• <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 ?

    典型優(yōu)化目標(biāo)函數(shù)下源參數(shù)反演性能對(duì)比研究

    2021-05-29 03:17:24郎建壘毛書(shū)帥玄博元
    中國(guó)環(huán)境科學(xué) 2021年5期
    關(guān)鍵詞:情形準(zhǔn)確性反演

    胡 峰,郎建壘,毛書(shū)帥,玄博元

    典型優(yōu)化目標(biāo)函數(shù)下源參數(shù)反演性能對(duì)比研究

    胡 峰,郎建壘*,毛書(shū)帥,玄博元

    (北京工業(yè)大學(xué)環(huán)境與生命學(xué)部,區(qū)域大氣復(fù)合污染防治北京市重點(diǎn)實(shí)驗(yàn)室,北京 100124)

    基于外場(chǎng)實(shí)驗(yàn)數(shù)據(jù),從反演高估率、準(zhǔn)確性、穩(wěn)定性角度系統(tǒng)評(píng)估了8種典型目標(biāo)函數(shù)在不同未知源參數(shù)反演情形下的反演性能差異.研究發(fā)現(xiàn),不同目標(biāo)函數(shù)反演性能差異顯著.僅反演單參數(shù)源強(qiáng)時(shí)(),對(duì)數(shù)變換目標(biāo)函數(shù)高估率最大(79.4%),偏差平方和目標(biāo)函數(shù)準(zhǔn)確性最高(ARD<50%=82.3%,ARD=(35.3±9.1)%),目標(biāo)函數(shù)穩(wěn)定性無(wú)明顯差異(CV<0.01).三參數(shù)反演(,,)時(shí),標(biāo)準(zhǔn)化均方根誤差目標(biāo)函數(shù)源強(qiáng)高估率最大(98.5%),對(duì)數(shù)變換目標(biāo)函數(shù)準(zhǔn)確性、穩(wěn)定性最高(ARD<50%=91.1%,ARD=(48.4±9.8)%;CV=0.01);位置方面,偏差平方和目標(biāo)函數(shù)準(zhǔn)確性最高(AD=(36.12±11.39)m),對(duì)數(shù)變換目標(biāo)函數(shù)穩(wěn)定性最強(qiáng)(CV=0.0018).四參數(shù)反演(,,,)時(shí),標(biāo)準(zhǔn)化均方根誤差目標(biāo)函數(shù)源強(qiáng)高估率最大(98.5%),對(duì)數(shù)變換目標(biāo)函數(shù)準(zhǔn)確性、穩(wěn)定性最優(yōu)(ARD<50%=61.7%,ARD=(55.2±16.5)%;CV=0.03);位置方面,相關(guān)系數(shù)總體表現(xiàn)最優(yōu)(AD=(34.37±10.72)m; CV=0.011).整體上,隨反演參數(shù)變化,對(duì)數(shù)變換目標(biāo)函數(shù)源強(qiáng)反演性能最穩(wěn)定.

    源參數(shù)反演;突發(fā)大氣污染事故;高斯煙羽模型;啟發(fā)式算法;目標(biāo)函數(shù)

    快速、準(zhǔn)確識(shí)別污染源參數(shù)(源強(qiáng)、位置)對(duì)科學(xué)、有效開(kāi)展大氣污染事故應(yīng)急處置工作具有重要意義.源參數(shù)反演技術(shù)是確定事故源信息的重要手段.目前,國(guó)內(nèi)外已經(jīng)開(kāi)展了大量研究.如張建文等[1]將遺傳-單純形耦合算法(GA-NM)用于位置和源強(qiáng)參數(shù)反演,顯著提升了源反演性能;Cui等[2]提出將粒子群-單純形耦合算法(PSO-NM)用于研究不同大氣擴(kuò)散條件對(duì)源反演的影響;沈澤亞等[3]對(duì)比了3種耦合算法(PSO-NM、GA-NM和GA-PSO)反演性能,毛書(shū)帥等[4]比較了不同源排放情形下標(biāo)準(zhǔn)算法(PSO、GA)和耦合算法(PSO-NM)反演性能.然而,上述研究集中于優(yōu)化算法在源反演中的應(yīng)用或不同算法性能對(duì)比研究.目標(biāo)函數(shù)的構(gòu)建是源反演技術(shù)建立的重要一環(huán).目前,在以算法應(yīng)用及改善為主的源反演研究中,大多以偏差平方和目標(biāo)函數(shù)建立源反演技術(shù),并開(kāi)展研究[5-7];文獻(xiàn)[8-9]建立了對(duì)數(shù)變換目標(biāo)函數(shù)分別探究了傳感器閾值及數(shù)量對(duì)反演效果的影響;Annunzio等[10]使用濃度貢獻(xiàn)率目標(biāo)函數(shù)探究多點(diǎn)源反演問(wèn)題;文獻(xiàn)[11-12]分別基于模擬案例、單次外場(chǎng)草原實(shí)驗(yàn)數(shù)據(jù)[13]比較不同目標(biāo)函數(shù)的源參數(shù)反演效果,發(fā)現(xiàn)不同目標(biāo)函數(shù)下的源反演差異影響顯著.

    然而,真實(shí)突發(fā)大氣污染事故情景復(fù)雜,可能出現(xiàn)不同的源參數(shù)反演情景,如火災(zāi)情形,通常事故源位置已知,該情形可歸為源強(qiáng)未知的單維參數(shù)線性反演問(wèn)題;對(duì)于泄漏事故,由于泄漏物質(zhì)可能無(wú)色、無(wú)味,具有一定的隱蔽性,往往無(wú)法預(yù)知泄露源的位置、源強(qiáng)等信息,此時(shí)可歸為多維參數(shù)非線性反演問(wèn)題[4,7,14].而上述研究主要以模擬事故案例或單次外場(chǎng)實(shí)驗(yàn)案例研究為主,且未考慮不同情景下目標(biāo)函數(shù)選擇對(duì)源反演的影響.因此,本文基于68次美國(guó)草原SO2泄漏模擬實(shí)驗(yàn)數(shù)據(jù)集[13],開(kāi)展了不同源參數(shù)數(shù)量反演情形下8種典型目標(biāo)函數(shù)反演效果對(duì)比研究,從反演高估率、準(zhǔn)確性、穩(wěn)定性角度系統(tǒng)評(píng)估了典型目標(biāo)函數(shù)在不同未知源參數(shù)反演情形下的源反演性能差異.本研究結(jié)果有助于理解不同目標(biāo)函數(shù)在解決線性與非線性優(yōu)化源反演問(wèn)題的性能差異,可為多種事故情景下污染源信息(源強(qiáng)、位置)的準(zhǔn)確估算提供科學(xué)依據(jù).

    1 材料和方法

    1.1 實(shí)驗(yàn)數(shù)據(jù)

    美國(guó)草原SO2泄漏實(shí)驗(yàn)[13]在美國(guó)內(nèi)布拉斯加州奧尼爾鎮(zhèn)東北部草原地區(qū)(42°29.6¢N,98°34.3¢E),平均海拔600余米.SO2草原釋放實(shí)驗(yàn)包括68次外場(chǎng)釋放實(shí)驗(yàn),其中大氣穩(wěn)定度A下開(kāi)展了5次實(shí)驗(yàn),大氣穩(wěn)定度B下開(kāi)展了5次實(shí)驗(yàn),大氣穩(wěn)定度C下開(kāi)展了10次試驗(yàn),大氣穩(wěn)定度D下開(kāi)展了31次實(shí)驗(yàn),大氣穩(wěn)定度E下開(kāi)展了5次實(shí)驗(yàn),以及大氣穩(wěn)定度F下開(kāi)展了12次試驗(yàn).此外,在美國(guó)SO2草原釋放實(shí)驗(yàn)中,1~65次實(shí)驗(yàn)的氣體釋放高度為距離地面0.46m,66~68次實(shí)驗(yàn)的氣體釋放高度為距離地面1.5m,單次實(shí)驗(yàn)釋放時(shí)間為10min.下風(fēng)向布點(diǎn)采用半圓弧布點(diǎn)方式,共計(jì)布設(shè)5層采樣點(diǎn),各層布點(diǎn)覆蓋范圍均為180°,分布半徑分別為50, 100, 200, 400和800m,其中前4層采樣點(diǎn)按照每間隔1°進(jìn)行布設(shè),每一層采樣弧段共計(jì)180個(gè)采樣點(diǎn),第5層采樣點(diǎn)按照每間隔2°進(jìn)行布設(shè),共計(jì)90個(gè)采樣點(diǎn),采樣高度距地面1.5m.本文采用距離地面2m處測(cè)得的氣象信息(風(fēng)速、風(fēng)向),所有外場(chǎng)實(shí)驗(yàn)相關(guān)信息參考文獻(xiàn)[15].

    1.2 高斯煙羽模型

    表1 BRRIGS 擴(kuò)散參數(shù)方案(平坦開(kāi)闊地形)

    注:分別為水平和垂直方向的擴(kuò)散參數(shù),單位m;0、分別為釋放點(diǎn)和采樣點(diǎn)的橫坐標(biāo),單位m.

    高斯煙羽模型是基于理想假設(shè)而推導(dǎo)出的氣體擴(kuò)散模式[16],常用于平坦開(kāi)闊地形下穩(wěn)態(tài)流場(chǎng)的模擬.本研究中采用的實(shí)驗(yàn)數(shù)據(jù)為草原污染釋放示蹤實(shí)驗(yàn)數(shù)據(jù),且實(shí)驗(yàn)數(shù)據(jù)集為10min采樣時(shí)間的污染濃度均值[15],因此,可認(rèn)為地形平坦開(kāi)闊且流場(chǎng)相對(duì)穩(wěn)定.文獻(xiàn)[17]指出,當(dāng)模型指標(biāo)如分?jǐn)?shù)偏差(FB)、歸一化均方誤差(NMSE)滿足:-0.3

    式中:0為釋放源強(qiáng), g/s;為平均風(fēng)速, m/s; σσ分別為水平和垂直方向的擴(kuò)散參數(shù),本文采用BRRIGS擴(kuò)散參數(shù)方案[19](表1);(,,)為下風(fēng)向?qū)?yīng)監(jiān)測(cè)點(diǎn)在(,,)位置處的污染物模擬濃度, g/m3; (0,0,0)為事故源的位置參數(shù),其中(0,0)為事故源的平面坐標(biāo),0為事故源有效釋放高度, m.

    1.3 啟發(fā)式算法

    由于啟發(fā)式算法具有對(duì)初值依賴性低等優(yōu)點(diǎn),近年來(lái)被廣泛運(yùn)用于污染物溯源問(wèn)題中[1-7,20-22].標(biāo)準(zhǔn)遺傳算法(GA)[1,7,9]、標(biāo)準(zhǔn)粒子群算法(PSO)[2-3]和人群搜索算法(SOA)是3種典型的啟發(fā)式算法.GA是模擬自然界生物進(jìn)化過(guò)程的計(jì)算模型[23],經(jīng)過(guò)選擇、交叉和變異3種基本遺傳操作,逼近問(wèn)題最優(yōu)解. PSO的思想源于自然界鳥(niǎo)群捕食過(guò)程,通過(guò)群體協(xié)作找到問(wèn)題的全局最優(yōu)解[24]. SOA研究人類在隨機(jī)搜索時(shí)所采用的交流、協(xié)作、記憶、推理、學(xué)習(xí)知識(shí)與經(jīng)驗(yàn)等的智能行為,結(jié)合搜索和進(jìn)化思想,以搜尋隊(duì)伍為種群,以搜尋者位置為優(yōu)化問(wèn)題的候選解,通過(guò)模擬人類搜索的“經(jīng)驗(yàn)梯度”和不確定性推理,分別確定搜索方向和步長(zhǎng),完成位置更新,實(shí)現(xiàn)對(duì)所求問(wèn)題解的優(yōu)化[25].本研究通過(guò)對(duì)3種啟發(fā)式算法進(jìn)行對(duì)比評(píng)估,篩選出極小值尋優(yōu)性能最好的算法,并將其作為源參數(shù)反演算法.

    1.4 源參數(shù)反演模型構(gòu)建

    目標(biāo)函數(shù)是評(píng)價(jià)優(yōu)化性能指標(biāo)的數(shù)學(xué)表達(dá)式.在源參數(shù)反演問(wèn)題中,利用啟發(fā)式算法尋找正向擴(kuò)散模式的模擬濃度與監(jiān)測(cè)濃度的最優(yōu)匹配,并通過(guò)優(yōu)化目標(biāo)函數(shù)來(lái)定義.參照已有的研究成果[26-29],構(gòu)建下列目標(biāo)函數(shù):

    Function 1 (1):基于濃度偏差平方和形式的目標(biāo)函數(shù):

    式中:代表高斯煙羽模型的模擬濃度值,代表監(jiān)測(cè)濃度.表示采樣點(diǎn)總數(shù),表示第個(gè)觀測(cè)點(diǎn),C為擴(kuò)散模型在第點(diǎn)的濃度計(jì)算值, g/m3;O為第點(diǎn)的實(shí)際監(jiān)測(cè)值, g/m3,下同.

    Function 2 (2):基于對(duì)數(shù)變換形式的濃度均方根誤差目標(biāo)函數(shù):

    式中:為常數(shù),用于保證aCaO均大于1.

    Function 3 (3):基于濃度貢獻(xiàn)率形式的目標(biāo)函數(shù):

    Function 4 (4):基于相關(guān)系數(shù)形式的目標(biāo)函數(shù):

    式中:σσ分別為模擬濃度()和監(jiān)測(cè)濃度()的標(biāo)準(zhǔn)差.

    Function 5 (5):基于濃度分?jǐn)?shù)偏差絕對(duì)值形式的目標(biāo)函數(shù):

    Function 6 (6):基于濃度標(biāo)準(zhǔn)化均方根誤差形式的目標(biāo)函數(shù):

    Function 8 (8復(fù)合目標(biāo)函數(shù),Wade等[30]使用該目標(biāo)函數(shù)確定多點(diǎn)源反演問(wèn)題中釋放源的數(shù)量,具體如下:

    式中: FAC2∈[0.5,2],表示模擬濃度和監(jiān)測(cè)濃度比的模擬數(shù)據(jù)占所有數(shù)據(jù)的比值; AFB表示模擬濃度與監(jiān)測(cè)濃度分?jǐn)?shù)偏差的絕對(duì)值,表達(dá)式與5相同;表示模擬濃度和監(jiān)測(cè)濃度的相關(guān)系數(shù).

    在僅反演源強(qiáng)()的情形下,事故源的位置信息(,,)是已知的,構(gòu)建如下優(yōu)化模型以及相應(yīng)源參數(shù)約束條件:

    在三參數(shù)反演情形下,源強(qiáng)()和位置(,)是未知的,此種情形下是將事故源簡(jiǎn)化為地面源,此時(shí)優(yōu)化模型及源參數(shù)約束條件可表示為:

    在四參數(shù)反演情形下,源強(qiáng)()和位置(,,)是未知信息,此時(shí)優(yōu)化模型及源參數(shù)約束條件可表示為:

    上式中,Function代表優(yōu)化目標(biāo)函數(shù).使用啟發(fā)式算法反演源參數(shù)的具體過(guò)程如下所示:

    (1)初始化:確定待反演源參數(shù)數(shù)量,種群中的所有個(gè)體都包括相應(yīng)的源參數(shù),構(gòu)成對(duì)應(yīng)源參數(shù)的優(yōu)化搜索.

    (2)將初始群體以及氣象數(shù)據(jù)(包括風(fēng)速、大氣穩(wěn)定度等)代入擴(kuò)散模型(高斯煙羽模型),得到各采樣點(diǎn)的模擬濃度,并與監(jiān)測(cè)濃度作對(duì)比,即通過(guò)優(yōu)化目標(biāo)函數(shù)(參照公式(2)~(9))計(jì)算個(gè)體適應(yīng)值;

    (3)由個(gè)體適應(yīng)值比較獲得群體的最優(yōu)適應(yīng)值并作紀(jì)錄;

    (4)根據(jù)上述優(yōu)化模型(參照公式(10)~(12)),按照特定的進(jìn)化規(guī)則,進(jìn)行種群的更新,直到滿足迭代停止標(biāo)準(zhǔn).輸出具有最優(yōu)適應(yīng)度值的源參數(shù)最優(yōu)解.

    1.5 評(píng)估方法

    在實(shí)際應(yīng)急處置中,源強(qiáng)反演結(jié)果在一定程度上高于真實(shí)值可能更適用于計(jì)算安全距離和確定應(yīng)急疏散區(qū)域[31],故本研究使用高估率(overestimated)比較不同目標(biāo)函數(shù)對(duì)于68次實(shí)驗(yàn)反演結(jié)果的高估情況,高估率為源強(qiáng)反演結(jié)果高于真實(shí)值的實(shí)驗(yàn)數(shù) (overestimated)占全部實(shí)驗(yàn)(all)的比重;使用反演源強(qiáng)相對(duì)偏差絕對(duì)值(ARD)小于50%的實(shí)驗(yàn)次數(shù)(ARD<50%)占全部實(shí)驗(yàn)次數(shù)(all)的比重指標(biāo)(ARD<50%)、反演位置偏差的絕對(duì)值(AD),用以表征不同目標(biāo)函數(shù)源參數(shù)反演結(jié)果的準(zhǔn)確性;利用變異系數(shù)(CV)來(lái)評(píng)估不同目標(biāo)函數(shù)在反演中的穩(wěn)定性,其中變異系數(shù)越小,穩(wěn)定性越強(qiáng),變異系數(shù)越大,則穩(wěn)定性越弱[31],具體表達(dá)式為:

    (15)~(16)式中:代表反演值,代表真實(shí)值,代表測(cè)試實(shí)驗(yàn)序號(hào),代表源強(qiáng), g/s;代表反演源與真實(shí)源的距離, m. (17)式中,代表每次實(shí)驗(yàn)源強(qiáng)或距離反演結(jié)果偏差(ARD或AD)的標(biāo)準(zhǔn)差,代表每次實(shí)驗(yàn)源強(qiáng)或距離反演結(jié)果偏差(ARD或AD)的平均值.對(duì)于距離,在三參數(shù)反演情形下(高度已知,,,未知),其中r=r=0m,其表達(dá)式為:

    四參數(shù)反演情形下(,,,均未知),其中, r=r=0m, r=0.46或1.5m,其表達(dá)式為:

    2 結(jié)果與討論

    2.1 算法優(yōu)化性能對(duì)比

    研究發(fā)現(xiàn)[3,6],不同算法的源參數(shù)反演性能有較大差異.為選擇優(yōu)化性能相對(duì)較好的算法進(jìn)行源參數(shù)反演,本文采用Sphere、Schaffer和Rastrigin經(jīng)典函數(shù)分別對(duì)GA、PSO和SOA三種算法進(jìn)行極小值尋優(yōu)性能對(duì)比實(shí)驗(yàn),各經(jīng)典函數(shù)的表達(dá)式、搜索范圍、理論極小值和峰值情況具體參照文獻(xiàn)[32],具體的優(yōu)化結(jié)果見(jiàn)表2.

    表2 不同經(jīng)典函數(shù)優(yōu)化結(jié)果比較

    如表2所示,通過(guò)3種算法(GA、PSO和SOA)對(duì)經(jīng)典函數(shù)Sphere、Schaffer和Rastrigin的優(yōu)化結(jié)果來(lái)判斷(平均最優(yōu)值、標(biāo)準(zhǔn)差以及優(yōu)化結(jié)果的最大值、最小值),SOA 算法的極小值尋優(yōu)性能要比GA和PSO更好.綜合上述3種啟發(fā)式算法對(duì)經(jīng)典函數(shù)Sphere、Schaffer和Rastrigin優(yōu)化結(jié)果.可以看出,人群搜索算法(SOA)完成函數(shù)優(yōu)化分析具有收斂精度高、穩(wěn)定性較好等特點(diǎn).綜上所述,采用人群搜索算法(SOA)作為源參數(shù)反演算法.

    2.2 僅反演源強(qiáng)情形

    圖1展示了僅反演源強(qiáng)情形下,不同目標(biāo)函數(shù)68次SO2釋放實(shí)驗(yàn)源強(qiáng)反演準(zhǔn)確性(相對(duì)偏差絕對(duì)值,ARD)、穩(wěn)定性(變異系數(shù),CV)和高估率(overestimated).從高估率來(lái)看,2目標(biāo)函數(shù)高估率最大(79.4%),其次為7(70.5%),最低為4(0.0%).這表明,在僅反演源強(qiáng)情形下,使用2目標(biāo)函數(shù)進(jìn)行源強(qiáng)反演時(shí),出現(xiàn)高估現(xiàn)象的可能性更大.從準(zhǔn)確性來(lái)看,僅反演源強(qiáng)情形下,1目標(biāo)函數(shù)ARD<50%最高(82.3%),同時(shí)1源強(qiáng)反演結(jié)果ARD及其置信區(qū)間最低((35.3±9.1)%).這表明,1目標(biāo)函數(shù)源強(qiáng)反演結(jié)果最為準(zhǔn)確.從穩(wěn)定性來(lái)看,各目標(biāo)函數(shù)無(wú)明顯差異(CV<0.01).綜上所述,僅反演源強(qiáng)情形下,濃度偏差平方和目標(biāo)函數(shù)(1)源強(qiáng)反演結(jié)果最為準(zhǔn)確,穩(wěn)定性較好,同時(shí)ARD<50%最高,但會(huì)低估部分實(shí)驗(yàn)源強(qiáng)(overestimated=58.4%),而此時(shí)對(duì)數(shù)變換目標(biāo)函數(shù)(2)出現(xiàn)低估現(xiàn)象的實(shí)驗(yàn)次數(shù)最少.

    2.3 三參數(shù)反演情形

    2.3.1 源強(qiáng)反演性能分析 圖2展示三參數(shù)情形下不同目標(biāo)函數(shù)68次SO2釋放實(shí)驗(yàn)源強(qiáng)反演準(zhǔn)確性(ARD)、穩(wěn)定性(CV)和高估率(overestimated).從高估率來(lái)看,6的高估率最大(98.5%),4最低(0%).這表明,使用6目標(biāo)函數(shù)進(jìn)行源強(qiáng)反演時(shí),出現(xiàn)高估現(xiàn)象的可能性更大.從準(zhǔn)確性來(lái)看,2目標(biāo)函數(shù)ARD<50%最高(91.1%);2的源強(qiáng)反演結(jié)果ARD及其置信區(qū)間最低((48.4±9.8)%),其次為8((73.1±19.2)%),最高為3((104.9±35.9)%),這表明,在三參數(shù)反演情形下,2的準(zhǔn)確性要明顯優(yōu)于其他目標(biāo)函數(shù).從穩(wěn)定性來(lái)看,2目標(biāo)函數(shù)演穩(wěn)定性最強(qiáng) (CV=0.01),4最高(CV=0.17).綜上所述,在三參數(shù)反演情形下,對(duì)數(shù)變換目標(biāo)函數(shù)(2)源強(qiáng)反演結(jié)果準(zhǔn)確性、穩(wěn)定性均表現(xiàn)最優(yōu),這可能是由于目標(biāo)函數(shù)2表達(dá)式中對(duì)觀測(cè)值和模擬值均取對(duì)數(shù),從而使得源參數(shù)反演結(jié)果受極高或極低值的影響更小有關(guān).

    2.3.2 位置反演性能分析 圖3展示了在三參數(shù)情形下,不同目標(biāo)函數(shù)68次SO2釋放實(shí)驗(yàn)位置反演結(jié)果準(zhǔn)確性(絕對(duì)偏差,AD)、穩(wěn)定性(CV).從準(zhǔn)確性來(lái)看,在三參數(shù)情形下,1目標(biāo)函數(shù)的AD最小((36.12±11.39)m),4次之((39.37±10.82) m),5最大((73.88±37.09)m).這表明,1目標(biāo)函數(shù)距離反演結(jié)果準(zhǔn)確性要略優(yōu)于4;從穩(wěn)定性來(lái)看,2目標(biāo)函數(shù)的變異系數(shù)最低(CV=0.0018),4次之(CV= 0.0021),7最高(CV=0.081).結(jié)果表明,在三參數(shù)反演情形下,偏差平方和目標(biāo)函數(shù)(1)距離反演準(zhǔn)確性最高,對(duì)數(shù)變換目標(biāo)函數(shù)(2)穩(wěn)定性最強(qiáng),而分?jǐn)?shù)偏差絕對(duì)值目標(biāo)函數(shù)(5)準(zhǔn)確性最低;平權(quán)復(fù)合目標(biāo)函數(shù)(7)穩(wěn)定性最低.

    圖3 三參數(shù)情形下不同目標(biāo)函數(shù)位置反演性能對(duì)比

    2.4 四參數(shù)反演情形

    2.4.1 源強(qiáng)反演性能分析 圖4展示了在四參數(shù)情形下,不同目標(biāo)函數(shù)68次SO2釋放實(shí)驗(yàn)源強(qiáng)反演性能.從高估率來(lái)看,6目標(biāo)函數(shù)高估率最大(98.5%),這表明,使用標(biāo)準(zhǔn)化均方根誤差目標(biāo)函數(shù)(6)時(shí),源強(qiáng)反演結(jié)果存在普遍高估的現(xiàn)象.從準(zhǔn)確性來(lái)看,對(duì)數(shù)變換目標(biāo)函數(shù)2源強(qiáng)反演結(jié)果準(zhǔn)確性最高(ARD<50%=61.7%, ARD=(55.2±16.5)%),而濃度貢獻(xiàn)率目標(biāo)函數(shù)(3)源強(qiáng)反演結(jié)果與真值相差最大,這可能是因?yàn)?與其他目標(biāo)函數(shù)相比,3目標(biāo)函數(shù)更易受到極高或極低監(jiān)測(cè)值的影響[11,17].從穩(wěn)定性來(lái)看,2目標(biāo)函數(shù)變異系數(shù)最低(CV=0.03),而其余目標(biāo)函數(shù)變異系數(shù)均高于0.11,這表明,在四參數(shù)反演情形下對(duì)數(shù)變換目標(biāo)函數(shù)(2)源強(qiáng)反演穩(wěn)定性要明顯優(yōu)于其他目標(biāo)函數(shù).整體上,2目標(biāo)函數(shù)在源強(qiáng)反演準(zhǔn)確性和穩(wěn)定性方面均表現(xiàn)最優(yōu),這與三參數(shù)反演情形結(jié)論一致.

    如圖5所示,從準(zhǔn)確性來(lái)看,隨著反演參數(shù)數(shù)量的變化,2目標(biāo)函數(shù)ARD和ARD<50%要更加穩(wěn)定;高估率方面,2、4目標(biāo)函數(shù)的高估率無(wú)明顯變化,這說(shuō)明2、4目標(biāo)函數(shù)的高估率受其反演參數(shù)數(shù)量變化影響較小,其中4目標(biāo)函數(shù)的源強(qiáng)反演性能較差,這可能是由于使用相關(guān)系數(shù)目標(biāo)函數(shù),同時(shí)對(duì)源強(qiáng)和位置參數(shù)進(jìn)行反演時(shí),受目標(biāo)函數(shù)自身結(jié)構(gòu)影響,算法對(duì)源強(qiáng)參數(shù)的尋優(yōu)有更強(qiáng)的隨機(jī)性有關(guān)[33].從穩(wěn)定性來(lái)看,對(duì)數(shù)變換目標(biāo)函數(shù)(2)源強(qiáng)反演性能最為穩(wěn)定,該函數(shù)變異系數(shù)值始終處于較低水平,且受反演參數(shù)數(shù)量影響較小.

    2.4.2 位置反演性能分析 圖6展示了在四參數(shù)情形下,不同目標(biāo)函數(shù)68次SO2釋放實(shí)驗(yàn)位置反演結(jié)果準(zhǔn)確性(AD)、穩(wěn)定性(CV).從準(zhǔn)確性來(lái)看,F4目標(biāo)函數(shù)平均反演距離偏差絕對(duì)值A(chǔ)D最小((34.37±10.72)m),1次之((37.19±11.57)m),5最高((81.23±40.15)m).這表明,在四參數(shù)反演情形下,不同目標(biāo)函數(shù)對(duì)于位置反演效果差異明顯,其中4目標(biāo)函數(shù)位置反演結(jié)果準(zhǔn)確性最高.從穩(wěn)定性來(lái)看,4目標(biāo)函數(shù)的變異系數(shù)最小(CV=0.011),其次為2(CV=0.016),7最大(CV=0.23).這表明,相關(guān)系數(shù)目標(biāo)函數(shù)(4)位置反演結(jié)果穩(wěn)定性最高.綜上所述,在四參數(shù)情形下,相關(guān)系數(shù)目標(biāo)函數(shù)(4)位置反演性能總體表現(xiàn)最優(yōu).

    圖5 不同目標(biāo)函數(shù)源強(qiáng)反演性能隨參數(shù)數(shù)量變化情況

    圖6 四參數(shù)情形下不同目標(biāo)函數(shù)位置反演性能對(duì)比

    本研究結(jié)果可提高人們對(duì)不同優(yōu)化目標(biāo)函數(shù)下源參數(shù)反演性能差異的認(rèn)知,可為突發(fā)事故源參數(shù)反演目標(biāo)函數(shù)的合理選擇提供科學(xué)依據(jù),此外,不同目標(biāo)函數(shù)反演高估率分析結(jié)果可為應(yīng)急處置中安全距離和應(yīng)急疏散區(qū)域的確定提供參考,提升應(yīng)急管理部門(mén)突發(fā)大氣污染事故應(yīng)急響應(yīng)能力.

    3 結(jié)論

    3.1 從高估率來(lái)看(僅源強(qiáng)而言),單參數(shù)情形下,對(duì)數(shù)變換目標(biāo)函數(shù)最高(單參數(shù):79.4%);在三參數(shù)、四參數(shù)情形下,標(biāo)準(zhǔn)化均方根誤差目標(biāo)函數(shù)最高(98.5%).

    3.2 從準(zhǔn)確性來(lái)看,就源強(qiáng)而言,單參數(shù)情形下,偏差平方和目標(biāo)函數(shù)(1)準(zhǔn)確性最高(單參數(shù):ARD<50%=82.3%,ARD=(35.3±9.1)%;在三參數(shù)和四參數(shù)情形下,對(duì)數(shù)變換目標(biāo)函數(shù)(2)準(zhǔn)確性總體最優(yōu)(三參數(shù):ARD<50%=91.1%,ARD=(48.4±9.8)%;四參數(shù):ARD<50%=61.7%,ARD=(55.2±16.5)%);綜合來(lái)看,對(duì)數(shù)變換目標(biāo)函數(shù)準(zhǔn)確性受反演參數(shù)數(shù)量變化影響較小.就位置而言,三參數(shù)情形下,偏差平方和目標(biāo)函數(shù)(1)準(zhǔn)確性最高(AD=(36.12±11.39)m);四參數(shù)情形下,相關(guān)系數(shù)目標(biāo)函數(shù)(4)準(zhǔn)確性最高(AD= (34.37±10.72)m).

    3.3 從穩(wěn)定性來(lái)看,就源強(qiáng)而言,單參數(shù)情形下,各目標(biāo)函數(shù)穩(wěn)定性無(wú)明顯差異(CV<0.01);三參數(shù)和四參數(shù)情形下,對(duì)數(shù)變換目標(biāo)函數(shù)(2)穩(wěn)定性最優(yōu)(三參數(shù):CV=0.01;四參數(shù):CV=0.03).就位置而言,三參數(shù)情形下,對(duì)數(shù)變換目標(biāo)函數(shù)(2)穩(wěn)定性最強(qiáng)(CV=0.0018);四參數(shù)情形下,相關(guān)系數(shù)目標(biāo)函數(shù)(4)穩(wěn)定性最強(qiáng)(CV=0.011).

    [1] 張建文,王煜薇,鄭小平,等.基于混合遺傳-Nelder Mead單純形算法的源強(qiáng)及位置反算 [J]. 系統(tǒng)工程理論與實(shí)踐, 2011,31(8):1581- 1587. Zhang J W, Wang L W, Zheng X P, et al. Back-calculation of source strength and position by a hybrid genetic-Nelder Mead simple algorithm [J]. Systems Engineering Theory and Practice, 2011,31(8): 1581-1587.

    [2] Cui J, Lang J, Chen T, et al. Investigating the impacts of atmospheric diffusion conditions on source parameter identification based on an optimized inverse modelling method [J]. Atmospheric Environment, 2019,205(5):19-29.

    [3] 沈澤亞,郎建壘,程水源,等.典型耦合優(yōu)化算法在源項(xiàng)反演中的對(duì)比研究 [J]. 中國(guó)環(huán)境科學(xué), 2019,39(8):3207-3214. Shen Z Y, Lang J L, Cheng S Y, et al. Comparative and study on the application of typical hybrid algorithms in source parameter inversions [J]. China Environmental Science, 2019,39(8):3207-3214.

    [4] 毛書(shū)帥,郎建壘,陳 添,等.多情景源排放參數(shù)反演下典型優(yōu)化算法性能對(duì)比 [J]. 北京工業(yè)大學(xué)學(xué)報(bào), 2020,46(4):45-52. Mao S S, Lang J L, Chen T, et al. Performance of typical optimization algorithms on inversing multi-scene source parameters [J]. Journal of Beijing University of Technology, 2020,46(4):45-52.

    [5] 張久鳳.基于監(jiān)測(cè)數(shù)據(jù)的源強(qiáng)反算算法研究及應(yīng)用 [D]. 北京:中國(guó)石油大學(xué), 2011. Zhang J F. Study and application of source intensity back-calculation algorithm based on monitoring data [D]. Beijing:China University of Petroleum, 2011.

    [6] Ma D, Gao J, Zhang Z, et al. An improved firefly algorithm for gas emission source parameter estimation in atmosphere [J]. IEEE Access, 2019,7(99):111923-111930.

    [7] Mao S, Lang J, Chen T, et al. Impacts of typical atmospheric dispersion schemes on source inversion [J]. Atmospheric Environment, 2020,232(7):117572.

    [8] Rodriguez L M, Haupt S E, Young G S. Impact of sensor characteristics on source characterization for dispersion modeling [J]. Measurement, 2011,44(5):802-814.

    [9] Long K J, Haupt S E, Young G S. Assessing sensitivity of source term estimation [J]. Atmospheric Environment, 2010,44(12):1558-1567.

    [10] Annunzio A J, Young G S, Haupt S E. A multi-entity field approximation to determine the source location of multiple atmospheric contaminant releases [J]. Atmospheric Environment, 2012,62(12):593-604.

    [11] Cervone G, Franzese R. Monte Carlo source detection of atmospheric emissions and error functions analysis [J]. Computers & Geosciences, 2010,36(7):902-909.

    [12] Ma D, Deng J, Zhang Z. Comparison and improvements of optimization methods for gas emission source identification [J]. Atmospheric Environment, 2013,81(12):188-198.

    [13] Barad M L. Project prairie grass: A field program in diffusion: AF-152572 [R]. Geophysical Research Air Force Cambridge Research Laboratories, Bedford, 1958.

    [14] Ma D, Tan W. Parameter identification for continuous point emission source based on Tikhonov regularization method coupled with particle swarm optimization algorithm [J]. Journal of Hazardous Materials, 2017,325(5):239-250.

    [15] Cervone G, Franzese P. Non-Darwinian evolution for the source detection of atmospheric releases [J]. Atmospheric Environment, 2011,45(26):4497-4506.

    [16] HJ 2.2-2018 環(huán)境影響評(píng)價(jià)技術(shù)導(dǎo)則大氣環(huán)境 [S]. HJ 2.2-2018 Technical guidelines for environmental impact assessment atmospheric environment [S].

    [17] Chang J C, Hanna S R. Air quality model performance evaluation [J]. Meteorology & Atmospheric Physics, 2004,87(1-3):167-196.

    [18] Mao S, Lang J, Chen T, et al. Comparison of the impacts of empirical power-law dispersion schemes on simulations of pollutant dispersion during different atmospheric conditions [J]. Atmospheric Environment, 2020,224(3):117317.

    [19] Briggs G A. Diffusion estimation for small emissions: TID-28289 [R]. National Oceanic and Atmospheric Administration, Oak Ridge, Tenn. USA, 1973.

    [20] 曹宏桂,贠衛(wèi)國(guó).基于PSO-DE算法的突發(fā)水域污染溯源研究 [J]. 中國(guó)環(huán)境科學(xué), 2017,37(10):3807-3812. Cao H G, Yun W G. Research of the abrupt waters pollution source based on optimization algorithm of PSO-DE [J]. China Environmental Science,2017,37(10):3807-3812.

    [21] 張雙圣,強(qiáng) 靜,劉漢湖,等.基于貝葉斯公式的地下水污染源識(shí)別 [J]. 中國(guó)環(huán)境科學(xué), 2019,39(4):1568-1578. Zhang S S, Qiang J, Liu H H, et al. Identification of groundwater pollution sources based on Bayes’ theorem [J]. China Environmental Science,2019,39(4):1568-1578.

    [22] 潘紫東,盧文喜,范 越,等.基于模擬-優(yōu)化方法的地下水污染源溯源辨識(shí) [J]. 中國(guó)環(huán)境科學(xué), 2020,40(4):1698-1705. Pan Z D, Lu W X, Fan Y, et al. Inverse Identification of groundwater pollution source based on simulation-optimization approach [J]. China Environmental Science,2020,40(4):1698-1705.

    [23] 唐穗欣.標(biāo)準(zhǔn)遺傳算法的原理及算例[J]. 軟件導(dǎo)刊, 2007,6(1):99- 101. Tang S X. Principle and example of standard genetic algorithm [J]. Software Guide, 2007,6(1):99-101.

    [24] 張麗平,俞歡軍,陳德釗,等.粒子群優(yōu)化算法的分析與改進(jìn)[J]. 信息與控制, 2004,33(5):513-517. Zhang L P, Yu H J, Chen D Z, et al. Analysis and improvement of particle swarm optimization algorithm [J]. Information and Control, 2004,33(5):513-517.

    [25] Dai C, Chen W, Zhu Y, et al. Seeker Optimization algorithm for optimal reactive power dispatch [J]. IEEE Transactions on Power Systems, 2009,24(3):1218-1231.

    [26] Allen C T, Young G S, Haupt S E. Improving pollutant source characterization by better estimating wind direction with a genetic algorithm [J]. Atmospheric Environment, 2007,41(11):2283-2289.

    [27] 吉志龍.基于遺傳算法的氣載核素大氣擴(kuò)散反演模型研究 [D]. 上海:上海交通大學(xué), 2014. Ji Z L. Study on back calculation of airborne radionuclides dispersion with genetic algorithm [D]. Shanghai:Shanghai Jiao Tong University, 2014.

    [28] 董吉開(kāi),杜文莉,王 冰,等.湍流狀態(tài)下化學(xué)品擴(kuò)散溯源中不同目標(biāo)函數(shù)的影響分析 [J]. 化工學(xué)報(bào), 2020,71(3):1163-1173. Dong J K, Du W L, Wang B, et al. Investigating impacts of cost functions to atmospheric dispersion modeling and source term estimation in turbulent condition [J]. Journal of Chemical Industry and Engineering, 2020,71(3):1163-1173.

    [29] 云慧敏,吳 鋒,殷 勇,等.基于線性加權(quán)評(píng)價(jià)法的碟式斯特林機(jī)多目標(biāo)優(yōu)化 [J]. 武漢工程大學(xué)學(xué)報(bào), 2020,42(2):218-223,230. Yun H M, Wu F, Yin Y, et al, Multi-objective optimization of dish stirling engine based on linear weighted evaluation function method [J]. Journal of Wuhan Institute of Technology, 2020,42(2):218-223, 230.

    [30] Wade D, Senocak I. Stochastic reconstruction of multiple source atmospheric contaminant dispersion events [J]. Atmospheric Environment, 2013,74(8):45-51.

    [31] 崔繼憲.突發(fā)大氣污染事故快速溯源與應(yīng)急評(píng)估技術(shù)研究及驗(yàn)證 [D]. 北京:北京工業(yè)大學(xué), 2019. Cui J X. Research and verification of rapid traceability and emergency assessment technology for sudden air pollution accidents [D]. Beijing:Beijing University of Technology, 2019.

    [32] 劉立群,韓俊英,代永強(qiáng),等.果蠅優(yōu)化算法優(yōu)化性能對(duì)比研究 [J]. 計(jì)算機(jī)技術(shù)與發(fā)展, 2015,25(8):94-98. Liu L Q, Han J Y, Dai Y Q, et al. Comparative study on optimization performance of fruit fly optimization algorithm [J]. Computer Technology and Development, 2015,25(8):94-98.

    [33] Wang Y, Huang H, Huang L, et al. Source term estimation of hazardous material releases using hybrid genetic algorithm with composite cost functions [J]. Engineering Applications of Artificial Intelligence, 2018,75(10):102-113.

    Comparative study on source parameters inversion performance of typical cost functions.

    HU Feng, LANG Jian-lei*, MAO Shu-shuai, XUAN Bo-yuan

    (Key Laboratory of Beijing on Regional Air Pollution Control, Beijing University of Technology, Beijing 100124, China)., 2021,41(5):2081~2089

    Based on Prairie grass experiments, the differences in inversion performance from eight typical cost functions were systematically evaluated with metrics of accuracy, robustness and overestimation rate. It was found that substantial differences in the inversion performance presented cross models with different cost functions. In terms of single unknown source parameter inversion (only for source strength ()), the cost function based on logarithm transformation scheme had the highest overestimation rate (79.4%), and that associated with the sum of deviation squares scheme exhibited the best accuracy(ARD<50%=82.3%, ARD=(35.3±9.1)%); while no significant difference (CV<0.01) was found in the robustness from different cost functions. In terms of three unknown source parameter inversion (source strength () and location (,)), the cost function based on normalized root mean square error scheme had the highest overestimation rate (98.5%) for source strength, the logarithm transformation cost function performed the best in the measure of accuracy and robustness (ARD<50%=91.1%, ARD=(48.4±9.8)%; CV=0.01); the cost function based on the sum of deviation squares scheme had the highest accuracy for the source location (AD=(36.12±11.39)m), while the logarithm transformation cost function showed the best robustness (CV=0.0018). In terms of four unknown source parameters inversion (source strength () and location (,,)), the cost function based on normalized root mean squared error exhibited the highest overestimation rate (98.5%) for source strength, and the logarithm transformation scheme got the best accuracy and robustness (ARD<50%=61.7%, ARD=(55.2±16.5)%; CV=0.03); the correlation coefficient scheme performed the best in accuracy and robustness for source location (AD=(34.37±10.72)m; CV=0.011). In general, the logarithm transformation cost function had the most stable inversion performance with the increase of the unknown source parameters.

    source parameters inversion;sudden air pollution accidents;gaussian dispersion model;heuristic algorithm;cost function

    X511

    A

    1000-6923(2021)05-2081-09

    胡 峰(1996-),男,安徽合肥人,北京工業(yè)大學(xué)碩士研究生,主要從事環(huán)境規(guī)劃管理與大氣污染防治方面的研究.發(fā)表論文4篇.

    2020-10-06

    國(guó)家重點(diǎn)研發(fā)計(jì)劃(2017YFC0209905)

    * 責(zé)任作者, 副教授, jllang@bjut.edu.cn

    猜你喜歡
    情形準(zhǔn)確性反演
    反演對(duì)稱變換在解決平面幾何問(wèn)題中的應(yīng)用
    淺談如何提高建筑安裝工程預(yù)算的準(zhǔn)確性
    避免房地產(chǎn)繼承糾紛的十二種情形
    四種情形拖欠勞動(dòng)報(bào)酬構(gòu)成“拒不支付”犯罪
    公民與法治(2020年4期)2020-05-30 12:31:34
    基于低頻軟約束的疊前AVA稀疏層反演
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    出借車輛,五種情形下須擔(dān)責(zé)
    公民與法治(2016年9期)2016-05-17 04:12:18
    美劇翻譯中的“神翻譯”:準(zhǔn)確性和趣味性的平衡
    論股票價(jià)格準(zhǔn)確性的社會(huì)效益
    疊前同步反演在港中油田的應(yīng)用
    蜜桃亚洲精品一区二区三区| 尾随美女入室| 毛片女人毛片| 极品教师在线视频| 国产成人一区二区在线| 国产午夜福利久久久久久| 国产 一区精品| 国产av不卡久久| 亚洲国产精品成人综合色| 美女高潮的动态| 久久这里有精品视频免费| 国产午夜福利久久久久久| 亚洲综合色惰| 性色avwww在线观看| 国产精品蜜桃在线观看| 尾随美女入室| eeuss影院久久| 亚洲av一区综合| 久久人人爽人人片av| 国产精品野战在线观看| 亚洲精品亚洲一区二区| 麻豆国产97在线/欧美| 亚洲高清免费不卡视频| 高清在线视频一区二区三区 | 久久欧美精品欧美久久欧美| 亚洲内射少妇av| 午夜福利视频1000在线观看| 日韩视频在线欧美| 午夜福利高清视频| 国产亚洲最大av| 国产美女午夜福利| 亚洲无线观看免费| 亚洲精品成人久久久久久| 乱人视频在线观看| 欧美另类亚洲清纯唯美| 色综合色国产| 日日撸夜夜添| 午夜免费激情av| 中文字幕人妻熟人妻熟丝袜美| 一个人看的www免费观看视频| 久久精品国产自在天天线| 观看美女的网站| 成人鲁丝片一二三区免费| 日韩在线高清观看一区二区三区| 精品人妻视频免费看| 我要搜黄色片| 精品久久久久久成人av| 国语自产精品视频在线第100页| 男女下面进入的视频免费午夜| 狠狠狠狠99中文字幕| 国产单亲对白刺激| 久久久久国产网址| 国产伦精品一区二区三区视频9| 日韩av在线大香蕉| 国产综合懂色| 国产精品综合久久久久久久免费| 偷拍熟女少妇极品色| a级毛色黄片| 国产精品不卡视频一区二区| 亚洲成人中文字幕在线播放| 久久99热这里只频精品6学生 | 1000部很黄的大片| 亚洲av成人av| 少妇熟女欧美另类| 国产精品一区二区三区四区免费观看| 国产成人91sexporn| 一区二区三区免费毛片| 国产淫语在线视频| 欧美日本亚洲视频在线播放| 我要搜黄色片| 欧美另类亚洲清纯唯美| 欧美日韩综合久久久久久| 色综合亚洲欧美另类图片| 亚洲高清免费不卡视频| 美女被艹到高潮喷水动态| 日韩人妻高清精品专区| 我要搜黄色片| 午夜久久久久精精品| 精品国产露脸久久av麻豆 | 丰满乱子伦码专区| 晚上一个人看的免费电影| 伦精品一区二区三区| 亚洲精品日韩av片在线观看| 毛片一级片免费看久久久久| 中文字幕人妻熟人妻熟丝袜美| 久久精品91蜜桃| 免费不卡的大黄色大毛片视频在线观看 | 久久午夜福利片| 精品人妻一区二区三区麻豆| 22中文网久久字幕| 午夜亚洲福利在线播放| 国产 一区 欧美 日韩| 欧美日韩一区二区视频在线观看视频在线 | 老女人水多毛片| 国内精品一区二区在线观看| 高清午夜精品一区二区三区| 久久99精品国语久久久| 日韩三级伦理在线观看| 欧美一区二区国产精品久久精品| 一本久久精品| 亚洲人成网站在线播| 国产精品电影一区二区三区| 国产精品一区二区在线观看99 | 亚洲欧美成人精品一区二区| 最新中文字幕久久久久| 久久久久网色| 亚洲在久久综合| 婷婷色综合大香蕉| 大香蕉97超碰在线| 精品久久久久久久人妻蜜臀av| 亚洲精品日韩在线中文字幕| 亚洲av一区综合| 精品久久久久久成人av| 成人毛片60女人毛片免费| 久久久精品94久久精品| 老司机福利观看| 九草在线视频观看| 国产精品人妻久久久影院| 亚洲成人久久爱视频| 97超碰精品成人国产| 久久国产乱子免费精品| 国产精品嫩草影院av在线观看| 亚洲av中文字字幕乱码综合| 国产不卡一卡二| 国产精品久久视频播放| 欧美97在线视频| 蜜臀久久99精品久久宅男| 嫩草影院新地址| 亚洲精品乱码久久久v下载方式| 蜜桃亚洲精品一区二区三区| 黄色配什么色好看| 亚洲国产欧美在线一区| 日本黄色片子视频| 欧美日韩综合久久久久久| 久久精品影院6| 国产中年淑女户外野战色| 少妇的逼水好多| 22中文网久久字幕| 丰满人妻一区二区三区视频av| 中国国产av一级| 国产免费视频播放在线视频 | 99热全是精品| 在线观看66精品国产| 日韩三级伦理在线观看| 亚洲欧美精品综合久久99| av天堂中文字幕网| 国产精品一及| 免费看美女性在线毛片视频| 秋霞在线观看毛片| 一级黄色大片毛片| 久久久久久大精品| 亚洲不卡免费看| 国产免费福利视频在线观看| 亚洲av一区综合| 尤物成人国产欧美一区二区三区| 91午夜精品亚洲一区二区三区| 校园人妻丝袜中文字幕| 亚洲在线自拍视频| eeuss影院久久| 午夜福利视频1000在线观看| 不卡视频在线观看欧美| 国产国拍精品亚洲av在线观看| 美女高潮的动态| 在线a可以看的网站| 亚洲熟妇中文字幕五十中出| 91精品国产九色| 中文亚洲av片在线观看爽| 成人特级av手机在线观看| 91精品国产九色| 欧美日韩一区二区视频在线观看视频在线 | 国产伦理片在线播放av一区| 97超视频在线观看视频| 又爽又黄无遮挡网站| 插逼视频在线观看| 亚洲精品国产成人久久av| 老司机福利观看| 亚洲欧美精品自产自拍| 亚洲国产精品成人综合色| 午夜精品一区二区三区免费看| 婷婷色麻豆天堂久久 | 日韩欧美 国产精品| 欧美性猛交╳xxx乱大交人| 久久精品国产亚洲av天美| 午夜福利网站1000一区二区三区| 日日摸夜夜添夜夜爱| 亚洲在线自拍视频| 久久久久精品久久久久真实原创| 欧美xxxx性猛交bbbb| 大香蕉久久网| 乱人视频在线观看| 大又大粗又爽又黄少妇毛片口| 日本与韩国留学比较| 亚洲五月天丁香| 久久久精品大字幕| 人妻夜夜爽99麻豆av| or卡值多少钱| 国产伦精品一区二区三区视频9| 国产av不卡久久| 在现免费观看毛片| 欧美97在线视频| 一区二区三区高清视频在线| 久久人人爽人人爽人人片va| 国产黄色视频一区二区在线观看 | 国产真实伦视频高清在线观看| 我要看日韩黄色一级片| 1024手机看黄色片| 天堂网av新在线| 人妻夜夜爽99麻豆av| 国产av不卡久久| 麻豆成人午夜福利视频| 啦啦啦观看免费观看视频高清| 插逼视频在线观看| 亚洲av.av天堂| 18禁在线无遮挡免费观看视频| 91精品国产九色| 黄色配什么色好看| 亚洲精品日韩av片在线观看| 免费大片18禁| 麻豆乱淫一区二区| 欧美变态另类bdsm刘玥| 亚洲欧美精品专区久久| 成人午夜高清在线视频| 中文字幕亚洲精品专区| 国产探花极品一区二区| 日本免费一区二区三区高清不卡| 久久婷婷人人爽人人干人人爱| 一区二区三区四区激情视频| 亚洲欧美精品综合久久99| 黄色配什么色好看| 色噜噜av男人的天堂激情| 国产黄片视频在线免费观看| 欧美xxxx性猛交bbbb| 国产又色又爽无遮挡免| 午夜福利在线在线| 亚洲国产欧美人成| 秋霞在线观看毛片| 免费av观看视频| 只有这里有精品99| 欧美性感艳星| 国产一级毛片在线| 岛国毛片在线播放| 搡女人真爽免费视频火全软件| 久久6这里有精品| 亚洲久久久久久中文字幕| 不卡视频在线观看欧美| 日韩欧美精品v在线| 欧美一区二区亚洲| 久久久国产成人精品二区| 国产淫语在线视频| 久久热精品热| av在线天堂中文字幕| 51国产日韩欧美| 久久精品熟女亚洲av麻豆精品 | 天堂影院成人在线观看| 欧美日韩综合久久久久久| 中文欧美无线码| 91在线精品国自产拍蜜月| a级毛色黄片| 91狼人影院| 哪个播放器可以免费观看大片| 我要看日韩黄色一级片| 久久99热6这里只有精品| 精品国内亚洲2022精品成人| 久久久久久久久中文| 日韩人妻高清精品专区| 亚洲欧美日韩卡通动漫| 午夜福利成人在线免费观看| 九草在线视频观看| 26uuu在线亚洲综合色| 一级二级三级毛片免费看| 久久久久性生活片| 伦精品一区二区三区| 少妇人妻一区二区三区视频| 在线观看美女被高潮喷水网站| 国产视频内射| 色5月婷婷丁香| 黄片无遮挡物在线观看| 一夜夜www| 晚上一个人看的免费电影| 成年版毛片免费区| 搡女人真爽免费视频火全软件| 天天躁日日操中文字幕| 中文字幕人妻熟人妻熟丝袜美| 波野结衣二区三区在线| 高清日韩中文字幕在线| 禁无遮挡网站| 久久久精品大字幕| 男女啪啪激烈高潮av片| 国产高清国产精品国产三级 | 欧美高清性xxxxhd video| 国产成人freesex在线| 亚洲欧洲国产日韩| 国语对白做爰xxxⅹ性视频网站| 中文在线观看免费www的网站| av在线蜜桃| 久久精品综合一区二区三区| 欧美xxxx性猛交bbbb| 国产午夜精品论理片| 97人妻精品一区二区三区麻豆| 欧美性感艳星| 极品教师在线视频| 看十八女毛片水多多多| 亚洲av成人精品一二三区| 亚洲五月天丁香| 亚洲在线自拍视频| 午夜福利高清视频| 一级二级三级毛片免费看| 久久久国产成人精品二区| 岛国毛片在线播放| 亚洲伊人久久精品综合 | 99久久人妻综合| 人体艺术视频欧美日本| 国产亚洲91精品色在线| 少妇人妻精品综合一区二区| 国产伦精品一区二区三区四那| 男人舔奶头视频| 听说在线观看完整版免费高清| 三级国产精品片| 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| 日本爱情动作片www.在线观看| 亚洲美女搞黄在线观看| 看十八女毛片水多多多| 久久久久久久久久黄片| 国产精品美女特级片免费视频播放器| 97超碰精品成人国产| 国产不卡一卡二| 99久久精品国产国产毛片| 亚洲精华国产精华液的使用体验| 日韩中字成人| 国产在视频线精品| 久久久久久久久中文| 久久精品夜夜夜夜夜久久蜜豆| 毛片女人毛片| 日韩欧美在线乱码| 国内揄拍国产精品人妻在线| 99久国产av精品国产电影| 欧美高清成人免费视频www| 欧美日韩精品成人综合77777| 91在线精品国自产拍蜜月| 国产成人精品一,二区| 亚洲成人精品中文字幕电影| 亚洲婷婷狠狠爱综合网| 国产成人a区在线观看| 日日啪夜夜撸| 久久99热这里只频精品6学生 | 欧美区成人在线视频| 有码 亚洲区| 欧美成人精品欧美一级黄| 99视频精品全部免费 在线| 久久人人爽人人爽人人片va| 精品人妻熟女av久视频| 麻豆成人av视频| 久久这里只有精品中国| 亚洲欧美中文字幕日韩二区| 日日摸夜夜添夜夜添av毛片| 哪个播放器可以免费观看大片| 少妇猛男粗大的猛烈进出视频 | 亚洲精品国产成人久久av| 欧美成人免费av一区二区三区| 天堂中文最新版在线下载 | 国产综合懂色| 纵有疾风起免费观看全集完整版 | 国产不卡一卡二| 免费观看的影片在线观看| 人人妻人人看人人澡| 欧美日韩精品成人综合77777| 亚洲av免费高清在线观看| 特级一级黄色大片| 亚洲av.av天堂| 精品一区二区三区视频在线| 亚洲欧美日韩东京热| 国产精品一区二区三区四区久久| 蜜桃亚洲精品一区二区三区| 你懂的网址亚洲精品在线观看 | 久久久久久久久中文| 热99在线观看视频| 熟女人妻精品中文字幕| 国产精品一区二区三区四区免费观看| 亚洲精品色激情综合| 韩国av在线不卡| 在线观看66精品国产| 一级毛片电影观看 | 精品酒店卫生间| 天堂√8在线中文| 建设人人有责人人尽责人人享有的 | 亚洲精品国产av成人精品| 日韩在线高清观看一区二区三区| 热99在线观看视频| 村上凉子中文字幕在线| 成人无遮挡网站| 国产在线男女| 色综合亚洲欧美另类图片| 一级黄片播放器| 国产老妇女一区| 日本免费a在线| 99久久人妻综合| 国内精品美女久久久久久| 综合色丁香网| 国产av一区在线观看免费| 国产三级中文精品| 久久6这里有精品| 国产伦精品一区二区三区四那| 午夜a级毛片| 最近的中文字幕免费完整| 黄色日韩在线| 一级毛片电影观看 | 夫妻性生交免费视频一级片| 乱人视频在线观看| 99久久人妻综合| 全区人妻精品视频| 日韩三级伦理在线观看| 日本一二三区视频观看| 国产精品久久电影中文字幕| 特级一级黄色大片| 日本与韩国留学比较| 国产av不卡久久| 春色校园在线视频观看| 亚洲美女搞黄在线观看| 久久久欧美国产精品| 亚洲欧美精品自产自拍| 深爱激情五月婷婷| 国产又黄又爽又无遮挡在线| 国产三级中文精品| 91精品伊人久久大香线蕉| 国产激情偷乱视频一区二区| 精品一区二区免费观看| 99热全是精品| av在线蜜桃| 18禁在线无遮挡免费观看视频| 国产精品不卡视频一区二区| 国产欧美另类精品又又久久亚洲欧美| 国产v大片淫在线免费观看| 91久久精品电影网| 免费搜索国产男女视频| 亚洲国产日韩欧美精品在线观看| 亚洲一级一片aⅴ在线观看| 干丝袜人妻中文字幕| 国产乱人视频| 成人无遮挡网站| 成人高潮视频无遮挡免费网站| 亚洲内射少妇av| 级片在线观看| 精华霜和精华液先用哪个| 三级毛片av免费| 免费av不卡在线播放| 欧美一区二区亚洲| 真实男女啪啪啪动态图| eeuss影院久久| 麻豆精品久久久久久蜜桃| 亚洲av日韩在线播放| 91在线精品国自产拍蜜月| 波多野结衣巨乳人妻| 亚洲国产欧洲综合997久久,| 色尼玛亚洲综合影院| 美女大奶头视频| 亚洲人与动物交配视频| 在线天堂最新版资源| 日本爱情动作片www.在线观看| 免费一级毛片在线播放高清视频| 亚洲av成人精品一二三区| 韩国高清视频一区二区三区| 国产爱豆传媒在线观看| 禁无遮挡网站| 欧美最新免费一区二区三区| 天美传媒精品一区二区| 免费一级毛片在线播放高清视频| 亚洲精品乱久久久久久| 亚洲av不卡在线观看| 欧美日韩在线观看h| 嫩草影院入口| 特级一级黄色大片| 欧美日本视频| 汤姆久久久久久久影院中文字幕 | 日本猛色少妇xxxxx猛交久久| 18禁动态无遮挡网站| 亚洲av日韩在线播放| 亚洲综合精品二区| 欧美最新免费一区二区三区| 久久精品久久精品一区二区三区| 亚洲性久久影院| 我要看日韩黄色一级片| 国产精品电影一区二区三区| 亚洲精品乱久久久久久| 又爽又黄a免费视频| 亚洲av成人精品一二三区| 99久国产av精品| av播播在线观看一区| 人妻系列 视频| 男女啪啪激烈高潮av片| 毛片一级片免费看久久久久| 国产午夜精品论理片| 国产精品日韩av在线免费观看| 大又大粗又爽又黄少妇毛片口| 日韩大片免费观看网站 | 亚洲av二区三区四区| 欧美性感艳星| 中国美白少妇内射xxxbb| 欧美性猛交黑人性爽| 成人午夜精彩视频在线观看| 久久人人爽人人爽人人片va| 亚洲人成网站高清观看| 美女黄网站色视频| 亚洲人成网站在线播| 国产不卡一卡二| 干丝袜人妻中文字幕| 国产亚洲5aaaaa淫片| 99热这里只有是精品在线观看| 婷婷色麻豆天堂久久 | 波多野结衣高清无吗| 久久人人爽人人片av| 亚洲精品日韩在线中文字幕| 热99re8久久精品国产| 中文字幕av成人在线电影| 51国产日韩欧美| 日韩av在线免费看完整版不卡| 免费黄色在线免费观看| 亚洲精品亚洲一区二区| 99热全是精品| 国产av在哪里看| 美女高潮的动态| 亚洲国产精品sss在线观看| 在线免费观看不下载黄p国产| 欧美一区二区精品小视频在线| 熟女人妻精品中文字幕| 男的添女的下面高潮视频| 亚洲欧美中文字幕日韩二区| 亚洲精品aⅴ在线观看| 乱系列少妇在线播放| 又粗又爽又猛毛片免费看| 精品人妻熟女av久视频| 久久久亚洲精品成人影院| 国产美女午夜福利| 久久精品人妻少妇| 久99久视频精品免费| 久久久亚洲精品成人影院| 非洲黑人性xxxx精品又粗又长| 国产三级中文精品| 国产中年淑女户外野战色| 亚洲av中文av极速乱| 韩国高清视频一区二区三区| 中文欧美无线码| 蜜桃亚洲精品一区二区三区| 五月伊人婷婷丁香| 中文字幕免费在线视频6| 婷婷六月久久综合丁香| 三级国产精品片| 亚洲精品自拍成人| 国产中年淑女户外野战色| 久久99精品国语久久久| 国产单亲对白刺激| 黄片wwwwww| 国产在线一区二区三区精 | 春色校园在线视频观看| 日本黄大片高清| 久久久国产成人免费| 亚洲精品亚洲一区二区| 久久久久性生活片| 国内少妇人妻偷人精品xxx网站| 最近的中文字幕免费完整| 国产亚洲5aaaaa淫片| 嘟嘟电影网在线观看| 在线观看一区二区三区| 直男gayav资源| 国产精品一及| 黄色欧美视频在线观看| 精品久久久久久久久av| 国产 一区 欧美 日韩| 国产成人精品婷婷| 看片在线看免费视频| 97在线视频观看| 尾随美女入室| 久久6这里有精品| 国产老妇女一区| 精品一区二区三区视频在线| 在线观看av片永久免费下载| 热99re8久久精品国产| 国产精品福利在线免费观看| 老司机福利观看| 国产成人免费观看mmmm| 天堂网av新在线| 中文字幕熟女人妻在线| 伊人久久精品亚洲午夜| 91精品伊人久久大香线蕉| 成年女人看的毛片在线观看| 六月丁香七月| 天堂中文最新版在线下载 | 波野结衣二区三区在线| 免费观看的影片在线观看| 精品人妻偷拍中文字幕| 久久精品国产亚洲网站| 少妇人妻一区二区三区视频| 欧美成人午夜免费资源| 国产一区亚洲一区在线观看| 国产激情偷乱视频一区二区| 免费看美女性在线毛片视频| 色综合色国产| 免费观看的影片在线观看| 中文天堂在线官网| 人妻系列 视频| 国内揄拍国产精品人妻在线| 久久久a久久爽久久v久久| 久久久久久国产a免费观看| 人人妻人人看人人澡| 一区二区三区四区激情视频| av天堂中文字幕网| 久久久色成人| 国产极品天堂在线| 国产v大片淫在线免费观看| 国产精品久久久久久精品电影| 联通29元200g的流量卡| 久久久精品欧美日韩精品| 黄色一级大片看看| 18禁裸乳无遮挡免费网站照片| 成人毛片a级毛片在线播放|