• <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XGBoost-PredRNN++的海表面溫度預(yù)測(cè)①

    2022-11-07 09:07:58杜揚(yáng)帆伍孝飛喬百友
    關(guān)鍵詞:特征實(shí)驗(yàn)方法

    杜揚(yáng)帆,伍孝飛,喬百友,2

    1(東北大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院,沈陽 110819)

    2(東北大學(xué) 醫(yī)學(xué)影像智能計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室,沈陽 110169)

    1 引言

    海洋表面溫度是全球海洋的一個(gè)重要物理量,常作為研究水團(tuán)性質(zhì)、鑒別洋流的基本指標(biāo).研究海表面溫度時(shí)空分布及其變化規(guī)律,從而進(jìn)行海表面溫度預(yù)測(cè)是海洋環(huán)境信息預(yù)報(bào)的基礎(chǔ)[1].海水溫度通常作為數(shù)值天氣預(yù)報(bào)和海洋預(yù)報(bào)模型的邊界條件.這些模型越來越多地用于實(shí)際應(yīng)用中,包括: 海上作業(yè)、海洋航運(yùn)業(yè)務(wù)、海上安全應(yīng)急響應(yīng)、波浪和沖浪的研究、漁業(yè)支持和旅游等.近年來,CTD 和XTB 測(cè)溫?cái)?shù)據(jù)、衛(wèi)星高度計(jì)數(shù)據(jù)、Argo 溫鹽剖面數(shù)據(jù)越來越豐富,基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法、三維變分技術(shù)等的出現(xiàn)促進(jìn)了海洋預(yù)報(bào)的快速發(fā)展.特別是隨著海洋觀測(cè)技術(shù)的快速發(fā)展,海洋數(shù)據(jù)規(guī)模呈現(xiàn)了爆炸性增長,這對(duì)海表溫的預(yù)測(cè)帶來了新的機(jī)遇和挑戰(zhàn).在這種情況下,如何充分利用這些海洋大數(shù)據(jù)和先進(jìn)的人工智能技術(shù),實(shí)現(xiàn)對(duì)海表溫度的高效精確預(yù)測(cè)就成為一個(gè)非常重要的課題,也是當(dāng)前海洋研究領(lǐng)域的研究熱點(diǎn)之一.預(yù)測(cè)海表溫度方法可大致分為兩大類[2,3],分別為基于數(shù)值的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方式.基于數(shù)值的方法是建立在物理、化學(xué)、生物參數(shù)以及相互作用的復(fù)雜關(guān)系基礎(chǔ)上,利用微分方程對(duì)海表溫度進(jìn)行定義和描述.該方法復(fù)雜度高,不同海域需要不同的數(shù)值預(yù)測(cè)模型,預(yù)測(cè)時(shí)效較差.數(shù)據(jù)驅(qū)動(dòng)的方法是以數(shù)據(jù)為中心來解決海表溫度預(yù)測(cè)問題,是通過機(jī)器學(xué)習(xí)技術(shù)來學(xué)習(xí)海表溫度變化規(guī)律,從而去預(yù)測(cè)未來溫度的變化情況.數(shù)據(jù)驅(qū)動(dòng)方法有馬爾可夫模型[4]、支持向量機(jī)(SVM)[5]、神經(jīng)網(wǎng)絡(luò)[6]等,這些方法大多缺少對(duì)長時(shí)序時(shí)間依賴特征的提取,其預(yù)測(cè)精度有限.

    近年來,隨著深度學(xué)習(xí)的不斷發(fā)展,研究人員將深度學(xué)習(xí)技術(shù)運(yùn)用到了海表面溫度的預(yù)測(cè)中.Zhang 等人[7]采用LSTM 模型實(shí)現(xiàn)了海表面溫度的預(yù)測(cè),并取得了較好的預(yù)測(cè)結(jié)果,但該模型沒有考慮海表面溫度之間的空間相關(guān)性,因而不適合局部海表溫的預(yù)測(cè).2019年ConvLSTM 模型被應(yīng)用到了海表面溫度預(yù)測(cè)中[8],該模型通過CNN 網(wǎng)絡(luò)提取溫度之間空間特征,通過LSTM 網(wǎng)絡(luò)提取時(shí)間特征,有效利用了時(shí)空特征,取得了較好的預(yù)測(cè)結(jié)果.但對(duì)于長時(shí)序預(yù)測(cè),該模型復(fù)雜度較高,還存在梯度消失問題.張弛等人[9]使用向量回歸模型對(duì)海洋次表層溫度異常進(jìn)行了預(yù)測(cè),對(duì)于淺水域有較好的精度,但當(dāng)海洋深度增加時(shí),其預(yù)測(cè)精度逐漸降低.吳琦[10]在ConvLSTM 模型的基礎(chǔ)上添加了ConvGRU,對(duì)海洋表面溫度遙感預(yù)測(cè),但是不能很好地預(yù)測(cè)長期海洋表面溫度.韓震等人[11]使用基于遙感數(shù)據(jù)的多層ConvLSTM 進(jìn)行海表溫度預(yù)測(cè)計(jì)算,但是對(duì)于小區(qū)域,誤差較大,不能很好地對(duì)局部短時(shí)間進(jìn)行預(yù)測(cè).

    因此,本文將視頻預(yù)測(cè)時(shí)序?qū)W習(xí)網(wǎng)絡(luò)PredRNN++[12]引入到了海表溫的預(yù)測(cè)中,提出了一種基于XGBoost[13]結(jié)合PredRNN++ (XGBoost-PredRNN++)的海表溫預(yù)測(cè)方法.該方法首先將海表溫?cái)?shù)據(jù)處理成灰度圖片,然后利用機(jī)器學(xué)習(xí)模型XGBoost 來提取相應(yīng)的時(shí)間特征,并采用CNN 模型將時(shí)間特征融合到海表溫?cái)?shù)據(jù)中,并提取融合后海表溫?cái)?shù)據(jù)之間的空間依賴關(guān)系.在此基礎(chǔ)上,利用PredRNN++網(wǎng)絡(luò)將時(shí)空依賴關(guān)系融合在數(shù)據(jù)序列中.避免了梯度消失問題.通過實(shí)驗(yàn)驗(yàn)證,本文相較于傳統(tǒng)方法中表現(xiàn)最好的結(jié)果,在MSE評(píng)價(jià)標(biāo)準(zhǔn)下數(shù)值減少了0.107 5.在SSIM評(píng)價(jià)標(biāo)準(zhǔn)下,由誤差值0.044 降到了0.038 7,減少了12.15%的誤差.

    2 基于XGBoost-PredRNN++的海表溫預(yù)測(cè)

    針對(duì)區(qū)域海表溫預(yù)測(cè),本文提出了一種XGBoost結(jié)合PredRNN++的海表溫預(yù)測(cè)方法(XGBoost-PredRNN++),主要由3 部分構(gòu)成,分別為數(shù)據(jù)預(yù)處理、時(shí)間特征抽取與融合、時(shí)空特征抽取與預(yù)測(cè),方法總體框架如圖1 所示.

    圖1 XGBoost-PredRNN++海表溫預(yù)測(cè)方法總體框架

    數(shù)據(jù)預(yù)處理首先對(duì)原始SST 數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,并采用Gamma 校正算法將其處理成一系列灰度圖片.時(shí)間特征抽取與融合主要利用XGBoost 模型提取預(yù)處理階段形成的灰度圖片數(shù)據(jù)的時(shí)間特征,并利用CNN 網(wǎng)絡(luò)將其融入到原始海表溫度數(shù)據(jù)中,并提取數(shù)據(jù)之間的空間依賴特征,形成新的SST 時(shí)序序列.時(shí)空特征抽取與預(yù)測(cè)就是用前一階段形成的SST 時(shí)序數(shù)據(jù)訓(xùn)練PredRNN++預(yù)測(cè)模型,提取SST 時(shí)序數(shù)據(jù)之間的時(shí)間和空間依賴特征,從而實(shí)現(xiàn)對(duì)區(qū)域海表溫度的預(yù)測(cè),后續(xù)將分別進(jìn)行詳細(xì)介紹.

    2.1 數(shù)據(jù)預(yù)處理

    數(shù)據(jù)預(yù)處理主要完成對(duì)原始區(qū)域海表溫時(shí)序數(shù)據(jù)的預(yù)處理,主要包括數(shù)據(jù)的標(biāo)準(zhǔn)化和Gamma 矯正處理.

    (1)數(shù)據(jù)標(biāo)準(zhǔn)化.對(duì)于原始海表溫時(shí)序數(shù)據(jù),本文采用最大最小標(biāo)準(zhǔn)化方法將所有數(shù)據(jù)標(biāo)準(zhǔn)化到[0,1]范圍內(nèi),其計(jì)算過程如式(1)所示.

    其中,xmax為樣本數(shù)據(jù)最大值,xmin為樣本數(shù)據(jù)最小值.x*是標(biāo)準(zhǔn)化后的數(shù)據(jù).

    (2)Gamma 矯正處理.某一區(qū)域同一時(shí)刻海表面溫度可以看作是一幅圖片,通過Gamma 矯正處理將其變換為灰度圖片,一方面降低圖片數(shù)據(jù)的維度,從而加快后續(xù)處理速度,另一方面通過Gamma 矯正增強(qiáng)圖像的細(xì)節(jié),從而更好支持后續(xù)PredRNN++模型來提取時(shí)空特征.

    經(jīng)過數(shù)據(jù)預(yù)處理后,一組海表溫時(shí)序數(shù)據(jù)就變成一組由灰度圖片組成的海表溫時(shí)序數(shù)據(jù),再通過滑動(dòng)窗口對(duì)數(shù)據(jù)劃分,從而形成相應(yīng)的訓(xùn)練和測(cè)試數(shù)據(jù),供下一階段使用.

    2.2 時(shí)間特征抽取與融合

    區(qū)域海表溫度預(yù)測(cè)是利用過去一段時(shí)間某個(gè)區(qū)域的歷史海表溫度數(shù)據(jù)來預(yù)測(cè)該區(qū)域未來一段時(shí)間的海表溫度,是一種自回歸的問題.SST 原始數(shù)據(jù)經(jīng)過數(shù)據(jù)預(yù)處理后,形成灰度圖片形式的海表溫時(shí)序數(shù)據(jù),本文考慮到海表溫?cái)?shù)據(jù)所受的季節(jié)周期性影響,篩選出與海表溫度最相關(guān)的4 個(gè)時(shí)間特征,然后采用XGBoost模型將其融合為一個(gè)統(tǒng)一的長周期時(shí)間特征,然后再與海表溫?cái)?shù)據(jù)一起作為CNN 模型的輸入,來提取海表溫?cái)?shù)據(jù)之間的時(shí)空依賴特征,并將其融合成為新的具有時(shí)間特征的海表溫特征圖時(shí)序數(shù)據(jù),由于增加了周期性時(shí)間特征,并提取了數(shù)據(jù)之間的空間特征,因而能夠提高預(yù)測(cè)的準(zhǔn)確度[14].

    假設(shè)某海洋區(qū)域有k個(gè)觀測(cè)點(diǎn)來觀測(cè)該區(qū)域的海表面溫度變化情況,若觀測(cè)次數(shù)為n,則可以用二維向量X來表示.向量元素xij(i∈1,2,···,k;j∈1,2,···,n)表示第i個(gè)觀測(cè)點(diǎn)第j次觀測(cè)值.對(duì)于每個(gè)觀測(cè)值,提取觀測(cè)時(shí)間所對(duì)應(yīng)的季度、月份、周次和季節(jié)4 個(gè)長周期時(shí)間特征.對(duì)每個(gè)觀測(cè)值xij,可用Tij=(quarterij,weekij,monthij,seasonij)來表示其時(shí)間特征.將Tij作為XGBoost 模型的輸入特征,將xij作為XGBoost 模型的輸出標(biāo)簽,對(duì)模型進(jìn)行訓(xùn)練.這樣對(duì)于每個(gè)海表溫?cái)?shù)據(jù)xij,都可以通過XGBoost 模型得到融合后的時(shí)間特征數(shù)據(jù),即長周期溫度預(yù)測(cè)值.同一時(shí)刻所有觀測(cè)點(diǎn)的海表溫?cái)?shù)據(jù)構(gòu)成了一張海溫圖片,其對(duì)應(yīng)的時(shí)間特征數(shù)據(jù)同樣構(gòu)成了一張海溫圖片.在此基礎(chǔ)上,采用CNN 網(wǎng)絡(luò)對(duì)時(shí)間特征和原始數(shù)據(jù)特征進(jìn)行空間特征抽取與融合,并完成數(shù)據(jù)的特征降維,從而減小后期模型的代價(jià).本文采用的海表面溫度數(shù)據(jù)X和提取后的時(shí)間特征數(shù)據(jù)的維度均為64×64.因此,CNN 網(wǎng)絡(luò)的輸入數(shù)據(jù)維度為64×64×2.本文采用單層卷積操作,卷積核大小為3×3,步長為1,填充方式為SAME,激活函數(shù)為ReLU,最終得到CNN 的輸出為Y,則Y的維度為64×64×1.CNN 網(wǎng)絡(luò)計(jì)算公式如式(2):

    2.3 時(shí)空特征抽取與海表溫預(yù)測(cè)

    本文將海洋表面溫度看作視頻中的一幀,并將每一幀的溫度制作成為灰度圖片,連續(xù)的多張灰度圖片就構(gòu)成了某個(gè)海域海洋表面溫度的變化視圖.在此基礎(chǔ)上,利用CNN 網(wǎng)絡(luò)進(jìn)行空間特征的初步提取與融合,并將最新的PredRNN++網(wǎng)絡(luò)引入到海表溫時(shí)序預(yù)測(cè)中,充分利用PredRNN++網(wǎng)絡(luò)所具有的更強(qiáng)空間依賴特征捕獲能力和自適應(yīng)長短期特征提取能力,從而實(shí)現(xiàn)高精度海表溫的預(yù)測(cè).PredRNN++模型由獨(dú)特的Casual LSTM (時(shí)空記憶單元的級(jí)聯(lián)操作)結(jié)構(gòu)和GHU(梯度高速公路單元)構(gòu)成,具有對(duì)時(shí)空序列預(yù)測(cè)問題的強(qiáng)大預(yù)測(cè)能力,同時(shí)也解決了PredRNN[15]網(wǎng)絡(luò)梯度消失問題,在視頻預(yù)測(cè)領(lǐng)域有著很好的表現(xiàn).Casual LSTM 是3 層級(jí)聯(lián)結(jié)構(gòu),第1 層與LSTM 結(jié)構(gòu)類似,其結(jié)構(gòu)如圖2 所示.

    圖2 Casual LSTM 結(jié)構(gòu)

    圖2 中,Wi為權(quán)重矩陣,Mt、Ct表示分別代表空間狀態(tài)和時(shí)間狀態(tài),在計(jì)算過程通過設(shè)置超參數(shù),以及輸入原始數(shù)據(jù)能夠自動(dòng)算出相應(yīng)的值.Xt表示第t時(shí)刻的輸入向量,其維度為8×16×16×16,Ht-1表示t-1 時(shí)刻Casual LSTM 的輸出向量,維度大小為8×64×16×16,gt、it、ft為網(wǎng)絡(luò)超參數(shù).Casual LSTM 相關(guān)狀態(tài)及參數(shù)計(jì)算見式(3)-式(8).其中,⊙代表向量相乘.σ表示Sigmoid 激活函數(shù),*代表矩陣相乘.

    PredRNN++網(wǎng)絡(luò)采用一種新的時(shí)空遞歸結(jié)構(gòu)梯度高速公路單元(gradient highway unit,GHU)來直接傳遞時(shí)間中的重要特征,從而在進(jìn)行反向傳播時(shí)能夠更好地保留長期梯度,解決梯度消失的問題.GHU 的方程式可以表示如下:

    其中,W為濾波器,S為選擇門,P為激活函數(shù),Z為GHU單元的輸出矩陣.本模型中,W取值維度為5×5,S的維度為8×64×16×16,P的維度為8×64×16×16.Z的輸出維度為8×64×16×16.

    本文采用的PredRNN++網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示,主要由3 層Casual LSTM 結(jié)構(gòu)堆疊而成,步長t為10.在1-2 層Casual LSTM 之間加入了GHU 單元,從而使得梯度在第1 層與第2 層之間高速傳播,縮短傳播距離,有效避免梯度消失.后續(xù)實(shí)驗(yàn)也證明,GHU 單元在1-2 層之間的預(yù)測(cè)精度優(yōu)于在2-3 層之間.具體PredRNN++網(wǎng)絡(luò)計(jì)算機(jī)公式如下:

    圖3 PredRNN++網(wǎng)絡(luò)結(jié)構(gòu)

    X是輸入數(shù)據(jù),維度為8×16×16×16,Hi是第i張圖片輸入到PredRNN++的混合結(jié)果,維度大小為8×64×16×16,C是Casual LSTM 共同決定門,維度為8×64×16×16.

    3 性能評(píng)估

    為了驗(yàn)證本文提出的方法的有效性,本文設(shè)計(jì)實(shí)驗(yàn)對(duì)所提出的方法和模型的性能進(jìn)行了測(cè)試,下面就實(shí)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)環(huán)境及實(shí)驗(yàn)結(jié)果進(jìn)行詳細(xì)說明.

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    本文所采用的實(shí)驗(yàn)數(shù)據(jù)來自于美國聯(lián)合臺(tái)風(fēng)預(yù)警中心 (Joint Typhoon Warning Center,JTWC),其數(shù)據(jù)網(wǎng)址為https://metoc.ndbc.noaa.gov/JTWC.數(shù)據(jù)覆蓋區(qū)域?yàn)榫暥?°N-60°N,經(jīng)度100°E-180°E,經(jīng)度和緯度步長均為0.5°.本文從以上數(shù)據(jù)集中提取了64×64 區(qū)域的海表溫?cái)?shù)據(jù)作為訓(xùn)練和測(cè)試數(shù)據(jù),數(shù)據(jù)選取經(jīng)緯度范圍為24°N-56°N 和145°E-177°E.數(shù)據(jù)時(shí)間范圍從2001年1月1日0 時(shí)至2005年12月31日18 時(shí),相鄰兩場(chǎng)數(shù)據(jù)間隔6 小時(shí),總共7 304 場(chǎng)數(shù)據(jù).

    3.2 實(shí)驗(yàn)環(huán)境

    本文實(shí)驗(yàn)所采用的軟硬件環(huán)境配置如表1 所示.

    表1 實(shí)驗(yàn)環(huán)境配置

    3.3 評(píng)估指標(biāo)

    本文采用均方誤差(MSE)和結(jié)構(gòu)相似性(SSIM)評(píng)估指標(biāo)來評(píng)估所提出方法的性能.假設(shè)預(yù)測(cè)值真實(shí)值y=y1,y2,···,yn,MSE的計(jì)算公式見式(16):

    MSE的范圍為[0,+∞).MSE越大,表示預(yù)測(cè)值和真實(shí)值相距越遠(yuǎn),即模型的擬合效果越差;MSE為0,則表示模型的預(yù)測(cè)結(jié)果和真實(shí)結(jié)果完全一致.

    結(jié)構(gòu)相似性SSIM是一種衡量圖片相似度的常用指標(biāo),假設(shè)x和y分別代表兩張圖片,則SSIM的計(jì)算見式(17):

    其中,μx是圖片x中所有像素點(diǎn)的均值,μy是圖片y中所有像素點(diǎn)的均值,σ2x是x中像素點(diǎn)的方差,σ2y是y中像素點(diǎn)的方差,σxy是x和y的斜方差.C1=(k1L)2,C2=(k2L)2.L是像素值的動(dòng)態(tài)范圍,由于采用灰度圖像,所以L取值為255.K1=0.01,K2=0.03.SSIM指標(biāo)的范圍為[0,1].SSIM值越接近1,代表圖像失真較少,模型預(yù)測(cè)效果較好;SSIM值越接近0,代表圖像失真較多,模型預(yù)測(cè)效果較差.

    3.4 實(shí)驗(yàn)參數(shù)設(shè)置

    在實(shí)驗(yàn)中,各個(gè)模型采用默認(rèn)設(shè)置,具體參數(shù)設(shè)置如下: XGBoost 模型最大深度為4,學(xué)習(xí)率為0.05,迭代次數(shù)為100,葉子節(jié)點(diǎn)最小樣本數(shù)為2,損失函數(shù)為均方誤差,L2 則化項(xiàng)lambda 為1.CNN 模型的卷積核為3×3×2,步長為1,padding 為2.PredRNN++模型中,卷積核的大小為5×5,步長為1,padding 為2,進(jìn)行卷積后,添加BatchNormalization 層構(gòu)成一個(gè)Sequential 層.

    3.5 實(shí)驗(yàn)結(jié)果分析

    本文分別使用前面所述的西北太平洋的7 304 條海表溫時(shí)序數(shù)據(jù)來進(jìn)行測(cè)試,前5 844 條數(shù)據(jù)作為訓(xùn)練集,后1 460 條數(shù)據(jù)作為測(cè)試集,對(duì)本文提出的XGBoost-PredRNN++區(qū)域海表溫預(yù)測(cè)方法進(jìn)行了測(cè)試,并和現(xiàn)有的PredRNN 模型和ConvLSTM 模型進(jìn)行了比較,下面將從3 個(gè)方面給出具體實(shí)驗(yàn)結(jié)果.

    (1)GHU 位置影響分析

    PredRNN++模型中,GHU 單元可以放在第1 層和第2 層之間,也可以放在第2 層與第3 層之間.本文采用前述的海表溫?cái)?shù)據(jù),進(jìn)行了實(shí)驗(yàn)研究,實(shí)驗(yàn)結(jié)果如表2 所示.從中可以看出,將GHU 單元放在第1 層與第2 層之間的預(yù)測(cè)精度要優(yōu)于放在第2 層和第3 層之間,這和前述的分析一致,同時(shí)也說明數(shù)據(jù)的原始特征對(duì)于預(yù)測(cè)結(jié)果十分重要,因此后續(xù)實(shí)驗(yàn)中,本文將GHU單元放在了第1 層和第2 層之間.

    表2 GHU 單元位置對(duì)比

    (2)時(shí)間特征影響分析

    本文采用XGBoost 模型和CNN 模型進(jìn)行海表面溫度時(shí)間特征提取與融合處理,為了驗(yàn)證其有效性,本文進(jìn)行了消融實(shí)驗(yàn)研究,設(shè)計(jì)實(shí)現(xiàn)了無時(shí)間特征提取與融合的方法(PredRNN++),并和本文提出的融合時(shí)間特征的XGBoost-PredRNN++方法進(jìn)行了對(duì)比分析,結(jié)果如圖4 和圖5 所示.

    圖4 MSE 隨訓(xùn)練次數(shù)的變化情況

    圖5 SSIM 隨訓(xùn)練次數(shù)的變化情況

    圖4 是兩種預(yù)測(cè)方法在預(yù)測(cè)步長分別為6 小時(shí)、24 小時(shí)、48 小時(shí)和60 小時(shí)時(shí),其預(yù)測(cè)均方誤差MSE隨訓(xùn)練次數(shù)的變化情況.從圖中可以看出,隨著訓(xùn)練次數(shù)的增加,兩種預(yù)測(cè)方法的MSE總體呈現(xiàn)下降趨勢(shì).在每一種預(yù)測(cè)步長下,PredRNN++方法的MSE值波動(dòng)較大,其MSE值遠(yuǎn)遠(yuǎn)高于XGBoost-PredRNN++方法,這說明XGBoost-PredRNN++方法具有很好的預(yù)測(cè)精度,這是由于該方法考慮了數(shù)據(jù)的時(shí)間特征及其空間依賴關(guān)系,因而取得較好預(yù)測(cè)結(jié)果.同時(shí)可以看出隨著預(yù)測(cè)步長的增加,兩種方法的預(yù)測(cè)誤差也在增大,這和理論預(yù)期相一致.

    圖5 為兩種方法在4 種預(yù)測(cè)步長下的SSIM值隨訓(xùn)練次數(shù)的變化情況.同樣可以看出,隨著訓(xùn)練次數(shù)的增加,兩種預(yù)測(cè)模型的SSIM值都在增大,XGBoost-PredRNN++模型的SSIM值明顯大于PredRNN++模型.同一種模型預(yù)測(cè)步長越短,其SSIM越大.以上說明XGBoost-PredRNN++模型具有較低的預(yù)測(cè)誤差和較高的SSIM值,明顯優(yōu)于原有PredRNN++模型.這說明時(shí)間特征對(duì)于海表溫的預(yù)測(cè)精度具有較大的影響,同時(shí)也說明本文提出的融合時(shí)間特征方法XGBoost-PredRNN++是有效的.

    (3)預(yù)測(cè)精度比較分析

    為了驗(yàn)證XGBoost-PredRNN++方法的有效性,本文進(jìn)行實(shí)驗(yàn)研究,并和當(dāng)前主流的PredRNN 預(yù)測(cè)模型和ConvLSTM 預(yù)測(cè)模型進(jìn)行了對(duì)比實(shí)驗(yàn)分析.實(shí)驗(yàn)使用前述的訓(xùn)練和測(cè)試數(shù)據(jù),3 種方法的輸入維度均為10×64×64,即使用過去連續(xù)60 小時(shí)(每6 小時(shí)采樣一次,共10 個(gè)時(shí)刻)的海表溫?cái)?shù)據(jù)預(yù)測(cè)未來6 小時(shí),24 小時(shí),48 小時(shí)和60 小時(shí)的海表溫度,并分別觀察MSE和SSIM兩個(gè)指標(biāo)的變化情況,下面分別進(jìn)行詳細(xì)說明.

    1)3 種方法的預(yù)測(cè)誤差MSE比較.圖6 是3 種模型在不同預(yù)測(cè)步長下的預(yù)測(cè)誤差對(duì)比.從圖6 中可以看出,3 種預(yù)測(cè)方法6 小時(shí)MSE值最小,24 小時(shí)MSE次之,48 小時(shí)MSE較大,60 小時(shí)MSE最大,這和理論預(yù)測(cè)一致.在每一種預(yù)測(cè)步長下,3 種模型的MSE總體隨著訓(xùn)練次數(shù)增加而下降,但是PredRNN 和ConvLSTM模型的預(yù)測(cè)誤差不穩(wěn)定,在下降過程中波動(dòng)較大,其MSE值下降到一定程度后開始慢慢增加,說明這兩種模型對(duì)于較少的訓(xùn)練數(shù)據(jù)存在過擬合情況.而本文提出的XGBoost-PredRNN++方法預(yù)測(cè)誤差隨訓(xùn)練次數(shù)增加而穩(wěn)定減少,其MSE值明顯要小于前兩種模型,即預(yù)測(cè)精度是最好的,這主要是由于本文模型采用XGBoost 提取時(shí)間周期性特征,并采用CNN 提取空間特征并進(jìn)行了融合,增加了信息含量和深度,并采用了最新PredRNN++模型避免梯度消失和過擬合問題,因而具有更強(qiáng)預(yù)測(cè)能力,實(shí)驗(yàn)結(jié)果也有力的證明這一點(diǎn).

    圖6 不同預(yù)測(cè)步長下3 種預(yù)測(cè)方法誤差比較

    2)結(jié)構(gòu)相似性指標(biāo)SSIM對(duì)比分析.圖7 是3 種方法在不同預(yù)測(cè)步長下的SSIM比較.從圖中可以看出,在不同預(yù)測(cè)步長的實(shí)驗(yàn)中,3 種方法的SSIM值總體隨著訓(xùn)練次數(shù)的增加而增大.PredRNN 和ConvLSTM模型的SSIM值增加到一定程度后有所降低,這是由于訓(xùn)練次數(shù)過多導(dǎo)致模型過擬合引起的.在4 種不同預(yù)測(cè)步長的測(cè)試中,SSIM值從大到小分別為6 小時(shí)SSIM值、24 小時(shí)SSIM值、48 小時(shí)SSIM和60 小時(shí)SSIM值,這和理論預(yù)測(cè)相一致.在3 種預(yù)測(cè)模型中,本文提出的XGBoost-RredRNN++方法的SSIM值隨訓(xùn)練次數(shù)增加而穩(wěn)定增加,其SSIM值明顯要高于前兩種模型,這說明本文提出的模型具有很高的預(yù)測(cè)精度,明顯優(yōu)于PredRNN 和ConvLSTM 模型,主要原因是本文采用了XGBoost 和CNN 網(wǎng)絡(luò)融合了周期性時(shí)間特征,并用最新的PredRNN++模型,因而達(dá)到了較好的預(yù)測(cè)效果.從SSIM指標(biāo)的比較可以看出,本文提出的XGBoost-PredRNN++海表溫預(yù)測(cè)方法,具有較好的預(yù)測(cè)能力.從上述MSE和SSIM兩個(gè)指標(biāo)的比較可以看出,本文提出的XGBoost-PredRNN++方法具有很高的預(yù)測(cè)精度,在訓(xùn)練的初始階段就能達(dá)到不錯(cuò)的效果,明顯優(yōu)于現(xiàn)有的ConvLSTM 和PredRNN 預(yù)測(cè)方法.

    圖7 不同預(yù)測(cè)時(shí)長3 種模型的SSIM 對(duì)比

    為了進(jìn)一步分析模型的預(yù)測(cè)效果,本文也測(cè)試了融合時(shí)間特征后的SST 數(shù)據(jù)在ConvLSTM 和PredRNN模型上的預(yù)測(cè)結(jié)果.在預(yù)測(cè)步長分別為6 小時(shí)、24 小時(shí)、48 小時(shí)和60 小時(shí)時(shí),從實(shí)驗(yàn)結(jié)果能夠看出,采用XGBoost 提取時(shí)間特征后,幾種模型的預(yù)測(cè)大明顯提高,本文提出的XGBoost-PredRNN++方法仍然是這幾種方法中精度最高的,明顯優(yōu)于其他方法.由于篇幅有限,這里僅給出預(yù)測(cè)步長為6 小時(shí)時(shí),幾種模型的實(shí)驗(yàn)結(jié)果,見表3.

    表3 幾種模型實(shí)驗(yàn)結(jié)果

    4 結(jié)論

    海表面溫度是進(jìn)行海洋環(huán)境信息預(yù)測(cè)預(yù)報(bào)的重要因子,對(duì)于海上捕撈、水產(chǎn)養(yǎng)殖、海洋氣象、航海等具有重要影響,因此準(zhǔn)確預(yù)測(cè)海表面溫度對(duì)于海洋產(chǎn)業(yè)和相關(guān)科學(xué)研究具有非常重要的意義.本文結(jié)合先進(jìn)的深度學(xué)習(xí)技術(shù),提出了一種基于XGBoost 結(jié)合PredRNN++的區(qū)域海表溫預(yù)測(cè)方法.該方法首先將某個(gè)區(qū)域的海表面溫度處理成灰度圖片,然后利用XGBoost 模型提取季節(jié)周期性特征,并采用CNN 模型進(jìn)行特征融合,在此基礎(chǔ)上采用最新的PredRNN++時(shí)序數(shù)據(jù)預(yù)測(cè)網(wǎng)絡(luò),實(shí)現(xiàn)了區(qū)域海表溫度的預(yù)測(cè).一系列真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明,本文提出的基于XGBoost-PredRNN++的海表溫預(yù)測(cè)方法,明顯優(yōu)于現(xiàn)有的ConvLSTM 和PredRNN 模型,取得了較好的預(yù)測(cè)精度.后續(xù)將擴(kuò)大模型的應(yīng)用范圍,進(jìn)一步優(yōu)化模型的結(jié)構(gòu),進(jìn)一步提升模型的預(yù)測(cè)精度和效率.

    猜你喜歡
    特征實(shí)驗(yàn)方法
    記一次有趣的實(shí)驗(yàn)
    如何表達(dá)“特征”
    做個(gè)怪怪長實(shí)驗(yàn)
    不忠誠的四個(gè)特征
    抓住特征巧觀察
    可能是方法不對(duì)
    NO與NO2相互轉(zhuǎn)化實(shí)驗(yàn)的改進(jìn)
    實(shí)踐十號(hào)上的19項(xiàng)實(shí)驗(yàn)
    太空探索(2016年5期)2016-07-12 15:17:55
    用對(duì)方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    淫秽高清视频在线观看| 精品人妻一区二区三区麻豆 | 女同久久另类99精品国产91| 国产伦在线观看视频一区| 搡老熟女国产l中国老女人| 联通29元200g的流量卡| 中文字幕高清在线视频| 极品教师在线视频| 成人精品一区二区免费| 国产精品人妻久久久久久| 伊人久久精品亚洲午夜| 在线观看av片永久免费下载| 国产精品久久久久久精品电影| 丰满乱子伦码专区| 成年女人永久免费观看视频| 国产久久久一区二区三区| 在线播放国产精品三级| 午夜视频国产福利| 亚洲va日本ⅴa欧美va伊人久久| 国产一级毛片七仙女欲春2| 2021天堂中文幕一二区在线观| 国内揄拍国产精品人妻在线| 久久中文看片网| 琪琪午夜伦伦电影理论片6080| 十八禁网站免费在线| 最近视频中文字幕2019在线8| 亚洲黑人精品在线| 亚洲精品影视一区二区三区av| 亚洲最大成人手机在线| 国产精品久久久久久久久免| 18+在线观看网站| 国产精品国产高清国产av| 日韩欧美 国产精品| 免费av毛片视频| 一夜夜www| 韩国av在线不卡| 午夜精品一区二区三区免费看| 国产精品一区二区三区四区久久| 麻豆国产97在线/欧美| 色精品久久人妻99蜜桃| 毛片女人毛片| 嫁个100分男人电影在线观看| 老司机午夜福利在线观看视频| 伦精品一区二区三区| 日本与韩国留学比较| 国产精品自产拍在线观看55亚洲| 夜夜夜夜夜久久久久| 韩国av一区二区三区四区| 成人国产一区最新在线观看| 最近视频中文字幕2019在线8| 无人区码免费观看不卡| 尾随美女入室| 久久亚洲精品不卡| 国产精品久久久久久av不卡| 国产在线精品亚洲第一网站| 国产爱豆传媒在线观看| 深爱激情五月婷婷| 成熟少妇高潮喷水视频| 麻豆成人av在线观看| 婷婷六月久久综合丁香| 色播亚洲综合网| 亚洲aⅴ乱码一区二区在线播放| 在线天堂最新版资源| 国产高清视频在线播放一区| 午夜福利高清视频| 国产精品无大码| 久久精品影院6| 春色校园在线视频观看| 九九爱精品视频在线观看| 亚洲成av人片在线播放无| 又紧又爽又黄一区二区| 人人妻人人澡欧美一区二区| 丰满的人妻完整版| 中文字幕熟女人妻在线| 18禁黄网站禁片午夜丰满| 亚洲在线观看片| 九九在线视频观看精品| 无遮挡黄片免费观看| 琪琪午夜伦伦电影理论片6080| a在线观看视频网站| 久久久国产成人精品二区| 免费在线观看日本一区| 国产乱人伦免费视频| 日本熟妇午夜| 国产精品1区2区在线观看.| 亚洲av五月六月丁香网| 麻豆久久精品国产亚洲av| 久久热精品热| 亚州av有码| 日本免费a在线| 国产精品久久视频播放| 男人和女人高潮做爰伦理| 两人在一起打扑克的视频| 一卡2卡三卡四卡精品乱码亚洲| 天堂影院成人在线观看| 国产精品野战在线观看| 成人永久免费在线观看视频| h日本视频在线播放| 国产免费一级a男人的天堂| 免费不卡的大黄色大毛片视频在线观看 | 亚洲性夜色夜夜综合| bbb黄色大片| 国产av麻豆久久久久久久| 亚洲电影在线观看av| 久久精品国产鲁丝片午夜精品 | 精品午夜福利在线看| 色播亚洲综合网| 蜜桃亚洲精品一区二区三区| 91狼人影院| 成人毛片a级毛片在线播放| 九九久久精品国产亚洲av麻豆| 久久久精品欧美日韩精品| 高清毛片免费观看视频网站| 男人狂女人下面高潮的视频| 色5月婷婷丁香| 欧美日本亚洲视频在线播放| 变态另类丝袜制服| a在线观看视频网站| 国产成人aa在线观看| 最新在线观看一区二区三区| 久久精品国产亚洲网站| 国产美女午夜福利| 午夜精品久久久久久毛片777| 亚洲国产色片| 免费在线观看成人毛片| 热99re8久久精品国产| 啦啦啦啦在线视频资源| 欧美国产日韩亚洲一区| 亚洲av成人精品一区久久| 大又大粗又爽又黄少妇毛片口| 婷婷精品国产亚洲av| 婷婷亚洲欧美| 亚洲精品在线观看二区| 国产乱人视频| 午夜免费成人在线视频| 日韩强制内射视频| 午夜爱爱视频在线播放| 国产成人a区在线观看| 在线观看66精品国产| 国产免费av片在线观看野外av| 免费大片18禁| 在线免费十八禁| 亚洲欧美日韩高清在线视频| 日本-黄色视频高清免费观看| 国产精品久久久久久精品电影| 久久天躁狠狠躁夜夜2o2o| 久久久久久久国产电影| 亚洲最大成人中文| 精华霜和精华液先用哪个| 精品一区在线观看国产| 亚洲精品第二区| 国产淫语在线视频| 尾随美女入室| 欧美精品一区二区大全| 精品一区二区免费观看| 噜噜噜噜噜久久久久久91| 91久久精品国产一区二区三区| 下体分泌物呈黄色| av在线app专区| 国产一区二区三区综合在线观看 | 亚洲av.av天堂| 欧美成人a在线观看| 亚洲美女搞黄在线观看| 国产伦在线观看视频一区| 国产精品一区二区三区四区免费观看| 看免费成人av毛片| 亚洲经典国产精华液单| 91aial.com中文字幕在线观看| 日韩不卡一区二区三区视频在线| 黄片无遮挡物在线观看| 精品一区二区免费观看| 亚洲欧洲国产日韩| 五月伊人婷婷丁香| 爱豆传媒免费全集在线观看| 七月丁香在线播放| 亚洲av男天堂| 亚洲国产欧美人成| 麻豆国产97在线/欧美| 久久久久久久久大av| 在线观看三级黄色| 狂野欧美激情性xxxx在线观看| 91久久精品国产一区二区三区| 综合色丁香网| 亚洲内射少妇av| 91精品伊人久久大香线蕉| 99热全是精品| 国产欧美日韩一区二区三区在线 | 十八禁网站网址无遮挡 | 国产精品蜜桃在线观看| 韩国av在线不卡| 亚洲国产成人一精品久久久| 亚洲久久久国产精品| 夜夜看夜夜爽夜夜摸| 国产真实伦视频高清在线观看| 久久综合国产亚洲精品| 欧美丝袜亚洲另类| 亚洲无线观看免费| 久久99精品国语久久久| 国产精品女同一区二区软件| 婷婷色av中文字幕| 十八禁网站网址无遮挡 | 亚洲综合色惰| 春色校园在线视频观看| 一个人免费看片子| 国产免费福利视频在线观看| 啦啦啦在线观看免费高清www| 亚洲四区av| 国产欧美日韩精品一区二区| 亚洲一区二区三区欧美精品| 校园人妻丝袜中文字幕| 一级av片app| 日本欧美国产在线视频| 亚洲三级黄色毛片| 欧美日韩综合久久久久久| 一区在线观看完整版| av国产久精品久网站免费入址| 新久久久久国产一级毛片| 夫妻性生交免费视频一级片| 日本vs欧美在线观看视频 | 久久99热这里只频精品6学生| 欧美成人精品欧美一级黄| 国产欧美亚洲国产| 欧美日韩精品成人综合77777| 综合色丁香网| 在线亚洲精品国产二区图片欧美 | 亚洲va在线va天堂va国产| 国产乱人偷精品视频| 精品国产一区二区三区久久久樱花 | 免费人妻精品一区二区三区视频| 国产精品欧美亚洲77777| av国产久精品久网站免费入址| 高清在线视频一区二区三区| 大香蕉久久网| 3wmmmm亚洲av在线观看| 午夜老司机福利剧场| 国产深夜福利视频在线观看| 久久国产精品大桥未久av | 99久久中文字幕三级久久日本| 精品久久久精品久久久| 欧美成人午夜免费资源| 网址你懂的国产日韩在线| 国产亚洲91精品色在线| 国产精品久久久久久精品电影小说 | 国产精品99久久久久久久久| 午夜日本视频在线| 多毛熟女@视频| 久久久久国产精品人妻一区二区| 欧美变态另类bdsm刘玥| 汤姆久久久久久久影院中文字幕| 国产精品免费大片| 国产老妇伦熟女老妇高清| 成人美女网站在线观看视频| 精品熟女少妇av免费看| 一本色道久久久久久精品综合| 国产在视频线精品| 国产一区有黄有色的免费视频| 最近中文字幕2019免费版| 18禁裸乳无遮挡动漫免费视频| 春色校园在线视频观看| 精品久久久噜噜| 国产女主播在线喷水免费视频网站| 亚洲内射少妇av| 免费黄色在线免费观看| av视频免费观看在线观看| 亚洲精品乱码久久久久久按摩| 伦理电影免费视频| 亚洲精品第二区| 91精品一卡2卡3卡4卡| 日本与韩国留学比较| 午夜免费鲁丝| 女的被弄到高潮叫床怎么办| 亚洲色图av天堂| 色吧在线观看| 男人爽女人下面视频在线观看| 国产免费又黄又爽又色| 大话2 男鬼变身卡| 一级毛片电影观看| 妹子高潮喷水视频| 亚洲欧美日韩东京热| 亚洲欧洲国产日韩| 好男人视频免费观看在线| 在线观看人妻少妇| 九九在线视频观看精品| 久久久久视频综合| 国产成人aa在线观看| 中国美白少妇内射xxxbb| 少妇人妻一区二区三区视频| 一级二级三级毛片免费看| 国产精品蜜桃在线观看| 成人亚洲精品一区在线观看 | 亚洲婷婷狠狠爱综合网| 亚洲图色成人| 色网站视频免费| 97超视频在线观看视频| 一本一本综合久久| 久久这里有精品视频免费| 黄片无遮挡物在线观看| 久久97久久精品| 亚洲美女搞黄在线观看| 精品熟女少妇av免费看| 男女国产视频网站| 嘟嘟电影网在线观看| 久久久久久久久久人人人人人人| 色吧在线观看| 男人和女人高潮做爰伦理| 在线观看免费视频网站a站| 久久精品人妻少妇| 免费大片18禁| 亚洲精品国产av蜜桃| 黑丝袜美女国产一区| av免费在线看不卡| 国产片特级美女逼逼视频| 人人妻人人看人人澡| 国产精品偷伦视频观看了| 日本av手机在线免费观看| 成年av动漫网址| 国产精品久久久久久久电影| 日韩三级伦理在线观看| 国产 精品1| 国产av一区二区精品久久 | 亚洲综合精品二区| 精品少妇黑人巨大在线播放| 成人黄色视频免费在线看| 久久午夜福利片| 中国美白少妇内射xxxbb| 1000部很黄的大片| 亚洲欧美日韩卡通动漫| 午夜免费观看性视频| 欧美bdsm另类| 亚洲av免费高清在线观看| 久久久久久久久久成人| 日韩av免费高清视频| 欧美高清性xxxxhd video| 男女啪啪激烈高潮av片| 午夜老司机福利剧场| 蜜桃在线观看..| 最近最新中文字幕免费大全7| 国产精品一二三区在线看| 亚洲成色77777| 国产精品爽爽va在线观看网站| 九九爱精品视频在线观看| 日韩欧美 国产精品| 女人十人毛片免费观看3o分钟| 人妻 亚洲 视频| 婷婷色综合大香蕉| av国产精品久久久久影院| 在线观看免费视频网站a站| 99热国产这里只有精品6| 狂野欧美白嫩少妇大欣赏| 国产精品.久久久| 欧美另类一区| 老师上课跳d突然被开到最大视频| 成人毛片a级毛片在线播放| 久久午夜福利片| 久久久久久久久久成人| 男女边吃奶边做爰视频| 亚洲人成网站在线播| 亚洲精品久久久久久婷婷小说| 久久6这里有精品| 美女中出高潮动态图| 在线观看一区二区三区| 国内精品宾馆在线| 伊人久久精品亚洲午夜| xxx大片免费视频| 亚洲av不卡在线观看| 亚洲av日韩在线播放| 亚洲色图综合在线观看| 日本欧美视频一区| 最黄视频免费看| 久久久久精品性色| 看十八女毛片水多多多| 精品一区在线观看国产| 国产在线一区二区三区精| 精品人妻偷拍中文字幕| 久久6这里有精品| 久热这里只有精品99| 免费播放大片免费观看视频在线观看| 久久久色成人| 九草在线视频观看| 成人漫画全彩无遮挡| 国产大屁股一区二区在线视频| 国产午夜精品久久久久久一区二区三区| 中文字幕精品免费在线观看视频 | 在线天堂最新版资源| 在线观看国产h片| 夜夜爽夜夜爽视频| 少妇被粗大猛烈的视频| 免费观看的影片在线观看| 久久精品国产亚洲av涩爱| 一本色道久久久久久精品综合| 色视频www国产| 全区人妻精品视频| 国产精品精品国产色婷婷| 老熟女久久久| 中文字幕av成人在线电影| 欧美日韩国产mv在线观看视频 | 日韩中文字幕视频在线看片 | 少妇被粗大猛烈的视频| 日韩亚洲欧美综合| 国产探花极品一区二区| 欧美精品国产亚洲| 亚洲美女搞黄在线观看| 自拍偷自拍亚洲精品老妇| 最后的刺客免费高清国语| 99re6热这里在线精品视频| 国产男人的电影天堂91| 高清毛片免费看| 国产精品成人在线| 亚洲欧美中文字幕日韩二区| 国产精品无大码| 一区二区三区四区激情视频| 国产大屁股一区二区在线视频| 亚洲精品日韩av片在线观看| 亚洲欧美一区二区三区国产| 老司机影院毛片| 最近中文字幕高清免费大全6| 联通29元200g的流量卡| 精品久久久久久久久亚洲| 国产精品一区www在线观看| 国产高清不卡午夜福利| 午夜免费鲁丝| 国产又色又爽无遮挡免| 亚洲av福利一区| 国产深夜福利视频在线观看| 自拍偷自拍亚洲精品老妇| 在线免费十八禁| 九九在线视频观看精品| 国产高清有码在线观看视频| 免费看不卡的av| 爱豆传媒免费全集在线观看| 女的被弄到高潮叫床怎么办| 午夜福利在线在线| 五月天丁香电影| av福利片在线观看| 校园人妻丝袜中文字幕| 人人妻人人看人人澡| 黑人高潮一二区| 亚洲人成网站在线播| 中文字幕av成人在线电影| 久久久色成人| 精品国产一区二区三区久久久樱花 | 久久人人爽人人爽人人片va| 日日啪夜夜爽| 黄片wwwwww| 韩国av在线不卡| 成人毛片a级毛片在线播放| 国产在视频线精品| 亚洲经典国产精华液单| 日韩成人av中文字幕在线观看| 国产av一区二区精品久久 | 男人和女人高潮做爰伦理| 国产有黄有色有爽视频| 嫩草影院入口| 看十八女毛片水多多多| 少妇猛男粗大的猛烈进出视频| 色综合色国产| 日韩中字成人| 干丝袜人妻中文字幕| 亚洲精品日韩av片在线观看| 久久精品国产亚洲网站| 1000部很黄的大片| 性色avwww在线观看| 成人免费观看视频高清| 亚洲国产精品一区三区| 亚洲第一av免费看| 少妇人妻 视频| 亚洲精品456在线播放app| 日韩一本色道免费dvd| 欧美xxxx黑人xx丫x性爽| 国产成人freesex在线| 舔av片在线| 久久久精品免费免费高清| 18禁裸乳无遮挡动漫免费视频| 亚洲人成网站在线播| 自拍偷自拍亚洲精品老妇| 国产美女午夜福利| 99视频精品全部免费 在线| 欧美成人a在线观看| 日韩国内少妇激情av| 亚洲国产精品一区三区| 另类亚洲欧美激情| 精品久久久久久久久av| 国产一区有黄有色的免费视频| 丰满人妻一区二区三区视频av| 亚洲精品一区蜜桃| 精品国产三级普通话版| 欧美精品亚洲一区二区| av在线蜜桃| 你懂的网址亚洲精品在线观看| 少妇裸体淫交视频免费看高清| 国产精品不卡视频一区二区| a级毛片免费高清观看在线播放| 精品视频人人做人人爽| 777米奇影视久久| 亚洲精品一区蜜桃| 黄片wwwwww| 国产乱来视频区| 91午夜精品亚洲一区二区三区| 国产片特级美女逼逼视频| 性高湖久久久久久久久免费观看| 99九九线精品视频在线观看视频| 赤兔流量卡办理| 国国产精品蜜臀av免费| 精品视频人人做人人爽| 高清av免费在线| av在线老鸭窝| 99热网站在线观看| 成年av动漫网址| 日韩不卡一区二区三区视频在线| 国产v大片淫在线免费观看| 国产极品天堂在线| 51国产日韩欧美| 永久免费av网站大全| 老司机影院成人| 交换朋友夫妻互换小说| 色婷婷久久久亚洲欧美| 人妻夜夜爽99麻豆av| 99久国产av精品国产电影| 插逼视频在线观看| 国产在视频线精品| 九九在线视频观看精品| 性色avwww在线观看| 精品国产露脸久久av麻豆| 亚洲综合精品二区| 天堂中文最新版在线下载| 热99国产精品久久久久久7| 免费观看在线日韩| 国产亚洲精品久久久com| 午夜福利在线观看免费完整高清在| 一区二区三区乱码不卡18| 成人免费观看视频高清| 一二三四中文在线观看免费高清| 色综合色国产| 91精品伊人久久大香线蕉| 99re6热这里在线精品视频| 国产av国产精品国产| 性高湖久久久久久久久免费观看| 国产成人a∨麻豆精品| 亚洲成人av在线免费| 精品久久久精品久久久| 国产熟女欧美一区二区| 亚洲综合精品二区| 天堂中文最新版在线下载| 男人和女人高潮做爰伦理| 91久久精品电影网| 亚洲欧美中文字幕日韩二区| 男的添女的下面高潮视频| 在线 av 中文字幕| 在线观看av片永久免费下载| 国产中年淑女户外野战色| 精品人妻偷拍中文字幕| 51国产日韩欧美| 日韩av在线免费看完整版不卡| 水蜜桃什么品种好| 天天躁夜夜躁狠狠久久av| 午夜激情福利司机影院| 永久免费av网站大全| av女优亚洲男人天堂| 日韩av不卡免费在线播放| 亚洲精品成人av观看孕妇| 免费高清在线观看视频在线观看| 免费看av在线观看网站| 久久精品国产自在天天线| 纯流量卡能插随身wifi吗| 最黄视频免费看| 成年av动漫网址| 亚洲av男天堂| 亚洲人成网站高清观看| 九色成人免费人妻av| 国产av一区二区精品久久 | 久久午夜福利片| 老司机影院毛片| 美女cb高潮喷水在线观看| 大话2 男鬼变身卡| 久久久久精品性色| 91久久精品电影网| 亚洲欧美日韩另类电影网站 | 丰满乱子伦码专区| 91精品一卡2卡3卡4卡| 深爱激情五月婷婷| 久久鲁丝午夜福利片| 亚洲色图综合在线观看| 色综合色国产| 精品久久久久久久末码| 高清午夜精品一区二区三区| 99久国产av精品国产电影| 纵有疾风起免费观看全集完整版| 国产成人aa在线观看| 日产精品乱码卡一卡2卡三| 亚洲精品456在线播放app| 男女下面进入的视频免费午夜| 亚洲精品一区蜜桃| 各种免费的搞黄视频| 亚洲丝袜综合中文字幕| 成人影院久久| 十八禁网站网址无遮挡 | 午夜免费鲁丝| 国产黄片美女视频| 97热精品久久久久久| 午夜福利在线观看免费完整高清在| av女优亚洲男人天堂| 欧美亚洲 丝袜 人妻 在线| 久久久久久久国产电影| 中国三级夫妇交换| 日韩欧美一区视频在线观看 | 国产视频首页在线观看| 国产精品99久久久久久久久| 久久6这里有精品| 最近中文字幕2019免费版| 久久久久网色| 只有这里有精品99| 国产91av在线免费观看| 精品一区二区免费观看| 青春草视频在线免费观看| 激情 狠狠 欧美|