• <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 ?

    基于灰色GA-LM-BP模型的CODMn預測

    2013-06-07 07:17:20崔雪梅
    水利水電科技進展 2013年5期
    關鍵詞:權值殘差灰色

    崔雪梅

    (湖北工程學院生命科學技術學院,湖北孝感 432000)

    (收稿日期:20120910 編輯:周紅梅)

    基于灰色GA-LM-BP模型的CODMn預測

    崔雪梅

    (湖北工程學院生命科學技術學院,湖北孝感 432000)

    針對灰色GM(1,1)模型擬合誤差較大和LM-BP神經(jīng)網(wǎng)絡泛化能力不強的問題,提出了灰色GA-LM-BP模型,該模型采用灰色GM(1,1)模型預測數(shù)據(jù)并得到其殘差,利用LM-BP神經(jīng)網(wǎng)絡對殘差進行擬合、測試、預測后,對灰色GM(1,1)模型的數(shù)據(jù)預測值進行修正從而得到較合理的預測值,并運用遺傳算法對LM-BP神經(jīng)網(wǎng)絡的初始權值和閾值進行優(yōu)化。運用該模型對倫河孝感段的CODMn進行了預測,預測誤差不超過2.33%,表明模型的預測數(shù)據(jù)是合理的,可用于CODMn的預測和水質(zhì)預警預報。

    灰色理論;GA-LM-BP模型;化學需氧量;水質(zhì)預測

    化學需氧量(CODMn)是反映水中有機污染程度的指標,也是唯一能比較全面反映水中有機污染程度的指標,根據(jù)CODMn可以比較準確地計算廢水有機污染物的排放總量[1-2]。用于預測CODMn的方法主要有逐步回歸法、神經(jīng)網(wǎng)絡法、灰色預測法等[3-5]。利用微分方程描述灰色系統(tǒng)動態(tài)情況的模型,能反映地表水中CODMn濃度隨時間變化的規(guī)律,但胡惠彬等[3]采用灰色GM(1,1)模型進行數(shù)據(jù)預測時,擬合誤差比較大。LM-BP神經(jīng)網(wǎng)絡存在擬合能力強、泛化能力差的特點,采用多次擬合測試能夠在一定程度上提高其泛化能力,但該方法需要反復試驗,有時試驗上萬次還不一定能夠取得很好的效果[6]。采用遺傳算法對LM-BP神經(jīng)網(wǎng)絡的初始權值和閾值進行優(yōu)化,能夠提高其泛化能力[7]。

    本文首先采用灰色GM(1,1)模型預測CODMn并得到其殘差,再用LM-BP神經(jīng)網(wǎng)絡對該殘差進行擬合,同時用遺傳算法對LM-BP神經(jīng)網(wǎng)絡的初始權值和閾值進行優(yōu)化。利用灰色LM-BP模型對殘差進行擬合、測試、預測后,對灰色GM(1,1)模型的數(shù)據(jù)預測值進行修正,最后得到較合理的CODMn預測值。

    1 灰色GA-LM-BP模型

    1.1 灰色GM(1,1)模型

    單序列一階線性灰色GM(1,1)模型以微分擬合為核心,根據(jù)原始數(shù)據(jù)序列的特征,找出各數(shù)據(jù)之間的變化規(guī)律,它是灰色系統(tǒng)理論的基本預測模型,其動態(tài)預測建模過程[8-10]如下:

    步驟1數(shù)據(jù)預處理。設系統(tǒng)原始數(shù)據(jù)為X0= {x0,1,x0,2,…,x0,k},進行一階累加,生成的序列為

    式中:k為原始序列數(shù)據(jù)的個數(shù)。

    式中:a為發(fā)展系數(shù);b為灰色作用量;z1,p為x1,p的緊鄰均值生成序列。

    GM(1,1)模型的白化微分方程[11]為

    1.2 遺傳算法

    遺傳算法是借鑒達爾文進化思想和遺傳學理論演化出的一種隨機搜索算法[12],其基本思想是:隨機產(chǎn)生若干個所求解問題的數(shù)字編碼,形成初始群體;通過適應度函數(shù)對每個個體進行評價,淘汰適應度低的個體,選擇適應度高的個體參加遺傳操作,生成下一代新的種群,再對這個新種群進行下一輪進化。

    1.3 LM-BP神經(jīng)網(wǎng)絡

    標準BP神經(jīng)網(wǎng)絡的基本思想是:將輸出誤差以一定的方式通過隱含層向輸入層逐層反向傳播,并傳給各層的所有節(jié)點,最后根據(jù)各層節(jié)點的誤差來修正各節(jié)點的權值。該方法速度慢,容易陷入局部極小值,針對該問題,人們提出了很多改進算法,其中LM(levenberg marquardt)算法是精度很高且速度最快的一種[6]。LM算法又稱阻尼最小二乘法,它解決了標準BP神經(jīng)網(wǎng)絡的局部極小值問題。

    LM算法對標準3層BP神經(jīng)網(wǎng)絡改進的主要步驟如下[13]:

    步驟1初始權閾值初始化:隨機產(chǎn)生初始權值和閾值,確定所有樣本的誤差平方和以及要達到的收斂準則ε,在編程中ε一般取1個很小的數(shù)。

    中國家用電器研究院評測中心主任工程師梁晶以“用戶體驗及用戶體驗評測”為主題,從用戶角度分享了冰箱技術升級的側(cè)重點。她表示,從產(chǎn)品策劃的角度來說,用戶體驗分為“有用”、“可用”、“易用”三個等級,三者都滿足就能成為消費者青睞的好產(chǎn)品。未來冰箱企業(yè)創(chuàng)新,符合并挖掘用戶需求是關鍵。

    步驟2計算輸出誤差:對于r個輸入層節(jié)點、n個隱含層節(jié)點、m個輸出層節(jié)點的3層網(wǎng)絡來說,隱含層第i節(jié)點輸出ai為

    式中:w1ij、b1i分別為第1層(輸入層)節(jié)點的權重和閾值;xj為隱含層的節(jié)點輸入;f1為變換函數(shù)。

    隱含層的節(jié)點輸出為輸出層的節(jié)點輸入,輸出層第j節(jié)點輸出yj為

    式中:w2ij、b2i分別為第2層即隱含層節(jié)點的權重和閾值;f2為變換函數(shù)。

    輸出層節(jié)點輸出誤差E為

    式中:ysj為期望輸出。

    步驟3計算雅可比矩陣:

    式中:Su為第u層節(jié)點數(shù);Q為訓練樣本數(shù)。

    步驟4求BP網(wǎng)絡權值的調(diào)整量Δwv:

    式中:wv、wv+1分別為v、v+1時刻的權值;I為單位矩陣;μv為LM算法內(nèi)部使用的一個大于零的調(diào)整因子,用于控制LM算法的迭代。通過自適應調(diào)整該值,LM算法可以完成梯度下降法與高斯牛頓法的較好結(jié)合。

    1.4 灰色GA-LM-BP模型

    灰色GA-LM-BP模型數(shù)據(jù)預測修正流程如圖1所示。該模型的總體思想是:首先建立灰色GM(1,1)模型并預測數(shù)據(jù),得到其殘差。由于灰色GM(1,1)模型擬合精度不高,采用LM-BP神經(jīng)網(wǎng)絡對該殘差進行擬合、測試、預測,同時采用遺傳算法對LM-BP神經(jīng)網(wǎng)絡的初始權閾值進行優(yōu)化。最后,將LM-BP神經(jīng)網(wǎng)絡得到的殘差預測結(jié)果對GM(1,1)模型的數(shù)據(jù)預測值進行修正,得到合理的數(shù)據(jù)預測值。該模型包含灰色GM(1,1)預測和LM-BP神經(jīng)網(wǎng)絡的預測,其中LM-BP神經(jīng)網(wǎng)絡預測過程相對比較復雜,里面包含GA對LP-BP神經(jīng)網(wǎng)絡初始權閾值的優(yōu)化。

    遺傳算法對LM-BP神經(jīng)網(wǎng)絡的初始權值和閾值進行優(yōu)化的核心思想如下:①建立BP神經(jīng)網(wǎng)絡,設置好網(wǎng)絡訓練參數(shù),隨機初始化遺傳算法GA種群;②將遺傳算法種群的每組個體作為BP神經(jīng)網(wǎng)絡的初始權值和閾值,采用LM算法對BP神經(jīng)網(wǎng)絡進行訓練;③將訓練好的LM-BP神經(jīng)網(wǎng)絡對殘差進行測試、預測,計算其均方誤差,將均方誤差作為遺傳算法的評價函數(shù),計算每個個體的適應度;④根據(jù)適應度對個體進行遺傳(選擇、交叉、變異)操作;⑤滿足遺傳代數(shù)g大于設定值的條件就結(jié)束,否則轉(zhuǎn)第②步,進入下一代遺傳。

    在編程的過程中,可以求出所有代所有個體中適應度最小的值,并且記下此時神經(jīng)網(wǎng)絡的權值和閾值,這樣就能保證網(wǎng)絡經(jīng)過多次訓練多代遺傳后,最終得到最優(yōu)的網(wǎng)絡參數(shù)。經(jīng)過遺傳算法對初始權值和閾值的優(yōu)化后,神經(jīng)網(wǎng)絡的泛化能力將大幅增強。遺傳算法適應度跟種群的個體之間是一種間接的關系,中間經(jīng)過了神經(jīng)網(wǎng)絡的訓練和測試,這是該模型實現(xiàn)的一個難點。

    圖1 灰色GA-LM-BP模型數(shù)據(jù)預測修正流程

    2 實例應用

    采用灰色GA-LM-BP模型對倫河孝感段的CODMn進行擬合、測試、預測。數(shù)據(jù)取樣每2個月1次,采用2008年8月至2011年12月共21個月的CODMn監(jiān)測數(shù)據(jù)。建立灰色GM(1,1)模型,得到CODMn的模擬值、殘差及殘差相對誤差,如表1所示。

    表1 灰色GM(1,1)模型對CODMn的擬合結(jié)果

    由表1可見,灰色GM(1,1)模型的擬合精度不高,且殘差的相對誤差沒有規(guī)律性,需采用灰色GALM-BP模型對數(shù)據(jù)進行修正。建立LM-BP神經(jīng)網(wǎng)絡,將最后3個數(shù)據(jù)作為測試數(shù)據(jù),前17個數(shù)據(jù)作為擬合數(shù)據(jù),BP網(wǎng)絡輸入層節(jié)點數(shù)為8,輸出層節(jié)點數(shù)為1,經(jīng)反復試驗確定隱含層節(jié)點數(shù)為6比較合適。設置遺傳算法個體(31個數(shù)據(jù))變量的二進制位數(shù)為20,代溝為0.9,遺傳代數(shù)為10。將遺傳算法的種群個體作為LM-BP神經(jīng)網(wǎng)絡的初始權值和閾值,經(jīng)過LM-BP神經(jīng)網(wǎng)絡訓練后,對測試樣本進行對比,求出其均方誤差,將均方誤差作為遺傳算法的評價函數(shù),進一步求出種群個體的適應度。經(jīng)過10代遺傳后,得到各代種群適應度的最優(yōu)解和均值變化如圖2所示。

    圖2 各代種群的最優(yōu)解和均值的變化

    利用灰色GA-LM-BP模型對灰色GM(1,1)預測得到的殘差相對誤差進行擬合,其擬合相對誤差分別為:1.70×10-6、-2.87×10-7、6.68×10-8、-6.50× 10-6、-5.88×10-6、-2.90×10-6、-7.44×10-6、4.16× 10-5、1.96×10-6,可以看出灰色GA-LM-BP模型對訓練樣本基本上能百分之百擬合。對表1中最后3個殘差數(shù)據(jù)的相對誤差進行預測,預測的相對誤差分別為-1.3831%、-0.32296%、-2.3206%,從預測結(jié)果可以看出,其誤差均不超過2.33%,說明可以用該灰色GA-LM-BP模型對殘差的相對誤差進行預測。

    最后,利用灰色GM(1,1)模型預測2012年2—10月的5個CODMn質(zhì)量濃度數(shù)據(jù),采用灰色GALM-BP模型對殘差的相對誤差進行預測,然后修正預測的CODMn質(zhì)量濃度數(shù)據(jù),最后得到較合理的CODMn質(zhì)量濃度值,如表2所示。

    表2 CODMn質(zhì)量濃度灰色預測、修正結(jié)果

    3 結(jié) 語

    灰色GA-LM-BP模型是一種有效的水質(zhì)預測方法,其吸收了灰色預測方法、遺傳算法和LM-BP神經(jīng)網(wǎng)絡的優(yōu)點,但同時也增加了編程的復雜性和計算工作量,主要體現(xiàn)在遺傳算法的優(yōu)化過程中。運用灰色GA-LM-BP模型對倫河孝感段21個月的CODMn實測數(shù)據(jù)進行擬合、預測,應用結(jié)果表明,采用該模型對本地區(qū)的CODMn值進行預測是合理可行的,一方面該方法利用灰色GM(1,1)模型能很好地反映本地區(qū)河流CODMn值隨時間的變化規(guī)律,另一方面可以采用LM-BP神經(jīng)網(wǎng)絡的殘差預測結(jié)果對預測數(shù)據(jù)進行修正,得到合理的預測數(shù)據(jù)。

    [1]朱玉磊.化學需氧量幾種測定方法研究[J].科技資訊, 2008,28(10):83-85.(ZHU Yulei.The research of determination of chemical oxygen demand(COD)[J]. Science&Technology Information,2008,28(10):83.(in Chinese))

    [2]遠振海,魯治冰.基于神經(jīng)網(wǎng)絡的COD值預測研究[J].黑龍江水專學報,2008,35(1):84-86.(YUAN Zhenhai,LU Zhibing.COD data forecast based on NN[J]. Journal of Heilongjiang Hydraulic Engineering College, 2008,35(1):84-86.(in Chinese))

    [3]胡惠彬.灰色系統(tǒng)的GM(1,1)模型在地表水COD濃度預測中的應用[J].中國環(huán)境監(jiān),1993,9(4):45-46. (HU Huibin.Application of grey system GM(1,1) models in forecasting cod concentration of surface water [J].Environmental Monitoring in China,1993,9(4):45-46.(in Chinese))

    [4]劉玉存,于國強,王少華,等.基于神經(jīng)網(wǎng)絡的傳爆藥廢水COD去除率預測研究[J].含能材料,2009,17(3): 361-364.(LIU Yucun,YU Guoqiang,WANG Shaohua,et al.Elman model in prediction of COD removal rate of booster explosive wastewater[J].Chinese Journal of EnergeticMaterials,2009,17(3):361-364.(in Chinese))

    [5]趙英,崔福義,郭亮,等.基于BP神經(jīng)網(wǎng)絡的天津于橋水庫CODMn預測研究[J].南京理工大學學報:自然科學版,2008,32(3):376-380.(ZHAO Ying,CUI Fuyi, GUO Liang,et al.CODMnforecast based on BP neural network at Yuqiao Reservoir in Tianjin[J].Journal of Nanjing University of Science and Technology:Nature Science,2008,32(3):376-380.(in Chinese))

    [6]阮仕平,黨志良,胡曉寒,等.基于LM-BP算法的綜合水質(zhì)評價研究[J].水資源研究,2004,25(1):12-14. (YUAN Shiping,DANG Zhiliang,HU Xiaohan,et al. Study on comprehensive water quality assessment based on LM-BP algorithm[J].JournalofWaterResources Research,2004,25(1):12-14.(in Chinese))

    [7]GUOhairu,LIZhimin.Amethodofimproving generalization ability for neural network based on genetic algorithm[C]//2010 IEEE International Conference on Intelligent ComputingandIntelligentSystems(ICIS 2010).Beijing:IEEE PRESS,2010:742-745.

    [8]劉思峰,謝乃明.灰色系統(tǒng)理論及其應用[M].第4版.北京:科學出版社,2008.

    [9]鄧聚龍.灰色系統(tǒng)基本方法[M].武漢:華中科技大學出版社,2004.

    [10]周媛,朱大奇.水下機器人傳感器故障診斷的灰色預測模型[J].中國造船,2011,52(1):137-144.(ZHOU Yuan,ZHU Daqi.A sensor fault diagnosis method for underwater vehicles based on GM(1,1)[J].Shipbuilding of China,2011,52(1):137-144.(in Chinese))

    [11]閻威武,??×?邵惠鶴.基于滾動時間窗的最小二乘支持向量機回歸估計方法及仿真[J].上海交通大學學報,2004,38(4):524-527.(YAN Weiwu,CHANG Junlin,SHAO Huihe.Least square SVM regression method based on sliding time window and its simulation[J]. Journal of Shanghai Jiaotong University,2004,38(4): 524-527.(in Chinese))

    [12]原思聰,江祥奎.基于GA-BP神經(jīng)網(wǎng)絡的雙目攝像機標定[J].西安建筑科技大學學報:自然科學版,2011, 43(4):604-608.(YUAN Sicong,JIANG Xiangkui. Binocular camera calibration based on GA-BP neural network[J].Journal of Xi'an University of Architecture& Technology:Natural Science Edition,2011,43(4):604-608.(in Chinese))

    [13]繆新穎,褚金奎,杜小文.LM-BP神經(jīng)網(wǎng)絡在大壩變形預測中的應用[J].計算機工程與應用,2011,47(1): 220-222.(MIAO Xinying,CHU Jinkui,DU Xiaowen. Application of LM-BP neural network in predicting dam deformation[J].Computer Engineering and Applications, 2011,47(1):220-222.(in Chinese))

    Prediction of CODMnvalue based on the grey GA-LM-BP model

    //CUI Xuemei(College of Life Science and Technology,Hubei Engineering University,Xiaogan432000,China)

    Due to the large fitting-errors of grey GM(1,1)model and the weak generalization ability of LM-BP neural network,a model of grey GA-LM-BP network was proposed in this paper.The grey GM(1,1)model was used to predict data and obtain residual errors.After the residual errors were fitted,tested and forecasted with LM-BP neural network, more reasonable predicted values can be obtained by correcting the predicted values of the GM(1,1)model.In the meantime,the initialized weights and threshold of LM-BP neural network were optimized with the genetic algorithm(GA). The grey GA-LM-BP model was then used to predict the CODMnvalues at the Xiaogan segment of Lunhe River.Since the prediction errors were found to be less than 2.33%,the accuracy of the model is considered to be reasonable.The model can be used to predict the CODMnvalues and the water quality early warning.

    grey theory;GA-LM-BP model;CODMn;water quality prediction

    (收稿日期:20120910 編輯:周紅梅)

    10.3880/j.issn.10067647.2013.05.009

    TP181;X703.1

    A

    10067647(2013)05003804

    湖北省教育科學“十一五”規(guī)劃課題(2009B106);湖北工程學院項目(Z2011019)

    崔雪梅(1979—),女,云南宣威人,講師,碩士,主要從事生態(tài)環(huán)境及智能預測研究。xgughr@126.com

    猜你喜歡
    權值殘差灰色
    一種融合時間權值和用戶行為序列的電影推薦模型
    基于雙向GRU與殘差擬合的車輛跟馳建模
    CONTENTS
    基于殘差學習的自適應無人機目標跟蹤算法
    淺灰色的小豬
    基于遞歸殘差網(wǎng)絡的圖像超分辨率重建
    自動化學報(2019年6期)2019-07-23 01:18:32
    灰色時代
    Coco薇(2017年2期)2017-04-25 17:59:38
    她、它的灰色時髦觀
    Coco薇(2017年2期)2017-04-25 17:57:49
    基于權值動量的RBM加速學習算法研究
    自動化學報(2017年7期)2017-04-18 13:41:02
    感覺
    一级毛片电影观看| 少妇的丰满在线观看| 久热这里只有精品99| 亚洲欧美色中文字幕在线| 国产精品影院久久| 色在线成人网| 精品国产亚洲在线| 中文字幕制服av| 悠悠久久av| 777久久人妻少妇嫩草av网站| 一区二区三区国产精品乱码| 一级毛片精品| 精品午夜福利视频在线观看一区 | 青草久久国产| 母亲3免费完整高清在线观看| av有码第一页| 成人亚洲精品一区在线观看| 国产免费现黄频在线看| 免费看a级黄色片| 在线观看66精品国产| 日韩免费高清中文字幕av| 国产在线精品亚洲第一网站| 精品久久久久久电影网| 首页视频小说图片口味搜索| 菩萨蛮人人尽说江南好唐韦庄| 亚洲免费av在线视频| 日本vs欧美在线观看视频| 一本—道久久a久久精品蜜桃钙片| 国产一区二区在线观看av| 大码成人一级视频| 一本色道久久久久久精品综合| 精品久久蜜臀av无| 国产精品电影一区二区三区 | 丁香六月天网| 久久人妻福利社区极品人妻图片| 最新在线观看一区二区三区| 黑人操中国人逼视频| 成人av一区二区三区在线看| 1024香蕉在线观看| 久久亚洲真实| 91大片在线观看| 欧美日韩av久久| 免费少妇av软件| 丝袜美腿诱惑在线| 大码成人一级视频| 777久久人妻少妇嫩草av网站| 成年动漫av网址| 男女免费视频国产| √禁漫天堂资源中文www| 成年人午夜在线观看视频| 欧美精品高潮呻吟av久久| 日韩视频一区二区在线观看| 18禁裸乳无遮挡动漫免费视频| 欧美在线一区亚洲| 两人在一起打扑克的视频| 精品卡一卡二卡四卡免费| 久久久久久人人人人人| 午夜福利在线免费观看网站| aaaaa片日本免费| 亚洲国产欧美网| 婷婷成人精品国产| 国产在线免费精品| 性少妇av在线| 热re99久久国产66热| 久久人人97超碰香蕉20202| 亚洲中文av在线| 在线观看免费午夜福利视频| 怎么达到女性高潮| 久久人人97超碰香蕉20202| 女性生殖器流出的白浆| 国产成人一区二区三区免费视频网站| 国产亚洲精品一区二区www | 91成年电影在线观看| 在线观看免费午夜福利视频| 香蕉久久夜色| 亚洲欧美色中文字幕在线| 狠狠狠狠99中文字幕| 操美女的视频在线观看| 免费在线观看日本一区| 成人国产一区最新在线观看| 俄罗斯特黄特色一大片| 十分钟在线观看高清视频www| 亚洲精品av麻豆狂野| 午夜精品国产一区二区电影| 亚洲精品美女久久av网站| 欧美成狂野欧美在线观看| 高潮久久久久久久久久久不卡| 999精品在线视频| 一二三四社区在线视频社区8| 欧美乱妇无乱码| 一级毛片女人18水好多| 91字幕亚洲| 90打野战视频偷拍视频| 久久久久久亚洲精品国产蜜桃av| 国产老妇伦熟女老妇高清| 99久久人妻综合| 久久中文看片网| 欧美日韩亚洲综合一区二区三区_| 99热国产这里只有精品6| 国产免费视频播放在线视频| 少妇精品久久久久久久| 久久久久久久久久久久大奶| 欧美国产精品一级二级三级| 动漫黄色视频在线观看| 国产精品一区二区在线观看99| 麻豆国产av国片精品| 最黄视频免费看| 动漫黄色视频在线观看| 变态另类成人亚洲欧美熟女 | 国产亚洲午夜精品一区二区久久| 9色porny在线观看| 午夜91福利影院| 亚洲自偷自拍图片 自拍| 在线观看www视频免费| 97在线人人人人妻| 亚洲伊人色综图| 蜜桃在线观看..| 99精国产麻豆久久婷婷| 久久久久久久久久久久大奶| 一区二区av电影网| 最新在线观看一区二区三区| 中文字幕最新亚洲高清| 淫妇啪啪啪对白视频| 亚洲av片天天在线观看| 午夜福利影视在线免费观看| 中文字幕制服av| 国产免费av片在线观看野外av| 国产精品成人在线| 成人精品一区二区免费| 精品一区二区三卡| a级毛片在线看网站| 91大片在线观看| 在线亚洲精品国产二区图片欧美| 性色av乱码一区二区三区2| 18禁裸乳无遮挡动漫免费视频| 国产精品熟女久久久久浪| 日韩欧美一区视频在线观看| 如日韩欧美国产精品一区二区三区| 真人做人爱边吃奶动态| 一区福利在线观看| 国产熟女午夜一区二区三区| 亚洲va日本ⅴa欧美va伊人久久| 天天影视国产精品| 国产色视频综合| 亚洲精品久久午夜乱码| videos熟女内射| 人成视频在线观看免费观看| av国产精品久久久久影院| 在线亚洲精品国产二区图片欧美| 亚洲av第一区精品v没综合| 亚洲欧洲日产国产| 久久久久久久大尺度免费视频| 一个人免费在线观看的高清视频| 大码成人一级视频| 精品一区二区三区视频在线观看免费 | 久久精品亚洲av国产电影网| 啦啦啦视频在线资源免费观看| 精品人妻1区二区| 狠狠狠狠99中文字幕| 国产精品一区二区在线不卡| www.自偷自拍.com| 狠狠婷婷综合久久久久久88av| aaaaa片日本免费| 在线 av 中文字幕| 久久国产精品男人的天堂亚洲| 亚洲国产欧美一区二区综合| 一区二区三区国产精品乱码| 日韩欧美一区视频在线观看| 日韩大码丰满熟妇| 色视频在线一区二区三区| 亚洲国产成人一精品久久久| 国产成人精品无人区| 两个人看的免费小视频| 伊人久久大香线蕉亚洲五| 国产免费福利视频在线观看| 国产在线精品亚洲第一网站| 国产真人三级小视频在线观看| 亚洲一区二区三区欧美精品| 真人做人爱边吃奶动态| 久久久欧美国产精品| 夜夜爽天天搞| 一级毛片精品| 欧美变态另类bdsm刘玥| 两人在一起打扑克的视频| 亚洲欧美精品综合一区二区三区| 国产午夜精品久久久久久| 久久精品国产99精品国产亚洲性色 | 午夜视频精品福利| 久久人妻福利社区极品人妻图片| 怎么达到女性高潮| 在线观看免费视频网站a站| 久久久国产成人免费| 欧美性长视频在线观看| 1024香蕉在线观看| 欧美黄色淫秽网站| 亚洲中文字幕日韩| 国产亚洲精品久久久久5区| 男女高潮啪啪啪动态图| 精品人妻1区二区| 视频在线观看一区二区三区| 搡老熟女国产l中国老女人| 国产精品久久久人人做人人爽| 欧美乱妇无乱码| 午夜福利影视在线免费观看| 国产91精品成人一区二区三区 | 日韩精品免费视频一区二区三区| 后天国语完整版免费观看| 香蕉久久夜色| 亚洲精品粉嫩美女一区| 狂野欧美激情性xxxx| 一本久久精品| 男女午夜视频在线观看| 男女之事视频高清在线观看| 久久久国产一区二区| 黄色视频在线播放观看不卡| 精品视频人人做人人爽| 一边摸一边抽搐一进一小说 | 中文字幕精品免费在线观看视频| 乱人伦中国视频| 视频区欧美日本亚洲| 久久久久视频综合| 激情在线观看视频在线高清 | 搡老岳熟女国产| 国产精品久久久久久人妻精品电影 | 激情在线观看视频在线高清 | 大陆偷拍与自拍| 亚洲国产欧美在线一区| 亚洲精品成人av观看孕妇| 亚洲精品一二三| 日本一区二区免费在线视频| 热99国产精品久久久久久7| 亚洲欧美色中文字幕在线| 亚洲国产欧美一区二区综合| 成人影院久久| 一边摸一边做爽爽视频免费| 人妻 亚洲 视频| 亚洲av日韩在线播放| e午夜精品久久久久久久| 9191精品国产免费久久| 国产精品久久久av美女十八| 男女之事视频高清在线观看| 国产成人精品久久二区二区免费| 欧美激情 高清一区二区三区| 国产成人av教育| 女同久久另类99精品国产91| 在线看a的网站| 精品国产乱子伦一区二区三区| 精品国产一区二区三区四区第35| 国产一区二区在线观看av| 欧美日韩精品网址| 免费观看av网站的网址| 丰满迷人的少妇在线观看| 亚洲第一av免费看| 精品一区二区三区四区五区乱码| 老汉色∧v一级毛片| 男女免费视频国产| 女人爽到高潮嗷嗷叫在线视频| 亚洲成av片中文字幕在线观看| 午夜激情久久久久久久| 免费看a级黄色片| 后天国语完整版免费观看| 欧美日韩国产mv在线观看视频| 高清视频免费观看一区二区| 久久久精品94久久精品| 精品亚洲乱码少妇综合久久| 69精品国产乱码久久久| 国产亚洲一区二区精品| 高清黄色对白视频在线免费看| 日日摸夜夜添夜夜添小说| 精品国产一区二区三区四区第35| 十分钟在线观看高清视频www| 少妇粗大呻吟视频| 成人手机av| a级毛片黄视频| 一个人免费在线观看的高清视频| 黄色毛片三级朝国网站| 久久久欧美国产精品| av又黄又爽大尺度在线免费看| 成人av一区二区三区在线看| 日本av免费视频播放| 一区二区三区乱码不卡18| 午夜福利,免费看| 免费久久久久久久精品成人欧美视频| 男女午夜视频在线观看| 欧美日韩一级在线毛片| 丝袜在线中文字幕| 亚洲色图 男人天堂 中文字幕| 欧美性长视频在线观看| 国产亚洲精品久久久久5区| 国产免费视频播放在线视频| 黄色视频不卡| 成人影院久久| 巨乳人妻的诱惑在线观看| 黄色片一级片一级黄色片| 亚洲欧美日韩另类电影网站| 黄频高清免费视频| 无限看片的www在线观看| 女人久久www免费人成看片| 精品第一国产精品| 久久精品国产亚洲av香蕉五月 | 亚洲avbb在线观看| 国产真人三级小视频在线观看| aaaaa片日本免费| 午夜视频精品福利| 中文字幕人妻熟女乱码| 建设人人有责人人尽责人人享有的| 亚洲av第一区精品v没综合| 亚洲午夜理论影院| 日韩熟女老妇一区二区性免费视频| 亚洲欧洲精品一区二区精品久久久| 在线观看一区二区三区激情| 免费人妻精品一区二区三区视频| 国产亚洲av高清不卡| 国产成人精品无人区| av电影中文网址| 国产一区二区激情短视频| 青青草视频在线视频观看| 国产又爽黄色视频| 老司机福利观看| 新久久久久国产一级毛片| 美女主播在线视频| 飞空精品影院首页| 亚洲精品粉嫩美女一区| 大片电影免费在线观看免费| 亚洲自偷自拍图片 自拍| 麻豆国产av国片精品| 精品久久久精品久久久| 美女高潮喷水抽搐中文字幕| 欧美黄色淫秽网站| 国产精品亚洲一级av第二区| av超薄肉色丝袜交足视频| av天堂久久9| 韩国精品一区二区三区| 国产精品 国内视频| 亚洲成人手机| 欧美变态另类bdsm刘玥| 精品一区二区三区四区五区乱码| 黑人巨大精品欧美一区二区mp4| 精品乱码久久久久久99久播| cao死你这个sao货| 久久午夜综合久久蜜桃| 成人特级黄色片久久久久久久 | 亚洲av欧美aⅴ国产| 久久影院123| av天堂在线播放| 国产黄色免费在线视频| 丁香六月欧美| 日本欧美视频一区| 久久九九热精品免费| 色婷婷久久久亚洲欧美| 日日爽夜夜爽网站| 午夜免费成人在线视频| 99久久人妻综合| 男女免费视频国产| 大片电影免费在线观看免费| 亚洲精品久久午夜乱码| 久久久国产一区二区| 多毛熟女@视频| 久久久久久亚洲精品国产蜜桃av| 99在线人妻在线中文字幕 | 热re99久久精品国产66热6| 日韩成人在线观看一区二区三区| 宅男免费午夜| 91精品三级在线观看| 91av网站免费观看| 久久午夜亚洲精品久久| 亚洲精品久久午夜乱码| 久久久久久免费高清国产稀缺| 国产不卡av网站在线观看| 亚洲七黄色美女视频| 一进一出抽搐动态| 丁香六月欧美| 亚洲精品成人av观看孕妇| h视频一区二区三区| 五月开心婷婷网| 亚洲av欧美aⅴ国产| 可以免费在线观看a视频的电影网站| 人人妻人人添人人爽欧美一区卜| a级毛片黄视频| 欧美在线黄色| 天堂中文最新版在线下载| 最新在线观看一区二区三区| 真人做人爱边吃奶动态| 国产精品亚洲一级av第二区| 国产真人三级小视频在线观看| 国产免费现黄频在线看| 国产av又大| 久久久精品94久久精品| 五月天丁香电影| 精品一品国产午夜福利视频| 免费女性裸体啪啪无遮挡网站| 国产精品亚洲av一区麻豆| 啦啦啦视频在线资源免费观看| 一区二区三区激情视频| 国产精品九九99| 国产av又大| 国产人伦9x9x在线观看| 欧美精品亚洲一区二区| 午夜福利视频在线观看免费| 久久国产精品大桥未久av| 国产一区二区在线观看av| 在线观看免费高清a一片| 嫩草影视91久久| 国产亚洲欧美在线一区二区| 后天国语完整版免费观看| 国产精品一区二区在线不卡| 少妇 在线观看| 1024香蕉在线观看| 国产黄频视频在线观看| 色尼玛亚洲综合影院| 国产精品国产高清国产av | 精品免费久久久久久久清纯 | 国产真人三级小视频在线观看| 亚洲精品国产精品久久久不卡| 精品国产一区二区三区久久久樱花| 欧美激情高清一区二区三区| 男女边摸边吃奶| 午夜精品久久久久久毛片777| 法律面前人人平等表现在哪些方面| 777久久人妻少妇嫩草av网站| 新久久久久国产一级毛片| 一进一出好大好爽视频| 日韩视频一区二区在线观看| 亚洲色图 男人天堂 中文字幕| 黄色丝袜av网址大全| 超碰成人久久| 亚洲成人免费av在线播放| 国产午夜精品久久久久久| 两人在一起打扑克的视频| 在线十欧美十亚洲十日本专区| 极品少妇高潮喷水抽搐| 精品福利永久在线观看| 亚洲情色 制服丝袜| 亚洲 国产 在线| 国产在线一区二区三区精| 人妻一区二区av| 日本av免费视频播放| 精品高清国产在线一区| 国产精品久久久av美女十八| 亚洲av欧美aⅴ国产| 国产精品一区二区在线不卡| 12—13女人毛片做爰片一| 欧美日韩亚洲综合一区二区三区_| 老司机福利观看| www.自偷自拍.com| 久久精品国产亚洲av高清一级| 亚洲情色 制服丝袜| www.自偷自拍.com| 51午夜福利影视在线观看| 亚洲国产中文字幕在线视频| 热re99久久精品国产66热6| 女人久久www免费人成看片| 在线观看免费午夜福利视频| 香蕉久久夜色| 国产欧美日韩一区二区三| 久久久国产成人免费| 我要看黄色一级片免费的| 日韩 欧美 亚洲 中文字幕| 黄片大片在线免费观看| 亚洲av片天天在线观看| 成年动漫av网址| 亚洲色图 男人天堂 中文字幕| 丰满少妇做爰视频| 国产欧美日韩一区二区三| 国产成人一区二区三区免费视频网站| 久久精品国产综合久久久| 久久人人97超碰香蕉20202| 69av精品久久久久久 | 中文字幕高清在线视频| 精品少妇久久久久久888优播| 最新在线观看一区二区三区| 1024香蕉在线观看| netflix在线观看网站| 别揉我奶头~嗯~啊~动态视频| 少妇被粗大的猛进出69影院| 午夜两性在线视频| 久久狼人影院| 久久亚洲真实| 91精品国产国语对白视频| 80岁老熟妇乱子伦牲交| 亚洲人成伊人成综合网2020| 久热爱精品视频在线9| 啦啦啦 在线观看视频| 亚洲精品国产一区二区精华液| 999精品在线视频| 纵有疾风起免费观看全集完整版| 91精品国产国语对白视频| 宅男免费午夜| 精品久久蜜臀av无| 自线自在国产av| 视频在线观看一区二区三区| 我要看黄色一级片免费的| 在线天堂中文资源库| 亚洲国产av新网站| 成人特级黄色片久久久久久久 | 亚洲天堂av无毛| 成人永久免费在线观看视频 | 亚洲国产中文字幕在线视频| 黑人巨大精品欧美一区二区蜜桃| 国产精品偷伦视频观看了| 女性被躁到高潮视频| 欧美激情极品国产一区二区三区| 久久久久精品国产欧美久久久| 三上悠亚av全集在线观看| 欧美日韩成人在线一区二区| 我要看黄色一级片免费的| 国产一区二区激情短视频| 搡老乐熟女国产| 色在线成人网| 69精品国产乱码久久久| 亚洲欧美精品综合一区二区三区| 国产精品av久久久久免费| 50天的宝宝边吃奶边哭怎么回事| 国产精品久久久av美女十八| 香蕉国产在线看| 9热在线视频观看99| 免费高清在线观看日韩| 99精品在免费线老司机午夜| 热99久久久久精品小说推荐| 国产区一区二久久| 999久久久国产精品视频| 91国产中文字幕| 亚洲一区中文字幕在线| 亚洲人成77777在线视频| 亚洲色图综合在线观看| 国产精品国产av在线观看| 中文字幕色久视频| 欧美日韩黄片免| 亚洲一码二码三码区别大吗| 不卡av一区二区三区| 国产在线视频一区二区| 久久久久精品国产欧美久久久| 国产xxxxx性猛交| 国产黄频视频在线观看| 97人妻天天添夜夜摸| 国产免费现黄频在线看| xxxhd国产人妻xxx| 在线观看免费视频网站a站| 老司机午夜十八禁免费视频| 亚洲中文字幕日韩| 最近最新中文字幕大全免费视频| 亚洲中文日韩欧美视频| 另类亚洲欧美激情| 国产亚洲午夜精品一区二区久久| 欧美精品高潮呻吟av久久| 老司机午夜十八禁免费视频| 国产成人欧美| 久久精品成人免费网站| 9热在线视频观看99| 国产免费福利视频在线观看| 中文字幕av电影在线播放| 久久精品aⅴ一区二区三区四区| 婷婷丁香在线五月| 国产日韩欧美亚洲二区| 久久久精品国产亚洲av高清涩受| 亚洲全国av大片| 亚洲人成伊人成综合网2020| 国产精品影院久久| 99热国产这里只有精品6| 国产一区二区三区视频了| 欧美日韩成人在线一区二区| 欧美日韩av久久| 亚洲一码二码三码区别大吗| 欧美性长视频在线观看| 香蕉丝袜av| 美女国产高潮福利片在线看| 丝袜美腿诱惑在线| 男男h啪啪无遮挡| 国产三级黄色录像| 啦啦啦视频在线资源免费观看| av有码第一页| 久久精品国产综合久久久| 91av网站免费观看| 久久精品亚洲精品国产色婷小说| 免费在线观看完整版高清| 久久ye,这里只有精品| 亚洲视频免费观看视频| 精品第一国产精品| 日本精品一区二区三区蜜桃| 久久ye,这里只有精品| 91精品三级在线观看| 精品国产乱子伦一区二区三区| 国产免费av片在线观看野外av| 一级片'在线观看视频| 精品国产一区二区三区四区第35| 国产亚洲欧美精品永久| av欧美777| av一本久久久久| 国产不卡av网站在线观看| 一级毛片电影观看| 久久亚洲精品不卡| 国产亚洲午夜精品一区二区久久| 成年动漫av网址| 2018国产大陆天天弄谢| 另类亚洲欧美激情| svipshipincom国产片| 亚洲,欧美精品.| 9色porny在线观看| 精品少妇黑人巨大在线播放| 精品少妇久久久久久888优播| 老汉色av国产亚洲站长工具| 中文字幕av电影在线播放| 国产精品.久久久| 丝袜美足系列| 精品国产乱码久久久久久男人| 女人爽到高潮嗷嗷叫在线视频| 黄频高清免费视频| av不卡在线播放| 香蕉丝袜av| 国产成+人综合+亚洲专区| 精品国产乱码久久久久久男人| 亚洲专区字幕在线| 欧美在线一区亚洲| 一边摸一边做爽爽视频免费| 国产成人影院久久av|