• <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 ?

    混合智能算法在需水預(yù)測(cè)模型中的應(yīng)用

    2012-10-13 09:04:12楊學(xué)軍
    海河水利 2012年6期
    關(guān)鍵詞:智能算法需水需水量

    王 哲,楊學(xué)軍,柳 林

    (海河水利委員會(huì)水文局,天津 300170)

    傳統(tǒng)需水預(yù)測(cè)方法適用于單一幾何增長(zhǎng)平穩(wěn)的序列,并不能反映需水預(yù)測(cè)中各影響因素之間的動(dòng)態(tài)相互制約關(guān)系。20世紀(jì)90年代至今,許多學(xué)者開(kāi)始研究支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等基于數(shù)據(jù)挖掘、運(yùn)用計(jì)算機(jī)智能技術(shù)的新方法,這些方法的良好預(yù)測(cè)性能得到了廣泛關(guān)注[1]。針對(duì)支持向量機(jī)模型(Support Vector Machine,簡(jiǎn)稱 SVM)在需水預(yù)測(cè)中一些關(guān)鍵參數(shù)如不敏感損失參數(shù)、核參數(shù)及懲罰系數(shù)等難以確定的問(wèn)題,提出了運(yùn)用混合智能算法優(yōu)化SVM的參數(shù),建立基于混合智能算法的需水預(yù)測(cè)模型,以減少參數(shù)選擇的盲目性,提高SVM的預(yù)測(cè)精度。

    1 基于混合智能算法的需水預(yù)測(cè)模型

    1.1 支持向量機(jī)

    支持向量機(jī)通過(guò)非線性映射將輸入向量從原空間映射到高維空間,在高維空間進(jìn)行線性回歸[2];同時(shí)運(yùn)用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則并利用原空間的核函數(shù)取代高維空間的點(diǎn)積運(yùn)算,使復(fù)雜的計(jì)算得以簡(jiǎn)化。

    最小二乘支持向量機(jī)(LS-SVM)將不等式約束替換為等式約束,且將誤差平方和損失函數(shù)作為訓(xùn)練集的經(jīng)驗(yàn)損失,簡(jiǎn)化了計(jì)算復(fù)雜性,求解速度相對(duì)加快[3]。

    LS-SVM的核函數(shù)包括徑向基函數(shù)(RBF)、多項(xiàng)式函數(shù)、Sigmoid函數(shù)等。由于徑向基核函數(shù)的泛化能力比較強(qiáng),因此采用徑向基核函數(shù),其形式如下:

    LS-SVM需要確定核參數(shù)(σ)和懲罰系數(shù)(c),而上述參數(shù)的確定缺乏有效參考依據(jù)和規(guī)則,盲目選擇參數(shù)降低了模型的預(yù)測(cè)精度。

    1.2 混合智能算法的基本思想

    粒子群算法(PSO)有記憶功能,所有粒子都會(huì)被保存,而遺傳算法(GA)在尋到最優(yōu)解的同時(shí)以前的粒子隨著種群的改變而被破壞。PSO是一種單項(xiàng)信息共享機(jī)制,僅通過(guò)當(dāng)前搜索到最優(yōu)點(diǎn)進(jìn)行信息共享;而GA則在整個(gè)種群染色體之間互相共享信息,整個(gè)種群較均勻地向最優(yōu)域移動(dòng)[4]。因此,基于遺傳和粒子群的混合智能算法將粒子群算法與遺傳算法相融合,汲取2種算法的優(yōu)點(diǎn),克服各自的缺陷,以使其在時(shí)間效率上優(yōu)于遺傳算法,在求精確解效率上優(yōu)于粒子群算法。

    混合智能算法的基本思想是利用粒子群算法并行性、記憶能力以及良好的全局尋優(yōu)能力,避免搜索陷入局部最優(yōu),同時(shí)借鑒遺傳算法中的進(jìn)化思想,利用雜交、變異算子來(lái)進(jìn)行局部尋優(yōu),使其能快速搜索到全局最優(yōu)點(diǎn)。在搜索解的過(guò)程中通過(guò)雜交操作加強(qiáng)了對(duì)粒子間區(qū)域的搜索能力以利用現(xiàn)有而未能合理利用的信息產(chǎn)生更好的解;引入變異操作產(chǎn)生新的解以增加種群的多樣性從而減少陷入局部最優(yōu)的可能性,避免進(jìn)化過(guò)程在早期就陷入局部解而進(jìn)入終止過(guò)程,使之在盡可能大的空間中獲得質(zhì)量較高的優(yōu)化解。

    1.3 基于混合智能算法的LS-SVM參數(shù)選取

    在LS-SVM求解中,懲罰系數(shù) 、核函數(shù)及其參數(shù)的選擇對(duì)模型的學(xué)習(xí)精度和泛化能力的好壞起著決定性作用[5]。

    (1)選擇核函數(shù):研究和實(shí)驗(yàn)表明,RBF是比較好的選擇。本文亦采用RBF作為核函數(shù)。

    (2)懲罰系數(shù)(c):c值較大則允許的誤差較小,c值較小則允許較大的誤差,c值過(guò)大或過(guò)小都會(huì)使系統(tǒng)的泛化性能變差。一般選擇c?[0.1 50 000]。

    (3)核參數(shù)(σ):控制最終解的復(fù)雜性。樣本輸入范圍廣,σ取值大;反之,則σ取值小。σ取值太大或太小亦會(huì)使系統(tǒng)的泛化性能變差。一般選擇σ?[0.01 100]。

    參數(shù)c、σ,特別是它們之間的相互影響關(guān)系對(duì)LS-SVM模型的復(fù)雜度、泛化性影響很大[6]。在參數(shù)選擇時(shí)除了對(duì)單個(gè)參數(shù)進(jìn)行優(yōu)化還應(yīng)綜合考慮這2個(gè)參數(shù)形成的參數(shù)對(duì),這樣逐一的選取方法既費(fèi)時(shí)也不科學(xué)。而且選取出的較優(yōu)解,雖然花費(fèi)了很多時(shí)間,得到的結(jié)果也不一定是最優(yōu)的。為此,筆者采用混合智能算法實(shí)現(xiàn)對(duì)LS-SVM模型的核參數(shù)(σ)和懲罰系數(shù)(c)聯(lián)合優(yōu)選。

    在優(yōu)選過(guò)程中雖然可以任意指定參數(shù)訓(xùn)練LSSVM計(jì)算訓(xùn)練誤差,以此時(shí)訓(xùn)練誤差為適應(yīng)值,但是這樣容易使模型過(guò)度擬合而削弱了模型的泛化能力。最典型的解決方法為使用交互驗(yàn)證技術(shù)(Crossvalidation)。適應(yīng)度函數(shù)為求取訓(xùn)練數(shù)據(jù)集交叉驗(yàn)證MAPE(Mean Absolute Percent Error)的最小值,即:

    式中:k為總訓(xùn)練樣本子集數(shù),一般取k=5或10;yi為第i個(gè)實(shí)際值向量;y?i為預(yù)測(cè)值向量。

    筆者提出的基于混合智能優(yōu)化算法的需水預(yù)測(cè)模型,即以最小化訓(xùn)練數(shù)據(jù)集的交叉驗(yàn)證誤差為基礎(chǔ),搜尋最佳化的SVM回歸參數(shù)值,以期能避開(kāi)產(chǎn)生過(guò)度擬合的風(fēng)險(xiǎn),提高LS-SVM預(yù)測(cè)模型的準(zhǔn)確度。

    1.4 基于混合智能算法的LS-SVM需水預(yù)測(cè)模型

    根據(jù)社會(huì)經(jīng)濟(jì)需水影響因素的分析,可知影響需水量的因素有很多,如人口、經(jīng)濟(jì)發(fā)展水平、居民生活水平、水價(jià)、節(jié)水水平、產(chǎn)業(yè)結(jié)構(gòu)等。這些因素有一些是不確定的,有一些是隨時(shí)間變化的。設(shè)需水量為因變量,影響因素為自變量,則以下式作為描述需水量預(yù)測(cè)的數(shù)學(xué)模型,即:

    式中:y 為需水量;x1,x2,…,xm代表的是影響需水量因素。

    影響需水量的因素繁多且需水用水影響因素之間關(guān)系復(fù)雜,因此采用LS-SVM來(lái)擬合式(3)。需水量的預(yù)測(cè)問(wèn)題轉(zhuǎn)化為由m個(gè)影響變量和1個(gè)輸出量的回歸問(wèn)題?;诨旌现悄芩惴▋?yōu)化LS-SVM的需水量預(yù)測(cè)建模步驟如下:

    (1)確定需水量影響因素。將需水量影響因素輸入模型,需水量為模型的輸出量[7]。將觀測(cè)數(shù)據(jù)分成兩部分,一部分?jǐn)?shù)據(jù)作為訓(xùn)練樣本進(jìn)行參數(shù)估計(jì),剩余數(shù)據(jù)用于預(yù)測(cè)檢驗(yàn),記輸入矢量為X,則:

    式中:m為影響需水量的主要因素個(gè)數(shù)。模型輸出為需水量數(shù)據(jù) Y=[yi]1×n。

    (2)將輸入變量、輸出變量進(jìn)行歸一化處理。(3)對(duì)模型參數(shù)c和σ進(jìn)行優(yōu)選。

    步驟1:初始化。每個(gè)粒子由2維參數(shù)組成(c,σ),設(shè)置群體規(guī)模(N)、最大迭代次數(shù)(itermax),隨機(jī)給出初始粒子和粒子初始速度,設(shè)定學(xué)習(xí)因子(c1和c2),給定算法的最大、最小慣性權(quán)值因子 (wmax和wmin),變異概率(p0),行為選擇概率(p1),模式搜索步長(zhǎng)(bc)及誤差(eps)。

    步驟2:評(píng)價(jià)種群。以適應(yīng)度值評(píng)價(jià)粒子的優(yōu)劣,粒子的適應(yīng)度函數(shù)值越小,則粒子性能越好[8]。采用粒子個(gè)體對(duì)應(yīng)的c和σ,建立支持向量機(jī)的學(xué)習(xí)預(yù)測(cè)模型,按式(1)計(jì)算每個(gè)個(gè)體的適應(yīng)值。

    步驟3:更新每個(gè)粒子的位置和速度。根據(jù)行為選擇概率(p1),進(jìn)行交叉操作和模式搜索,并且考慮更新后的速度和位置是否在限定的范圍內(nèi)。

    步驟4:判斷進(jìn)化是否停滯。若是,則按變異概率(p0)對(duì)粒子群中的粒子進(jìn)行重新初始化;否則,轉(zhuǎn)入下步。

    步驟5:檢查結(jié)束條件。若比較次數(shù)或者精度值滿足預(yù)設(shè)精度,算法收斂,最后1次迭代的最優(yōu)值即為所求最優(yōu)值,尋優(yōu)結(jié)束;否則t=t+1,轉(zhuǎn)至步驟2,算法繼續(xù)迭代。

    (4)將最優(yōu)參數(shù)向量(c、σ)賦予 LS-SVM,用樣本數(shù)據(jù)對(duì)LS-SVM模型進(jìn)行訓(xùn)練,得到2個(gè)支持向量(a和b)的值。進(jìn)而預(yù)測(cè)樣本進(jìn)行預(yù)測(cè),通過(guò)與實(shí)測(cè)需水量進(jìn)行比較,進(jìn)行模型校驗(yàn)。

    (5)最后,用該支持向量機(jī)回歸模型進(jìn)行需水量預(yù)測(cè)。

    2 實(shí)例研究

    將基于混合智能算法優(yōu)化LS-SVM的需水預(yù)測(cè)模型運(yùn)用于秦皇島市第二產(chǎn)業(yè)需水預(yù)測(cè)過(guò)程中,選取與用水量相關(guān)性較好、又能衡量需水情況的因子:工業(yè)產(chǎn)值、工業(yè)規(guī)模以上產(chǎn)值、工業(yè)規(guī)模以下產(chǎn)值、火核電產(chǎn)值、工業(yè)水重復(fù)利用率、建筑業(yè)產(chǎn)值、水價(jià),以2000—2005年調(diào)查數(shù)據(jù)為基礎(chǔ)建立基于混合智能算法的支持向量機(jī)預(yù)測(cè)模型,預(yù)測(cè)2006、2007年秦皇島市第二產(chǎn)業(yè)需水量。

    利用模型針對(duì)上述學(xué)習(xí)樣本進(jìn)行秦皇島市第二產(chǎn)業(yè)需水量預(yù)測(cè)。能否合理確定LS-SVM的懲罰系數(shù)(c)和核參數(shù)(σ)直接影響到模型的精度和推廣能力,筆者通過(guò)混合智能算法優(yōu)化LS-SVM參數(shù)對(duì)(c,σ)。取群體規(guī)模為60,最大進(jìn)化次數(shù)為200,粒子的向量維數(shù)為2,PSO加速常數(shù)c1=c2=1.5,慣性權(quán)重(ω)由 0.9 線性變化到 0.4,選擇概率(P1)為0.5,變異概率(P0)為 0.1。 模型計(jì)算參數(shù)結(jié)果,見(jiàn)表1。

    通過(guò)對(duì)參數(shù)的搜索,第87代出現(xiàn)了最佳適應(yīng)值,其值為MAPE=3.669 5。因此,把第87代的最佳個(gè)體作為最佳化參數(shù)值,此時(shí)的參數(shù)值分別為c=963、σ=0.274 1,將此參數(shù)組合帶入預(yù)測(cè)模型中,對(duì)秦皇島市2006—2007年第二產(chǎn)業(yè)用水進(jìn)行預(yù)測(cè)。

    表1 模型計(jì)算參數(shù)結(jié)果

    表2 實(shí)際值與預(yù)測(cè)值對(duì)比

    圖1 模型實(shí)際值、擬合值與預(yù)測(cè)值對(duì)比

    由表2和圖1可以看出,模型計(jì)算的擬合值和預(yù)測(cè)值與秦皇島市的第二產(chǎn)業(yè)實(shí)際用水吻合較好。通過(guò)統(tǒng)計(jì)分析,2000—2005年的擬合部分最大相對(duì)誤差為0.025 23%,平均相對(duì)誤差為0.009%;2006—2007年的預(yù)測(cè)部分,最大相對(duì)誤差為1.457 82%,平均相對(duì)誤差為1.373 68%,均小于5%。由此可見(jiàn),利用該模型預(yù)測(cè)秦皇島市第二產(chǎn)業(yè)需水發(fā)展的結(jié)果是令人滿意的,具有較高預(yù)測(cè)精度。

    3 結(jié)語(yǔ)

    (1)基于混合智能算法優(yōu)化LS-SVM的需水預(yù)測(cè)模型能夠快速地尋優(yōu),該方法較單一智能算法具有一定的優(yōu)越性。

    (2)研究實(shí)例表明,筆者建立的優(yōu)化模型能夠解決復(fù)雜關(guān)系的多因素影響因子的需水預(yù)測(cè)問(wèn)題,預(yù)測(cè)模型擬合精度較高,預(yù)測(cè)結(jié)果較合理。

    (3)針對(duì)預(yù)測(cè)結(jié)果存在誤差的問(wèn)題,在今后的運(yùn)用過(guò)程中需加大樣本容量,以便提高預(yù)測(cè)的準(zhǔn)確性。

    [1]劉衛(wèi)林.幾種需水量預(yù)測(cè)模型的比較研究 [J].人民長(zhǎng)江,2011,42(13):19-22.

    [2]張偉,吳丹,李小奇,等.基于最小二乘支持向量機(jī)的大壩應(yīng)力預(yù)測(cè)模型[J].水利與建筑工程學(xué)報(bào),2011(1):26-29.

    [3]熊偉麗,徐保國(guó).基于PSO的SVR參數(shù)優(yōu)化選擇方法研究 [J].系統(tǒng)仿真學(xué)報(bào),2006(9):22-26.

    [4]曹成濤,徐建閩 .基于PSO-SVM的短期交通流預(yù)測(cè)方法[J].計(jì)算機(jī)工程與應(yīng)用,2007(15):15-18.

    [5]梅松,程偉平,劉國(guó)華.基于支持向量機(jī)的洪水預(yù)報(bào)模型初探[J].中國(guó)農(nóng)村水利水電, 2005(3):34-36.

    [6]Yu X Y,Liong S Y,Babovic V.EC-SVM approach for realtime hydrologic forecasting[J].Journal of Hydroinformatics,2004,6(3):209-223.

    [7]陳磊,張土喬.基于最小二乘支持向量機(jī)的時(shí)用水量預(yù)測(cè)模型[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2006,38(9):1528-1530.

    [8]鐘偉,董增川,李琪.混合算法優(yōu)化投影尋蹤模型的需水預(yù)測(cè)研究[J].水電能源科學(xué),2010,28(7):31-33.

    猜你喜歡
    智能算法需水需水量
    神經(jīng)網(wǎng)絡(luò)智能算法在發(fā)電機(jī)主絕緣狀態(tài)評(píng)估領(lǐng)域的應(yīng)用
    基于超像素的圖像智能算法在礦物顆粒分割中的應(yīng)用
    南京城市中心區(qū)生態(tài)需水量探析
    新立城水庫(kù)生態(tài)需水及調(diào)度研究
    從雞群算法看群體智能算法的發(fā)展趨勢(shì)
    建平縣生態(tài)需水保障程度研究
    組合預(yù)測(cè)模型在區(qū)域需水量預(yù)測(cè)中的應(yīng)用
    改進(jìn)的多目標(biāo)快速群搜索算法的應(yīng)用
    帕滿灌區(qū)供需水量平衡分析
    大洋河生態(tài)需水量分析與評(píng)價(jià)
    日韩欧美一区二区三区在线观看 | 美女国产高潮福利片在线看| av有码第一页| 欧美日韩黄片免| 丝袜人妻中文字幕| 99re6热这里在线精品视频| 午夜福利乱码中文字幕| 另类精品久久| av国产精品久久久久影院| aaaaa片日本免费| 国产亚洲精品久久久久5区| 日韩成人在线观看一区二区三区| 免费日韩欧美在线观看| 一区二区三区国产精品乱码| 午夜免费鲁丝| 久久久久视频综合| 日本av免费视频播放| 欧美精品一区二区大全| 最近最新中文字幕大全免费视频| 99在线人妻在线中文字幕 | 2018国产大陆天天弄谢| 麻豆国产av国片精品| 一个人免费在线观看的高清视频| 80岁老熟妇乱子伦牲交| 午夜福利一区二区在线看| 亚洲全国av大片| 国产成人av激情在线播放| 男女下面插进去视频免费观看| 好男人电影高清在线观看| 在线十欧美十亚洲十日本专区| 国产精品成人在线| 亚洲欧美色中文字幕在线| 超碰97精品在线观看| 青青草视频在线视频观看| 这个男人来自地球电影免费观看| 天堂动漫精品| 久久狼人影院| 一区二区三区激情视频| 757午夜福利合集在线观看| av国产精品久久久久影院| 最新的欧美精品一区二区| 国产在线观看jvid| 精品第一国产精品| 国产麻豆69| 国产单亲对白刺激| 亚洲综合色网址| 国产成人免费观看mmmm| 国产欧美日韩一区二区精品| 亚洲人成电影免费在线| 国产国语露脸激情在线看| 极品人妻少妇av视频| 最新在线观看一区二区三区| 一级片免费观看大全| 一边摸一边抽搐一进一小说 | 亚洲国产看品久久| 免费少妇av软件| 亚洲精品久久成人aⅴ小说| 在线永久观看黄色视频| 十八禁高潮呻吟视频| 欧美日韩亚洲高清精品| 欧美+亚洲+日韩+国产| 999久久久精品免费观看国产| 亚洲精品中文字幕在线视频| 好男人电影高清在线观看| 午夜精品国产一区二区电影| 亚洲av成人不卡在线观看播放网| 999久久久精品免费观看国产| 精品亚洲乱码少妇综合久久| 久久久久久人人人人人| 精品国产亚洲在线| 亚洲欧美精品综合一区二区三区| 亚洲欧美精品综合一区二区三区| 纯流量卡能插随身wifi吗| 亚洲av成人不卡在线观看播放网| 亚洲成人免费av在线播放| 久久久久网色| 不卡av一区二区三区| 久久国产亚洲av麻豆专区| 日日摸夜夜添夜夜添小说| 日日夜夜操网爽| 精品一区二区三区av网在线观看 | 亚洲av电影在线进入| 久久精品熟女亚洲av麻豆精品| 欧美av亚洲av综合av国产av| 女人高潮潮喷娇喘18禁视频| 天天躁日日躁夜夜躁夜夜| 国产精品一区二区免费欧美| 人妻久久中文字幕网| 中文字幕色久视频| 国产熟女午夜一区二区三区| 亚洲av欧美aⅴ国产| 国产亚洲精品久久久久5区| 国产三级黄色录像| 精品乱码久久久久久99久播| 国产精品国产av在线观看| 一进一出好大好爽视频| 中文字幕人妻丝袜一区二区| 视频在线观看一区二区三区| 国产亚洲欧美精品永久| 欧美人与性动交α欧美软件| 日本五十路高清| 叶爱在线成人免费视频播放| 考比视频在线观看| 国产单亲对白刺激| 日韩大片免费观看网站| 国产一区二区三区综合在线观看| 他把我摸到了高潮在线观看 | 国产精品久久久av美女十八| 十八禁网站网址无遮挡| 在线观看免费日韩欧美大片| 91大片在线观看| 国产精品国产高清国产av | 50天的宝宝边吃奶边哭怎么回事| 色综合婷婷激情| 亚洲中文日韩欧美视频| 水蜜桃什么品种好| 韩国精品一区二区三区| 自线自在国产av| 一本大道久久a久久精品| 亚洲av片天天在线观看| 18禁黄网站禁片午夜丰满| 黄色片一级片一级黄色片| 亚洲国产欧美一区二区综合| 精品熟女少妇八av免费久了| 99久久精品国产亚洲精品| 国产男女内射视频| 免费久久久久久久精品成人欧美视频| 高潮久久久久久久久久久不卡| 午夜福利视频精品| 国产精品久久久久久精品电影小说| 9191精品国产免费久久| av一本久久久久| av天堂久久9| 亚洲色图综合在线观看| 超碰成人久久| 成人特级黄色片久久久久久久 | 国产1区2区3区精品| 国产精品欧美亚洲77777| av网站在线播放免费| 三级毛片av免费| 在线观看免费午夜福利视频| 成在线人永久免费视频| 国产日韩欧美在线精品| 不卡一级毛片| 一二三四在线观看免费中文在| 人人澡人人妻人| 国产高清videossex| 免费av中文字幕在线| 国产单亲对白刺激| 午夜老司机福利片| 成年女人毛片免费观看观看9 | 国产老妇伦熟女老妇高清| 精品国产国语对白av| 女人爽到高潮嗷嗷叫在线视频| 欧美国产精品一级二级三级| 亚洲av成人一区二区三| 亚洲三区欧美一区| 欧美黄色片欧美黄色片| 麻豆av在线久日| 1024视频免费在线观看| 成年女人毛片免费观看观看9 | 成人黄色视频免费在线看| 最新在线观看一区二区三区| 国产精品久久久久成人av| 精品亚洲成国产av| 国产成人精品久久二区二区91| 夜夜夜夜夜久久久久| 久久午夜综合久久蜜桃| 久热爱精品视频在线9| 日韩 欧美 亚洲 中文字幕| 男女之事视频高清在线观看| 日韩大片免费观看网站| 欧美人与性动交α欧美软件| 一区福利在线观看| 亚洲av国产av综合av卡| 亚洲精品国产一区二区精华液| 国产成人啪精品午夜网站| 精品一品国产午夜福利视频| 国产亚洲精品第一综合不卡| 国产无遮挡羞羞视频在线观看| 亚洲国产中文字幕在线视频| 亚洲av欧美aⅴ国产| 中国美女看黄片| 欧美日韩福利视频一区二区| 国产极品粉嫩免费观看在线| 老司机福利观看| 国产人伦9x9x在线观看| 色综合婷婷激情| 亚洲午夜理论影院| 两性午夜刺激爽爽歪歪视频在线观看 | 老汉色∧v一级毛片| 一级黄色大片毛片| 成人av一区二区三区在线看| 成人特级黄色片久久久久久久 | 黑人猛操日本美女一级片| 18禁裸乳无遮挡动漫免费视频| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲国产欧美在线一区| 人人澡人人妻人| 人妻 亚洲 视频| 久久狼人影院| 欧美日韩亚洲综合一区二区三区_| 三级毛片av免费| 午夜福利影视在线免费观看| 男女无遮挡免费网站观看| 亚洲精品国产精品久久久不卡| 黄片大片在线免费观看| 啦啦啦中文免费视频观看日本| 少妇精品久久久久久久| 又大又爽又粗| 国产av国产精品国产| 日韩 欧美 亚洲 中文字幕| 69精品国产乱码久久久| 亚洲色图av天堂| 国产一区二区激情短视频| 久久久国产成人精品二区| 成人永久免费在线观看视频| 五月伊人婷婷丁香| 一本久久中文字幕| 亚洲午夜理论影院| 美女大奶头视频| 欧美日本亚洲视频在线播放| 综合色av麻豆| 免费看十八禁软件| netflix在线观看网站| 国产一区在线观看成人免费| cao死你这个sao货| 两个人看的免费小视频| 我的老师免费观看完整版| 午夜a级毛片| 久久久久国内视频| 中文字幕久久专区| 午夜影院日韩av| 黄片小视频在线播放| 18美女黄网站色大片免费观看| 婷婷丁香在线五月| 精品国产亚洲在线| 欧美性猛交黑人性爽| 日韩有码中文字幕| 天堂av国产一区二区熟女人妻| 18禁观看日本| 久久中文字幕一级| 国产人伦9x9x在线观看| 欧美精品啪啪一区二区三区| 美女午夜性视频免费| 免费人成视频x8x8入口观看| 国产成人啪精品午夜网站| 一个人看的www免费观看视频| 久久精品国产亚洲av香蕉五月| 亚洲精品久久国产高清桃花| 日日夜夜操网爽| 久久久久久人人人人人| 亚洲无线在线观看| 欧美日韩一级在线毛片| 韩国av一区二区三区四区| 色哟哟哟哟哟哟| 噜噜噜噜噜久久久久久91| 免费在线观看成人毛片| 亚洲国产欧美网| 久久国产乱子伦精品免费另类| 免费人成视频x8x8入口观看| 观看免费一级毛片| 免费在线观看影片大全网站| 免费看美女性在线毛片视频| 校园春色视频在线观看| 成人av一区二区三区在线看| 国产精品九九99| 女警被强在线播放| 国产1区2区3区精品| 国产三级在线视频| 99国产综合亚洲精品| www国产在线视频色| 在线观看免费视频日本深夜| 亚洲熟妇中文字幕五十中出| 欧美中文日本在线观看视频| 特级一级黄色大片| 国产91精品成人一区二区三区| av女优亚洲男人天堂 | 色噜噜av男人的天堂激情| 日本一二三区视频观看| 久久久久免费精品人妻一区二区| 男女下面进入的视频免费午夜| 国产精华一区二区三区| 中文字幕高清在线视频| 一区福利在线观看| 欧美成狂野欧美在线观看| 99国产精品99久久久久| 欧美日本亚洲视频在线播放| 国产淫片久久久久久久久 | 国产亚洲精品久久久久久毛片| 日韩欧美国产一区二区入口| 久久精品国产亚洲av香蕉五月| 免费观看的影片在线观看| 麻豆一二三区av精品| 波多野结衣巨乳人妻| 中文亚洲av片在线观看爽| 99re在线观看精品视频| 少妇裸体淫交视频免费看高清| 在线免费观看不下载黄p国产 | 日本黄大片高清| 日韩精品青青久久久久久| 亚洲成人中文字幕在线播放| 老鸭窝网址在线观看| 亚洲第一欧美日韩一区二区三区| 亚洲avbb在线观看| 亚洲av成人一区二区三| 三级男女做爰猛烈吃奶摸视频| 国产精品综合久久久久久久免费| 精华霜和精华液先用哪个| 国产精品日韩av在线免费观看| a级毛片在线看网站| 国产美女午夜福利| 观看免费一级毛片| 手机成人av网站| 国产三级中文精品| 欧美黄色片欧美黄色片| 岛国在线免费视频观看| 久99久视频精品免费| 亚洲欧美日韩高清在线视频| 我的老师免费观看完整版| 久久久水蜜桃国产精品网| 性欧美人与动物交配| 日韩国内少妇激情av| 看免费av毛片| 国产真人三级小视频在线观看| www.www免费av| 91老司机精品| 国产三级中文精品| 日韩高清综合在线| 亚洲国产日韩欧美精品在线观看 | 一区福利在线观看| 操出白浆在线播放| 国产伦在线观看视频一区| 久久久久久久久久黄片| 日本黄色片子视频| 国产精品国产高清国产av| 亚洲熟妇中文字幕五十中出| 熟女人妻精品中文字幕| 国产精品国产高清国产av| 免费高清视频大片| 在线播放国产精品三级| 国产精品久久久久久精品电影| 精品99又大又爽又粗少妇毛片 | 国产成人啪精品午夜网站| 精华霜和精华液先用哪个| 国产精品亚洲av一区麻豆| av天堂在线播放| 久久这里只有精品19| 国产精品综合久久久久久久免费| bbb黄色大片| 精品电影一区二区在线| 一级作爱视频免费观看| 午夜视频精品福利| 女警被强在线播放| 99国产极品粉嫩在线观看| 久9热在线精品视频| 99精品在免费线老司机午夜| 好男人电影高清在线观看| 97超视频在线观看视频| 母亲3免费完整高清在线观看| 夜夜夜夜夜久久久久| 一级毛片女人18水好多| 两个人的视频大全免费| 亚洲激情在线av| 欧美乱妇无乱码| 国产精品野战在线观看| 大型黄色视频在线免费观看| 国产精品一及| 久久精品91无色码中文字幕| 国产v大片淫在线免费观看| 国产高清videossex| 国产精品99久久久久久久久| 最近最新中文字幕大全电影3| 亚洲欧美日韩东京热| 村上凉子中文字幕在线| 国产精品爽爽va在线观看网站| 1024手机看黄色片| 两个人看的免费小视频| 国产精品亚洲一级av第二区| 一区福利在线观看| 久久久精品欧美日韩精品| 国产成人一区二区三区免费视频网站| 欧美极品一区二区三区四区| 日本熟妇午夜| 国产精品香港三级国产av潘金莲| 成在线人永久免费视频| 中出人妻视频一区二区| 日韩精品中文字幕看吧| 99久久精品热视频| 午夜精品在线福利| 免费一级毛片在线播放高清视频| 又粗又爽又猛毛片免费看| 性色av乱码一区二区三区2| 国产成人啪精品午夜网站| 亚洲中文字幕一区二区三区有码在线看 | 岛国在线观看网站| 变态另类丝袜制服| 中出人妻视频一区二区| 人人妻人人澡欧美一区二区| 在线观看午夜福利视频| 国产精品一区二区三区四区免费观看 | 狠狠狠狠99中文字幕| 亚洲欧美日韩高清在线视频| 久久亚洲精品不卡| 在线观看免费午夜福利视频| 熟女电影av网| 中亚洲国语对白在线视频| 亚洲国产日韩欧美精品在线观看 | 亚洲乱码一区二区免费版| 性色avwww在线观看| 搞女人的毛片| 最近视频中文字幕2019在线8| 99热这里只有是精品50| 国产蜜桃级精品一区二区三区| 日本黄色片子视频| 老熟妇仑乱视频hdxx| 这个男人来自地球电影免费观看| 亚洲自偷自拍图片 自拍| 亚洲中文av在线| 99久久成人亚洲精品观看| 成人国产一区最新在线观看| 欧美色视频一区免费| 一本综合久久免费| 亚洲国产欧美人成| 免费看光身美女| av天堂在线播放| 中国美女看黄片| 午夜福利在线观看免费完整高清在 | 欧美av亚洲av综合av国产av| 亚洲国产精品久久男人天堂| cao死你这个sao货| 亚洲精品一卡2卡三卡4卡5卡| 免费看美女性在线毛片视频| 国产乱人伦免费视频| 男人的好看免费观看在线视频| 国产午夜福利久久久久久| 熟女人妻精品中文字幕| 男女午夜视频在线观看| 午夜成年电影在线免费观看| 丰满人妻一区二区三区视频av | 亚洲自偷自拍图片 自拍| 啪啪无遮挡十八禁网站| 国产一区二区三区视频了| bbb黄色大片| 色在线成人网| 国产精品永久免费网站| 少妇人妻一区二区三区视频| 无人区码免费观看不卡| 夜夜看夜夜爽夜夜摸| 一夜夜www| 看黄色毛片网站| 啦啦啦免费观看视频1| 精品久久久久久久末码| 欧美高清成人免费视频www| 国产一区在线观看成人免费| 18美女黄网站色大片免费观看| 少妇熟女aⅴ在线视频| 偷拍熟女少妇极品色| 小蜜桃在线观看免费完整版高清| 国产成年人精品一区二区| 级片在线观看| 午夜a级毛片| 成熟少妇高潮喷水视频| 在线视频色国产色| xxxwww97欧美| 成人国产一区最新在线观看| av女优亚洲男人天堂 | 青草久久国产| 中文亚洲av片在线观看爽| 色精品久久人妻99蜜桃| 婷婷精品国产亚洲av| 啪啪无遮挡十八禁网站| 国产精品一区二区三区四区免费观看 | 深夜精品福利| 9191精品国产免费久久| 最近最新免费中文字幕在线| 国产高清视频在线播放一区| 欧美丝袜亚洲另类 | 欧美一级a爱片免费观看看| 色综合站精品国产| 欧美不卡视频在线免费观看| 1024手机看黄色片| 亚洲国产精品999在线| www.熟女人妻精品国产| 国产成人福利小说| 欧美精品啪啪一区二区三区| 香蕉国产在线看| 亚洲 国产 在线| 色综合欧美亚洲国产小说| 97超视频在线观看视频| 中文资源天堂在线| 这个男人来自地球电影免费观看| 97碰自拍视频| 欧美国产日韩亚洲一区| 琪琪午夜伦伦电影理论片6080| 欧美绝顶高潮抽搐喷水| 禁无遮挡网站| 波多野结衣高清无吗| 特大巨黑吊av在线直播| 一二三四社区在线视频社区8| 国产精品亚洲美女久久久| 在线观看午夜福利视频| 国产精品影院久久| 高清在线国产一区| 亚洲国产欧洲综合997久久,| 成人永久免费在线观看视频| 男插女下体视频免费在线播放| 国产精品影院久久| 国产精品 欧美亚洲| 久久香蕉国产精品| 婷婷亚洲欧美| 欧美日韩一级在线毛片| avwww免费| 日韩大尺度精品在线看网址| 亚洲七黄色美女视频| 日本黄色视频三级网站网址| 亚洲一区高清亚洲精品| 亚洲av美国av| 韩国av一区二区三区四区| 这个男人来自地球电影免费观看| 好男人电影高清在线观看| 蜜桃久久精品国产亚洲av| 床上黄色一级片| 久久久久国产精品人妻aⅴ院| 最近在线观看免费完整版| 美女大奶头视频| 国产成人av激情在线播放| 我要搜黄色片| 欧美日韩黄片免| 久久草成人影院| 99热只有精品国产| 搞女人的毛片| 最近在线观看免费完整版| 色在线成人网| 久久久精品大字幕| а√天堂www在线а√下载| 国产一级毛片七仙女欲春2| 又爽又黄无遮挡网站| 国产成年人精品一区二区| 特级一级黄色大片| tocl精华| 国产不卡一卡二| 精品国产乱子伦一区二区三区| 亚洲av第一区精品v没综合| 老汉色∧v一级毛片| 精品日产1卡2卡| 麻豆国产97在线/欧美| 欧美精品啪啪一区二区三区| 欧美日韩一级在线毛片| 婷婷六月久久综合丁香| 亚洲成av人片在线播放无| 久久久久九九精品影院| 欧美av亚洲av综合av国产av| 人妻丰满熟妇av一区二区三区| 岛国在线免费视频观看| 18禁观看日本| 精品久久久久久久久久久久久| 九九热线精品视视频播放| 麻豆成人av在线观看| 成年免费大片在线观看| 国产精品一区二区三区四区久久| 岛国在线观看网站| 18禁黄网站禁片午夜丰满| 日韩欧美一区二区三区在线观看| 久久久久免费精品人妻一区二区| 青草久久国产| 日韩 欧美 亚洲 中文字幕| 天堂av国产一区二区熟女人妻| 麻豆av在线久日| 国产野战对白在线观看| 日本一本二区三区精品| 91在线精品国自产拍蜜月 | 90打野战视频偷拍视频| 午夜两性在线视频| 性欧美人与动物交配| 99在线人妻在线中文字幕| 一个人看的www免费观看视频| 亚洲人成伊人成综合网2020| 欧美黄色片欧美黄色片| 又黄又爽又免费观看的视频| 在线免费观看不下载黄p国产 | 91九色精品人成在线观看| 亚洲成av人片免费观看| av国产免费在线观看| 国产伦精品一区二区三区四那| 18美女黄网站色大片免费观看| 午夜福利18| 99热精品在线国产| 色精品久久人妻99蜜桃| 久久久国产欧美日韩av| 国产激情欧美一区二区| 一边摸一边抽搐一进一小说| 久久久国产欧美日韩av| 啦啦啦观看免费观看视频高清| 天天躁日日操中文字幕| 国产三级在线视频| 看免费av毛片| 麻豆av在线久日| 成人三级黄色视频| 日日夜夜操网爽| 这个男人来自地球电影免费观看| 美女大奶头视频| 成人精品一区二区免费| 男插女下体视频免费在线播放| 99re在线观看精品视频| 一区二区三区国产精品乱码| 母亲3免费完整高清在线观看| 男人舔女人的私密视频| 两个人看的免费小视频| 国产成人精品久久二区二区91| 一进一出抽搐gif免费好疼| 国产人伦9x9x在线观看| 最近最新中文字幕大全免费视频| 波多野结衣高清无吗| 国内精品久久久久精免费|