• <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 ?

    光纖SPR傳感器結(jié)合多分類器的水體DOM檢測

    2022-03-09 02:02:36付麗輝戴峻峰
    關(guān)鍵詞:組份折射率傳感

    付麗輝,戴峻峰

    光纖SPR傳感器結(jié)合多分類器的水體DOM檢測

    付麗輝1,戴峻峰2※

    (1. 淮陰工學(xué)院自動(dòng)化學(xué)院,淮安 223003;2. 淮陰工學(xué)院電子信息工程學(xué)院,淮安 223003)

    針對(duì)單傳感器難以完成水體可溶解有機(jī)物(Dissolved Organic Matter,DOM)總量與組份的測試問題,該研究提出利用光纖表面等離子共振(Surface Plasma Resonance,SPR)傳感器的非特異選擇性來構(gòu)建傳感陣列。通過對(duì)光纖SPR傳感器的交叉敏感性分析,獲得多模光纖鍍以7種不同厚度金膜的傳感器設(shè)計(jì)方案,膜厚為55~85 nm,使其對(duì)不同的DOM組份產(chǎn)生類似味蕾的交叉敏感性響應(yīng)。利用粒子群算法(Particle Swarm Optimization,PSO)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)構(gòu)建3個(gè)分類器:PSO-BP(波長)、PSO-BP(譜寬)、PSO-BP(光強(qiáng)),實(shí)現(xiàn)對(duì)待測量響應(yīng)信息的有效提取,并對(duì)里運(yùn)河(A)、洪澤湖(B)、公園景觀湖(C)、校園景觀湖(D)4種水體的5種DOM組份(酪氨酸類蛋白質(zhì)、色氨酸類蛋白質(zhì)、富里酸、溶解性微生物代謝產(chǎn)物、腐殖酸)及其濃度進(jìn)行預(yù)測,在洪澤湖水的色氨酸類蛋白質(zhì)組份測試試驗(yàn)中,最高正確率可達(dá)85%。同時(shí),對(duì)多分類器的結(jié)構(gòu)參數(shù)進(jìn)行試驗(yàn)分析,重點(diǎn)考察隱含層節(jié)點(diǎn)個(gè)數(shù)及神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)DOM組份測試的影響。試驗(yàn)結(jié)果表明:隱層節(jié)點(diǎn)數(shù)取15時(shí)可以獲得最佳測試效果,通過基于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)RBF、BP與PSO-BP的比較試驗(yàn)可知,基于PSO-BP的3個(gè)分類器在DOM組份測試中的精度最高,對(duì)4種水體的色氨酸類蛋白質(zhì)及溶解性微生物代謝產(chǎn)物組份測試的平均分類精度可達(dá)87.50%、86.28%。研究結(jié)果為基于光纖SPR傳感器及多分類器在DOM組份測試的應(yīng)用提供依據(jù)及新的思路。

    傳感器;水質(zhì);多分類器;交叉敏感性;光纖SPR傳感器;DOM組份檢測;PSO-BP神經(jīng)網(wǎng)絡(luò)

    0 引 言

    在環(huán)境指標(biāo)中,水體質(zhì)量對(duì)生態(tài)環(huán)境和居民生活具有十分重要的影響[1-2],其中,可溶解有機(jī)物(Dissolved Organic Matter,DOM)就是影響因素之一[3]。目前,常見的DOM檢測方法可以對(duì)DOM總量進(jìn)行定性分析,但對(duì)于DOM組份的測定一直存在瓶頸[4-7]。其中,化學(xué)檢測方法會(huì)在測試中引入化學(xué)物質(zhì)[4],從而導(dǎo)致測量精度下降;吸收光譜及熒光光譜法存在強(qiáng)度掩蔽效應(yīng)[5-6],從而導(dǎo)致對(duì)相似DOM組份的熒光信號(hào)無法區(qū)分;生物檢測法的測試過程復(fù)雜[7],在DOM組份定量分析方面的作用明顯不足。另外,影響DOM組份分布的來源眾多,特性復(fù)雜[8-10],測定不同DOM組份所占的比例,利用單一響應(yīng)的傳感器無法實(shí)現(xiàn),需要基于多個(gè)傳感器的交叉敏感性信息,利用不同特性的傳感器對(duì)不同組份分別予以響應(yīng),再通過多分類器等深度學(xué)習(xí)算法對(duì)之分析,才可獲得各組份的具體信息[11-12]。這些組份如同人體味覺系統(tǒng)所感受到的“酸、甜、苦、辣”等信息,通過人類味蕾對(duì)不同味道進(jìn)行精確辨別,由此,將適用于辨識(shí)不同成份的電子舌(Electronic Tongue,ET)的設(shè)計(jì)思路[13]應(yīng)用于DOM組份測試過程中,基于傳統(tǒng)電子舌傳感陣列的交叉敏感性不足的問題[14-15],本文提出利用光纖表面等離子共振(Surface Plasma Resonance,SPR)傳感器的非特異選擇性及交叉敏感性來構(gòu)建傳感陣列,通過SPR效應(yīng)所具有的可調(diào)諧光學(xué)特性對(duì)傳感陣列結(jié)構(gòu)進(jìn)行調(diào)控,將光纖SPR傳感器鍍以55~85 nm的7種不同厚度的金膜來構(gòu)建傳感陣列,使其對(duì)不同DOM組份產(chǎn)生類似味蕾的交叉敏感性響應(yīng),再利用粒子群算法(Particle Swarm Optimization,PSO)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Artificial Neural Networks,BP-ANN)構(gòu)建多分類器,提取待測量的響應(yīng)信息,完成對(duì)DOM組份的有效預(yù)測,以期為SPR傳感器及多分類器在DOM組份測試應(yīng)用中提供依據(jù)及新的思路。

    1 光纖SPR傳感器的交叉敏感性

    由SPR理論可知,金屬薄膜種類及厚度對(duì)光纖SPR傳感器的共振吸收特性具有決定性作用[16-17],直接影響共振吸收特性對(duì)待測介質(zhì)折射率的響應(yīng),為完成對(duì)DOM組份的有效測試,首先對(duì)光纖SPR傳感器的交叉敏感性進(jìn)行研究,通過對(duì)金屬薄膜種類及厚度的影響分析,完成對(duì)SPR傳感器結(jié)構(gòu)的調(diào)控及優(yōu)化。

    1.1 金屬薄膜種類對(duì)SPR效應(yīng)的影響

    SPR共振吸收效應(yīng)是金屬表面的自由電子集體振蕩形成的表面等離子體波(Surface Plasma Wave,SPW)與激勵(lì)光之間的能量交換[18-19],金屬的介電特性一般按Drude模型確定[20],常用的金、銀、銅、鋁薄膜的介電常數(shù)為-10.92+i1.49、-18.22+i0.48、-14.67+i0.72、-42.00+i16.40。在優(yōu)化分析中,利用多模光纖構(gòu)建SPR傳感器,選取薄膜種類為金、銀、銅、鋁,薄膜厚度為50 nm,待測折射率設(shè)置為1.330、1.343、1.355和1.373將光纖參數(shù)、待測介質(zhì)折射率與金屬介電常數(shù)代入光纖SPR傳感器模型[20],從而獲得不同金屬薄膜的傳感特性,具體結(jié)果如圖1所示。

    注:n為折射率。下同。

    其中,歸一化反射光強(qiáng)定義為

    式中、分別為采樣光強(qiáng)、參考光強(qiáng)、暗光譜強(qiáng)度,cd。

    由圖1可見:對(duì)于相同的待測介質(zhì)折射率,各傳感器均具有關(guān)于吸收中心對(duì)稱的洛倫茲線型,但共振吸收波長()不同、譜寬也不同。其中,銀膜的SPR吸收波長最小,金膜的吸收波長最大。利用圖1a的光譜數(shù)據(jù)計(jì)算可知,當(dāng)折射率=1.330時(shí),金、鋁、銅、銀的共振波長分別為560、520、500、485 nm,譜寬分別為50、70、49、40 nm;不同金屬薄膜的傳感器具有不同的譜寬,譜寬與金屬復(fù)介電常數(shù)的實(shí)、虛部之比的絕對(duì)值具有正相關(guān)性;對(duì)于給定的金屬膜與厚度,當(dāng)待測介質(zhì)折射率逐漸增加,SPR共振吸收特性隨之發(fā)生變化,波長-折射率變化率逐漸減小,譜寬逐漸增加,吸收譜的對(duì)稱性呈逐漸劣化趨勢;在4種金屬中,雖然銀膜具有良好的譜寬及波長-折射率變化率,但隨著待測折射率的增大,其劣化速度也最快。銅膜與鋁膜在測量靈敏度上不具有優(yōu)勢,其譜寬隨待測折射率增加迅速劣化。相對(duì)而言,金膜的譜寬不是最優(yōu),但隨著待測折射率的增加,其譜寬和波長分辨率的穩(wěn)定性最好,而且,相對(duì)其他金屬,金膜具有更好的抗氧化性能,因此,選擇金膜設(shè)計(jì)SPR傳感器。

    1.2 金屬薄膜厚度對(duì)SPR效應(yīng)的影響

    當(dāng)被測折射率、光纖及金屬薄膜材料確定后,金屬薄膜厚度成為影響SPR傳感器測量效果的主要因素[21-22]。膜厚太小,則金屬膜中沒有足夠空間與自由電子形成SPW;膜厚太大,激勵(lì)光場不足以穿透金屬膜,無法激發(fā)足夠強(qiáng)的共振吸收。由此,利用單模、多模光纖SPR傳感器進(jìn)行金膜厚度的仿真試驗(yàn),結(jié)果如圖2。

    圖2 金屬膜厚度對(duì)SPR效應(yīng)的影響(單模、多模光纖)

    由圖2可見:在單模與多模情形下,給定待測折射率,均存在最佳的金屬膜厚度,且最佳膜厚隨待測折射率增加而增加,各最佳膜厚對(duì)應(yīng)的共振波長、共振譜寬均隨之增加;在相同折射率點(diǎn),多模光纖傳感器的最佳膜厚大于單模光纖(例如,當(dāng)=1.330,多模與單模的最佳膜厚分別為55和40 nm),且多模光纖的共振波長、譜寬隨折射率變化的幅度小于單模光纖;當(dāng)待測折射率偏離膜厚對(duì)應(yīng)的最佳測量點(diǎn)時(shí),各傳感器的共振特性均有不同程度的劣化。總之,雖然單模光纖在最佳測量點(diǎn)處具有更好的譜寬,但當(dāng)偏離最佳測量點(diǎn)時(shí),其譜寬劣化的速度高于多模光纖,因此,單模光纖SPR傳感器對(duì)鄰近最佳點(diǎn)區(qū)域的測量結(jié)果不夠理想,覆蓋特性較差,這是由較小的單模光纖纖芯尺寸及泄漏模數(shù)導(dǎo)致。相對(duì)而言,多模光纖具有大的數(shù)值孔徑,使得入射光可以更有效地耦合進(jìn)入光纖,導(dǎo)模數(shù)增加,相當(dāng)于“放寬”進(jìn)入光纖成為導(dǎo)模的條件,因此,SPR吸收譜線展寬、吸收峰處光強(qiáng)增加、相對(duì)變化率下降,而且,波長-折射率變化率的線性度較好。

    2 基于交叉敏感性的光纖SPR傳感器陣列

    通過1.2節(jié)分析可知,單模光纖SPR傳感器在最佳測試點(diǎn)處具有較高的靈敏度和分辨率,但其動(dòng)態(tài)范圍較小,當(dāng)偏離最佳測試點(diǎn)時(shí),效果欠佳。多模光纖導(dǎo)模模式豐富,在較大待測折射率范圍內(nèi),其動(dòng)態(tài)范圍和線性度更好,也就是說,多模光纖SPR在點(diǎn)測量中的測試效果相對(duì)較差,但當(dāng)偏離最佳測試點(diǎn),其所獲得的交叉敏感性信息更為豐富。在構(gòu)成光纖SPR陣列時(shí),測試系統(tǒng)的性能不僅與各傳感探器的最佳測量點(diǎn)的特性有關(guān),更與最佳測量點(diǎn)區(qū)域外的SPR共振特性有關(guān),在某種程度上,后者對(duì)測量系統(tǒng)的性能起決定性作用[23]。結(jié)合上述,基于多模光纖SPR傳感器優(yōu)良的交叉敏感特性,即在較大折射率變化區(qū)間內(nèi),通過共振波長、譜寬和光強(qiáng)對(duì)被測量具有更廣泛的響應(yīng)。由此,選擇多模光纖鍍以不同厚度的金膜,構(gòu)成具有不同最佳測量點(diǎn)的SPR傳感器。

    在構(gòu)建傳感陣列時(shí),確保各SPR傳感器的最佳測量點(diǎn)分布于常規(guī)水質(zhì)折射率范圍內(nèi)(1.33~1.43)[24],最終設(shè)計(jì)7個(gè)多模光纖SPR傳感器,膜厚如表1。在設(shè)計(jì)中,主要考慮以下交叉敏感要求:1)各傳感器的最佳測量點(diǎn)盡可能均勻地分布在測量折射率范圍內(nèi);2)在測量范圍內(nèi),有盡可能多的傳感器對(duì)待測折射率有盡可能敏感的響應(yīng),不論這種響應(yīng)是線性或非線性;3)盡可能地使共振波長、譜寬和光強(qiáng)對(duì)待測折射率有盡可能敏感的響應(yīng)。

    表1 多模光纖SPR傳感器的膜厚與諧振特性指標(biāo)

    進(jìn)一步地,利用單模及多模光纖設(shè)計(jì)SPR傳感器,獲得不同響應(yīng)參數(shù)的傳感特性,如圖3所示。

    圖3 基于不同參數(shù)的光纖SPR傳感器的響應(yīng)特性

    由圖3可見,相對(duì)單模傳感器,除最佳測量點(diǎn)=1.33外,各多模光纖傳感器均具有良好的響應(yīng)特性,特別是在小于最佳測量點(diǎn)的區(qū)域。由此說明:多模光纖SPR傳感陣列能在較大測量范圍內(nèi)有效提取被測信息。另外,雖然7個(gè)傳感器的共振波長、譜寬和光強(qiáng)均隨待測折射率變化而變化,但都不能在較大測量范圍內(nèi)保持高靈敏度和線性度,換言之,如果將被測范圍劃分成若干個(gè)小區(qū)間,在任一小區(qū)間內(nèi),總有3~4個(gè)傳感器通過波長、譜寬和光強(qiáng)對(duì)待測量予以響應(yīng),因此,相對(duì)單個(gè)傳感器,傳感陣列可以獲取更多的被測信息,對(duì)于強(qiáng)調(diào)線性響應(yīng)的傳統(tǒng)測量系統(tǒng)而言,這些變化信息雖然根本不起作用,但在引入有效的智能算法后,所有信息均可被有效提取,從而實(shí)現(xiàn)更大動(dòng)態(tài)范圍內(nèi)的高靈敏度測量。

    3 基于PSO-BP神經(jīng)網(wǎng)絡(luò)的多分類器

    3.1 PSO-BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建及訓(xùn)練

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,ANN)是一種模擬人腦的算法,由大量神經(jīng)元互連而成,其主要特點(diǎn)是并行處理及分布式存儲(chǔ)[25],具有自學(xué)習(xí)、自組織、自適應(yīng)能力,很適合具有較多測試數(shù)據(jù)的SPR傳感陣列的定量分析,但是,傳統(tǒng)BP算法易陷入局部極小點(diǎn)[26]。為提高BP神經(jīng)網(wǎng)絡(luò)的泛化能力,本文將粒子群算法[27]與BP神經(jīng)網(wǎng)絡(luò)結(jié)合,構(gòu)建PSO-BP神經(jīng)網(wǎng)絡(luò),從而為多分類器的實(shí)現(xiàn)打下基礎(chǔ)。傳統(tǒng)PSO算法中的粒子狀態(tài)更新方程[27]為

    式中+1()為第+1次迭代中第個(gè)粒子的速度;x+1()為其對(duì)應(yīng)位置;x()與()分別為第次迭代的速度及位置; p()為第個(gè)粒子第次迭代的自身最優(yōu)值;pg為其全局最優(yōu)值;1、2是[0,1]間隨機(jī)數(shù);1、2是加速系數(shù);是慣性因子。

    在構(gòu)建PSO-BP網(wǎng)絡(luò)過程中,利用PSO完成對(duì)BP神經(jīng)網(wǎng)絡(luò)權(quán)值及閾值的優(yōu)化處理,若疊帶次數(shù)大于給定值或評(píng)價(jià)誤差小于給定值,則算法結(jié)束,將PSO算法的最優(yōu)粒子位置映射為神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)值及閾值。具體流程如圖4所示。

    圖4 PSO-BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化處理過程

    3.2 基于PSO-BP的多分類器

    SPR測試參數(shù)與DOM組份之間屬于高度非線性關(guān)系[9],7個(gè)傳感器獲得DOM組份間的交叉敏感性信息后,需要采用深度學(xué)習(xí)模型來挖掘這些信息所反映的被測量的內(nèi)部關(guān)系,文中利用PSO-BP神經(jīng)網(wǎng)絡(luò)構(gòu)建3個(gè)分類器:PSO-BP(波長)、PSO-BP(譜寬)、PSO-BP(光強(qiáng))。每個(gè)分類器的輸入層由7個(gè)節(jié)點(diǎn)構(gòu)成,代表來自于7個(gè)光纖SPR傳感器的測試數(shù)據(jù);輸出層由5個(gè)節(jié)點(diǎn)組成,代表DOM的各組份(即酪氨酸類蛋白質(zhì)、色氨酸類蛋白質(zhì)、富里酸、溶解性微生物代謝產(chǎn)物、腐殖酸),原理如圖5所示。

    注:X1~X15為隱含層節(jié)點(diǎn);P1~P5為DOM的5種組份。

    首先,完成對(duì)DOM組份真值的測定,由三維熒光光譜法獲得DOM的組份數(shù)據(jù),并將其作為分類器的輸出,然后,利用7個(gè)SPR傳感器測得各水樣的SPR響應(yīng)數(shù)據(jù)(波長、譜寬和光強(qiáng)),并將其作為各分類器的輸入,最后,利用輸入輸出數(shù)據(jù)構(gòu)成的樣品集完成對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練;在測試階段,將7個(gè)SPR傳感器獲得的測試數(shù)據(jù)輸入到訓(xùn)練成功的分類器,獲得DOM組份的輸出,再根據(jù)3個(gè)分類器的輸出結(jié)果,利用平均法確定最終的DOM組份。

    4 DOM的檢測試驗(yàn)

    4.1 水樣制備及DOM組份測定

    為保證測量對(duì)象的普適性,選擇4種自然水體作為試驗(yàn)對(duì)象,分別為淮安市里運(yùn)河水、洪澤湖水、淮安市區(qū)景觀湖水和校園人工湖水。首先,對(duì)所采集的各類水樣,用預(yù)先灼燒過的0.22m濾膜進(jìn)行過濾,并分為兩部分:一部分存放于棕色玻璃瓶中,4 ℃下保存?zhèn)溆?,另一部分置于敞口棕色玻璃瓶,放在潔凈避光房間內(nèi)自然蒸發(fā)濃縮。對(duì)濃縮后的樣品,再次用灼燒后的0.22m濾膜過濾,所得濾液存放于棕色玻璃瓶中,4 ℃下保存?zhèn)溆谩饪s后的4種水樣,以A、B、C、D標(biāo)識(shí)分組,再以去離子水為溶劑,以2%的濃度步長,配制成50種不同濃度的水樣,編號(hào)為A-50、B-50、C-50、D-50,作為訓(xùn)練樣品,然后以3%的濃度步長,配制34種不同濃度的水樣,編號(hào)為a-34、b-34、c-34、d-34,作為驗(yàn)證樣品。

    利用三維熒光譜方法測量水樣中的DOM種類和相對(duì)含量,利用日立F-7000型熒光分光光度計(jì)測量樣品的三維熒光光譜,參數(shù)設(shè)置如下:發(fā)射波長為280~550 nm,狹縫寬度為5 nm,激發(fā)波長為200~550 nm,掃描速度為2 400 nm/min。根據(jù)激發(fā)波長與發(fā)射波長的關(guān)系,將熒光光譜分為5個(gè)區(qū)域[28],如表2所示。

    表2 DOM的三維熒光光譜與熒光物質(zhì)的對(duì)應(yīng)關(guān)系

    在獲得樣品的三維熒光光譜數(shù)據(jù)后,根據(jù)三維熒光譜圖中的激發(fā)波長、發(fā)射波長,結(jié)合三維熒光譜的區(qū)域積分法[28],計(jì)算出樣品水中DOM組份的相對(duì)含量,如表 3。

    表3 4種樣品體積分?jǐn)?shù)的DOM組份的相對(duì)含量

    注:P1.n、P2.n、P3.n、P4.n、P5.n分別代表酪氨酸類蛋白質(zhì)、色氨酸類蛋白質(zhì)、富里酸、溶解性微生物代謝產(chǎn)物、腐殖酸。

    Note: P1.n, P2.n, P3.n, P4.n and P5.n indicate tyrosine proteins, tryptophan proteins, fulvic acid, soluble microbial metabolites and humic acids, respectively.

    4.2 光纖SPR傳感器及試驗(yàn)平臺(tái)

    光纖SPR傳感器芯區(qū)選用直徑為600 nm,數(shù)值孔徑為0.30,纖芯折射率為1.47的多模石英光纖[23],光纖包層通過氫氟酸腐蝕剝離,利用真空磁濺射儀(JSD560-V型)制備金膜,傳感區(qū)長度取15 mm,金薄膜厚度取55-85 nm,每個(gè)光纖探器均設(shè)計(jì)為終端反射型[23]。由于探頭數(shù)量較多且測試數(shù)據(jù)較大,為簡化試驗(yàn)過程,采用開環(huán)結(jié)構(gòu)完成對(duì)被測水樣SPR效應(yīng)的測量,試驗(yàn)平臺(tái)示意圖見圖6。

    圖6 光纖SPR傳感陣列的試驗(yàn)平臺(tái)示意圖

    在圖6中,7個(gè)傳感器共享耦合器、光源、光譜儀和計(jì)算機(jī)分析軟件,通過手動(dòng)切換控制各傳感器連接到測量電路。測試中,光源產(chǎn)生的入射光在穿過P-偏振器后從Y耦合器的一端進(jìn)入,穿過Y耦合器的另一端,作用于SPR傳感器。在入射光與被測液體相互作用后,傳感器端部將產(chǎn)生SPR效應(yīng),即由端部全反射鏡形成反射光,反射光通過Y耦合器的另一端送入光譜儀。最后,由計(jì)算機(jī)獲取來自光譜儀的被測信息并完成基于多分類器算法的處理。在每次采集數(shù)據(jù)后,需要將SPR傳感器與被測介質(zhì)分離,并在空氣中放置約5 min,直到共振峰消失,再進(jìn)行下一次測量。

    5 結(jié)果與分析

    5.1 DOM組份的測試結(jié)果

    在測試中,7個(gè)傳感器的膜厚不同,能實(shí)現(xiàn)的最佳測量間隔不同,為獲得可以有效反映被測量的交叉敏感性信息,需要合理安排所需傳感器的數(shù)量和類型,以期用盡量少的傳感器獲得最理想的測試效果?;诖?,將7個(gè)傳感器分為3種組合情形,記為F1={S1,S3,S5,S7},F(xiàn)2={S2,S4,S6},F(xiàn)3={S1,S2,S3,S4,S5,S6,S7},用以考察選擇合理傳感器數(shù)量及類型的依據(jù)。利用3個(gè)分類器完成對(duì)4種被測水體的5種DOM組份的測試,訓(xùn)練樣本為50個(gè),測試樣本為34個(gè),試驗(yàn)過程利用Matlab 6.0完成。

    通過試驗(yàn)驗(yàn)證獲得PSO參數(shù)如下:適應(yīng)度函數(shù)為均方誤差;加速系數(shù)122.05;慣性因子0.90;粒子數(shù)為160;初始迭代次數(shù)1=100;1、2為介于[0,1]之間的隨機(jī)數(shù);BP網(wǎng)的絡(luò)輸入節(jié)點(diǎn)分別取3個(gè)、4個(gè)或7個(gè);隱層神經(jīng)元個(gè)數(shù)為15個(gè);輸出神經(jīng)元個(gè)數(shù)為5個(gè)。為了便于描述預(yù)測效果,定義預(yù)測正確率參數(shù)如下:

    式中為正確預(yù)測樣本數(shù),為樣本總數(shù)。最后獲得3種組合的預(yù)測效果,如圖7所示。

    注:F1={S1,S3,S5,S7},F(xiàn)2={S2,S4,S6},F(xiàn)3={S1,S2,S3,S4,S5,S6,S7}代表7個(gè)傳感器的3種組合。

    Note: F1={S1,S3,S5,S7}, F2={S2,S4,S6}, F3={S1,S2,S3,S4,S5,S6,S7} represent 3 combinations of 7 sensors respectively.

    圖7 不同來源水樣的DOM組份測試結(jié)果

    Fig.7 Test results of DOM components in different water samples

    觀察圖7發(fā)現(xiàn),3種不同組合的傳感器對(duì)4種被測水體DOM組份的預(yù)測效果均不同,其中,F(xiàn)3組合的預(yù)測效果最好,其最高正確率為85%,出現(xiàn)在洪澤湖(B)的P2.n測試中,最低正確率為40%,出現(xiàn)在里運(yùn)河(A)的P5.n測試中。由三維熒光光譜區(qū)域積分法計(jì)算所得的DOM組份數(shù)據(jù)可知,這2種組份的含量分別為48.32%和5.22%,是5種組份在不同水體中的最高濃度和最低濃度,由此可見,組份濃度越高,檢出率越高。對(duì)于F1組合,其最大正確率為76%,出現(xiàn)在洪澤湖(B)的P2.n測試點(diǎn),最小正確率為56%,出現(xiàn)在里運(yùn)河(A)與洪澤湖(B)的P5.n測試點(diǎn),對(duì)于F2組合,其最大正確率為73%,出現(xiàn)在公園景觀湖(C)的P2.n測試點(diǎn),相應(yīng)DOM組份為36.99,最小正確率為40 %,出現(xiàn)在里運(yùn)河(A)與洪澤湖(B)的P5.n測試點(diǎn),3種不同組合的傳感器均表現(xiàn)出P5.n組份的測試效果最差,這與該組份的濃度過低有很大關(guān)系,也就是說,當(dāng)組份濃度過少時(shí),單純優(yōu)化傳感探器結(jié)構(gòu)也難于感測其細(xì)微變化。總體來說,在F3情形下,7個(gè)傳感器完全覆蓋了4種被測樣品的測量范圍,基礎(chǔ)數(shù)據(jù)全面,再結(jié)合性能優(yōu)良的多分類器算法,因此,可以獲得較好的識(shí)別效果。對(duì)于F2情形,3個(gè)傳感器集中在被量范圍的中間區(qū)域,因此,2個(gè)邊緣區(qū)域的被測信息無法被有效獲取,基礎(chǔ)數(shù)據(jù)缺乏,導(dǎo)致預(yù)測結(jié)果欠佳。在F1情形下,3個(gè)傳感探器覆蓋了被測樣品的折射率范圍,但其密度不夠,導(dǎo)致所獲得的交叉敏感性信息不足,預(yù)測效果也較差。

    5.2 多分類器結(jié)構(gòu)參數(shù)對(duì)DOM測試的影響

    通過實(shí)際測試可知,用于構(gòu)建多分類器的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)對(duì)預(yù)測效果的影響很大。因此,以3個(gè)分類器為基礎(chǔ),研究分類器結(jié)構(gòu)參數(shù)對(duì)測試結(jié)果的影響,重點(diǎn)考察神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)與不同神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)兩個(gè)方面。為保證模型具有良好的穩(wěn)定性及預(yù)測性,引入逼近度概念[29],定義如下:

    式中為逼近誤差,為逼近度,1、2分別為訓(xùn)練集和測試集的平均相對(duì)誤差,1、2分別為訓(xùn)練集和測試集的樣本數(shù),為總樣本數(shù),為常數(shù),用于調(diào)整逼近度的幅度??梢姡叫?,越大,則神經(jīng)網(wǎng)絡(luò)模型具有更好的預(yù)測性。

    5.2.1 神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)對(duì)測試效果的影響

    在構(gòu)建神經(jīng)網(wǎng)絡(luò)時(shí),增加隱層節(jié)點(diǎn)數(shù)可以在一定程度上提高測試精度,但會(huì)導(dǎo)致網(wǎng)絡(luò)的復(fù)雜度增加。試驗(yàn)中,設(shè)置不同的隱含層節(jié)點(diǎn)數(shù),利用上述樣品集進(jìn)行網(wǎng)絡(luò)訓(xùn)練及測試,用以考察隱層節(jié)點(diǎn)數(shù)對(duì)測試效果的影響,參數(shù)設(shè)置同5.1節(jié),試驗(yàn)結(jié)果如圖8所示。

    圖8 隱含層節(jié)點(diǎn)數(shù)對(duì)測試效果的影響

    5.2.2 基于不同神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的分類器測試效果比較

    為驗(yàn)證PSO-BP多分類器在DOM組份測試中的可行性,分別建立RBF(Radial Basis Function,RBF)[29]、BP[30]、PSO-BP神經(jīng)網(wǎng)絡(luò),完成對(duì)以上被測水體DOM組份的測試,均設(shè)置為3個(gè)分類器,隱層神經(jīng)元個(gè)數(shù)為15,輸入神經(jīng)元個(gè)數(shù)為7,輸出神經(jīng)元個(gè)數(shù)為5,試驗(yàn)中,訓(xùn)練樣本為50個(gè),測試樣本為20個(gè),通過各算法的在線調(diào)整來獲取具有優(yōu)良測試效果的參數(shù)組合。

    傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò):學(xué)習(xí)速率為0.10,期望誤差為0.001,隱層神經(jīng)元為Sigmoid函數(shù)。PSO算法:最大進(jìn)化代數(shù)為100,適應(yīng)度函數(shù)為均方誤差,加速系數(shù)122.05,慣性因子為0.90,粒子數(shù)為400,迭代次數(shù)為100,1、2為介于[0,1]之間的隨機(jī)數(shù)。RBF神經(jīng)網(wǎng)絡(luò):均方差精度為0.02;散布常數(shù)為1。最佳參數(shù)組合下的測試結(jié)果如圖9所示,訓(xùn)練誤差曲線(5次訓(xùn)練中的最優(yōu)曲線)如圖10所示。

    圖9 不同神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)不同來源水樣DOM組份預(yù)測效果的影響

    圖10 神經(jīng)網(wǎng)絡(luò)對(duì)不同來源水樣的訓(xùn)練誤差曲線

    由圖9可見,針對(duì)4種水體,PSO-BP的預(yù)測正確率均最高,對(duì)4種水體的P2.n及P4.n組份測試的平均分類精度分別為87.50%、86.28%,BP的效果最差,RBF效果介于兩者之間。由圖10可見,當(dāng)目標(biāo)精度設(shè)置為0.001,各神經(jīng)網(wǎng)絡(luò)在不同水體測試中的訓(xùn)練速度均不同。其中,對(duì)于里運(yùn)河水,PSO-BP、RBF、BP的訓(xùn)練步數(shù)分別為21、25和31步,對(duì)于洪澤湖水,訓(xùn)練步數(shù)分別為17、20和44步,公園景觀湖水的訓(xùn)練步數(shù)分別為9、11和18步,校園景觀湖水的訓(xùn)練步數(shù)分別為26、31和34步??傮w來看,PSO-BP算法的測試分類精度最高,其學(xué)習(xí)訓(xùn)練速度也可以得到保證。由此可見,PSO-BP在基于光纖SPR傳感器的DOM組份測試中具有較強(qiáng)的可行性,能夠挖掘更深層次的被測量的交叉敏感性信息,確保在DOM組份測試中具有良好的預(yù)測能力。

    6 結(jié) 論

    基于單傳感器的低選擇交叉敏感性,并結(jié)合DOM組份的特點(diǎn),提出基于光纖SPR傳感及多分類器的水質(zhì)DOM檢測方案,并得到如下結(jié)論:

    1)完成對(duì)光纖SPR傳感器交叉敏感性的研究,通過對(duì)金屬薄膜種類及厚度的影響分析,最終確定利用多模光纖鍍以不同厚度的金膜,構(gòu)成具有不同最佳測量點(diǎn)的光纖SPR傳感器,其交叉敏感性更強(qiáng),從而為實(shí)測過程提供更堅(jiān)實(shí)的基礎(chǔ);

    2)利用多模光纖,鍍以55~85 nm的7種不同厚度的金膜,構(gòu)成由7個(gè)SPR傳感器組成的傳感陣列;

    3)利用群智能算法(PSO)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò),構(gòu)建3個(gè)分類器,PSO-BP(波長)、PSO-BP(譜寬)、PSO-BP(光強(qiáng)),并完成對(duì)里運(yùn)河(A)、洪澤湖(B)、公園景觀湖(C)、校園景觀湖(D)4種水體的5種DOM組份及其濃度的有效預(yù)測,試驗(yàn)結(jié)果表明,傳感器組合F3的預(yù)測效果最好,最高正確率為85.00%,出現(xiàn)在洪澤湖水體的P2.n組份測試中;

    4)對(duì)多分類器的結(jié)構(gòu)參數(shù)進(jìn)行分析,試驗(yàn)結(jié)果表明:隱層節(jié)點(diǎn)數(shù)取15為最佳參數(shù),且在3種不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中,基于PSO-BP的多分類器的測試精度最高,從而為光纖SPR傳感器及多分類器在DOM組份預(yù)測應(yīng)用中提供有效依據(jù)。

    [1] Chen Z Y, Li S Y. Seasonal variation of DOM spectral characteristics of rivers with different urbanization levels in the three gorges reservoir Area[J]. Environmental Science, 2021, 42(1): 195-203.

    [2] 李剛浩,范先鵬,夏穎,等. 三峽庫區(qū)典型流域水質(zhì)時(shí)空特征及污染防控策略[J]. 農(nóng)業(yè)工程學(xué)報(bào),2022,38(17):118-126.

    Li Ganghao, Fan Xianpeng, Xia Ying, et al. Spatio-temporal characteristics of water quality and pollution prevention strategies in typical watersheds in the Three Gorges reservoir areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(17): 118-126. (in Chinese with English abstract)

    [3] Zhu J J, Zou N, Zhong H, et al. Spatiotemporal characteristics and its environmental application of dissolved organic matter (DOM) in sediments from Chao hu Lake a eutrophic lake[J]. Acta Scientiae Circumstantiae, 2020, 7: 2528-2538.

    [4] Bi R, Lu Q, Yuan T, et al. Electrochemical and spectroscopic characteristics of dissolved organic matter in a forest soil profile[J]. Journal of Environmental Sciences, 2013, 10: 2093-2101.

    [5] Yu B X, Zhang G C, Sun Y X, et al. Applying tow-dimensional correlation synchronous fluorescence spectroscopy to study DOM fractions in municipal sewage[J]. Environmental Pollution & Control, 2021, 6: 704-707.

    [6] Bai X M, Li Y Z, Yao Z P, et al. Application progress of three-dimensional excitation emission matrix fluorescence spectroscopy in source tracing of water pollution[J]. Environmental Science & Technology, 2020, 1: 172-180, 193.

    [7] Fan J, Li H, Shuang C, et al. Dissolved organic matter removal using magnetic anion exchange resin treatment on biological effluent of textile dyeing wastewater[J]. Journal of Environmental Sciences, 2014, 26(8): 1567-1574.

    [8] 孫清軒,張莉,楊嘉春. 北運(yùn)河上覆水DOM分子組成和結(jié)構(gòu)特征[J]. 中國環(huán)境科學(xué),2022,42(11):5299-5307.

    Sun Qingxuan, Zhang Li, Yang Jiachun. Compositional and structural characteristics of DOM molecules in the overlying water of the Beiyun River[J]. China Environmental Science, 2022, 42(11): 5299-5307. (in Chinese with English abstract)

    [9] Li Y N, Xu H C, Jiang H L. Molecular weight distribution fluorescence characteristics of dissolved organic matter and their effect on the distribution of heavy metals of lake Poyang[J]. Journal of Lake Sciences, 2020, 32(4): 1029-1040.

    [10] Zhang L K, Liu P Y, Qin X Q, et al. Migration and transformation of dissolved organic matter in karst water systems and an analysis of their influencing factors[J]. Environmental Science, 2018, 39(5): 2104-2116.

    [11] Chepyzhenko A I, Chepyzhenko A A. Refractometric parametrization of weighted and dissolved components' qualitative composition in aqueous media: Methods and device for in situ monitoring[C]//26th International Symposium on Atmospheric and Ocean Optics, Atmospheric Physics, Moscow, Russian Federation: SPIE, 2020: 734-738.

    [12] Kendir E, Yaltkaya ?. Effect of temperature and wavelength on the refractive index of water: A fiber-optic sensor application[J]. Indian Journal of Physics, 2022, 96(4): 1247-1252.

    [13] 郁城,張小軍,梅光明,等. 基于多頻大幅脈沖電子舌測定對(duì)蝦中的焦亞硫酸鈉含量[J]. 中國食品學(xué)報(bào),2022,22(2):328-336.

    Yu Cheng, Zhang Xiaojun, Mei Guangming, et al. Determination of sodium metabisulfite content in shrimp by multi-frequency large amplitude pulse voltammetry electronic tongue[J]. Journal of Chinese Institute of Food Science and Technology, 2022, 22(2): 328-336. (in Chinese with English abstract)

    [14] Wasilewski T, Migoń D, G?bicki J, et al. Critical review of electronic nose and tongue instruments prospects in pharmaceutical analysis[J]. Analytica Chimica Acta, 2019, 1077: 14-29.

    [15] Guedes M D V, Marques M S, Guedes P C, et al. The use of electronic tongue and sensory panel on taste evaluation of pediatric medicines: A systematic review[J]. Pharmaceutical Development and Technology, 2021, 26(2): 119-137.

    [16] 林華,張嫻,朱曉松,等. 基于金屬-介質(zhì)-金屬多層膜結(jié)構(gòu)的空芯光纖折射率傳感器[J].光學(xué)學(xué)報(bào),2018,38(6):77-85.

    Lin Hua, Zhang Xian, Zhu Xiaosong, et al. Hollow fiber refractive index sensor based on metal dielectric metal multilayer structure[J]. Acta Optica Sinica, 2018, 38(6): 77-85. (in Chinese with English abstract)

    [17] Mishra S K, Tripathi D C, Mishra A K. Metallic grating-assisted fiber optic SPR sensor with extreme sensitivity in IR region[J]. Plasmonics, 2022, 17(2): 575-579.

    [18] Xiong M, Teng C, Chen M, et al. Simulation study of high sensitivity fiber SPR temperature sensor with liquid filling[J]. Sensors, 2022, 22(15): 5713.

    [19] 馬金英,劉鐵根,江俊峰,等. 光纖表面等離子體共振傳感靈敏度提高研究進(jìn)展[J].中國激光,2021,48(19):1906002.

    Ma Jinying, Liu Tiegen, Jiang Junfeng, et al. Research progress in improving sensing sensitivity of optical fiber surface plasmon resonance[J]. Chinese Journal of Lasers, 2021, 48(19): 1906002. (in Chinese with English abstract)

    [20] Jing J Y, Liu K, Jiang J F, et al. Performance improvement approaches for optical fiber SPR sensors and their sensing applications[J]. Photonics Research, 2022, 10(1): 126-147.

    [21] Mumtaz F, Roman M, Zhang B, et al. A simple optical fiber SPR sensor with ultra-high sensitivity for dual-parameter measurement[J]. IEEE Photonics Journal, 2022, 14(5): 1-7.

    [22] Jing J, Liu K, Jiang J, et al. Performance improvement approaches for optical fiber SPR sensors and their sensing applications[J]. Photonics Research, 2022, 10(1): 126-147.

    [23] Liu W, Liu Z, Zhang Y, et al. Specialty optical fibers and 2D materials for sensitivity enhancement of fiber optic SPR sensors: A review[J]. Optics & Laser Technology, 2022, 152: 108167.

    [24] Kendir E, Yaltkaya ?. Effect of temperature and wavelength on the refractive index of water: A fiber-optic sensor application[J]. Indian Journal of Physics, 2022, 96(4): 1247-1252.

    [25] Notton G, Voyant C, Fouilloy A, et al. Some applications of ANN to solar radiation estimation and forecasting for energy applications[J]. Applied Sciences, 2019, 9(1): 209.

    [26] Zhang D, Lou S. The application research of neural network and BP algorithm in stock price pattern classification and prediction[J]. Future Generation Computer Systems, 2021, 115: 872-879.

    [27] Shi Y, Eberhart R. A modified particle swarm optimizer[C]//1998 IEEE International Conference on Evolutionary Computation Proceedings, Anchorage, AK. USA: IEEE, 1998: 69-73.

    [28] Zhang H, Zhang F, Li Z, et al. Characteristics of three dimensional fluorescence spectra and its correlation with water quality in Jinghe and Bortala River from Lake Ebinur's major inflow tributaries[J]. Journal of Lake Sciences, 2017, 29(5): 1112-1120.

    [29] Deng Y, Zhou X, Shen J, et al. New methods based on back propagation (BP) and radial basis function (RBF) artificial neural networks (ANNs) for predicting the occurrence of haloketones in tap water[J]. Science of The Total Environment, 2021, 772: 145534.

    [30] Jiang Q, Huang R, Huang Y, et al. Application of BP neural network based on genetic algorithm optimization in evaluation of power grid investment risk[J]. IEEE Access, 2019, 7: 154827-154835.

    DOM detection of water based on fiber SPR sensors and multi-classifiers

    Fu Lihui1, Dai Junfeng2※

    (1.,,223003,; 2.,,223003,)

    Dissolved organic material (DOM) has posed adverse impacts on the detection of water quality between different water pollutants. Once the total amount of DOM reaches a critical level, the explosive growth of algae can be induced by eutrophication in the water, leading to a more complicated composition. There is a more serious interference in the detection, as the DOM aggravated during this time. The previous research also shows that the effect of DOM is closely related to the total amount, and the components. It is a high demand to accurately measure the DOM components for effective water quality monitoring. Particularly, the DOM component measurement is highly required to effectively implement, due to the complex organic structure. For this reason, it is difficult for a single sensor to complete the complicated test of the total amount and components of DOM in water. In this study, the fiber sensing array was proposed to detect the DOM components using the non-specific selectivity of the fiber SPR sensor. The cross-sensitivity analysis was carried out to obtain the different SPR sensing arrays using the fiber SPR sensor. A field test was been realized by the SPR sensing array in large-scale water bodies. Particle Swarm Optimization (PSO) was selected to optimize the artificial neural network (ANN). As such, effective predictions were obtained for the five DOM components and their concentrations in four kinds of measured water. The SPR sensors were then prepared with different optimal refractive indices using multimode fiber and gold film with seven thicknesses of 55-85 nm. The optimal refractive index of each sensor was effectively distributed in the range of 1.33 to 1.43, according to the design requirements. Correspondingly, each sensor presented excellent sensitivity and linearity in the best measurement interval. The sensitive crossing-response was achieved in the measurement interval corresponding to other sensors through the wavelength, spectrum width, and light intensity. In terms of the classifier and intelligent algorithm, the global search PSO was used to train the BP-ANN, in order to avoid the local search easy to fall into the local extremum. After that, the DOM water sample was prepared to determine the DOM components in the water body. The SPR effect was realized to measure the refractive index using a sensing array. The artificial intelligence network BP-ANN was trained by the PSO. Three classifiers were then constructed, including the PSO-BP (wavelength), PSO-BP (spectral width), and PSO-BP (light intensity). The comprehensive training was verified by the resonance wavelength, spectral width and light intensity of the SPR effect in the tested water. Therefore, five DOM components were tested, including the tyrosine proteins, tryptophan proteins, fulvic acid, soluble microbial metabolites, and humic acids of Outer Canal (A), Hongze Lake (B), Park Landscape Lake (C) and Campus Landscape Lake (D). The highest recognition rate was up to 85% from the samples of P2.n in Hongze Lake (B), indicating the excellent prediction of DOM components. Anyway, the PSO-BP multi-classifiers can be expected to mine the cross-sensitivity information by the SPR sensor. The finding can provide a new idea for the application of fiber SPR sensors and multi-classifiers using cross-sensitivity analysis.

    sensor; water quality; multi-classifiers; cross sensitivity; fiber SPR sensor; DOM component detection; PSO-BP network

    10.11975/j.issn.1002-6819.2022.22.014

    TP212

    A

    1002-6819(2022)-22-0133-08

    付麗輝,戴峻峰. 光纖SPR傳感器結(jié)合多分類器的水體DOM檢測[J]. 農(nóng)業(yè)工程學(xué)報(bào),2022,38(22):133-140.doi:10.11975/j.issn.1002-6819.2022.22.014 http://www.tcsae.org

    Fu Lihui, Dai Junfeng. DOM detection of water based on fiber SPR sensors and multi-classifiers[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(22): 133-140. (in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2022.22.014 http://www.tcsae.org

    2022-08-08

    2022-11-12

    國家自然科學(xué)基金項(xiàng)目(62141502);江蘇省建設(shè)系統(tǒng)科技項(xiàng)目(2019ZD0064);淮安市“1111”工程合作項(xiàng)目(Z413H22507)

    付麗輝,博士,副教授,研究方向?yàn)楣鈱W(xué)傳感器技術(shù)、模式識(shí)別及智能控制。Email:flh3650326@163.com

    戴峻峰,副教授,研究方向?yàn)闄z測傳感技術(shù)、模式識(shí)別及智能控制。Email:djf0495_cn@163.com

    猜你喜歡
    組份折射率傳感
    鮑曼不動(dòng)桿菌雙組份調(diào)控系統(tǒng)研究進(jìn)展
    傳染病信息(2022年6期)2023-01-12 08:58:44
    《傳感技術(shù)學(xué)報(bào)》期刊征訂
    新型無酶便攜式傳感平臺(tái) 兩秒內(nèi)測出果蔬農(nóng)藥殘留
    不同組份地質(zhì)聚合物砂漿的強(qiáng)度研究
    IPv6與ZigBee無線傳感網(wǎng)互聯(lián)網(wǎng)關(guān)的研究
    電子制作(2018年23期)2018-12-26 01:01:26
    一種干法復(fù)合聚氨酯膠黏劑組份含量實(shí)時(shí)檢測系統(tǒng)的開發(fā)
    電子測試(2018年1期)2018-04-18 11:52:11
    微氧對(duì)SF6局部放電分解特征組份的影響
    單軸晶體雙折射率的測定
    用Z-掃描技術(shù)研究量子點(diǎn)的非線性折射率
    如何選擇鏡片折射率
    国产精品国产三级国产av玫瑰| 久久久久久久精品精品| 亚洲国产色片| 亚洲精品乱码久久久v下载方式| 亚洲国产精品999| 满18在线观看网站| 亚洲美女黄色视频免费看| 国产精品无大码| 亚洲伊人久久精品综合| 久久久久久久久大av| 国产一区亚洲一区在线观看| 国产亚洲精品久久久com| 午夜精品国产一区二区电影| 国产成人精品福利久久| 亚洲精品日韩av片在线观看| 久久99热这里只频精品6学生| 亚洲欧美日韩另类电影网站| 久久婷婷青草| 亚洲精品亚洲一区二区| 国产高清国产精品国产三级| 曰老女人黄片| 久热这里只有精品99| 欧美三级亚洲精品| 在线观看三级黄色| 黄色视频在线播放观看不卡| 考比视频在线观看| 汤姆久久久久久久影院中文字幕| 少妇的逼好多水| 我要看黄色一级片免费的| 亚洲国产成人一精品久久久| 国产白丝娇喘喷水9色精品| 国产午夜精品久久久久久一区二区三区| 日韩av免费高清视频| 中文字幕最新亚洲高清| 国产成人av激情在线播放 | 精品国产国语对白av| 国产免费一区二区三区四区乱码| 我要看黄色一级片免费的| 成年人午夜在线观看视频| 亚洲欧美中文字幕日韩二区| 美女视频免费永久观看网站| 午夜影院在线不卡| 日日摸夜夜添夜夜添av毛片| 全区人妻精品视频| 亚洲精品久久久久久婷婷小说| 免费人妻精品一区二区三区视频| 日韩制服骚丝袜av| 免费av中文字幕在线| 狂野欧美激情性xxxx在线观看| 天堂8中文在线网| 中文字幕最新亚洲高清| 日本黄大片高清| 中文字幕最新亚洲高清| 男女免费视频国产| 熟妇人妻不卡中文字幕| 少妇猛男粗大的猛烈进出视频| 亚洲av欧美aⅴ国产| 国产精品人妻久久久久久| 欧美97在线视频| 久久精品国产鲁丝片午夜精品| 极品少妇高潮喷水抽搐| 夜夜爽夜夜爽视频| 久久这里有精品视频免费| 久久久久精品久久久久真实原创| 精品久久久久久电影网| 黑人猛操日本美女一级片| 精品久久蜜臀av无| 99久久中文字幕三级久久日本| 人成视频在线观看免费观看| tube8黄色片| 亚洲欧美色中文字幕在线| 人妻 亚洲 视频| 精品人妻一区二区三区麻豆| av在线app专区| 午夜视频国产福利| 久久久久久久久久成人| 九九在线视频观看精品| 男的添女的下面高潮视频| 成人无遮挡网站| 日本欧美国产在线视频| 在线免费观看不下载黄p国产| 国精品久久久久久国模美| 亚洲精品国产色婷婷电影| 精品久久久久久电影网| 精品午夜福利在线看| 爱豆传媒免费全集在线观看| 各种免费的搞黄视频| 一级a做视频免费观看| 人人妻人人添人人爽欧美一区卜| 热re99久久国产66热| av女优亚洲男人天堂| 中文字幕亚洲精品专区| av在线老鸭窝| 乱人伦中国视频| 在线免费观看不下载黄p国产| 夜夜骑夜夜射夜夜干| 国产亚洲精品久久久com| 日韩一区二区三区影片| 亚洲精品中文字幕在线视频| 亚洲国产精品国产精品| 国产免费又黄又爽又色| 伦精品一区二区三区| 日本wwww免费看| 在线观看国产h片| 久久久久网色| 一个人免费看片子| 日本黄色日本黄色录像| 午夜福利网站1000一区二区三区| 日本av免费视频播放| 777米奇影视久久| 综合色丁香网| 最近手机中文字幕大全| 99热这里只有是精品在线观看| 精品亚洲成a人片在线观看| av视频免费观看在线观看| 国产免费现黄频在线看| a级毛片在线看网站| 色婷婷av一区二区三区视频| 免费av中文字幕在线| 卡戴珊不雅视频在线播放| 丝袜脚勾引网站| 国产一区有黄有色的免费视频| 黄色一级大片看看| 男女边摸边吃奶| 国产欧美另类精品又又久久亚洲欧美| 黄色毛片三级朝国网站| 国产精品熟女久久久久浪| 国产成人aa在线观看| 久久精品国产亚洲网站| 简卡轻食公司| 久久精品国产亚洲av天美| 国产伦理片在线播放av一区| 美女主播在线视频| 国精品久久久久久国模美| 午夜激情福利司机影院| 蜜桃久久精品国产亚洲av| 欧美一级a爱片免费观看看| 久久久欧美国产精品| 热99久久久久精品小说推荐| 一个人看视频在线观看www免费| 欧美三级亚洲精品| 久久久久久久久久人人人人人人| 成年av动漫网址| 嘟嘟电影网在线观看| 免费少妇av软件| 国产在线免费精品| 国产黄色免费在线视频| 久久午夜综合久久蜜桃| 乱人伦中国视频| 久久99一区二区三区| 成人影院久久| 成年av动漫网址| 永久网站在线| 日本爱情动作片www.在线观看| 性色av一级| 久久狼人影院| 伦精品一区二区三区| 性高湖久久久久久久久免费观看| 国产毛片在线视频| 久久久国产精品麻豆| 免费观看在线日韩| 亚洲国产av影院在线观看| 亚洲精品国产色婷婷电影| 精品国产国语对白av| 麻豆精品久久久久久蜜桃| 老女人水多毛片| 伦精品一区二区三区| 成年av动漫网址| 成人亚洲欧美一区二区av| 精品久久久久久久久av| 亚洲成人一二三区av| 少妇被粗大的猛进出69影院 | 国产精品熟女久久久久浪| 丝袜在线中文字幕| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲欧美成人精品一区二区| kizo精华| 日韩,欧美,国产一区二区三区| 三级国产精品欧美在线观看| 少妇被粗大猛烈的视频| 一级a做视频免费观看| 精品少妇内射三级| 欧美日韩av久久| 国产成人精品一,二区| 精品酒店卫生间| 中文天堂在线官网| 国产男女内射视频| 九九爱精品视频在线观看| 波野结衣二区三区在线| 国产精品国产三级专区第一集| 国产欧美另类精品又又久久亚洲欧美| 欧美另类一区| 成人18禁高潮啪啪吃奶动态图 | 久久精品久久精品一区二区三区| 51国产日韩欧美| 极品少妇高潮喷水抽搐| 亚洲,欧美,日韩| 国产女主播在线喷水免费视频网站| 亚洲综合色惰| 国产成人免费无遮挡视频| 狠狠精品人妻久久久久久综合| 美女脱内裤让男人舔精品视频| 免费av中文字幕在线| 成人二区视频| 久久精品国产亚洲av涩爱| 日韩av在线免费看完整版不卡| 九九久久精品国产亚洲av麻豆| 色吧在线观看| 99九九线精品视频在线观看视频| 日韩欧美精品免费久久| 天堂俺去俺来也www色官网| 国产日韩欧美在线精品| .国产精品久久| 3wmmmm亚洲av在线观看| 成人18禁高潮啪啪吃奶动态图 | 免费少妇av软件| 国产成人精品久久久久久| 亚洲国产av影院在线观看| 国产精品免费大片| 亚洲精品久久午夜乱码| 日本欧美国产在线视频| 成人二区视频| 国产不卡av网站在线观看| 亚洲欧美一区二区三区黑人 | 在线免费观看不下载黄p国产| 久久婷婷青草| 国产女主播在线喷水免费视频网站| 精品久久蜜臀av无| 丝袜脚勾引网站| av有码第一页| 久久ye,这里只有精品| 热re99久久精品国产66热6| 久久精品国产亚洲av涩爱| 中文欧美无线码| 大码成人一级视频| 青春草亚洲视频在线观看| 一本久久精品| 丝袜在线中文字幕| 亚洲丝袜综合中文字幕| 国产高清不卡午夜福利| 美女主播在线视频| 丰满迷人的少妇在线观看| 最近的中文字幕免费完整| 久久国产精品男人的天堂亚洲 | 久久99一区二区三区| 各种免费的搞黄视频| 大片免费播放器 马上看| 中文乱码字字幕精品一区二区三区| 中文字幕制服av| 少妇被粗大的猛进出69影院 | 久久久久久久大尺度免费视频| 欧美变态另类bdsm刘玥| 日韩av不卡免费在线播放| 又粗又硬又长又爽又黄的视频| 日日爽夜夜爽网站| 欧美丝袜亚洲另类| 久久久精品免费免费高清| 你懂的网址亚洲精品在线观看| 99久久中文字幕三级久久日本| 精品一区二区三区视频在线| 午夜免费男女啪啪视频观看| 日韩av不卡免费在线播放| 免费av中文字幕在线| 春色校园在线视频观看| 日本黄色片子视频| 成人午夜精彩视频在线观看| 久久国产精品大桥未久av| 国产成人91sexporn| 久久 成人 亚洲| 丝袜在线中文字幕| 人妻一区二区av| 这个男人来自地球电影免费观看 | av卡一久久| 久久久久久久亚洲中文字幕| 亚洲欧美成人综合另类久久久| 人妻系列 视频| 狠狠婷婷综合久久久久久88av| 欧美日韩视频高清一区二区三区二| 丰满少妇做爰视频| 久久久久久久久久久丰满| 国产一区二区三区综合在线观看 | 十八禁网站网址无遮挡| 寂寞人妻少妇视频99o| 日韩大片免费观看网站| 热re99久久国产66热| 飞空精品影院首页| 国产成人精品福利久久| 国产欧美日韩综合在线一区二区| 日日摸夜夜添夜夜爱| videos熟女内射| 人妻夜夜爽99麻豆av| 在线观看国产h片| 国产无遮挡羞羞视频在线观看| 国产精品.久久久| 久久久久久伊人网av| 最近手机中文字幕大全| 久久久久久久久久久丰满| 国产精品不卡视频一区二区| 日产精品乱码卡一卡2卡三| 精品久久久久久久久av| 亚洲精品成人av观看孕妇| 两个人免费观看高清视频| 亚洲激情五月婷婷啪啪| 日韩强制内射视频| 国产欧美日韩一区二区三区在线 | 国产高清有码在线观看视频| 精品亚洲乱码少妇综合久久| 久久热精品热| 亚洲欧美日韩卡通动漫| 精品人妻一区二区三区麻豆| 两个人的视频大全免费| 大片电影免费在线观看免费| 日日爽夜夜爽网站| 18禁观看日本| 看免费成人av毛片| 国产极品粉嫩免费观看在线 | 亚洲精品中文字幕在线视频| 免费大片黄手机在线观看| 国产成人免费观看mmmm| 黄色视频在线播放观看不卡| 欧美人与善性xxx| 久久久久久伊人网av| 狂野欧美白嫩少妇大欣赏| 人妻制服诱惑在线中文字幕| 一级毛片 在线播放| 亚洲欧美一区二区三区国产| av视频免费观看在线观看| 欧美日韩在线观看h| 少妇猛男粗大的猛烈进出视频| 在线观看www视频免费| 久久久精品免费免费高清| 天天躁夜夜躁狠狠久久av| 国产男女内射视频| 蜜桃国产av成人99| 亚洲第一区二区三区不卡| 桃花免费在线播放| 亚洲欧美一区二区三区国产| videosex国产| 热re99久久国产66热| 国产一区二区三区综合在线观看 | 国产精品99久久99久久久不卡 | 日本av手机在线免费观看| 国产深夜福利视频在线观看| 国产精品99久久久久久久久| 精品熟女少妇av免费看| 国产男人的电影天堂91| 99久国产av精品国产电影| 免费人成在线观看视频色| 街头女战士在线观看网站| 日日摸夜夜添夜夜爱| 中文字幕人妻熟人妻熟丝袜美| 视频在线观看一区二区三区| 亚洲精品第二区| 亚洲av欧美aⅴ国产| 国内精品宾馆在线| 九九在线视频观看精品| 免费观看的影片在线观看| 99视频精品全部免费 在线| 一区二区三区免费毛片| 亚洲成人av在线免费| 在线观看免费高清a一片| 岛国毛片在线播放| 热re99久久国产66热| 国产av一区二区精品久久| 3wmmmm亚洲av在线观看| 亚洲成人手机| 熟妇人妻不卡中文字幕| 国产在线视频一区二区| 国产一区二区在线观看日韩| 最近中文字幕高清免费大全6| 免费黄网站久久成人精品| 亚洲国产精品一区二区三区在线| 91久久精品国产一区二区三区| 999精品在线视频| 国产成人精品久久久久久| 婷婷色综合www| 国产av码专区亚洲av| 丝袜美足系列| 夜夜看夜夜爽夜夜摸| 夜夜骑夜夜射夜夜干| 国产成人精品在线电影| 一级毛片电影观看| 中文字幕免费在线视频6| 大话2 男鬼变身卡| 色视频在线一区二区三区| 国产高清三级在线| 国产一区二区三区av在线| 五月天丁香电影| 少妇被粗大的猛进出69影院 | 观看av在线不卡| 欧美亚洲日本最大视频资源| 国产极品粉嫩免费观看在线 | 如日韩欧美国产精品一区二区三区 | 丝袜美足系列| 在线精品无人区一区二区三| 国产欧美另类精品又又久久亚洲欧美| 日本黄色片子视频| 日本免费在线观看一区| 99九九线精品视频在线观看视频| 超碰97精品在线观看| 国产精品一区二区三区四区免费观看| 国产一区二区在线观看av| 最近2019中文字幕mv第一页| 性高湖久久久久久久久免费观看| 国产精品免费大片| 超碰97精品在线观看| 伦理电影大哥的女人| 亚洲av.av天堂| 91精品国产九色| 69精品国产乱码久久久| 中文字幕制服av| 九九久久精品国产亚洲av麻豆| 中文字幕人妻熟人妻熟丝袜美| 一本色道久久久久久精品综合| 99热这里只有精品一区| 亚洲精品视频女| 亚洲婷婷狠狠爱综合网| 久久久国产欧美日韩av| 亚洲精品视频女| 王馨瑶露胸无遮挡在线观看| 人妻一区二区av| av免费在线看不卡| 亚洲av综合色区一区| 久久久久国产网址| 九色成人免费人妻av| 久久久久久久大尺度免费视频| 国产成人精品无人区| 国产日韩一区二区三区精品不卡 | 亚洲精华国产精华液的使用体验| 亚洲内射少妇av| 午夜免费男女啪啪视频观看| 最近中文字幕高清免费大全6| 久久精品人人爽人人爽视色| 国内精品宾馆在线| 这个男人来自地球电影免费观看 | 中文欧美无线码| 国产 精品1| videosex国产| 色哟哟·www| 亚洲av在线观看美女高潮| 免费看光身美女| 亚洲av福利一区| 亚洲成人一二三区av| 寂寞人妻少妇视频99o| 日日爽夜夜爽网站| 97超碰精品成人国产| 少妇人妻久久综合中文| 国产黄色视频一区二区在线观看| 久久av网站| 在线观看三级黄色| 80岁老熟妇乱子伦牲交| 国产精品一区二区在线不卡| 免费大片黄手机在线观看| 国产成人aa在线观看| 美女cb高潮喷水在线观看| 成人免费观看视频高清| 在线观看国产h片| av专区在线播放| 多毛熟女@视频| 亚洲,欧美,日韩| 嫩草影院入口| 人成视频在线观看免费观看| 久久人人爽人人片av| 国产精品一国产av| 中文字幕人妻熟人妻熟丝袜美| 亚洲av.av天堂| 在线亚洲精品国产二区图片欧美 | 精品少妇久久久久久888优播| 考比视频在线观看| 菩萨蛮人人尽说江南好唐韦庄| 久久久久网色| 插逼视频在线观看| 日韩强制内射视频| 亚洲精品乱码久久久v下载方式| 欧美日韩视频精品一区| 国产视频内射| 精品国产露脸久久av麻豆| 久久综合国产亚洲精品| 国产乱人偷精品视频| 亚洲精品日韩av片在线观看| 免费黄色在线免费观看| 亚洲熟女精品中文字幕| 中文字幕人妻熟人妻熟丝袜美| 亚洲内射少妇av| 欧美激情国产日韩精品一区| 亚洲综合精品二区| 亚洲精品乱码久久久久久按摩| 嘟嘟电影网在线观看| 国产极品粉嫩免费观看在线 | 赤兔流量卡办理| 七月丁香在线播放| 欧美丝袜亚洲另类| 色网站视频免费| 久久ye,这里只有精品| 免费黄网站久久成人精品| 成人毛片a级毛片在线播放| 一区二区三区四区激情视频| 午夜福利,免费看| 又粗又硬又长又爽又黄的视频| 亚洲图色成人| 国产午夜精品久久久久久一区二区三区| 国产成人aa在线观看| 日本黄大片高清| 天堂俺去俺来也www色官网| 一区二区av电影网| 两个人免费观看高清视频| 国产av国产精品国产| 永久网站在线| 亚洲成人一二三区av| 色吧在线观看| 欧美激情 高清一区二区三区| 美女福利国产在线| 日本黄大片高清| 欧美3d第一页| 各种免费的搞黄视频| 在线观看一区二区三区激情| 2018国产大陆天天弄谢| 欧美激情 高清一区二区三区| 一区二区三区免费毛片| 亚洲av日韩在线播放| 免费日韩欧美在线观看| 午夜福利在线观看免费完整高清在| 婷婷色综合www| 久久久国产精品麻豆| 一级二级三级毛片免费看| 狠狠精品人妻久久久久久综合| 成人毛片60女人毛片免费| 欧美日韩国产mv在线观看视频| 不卡视频在线观看欧美| 18禁在线播放成人免费| 在线观看一区二区三区激情| 一区二区av电影网| 国产精品久久久久久久久免| 精品国产乱码久久久久久小说| 国产爽快片一区二区三区| 婷婷色综合大香蕉| 特大巨黑吊av在线直播| 亚洲天堂av无毛| 18禁观看日本| 天天操日日干夜夜撸| 2021少妇久久久久久久久久久| 日本-黄色视频高清免费观看| 99久国产av精品国产电影| 久久人妻熟女aⅴ| 色婷婷久久久亚洲欧美| 男的添女的下面高潮视频| 18禁在线无遮挡免费观看视频| 欧美人与善性xxx| 国产亚洲午夜精品一区二区久久| 丁香六月天网| 日韩不卡一区二区三区视频在线| 999精品在线视频| 黄片无遮挡物在线观看| 蜜桃国产av成人99| 日本与韩国留学比较| 午夜激情av网站| 久久久午夜欧美精品| 麻豆乱淫一区二区| 精品一区二区免费观看| 91精品一卡2卡3卡4卡| 亚洲高清免费不卡视频| 超色免费av| 丁香六月天网| 黄色怎么调成土黄色| 黑丝袜美女国产一区| 丰满饥渴人妻一区二区三| 国产一区亚洲一区在线观看| 人妻制服诱惑在线中文字幕| 精品人妻熟女av久视频| 极品人妻少妇av视频| 色5月婷婷丁香| 99久久精品国产国产毛片| 亚洲av国产av综合av卡| 国产精品久久久久久久久免| 亚洲美女视频黄频| 一个人免费看片子| 97在线视频观看| 久久狼人影院| 日韩中文字幕视频在线看片| 乱码一卡2卡4卡精品| 菩萨蛮人人尽说江南好唐韦庄| 丝袜喷水一区| 777米奇影视久久| 日韩视频在线欧美| 狂野欧美激情性xxxx在线观看| 80岁老熟妇乱子伦牲交| 精品久久国产蜜桃| 午夜免费男女啪啪视频观看| 91国产中文字幕| 极品少妇高潮喷水抽搐| 视频中文字幕在线观看| 中文天堂在线官网| 国产深夜福利视频在线观看| 亚洲av电影在线观看一区二区三区| 成年美女黄网站色视频大全免费 | 男人操女人黄网站| 日韩视频在线欧美| 国产精品女同一区二区软件| 亚洲av二区三区四区| 国产精品熟女久久久久浪| 亚洲av国产av综合av卡| 久久久久久久大尺度免费视频| av播播在线观看一区| 久久精品久久久久久久性| 日本与韩国留学比较| 国产精品久久久久久久久免| 日韩精品有码人妻一区| videos熟女内射| 精品久久国产蜜桃| 久久久欧美国产精品| 久久99热这里只频精品6学生| 成人免费观看视频高清| 免费观看的影片在线观看| 成人毛片a级毛片在线播放| 久久人人爽人人片av|