• <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)
    国产精品影院久久| av中文乱码字幕在线| 最近最新免费中文字幕在线| 精品乱码久久久久久99久播| 国产高清激情床上av| 999精品在线视频| 侵犯人妻中文字幕一二三四区| 侵犯人妻中文字幕一二三四区| 成人精品一区二区免费| 无限看片的www在线观看| 精品高清国产在线一区| 国产精品电影一区二区三区 | 丁香欧美五月| 成人免费观看视频高清| 电影成人av| 成人亚洲精品一区在线观看| 麻豆av在线久日| 中文字幕人妻熟女乱码| av天堂久久9| 搡老熟女国产l中国老女人| 日韩中文字幕欧美一区二区| 欧美av亚洲av综合av国产av| 午夜免费观看网址| 国产伦人伦偷精品视频| 青草久久国产| 欧美日韩亚洲国产一区二区在线观看 | 母亲3免费完整高清在线观看| 亚洲熟女精品中文字幕| 欧美精品av麻豆av| 国产在视频线精品| 精品电影一区二区在线| 99精品欧美一区二区三区四区| 天堂中文最新版在线下载| 男人操女人黄网站| 婷婷丁香在线五月| 精品卡一卡二卡四卡免费| 中文亚洲av片在线观看爽 | 91国产中文字幕| 日本一区二区免费在线视频| 夜夜躁狠狠躁天天躁| 久久久久国产精品人妻aⅴ院 | 露出奶头的视频| 嫁个100分男人电影在线观看| 交换朋友夫妻互换小说| 精品人妻1区二区| 两个人免费观看高清视频| 国产欧美亚洲国产| 成人手机av| 亚洲精品国产色婷婷电影| 亚洲国产欧美网| 亚洲欧美日韩另类电影网站| 日韩欧美国产一区二区入口| 国产精品.久久久| 18禁裸乳无遮挡免费网站照片 | 国产欧美日韩综合在线一区二区| 成人三级做爰电影| 亚洲 欧美一区二区三区| 国产精品一区二区精品视频观看| 女人高潮潮喷娇喘18禁视频| 日韩中文字幕欧美一区二区| 999久久久国产精品视频| 国产一区有黄有色的免费视频| 亚洲精品美女久久久久99蜜臀| 精品国产乱码久久久久久男人| 久久精品成人免费网站| 久久精品国产99精品国产亚洲性色 | 18禁观看日本| 国产精品久久久人人做人人爽| 99re6热这里在线精品视频| 高清黄色对白视频在线免费看| 国产国语露脸激情在线看| 国产精品久久电影中文字幕 | 亚洲成人手机| 亚洲欧美激情在线| 国产精品久久久久久人妻精品电影| 飞空精品影院首页| 国产精品国产高清国产av | 亚洲免费av在线视频| 国产xxxxx性猛交| 色婷婷av一区二区三区视频| 国产真人三级小视频在线观看| 在线观看一区二区三区激情| 国产蜜桃级精品一区二区三区 | 亚洲精品美女久久久久99蜜臀| 国产亚洲欧美在线一区二区| 中文字幕人妻丝袜一区二区| 日韩视频一区二区在线观看| 在线免费观看的www视频| 国产一卡二卡三卡精品| 热99久久久久精品小说推荐| 又黄又爽又免费观看的视频| 国产精品99久久99久久久不卡| 欧美日韩亚洲高清精品| 丝瓜视频免费看黄片| 国产野战对白在线观看| 欧美 亚洲 国产 日韩一| 高清在线国产一区| 脱女人内裤的视频| 热re99久久国产66热| 欧美 亚洲 国产 日韩一| 欧美乱码精品一区二区三区| 精品少妇久久久久久888优播| 亚洲成a人片在线一区二区| 18在线观看网站| 国产色视频综合| 男女下面插进去视频免费观看| 在线看a的网站| 亚洲全国av大片| 黄色怎么调成土黄色| 久久精品91无色码中文字幕| 满18在线观看网站| 国产97色在线日韩免费| 两人在一起打扑克的视频| 亚洲av熟女| 国产欧美日韩精品亚洲av| 精品亚洲成a人片在线观看| 精品一区二区三卡| 少妇被粗大的猛进出69影院| 日韩欧美一区二区三区在线观看 | 亚洲片人在线观看| 日韩欧美免费精品| 久久这里只有精品19| 精品第一国产精品| 亚洲欧美激情在线| 天堂√8在线中文| 日韩人妻精品一区2区三区| 欧美中文综合在线视频| 欧美激情久久久久久爽电影 | 国产精品亚洲av一区麻豆| 丁香六月欧美| 18禁观看日本| 视频区欧美日本亚洲| 亚洲色图 男人天堂 中文字幕| 欧美成人免费av一区二区三区 | 久久久久久免费高清国产稀缺| 在线观看一区二区三区激情| 丰满的人妻完整版| 国产精品香港三级国产av潘金莲| 亚洲熟妇中文字幕五十中出 | 亚洲成人国产一区在线观看| 黄色视频不卡| 亚洲av电影在线进入| 极品教师在线免费播放| 王馨瑶露胸无遮挡在线观看| 亚洲综合色网址| 国产精品成人在线| 国产黄色免费在线视频| 欧美激情极品国产一区二区三区| 人人妻人人爽人人添夜夜欢视频| 久久热在线av| 丰满人妻熟妇乱又伦精品不卡| 国产精华一区二区三区| 黄片大片在线免费观看| 久久精品91无色码中文字幕| 免费看十八禁软件| 99国产精品一区二区蜜桃av | 欧美激情久久久久久爽电影 | 99热只有精品国产| 悠悠久久av| av国产精品久久久久影院| 黄频高清免费视频| 色94色欧美一区二区| 啦啦啦免费观看视频1| 亚洲成人免费av在线播放| 19禁男女啪啪无遮挡网站| a级毛片在线看网站| 99国产精品一区二区蜜桃av | 18禁裸乳无遮挡动漫免费视频| 操美女的视频在线观看| 亚洲va日本ⅴa欧美va伊人久久| 侵犯人妻中文字幕一二三四区| 久久精品国产亚洲av香蕉五月 | 变态另类成人亚洲欧美熟女 | 久久久国产欧美日韩av| 亚洲精品中文字幕在线视频| 亚洲视频免费观看视频| 国产精品秋霞免费鲁丝片| 免费一级毛片在线播放高清视频 | 日本wwww免费看| 法律面前人人平等表现在哪些方面| 久热爱精品视频在线9| 久久精品熟女亚洲av麻豆精品| 亚洲成国产人片在线观看| 制服诱惑二区| 国产精品一区二区免费欧美| 天天躁夜夜躁狠狠躁躁| av有码第一页| 成人国语在线视频| 91精品国产国语对白视频| 亚洲国产欧美日韩在线播放| 欧美在线黄色| 久久国产精品大桥未久av| 午夜精品久久久久久毛片777| 桃红色精品国产亚洲av| 亚洲精品久久午夜乱码| 一级a爱视频在线免费观看| 亚洲精品一二三| 大香蕉久久成人网| 一级片'在线观看视频| 一级片免费观看大全| 69精品国产乱码久久久| 在线观看免费高清a一片| 亚洲国产欧美网| 黄色 视频免费看| 男女床上黄色一级片免费看| e午夜精品久久久久久久| 亚洲一区二区三区不卡视频| 在线观看一区二区三区激情| 两性夫妻黄色片| 啦啦啦视频在线资源免费观看| 一区二区三区激情视频| 十八禁网站免费在线| 免费在线观看黄色视频的| 精品少妇久久久久久888优播| 丰满饥渴人妻一区二区三| 国产不卡av网站在线观看| 国产成人精品久久二区二区91| 很黄的视频免费| 国产激情欧美一区二区| 亚洲精品中文字幕在线视频| 大香蕉久久网| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲一区高清亚洲精品| 亚洲自偷自拍图片 自拍| 日日爽夜夜爽网站| 亚洲一区中文字幕在线| 免费在线观看视频国产中文字幕亚洲| 日韩成人在线观看一区二区三区| 男女床上黄色一级片免费看| 久久久久精品人妻al黑| av福利片在线| 国产成人啪精品午夜网站| 黑人巨大精品欧美一区二区mp4| 99久久人妻综合| 国产蜜桃级精品一区二区三区 | 在线永久观看黄色视频| 天堂动漫精品| 18禁美女被吸乳视频| 欧美日韩视频精品一区| 欧美精品av麻豆av| 老司机亚洲免费影院| 建设人人有责人人尽责人人享有的| 国产精品国产av在线观看| 91成年电影在线观看| 中文字幕人妻熟女乱码| 久久人妻熟女aⅴ| 18禁美女被吸乳视频| 黄片大片在线免费观看| 别揉我奶头~嗯~啊~动态视频| 桃红色精品国产亚洲av| 久久久久久久午夜电影 | 十八禁人妻一区二区| 啦啦啦视频在线资源免费观看| 国产高清视频在线播放一区| 成人免费观看视频高清| 国产精品一区二区免费欧美| 日本五十路高清| 青草久久国产| 王馨瑶露胸无遮挡在线观看| 国产精品免费一区二区三区在线 | aaaaa片日本免费| 亚洲国产精品合色在线| 欧美老熟妇乱子伦牲交| 久久久国产成人精品二区 | 欧美日韩精品网址| 19禁男女啪啪无遮挡网站| 极品人妻少妇av视频| 精品卡一卡二卡四卡免费| 久久中文看片网| 十八禁人妻一区二区| 欧美 亚洲 国产 日韩一| 国产精品香港三级国产av潘金莲| 国产精品亚洲av一区麻豆| 亚洲国产精品合色在线| 99精国产麻豆久久婷婷| 国产亚洲欧美精品永久| 大型黄色视频在线免费观看| 最近最新中文字幕大全免费视频| 国产激情久久老熟女| 乱人伦中国视频| 国产av精品麻豆| 国产精品一区二区免费欧美| 十八禁高潮呻吟视频| 大香蕉久久成人网| 人人澡人人妻人| 12—13女人毛片做爰片一| www.自偷自拍.com| 国产成人影院久久av| 午夜精品在线福利| 首页视频小说图片口味搜索| 久久 成人 亚洲| 一边摸一边做爽爽视频免费| 国产精品免费一区二区三区在线 | 亚洲,欧美精品.| 欧美日韩乱码在线| 1024视频免费在线观看| 亚洲第一欧美日韩一区二区三区| 真人做人爱边吃奶动态| netflix在线观看网站| 国产精品99久久99久久久不卡| 日韩人妻精品一区2区三区| av天堂在线播放| 国产一区在线观看成人免费| 亚洲欧美色中文字幕在线| 久久久国产精品麻豆| 一级片免费观看大全| bbb黄色大片| 黄色丝袜av网址大全| 免费一级毛片在线播放高清视频 | 天天躁狠狠躁夜夜躁狠狠躁| 精品人妻在线不人妻| 一a级毛片在线观看| 国产黄色免费在线视频| 亚洲 欧美一区二区三区| 亚洲美女黄片视频| 免费在线观看完整版高清| 国产成人一区二区三区免费视频网站| 日本wwww免费看| 两性午夜刺激爽爽歪歪视频在线观看 | www.999成人在线观看| 啪啪无遮挡十八禁网站| 两个人看的免费小视频| 婷婷精品国产亚洲av在线 | 亚洲精品国产精品久久久不卡| 亚洲人成电影观看| 亚洲一区二区三区不卡视频| 国产免费av片在线观看野外av| 亚洲国产精品一区二区三区在线| xxxhd国产人妻xxx| 丝瓜视频免费看黄片| 国产成人精品无人区| 人人澡人人妻人| 黑人巨大精品欧美一区二区蜜桃| 亚洲av第一区精品v没综合| 18禁裸乳无遮挡免费网站照片 | 国产成人精品久久二区二区免费| 宅男免费午夜| 一区在线观看完整版| 丝袜美足系列| 亚洲va日本ⅴa欧美va伊人久久| 女人被狂操c到高潮| 国产亚洲欧美98| 成人18禁高潮啪啪吃奶动态图| 国产精品免费大片| 在线观看免费高清a一片| 热99国产精品久久久久久7| 妹子高潮喷水视频| 亚洲少妇的诱惑av| 人妻一区二区av| 男女免费视频国产| 夜夜夜夜夜久久久久| 美国免费a级毛片| 亚洲精品久久成人aⅴ小说| 在线观看免费日韩欧美大片| 我的亚洲天堂| 久久国产精品影院| 啦啦啦免费观看视频1| 他把我摸到了高潮在线观看| cao死你这个sao货| 美国免费a级毛片| 大型黄色视频在线免费观看| 成人亚洲精品一区在线观看| 欧美色视频一区免费| 久久热在线av| xxxhd国产人妻xxx| 纯流量卡能插随身wifi吗| 捣出白浆h1v1| 午夜精品在线福利| 91大片在线观看| 一区二区三区国产精品乱码| 老司机靠b影院| 亚洲精品av麻豆狂野| 91九色精品人成在线观看| 黄色毛片三级朝国网站| 色婷婷久久久亚洲欧美| 大型黄色视频在线免费观看| 大香蕉久久网| www.精华液| av免费在线观看网站| 乱人伦中国视频| 最新的欧美精品一区二区| 首页视频小说图片口味搜索| 久久婷婷成人综合色麻豆| 黄频高清免费视频| 久久这里只有精品19| 变态另类成人亚洲欧美熟女 | 麻豆乱淫一区二区| 在线观看一区二区三区激情| 欧美日韩中文字幕国产精品一区二区三区 | 极品教师在线免费播放| 99久久精品国产亚洲精品| 又黄又爽又免费观看的视频| 亚洲av电影在线进入| 精品一区二区三区四区五区乱码| 国产亚洲精品一区二区www | 12—13女人毛片做爰片一| 美女高潮喷水抽搐中文字幕| 亚洲色图 男人天堂 中文字幕| 亚洲成a人片在线一区二区| 看黄色毛片网站| 老熟妇仑乱视频hdxx| 人成视频在线观看免费观看| 韩国av一区二区三区四区| 亚洲精品一二三| 精品国产一区二区三区久久久樱花| 正在播放国产对白刺激| 午夜精品国产一区二区电影| a级毛片在线看网站| 成人精品一区二区免费| 久久中文看片网| 亚洲av熟女| 91麻豆av在线| 色播在线永久视频| 一区福利在线观看| 国产一区在线观看成人免费| 热99re8久久精品国产| 色尼玛亚洲综合影院| 不卡一级毛片| 丰满的人妻完整版| av天堂在线播放| 亚洲中文字幕日韩| netflix在线观看网站| 亚洲国产精品合色在线| 一进一出抽搐gif免费好疼 | 91麻豆av在线| 在线十欧美十亚洲十日本专区| 岛国在线观看网站| 欧美 亚洲 国产 日韩一| 国产在线观看jvid| avwww免费| 亚洲五月天丁香| 一级,二级,三级黄色视频| 日本wwww免费看| 午夜91福利影院| 久久久久久免费高清国产稀缺| 韩国精品一区二区三区| 黄色视频,在线免费观看| 精品一区二区三区四区五区乱码| 午夜精品久久久久久毛片777| 国产欧美日韩一区二区精品| 亚洲av成人不卡在线观看播放网| 19禁男女啪啪无遮挡网站| 男人舔女人的私密视频| 99热只有精品国产| av有码第一页| 成人三级做爰电影| 热re99久久精品国产66热6| 性色av乱码一区二区三区2| 757午夜福利合集在线观看| 啪啪无遮挡十八禁网站| 中文字幕av电影在线播放| 免费在线观看完整版高清| 人人妻人人添人人爽欧美一区卜| 91成年电影在线观看| 精品一区二区三区av网在线观看| 人妻一区二区av| 国产99久久九九免费精品| 亚洲精品粉嫩美女一区| 黄色毛片三级朝国网站| 黑丝袜美女国产一区| 美国免费a级毛片| 亚洲av熟女| 色老头精品视频在线观看| 免费人成视频x8x8入口观看| 亚洲欧美激情在线| 中文欧美无线码| 久久久久久久国产电影| 久久久久视频综合| 国产免费av片在线观看野外av| 欧美久久黑人一区二区| 午夜福利免费观看在线| 国产精品乱码一区二三区的特点 | 一a级毛片在线观看| 成人18禁在线播放| 欧美激情 高清一区二区三区| 免费观看精品视频网站| 国产av精品麻豆| 岛国在线观看网站| 国产成人影院久久av| 黄色 视频免费看| 别揉我奶头~嗯~啊~动态视频| 天天躁夜夜躁狠狠躁躁| 久久久久视频综合| 国产蜜桃级精品一区二区三区 | 精品国产亚洲在线| 国产精品美女特级片免费视频播放器 | 一边摸一边抽搐一进一小说 | 欧美日韩中文字幕国产精品一区二区三区 | av超薄肉色丝袜交足视频| 免费在线观看视频国产中文字幕亚洲| 电影成人av| 精品一区二区三区视频在线观看免费 | 国产欧美日韩精品亚洲av| 亚洲情色 制服丝袜| 久久久久久久午夜电影 | 韩国av一区二区三区四区| 天堂√8在线中文| 亚洲午夜理论影院| 久久精品国产亚洲av高清一级| 亚洲一区二区三区不卡视频| 天天操日日干夜夜撸| 激情视频va一区二区三区| 久久久国产成人免费| 精品国产亚洲在线| 最新在线观看一区二区三区| 中文字幕制服av| 欧美日韩一级在线毛片| 国产无遮挡羞羞视频在线观看| 国产精品久久久久久人妻精品电影| 日本黄色视频三级网站网址 | 麻豆成人av在线观看| 一区在线观看完整版| 热99国产精品久久久久久7| 亚洲九九香蕉| 国产视频一区二区在线看| 欧美在线一区亚洲| 身体一侧抽搐| a级毛片在线看网站| 成年版毛片免费区| 欧美色视频一区免费| 999精品在线视频| 亚洲五月婷婷丁香| 亚洲国产精品合色在线| 久久久久久久精品吃奶| 亚洲精品中文字幕在线视频| 丝袜人妻中文字幕| 丝瓜视频免费看黄片| 操出白浆在线播放| 成人国产一区最新在线观看| 校园春色视频在线观看| 日本黄色视频三级网站网址 | 中文字幕最新亚洲高清| 大香蕉久久网| av一本久久久久| 90打野战视频偷拍视频| 亚洲国产精品合色在线| 亚洲一码二码三码区别大吗| 婷婷成人精品国产| 在线观看免费日韩欧美大片| 亚洲少妇的诱惑av| 男女高潮啪啪啪动态图| 国产蜜桃级精品一区二区三区 | 新久久久久国产一级毛片| 国产精品免费大片| 国产午夜精品久久久久久| 精品少妇久久久久久888优播| 亚洲人成77777在线视频| 日日摸夜夜添夜夜添小说| 18禁美女被吸乳视频| 精品国产乱子伦一区二区三区| 精品国产乱码久久久久久男人| 一级毛片高清免费大全| 久久久久久久精品吃奶| 黄色 视频免费看| 在线观看日韩欧美| 一a级毛片在线观看| 高清av免费在线| 一本一本久久a久久精品综合妖精| 亚洲av片天天在线观看| 天天添夜夜摸| 亚洲熟女毛片儿| 十八禁人妻一区二区| 日本五十路高清| 久99久视频精品免费| av在线播放免费不卡| 黄色a级毛片大全视频| 亚洲成av片中文字幕在线观看| av电影中文网址| 丝袜美腿诱惑在线| 精品国产超薄肉色丝袜足j| 国产单亲对白刺激| av欧美777| 丁香六月欧美| 99在线人妻在线中文字幕 | 亚洲精品中文字幕在线视频| 最新在线观看一区二区三区| 亚洲久久久国产精品| 国产aⅴ精品一区二区三区波| 视频区欧美日本亚洲| 大码成人一级视频| 国产一区二区三区综合在线观看| 欧美日韩瑟瑟在线播放| 最近最新免费中文字幕在线| 嫩草影视91久久| 久久这里只有精品19| 他把我摸到了高潮在线观看| 高清av免费在线| av视频免费观看在线观看| netflix在线观看网站| 国产精品.久久久| 国产精品98久久久久久宅男小说| 国产欧美日韩综合在线一区二区| 亚洲av成人不卡在线观看播放网| 午夜成年电影在线免费观看| 久热这里只有精品99| 精品国产国语对白av| 18在线观看网站| 亚洲精品在线美女| 99久久综合精品五月天人人| 午夜福利,免费看| 国产精品电影一区二区三区 | 亚洲精品久久午夜乱码| 亚洲av第一区精品v没综合| 午夜91福利影院| 国产色视频综合| 日本欧美视频一区| 午夜久久久在线观看| 美女高潮喷水抽搐中文字幕| 黄色a级毛片大全视频| 成人免费观看视频高清| 黄色丝袜av网址大全| 天堂动漫精品| 国产亚洲精品一区二区www | 在线av久久热| 亚洲欧美色中文字幕在线|