三区| 99视频精品全部免费 在线 | 后天国语完整版免费观看| 精品99又大又爽又粗少妇毛片 | 在线视频色国产色| 亚洲精品美女久久av网站| 麻豆av在线久日| 亚洲欧美日韩高清专用| 99热精品在线国产| 18禁观看日本| 一个人免费在线观看的高清视频| 两性夫妻黄色片| 欧美另类亚洲清纯唯美| h日本视频在线播放| 成人av一区二区三区在线看| 久久国产精品影院| 久久久色成人| 三级毛片av免费| 亚洲aⅴ乱码一区二区在线播放| 婷婷精品国产亚洲av在线| 全区人妻精品视频| 一个人看的www免费观看视频| 黑人巨大精品欧美一区二区mp4| 欧美日韩综合久久久久久 | 三级男女做爰猛烈吃奶摸视频| 成年女人看的毛片在线观看| 999久久久国产精品视频| 国产av在哪里看| 国产一区二区在线观看日韩 | 婷婷精品国产亚洲av在线| 在线永久观看黄色视频| 国产成人福利小说| 我要搜黄色片| 免费人成视频x8x8入口观看| a在线观看视频网站| www.精华液| 两性午夜刺激爽爽歪歪视频在线观看| 国产一区在线观看成人免费| 日本免费a在线| 精品无人区乱码1区二区| 啦啦啦韩国在线观看视频| 悠悠久久av| 国产精品久久久久久精品电影| 国产三级黄色录像| 波多野结衣巨乳人妻| 欧美在线一区亚洲| 日本 欧美在线| 三级毛片av免费| 制服人妻中文乱码| 一本综合久久免费| 亚洲成人免费电影在线观看| 日本五十路高清| 热99在线观看视频| 最近视频中文字幕2019在线8| 91av网站免费观看| 欧美色视频一区免费| av黄色大香蕉| 无限看片的www在线观看| 黄色 视频免费看| 久久精品夜夜夜夜夜久久蜜豆| 一个人免费在线观看的高清视频| tocl精华| 级片在线观看| 国产乱人伦免费视频| 日韩欧美精品v在线| 免费电影在线观看免费观看| 精品国产乱码久久久久久男人| 性色avwww在线观看| 亚洲人成伊人成综合网2020| 国内久久婷婷六月综合欲色啪| 亚洲av成人一区二区三| 一二三四在线观看免费中文在| 亚洲成人久久性| 午夜福利18| 99久久精品热视频| 国产高清视频在线观看网站| www.999成人在线观看| or卡值多少钱| 国产成人精品久久二区二区91| 岛国在线免费视频观看| 欧美zozozo另类| a在线观看视频网站| 97超级碰碰碰精品色视频在线观看| 亚洲精品乱码久久久v下载方式 | 欧洲精品卡2卡3卡4卡5卡区| 亚洲 欧美一区二区三区| 亚洲av片天天在线观看| 精品国内亚洲2022精品成人| 国产伦精品一区二区三区四那| 日本一本二区三区精品| 好看av亚洲va欧美ⅴa在| 国产99白浆流出| 亚洲国产看品久久| 深夜精品福利| 精品无人区乱码1区二区| 国产亚洲精品一区二区www| 亚洲欧美日韩无卡精品| 桃红色精品国产亚洲av| 99国产精品99久久久久| 最新中文字幕久久久久 | 香蕉久久夜色| 免费av毛片视频| 嫁个100分男人电影在线观看| 黑人欧美特级aaaaaa片| 欧美又色又爽又黄视频| 91久久精品国产一区二区成人 | 日韩大尺度精品在线看网址| 午夜福利18| 亚洲国产精品成人综合色| 熟女少妇亚洲综合色aaa.| 国语自产精品视频在线第100页| 丁香欧美五月| 巨乳人妻的诱惑在线观看| 一个人免费在线观看电影 | 亚洲一区二区三区不卡视频| 欧美一区二区精品小视频在线| 最好的美女福利视频网| 亚洲成人精品中文字幕电影| 国产精品久久久av美女十八| 国产成年人精品一区二区| 美女高潮喷水抽搐中文字幕| 观看美女的网站| 好男人在线观看高清免费视频| 色尼玛亚洲综合影院| 成人国产综合亚洲| 男人舔奶头视频| 久久久久久久久久黄片| 男女视频在线观看网站免费| 99久久精品国产亚洲精品| 亚洲欧美日韩高清在线视频| 欧美激情久久久久久爽电影| 嫩草影视91久久| 国产成人福利小说| 男人的好看免费观看在线视频| 亚洲av电影不卡..在线观看| 国内精品久久久久精免费| 久久久久国产精品人妻aⅴ院| 亚洲成人精品中文字幕电影| 欧美性猛交黑人性爽| 成年免费大片在线观看| 欧美三级亚洲精品| 性色av乱码一区二区三区2| 日本三级黄在线观看| 999久久久精品免费观看国产| 亚洲国产欧美人成| svipshipincom国产片| 亚洲电影在线观看av| 琪琪午夜伦伦电影理论片6080| 国产成人欧美在线观看| 国产黄片美女视频| 国产三级黄色录像| 欧美国产日韩亚洲一区| 嫩草影视91久久| 两个人视频免费观看高清| 高清在线国产一区| 国产av在哪里看| 91久久精品国产一区二区成人 | 国产伦精品一区二区三区四那| 午夜福利18| 国产精品久久视频播放| 少妇的逼水好多| 在线视频色国产色| 麻豆成人午夜福利视频| 曰老女人黄片| 国产亚洲欧美在线一区二区| 国产精品 欧美亚洲| 12—13女人毛片做爰片一| 日韩欧美免费精品| 久久久精品大字幕| 国产三级中文精品| 色播亚洲综合网| 亚洲欧洲精品一区二区精品久久久| 国内精品美女久久久久久| 最近视频中文字幕2019在线8| 老司机福利观看| 又黄又爽又免费观看的视频| 欧美日韩综合久久久久久 | 一二三四社区在线视频社区8| 成在线人永久免费视频| 一边摸一边抽搐一进一小说| 欧美极品一区二区三区四区| 亚洲国产日韩欧美精品在线观看 | 久久人人精品亚洲av| 19禁男女啪啪无遮挡网站| 一边摸一边抽搐一进一小说| 色av中文字幕| 搡老熟女国产l中国老女人| 99久久久亚洲精品蜜臀av| 18禁黄网站禁片免费观看直播| 中文字幕人妻丝袜一区二区| 亚洲黑人精品在线| 国产成人欧美在线观看| 欧美乱码精品一区二区三区| 好男人电影高清在线观看| 天堂动漫精品| 一本久久中文字幕| 在线播放国产精品三级| 亚洲精品一卡2卡三卡4卡5卡| 一级a爱片免费观看的视频| 日韩欧美免费精品| 美女高潮的动态| netflix在线观看网站| 午夜影院日韩av| av视频在线观看入口| 国产高清三级在线| av天堂在线播放| 中文字幕熟女人妻在线| 免费看十八禁软件| 国产一区二区激情短视频| 天天躁狠狠躁夜夜躁狠狠躁| 波多野结衣高清作品| 日日干狠狠操夜夜爽| 欧美日韩福利视频一区二区| 级片在线观看| 中文字幕久久专区| 亚洲真实伦在线观看| 国内毛片毛片毛片毛片毛片| 亚洲国产中文字幕在线视频| 日韩国内少妇激情av| 国产欧美日韩一区二区三| 日本一二三区视频观看| 欧美中文日本在线观看视频| 国产精品亚洲一级av第二区| 男女下面进入的视频免费午夜| 在线观看一区二区三区| 亚洲精品美女久久av网站| 操出白浆在线播放| 成人永久免费在线观看视频| 欧美在线黄色| 黄频高清免费视频| 制服人妻中文乱码| 国产高清视频在线播放一区| 亚洲无线在线观看| 欧美一级毛片孕妇| 精品国内亚洲2022精品成人| 欧美色欧美亚洲另类二区| 99久久综合精品五月天人人| 香蕉久久夜色| 亚洲精品一区av在线观看| 色综合站精品国产| 99riav亚洲国产免费| 天堂网av新在线| 亚洲成人久久性| 亚洲熟妇熟女久久| 国产成人aa在线观看| 欧美一级a爱片免费观看看| 黄色 视频免费看| 俄罗斯特黄特色一大片| 熟女少妇亚洲综合色aaa.| 国产精品久久久久久久电影 | 亚洲精品一区av在线观看| a级毛片a级免费在线| 亚洲欧美日韩高清专用| 夜夜躁狠狠躁天天躁| 身体一侧抽搐| 国产一区二区在线av高清观看| 久99久视频精品免费| 搡老熟女国产l中国老女人| 午夜影院日韩av| 一个人免费在线观看的高清视频| bbb黄色大片| 中文字幕高清在线视频| 国产午夜福利久久久久久| 精品国产三级普通话版| 亚洲七黄色美女视频| 欧洲精品卡2卡3卡4卡5卡区| 国产亚洲精品久久久久久毛片| 一二三四社区在线视频社区8| 无人区码免费观看不卡| 国产精品亚洲美女久久久| 午夜a级毛片| 亚洲aⅴ乱码一区二区在线播放| 99久久成人亚洲精品观看| 999久久久精品免费观看国产| 国产精品日韩av在线免费观看| 美女高潮的动态| 国产毛片a区久久久久| 黄色女人牲交| 久久性视频一级片| 亚洲av中文字字幕乱码综合| 亚洲专区中文字幕在线| 亚洲九九香蕉| 熟女少妇亚洲综合色aaa.| 亚洲精品在线美女| 90打野战视频偷拍视频| 婷婷丁香在线五月| 日韩中文字幕欧美一区二区| 色老头精品视频在线观看| 亚洲va日本ⅴa欧美va伊人久久| 好男人电影高清在线观看| 黄片小视频在线播放| 母亲3免费完整高清在线观看| 色av中文字幕| 久久精品91蜜桃| 亚洲欧美日韩无卡精品| av天堂中文字幕网| 亚洲成人中文字幕在线播放| 国产黄色小视频在线观看| 婷婷丁香在线五月| 小说图片视频综合网站| 亚洲av免费在线观看| 日韩有码中文字幕| 亚洲av五月六月丁香网| 哪里可以看免费的av片| 免费在线观看亚洲国产| 精品国内亚洲2022精品成人| 大型黄色视频在线免费观看| 成人午夜高清在线视频| svipshipincom国产片| 日本黄大片高清| 久久久精品欧美日韩精品| 午夜福利成人在线免费观看| 亚洲 欧美 日韩 在线 免费| 十八禁网站免费在线| 国产精品美女特级片免费视频播放器 | 国产精品 欧美亚洲| 国产精品国产高清国产av| 精品久久久久久,| 亚洲无线在线观看| 午夜激情欧美在线| 国产激情偷乱视频一区二区| 精品国产亚洲在线| 国产精品av久久久久免费| 九色国产91popny在线| 亚洲av五月六月丁香网| 久久久国产欧美日韩av| 黄色视频,在线免费观看| 夜夜夜夜夜久久久久| 久久久久久久久中文| 男人舔奶头视频| 国产一区二区激情短视频| 久久午夜亚洲精品久久| 久久久久久久久免费视频了| 欧美三级亚洲精品| 热99在线观看视频| 午夜福利在线观看吧| 亚洲男人的天堂狠狠| 国产毛片a区久久久久| 亚洲成人中文字幕在线播放| 在线观看美女被高潮喷水网站 | 天堂影院成人在线观看| 亚洲色图av天堂| 亚洲片人在线观看| 99国产精品一区二区蜜桃av| 99热这里只有精品一区 | 男女午夜视频在线观看| 亚洲九九香蕉| 欧美一级毛片孕妇| 天天一区二区日本电影三级| 色在线成人网| 男女之事视频高清在线观看| 亚洲欧美精品综合久久99| 亚洲午夜精品一区,二区,三区| 午夜福利欧美成人| 男女视频在线观看网站免费| 日本三级黄在线观看| 国产精品一区二区精品视频观看| 国产免费av片在线观看野外av| 国产成人影院久久av| 久久国产精品人妻蜜桃| 国产99白浆流出| 十八禁网站免费在线| 女警被强在线播放| 中文字幕高清在线视频| 免费观看的影片在线观看| 久久伊人香网站| 国产99白浆流出| 亚洲精品美女久久av网站| 国产美女午夜福利| 亚洲av片天天在线观看| 最好的美女福利视频网| 最近最新中文字幕大全免费视频| 国产精品亚洲av一区麻豆| 亚洲欧美日韩东京热| 精品国产三级普通话版| 在线观看午夜福利视频| 淫妇啪啪啪对白视频| 黑人巨大精品欧美一区二区mp4| 97超视频在线观看视频| 给我免费播放毛片高清在线观看| 亚洲欧美日韩高清在线视频| 一区二区三区高清视频在线| 一个人免费在线观看的高清视频| 女人被狂操c到高潮| 国产精品国产高清国产av| 国产免费av片在线观看野外av| 男插女下体视频免费在线播放| 99久久精品一区二区三区| 亚洲精品一区av在线观看| 欧美成人性av电影在线观看| 国内久久婷婷六月综合欲色啪| 99视频精品全部免费 在线 | 免费看日本二区| 成人国产综合亚洲| 精品国产美女av久久久久小说| 好男人在线观看高清免费视频| 日本熟妇午夜| 国产av不卡久久| 蜜桃久久精品国产亚洲av| 亚洲av成人不卡在线观看播放网| 午夜福利在线观看吧| 人人妻人人看人人澡| 免费av毛片视频| 美女高潮的动态| 三级国产精品欧美在线观看 | 国产伦在线观看视频一区| 热99在线观看视频| 后天国语完整版免费观看| netflix在线观看网站| 少妇丰满av| 国产欧美日韩一区二区精品| 在线观看舔阴道视频| 97超视频在线观看视频| www国产在线视频色| 欧美日韩瑟瑟在线播放| 一a级毛片在线观看| 精品欧美国产一区二区三| 亚洲午夜理论影院| 国内揄拍国产精品人妻在线| 这个男人来自地球电影免费观看| 99久久精品一区二区三区| 欧美又色又爽又黄视频| 欧美在线一区亚洲| 国产aⅴ精品一区二区三区波| 特级一级黄色大片| 久久精品aⅴ一区二区三区四区| 国产伦人伦偷精品视频| 国产视频内射| 久久国产精品影院| 成年女人永久免费观看视频| 成人鲁丝片一二三区免费| 亚洲欧美精品综合一区二区三区| 久久久水蜜桃国产精品网| 欧美黄色淫秽网站| 女同久久另类99精品国产91| 久久香蕉国产精品| 91麻豆av在线| 国产一级毛片七仙女欲春2| 色播亚洲综合网| 亚洲成av人片在线播放无| 亚洲av美国av| 亚洲avbb在线观看| 又粗又爽又猛毛片免费看| 久久亚洲真实| 欧美日本视频| 日本精品一区二区三区蜜桃| 美女cb高潮喷水在线观看 | 亚洲,欧美精品.| 欧美丝袜亚洲另类 | 精品国产超薄肉色丝袜足j| 少妇裸体淫交视频免费看高清| 国内久久婷婷六月综合欲色啪| 午夜福利在线在线| 免费看十八禁软件| 欧美乱码精品一区二区三区| 国产精品,欧美在线| 美女高潮的动态| 999久久久精品免费观看国产| 男女之事视频高清在线观看| 精品国产乱子伦一区二区三区| 亚洲成人精品中文字幕电影| 禁无遮挡网站| 两性午夜刺激爽爽歪歪视频在线观看| 97超视频在线观看视频| 首页视频小说图片口味搜索| 成人特级黄色片久久久久久久| 香蕉丝袜av| 亚洲在线自拍视频| 美女大奶头视频| 欧美色视频一区免费| 欧美激情久久久久久爽电影| 国产成人福利小说| www.精华液| 久久久久亚洲av毛片大全| 性色avwww在线观看| 又黄又粗又硬又大视频| 天堂动漫精品| 欧美极品一区二区三区四区| 欧美+亚洲+日韩+国产| 熟女人妻精品中文字幕| 国产视频一区二区在线看| 久久中文字幕一级| 国产探花在线观看一区二区| 国产精品av视频在线免费观看| 美女 人体艺术 gogo| 亚洲中文字幕日韩| 少妇裸体淫交视频免费看高清| 欧美一级a爱片免费观看看| 99re在线观看精品视频| 国产成人aa在线观看| 精品不卡国产一区二区三区| 欧美性猛交╳xxx乱大交人| 99热精品在线国产| 亚洲美女视频黄频| 日本黄色片子视频| 1000部很黄的大片| 麻豆av在线久日| 欧美乱色亚洲激情| 国产黄a三级三级三级人| 国产久久久一区二区三区| 无遮挡黄片免费观看| 亚洲自拍偷在线| 午夜精品在线福利| 网址你懂的国产日韩在线| 叶爱在线成人免费视频播放| 高潮久久久久久久久久久不卡| 国产主播在线观看一区二区| 色视频www国产| 午夜福利高清视频| 美女cb高潮喷水在线观看 | 亚洲无线在线观看| 国内精品久久久久精免费| 久久99热这里只有精品18| 久久草成人影院| 午夜免费成人在线视频| 18禁裸乳无遮挡免费网站照片| 婷婷亚洲欧美| 日韩欧美免费精品| 久久久久久久久中文| 亚洲精品美女久久久久99蜜臀| 午夜成年电影在线免费观看| 丁香欧美五月| 国产亚洲欧美98| 999久久久国产精品视频| 久久性视频一级片| 在线观看66精品国产| 亚洲七黄色美女视频| 在线观看舔阴道视频| 久久精品综合一区二区三区| 国产精品一区二区免费欧美| 久久这里只有精品中国| 99久久综合精品五月天人人| 男女午夜视频在线观看| 国产精品美女特级片免费视频播放器 | 欧美又色又爽又黄视频| 在线观看日韩欧美| 国产午夜福利久久久久久| 这个男人来自地球电影免费观看| 欧美不卡视频在线免费观看| 搡老妇女老女人老熟妇| 国产午夜精品论理片| 久久久久久大精品| 天堂av国产一区二区熟女人妻| 欧美黑人欧美精品刺激| 久久人妻av系列| 五月玫瑰六月丁香| 高潮久久久久久久久久久不卡| 国产成人福利小说| 9191精品国产免费久久| 舔av片在线| 天天一区二区日本电影三级| 免费人成视频x8x8入口观看| 亚洲精品一卡2卡三卡4卡5卡| www.www免费av| 精品国产超薄肉色丝袜足j| 国产淫片久久久久久久久 | 18美女黄网站色大片免费观看| 日韩中文字幕欧美一区二区| 久9热在线精品视频| 男人舔奶头视频| 成年女人毛片免费观看观看9| 国产伦精品一区二区三区视频9 | 一级作爱视频免费观看| 1000部很黄的大片| 成人av在线播放网站| ponron亚洲| 欧美日韩福利视频一区二区| 免费在线观看影片大全网站| 欧美乱妇无乱码| 日韩免费av在线播放| 很黄的视频免费| 999久久久国产精品视频| 99在线视频只有这里精品首页| 欧美三级亚洲精品| 久久九九热精品免费| 国内精品美女久久久久久| tocl精华| 亚洲电影在线观看av| 久久九九热精品免费| 999久久久精品免费观看国产| tocl精华| 午夜福利高清视频| 18禁黄网站禁片午夜丰满| 国产三级中文精品| xxxwww97欧美| 最好的美女福利视频网| 久久久国产成人精品二区| 国产真人三级小视频在线观看| 久久久久国产一级毛片高清牌| 啦啦啦免费观看视频1| 一卡2卡三卡四卡精品乱码亚洲| 巨乳人妻的诱惑在线观看| 欧美极品一区二区三区四区| 日本 av在线| 欧美中文综合在线视频| 久久久成人免费电影| av黄色大香蕉| 日韩欧美三级三区| 人妻丰满熟妇av一区二区三区| 久久精品影院6| 波多野结衣巨乳人妻| 听说在线观看完整版免费高清| 又黄又粗又硬又大视频| 99久久无色码亚洲精品果冻| 国产一区二区三区视频了| 亚洲人成伊人成综合网2020| 日韩 欧美 亚洲 中文字幕| 91老司机精品| 国产午夜福利久久久久久| 国产野战对白在线观看| www国产在线视频色| 岛国视频午夜一区免费看| 亚洲午夜理论影院| 母亲3免费完整高清在线观看|