• <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 LSTM 深度學(xué)習(xí)的 ENSO 預(yù)測及其春季預(yù)報(bào)障礙研究

    2021-12-17 02:25:02周佩黃穎婕胡冰逸韋駿
    關(guān)鍵詞:模型

    周佩 黃穎婕 胡冰逸,2 韋駿,3,?

    基于 LSTM 深度學(xué)習(xí)的 ENSO 預(yù)測及其春季預(yù)報(bào)障礙研究

    周佩1黃穎婕1胡冰逸1,2韋駿1,3,?

    1.熱帶大氣海洋系統(tǒng)科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室, 中山大學(xué)大氣科學(xué)學(xué)院, 廣州 510275; 2.北京大學(xué)匯豐商學(xué)院, 深圳 518055; 3.廣西大學(xué)海洋學(xué)院, 南寧 530004; ?通信作者, E-mail: weijun5@mail.sysu.edu.cn

    長短期記憶人工神經(jīng)網(wǎng)絡(luò)(LSTM); ENSO; 預(yù)報(bào)誤差; 春季預(yù)報(bào)障礙(SPB); Ni?o3.4指數(shù)

    ENSO (El Ni?o-Southern Oscillation)預(yù)測模型可根據(jù)所依據(jù)的計(jì)算原理分為統(tǒng)計(jì)模型和動力學(xué)模型兩大類[1?2]。統(tǒng)計(jì)模型主要結(jié)合大量的歷史數(shù)據(jù)和統(tǒng)計(jì)理論(如統(tǒng)計(jì)回歸和神經(jīng)網(wǎng)絡(luò)), 找出大氣與海洋變量之間的函數(shù)關(guān)系。動力學(xué)模型主要基于大氣?海洋相互作用的動力學(xué)理論, 廣泛應(yīng)用于季節(jié)時間尺度的 ENSO 預(yù)測。在過去的幾十年中, 通過改進(jìn)初始條件和參數(shù)化方案, 開發(fā)新的預(yù)測方法, ENSO 的預(yù)測能力得到很大的提升[3]。然而, 如果將預(yù)測模型的起報(bào)時間提前 6 個月以上, 兩類模型的預(yù)測能力都會因春季預(yù)極障礙(spring predictabi-lity barrier,SPB)現(xiàn)象而大幅度下降[4?6]。

    SPB 現(xiàn)象最先由 Webster 等[7]發(fā)現(xiàn), 已成為 ENSO預(yù)報(bào)研究領(lǐng)域非常重要的課題。他們看到, 一旦遇到北半球的春季, 對 ENSO 的預(yù)測能力將迅速衰減, 且與預(yù)報(bào)起始月份和預(yù)報(bào)提前時間無關(guān)??茖W(xué)家針對 SPB 展開大量研究, 但對其形成原因沒有統(tǒng)一的觀點(diǎn)[8]。Webster 等[7]率先提出, 海?氣耦合系統(tǒng)在春季處于最敏感時期, 有利于誤差增長; 同時, 南亞夏季風(fēng)也處于發(fā)展階段, 很容易誘發(fā) SPB 現(xiàn)象。Webster[9]進(jìn)一步指出, 春季是赤道耦合系統(tǒng)最脆弱的季節(jié), 系統(tǒng)的“信噪比”最低, 最易受外界干擾, 從而導(dǎo)致 SPB 形成。此外, Torrence 等[10]認(rèn)為氣候態(tài)的轉(zhuǎn)換也是SPB 的誘發(fā)因子。然而, Wang 等[11]發(fā)現(xiàn), 當(dāng)模型中海?氣耦合系數(shù)保持不變時, SPB現(xiàn)象仍會出現(xiàn), 因此弱的海?氣耦合并不能解釋模型中的 SPB 現(xiàn)象。通過分析模型的擾動機(jī)制, 他們認(rèn)為春季最大的垂直溫度梯度和最弱的東西熱力差異有利于耦合系統(tǒng)擾動的增長, 進(jìn)而使春季海?氣耦合最不穩(wěn)定, 有利于 SPB 現(xiàn)象的產(chǎn)生。為了驗(yàn)證Wang 等[11]模型中 SPB 的成因, Mu 等[12]將理論模型記為 WF96, 分別計(jì)算處于海?氣耦合強(qiáng)不穩(wěn)定性和弱不穩(wěn)定性背景下的厄爾尼諾事件的條件非線性最優(yōu)擾動(conditional nonlinear optimal perturbation, CNOP), 結(jié)果表明, 強(qiáng)不穩(wěn)定性條件下的春季誤差增長明顯更大, 且初始誤差越大, 差異更明顯, 因此春季海?氣耦合不穩(wěn)定性是 SPB 的成因之一。一些研究者從誤差增長的角度, 認(rèn)為平均態(tài)的年循環(huán)、厄爾尼諾的結(jié)構(gòu)和某些初始誤差的聯(lián)合作用誘發(fā) SPB[13?14]。最近, Meng 等[15]提出一種基于信息熵理論的全新方法“System Sample Entropy”來預(yù)測厄爾尼諾事件, 結(jié)果顯示, 厄爾尼諾區(qū)域前一年的近海平面空氣或海表溫度復(fù)雜度與厄爾尼諾事件強(qiáng)度之間存在非常強(qiáng)的穩(wěn)定的正相關(guān)關(guān)系。該方法克服了困擾 ENSO 長期預(yù)測的 SPB 問題, 可以提前一年成功地預(yù)測事件強(qiáng)度。

    隨著大數(shù)據(jù)分析和計(jì)算機(jī)科學(xué)的發(fā)展, 人們逐漸意識到機(jī)器學(xué)習(xí)在分析大數(shù)據(jù)信息和處理非線性問題方面的卓越性。很多科學(xué)家試圖將機(jī)器學(xué)習(xí)應(yīng)用于各自領(lǐng)域里未解決的科學(xué)問題中, 尋求新的突破。Tangang 等[16]和蔣國榮等[17]發(fā)現(xiàn), 將神經(jīng)網(wǎng)絡(luò)算法與經(jīng)驗(yàn)正交函數(shù)分析方法相結(jié)合, 對 ENSO 預(yù)報(bào)可以起到意想不到的效果。劉科峰等[18]也發(fā)現(xiàn), 基于支持向量機(jī)與小波分解方法結(jié)合的多步遞階預(yù)測方法, 可以有效地預(yù)報(bào)海溫距平時間序列。為了得到更好的預(yù)報(bào)結(jié)果, 許柏寧等[19]設(shè)置 4 種不同的深度學(xué)習(xí)網(wǎng)絡(luò)混合模型, 對區(qū)域海表溫度異常(sea surface temperature anomaly, SSTA)進(jìn)行預(yù)報(bào), 發(fā)現(xiàn)無論在訓(xùn)練集還是測試集上的表現(xiàn), Sequence-to-Sequence (Seq2Seq2)模型都優(yōu)于其他模型。Zhang等[20]為了提升沿海海域海表溫度的預(yù)測能力, 采用長短期記憶人工神經(jīng)網(wǎng)絡(luò)(long-short term memory, LSTM)神經(jīng)網(wǎng)絡(luò)預(yù)測海表溫度(sea surface tempera-ture, SST), 并取得較好的預(yù)報(bào)效果。Ham 等[6]利用卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks, CNN)預(yù)測 ENSO 事件, 結(jié)果顯示, 在預(yù)報(bào)提前時間大于6 個月時, 模型的預(yù)測能力優(yōu)于其他預(yù)報(bào)系統(tǒng)。

    SPB 現(xiàn)象是 Webster 等[7]在動力預(yù)測模型中發(fā)現(xiàn)的, 后續(xù)的研究大多基于 ENSO 的動力學(xué)機(jī)制對SPB產(chǎn)生的原因進(jìn)行解釋。然而, 統(tǒng)計(jì)模型的構(gòu)建并不依賴于動力學(xué)框架, 而是基于大數(shù)據(jù)的統(tǒng)計(jì)分析和回歸。在過去的研究中, 大多數(shù)基于機(jī)器學(xué)習(xí)的 ENSO 預(yù)測模型都獲得較強(qiáng)的預(yù)測能力, 但都沒有明確 SPB 現(xiàn)象在機(jī)器學(xué)習(xí)這種新型統(tǒng)計(jì)模型中是否存在以及存在或不存在的原因。本文利用 LSTM神經(jīng)網(wǎng)絡(luò)建立針對 4 次厄爾尼諾事件的預(yù)測模型, 并探究模型中的 SPB 現(xiàn)象及其產(chǎn)生的原因。

    1 模型、數(shù)據(jù)和研究方案

    1.1 LSTM神經(jīng)網(wǎng)絡(luò)

    LSTM 是 Hochreiter 等[21]1997 年提出的, 是循環(huán)神經(jīng)網(wǎng)絡(luò)的一種特殊形式。目前, 在翻譯語言、圖像分析、語音識別、手寫識別和時間序列預(yù)測方面, LSTM 有著廣泛的應(yīng)用。與傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)相比, LSTM 在隱藏層各神經(jīng)元中增加記憶單元, 使得時間序列上的記憶信息可控, 每次在隱藏層各單元間傳遞時, 可以通過幾個可控門(輸入門、遺忘門和輸出門)控制之前信息和當(dāng)前信息的記憶和遺忘程度。因此, LSTM 具備長期記憶功能, 能有效地應(yīng)用于處理時間序列的預(yù)測問題。

    1.2 數(shù)據(jù)來源與預(yù)處理

    ENSO 是發(fā)生在熱帶太平洋的年際時間尺度的海?氣相互作用異常現(xiàn)象。用 Ni?o3.4 指數(shù)表征ENSO 事件, 其定義為 Ni?o3.4 區(qū)(150°E—170°W, 5°S—5°N)海表溫度距平場的空間平均。本文視Ni?o3.4 指數(shù)預(yù)報(bào)問題為時間序列問題, 選取逐月Ni?o3.4 指數(shù)時間序列作為預(yù)報(bào)對象, 數(shù)據(jù)主要來源于 Physical Sciences Laboratory 網(wǎng)站 (https://www.esrl.noaa.gov/psd/gcos_wgsp/Timeseries/Ni?o34), 時間段為 1960 年 1 月到 2018 年 12 月。圖 1 展示 1984年 1 月至 2018 年 12 月的 Ni?o3.4 指數(shù)的變化情況, 其中淺灰色圓圈標(biāo)記本文選取的 4 個典型的厄爾尼諾事件。

    為了提升模型的訓(xùn)練效率, 我們先對數(shù)據(jù)進(jìn)行歸一化處理, 將數(shù)據(jù)標(biāo)準(zhǔn)化至[0, 1]區(qū)間。計(jì)算公式如下:

    其中,original為指數(shù)初始值,max為指數(shù)最大值,min為指數(shù)最小值,scaled為歸一化后的數(shù)據(jù)。

    1.3 研究方案

    本文選取 4 個比較典型的厄爾尼諾事件(1991/ 1992, 1997/1998, 2002/2003和2015/2016)為研究對象, 所選模型皆為三層結(jié)構(gòu), 包括輸入層、LSTM層和全連接層, 預(yù)報(bào)模式為“24-1”, 模型的目標(biāo)函數(shù)為均方誤差。我們將數(shù)據(jù)劃分成訓(xùn)練集、驗(yàn)證集和測試集 3 個部分(表 1), 其中訓(xùn)練集用于訓(xùn)練模型的權(quán)重參數(shù), 驗(yàn)證集用于調(diào)整模型的結(jié)構(gòu), 測試集用于檢驗(yàn)?zāi)P偷淖罱K效果。

    為了評估模型的預(yù)報(bào)能力, 本文選用均方根誤差(root mean square error, RMSE)和距平相關(guān)系數(shù)(anomaly correlation coefficient, ACC)作為評價標(biāo)準(zhǔn), 計(jì)算公式如下:

    其中,為樣本數(shù),T為實(shí)測值,T′為預(yù)測值。我們將預(yù)測起點(diǎn)之前的24個Ni?o3.4指數(shù)值作為模型的輸入值, 模式輸出的預(yù)報(bào)值即為第25個指數(shù)值, 再將預(yù)測結(jié)果添加進(jìn)輸入序列, 利用第2~25個指數(shù)值預(yù)報(bào)第26個指數(shù)值。本文的預(yù)報(bào)時效定義為預(yù)報(bào)月份與輸入歷史數(shù)據(jù)的最后一個月份間的差值。

    本文規(guī)定0年代表厄爾尼諾事件發(fā)生年, 即Ni?o3.4指數(shù)達(dá)到峰值的年份, ?1年代表事件發(fā)生前一年, 1年代表事件發(fā)生后一年。相應(yīng)地, 我們選取10月、1月和4月作為ENSO事件的預(yù)報(bào)起點(diǎn)。

    圖1 1984年1月至2018年12月的Ni?o3.4指數(shù)變化

    表1 模型訓(xùn)練集、驗(yàn)證集和測試集數(shù)據(jù)劃分

    對于預(yù)報(bào)月份, Ni?o3.4指數(shù)預(yù)報(bào)誤差()定義為模型預(yù)報(bào)值與實(shí)測值之差, 表達(dá)式如下:

    預(yù)報(bào)誤差在預(yù)報(bào)月份的誤差增長率, 則為+ 1月的預(yù)報(bào)誤差與月預(yù)報(bào)誤差之差。值為正(負(fù))代表預(yù)報(bào)誤差增大(減小),的絕對值越大代表預(yù)報(bào)誤差的變化幅度越大。

    根據(jù)張雅樂[22]和Wei等[23]的定義, 本研究將Ni?o3.4指數(shù)大于?0.5°的月份至峰值月份劃分為厄爾尼諾事件的增長期, 將峰值月份至指數(shù)低于?0.5°的月份劃分為衰減期。一年可分為4個季度, 分別為1—3月(JFM)、4—6月(AMJ)、7—9月(JAS)和10—12月(OND)。

    Fang等[24]用不同起始月份的SST自相關(guān)系數(shù)(滑動窗口為10年)跨越春季時的減小量平均值表征春季持續(xù)性障礙(spring persistence barrier)的強(qiáng)度。本文在Fang等[24]的定義基礎(chǔ)上, 依據(jù)下式計(jì)算春季持續(xù)性障礙強(qiáng)度指數(shù)。

    其中,是滑動窗口的起始年份,是起始月份,是滯后時間。

    2 結(jié)果分析

    2.1 LSTM模型對ENSO的預(yù)報(bào)能力

    為了測試LSTM模型對ENSO的預(yù)報(bào)能力, 本文首先選取1997/1998強(qiáng)厄爾尼諾事件作為訓(xùn)練案例。圖2給出當(dāng)預(yù)報(bào)時效為12個月時, LSTM模型對1996年10月至2001年10月的Ni?o3.4指數(shù)的預(yù)報(bào)結(jié)果與實(shí)測值的時間變化??梢钥闯? 盡管預(yù)報(bào)時效為12個月, LSTM模型的預(yù)測結(jié)果依然能夠完整地刻畫Ni?o3.4指數(shù)的變化趨勢。此次預(yù)測中, 模型對1997/1998事件的峰值月份和峰值大小的模擬與實(shí)測情況基本上吻合, 說明LSTM神經(jīng)網(wǎng)絡(luò)在處理時間序列的非線性預(yù)測方面具有很好的性能。

    圖3展示模型預(yù)測結(jié)果與實(shí)測值間距平相關(guān)系數(shù)ACC和均方根誤差RMSE隨不同預(yù)報(bào)時效的變化, 可以更直觀地反映模型預(yù)測效果。雖然模型對Ni?o3.4指數(shù)的預(yù)報(bào)能力隨著預(yù)報(bào)時效的加長而有所降低, 但當(dāng)預(yù)報(bào)時效為12個月時, 相關(guān)系數(shù)仍然達(dá)到0.93以上。隨著預(yù)報(bào)時效加長, 當(dāng)預(yù)報(bào)時效小于6個月時, 均方根誤差迅速增大; 當(dāng)預(yù)報(bào)時效在6~11個月之間時, 均方根誤差變化不大。

    圖2 1996 年 10 月至 2001 年 10 月期間預(yù)報(bào)時效為 12 個月的Ni?o3.4指數(shù)模型預(yù)測結(jié)果與實(shí)測值

    圖3 距平相關(guān)系數(shù)和均方根誤差隨預(yù)報(bào)時效的變化

    嚴(yán)軍等[4]基于神經(jīng)網(wǎng)絡(luò)?奇異譜分析, 對ENSO指數(shù)進(jìn)行預(yù)測, 在預(yù)報(bào)時效為12個月時, 相關(guān)系數(shù)為0.49。劉科峰等[18]利用小波分析和支持向量機(jī)預(yù)報(bào)ENSO指數(shù), 預(yù)報(bào)時效為12個月時的相關(guān)系數(shù)為0.89。許柏寧等[19]利用Seq2seq2深度學(xué)習(xí)模型預(yù)報(bào)SSTA, 其12個月預(yù)報(bào)時效的相關(guān)系數(shù)在0.5左右。Ham等[6]利用卷積神經(jīng)網(wǎng)絡(luò)模型預(yù)測Ni?o3.4指數(shù), 12個月預(yù)報(bào)時效的相關(guān)系數(shù)在0.65左右。雖然本文預(yù)報(bào)模型涉及的時間段、學(xué)習(xí)算法以及參數(shù)選擇與其他模型之間存在不一致性, 但與大多數(shù)模型相比, 本文LSTM時間序列模型對Ni?o3.4指數(shù)的預(yù)報(bào)能力具有一定的優(yōu)勢。

    為了進(jìn)一步驗(yàn)證LSTM時間序列模型對厄爾尼諾事件的預(yù)報(bào)效果, 我們繼續(xù)對1991/1992, 2002/ 2003和2015/2016這3個厄爾尼諾事件進(jìn)行研究。2015/2016厄爾尼諾事件的Ni?o3.4指數(shù)變化規(guī)律與1997/1998事件相似, 都屬于強(qiáng)東部型厄爾尼諾事件; 1991/1992與2002/2003厄爾尼諾事件的變化趨勢相似, Ni?o3.4指數(shù)峰值相對偏小, 都屬于中部型厄爾尼諾事件。

    圖4對比LSTM模型在不同預(yù)報(bào)起點(diǎn)往后滾動預(yù)報(bào)20個月的的預(yù)報(bào)結(jié)果與實(shí)測值, 可見不同起報(bào)時間的預(yù)報(bào)結(jié)果皆可模擬出各個事件的發(fā)展趨勢, 隨著起報(bào)時間向后推移, 模型對事件的預(yù)測更為精準(zhǔn)。還可以看出, 模型對不同類型厄爾尼諾事件的預(yù)報(bào)效果不同。對于強(qiáng)東部型厄爾尼諾事件, Ni?o3.4指數(shù)的發(fā)展和衰減比較快速和平滑, LSTM模型對Ni?o3.4指數(shù)峰值月份和峰值大小的預(yù)報(bào)效果較好; 對于中部型厄爾尼諾事件, Ni?o3.4指數(shù)的發(fā)展比較平緩, 但起伏較大, LSTM模型的預(yù)報(bào)效果較差, 尤其是無法模擬出該厄爾尼諾事件發(fā)展初期短時間尺度的起伏(圖4(a))。

    2.2 春季預(yù)報(bào)障礙(SPB)

    圖4 模型對4個厄爾尼諾事件的預(yù)測結(jié)果與實(shí)測值

    圖5 4個事件增長期和衰減期的預(yù)報(bào)誤差季節(jié)增長率

    2.3 春季預(yù)報(bào)障礙的可能原因

    為了探究LSTM模型在預(yù)報(bào)過程中出現(xiàn)春季預(yù)報(bào)障礙的原因, 計(jì)算Ni?o3.4指數(shù)在不同滯后時間情況下的自相關(guān)系數(shù)。結(jié)果表明, 不論滯后時間為多久, 自相關(guān)系數(shù)值在第二年的春季都會大幅度降低, 4月之前在0.4以上, 6月之后基本上為負(fù)數(shù)。這一結(jié)果從側(cè)面反映數(shù)據(jù)信號在夏、秋、冬三季間可以順利地傳遞, 但春季數(shù)據(jù)信號的連續(xù)性大幅度下降, 這就是春季持續(xù)性障礙現(xiàn)象。本文構(gòu)建的基于事件發(fā)生前30年歷史數(shù)據(jù)訓(xùn)練的LSTM模型, 也無法克服春季持續(xù)性障礙產(chǎn)生的春季誤差快速增長問題。機(jī)器學(xué)習(xí)算法是基于訓(xùn)練周期內(nèi)的歷史數(shù)據(jù), 尋找樣本數(shù)據(jù)與驗(yàn)證數(shù)據(jù)的誤差最小值。本文模型訓(xùn)練使用的是月平均數(shù)據(jù), 而春季持續(xù)性障礙僅存在于每年的4—6月(3個樣本), 相對于總樣本數(shù)并不大。因此, 追求全局誤差最小化的機(jī)器學(xué)習(xí)算法, 并不能建立起有效的克服春季持續(xù)性障礙的預(yù)測算法。然而, 盡管仍然存在SPB問題, 但LSTM預(yù)報(bào)模型對強(qiáng)厄爾尼諾事件的整體預(yù)報(bào)效果是非常優(yōu)異的(圖4(b)和(d))。

    ENSO穩(wěn)定性的季節(jié)變化是春季持續(xù)性障礙的主要原因, Bjerknes反饋是厄爾尼諾發(fā)展的重要物理機(jī)制, 涉及多種海?氣反饋, 這些海?氣反饋項(xiàng)可綜合量化成BJ(Bjerknes instability)指數(shù)。已經(jīng)證實(shí), BJ指數(shù)也是表征Bjerknes反饋的有效指標(biāo), 能夠有效地診斷ENSO的穩(wěn)定性[9?10,24?25]。Fang等[24]通過計(jì)算月BJ指數(shù)發(fā)現(xiàn), 在3—5月期間, BJ指數(shù)從最小值迅速增長到最大值, 說明春季是ENSO系統(tǒng)從最穩(wěn)定狀態(tài)轉(zhuǎn)變成最不穩(wěn)定狀態(tài)的過渡期, 也因此造成春季Ni?o3.4指數(shù)持續(xù)性的降低。依據(jù)式(5)計(jì)算1960—2005年間的春季持續(xù)性障礙強(qiáng)度指數(shù), 結(jié)果如圖6所示??梢钥闯? 1997/1998事件對應(yīng)的強(qiáng)度指數(shù)比1991/1992事件和2002/2003事件低。這一點(diǎn)在模型的預(yù)報(bào)結(jié)果中也有所體現(xiàn): 模型對1997/1998厄爾尼諾事件的預(yù)報(bào)效果整體上優(yōu)于1991/1992事件和2002/2003事件。

    3 結(jié)論

    1)LSTM模型對強(qiáng)東部型厄爾尼諾事件(1997/ 1998和2015/2016事件)的預(yù)報(bào)效果優(yōu)于弱中部型厄爾尼諾事件(1991/1992和2002/2003事件), 主要體現(xiàn)為峰值月份和峰值大小的預(yù)報(bào); 在發(fā)展趨勢方面, 4個事件的預(yù)報(bào)趨勢與實(shí)況基本上一致。

    2)LSTM模型對厄爾尼諾事件增長期Ni?o3.4指數(shù)的預(yù)報(bào)都存在明顯的SPB現(xiàn)象, 而對衰減期的預(yù)報(bào)表現(xiàn)不同: 弱中部型事件衰減期的預(yù)報(bào)出現(xiàn)明顯SPB現(xiàn)象, 強(qiáng)東部型事件衰減期的預(yù)報(bào)不存在SPB現(xiàn)象, 與Wei等[23]的研究結(jié)論相似。值得注意的是, 盡管LSTM模型中仍然存在明顯的SPB現(xiàn)象, 但對強(qiáng)厄爾尼諾事件的預(yù)報(bào)效果也非常優(yōu)異, 因?yàn)楸疚腖STM算法是基于大量歷史數(shù)據(jù)樣本集和驗(yàn)證集, 通過迭代訓(xùn)練, 達(dá)到誤差最小化。對于預(yù)報(bào)效果優(yōu)異的案例(如1997/1998事件), 除春季外, 其他季節(jié)的誤差增長率都比較小。對于預(yù)報(bào)效果相對較差的案例(如1991/1992事件), 除春季外, 其他季節(jié)的誤差增長率也較大。

    3)LSTM模型在預(yù)報(bào)過程中出現(xiàn)的SPB現(xiàn)象主要由數(shù)據(jù)中呈現(xiàn)的持續(xù)性障礙和厄爾尼諾事件的性質(zhì)(分布型、強(qiáng)度和鎖相特征等)造成。LSTM模型并不能從物理機(jī)制方面規(guī)避春季預(yù)報(bào)障礙。從統(tǒng)計(jì)學(xué)角度來說, 對于月平均的訓(xùn)練集, 春季持續(xù)性障礙的樣本僅僅存在于每年的4—6月, LSTM模型追求的是訓(xùn)練集的全局最小化, 無法兼顧短時間尺度的春季誤差并建立有效的規(guī)避算法。因此, LSTM模型最后呈現(xiàn)的結(jié)果更趨向于對厄爾尼諾事件發(fā)展趨勢的預(yù)報(bào), 無法預(yù)測短時間尺度的Ni?o3.4指數(shù)變化, 包括4—6月的春季誤差快速增長現(xiàn)象。

    圖6 1960—2005年的SPB強(qiáng)度指數(shù)

    [1]Oldenborgh G J V, Balmaseda M A, Ferranti L, et al.Did the ECMWF seasonal forecast model outperform statistical ENSO forecast models over the last 15 years?.Journal of Climate, 2005, 18(16): 3240?3249

    [2]Dijkstra H A, Petersik P, Hernandez-Garcia E, et al.The application of machine learning techniques to improve El Ni?o prediction skill.Frontiers in Physics, 2019, 7: 153

    [3]Barnston A G, Tippett M K, L’Heureux M L, et al.Skill of real-time seasonal ENSO model predictions during 2002–11: is our capability increasing?.Bulle-tin of the American Meteorological Society, 2012, 93 (5): 631?651

    [4]嚴(yán)軍, 劉健文.基于神經(jīng)網(wǎng)絡(luò)–奇異譜分析的 ENSO指數(shù)預(yù)測.大氣科學(xué), 2005, 29(4): 620?626

    [5]Mcphaden M J, Zebiak S E, Glantz M H.ENSO as an integrating concept in earth science.Science, 2006, 314: 1740?1745

    [6]Ham Y G, Kim J H, Luo J J.Deep learning for multi-year ENSO forecasts.Nature, 2019, 573: 568?572

    [7]Webster P J, Yang S.Monsoon and ENSO: selectively interactive system.Quarterly Journal of the Royal Meteorological Society, 1992, 118: 877?926

    [8]楊崧, 鄧開強(qiáng), 段晚鎖.季風(fēng)與 ENSO 的選擇性相互作用: 年循環(huán)和春季預(yù)報(bào)障礙的影響.大氣科學(xué), 2018, 42(3): 570–589

    [9]Webster P J.The annual cycle and the predictability of the tropical coupled ocean-atmosphere system.Meteorology and Atmospheric Physics, 1995, 56(1): 33?55

    [10]Torrence C, Webster P J.The annual cycle of persis-tence in the El Ni?o/Southern Oscillation.Quarterly Journal of the Royal Meteorological Society, 1998, 124: 1985?2004

    [11]Wang B, Fang Z.Chaotic oscillations of tropical climate: a dynamic system theory for ENSO.Journal of the Atmospheric Sciences, 1996, 53(19): 2786?802

    [12]Mu M, Duan W S.A new approach to studying ENSO predictability: conditional nonlinear optimal perturba-tion.Chinese Science Bulletin, 2003, 48(10): 1045? 1047

    [13]Mu M, Duan W S, Wang B.Season-dependent dyna-mics of nonlinear optimal error growth and El Ni?o-Southern Oscillation predictability in a theoretical mo-del.Journal of Geophysical Research: Atmospheres, 2007, 112(D10): 1?10

    [14]Duan W S, Wei C.The ‘spring predictability barrier’ for ENSO predictions and its possible mechanism: results from a fully coupled model.International Journal of Climatology, 2012, 33(5): 1280?1292

    [15]Meng J, Fan J F, Ludescher J, et al.Complexity-based approach for El Ni?o magnitude forecasting before the spring predictability barrier.Proceedings of the National Academy of Sciences, 2020, 117(1): 177?83

    [16]Tangang F T, Tang B Y, Monahan A H, et al.Fore-casting ENSO Events: a neural network-extended EOF approach.Journal of Climate, 1998, 11(1): 29?41

    [17]蔣國榮, 張韌, 沙文鈕.用 EOF 展開和人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測 ENSO 的研究.海洋預(yù)報(bào), 2001, 18(3): 1?11

    [18]劉科峰, 張軍, 陳奕德, 等.基于小波分解和支持向量機(jī)的 ENSO 預(yù)測試驗(yàn) .解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版), 2011, 12(5): 531?535

    [19]許柏寧, 姜金榮, 郝卉群, 等.一種基于區(qū)域海表面溫度異常預(yù)測的 ENSO 預(yù)報(bào)深度學(xué)習(xí)模型.科研信息化技術(shù)與應(yīng)用, 2017, 8(6): 65?76

    [20]Zhang Q, Wang H, Dong J Y, et al.Prediction of sea surface temperature using long short-term memory.IEEE Geoscience and Remote Sensing Letters, 2017, 14(10): 1745?1749

    [21]Hochreiter S, Schmidhuber J.Long short-term me-mory.Neural Computation, 1997, 9(8): 1735?1780

    [22]張雅樂, 俞永強(qiáng), 段晚鎖, 等.四個耦合模式ENSO后報(bào)試驗(yàn)的“春季預(yù)報(bào)障礙”.氣象學(xué)報(bào), 2012, 70(3): 506?519

    [23]Wei C, Duan W S.The “Spring Predictability Barrier” phenomenon of ENSO predictions generated with the FGOALS-g model.Atmospheric and Oceanic Science Letters, 2010, 3(2): 87?92

    [24]Fang X H, Zheng F, Liu Z Y, et al.Decadal modula-tion of ENSO spring persistence barrier by thermal damping processes in the observation.Geophysical Research Letters, 2019, 46(12): 6892? 6899

    [25]Jin Y, Liu Z, Lu Z, et al.Seasonal cycle of back-ground in the tropical pacific as a cause of ENSO sp-ring persistence barrier.Geophysical Research Let-ters, 2019, 46(22): 13371?13378

    Spring Predictability Barrier Phenomenon in ENSO Prediction Model Based on LSTM Deep Learning Algorithm

    ZHOU Pei1, HUANG Yingjie1, HU Bingyi1,2, WEI Jun1,3,?

    1.Key Laboratory of Tropical Atmosphere-Ocean System (MOE), School of Atmospheric Sciences, Sun Yat-Sen University, Guangzhou 510275; 2.HSBC Business School, Peking University, Shenzhen 518055; 3.School of Marine Sciences, Guangxi University, Nanning 530004; ? Corresponding author, E-mail: weijun5@mail.sysu.edu.cn

    A LSTM (long-short term memory) model is applied to the prediction of the Ni?o3.4 index, and the spring prediction barrier (SPB) issue has been further investigated in the LSTM model.The results show that the model can predict the trend of the Ni?o3.4 index well, yet revealing different performance in different El Ni?o events.For the 1997/1998 El Ni?o and 2015/2016 El Ni?o, which are strong EP El Ni?o events, the model performes well on the prediction of Ni?o3.4 index trend and peaks, and anomaly correlation coefficient (ACC) reaches more than 0.93.But for the weak CP El Ni?o events, e.g.the 1991/1992 El Ni?o and 2002/2003 El Ni?o, it shows relatively poor performance on the prediction of the peak.In the growing period, the maximum season growth rate of prediction error are in AMJ quarter, which indicates obvious SPB phenomenon.However, in the decaying period, the maximum have similar distribution in the same type of events: for the weak CP El Ni?o events, the maximum are in AMJ quarter, indicating obvious SPB phenomenon; for strong EP El Ni?o events, the maximum are in other quarter, indicating that there is no SPB phenomenon.The differences in the performance among individuals may be related to the development characteristics of the event itself (such as event type and intensity).

    LSTM; ENSO; prediction error; SPB; Ni?o3.4 index

    10.13209/j.0479-8023.2021.114

    2020–12–25;

    2021–04–26

    廣東省重點(diǎn)領(lǐng)域研發(fā)計(jì)劃(2020B1111020003)、國家重點(diǎn)研發(fā)計(jì)劃(2016YFA0202704)、廣西壯族自治區(qū)特聘專家經(jīng)費(fèi)(2018B08)和國家自然科學(xué)基金(41976007, 91958101)資助

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機(jī)模型
    提煉模型 突破難點(diǎn)
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達(dá)及分布
    函數(shù)模型及應(yīng)用
    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
    3D打印中的模型分割與打包
    伦理电影免费视频| 真人做人爱边吃奶动态| 国产高清videossex| 正在播放国产对白刺激| 国产在线精品亚洲第一网站| 久久久久久久久免费视频了| 成人欧美大片| 美国免费a级毛片| 亚洲午夜精品一区,二区,三区| 激情在线观看视频在线高清| 亚洲欧美精品综合一区二区三区| 日韩中文字幕欧美一区二区| 欧美一区二区精品小视频在线| 欧美一区二区精品小视频在线| 2021天堂中文幕一二区在线观 | 美女 人体艺术 gogo| 亚洲免费av在线视频| xxxwww97欧美| 国产v大片淫在线免费观看| 欧美另类亚洲清纯唯美| 国产av一区在线观看免费| 精品久久久久久久久久免费视频| 99国产精品99久久久久| 久久欧美精品欧美久久欧美| 午夜福利免费观看在线| 国产av又大| 免费在线观看成人毛片| 香蕉国产在线看| 午夜福利视频1000在线观看| 免费在线观看黄色视频的| 美女 人体艺术 gogo| 两个人看的免费小视频| 麻豆久久精品国产亚洲av| 国产一卡二卡三卡精品| 黄片大片在线免费观看| 啦啦啦观看免费观看视频高清| 亚洲 欧美 日韩 在线 免费| 久久精品影院6| 好男人在线观看高清免费视频 | 深夜精品福利| 日韩欧美三级三区| 亚洲一区二区三区不卡视频| 欧美中文综合在线视频| 美女扒开内裤让男人捅视频| 国产99久久九九免费精品| 女人爽到高潮嗷嗷叫在线视频| 国产精品免费视频内射| 国产爱豆传媒在线观看 | 日本成人三级电影网站| 18禁观看日本| 日韩 欧美 亚洲 中文字幕| 国产精品二区激情视频| 亚洲人成77777在线视频| 女性生殖器流出的白浆| 国产高清有码在线观看视频 | 国产av在哪里看| 99国产极品粉嫩在线观看| 搡老岳熟女国产| 国产精品免费一区二区三区在线| 久久精品国产亚洲av高清一级| 狂野欧美激情性xxxx| 久久精品亚洲精品国产色婷小说| 久久99热这里只有精品18| a级毛片在线看网站| 欧美另类亚洲清纯唯美| 精品国产亚洲在线| 99在线人妻在线中文字幕| 高清毛片免费观看视频网站| 午夜免费鲁丝| 97碰自拍视频| 久久中文字幕一级| 国产精品久久电影中文字幕| 岛国在线观看网站| 草草在线视频免费看| 色播亚洲综合网| 午夜久久久在线观看| 亚洲一区中文字幕在线| 国产91精品成人一区二区三区| 在线观看免费日韩欧美大片| 人妻丰满熟妇av一区二区三区| 不卡一级毛片| 19禁男女啪啪无遮挡网站| bbb黄色大片| 一区二区三区国产精品乱码| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲国产欧美一区二区综合| 国产成人av激情在线播放| 久久久久久免费高清国产稀缺| 美女高潮喷水抽搐中文字幕| 99久久精品国产亚洲精品| 亚洲av成人一区二区三| 亚洲五月色婷婷综合| 亚洲全国av大片| 欧美黑人精品巨大| 国产精品日韩av在线免费观看| 亚洲七黄色美女视频| 在线观看午夜福利视频| 在线av久久热| 高清在线国产一区| 99久久99久久久精品蜜桃| 精品福利观看| 亚洲 国产 在线| 91麻豆精品激情在线观看国产| 91成年电影在线观看| 亚洲国产欧美一区二区综合| 国内精品久久久久久久电影| 制服人妻中文乱码| av电影中文网址| 国产一级毛片七仙女欲春2 | 老司机午夜福利在线观看视频| 人人澡人人妻人| 欧美激情久久久久久爽电影| 老熟妇仑乱视频hdxx| 婷婷六月久久综合丁香| 欧美日韩中文字幕国产精品一区二区三区| 国产成人精品无人区| av福利片在线| 亚洲国产精品久久男人天堂| 91在线观看av| 又黄又爽又免费观看的视频| 国产成人欧美| 国产精品香港三级国产av潘金莲| 国产精品九九99| 狠狠狠狠99中文字幕| 午夜精品久久久久久毛片777| 午夜成年电影在线免费观看| 国产伦在线观看视频一区| 一区二区三区激情视频| 人人妻人人澡欧美一区二区| 亚洲熟妇熟女久久| 午夜福利在线观看吧| 国产亚洲欧美98| 国产99久久九九免费精品| 又紧又爽又黄一区二区| 午夜福利18| 19禁男女啪啪无遮挡网站| 日韩大码丰满熟妇| 熟女少妇亚洲综合色aaa.| 欧美日本视频| 欧美亚洲日本最大视频资源| 久久精品夜夜夜夜夜久久蜜豆 | 欧美黄色片欧美黄色片| 国产成人精品久久二区二区91| 中文字幕精品亚洲无线码一区 | 色尼玛亚洲综合影院| 久久精品国产综合久久久| 中文亚洲av片在线观看爽| 欧美 亚洲 国产 日韩一| 757午夜福利合集在线观看| 日韩欧美 国产精品| 午夜免费观看网址| 免费人成视频x8x8入口观看| 亚洲美女黄片视频| 久久久久亚洲av毛片大全| 岛国视频午夜一区免费看| 成人午夜高清在线视频 | 99久久久亚洲精品蜜臀av| 1024香蕉在线观看| 99国产精品一区二区蜜桃av| 非洲黑人性xxxx精品又粗又长| 精品欧美一区二区三区在线| 欧美大码av| 亚洲最大成人中文| 熟女电影av网| 亚洲 国产 在线| 午夜免费观看网址| 男女视频在线观看网站免费 | 三级毛片av免费| 国产av一区在线观看免费| 黑人操中国人逼视频| 神马国产精品三级电影在线观看 | 精品久久久久久久毛片微露脸| 1024视频免费在线观看| 国产97色在线日韩免费| 香蕉久久夜色| 久久久久久免费高清国产稀缺| 日韩 欧美 亚洲 中文字幕| 一级毛片精品| 99国产精品一区二区三区| 亚洲国产欧美日韩在线播放| 国产精品久久久久久精品电影 | 怎么达到女性高潮| 午夜两性在线视频| 国产一区在线观看成人免费| 天堂√8在线中文| 人成视频在线观看免费观看| av片东京热男人的天堂| 亚洲av中文字字幕乱码综合 | 一边摸一边抽搐一进一小说| 校园春色视频在线观看| 超碰成人久久| av中文乱码字幕在线| 欧美日韩中文字幕国产精品一区二区三区| 亚洲成av人片免费观看| 99热这里只有精品一区 | 99国产综合亚洲精品| 精品无人区乱码1区二区| 日日夜夜操网爽| 丝袜在线中文字幕| 国产欧美日韩精品亚洲av| a在线观看视频网站| x7x7x7水蜜桃| 久久青草综合色| 久久精品91蜜桃| 色综合亚洲欧美另类图片| 亚洲七黄色美女视频| 亚洲成国产人片在线观看| 精品国产乱子伦一区二区三区| 好看av亚洲va欧美ⅴa在| 欧美一区二区精品小视频在线| 美女高潮喷水抽搐中文字幕| 1024视频免费在线观看| 美女扒开内裤让男人捅视频| 日韩精品中文字幕看吧| 巨乳人妻的诱惑在线观看| 91国产中文字幕| 91在线观看av| 19禁男女啪啪无遮挡网站| 校园春色视频在线观看| 人人妻,人人澡人人爽秒播| 精品久久久久久久末码| 国产成+人综合+亚洲专区| 国产欧美日韩一区二区三| 非洲黑人性xxxx精品又粗又长| 久久国产精品影院| 亚洲无线在线观看| 精品久久久久久久久久免费视频| 亚洲精品久久成人aⅴ小说| 操出白浆在线播放| 亚洲人成网站在线播放欧美日韩| 听说在线观看完整版免费高清| 国产高清videossex| 人人妻人人澡欧美一区二区| 国产精品美女特级片免费视频播放器 | 两性夫妻黄色片| 免费在线观看日本一区| 日韩有码中文字幕| 黑人欧美特级aaaaaa片| 欧美不卡视频在线免费观看 | 精品电影一区二区在线| 久久久久久久午夜电影| 99热6这里只有精品| 好看av亚洲va欧美ⅴa在| 美女大奶头视频| 成人午夜高清在线视频 | 免费av毛片视频| 亚洲第一av免费看| or卡值多少钱| 18禁黄网站禁片午夜丰满| 淫妇啪啪啪对白视频| 欧美成人午夜精品| 欧美激情 高清一区二区三区| 丝袜人妻中文字幕| 国产成人啪精品午夜网站| 搞女人的毛片| av天堂在线播放| 国产精品久久久久久精品电影 | 亚洲欧洲精品一区二区精品久久久| 色综合婷婷激情| 色哟哟哟哟哟哟| 国产精品九九99| 特大巨黑吊av在线直播 | 欧美zozozo另类| 亚洲第一欧美日韩一区二区三区| 欧美国产精品va在线观看不卡| 草草在线视频免费看| 久久亚洲真实| 日韩欧美国产在线观看| av免费在线观看网站| 国产精品免费一区二区三区在线| 搡老妇女老女人老熟妇| 欧美色欧美亚洲另类二区| 免费无遮挡裸体视频| 他把我摸到了高潮在线观看| 后天国语完整版免费观看| 成人精品一区二区免费| 欧美av亚洲av综合av国产av| 18禁美女被吸乳视频| 久久久国产成人精品二区| 色综合婷婷激情| 久久人人精品亚洲av| 亚洲七黄色美女视频| 成人三级做爰电影| 久久国产精品影院| 哪里可以看免费的av片| 麻豆成人午夜福利视频| 精品一区二区三区av网在线观看| 国产午夜福利久久久久久| 1024香蕉在线观看| tocl精华| 国产精品永久免费网站| 亚洲熟女毛片儿| 18禁国产床啪视频网站| 1024手机看黄色片| 欧美 亚洲 国产 日韩一| 亚洲国产欧洲综合997久久, | 国产三级在线视频| 久久精品91无色码中文字幕| 国产成人av激情在线播放| 一边摸一边做爽爽视频免费| 国产高清激情床上av| 亚洲国产欧美一区二区综合| 国产高清videossex| 亚洲三区欧美一区| 淫秽高清视频在线观看| 99久久精品国产亚洲精品| 亚洲一区中文字幕在线| 日韩 欧美 亚洲 中文字幕| 这个男人来自地球电影免费观看| 日日摸夜夜添夜夜添小说| 久久久国产欧美日韩av| 国产高清有码在线观看视频 | 国产真实乱freesex| 中文字幕久久专区| 久久欧美精品欧美久久欧美| 精品久久久久久久末码| 天堂影院成人在线观看| 少妇粗大呻吟视频| 久久精品影院6| 久久九九热精品免费| 熟女少妇亚洲综合色aaa.| 欧美日本视频| 12—13女人毛片做爰片一| 男女做爰动态图高潮gif福利片| 亚洲九九香蕉| 首页视频小说图片口味搜索| 久热爱精品视频在线9| 久久久久久国产a免费观看| 校园春色视频在线观看| 12—13女人毛片做爰片一| 国产精品精品国产色婷婷| 色综合欧美亚洲国产小说| 91字幕亚洲| 一个人观看的视频www高清免费观看 | 人人澡人人妻人| 美女午夜性视频免费| 男人操女人黄网站| 成人国产综合亚洲| 免费高清视频大片| 十分钟在线观看高清视频www| 亚洲午夜精品一区,二区,三区| 久热这里只有精品99| 免费搜索国产男女视频| 正在播放国产对白刺激| 久久久久久人人人人人| 免费高清在线观看日韩| 午夜福利成人在线免费观看| 悠悠久久av| 久久亚洲真实| 啦啦啦韩国在线观看视频| 亚洲国产高清在线一区二区三 | 欧美黑人巨大hd| 欧洲精品卡2卡3卡4卡5卡区| 不卡av一区二区三区| 99久久久亚洲精品蜜臀av| 在线免费观看的www视频| 亚洲黑人精品在线| 久久久国产成人精品二区| 国产亚洲精品av在线| 一区福利在线观看| 午夜精品久久久久久毛片777| 亚洲一区二区三区不卡视频| 欧美激情 高清一区二区三区| 久久久精品国产亚洲av高清涩受| 99国产精品一区二区三区| 黄色女人牲交| 久久性视频一级片| 亚洲欧美日韩高清在线视频| 国产爱豆传媒在线观看 | 欧美激情极品国产一区二区三区| 精品一区二区三区四区五区乱码| 日韩国内少妇激情av| 丰满的人妻完整版| av片东京热男人的天堂| 久久久久久免费高清国产稀缺| 精品国产乱码久久久久久男人| 黑人欧美特级aaaaaa片| 午夜福利18| 精品欧美国产一区二区三| 在线十欧美十亚洲十日本专区| 18禁美女被吸乳视频| 女性被躁到高潮视频| 大型av网站在线播放| 搡老熟女国产l中国老女人| 90打野战视频偷拍视频| 亚洲国产日韩欧美精品在线观看 | 精品第一国产精品| 亚洲精品在线观看二区| 欧美成人一区二区免费高清观看 | 俄罗斯特黄特色一大片| 午夜久久久久精精品| 此物有八面人人有两片| 88av欧美| 久久久国产成人精品二区| 老司机深夜福利视频在线观看| 18禁观看日本| 亚洲av电影在线进入| 精品日产1卡2卡| 12—13女人毛片做爰片一| 听说在线观看完整版免费高清| 三级毛片av免费| 亚洲专区字幕在线| 国产不卡一卡二| 欧美激情高清一区二区三区| 午夜成年电影在线免费观看| 精品国产亚洲在线| 亚洲人成77777在线视频| 亚洲人成伊人成综合网2020| 欧美激情久久久久久爽电影| 国产精品二区激情视频| 熟女少妇亚洲综合色aaa.| 午夜视频精品福利| 亚洲七黄色美女视频| 人人妻人人看人人澡| www.999成人在线观看| 老司机福利观看| 日韩成人在线观看一区二区三区| 精品人妻1区二区| 欧美性猛交黑人性爽| 国产精品电影一区二区三区| 亚洲片人在线观看| 十分钟在线观看高清视频www| 午夜两性在线视频| 久久精品91无色码中文字幕| 婷婷精品国产亚洲av| 免费看美女性在线毛片视频| 国产亚洲精品av在线| 波多野结衣高清作品| √禁漫天堂资源中文www| 91字幕亚洲| 欧美乱妇无乱码| 欧美不卡视频在线免费观看 | 淫秽高清视频在线观看| 国产亚洲av嫩草精品影院| 9191精品国产免费久久| 亚洲美女黄片视频| 俄罗斯特黄特色一大片| svipshipincom国产片| 女同久久另类99精品国产91| 日日干狠狠操夜夜爽| 久久青草综合色| av欧美777| 在线看三级毛片| 老熟妇仑乱视频hdxx| 久久天躁狠狠躁夜夜2o2o| 精品久久久久久久久久久久久 | 国产高清激情床上av| 99精品久久久久人妻精品| 国产在线观看jvid| 欧美一区二区精品小视频在线| 国产精品,欧美在线| 欧美色视频一区免费| 搞女人的毛片| 亚洲第一青青草原| 一进一出抽搐动态| 美女国产高潮福利片在线看| www.999成人在线观看| 国产成人一区二区三区免费视频网站| 色老头精品视频在线观看| 国产精品免费一区二区三区在线| 男人操女人黄网站| 一级毛片高清免费大全| 午夜福利在线在线| 国产高清有码在线观看视频 | 午夜福利18| 欧美zozozo另类| 成人一区二区视频在线观看| 午夜福利高清视频| 一边摸一边抽搐一进一小说| 精品国产国语对白av| 国产精品久久久人人做人人爽| 可以在线观看的亚洲视频| 国产精品乱码一区二三区的特点| 亚洲av美国av| 免费在线观看黄色视频的| 国产成人精品久久二区二区免费| 欧美黑人精品巨大| 最新在线观看一区二区三区| 国产亚洲精品久久久久久毛片| 90打野战视频偷拍视频| 久久久久精品国产欧美久久久| 欧美一区二区精品小视频在线| 老鸭窝网址在线观看| 亚洲av中文字字幕乱码综合 | 一进一出抽搐动态| av免费在线观看网站| 亚洲aⅴ乱码一区二区在线播放 | 每晚都被弄得嗷嗷叫到高潮| bbb黄色大片| 男女午夜视频在线观看| 色av中文字幕| 国产精品免费一区二区三区在线| 精品高清国产在线一区| 性色av乱码一区二区三区2| 久久久久国产精品人妻aⅴ院| 高清毛片免费观看视频网站| 在线观看免费视频日本深夜| 日本a在线网址| 在线观看舔阴道视频| videosex国产| 免费看日本二区| 91字幕亚洲| 18美女黄网站色大片免费观看| 热re99久久国产66热| 欧美黑人欧美精品刺激| 欧美日韩福利视频一区二区| 精品国产国语对白av| 哪里可以看免费的av片| 操出白浆在线播放| 国产亚洲精品综合一区在线观看 | 久久国产精品人妻蜜桃| 国产三级在线视频| 嫁个100分男人电影在线观看| 中文资源天堂在线| 午夜免费观看网址| 一卡2卡三卡四卡精品乱码亚洲| 亚洲精品在线美女| 久久中文字幕一级| 亚洲欧洲精品一区二区精品久久久| 日韩免费av在线播放| 两个人视频免费观看高清| 午夜免费鲁丝| 日韩精品青青久久久久久| 日韩av在线大香蕉| 午夜免费鲁丝| 国产在线观看jvid| 国产精华一区二区三区| 亚洲一区中文字幕在线| 在线天堂中文资源库| 日韩欧美国产在线观看| 美女免费视频网站| 麻豆国产av国片精品| 成年版毛片免费区| 国产一区二区三区在线臀色熟女| 人妻久久中文字幕网| 久久久久亚洲av毛片大全| 久9热在线精品视频| 国产精品免费视频内射| 90打野战视频偷拍视频| 脱女人内裤的视频| 深夜精品福利| 黄色a级毛片大全视频| 免费高清视频大片| 高潮久久久久久久久久久不卡| 亚洲av美国av| 可以在线观看毛片的网站| 久久久水蜜桃国产精品网| 国产精品野战在线观看| 露出奶头的视频| 亚洲国产日韩欧美精品在线观看 | 午夜精品在线福利| 久久久久久免费高清国产稀缺| 别揉我奶头~嗯~啊~动态视频| 亚洲全国av大片| 久久久精品国产亚洲av高清涩受| 神马国产精品三级电影在线观看 | 日韩一卡2卡3卡4卡2021年| 麻豆久久精品国产亚洲av| 久久久久九九精品影院| 少妇 在线观看| 亚洲aⅴ乱码一区二区在线播放 | 欧美三级亚洲精品| 最近在线观看免费完整版| 久久婷婷成人综合色麻豆| bbb黄色大片| 久久人人精品亚洲av| 婷婷丁香在线五月| 久久99热这里只有精品18| 成人18禁高潮啪啪吃奶动态图| 长腿黑丝高跟| 精品久久久久久久人妻蜜臀av| 国产精品自产拍在线观看55亚洲| 国产伦在线观看视频一区| 99国产综合亚洲精品| 亚洲专区字幕在线| 中文字幕另类日韩欧美亚洲嫩草| 国产亚洲精品av在线| а√天堂www在线а√下载| 久热爱精品视频在线9| 香蕉国产在线看| 日韩欧美国产一区二区入口| 国产成人欧美在线观看| 巨乳人妻的诱惑在线观看| 99热这里只有精品一区 | 久久亚洲真实| 国产亚洲精品久久久久久毛片| 老鸭窝网址在线观看| 精品不卡国产一区二区三区| 麻豆国产av国片精品| 亚洲全国av大片| 两人在一起打扑克的视频| 嫩草影视91久久| 久久这里只有精品19| 亚洲第一av免费看| 91大片在线观看| av有码第一页| 中文字幕精品免费在线观看视频| 两个人视频免费观看高清| 99国产精品一区二区三区| 狠狠狠狠99中文字幕| 日韩精品中文字幕看吧| 免费搜索国产男女视频| 国产精品98久久久久久宅男小说| 啪啪无遮挡十八禁网站| 亚洲中文字幕日韩| 亚洲国产精品合色在线| 大香蕉久久成人网| 99国产极品粉嫩在线观看| 久久草成人影院| 欧美黑人精品巨大| 国内精品久久久久精免费| 久久久精品欧美日韩精品| 国产精品乱码一区二三区的特点| 久久亚洲真实| 亚洲电影在线观看av|