• <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CLDAS和ConvLSTM的海南島區(qū)域網(wǎng)格溫度短臨預(yù)報(bào)

    2021-11-13 07:54:06羅小川唐榮年寧雨珂
    關(guān)鍵詞:特征提取模型

    羅小川,唐榮年,寧雨珂,李 創(chuàng)

    (海南大學(xué)機(jī)電工程學(xué)院,海南海口 570228)

    隨著社會(huì)發(fā)展水平的提高,社會(huì)各界對(duì)氣象預(yù)報(bào)的時(shí)間、空間分辨率要求逐漸精細(xì),對(duì)預(yù)報(bào)的準(zhǔn)確程度要求逐漸增高.傳統(tǒng)的基于數(shù)值方法的氣象預(yù)報(bào)方法所耗資源較大,耗時(shí)較長(zhǎng),隨著需求的增長(zhǎng),數(shù)值氣象預(yù)報(bào)在短臨預(yù)報(bào)任務(wù)中存在著成本高而響應(yīng)慢的缺陷[1].近年來(lái),深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)領(lǐng)域取得了極大的進(jìn)展,為氣象要素的短臨預(yù)報(bào)提供了新的解決方案,大量研究基于序列-序列(Sequence-to-Sequence,Seq2Seq)的深度學(xué)習(xí)框架結(jié)合大量歷史數(shù)據(jù)針對(duì)氣象預(yù)報(bào)取得了進(jìn)展[2].深度學(xué)習(xí)模型通過(guò)既定的算法框架以及通過(guò)大量數(shù)據(jù)訓(xùn)練得出的參數(shù)集合,在對(duì)氣象要素進(jìn)行短臨預(yù)報(bào)時(shí),結(jié)果的計(jì)算結(jié)果近乎達(dá)到實(shí)時(shí).

    根據(jù)高效、高分辨率和高精度氣象預(yù)報(bào)的發(fā)展趨勢(shì),以及深度學(xué)習(xí)中端對(duì)端(End-to-End)學(xué)習(xí)策略的特性[3],模型的訓(xùn)練需要大量實(shí)測(cè)的網(wǎng)格氣象要素產(chǎn)品作為模型訓(xùn)練的支撐.Shi等[4]利用2009~2015年HKO-7雷達(dá)回波數(shù)據(jù)搭建了雷達(dá)外推深度學(xué)習(xí)模型.Yang等[5]基于中國(guó)海域高分辨率輻射計(jì)海表溫度數(shù)據(jù)集與國(guó)家海洋與大氣管理局高分辨率海表溫度數(shù)據(jù)集搭建了深度學(xué)習(xí)預(yù)測(cè)模型.Li等[6]利用長(zhǎng)白山站與海北站實(shí)測(cè)數(shù)據(jù)搭建了深度學(xué)習(xí)的土壤溫度預(yù)測(cè)模型.由此可見(jiàn),基于深度學(xué)習(xí)的氣象預(yù)報(bào)模型同樣依賴大量實(shí)測(cè)數(shù)據(jù)的支撐.

    LSTM在序列預(yù)測(cè)任務(wù)的快速進(jìn)展在氣象要素站點(diǎn)數(shù)據(jù)上得到了驗(yàn)證,但隨著社會(huì)各界對(duì)氣象預(yù)報(bào)需求的增長(zhǎng),基于圖像的網(wǎng)格化氣象預(yù)測(cè)成為了氣象預(yù)測(cè)領(lǐng)域迫切的需求.Shi等[7]結(jié)合卷積神經(jīng)網(wǎng)絡(luò)對(duì)空間信息的特征提取與信息編碼能力以及遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)及其變體長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)的序列特征編碼特性提出了ConvLSTM,根據(jù)手寫(xiě)數(shù)字?jǐn)?shù)據(jù)集MNIST構(gòu)建了隨時(shí)序移動(dòng)的手寫(xiě)數(shù)字集MovingMNIST,并利用該數(shù)據(jù)集驗(yàn)證了ConvLSTM結(jié)合Seq2Seq框架可用于圖像序列的編碼與預(yù)測(cè),為網(wǎng)格化的氣象數(shù)據(jù)預(yù)測(cè)提供了新的思路.Ma C等[8]利用改進(jìn)的ConvLSTM實(shí)現(xiàn)了渦流檢測(cè)與預(yù)報(bào)模型.Heye等[9]采用ConvLSTM實(shí)現(xiàn)了一種Seq2Seq框架下的降雨預(yù)報(bào)模型.但是ConvLSTM基于卷積層的特征提取方法存在最局部信息的過(guò)度關(guān)注,在較大范圍內(nèi)的氣象預(yù)報(bào)問(wèn)題中,較為全局的空間特征提取往往依賴更大的卷積核或更多層的卷積和下采樣操作,也就意味著網(wǎng)絡(luò)深度的加深以及模型參數(shù)的增加,從而導(dǎo)致模型占用更大的計(jì)算資源.

    針對(duì)多個(gè)維度全局信息的提取,Vaswani等[10]指出人在觀測(cè)信息時(shí)會(huì)選擇只關(guān)注需要關(guān)注的區(qū)域,并由此提出注意力機(jī)制(Attention).Dosovitskiy等[11]基于注意力機(jī)制提出了ViT(Vision Transformer),將注意力機(jī)制推廣到了計(jì)算機(jī)視覺(jué)領(lǐng)域,并在圖像的分類任務(wù)中取得了重大的進(jìn)展.Trebing等[12]通過(guò)構(gòu)建結(jié)合了Attention機(jī)制的UNet模型實(shí)現(xiàn)了降水短臨預(yù)報(bào).Yan等[13]結(jié)合殘差卷積網(wǎng)絡(luò)和Attention機(jī)制構(gòu)建了短臨降雨預(yù)報(bào)模型.但Attention機(jī)制因其計(jì)算復(fù)雜度的問(wèn)題,在對(duì)各維度數(shù)據(jù)的注意力得分矩陣計(jì)算以及稀疏化的過(guò)程中,所需要占用的計(jì)算資源隨數(shù)據(jù)包含信息的增加呈現(xiàn)指數(shù)的增長(zhǎng),增加了模型運(yùn)算的成本.

    在Seq2Seq框架當(dāng)中,傳統(tǒng)的編碼-解碼結(jié)構(gòu)(Encoder-Decoder)在序列預(yù)測(cè)問(wèn)題上存在一定的局限,即所輸入的序列或需要預(yù)測(cè)的序列精度與長(zhǎng)度受限于編碼層輸出的特征編碼的長(zhǎng)度.在LSTM及ConvLSTM中,此編碼的長(zhǎng)度為一個(gè)LSTM層輸出的最終隱藏狀態(tài).為此Attention機(jī)制的提出提供了解決方案,通過(guò)在序列維度上構(gòu)建的軸向自注意層獲取序列軸全局相似度信息.但Attention機(jī)制在計(jì)算注意力矩陣過(guò)程中存在O(n2)的計(jì)算復(fù)雜度,基于時(shí)序的軸向自注意仍然需要占用巨大的計(jì)算資源.

    因此,筆者基于CLDAS數(shù)據(jù)集在海南島區(qū)域64×64網(wǎng)格選區(qū)以及深度學(xué)習(xí)Seq2Seq框架提出一種新的算法,結(jié)合ConvLSTM算法與Attention機(jī)制的優(yōu)勢(shì),通過(guò)循環(huán)更新特征編碼的方式,避免因編碼層輸出的特征編碼長(zhǎng)度限制而導(dǎo)致的精度損失,在所選區(qū)域內(nèi)構(gòu)建了64×64網(wǎng)格2 m溫度短臨預(yù)報(bào)模型,驗(yàn)證了所提出算法的有效性.

    1 數(shù)據(jù)

    采用中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)實(shí)時(shí)產(chǎn)品數(shù)據(jù)集(CLDAS)作為深度學(xué)習(xí)算法對(duì)海南島區(qū)域網(wǎng)格溫度預(yù)報(bào)模型的訓(xùn)練支撐,產(chǎn)品為覆蓋亞洲區(qū)域(0°~65°N,60°E~160°E),0.062 5°×0.062 5°與1 h分辨率的的等經(jīng)緯度網(wǎng)格融合分析產(chǎn)品,包括大氣驅(qū)動(dòng)場(chǎng)產(chǎn)品(2 m氣溫、2 m比濕、10 m風(fēng)速、地面氣壓、降水和短波輻射6個(gè)要素)等5種產(chǎn)品.該數(shù)據(jù)集利用多種來(lái)源地面、衛(wèi)星等觀測(cè)資料,采用多重網(wǎng)格變分同化(Space and Time Mesoscale Analysis System,STMAS)、最優(yōu)插值(Optimal Interpolation,OI)、概率密度函數(shù)匹配(Cumulative Distribution Function,CDF)、物理反演和地形校正等技術(shù)研制而成,在中國(guó)區(qū)域質(zhì)量?jī)?yōu)于國(guó)際同類產(chǎn)品,且時(shí)空分辨率更高.實(shí)時(shí)產(chǎn)品實(shí)時(shí)更新發(fā)布,滯后1 h.在本次實(shí)驗(yàn)中截取了數(shù)據(jù)集中覆蓋了了海南島范圍的64×64網(wǎng)格區(qū)域,并使用2020年1月1日0時(shí)~2020年1月31日23時(shí)實(shí)時(shí)數(shù)據(jù),選取大氣驅(qū)動(dòng)產(chǎn)品中的2 m氣溫、2 m相對(duì)濕度、10 m風(fēng)速作為實(shí)驗(yàn)?zāi)P洼斎氲牟糠滞ǖ罃?shù)據(jù),其余通道包括了選取內(nèi)的海拔高度、月、日、時(shí)編碼和經(jīng)緯度信息.如圖1所示,通過(guò)圖示方法構(gòu)造單個(gè)時(shí)刻的數(shù)據(jù)信息張量,并按相同方法逐時(shí)刻構(gòu)造數(shù)據(jù),從像素的角度來(lái)看,每個(gè)像素下都包含了特定時(shí)刻特定位置下各要素有序構(gòu)成的特征向量.

    圖1 逐時(shí)刻數(shù)據(jù)張量構(gòu)造方法

    在構(gòu)建了所選區(qū)域內(nèi)逐時(shí)刻的多通道張量后,采用24幀滑動(dòng)窗構(gòu)建輸入-真實(shí)值對(duì)序列,其中前12個(gè)有序的多通道張量為模型的輸入,從后12個(gè)有序多通道張量中選取2 m溫度信息通道作為真實(shí)值,用于與模型輸出計(jì)算誤差,并通過(guò)計(jì)算圖得出梯度在網(wǎng)絡(luò)中反向傳播,優(yōu)化網(wǎng)絡(luò)參數(shù).

    在提取了所有輸出-真實(shí)值對(duì)序列樣本后,為驗(yàn)證所訓(xùn)練模型的有效性,依據(jù)時(shí)序每10個(gè)樣本中抽取一個(gè)樣本作為測(cè)試樣本,并由此構(gòu)建了測(cè)試集,并由訓(xùn)練集與測(cè)試集分別計(jì)算2個(gè)樣本集各通道的均值與標(biāo)準(zhǔn)差用于數(shù)據(jù)的Z-Score預(yù)處理,其中單個(gè)通道的均值為

    樣本單通道標(biāo)準(zhǔn)差為

    其中,σ為所計(jì)算的單個(gè)通道下的標(biāo)準(zhǔn)差,最終輸入到模型的各通道輸入均為

    2 模型構(gòu)建與實(shí)驗(yàn)

    提出了一種新的模型,以實(shí)現(xiàn)對(duì)含有時(shí)間、通道、長(zhǎng)寬4個(gè)維度的數(shù)據(jù)的時(shí)間特征的提取以及空間信息的聚合.模型先后包含時(shí)間特征提取模塊、通道空間信息聚合模塊以及2層通道全連接層,并在數(shù)據(jù)前向傳播過(guò)程中按先后順序?qū)斎霐?shù)據(jù)進(jìn)行時(shí)序特征提取、通道及空間信息聚合,通道信息全連接(通過(guò)2層1×1卷積層基于通道加權(quán)求和,分別命名為F C1和F C2).如圖2所示,輸入數(shù)據(jù)為一串有序排列的多通道圖像,通過(guò)對(duì)數(shù)據(jù)的一次前向傳播計(jì)算單個(gè)時(shí)次的2 m溫度預(yù)測(cè)值.

    圖2 模型結(jié)構(gòu)圖

    為了解決Encoder-Decoder結(jié)構(gòu)中編碼向量長(zhǎng)度對(duì)預(yù)測(cè)序列長(zhǎng)度與精度的限制問(wèn)題,模型對(duì)單個(gè)時(shí)序的編碼輸入到F C1后,將該層的輸出拷貝并去除張量計(jì)算圖,串聯(lián)至模型原輸入數(shù)據(jù)的末端,剔除原輸入的第一時(shí)刻數(shù)據(jù).在完成預(yù)設(shè)的預(yù)測(cè)時(shí)次后,將所有FC1的輸出前向傳播到FC2,并由該層輸出與真實(shí)值計(jì)算的誤差以及相應(yīng)的梯度,并反向傳播.采用均方根誤差(Mean Squared Error,MSE)作為計(jì)算反向傳播梯度的損失函數(shù),同時(shí)采用Adam優(yōu)化器對(duì)模型進(jìn)行訓(xùn)練,

    其中,n為所有預(yù)測(cè)時(shí)刻的網(wǎng)格總數(shù),即S×I×J.為模型計(jì)算得出的溫度預(yù)測(cè)值.

    根據(jù)實(shí)驗(yàn)對(duì)模型滾動(dòng)更新的訓(xùn)練方式,每次數(shù)據(jù)的前向傳播得出的F C1輸出可表示為

    其中,Zt,Z t+1…Z t+m為每次循環(huán)得出的中間編碼,m為預(yù)設(shè)的預(yù)測(cè)時(shí)次,n在此處指輸入模型的數(shù)據(jù)所包含的時(shí)次,θ為時(shí)間特征提取模塊、空間聚合模塊以及FC1中的所有參數(shù)集合.通過(guò)上述計(jì)算,最終將Z構(gòu)成的張量序列通過(guò)FC2得出溫度的預(yù)測(cè)結(jié)果

    其中,W與b分別為線性變換的權(quán)重張量以及偏置.

    如圖3所示的算法流程圖,模型將每個(gè)時(shí)序的編解碼結(jié)果輸入到統(tǒng)一參數(shù)的F C2子模塊,輸出各時(shí)序的預(yù)測(cè)結(jié)果.

    圖3 算法流程圖

    2.1 時(shí)間特征提取模塊時(shí)間特征提取模塊包含2層編碼子模塊,各子模塊中先后包含一層卷積核為3×3的卷積層以及一層卷積核為3×3的ConvLSTM層.通過(guò)Z-Score變換的序列數(shù)據(jù)輸入到第一層編碼子模塊后,每個(gè)時(shí)序都輸出對(duì)應(yīng)的隱藏狀態(tài),進(jìn)而輸入到下一個(gè)編碼子模塊,第二層子模塊的輸出中,僅取用最后一個(gè)時(shí)序的隱藏狀態(tài)作為時(shí)序編碼輸出的編碼張量.基于時(shí)序編碼過(guò)程中全部采用3×3的卷積核進(jìn)行局部空間特征信息的提取.因此,時(shí)序特征提取模塊的輸出仍然缺少全局空間特征信息的聚合.時(shí)序特征提取模塊通過(guò)增加隱藏層的通道數(shù)量以及Leaky-ReLU激活函數(shù)獲得序列的稀疏編碼,該稀疏編碼由空間信息聚合模塊得到最終的時(shí)空特征提取編碼.

    為了對(duì)輸入數(shù)據(jù)進(jìn)行初步的信息提取與編碼,在時(shí)間特征提取模塊的每個(gè)子模塊中,模型引入了一層卷積層對(duì)堆疊的信息進(jìn)行卷積濾波.卷積操作中的濾波算子具有空間不變性以及通道特異性,通過(guò)多個(gè)算子在空間維度平移得出對(duì)應(yīng)的特征編碼,其中特征編碼中的每個(gè)元素為卷積算子與對(duì)應(yīng)區(qū)域的相似度表達(dá),該相似度通過(guò)輸入矩陣切片與濾波算子的哈達(dá)瑪積表示,即

    其中,c為輸入信號(hào)與卷積濾波算子的通道序號(hào),Y表示卷積濾波算子.在通過(guò)一系列卷積濾波算子對(duì)局部信息進(jìn)行提取后,對(duì)輸入的具有時(shí)序特征的信息通過(guò)長(zhǎng)短期記憶算法進(jìn)行時(shí)序特征提取,結(jié)合長(zhǎng)短期記憶算法計(jì)算流程,則卷積長(zhǎng)短期記憶可表達(dá)

    其中,i t,f t,Ct,o t,H t分別表示卷積長(zhǎng)短期記憶層中輸入門(mén)、遺忘門(mén)、單元狀態(tài)、輸出門(mén)以及隱藏狀態(tài)(即輸出)的輸出,W與b表示當(dāng)前計(jì)算中的可訓(xùn)練參數(shù),分別代表權(quán)重張量和偏置,“?”表示求哈達(dá)瑪積,“*”表示上文所提的卷積操作,sigmoid函數(shù)具體公式為

    依據(jù)輸入數(shù)據(jù)的時(shí)序迭代更新卷積長(zhǎng)短期記憶中的單元狀態(tài)以及隱藏狀態(tài)參數(shù),并且通過(guò)梯度下降更新卷積算子參數(shù),最終模型在前向傳播時(shí),可以獲得具有時(shí)序特征的隱藏狀態(tài)作為時(shí)序特征編碼.

    2.2 通道空間聚合模塊空間聚合模塊中先后包含通道、縱軸、橫軸共3層軸向自注意層,可將上述模塊所輸出的稀疏編碼基于3個(gè)維度進(jìn)行信息聚合.為了避免通道空間聚合的過(guò)程中需要對(duì)整個(gè)空間信息進(jìn)行重構(gòu),將殘差結(jié)構(gòu)應(yīng)用于通道空間聚合模塊,從而加快模型的收斂.

    實(shí)驗(yàn)在數(shù)據(jù)的構(gòu)造當(dāng)中加入了時(shí)間戳編碼,在基于通道維度的自注意層當(dāng)中,通過(guò)反向傳播過(guò)程中訓(xùn)練更新的權(quán)重,模型可以更快基于時(shí)間戳所占權(quán)重計(jì)算出整個(gè)溫度場(chǎng)大致的數(shù)值分布.同時(shí)在空間上,長(zhǎng)寬軸自注意層隨著訓(xùn)練更新的權(quán)重可以找到在空間以及通道維度上相關(guān)性更大的區(qū)域.

    在由通道維度自注意層以及長(zhǎng)寬軸自注意層串聯(lián)形成的自注意模塊當(dāng)中,算法通過(guò)將輸入數(shù)據(jù)整理成一維向量集合,通過(guò)將這些向量映射到不同的空間并計(jì)算相似度得分實(shí)現(xiàn)查詢機(jī)制.機(jī)制中的變量包括Q(Query),K(Key),V(Value),并且均通過(guò)線性變換的方式映射到不同的空間,具體的實(shí)現(xiàn)為

    將數(shù)據(jù)基于3對(duì)不同的權(quán)重矩陣和偏置進(jìn)行變換后,算法將數(shù)據(jù)通過(guò)公式(18)進(jìn)行相似度得分計(jì)算,并輸出編碼結(jié)果

    其中,每一個(gè)一維向量均會(huì)與其他的向量計(jì)算相似度矩陣,這意味如果有n個(gè)一維向量在此向量集中,以此自注意層的編碼計(jì)算的復(fù)雜度為O(n2).根據(jù)上述算法機(jī)制,如果將時(shí)間特征提取模塊輸出的編碼當(dāng)中每個(gè)通道的單個(gè)數(shù)據(jù)元素作為一個(gè)向量整理向量集,那么計(jì)算量將非常龐大.因此,基于3個(gè)維度對(duì)該中間編碼進(jìn)行整理,分別基于長(zhǎng)、寬以及通道的維度,將數(shù)據(jù)整理成尺寸分別為(C×H,W),(C×W,H)以及(W×H,C)的向量集合,通過(guò)3層串聯(lián)的自注意層進(jìn)行逐層編碼,不僅降低了計(jì)算的復(fù)雜度,同時(shí)基于全局對(duì)空間與通道間的信息進(jìn)行了聚合.

    2.3 多頭自注意與大多數(shù)神經(jīng)網(wǎng)絡(luò)相同,自注意模型同樣需要足夠稀疏的編碼對(duì)模式進(jìn)行學(xué)習(xí),為了能夠提升模型的學(xué)習(xí)性能,在卷積神經(jīng)網(wǎng)絡(luò)當(dāng)中通常通過(guò)增加可訓(xùn)練卷積濾波算子的個(gè)數(shù)對(duì)網(wǎng)絡(luò)逐層的學(xué)習(xí)編碼能力進(jìn)行提升.在注意力機(jī)制模型當(dāng)中,采用多頭自注意的形式增加模型的寬度,具體的方式為將數(shù)據(jù)映射到多個(gè)不同的Q,K,V空間,并用對(duì)應(yīng)的Q K V分別計(jì)算相似度得分信息.其映射方法可用公式表達(dá)為

    其中,W q,W k,W v矩陣的尺寸均為(heads*dimension,n),heads為模型預(yù)設(shè)的頭參數(shù),即當(dāng)前層網(wǎng)絡(luò)的寬度,dimension為每個(gè)頭當(dāng)中對(duì)應(yīng)映射空間的維數(shù),n為原輸入數(shù)據(jù)的維數(shù).

    本文所提到的通道空間聚合模塊,針對(duì)通道、長(zhǎng)、寬軸的信息聚合,均采用多頭自注意的形式對(duì)數(shù)據(jù)信息進(jìn)行聚合,其中每層的頭參數(shù)均設(shè)置為4.

    2.4 模型構(gòu)建參數(shù)在本文所提出的模型中將時(shí)序特征與空間信息的聚合分為2個(gè)模塊進(jìn)行,不同于編碼解碼結(jié)構(gòu)的ConvLSTM網(wǎng)絡(luò),在時(shí)間特征提取模塊中,僅堆疊了2層子模塊,并且在每個(gè)子模塊中均只定義了32個(gè)大小為3×3的卷積濾波算子對(duì)局部空間信息進(jìn)行提取,縮減了模型的參數(shù)容量.在通道空間聚合模塊當(dāng)中,為了盡可能多的學(xué)習(xí)各通道以及空間中的相關(guān)信息,采用多頭自注意的方法并且將編碼頭參數(shù)設(shè)定為4,并且在每個(gè)注意力頭的映射關(guān)系當(dāng)中,均將數(shù)據(jù)映射到32維空間進(jìn)行表示.即W q,W k,W v矩陣的尺寸均為(4*32,n),其中n為每個(gè)編碼軸對(duì)應(yīng)的向量長(zhǎng)度,其中通道軸為32,長(zhǎng)、寬軸均為64.模型具體的參數(shù)設(shè)置如表1所示.

    表1 模型參數(shù)設(shè)置

    3 結(jié)果與討論

    3.1 模型對(duì)海南島區(qū)域的溫度預(yù)測(cè)結(jié)果在綜合了溫度場(chǎng)、濕度場(chǎng)、風(fēng)場(chǎng)、海拔高度和時(shí)間戳等信息的數(shù)據(jù)構(gòu)造下,模型學(xué)到了基于時(shí)間、空間以及通道上各要素的非線性映射.利用隨機(jī)抽樣出的測(cè)試集對(duì)模型進(jìn)行檢驗(yàn)(圖4,圖5),從圖4中可以分辨出隨晝夜變化的海陸溫度變化差異,不同海拔高度下的溫度差異等氣候現(xiàn)象.由于海南島所處地理位置的特性,當(dāng)輸入序列的圖像邊緣有隨時(shí)間向南移動(dòng)的低溫區(qū),模型同樣可以預(yù)測(cè)到其移動(dòng)軌跡以及形態(tài)的變化.

    圖4 模型輸出效果圖

    圖5 誤差分析對(duì)比圖

    如圖4所示,第1和2行為輸入與輸出序列,包含24個(gè)時(shí)次的2 m溫度場(chǎng)實(shí)測(cè)數(shù)據(jù),第3行為模型基于第1行12個(gè)時(shí)次的輸入而計(jì)算得出的溫度場(chǎng)預(yù)報(bào)序列.模型在訓(xùn)練到第200Epoch時(shí)訓(xùn)練結(jié)束,且損失函數(shù)已達(dá)到收斂狀態(tài).

    在個(gè)別測(cè)試序列當(dāng)中,當(dāng)選區(qū)邊緣出現(xiàn)的擾動(dòng)在待預(yù)測(cè)的時(shí)序中趨于穩(wěn)定或消散時(shí),模型的預(yù)測(cè)值與真實(shí)值間的誤差也逐漸減小,誤差超過(guò)2℃的格點(diǎn)數(shù)逐漸降低.

    如圖5所示,第1行為待預(yù)測(cè)時(shí)序的溫度場(chǎng)真實(shí)值,第2行為模型的預(yù)報(bào)輸出,第3行為根據(jù)第1、2行計(jì)算出的模型預(yù)報(bào)的誤差,第4行為誤差當(dāng)中絕對(duì)值超過(guò)2℃的所有網(wǎng)格.根據(jù)圖5觀測(cè),在所選區(qū)域內(nèi),海南島沿海區(qū)域以及選區(qū)邊緣的預(yù)報(bào)均容易產(chǎn)生較大誤差,研究其原因與海南島氣候受洋流與季風(fēng)的影響存在關(guān)聯(lián).除此之外,模型預(yù)測(cè)的所有時(shí)次中大部分區(qū)域的誤差均小于2℃.

    最終,模型通過(guò)時(shí)間特征提取模塊與通道空間聚合模塊學(xué)習(xí)了海南島及周邊海域溫度場(chǎng)與其他氣象要素的模式,并對(duì)抽樣得出的測(cè)試數(shù)據(jù)進(jìn)行了準(zhǔn)確的預(yù)報(bào),驗(yàn)證了所出提循環(huán)更新編碼方法的有效性,在測(cè)試數(shù)據(jù)中,預(yù)報(bào)時(shí)序與真實(shí)值誤差超過(guò)2℃的比率約11.5%(表2).

    表2 輸入要素構(gòu)造影響對(duì)比

    3.2 CLDAS多氣象要素對(duì)溫度預(yù)測(cè)的影響在構(gòu)造多通道數(shù)據(jù)集的同時(shí),也構(gòu)造了使用歷史實(shí)測(cè)溫度預(yù)測(cè)未來(lái)溫度的數(shù)據(jù)集,以此驗(yàn)證模型以及數(shù)據(jù)構(gòu)造方式對(duì)溫度預(yù)測(cè)的有效性,同時(shí)也驗(yàn)證了各要素在短時(shí)預(yù)報(bào)問(wèn)題中的相關(guān)性.

    通過(guò)實(shí)驗(yàn)得出,當(dāng)訓(xùn)練模型的輸入僅有溫度時(shí),模型對(duì)選區(qū)內(nèi)網(wǎng)格溫度預(yù)報(bào)的效果要低于多要素對(duì)溫度的短臨預(yù)報(bào)模型.

    從圖6中可以看出,當(dāng)模型的輸入僅有溫度一個(gè)要素時(shí),模型的預(yù)測(cè)缺少其他因素場(chǎng)數(shù)據(jù)對(duì)溫度場(chǎng)預(yù)測(cè)的校正,也意味著在短臨預(yù)報(bào)所討論的問(wèn)題環(huán)境下,本文所采用的相對(duì)濕度、風(fēng)場(chǎng)數(shù)據(jù)等對(duì)溫度存在即時(shí)影響,與溫度要素存在極大的相關(guān).

    圖6 誤差分析對(duì)比圖

    3.3 對(duì)比實(shí)驗(yàn)結(jié)果通過(guò)對(duì)比同類型算法框架,驗(yàn)證了本文所提出算法的有效性,并復(fù)現(xiàn)了ConvLSTM編碼解碼結(jié)構(gòu),使用相同的數(shù)據(jù)集用于對(duì)照試驗(yàn),在所采用的訓(xùn)練集和測(cè)試集當(dāng)中對(duì)ConvLSTM編碼解碼模型進(jìn)行了訓(xùn)練以及測(cè)試,同時(shí)采用了相同的優(yōu)化器Adam以及MSE損失函數(shù).由于基于ConvLSTM的編碼解碼模型不具有基于注意力機(jī)制的空間信息聚合模塊,在所提出算法所具有性能的前提下,基于不同超參數(shù)定義的網(wǎng)絡(luò)除了一定的深度,也需要足夠的寬度對(duì)空間信息進(jìn)行學(xué)習(xí),為此需要足夠多的卷積濾波算子.在本文所復(fù)現(xiàn)的用于對(duì)比實(shí)驗(yàn)的ConvLSTM編碼解碼模型當(dāng)中,設(shè)置的卷積濾波算子個(gè)數(shù)在編碼模塊中逐層遞增,且按照相同數(shù)量在解碼模塊中逐層遞減.

    從圖7中可以看出,盡管模型學(xué)習(xí)到了氣象要素在預(yù)測(cè)范圍中的變化趨勢(shì),但由于編碼中間向量的限制,隨著時(shí)序的增加,誤差是逐漸增加的,且當(dāng)網(wǎng)絡(luò)的寬度不能達(dá)到要求時(shí),模型在預(yù)測(cè)時(shí)序的開(kāi)始就會(huì)出現(xiàn)很大的誤差.如表3所示,在同一數(shù)據(jù)集當(dāng)中,本文所提出的循環(huán)更新編碼的方式可以有效的提高預(yù)測(cè)模型的準(zhǔn)確度。

    圖7 ConvLSTM編碼解碼模型誤差分析對(duì)比圖

    表3 模型準(zhǔn)確率對(duì)比

    4 結(jié)束語(yǔ)

    通過(guò)構(gòu)建基于ConvLSTM與Attention機(jī)制的網(wǎng)格溫度短臨預(yù)報(bào)模型,基于CLDAS數(shù)據(jù)集實(shí)現(xiàn)了多時(shí)次、多通道氣象要素對(duì)多時(shí)次2 m溫度網(wǎng)格短臨預(yù)報(bào)模型,通過(guò)所提到的循環(huán)更新編碼的預(yù)測(cè)方法,優(yōu)化了Encoder-Decoder結(jié)構(gòu)下編碼長(zhǎng)度對(duì)預(yù)測(cè)效果的限制問(wèn)題,降低了預(yù)測(cè)結(jié)果的誤差,驗(yàn)證了本文所提出的模型的有效性.針對(duì)海南地區(qū)氣候特點(diǎn),研究發(fā)現(xiàn),不同于大陸部分地區(qū),海南島及其周邊海域的短臨、中期或長(zhǎng)期氣象要素預(yù)報(bào)均在很大程度上受季風(fēng)和洋流影響,在氣候變化較不穩(wěn)定的時(shí)段,模型的預(yù)報(bào)誤差仍然會(huì)出現(xiàn)驟升.因此,下一階段的研究需要從較大范圍的網(wǎng)格進(jìn)行特征提取并向選區(qū)范圍的預(yù)測(cè)展開(kāi),以此對(duì)大范圍的氣象要素場(chǎng)數(shù)據(jù)對(duì)海南島氣象預(yù)測(cè)的影響展開(kāi)研究與分析.

    猜你喜歡
    特征提取模型
    一半模型
    特征提取和最小二乘支持向量機(jī)的水下目標(biāo)識(shí)別
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    基于Gazebo仿真環(huán)境的ORB特征提取與比對(duì)的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    Bagging RCSP腦電特征提取算法
    3D打印中的模型分割與打包
    FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    亚洲性夜色夜夜综合| 一区二区三区乱码不卡18| 国产亚洲av高清不卡| 国产男靠女视频免费网站| 1024香蕉在线观看| 一级,二级,三级黄色视频| 一本—道久久a久久精品蜜桃钙片| 一级毛片精品| 999久久久精品免费观看国产| 两个人免费观看高清视频| 天堂中文最新版在线下载| 制服诱惑二区| 淫妇啪啪啪对白视频| 亚洲欧美精品综合一区二区三区| 亚洲精品久久成人aⅴ小说| 免费观看人在逋| aaaaa片日本免费| 国精品久久久久久国模美| 热re99久久精品国产66热6| 考比视频在线观看| 在线观看免费日韩欧美大片| 久久热在线av| 飞空精品影院首页| 啦啦啦 在线观看视频| 中国美女看黄片| 久久久久久亚洲精品国产蜜桃av| 免费在线观看视频国产中文字幕亚洲| 日韩视频在线欧美| 国产有黄有色有爽视频| 欧美成人免费av一区二区三区 | 黄色a级毛片大全视频| 一边摸一边抽搐一进一出视频| 在线观看人妻少妇| 亚洲七黄色美女视频| 日韩大片免费观看网站| 五月天丁香电影| 国产精品久久久av美女十八| 高清黄色对白视频在线免费看| 一本—道久久a久久精品蜜桃钙片| 搡老熟女国产l中国老女人| 乱人伦中国视频| 国产精品.久久久| 午夜精品久久久久久毛片777| 黑人欧美特级aaaaaa片| 蜜桃国产av成人99| 久久久久精品人妻al黑| 无人区码免费观看不卡 | 亚洲九九香蕉| 91麻豆av在线| 变态另类成人亚洲欧美熟女 | xxxhd国产人妻xxx| 亚洲全国av大片| www.999成人在线观看| 在线观看免费日韩欧美大片| 一级毛片女人18水好多| 韩国精品一区二区三区| 欧美日韩亚洲综合一区二区三区_| 亚洲人成伊人成综合网2020| av电影中文网址| 国产亚洲精品第一综合不卡| 亚洲国产精品一区二区三区在线| 欧美精品av麻豆av| 成人av一区二区三区在线看| 日韩视频一区二区在线观看| 日本vs欧美在线观看视频| 精品卡一卡二卡四卡免费| 乱人伦中国视频| 国产男女超爽视频在线观看| 欧美一级毛片孕妇| 又紧又爽又黄一区二区| 国产欧美日韩精品亚洲av| 男人操女人黄网站| 在线观看免费高清a一片| 亚洲全国av大片| 90打野战视频偷拍视频| 亚洲精品乱久久久久久| 黑人巨大精品欧美一区二区mp4| 另类亚洲欧美激情| 亚洲av国产av综合av卡| 啦啦啦在线免费观看视频4| 欧美 日韩 精品 国产| 国产一区二区三区综合在线观看| 日本撒尿小便嘘嘘汇集6| 咕卡用的链子| 国产精品香港三级国产av潘金莲| 国产精品成人在线| 成人精品一区二区免费| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲av国产av综合av卡| 在线观看免费高清a一片| av天堂在线播放| 99国产综合亚洲精品| 成年女人毛片免费观看观看9 | 成人特级黄色片久久久久久久 | www.熟女人妻精品国产| 另类精品久久| av有码第一页| 首页视频小说图片口味搜索| 变态另类成人亚洲欧美熟女 | 丰满少妇做爰视频| 在线观看免费视频网站a站| av超薄肉色丝袜交足视频| 国产高清videossex| 亚洲成人免费电影在线观看| 久久久国产精品麻豆| 18禁黄网站禁片午夜丰满| 精品一区二区三区av网在线观看 | 夜夜爽天天搞| 色视频在线一区二区三区| 少妇粗大呻吟视频| 中文字幕人妻丝袜制服| 午夜久久久在线观看| 在线观看66精品国产| 99精品欧美一区二区三区四区| 后天国语完整版免费观看| 啦啦啦在线免费观看视频4| 精品亚洲乱码少妇综合久久| av超薄肉色丝袜交足视频| 丰满迷人的少妇在线观看| 国产精品久久久久久精品古装| 人人妻人人爽人人添夜夜欢视频| 夜夜夜夜夜久久久久| 久久精品亚洲熟妇少妇任你| 久久av网站| 国产精品美女特级片免费视频播放器 | 亚洲精品成人av观看孕妇| 美女高潮喷水抽搐中文字幕| 精品一区二区三区四区五区乱码| 老司机在亚洲福利影院| 捣出白浆h1v1| 亚洲国产欧美在线一区| 精品一区二区三区视频在线观看免费 | 亚洲av片天天在线观看| 午夜福利乱码中文字幕| 一进一出抽搐动态| 水蜜桃什么品种好| 亚洲中文av在线| 两人在一起打扑克的视频| 女性被躁到高潮视频| 热99久久久久精品小说推荐| 黄色片一级片一级黄色片| 搡老熟女国产l中国老女人| 国产淫语在线视频| 欧美日韩一级在线毛片| 岛国在线观看网站| 亚洲熟妇熟女久久| 老司机福利观看| 女同久久另类99精品国产91| 亚洲人成77777在线视频| 狂野欧美激情性xxxx| 国产精品一区二区精品视频观看| 国产亚洲欧美在线一区二区| 免费久久久久久久精品成人欧美视频| 国产高清视频在线播放一区| 久久人妻熟女aⅴ| 久久久精品94久久精品| 日本五十路高清| cao死你这个sao货| av国产精品久久久久影院| 国产男靠女视频免费网站| 夜夜爽天天搞| 王馨瑶露胸无遮挡在线观看| 久久中文看片网| 热99re8久久精品国产| 五月天丁香电影| 一本一本久久a久久精品综合妖精| 久久久国产成人免费| 日日夜夜操网爽| 日韩成人在线观看一区二区三区| 午夜福利在线观看吧| 亚洲欧美日韩高清在线视频 | 国产精品 欧美亚洲| 国产一区二区三区视频了| 黄色视频,在线免费观看| 国产亚洲欧美精品永久| 久久久久久久国产电影| 一级片免费观看大全| 黄色a级毛片大全视频| 新久久久久国产一级毛片| 欧美在线一区亚洲| 成人精品一区二区免费| 国产精品免费一区二区三区在线 | 午夜成年电影在线免费观看| 丝瓜视频免费看黄片| 男女免费视频国产| 亚洲色图综合在线观看| 国产精品香港三级国产av潘金莲| 欧美精品一区二区免费开放| 手机成人av网站| 99国产精品免费福利视频| 日韩一卡2卡3卡4卡2021年| 成年版毛片免费区| 亚洲人成77777在线视频| 久久久精品94久久精品| 亚洲成人免费av在线播放| a在线观看视频网站| 午夜日韩欧美国产| 人人妻人人爽人人添夜夜欢视频| 中文字幕色久视频| 天天躁夜夜躁狠狠躁躁| 高清毛片免费观看视频网站 | 18禁裸乳无遮挡动漫免费视频| 久久国产精品影院| 免费观看人在逋| 9色porny在线观看| 午夜福利乱码中文字幕| 成人国语在线视频| 午夜视频精品福利| 一边摸一边抽搐一进一小说 | 狠狠精品人妻久久久久久综合| 高清黄色对白视频在线免费看| 怎么达到女性高潮| 少妇被粗大的猛进出69影院| 最新在线观看一区二区三区| 亚洲国产欧美日韩在线播放| 久久天躁狠狠躁夜夜2o2o| 久久国产亚洲av麻豆专区| 精品国产一区二区三区四区第35| 极品人妻少妇av视频| 欧美日韩精品网址| 香蕉丝袜av| 国产成人av激情在线播放| 极品少妇高潮喷水抽搐| 免费看十八禁软件| 一本大道久久a久久精品| 精品乱码久久久久久99久播| 欧美中文综合在线视频| 男女午夜视频在线观看| 十八禁人妻一区二区| 高清欧美精品videossex| 黄片小视频在线播放| 亚洲精品乱久久久久久| 国产深夜福利视频在线观看| 色精品久久人妻99蜜桃| 热re99久久国产66热| 1024香蕉在线观看| 国产精品免费大片| 日韩成人在线观看一区二区三区| 一区二区av电影网| 另类精品久久| 又大又爽又粗| 五月天丁香电影| 国产亚洲欧美在线一区二区| 色视频在线一区二区三区| 午夜福利欧美成人| 十分钟在线观看高清视频www| 日韩中文字幕欧美一区二区| 久久亚洲真实| 99国产精品一区二区三区| 啦啦啦 在线观看视频| 法律面前人人平等表现在哪些方面| 午夜免费鲁丝| 国产xxxxx性猛交| 99精品久久久久人妻精品| 九色亚洲精品在线播放| 亚洲国产精品一区二区三区在线| 香蕉久久夜色| 人人妻人人澡人人爽人人夜夜| 国产高清国产精品国产三级| 国产不卡一卡二| 人人妻人人澡人人看| 午夜两性在线视频| 男女边摸边吃奶| 中文字幕精品免费在线观看视频| 午夜福利免费观看在线| 国产aⅴ精品一区二区三区波| 国产一区有黄有色的免费视频| 精品国产乱码久久久久久小说| 麻豆成人av在线观看| 欧美日韩亚洲综合一区二区三区_| 淫妇啪啪啪对白视频| 久久亚洲精品不卡| 成年女人毛片免费观看观看9 | 久久精品熟女亚洲av麻豆精品| 午夜老司机福利片| 老汉色∧v一级毛片| 亚洲精华国产精华精| 午夜福利影视在线免费观看| 久久国产精品大桥未久av| 黄色a级毛片大全视频| 亚洲精品久久成人aⅴ小说| 国产成人免费观看mmmm| 99国产极品粉嫩在线观看| 国产成人影院久久av| 欧美国产精品va在线观看不卡| 亚洲精品国产精品久久久不卡| 男女高潮啪啪啪动态图| 精品国产一区二区三区四区第35| av又黄又爽大尺度在线免费看| 91字幕亚洲| 久久精品亚洲av国产电影网| 中文亚洲av片在线观看爽 | 多毛熟女@视频| 国产日韩欧美亚洲二区| 热99re8久久精品国产| 999久久久精品免费观看国产| 久久久久久久久久久久大奶| 老司机亚洲免费影院| 成人亚洲精品一区在线观看| 国产1区2区3区精品| 人妻一区二区av| 成人三级做爰电影| 无遮挡黄片免费观看| 人人妻人人澡人人看| 蜜桃国产av成人99| 后天国语完整版免费观看| 女同久久另类99精品国产91| 免费看十八禁软件| 黑人巨大精品欧美一区二区mp4| 久久99一区二区三区| 91九色精品人成在线观看| 啦啦啦 在线观看视频| 黑人欧美特级aaaaaa片| 美女高潮喷水抽搐中文字幕| 国产精品一区二区免费欧美| 亚洲男人天堂网一区| 色尼玛亚洲综合影院| 国产在线观看jvid| 成年女人毛片免费观看观看9 | 久久久欧美国产精品| 久久久久国产一级毛片高清牌| 日韩制服丝袜自拍偷拍| 女警被强在线播放| 999久久久国产精品视频| 国产色视频综合| 精品少妇一区二区三区视频日本电影| 亚洲一区二区三区欧美精品| 黄色成人免费大全| 国产精品 国内视频| 搡老熟女国产l中国老女人| 欧美日韩中文字幕国产精品一区二区三区 | 精品一区二区三区视频在线观看免费 | 久久婷婷成人综合色麻豆| 国产成人影院久久av| 欧美日韩精品网址| 国产精品 国内视频| a级毛片黄视频| 久久人妻福利社区极品人妻图片| 一本大道久久a久久精品| 日韩视频一区二区在线观看| 一区二区三区乱码不卡18| 亚洲av电影在线进入| 99国产精品99久久久久| 色94色欧美一区二区| 99精品在免费线老司机午夜| av有码第一页| 国产成人免费无遮挡视频| 99国产精品免费福利视频| 黑人欧美特级aaaaaa片| www.999成人在线观看| 黑人欧美特级aaaaaa片| 亚洲精品美女久久久久99蜜臀| 黑人欧美特级aaaaaa片| 精品人妻熟女毛片av久久网站| 最近最新中文字幕大全电影3 | 欧美日韩中文字幕国产精品一区二区三区 | 亚洲国产欧美日韩在线播放| 在线观看免费午夜福利视频| 男人舔女人的私密视频| 日本wwww免费看| 亚洲专区中文字幕在线| 国产麻豆69| 91字幕亚洲| 18禁黄网站禁片午夜丰满| 久久久久久久国产电影| aaaaa片日本免费| 亚洲精品在线观看二区| 亚洲精品乱久久久久久| 欧美精品高潮呻吟av久久| 成人国语在线视频| 日韩 欧美 亚洲 中文字幕| 老司机福利观看| 男女无遮挡免费网站观看| 人妻久久中文字幕网| 午夜福利欧美成人| 在线播放国产精品三级| 亚洲男人天堂网一区| 天堂8中文在线网| 他把我摸到了高潮在线观看 | 90打野战视频偷拍视频| 一本综合久久免费| 99国产精品一区二区蜜桃av | h视频一区二区三区| 2018国产大陆天天弄谢| 欧美午夜高清在线| 精品一区二区三区av网在线观看 | 国产片内射在线| 欧美变态另类bdsm刘玥| 成人18禁高潮啪啪吃奶动态图| 精品视频人人做人人爽| 成人影院久久| 日本精品一区二区三区蜜桃| 国产免费视频播放在线视频| 久久国产精品大桥未久av| 香蕉久久夜色| 国产福利在线免费观看视频| 国产精品99久久99久久久不卡| 男女边摸边吃奶| 国产日韩欧美视频二区| 69精品国产乱码久久久| 嫩草影视91久久| 国产精品秋霞免费鲁丝片| 97在线人人人人妻| 精品欧美一区二区三区在线| 少妇被粗大的猛进出69影院| 黄色a级毛片大全视频| 在线天堂中文资源库| 啦啦啦视频在线资源免费观看| av有码第一页| 无限看片的www在线观看| 国产免费福利视频在线观看| 亚洲欧美精品综合一区二区三区| 久久九九热精品免费| 国产无遮挡羞羞视频在线观看| 国产熟女午夜一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 少妇的丰满在线观看| 男女无遮挡免费网站观看| 成人18禁在线播放| 一二三四社区在线视频社区8| 久久青草综合色| 女性生殖器流出的白浆| 香蕉久久夜色| 老鸭窝网址在线观看| 久久国产精品影院| 69精品国产乱码久久久| 极品少妇高潮喷水抽搐| 国产一区二区三区综合在线观看| 亚洲国产欧美网| 亚洲九九香蕉| 777久久人妻少妇嫩草av网站| 汤姆久久久久久久影院中文字幕| 久久久久久久大尺度免费视频| bbb黄色大片| 午夜免费成人在线视频| 2018国产大陆天天弄谢| 亚洲男人天堂网一区| 国精品久久久久久国模美| 亚洲中文av在线| 亚洲午夜理论影院| 欧美日韩亚洲综合一区二区三区_| www日本在线高清视频| 一级,二级,三级黄色视频| 99久久精品国产亚洲精品| 三上悠亚av全集在线观看| 欧美成狂野欧美在线观看| 亚洲欧美精品综合一区二区三区| 久久人妻熟女aⅴ| 王馨瑶露胸无遮挡在线观看| 捣出白浆h1v1| 精品一区二区三区av网在线观看 | 中国美女看黄片| 一边摸一边做爽爽视频免费| 纵有疾风起免费观看全集完整版| 王馨瑶露胸无遮挡在线观看| 黄色视频不卡| 国产成人av激情在线播放| 国产精品免费一区二区三区在线 | 免费在线观看视频国产中文字幕亚洲| 亚洲精华国产精华精| 不卡一级毛片| av片东京热男人的天堂| 国产高清激情床上av| 色视频在线一区二区三区| 亚洲av电影在线进入| 欧美激情久久久久久爽电影 | 国产亚洲精品第一综合不卡| 黑人猛操日本美女一级片| 美女高潮喷水抽搐中文字幕| 99九九在线精品视频| 国产精品久久久久久人妻精品电影 | 免费观看人在逋| 黄色成人免费大全| 日韩有码中文字幕| 亚洲第一av免费看| 亚洲情色 制服丝袜| 五月开心婷婷网| 欧美国产精品va在线观看不卡| 又大又爽又粗| av线在线观看网站| 亚洲avbb在线观看| 天堂动漫精品| 我要看黄色一级片免费的| 这个男人来自地球电影免费观看| 亚洲 国产 在线| 欧美一级毛片孕妇| 亚洲成av片中文字幕在线观看| 王馨瑶露胸无遮挡在线观看| a级毛片在线看网站| 12—13女人毛片做爰片一| 在线av久久热| 久久天堂一区二区三区四区| 美女福利国产在线| 精品福利永久在线观看| 女人被躁到高潮嗷嗷叫费观| 久久精品国产99精品国产亚洲性色 | 99riav亚洲国产免费| 亚洲 国产 在线| 午夜激情久久久久久久| 亚洲成av片中文字幕在线观看| 欧美乱码精品一区二区三区| 国产黄色免费在线视频| 乱人伦中国视频| 欧美国产精品一级二级三级| 成人免费观看视频高清| 午夜激情av网站| 精品熟女少妇八av免费久了| 亚洲第一av免费看| 日本av手机在线免费观看| 中文字幕人妻丝袜制服| 精品一区二区三区视频在线观看免费 | 国产又色又爽无遮挡免费看| 精品少妇久久久久久888优播| 国产亚洲精品久久久久5区| 又紧又爽又黄一区二区| 菩萨蛮人人尽说江南好唐韦庄| 国产不卡一卡二| 啦啦啦中文免费视频观看日本| 中文字幕人妻丝袜制服| 久久久久久免费高清国产稀缺| aaaaa片日本免费| 他把我摸到了高潮在线观看 | av超薄肉色丝袜交足视频| 中文字幕制服av| 老司机福利观看| 国产在线视频一区二区| 色婷婷久久久亚洲欧美| 香蕉国产在线看| 丝袜喷水一区| 亚洲欧美日韩高清在线视频 | 亚洲精品在线美女| 亚洲免费av在线视频| 一进一出好大好爽视频| 黑人操中国人逼视频| 亚洲一区二区三区欧美精品| av天堂在线播放| 成人影院久久| 久久中文字幕一级| 另类精品久久| 成人三级做爰电影| 女人久久www免费人成看片| 精品福利观看| 人人妻人人澡人人看| 80岁老熟妇乱子伦牲交| 9191精品国产免费久久| 交换朋友夫妻互换小说| 欧美日韩黄片免| 777米奇影视久久| 日韩三级视频一区二区三区| 国产精品免费视频内射| 免费在线观看黄色视频的| 久久亚洲精品不卡| 午夜日韩欧美国产| 超色免费av| 久久久国产欧美日韩av| 人人澡人人妻人| 黑丝袜美女国产一区| 亚洲午夜精品一区,二区,三区| 香蕉国产在线看| 国产精品久久久av美女十八| 99精品在免费线老司机午夜| 欧美精品人与动牲交sv欧美| 天天躁夜夜躁狠狠躁躁| 国产高清videossex| 久久中文字幕一级| 激情视频va一区二区三区| 色婷婷av一区二区三区视频| 久久毛片免费看一区二区三区| 色播在线永久视频| 一区二区三区精品91| 国产日韩欧美在线精品| 丁香六月欧美| 麻豆av在线久日| 亚洲美女黄片视频| 久久99热这里只频精品6学生| 人成视频在线观看免费观看| 99久久人妻综合| 丰满迷人的少妇在线观看| 亚洲av第一区精品v没综合| 亚洲精品中文字幕在线视频| 老司机午夜福利在线观看视频 | 久久精品91无色码中文字幕| 老熟妇仑乱视频hdxx| 欧美黄色淫秽网站| 成年人免费黄色播放视频| 国产精品1区2区在线观看. | 免费av中文字幕在线| 中文字幕人妻丝袜一区二区| 9热在线视频观看99| 热99re8久久精品国产| 黄片小视频在线播放| netflix在线观看网站| 久久久久国内视频| 在线观看一区二区三区激情| 啦啦啦中文免费视频观看日本| 欧美精品人与动牲交sv欧美| 女人高潮潮喷娇喘18禁视频| 精品国产乱子伦一区二区三区| 大型av网站在线播放| 国产在线一区二区三区精| 91老司机精品| 99国产精品一区二区蜜桃av | 国产有黄有色有爽视频| 12—13女人毛片做爰片一| 成人18禁在线播放| 久久中文字幕人妻熟女| 久久久久久久大尺度免费视频| 伦理电影免费视频| 国产伦人伦偷精品视频| 天天躁夜夜躁狠狠躁躁| 精品第一国产精品| 国产精品久久久久久人妻精品电影 | 汤姆久久久久久久影院中文字幕| 在线观看一区二区三区激情| 精品少妇内射三级|