• <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 ?

    基于灰色神經(jīng)網(wǎng)絡(luò)的港口集裝箱吞吐量預(yù)測模型研究

    2015-06-10 01:04:22張樹奎肖英杰魯子愛
    關(guān)鍵詞:吞吐量預(yù)測值集裝箱

    張樹奎,肖英杰,魯子愛

    (1.江蘇海事職業(yè)技術(shù)學(xué)院 航海技術(shù)系,江蘇 南京 211170;2.上海海事大學(xué) 商船學(xué)院,上海 201306; 3.河海大學(xué) 港口、海岸與近海工程學(xué)院,江蘇 南京 210098)

    ?

    基于灰色神經(jīng)網(wǎng)絡(luò)的港口集裝箱吞吐量預(yù)測模型研究

    張樹奎1,2,肖英杰2,魯子愛3

    (1.江蘇海事職業(yè)技術(shù)學(xué)院 航海技術(shù)系,江蘇 南京 211170;2.上海海事大學(xué) 商船學(xué)院,上海 201306; 3.河海大學(xué) 港口、海岸與近海工程學(xué)院,江蘇 南京 210098)

    為降低港口集裝箱吞吐量的預(yù)測誤差,提高預(yù)測精度,在分析傳統(tǒng)的灰色預(yù)測模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的優(yōu)缺點的基礎(chǔ)上,構(gòu)建了灰色神經(jīng)網(wǎng)絡(luò)港口集裝箱吞吐量預(yù)測模型,該模型充分發(fā)揮了灰色模型所需初始數(shù)據(jù)少和BP神經(jīng)網(wǎng)絡(luò)非線性擬合能力強(qiáng)的特點。以實際數(shù)值作為初始數(shù)據(jù),各種灰色模型的預(yù)測值為神經(jīng)網(wǎng)絡(luò)的輸入值,神經(jīng)網(wǎng)絡(luò)的輸出值為組合預(yù)測結(jié)果。通過實例分析,結(jié)果表明:灰色神經(jīng)網(wǎng)絡(luò)預(yù)測模型提高了預(yù)測精度,預(yù)測結(jié)果比較理想,優(yōu)于單一預(yù)測模型,因此,該模型用于港口集裝箱吞吐量預(yù)測是可行的、有效的。

    交通運輸工程;吞吐量;預(yù)測;灰色模型;灰色神經(jīng)網(wǎng)絡(luò)

    當(dāng)前,港口之間的競爭日益表現(xiàn)為以集裝箱吞吐量為核心指標(biāo)的綜合實力的競爭。港口集裝箱吞吐量的科學(xué)預(yù)測是港口主管部門科學(xué)規(guī)劃和決策的理論基礎(chǔ),它對港口建設(shè),基礎(chǔ)設(shè)施投資規(guī)模,港口發(fā)展方向,經(jīng)營策略以及港口發(fā)展戰(zhàn)略等都具有現(xiàn)實的指導(dǎo)意義,是不可或缺的重要依據(jù)。

    傳統(tǒng)的港口集裝箱吞吐量的預(yù)測方法主要有線性回歸分析法[1],指數(shù)平滑法,灰色模型法等;目前,新的預(yù)測方法主要有灰色多元回歸模型法[2],組合模型法[3]等。然而,港口集裝箱吞吐量與港口腹地、經(jīng)濟(jì)發(fā)展?fàn)顩r、港口自然條件、交通條件以及國家經(jīng)濟(jì)政策和周邊港口發(fā)展等密切相關(guān),受到多種因素的影響,且各因素的作用機(jī)制很難用準(zhǔn)確的數(shù)學(xué)語言來描述,具有明顯的非線性特征;因此,對其的預(yù)測是一個復(fù)雜的系統(tǒng)過程。上述每個單一的預(yù)測方法都有一定的片面性,而部分組合預(yù)測方法又較少考慮集裝箱吞吐量預(yù)測具有非線性的特點。所以,兩種方法預(yù)測誤差都較大,難以滿足預(yù)測要求。

    筆者根據(jù)灰色系統(tǒng)理論預(yù)測模型所需數(shù)據(jù)量較少、計算方法簡單、不需要太多的關(guān)聯(lián)因素以及可用于短、中、長期預(yù)測的特點和神經(jīng)網(wǎng)絡(luò)所具有的自學(xué)習(xí)、非線性映射以及并行分布處理的能力[4],將兩者結(jié)合,發(fā)揮兩種方法的各自優(yōu)勢,避免其局限性,從而達(dá)到提高港口集裝箱吞吐量預(yù)測精度的目的。

    1 預(yù)測模型的構(gòu)建

    1.1 建模原理

    灰色預(yù)測理論是根據(jù)部分信息已知,部分信息未知的歷史數(shù)據(jù),建立一個能夠表達(dá)信息發(fā)展的GM(Gray Model)模型,從而揭示信息未來發(fā)展規(guī)律,做出預(yù)測[5]。目前,灰色預(yù)測方法在各領(lǐng)域應(yīng)用非常廣泛[6-7],但是灰色預(yù)測模型缺乏自學(xué)習(xí)、自組織和自適應(yīng)能力,對信息處理能力較差,難以控制預(yù)測誤差。

    人工神經(jīng)網(wǎng)絡(luò)是一種通過模仿動物神經(jīng)網(wǎng)絡(luò)行為特征,對信息進(jìn)行分布并行處理的算法數(shù)學(xué)模型[8]。人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有很強(qiáng)的非線性映射能力,能夠?qū)敵稣`差進(jìn)行反饋校正,在一定條件下能夠任意逼近模型,預(yù)測精度非常高,其中以BP(Back Propagation)網(wǎng)絡(luò)應(yīng)用最為廣泛和成功。

    筆者將灰色預(yù)測理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合,構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)(Gray Neural Network,GNN)預(yù)測模型對港口集裝箱吞吐量進(jìn)行預(yù)測,通過兩者結(jié)合,體現(xiàn)優(yōu)勢互補(bǔ),提高預(yù)測精度。

    1.2 模型構(gòu)建

    筆者選擇最常用、最簡單的GM(1,1)灰色模型[9-10]和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,建模步驟如下。

    1)設(shè)已知的歷史港口集裝箱吞吐量x(0)的初始數(shù)據(jù)序列為:

    (1)

    式中:n為序列長度。

    2)對歷史數(shù)據(jù)進(jìn)行一次累加生成(AGO)處理,目的是為了弱化數(shù)據(jù)的隨機(jī)性和波動性:

    新生成的數(shù)據(jù)序列記為:

    (2)

    3)建立一階線性微分方程:

    (3)

    式中:α,μ為待辨識參數(shù),分別表示發(fā)展系數(shù)和灰色作用量。

    利用最小二乘法求解可得:

    (4)

    5)將得到的參數(shù)向量帶入式(1),求解微分方程得到時間響應(yīng)方程:

    (5)

    離散響應(yīng)方程為:

    (6)

    (7)

    7)對不同時間序列長度的初始數(shù)據(jù)運用等維灰數(shù)遞補(bǔ)法,得到不同的港口集裝箱吞吐量GM模型:GM1,GM2,…,GMk。

    8)確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu):神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)一般采用3層BP網(wǎng),即輸入層、隱含層和輸出層,其中輸入為各種GM的預(yù)測結(jié)果,對預(yù)測結(jié)果數(shù)據(jù)進(jìn)行歸一化處理后,結(jié)果可視為輸入神經(jīng)元,其個數(shù)為3;輸出為灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測結(jié)果,可視為輸出神經(jīng)元,個數(shù)為1;隱含層神經(jīng)元個數(shù)與輸入、輸出神經(jīng)元的個數(shù)有關(guān),可用試驗的方法確定。筆者參考以下經(jīng)驗公式設(shè)計,并根據(jù)訓(xùn)練結(jié)果,最終確定隱含層節(jié)點數(shù):

    9)采用誤差反向傳播學(xué)習(xí)方法訓(xùn)練神經(jīng)網(wǎng)絡(luò),直到誤差達(dá)到要求精度為止。此時的神經(jīng)網(wǎng)絡(luò)才是最好的神經(jīng)網(wǎng)絡(luò),其結(jié)構(gòu)如圖1。當(dāng)輸入端為港口集裝箱吞吐量的各種GM預(yù)測值時,則輸出端為灰色神經(jīng)網(wǎng)絡(luò)組合的預(yù)測值。

    圖1 灰色神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)Fig.1 Structure of Grey neural network model

    2 實例及數(shù)據(jù)分析

    采用南京港1990年到2013年共24年的港口集裝箱吞吐量數(shù)據(jù)作為實驗數(shù)據(jù)來驗證模型;設(shè)計灰色預(yù)測模型GM1,GM2,GM3,BP神經(jīng)網(wǎng)絡(luò)模型以及GNN組合模型;應(yīng)用前15年的數(shù)據(jù)作為初始數(shù)據(jù),預(yù)測后9年內(nèi)的港口集裝箱吞吐量。

    GM1,GM2,GM3建模所用的時間序列長度分別為10,8,6,為確保預(yù)測精度,采用等維遞推滾動預(yù)測方法[11-12],即每次預(yù)測一個港口集裝箱吞吐量后,添加一個新的數(shù)據(jù),去掉最早的一個數(shù)據(jù),以保持?jǐn)?shù)據(jù)序列等維,重新建模預(yù)測下一個值,這樣依次遞補(bǔ)進(jìn)行預(yù)測。

    BP神經(jīng)網(wǎng)絡(luò)模型采用3×6×1結(jié)構(gòu),輸入層與隱含層的傳遞函數(shù)為Sigmoid型,取前15年的實際港口集裝箱吞吐量值作為樣本訓(xùn)練網(wǎng)絡(luò),并對樣本進(jìn)行歸一化處理,其值域為[0,1],將前3個實際吞吐量值作為輸入,第4個實際吞吐量值作為輸出,設(shè)計最大學(xué)習(xí)次數(shù)為18 000次,學(xué)習(xí)速度為0.002,取學(xué)習(xí)目標(biāo)誤差平方和為0.1。

    采用GNN組合模型進(jìn)行預(yù)測時,GM1,GM2,GM3的預(yù)測值作為輸入值。因此,輸入神經(jīng)元個數(shù)為3,輸出為1。設(shè)計最大學(xué)習(xí)次數(shù)為18 000次,學(xué)習(xí)速度為0.002,取學(xué)習(xí)目標(biāo)誤差平方和為0.1。設(shè)計訓(xùn)練步數(shù)為3 000時,訓(xùn)練誤差達(dá)到1×9-3,滿足預(yù)計設(shè)計學(xué)習(xí)精度要求,所以取GNN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3×9×1。分別對GM1,GM2,GM3,BP,GNN模型進(jìn)行MATLAB仿真,采用后9年的實際集裝箱吞吐量數(shù)據(jù)預(yù)測集裝箱吞吐量,預(yù)測結(jié)果見表1。

    表1 GM(1,1)、BP神經(jīng)網(wǎng)絡(luò)和GNN預(yù)測值

    對表1中的各模型的相關(guān)預(yù)測數(shù)據(jù)與實際數(shù)據(jù)建立坐標(biāo)圖進(jìn)行比較,其中橫軸表示時間,縱軸表示每年的集裝箱吞吐量。坐標(biāo)如圖2,從圖2可以看出,GNN模型預(yù)測曲線更接近實際測量數(shù)據(jù)曲線,說明GNN模型優(yōu)于其它各單一預(yù)測模型。

    圖2 各種模型的預(yù)測結(jié)果比較Fig.2 Comparison of predicted results with different models

    令港口集裝箱吞吐量的預(yù)測值為dpre,實際值為dmea;dpre與dmea的關(guān)聯(lián)系數(shù)為C,效果系數(shù)為E,一致性指標(biāo)為A[13],則有:

    (8)

    (9)

    (10)

    關(guān)聯(lián)系數(shù)和效果系數(shù)越接近1,說明預(yù)測值越接近實際值,一致性指標(biāo)的值域為[0,1],值越接近1,說明預(yù)測值與實際值的變化曲線越趨于一致,擬合度就越好。采用表示各單一模型和GNN模型的擬合度,建立表2。從表2中可以看出:GNN模型的擬合度值均大于對應(yīng)的單一模型的值,說明GNN模型不僅適用于港口集裝箱吞吐量的預(yù)測,而且好于上述其它單一預(yù)測模型。

    表2 GM(1,1)、BP神經(jīng)網(wǎng)絡(luò)和GNN擬合度檢驗

    對表1中各模型的相關(guān)預(yù)測數(shù)據(jù)與實際數(shù)據(jù)取平均相對誤差(表3)作為評價指標(biāo),對各預(yù)測模型進(jìn)行評價。由表3可以看出:與各單一預(yù)測模型比較,GNN預(yù)測模型的平均誤差均小于其它單一預(yù)測模型對應(yīng)的值;最大誤差也均小于其它單一預(yù)測模型的最大誤差;特別是在實際數(shù)據(jù)變化幅度較大的2009年和2011年,GNN預(yù)測模型的平均誤差值與其它單一預(yù)測模型的平均誤差值相比較要小得多,預(yù)測效果明顯。

    表3 各種模型預(yù)測值相對誤差比較

    Table 3 Comparison of relative deviation of predicted results with different models

    年份實際值單一模型/%GM1GM2GM3BPGNN預(yù)測值/%200558.7710.8614.549.378.594.46200678.939.927.6211.0110.915.76

    (續(xù)表3)

    年份實際值單一模型/%GM1GM2GM3BPGNN預(yù)測值/%2007104.293.856.685.212.661.842008128.039.979.048.042.581.872009120.0314.2121.7818.909.516.262010141.5610.619.148.656.082.282011180.0715.9813.2812.207.703.862012229.089.3710.789.124.934.022013279.767.989.948.765.092.88

    對后9年的預(yù)測數(shù)據(jù)取平均相對誤差,均方根誤差,最大相對誤差以及最小相對誤差(表4)作為評價指標(biāo),討論各預(yù)測模型。從表4中可以看出,GNN預(yù)測結(jié)果明顯優(yōu)于單一GM預(yù)測和BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法,表現(xiàn)為GNN的4個評價指標(biāo)值均小于對應(yīng)的單一預(yù)測模型的評價指標(biāo)值。GNN預(yù)測更接近實際測量值。

    表4 各種預(yù)測結(jié)果相對誤差比較

    3 結(jié) 論

    筆者通過采用5個預(yù)測模型對南京港口集裝箱吞吐量進(jìn)行預(yù)測,并對其相對誤差進(jìn)行比較,得到如下結(jié)論:

    1)與其它4個單一模型比較,GNN模型的預(yù)測結(jié)果更接近實際值,預(yù)測精度更高。

    2)GNN模型充分利用了GM模型所需初始數(shù)據(jù)少、計算方法簡單和BP模型非線性強(qiáng)的優(yōu)點,提高了預(yù)測精度。

    3)GNN預(yù)測模型不僅適用于港口集裝箱吞吐量預(yù)測,還可用于其它領(lǐng)域的預(yù)測,應(yīng)用范圍廣泛。

    [1] 陳秀瑛,古浩.灰色線性回歸模型在港口吞吐量預(yù)測中的應(yīng)用[J].水運工程,2010(5):89-92. Chen Xiuying,Gu Hao.Application of grey linear regression model for forecast of port throughput [J].Port & Waterway Engineering,2010(5):89-92.

    [2] 林強(qiáng),陳一梅.灰色多元回歸模型在港口吞吐量預(yù)測中的應(yīng)用[J].水運工程,2008(7):77-80. Lin Qiang,Chen Yimei.Grey multiple regression model applied for port throughput forecasting [J].Port & Waterway Engineering,2008(7):77-80.

    [3] 劉志杰,季令,葉玉玲,等.基于徑向基神經(jīng)網(wǎng)絡(luò)的集裝箱吞吐量組合預(yù)測[J].同濟(jì)大學(xué)學(xué)報:自然科學(xué)版,2007,35(6):739-744. Liu Zhijie,Ji Ling,Ye Yuling,et al.Combined forecast method of port container throughput based on RBF neural network [J].Journal of Tongji University:Natural Science,2007,35(6):739-744.

    [4] 于莉,馬曉平.灰色理論在造船工序作業(yè)計劃預(yù)測中的應(yīng)用研究[J].江蘇科技大學(xué)學(xué)報:自然科學(xué)版,2007,21(2):17-19. Yu Li,Ma Xiaoping.Application research on grey-theory in forecast of shipbuilding process operation plan [J].Journal of Jiangsu University of Science and Technology:Natural Science Edition,2007,21(2):17-19.

    [5] 邱洪波,楊斌,黃勇.基于灰色理論的城市核心區(qū)道路交通安全分析[J].重慶交通大學(xué)學(xué)報:自然科學(xué)版,2013,32(6):1228-1231. Qiu Hongbo,Yang Bin,Huang Yong.Road traffic safety analysis at the core area of city based on the grey system theory [J].Journal of Chongqing Jiaotong University:Natural Science,2013,32(6):1228-1231.

    [6] 傅立.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)技術(shù)文獻(xiàn)出版社,1992:18-24. Fu Li.Grey System Theory and Its Applications [M].Beijing:Science and Technology Press,1992:18-24.

    [7] 張樹奎,魯子愛.港口環(huán)境資源的生態(tài)性評價方法研究[J].江蘇科技大學(xué)學(xué)報:自然科學(xué)版,2010,24(2):179-183. Zhang Shukui,Lu Zi’ai.Ecology evaluation method of port environment resource [J].Journal of Jiangsu University of Science and Technology:Natural Science Edition,2010,24(2):179-183.

    [8] 王偉.人工神經(jīng)網(wǎng)絡(luò)原理[M].北京:北京航空航天大學(xué)出版社,1995:46-51. Wang Wei.Artificial Neural Network Theory [M].Beijing:Beijing University of Aeronautics and Astronautics Press,1995:46-51.

    [9] 吳志周,范宇杰,馬萬經(jīng).基于灰色神經(jīng)網(wǎng)絡(luò)的點速度預(yù)測模型[J].西南交通大學(xué)學(xué)報,2012,47(2):285-290. Wu Zhizhou,Fan Yujie,Ma Wanjing.Spot speed prediction model based on grey neural network [J].Journal of southwest Jiaotong University,2012,47(2):285-290.

    [10] 范嫦娥,李德華.基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的路面使用性能評價方法[J].重慶交通大學(xué)學(xué)報:自然科學(xué)版,2013,32(1):80-83. Fan Chang’e,Li Dehua.Pavement performance evaluation based on SOM neural network [J].Journal of Chongqing Jiaotong University:Natural Science,2013,32(1):80-83.

    [11] 周鵬飛,溫勝強(qiáng),康海貴.基于馬爾可夫鏈與神經(jīng)網(wǎng)絡(luò)組合的路面使用性能預(yù)測[J].重慶交通大學(xué)學(xué)報:自然科學(xué)版,2012,31(5):997-1001. Zhou Pengfei,Wen Shengqiang,Kang Haigui.Pavement performance combining forecasting based on BP neural network and Markov model [J].Journal of Chongqing Jiaotong University:Natural Science,2012,31(5):997-1001.

    [12] 陳淑燕,王煒.交通量的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測方法[J].東南大學(xué)學(xué)報:自然科學(xué)版,2004,34(4):541-544. Chen Shuyan,Wang Wei.Grey neural network forecasting for traffic flow [J].Journal of Southeast University:Natural Science Edition,2004,34(4):541-544.

    [13] Legates D R,Mccabe G J.Evaluating the use of goodness of fit measures in hydropic and hydro-climatic model validation [J].Water Resources,1999,35(1):233-241.

    Prediction Model of Port Container Throughput Based on Grey Neural Network

    Zhang Shukui1, 2, Xiao Yingjie2, Lu Zi’ai3

    (1. Department of Navigation, Jiangsu Maritime Institute, Nanjing 211170, Jiangsu, China; 2. College of Merchant, Shanghai Maritime University, Shanghai 201306, China; 3. College of Harbor, Coastal & Offshore, Hohai University, Nanjing 210098, Jiangsu, China)

    In order to reduce prediction error of port container throughput and improve its prediction accuracy, a Grey neural network model of port container throughput was constructed after analyzing the advantages and disadvantages of the conventional Grey model and BP neural network model. The new model made full use of the characteristic of low data demand of Grey model and strong nonlinear fitting ability of BP neural network. The actually measured values were used as the initial data, and various prediction values of Grey model were used as input data of neural network and final output data of neural network was used as combination prediction result. A case study shows that the Grey neural network model can offer improved prediction accuracy and ideal prediction results, which is better than single forecasting model. Therefore, it is feasible and effective to predict port container throughput by Grey neural network model.

    transportation engineering; throughput; prediction; grey model; grey neural network

    10.3969/j.issn.1674-0696.2015.05.27

    2014-04-24;

    2014-07-08

    2013年度江蘇省教育教學(xué)研究課題項目(ZYB210);2013年交通運輸職業(yè)教育科研立項項目(2013A03)

    張樹奎(1973—),男,安徽阜陽人,副教授,博士,主要從事港口、海岸與近海工程及航海技術(shù)方面的研究。E-mail: zhangshkfy@163.com。

    U 695.2

    A

    1674-0696(2015)05-135-04

    猜你喜歡
    吞吐量預(yù)測值集裝箱
    IMF上調(diào)今年全球經(jīng)濟(jì)增長預(yù)期
    企業(yè)界(2024年8期)2024-07-05 10:59:04
    美軍一架C-130J正在投放集裝箱
    軍事文摘(2023年5期)2023-03-27 09:13:10
    加拿大農(nóng)業(yè)部下調(diào)2021/22年度油菜籽和小麥產(chǎn)量預(yù)測值
    ±800kV直流輸電工程合成電場夏季實測值與預(yù)測值比對分析
    法電再次修訂2020年核發(fā)電量預(yù)測值
    國外核新聞(2020年8期)2020-03-14 02:09:19
    虛實之間——集裝箱衍生出的空間折疊
    我家住在集裝箱
    中國公路(2017年8期)2017-07-21 14:26:20
    2016年10月長三角地區(qū)主要港口吞吐量
    集裝箱化(2016年11期)2017-03-29 16:15:48
    2016年11月長三角地區(qū)主要港口吞吐量
    集裝箱化(2016年12期)2017-03-20 08:32:27
    一種新型自卸式污泥集裝箱罐
    專用汽車(2015年2期)2015-03-01 04:06:52
    又紧又爽又黄一区二区| 国产欧美日韩一区二区精品| 亚洲性夜色夜夜综合| 两个人免费观看高清视频| 麻豆乱淫一区二区| 老鸭窝网址在线观看| 国产一区二区三区综合在线观看| 91精品三级在线观看| 精品久久久久久久毛片微露脸| 精品免费久久久久久久清纯 | 久久久精品免费免费高清| 美女午夜性视频免费| a级片在线免费高清观看视频| 中文字幕人妻丝袜一区二区| 日韩精品免费视频一区二区三区| 午夜福利影视在线免费观看| 亚洲精品乱久久久久久| 老鸭窝网址在线观看| 精品一品国产午夜福利视频| 悠悠久久av| 手机成人av网站| 少妇猛男粗大的猛烈进出视频| 成年女人毛片免费观看观看9 | 精品亚洲成国产av| 亚洲精品成人av观看孕妇| 亚洲 欧美一区二区三区| e午夜精品久久久久久久| 乱人伦中国视频| 精品国产乱子伦一区二区三区| 精品国产乱码久久久久久小说| 亚洲七黄色美女视频| 免费少妇av软件| 麻豆成人av在线观看| 在线十欧美十亚洲十日本专区| 男女高潮啪啪啪动态图| 91av网站免费观看| 一个人免费在线观看的高清视频| 天天添夜夜摸| 一区二区日韩欧美中文字幕| 纯流量卡能插随身wifi吗| 国产一区二区三区视频了| 老司机深夜福利视频在线观看| 丰满人妻熟妇乱又伦精品不卡| 欧美成狂野欧美在线观看| 国产免费现黄频在线看| 啦啦啦免费观看视频1| 午夜两性在线视频| 一区二区三区国产精品乱码| 久久久久国产一级毛片高清牌| 母亲3免费完整高清在线观看| 99国产精品免费福利视频| 丁香六月天网| 少妇 在线观看| 亚洲精品av麻豆狂野| 亚洲成国产人片在线观看| 99久久精品国产亚洲精品| 老鸭窝网址在线观看| 久久久水蜜桃国产精品网| 黄片小视频在线播放| 国产免费福利视频在线观看| 亚洲精品一二三| 老熟女久久久| 亚洲精品一卡2卡三卡4卡5卡| 精品国产乱子伦一区二区三区| 狂野欧美激情性xxxx| 香蕉国产在线看| 久久中文字幕一级| 午夜福利,免费看| 国产日韩欧美亚洲二区| 亚洲欧美日韩另类电影网站| 午夜日韩欧美国产| 成人18禁在线播放| 一区二区av电影网| 色精品久久人妻99蜜桃| 欧美日韩中文字幕国产精品一区二区三区 | 一二三四社区在线视频社区8| 丁香六月天网| 999久久久精品免费观看国产| 一区二区三区乱码不卡18| 久久久久精品国产欧美久久久| 国产成人av教育| 久久天躁狠狠躁夜夜2o2o| 色94色欧美一区二区| 欧美黑人精品巨大| 好男人电影高清在线观看| 亚洲精品一卡2卡三卡4卡5卡| 精品卡一卡二卡四卡免费| 伦理电影免费视频| 热99re8久久精品国产| 1024视频免费在线观看| 极品教师在线免费播放| 亚洲第一青青草原| 国产男女内射视频| 香蕉国产在线看| 交换朋友夫妻互换小说| av有码第一页| 久久毛片免费看一区二区三区| 人人妻,人人澡人人爽秒播| 黄色成人免费大全| 午夜91福利影院| 淫妇啪啪啪对白视频| 老司机午夜福利在线观看视频 | 一级毛片电影观看| 日韩一卡2卡3卡4卡2021年| 国产精品偷伦视频观看了| 狠狠婷婷综合久久久久久88av| 亚洲久久久国产精品| 精品一区二区三卡| 自线自在国产av| 麻豆乱淫一区二区| 久久精品亚洲熟妇少妇任你| 亚洲 欧美一区二区三区| av一本久久久久| 国产97色在线日韩免费| 国产熟女午夜一区二区三区| 啪啪无遮挡十八禁网站| 国产男女超爽视频在线观看| 高清视频免费观看一区二区| 日本欧美视频一区| 伊人久久大香线蕉亚洲五| 国产视频一区二区在线看| 国产精品久久久久成人av| 热re99久久国产66热| 久久人人爽av亚洲精品天堂| 欧美日韩亚洲国产一区二区在线观看 | 女同久久另类99精品国产91| 欧美精品啪啪一区二区三区| netflix在线观看网站| 久久99热这里只频精品6学生| 高清在线国产一区| 精品欧美一区二区三区在线| 日本vs欧美在线观看视频| 成人手机av| 性色avwww在线观看| 国产精品久久久久久人妻精品电影| 国产精品精品国产色婷婷| 亚洲熟妇中文字幕五十中出| 宅男免费午夜| 国内揄拍国产精品人妻在线| 亚洲欧美日韩无卡精品| 亚洲精品在线观看二区| 久久久久久九九精品二区国产| 日本黄色视频三级网站网址| 老熟妇乱子伦视频在线观看| 亚洲自偷自拍图片 自拍| 中文字幕高清在线视频| 免费观看精品视频网站| 日本一本二区三区精品| 午夜久久久久精精品| 成熟少妇高潮喷水视频| 国产单亲对白刺激| 国产69精品久久久久777片 | 精品国产亚洲在线| 精品不卡国产一区二区三区| 一个人看的www免费观看视频| 白带黄色成豆腐渣| 午夜福利在线观看免费完整高清在 | 久久久久久久午夜电影| АⅤ资源中文在线天堂| 国产亚洲欧美在线一区二区| 天堂√8在线中文| 中文字幕人妻丝袜一区二区| 色吧在线观看| 岛国视频午夜一区免费看| 一进一出好大好爽视频| 午夜a级毛片| 国产一区在线观看成人免费| 丁香欧美五月| 国产一区在线观看成人免费| 中文字幕人成人乱码亚洲影| 五月伊人婷婷丁香| 五月伊人婷婷丁香| 一a级毛片在线观看| 啦啦啦免费观看视频1| 国产又色又爽无遮挡免费看| 五月伊人婷婷丁香| 午夜福利欧美成人| 国产高清激情床上av| av欧美777| 国产主播在线观看一区二区| avwww免费| 免费av不卡在线播放| 手机成人av网站| 国产毛片a区久久久久| 色老头精品视频在线观看| 岛国在线观看网站| 成人高潮视频无遮挡免费网站| 99久久99久久久精品蜜桃| 亚洲最大成人中文| 国产精品98久久久久久宅男小说| av天堂中文字幕网| 午夜视频精品福利| 午夜免费成人在线视频| 18禁观看日本| 国产av不卡久久| 欧美激情在线99| 色播亚洲综合网| 在线观看午夜福利视频| 最近在线观看免费完整版| 1024手机看黄色片| 在线观看日韩欧美| aaaaa片日本免费| 少妇的丰满在线观看| 欧美一级毛片孕妇| 一卡2卡三卡四卡精品乱码亚洲| 久久伊人香网站| 久久人妻av系列| 欧美最黄视频在线播放免费| 亚洲人与动物交配视频| 午夜激情福利司机影院| 97超级碰碰碰精品色视频在线观看| 观看美女的网站| 欧美性猛交╳xxx乱大交人| 男女午夜视频在线观看| 午夜影院日韩av| 国产一区二区在线观看日韩 | 99国产精品99久久久久| 超碰成人久久| 神马国产精品三级电影在线观看| 国产三级中文精品| 国产免费av片在线观看野外av| 在线观看美女被高潮喷水网站 | 精品一区二区三区视频在线观看免费| 97超视频在线观看视频| 国产精华一区二区三区| 欧美日韩一级在线毛片| 国产97色在线日韩免费| 国产精品久久电影中文字幕| 丰满人妻熟妇乱又伦精品不卡| 国产在线精品亚洲第一网站| 成人一区二区视频在线观看| 黑人操中国人逼视频| 亚洲最大成人中文| 麻豆成人av在线观看| 老汉色∧v一级毛片| 亚洲 国产 在线| 五月伊人婷婷丁香| 久久精品国产清高在天天线| 国产精品一区二区三区四区久久| 久久久久久久午夜电影| 1024手机看黄色片| 亚洲人成伊人成综合网2020| 欧美中文日本在线观看视频| 黄色丝袜av网址大全| 脱女人内裤的视频| 亚洲国产日韩欧美精品在线观看 | 亚洲中文日韩欧美视频| 亚洲国产精品合色在线| 成年女人看的毛片在线观看| 久久欧美精品欧美久久欧美| 中文字幕人成人乱码亚洲影| 国产精品免费一区二区三区在线| 女生性感内裤真人,穿戴方法视频| 国产精品女同一区二区软件 | 日韩高清综合在线| 黄色片一级片一级黄色片| 婷婷丁香在线五月| 国产探花在线观看一区二区| 激情在线观看视频在线高清| 悠悠久久av| av欧美777| 综合色av麻豆| 色精品久久人妻99蜜桃| 99热6这里只有精品| 久久久久精品国产欧美久久久| 色综合婷婷激情| 亚洲人成网站在线播放欧美日韩| 亚洲av成人不卡在线观看播放网| 最新中文字幕久久久久 | 久久久久九九精品影院| 成人18禁在线播放| 一级黄色大片毛片| 丰满人妻一区二区三区视频av | 国产精品99久久99久久久不卡| 国产极品精品免费视频能看的| 国产三级在线视频| 香蕉av资源在线| 欧美性猛交黑人性爽| 亚洲黑人精品在线| 在线观看免费午夜福利视频| 人妻久久中文字幕网| 亚洲真实伦在线观看| 一级a爱片免费观看的视频| 亚洲av美国av| av在线天堂中文字幕| 午夜福利在线观看吧| 麻豆国产av国片精品| www国产在线视频色| 人妻久久中文字幕网| 又爽又黄无遮挡网站| 欧美一级a爱片免费观看看| 亚洲自偷自拍图片 自拍| 欧美日韩黄片免| 午夜福利欧美成人| 久久久久久久午夜电影| 色精品久久人妻99蜜桃| aaaaa片日本免费| xxx96com| 老司机深夜福利视频在线观看| 亚洲中文字幕一区二区三区有码在线看 | 丰满的人妻完整版| 黄色视频,在线免费观看| 久久性视频一级片| 99久久综合精品五月天人人| 怎么达到女性高潮| 日韩精品青青久久久久久| 制服丝袜大香蕉在线| 欧美另类亚洲清纯唯美| 在线观看舔阴道视频| 精品国产三级普通话版| 国产精品自产拍在线观看55亚洲| 男人和女人高潮做爰伦理| 黄色丝袜av网址大全| 久久久久国产精品人妻aⅴ院| 亚洲精品一区av在线观看| 叶爱在线成人免费视频播放| 午夜福利在线观看吧| 国产美女午夜福利| 在线播放国产精品三级| 看片在线看免费视频| 在线观看免费视频日本深夜| 少妇人妻一区二区三区视频| 黄片小视频在线播放| 欧美黑人巨大hd| www.熟女人妻精品国产| 久久久久免费精品人妻一区二区| 全区人妻精品视频| 亚洲国产精品sss在线观看| 成人特级av手机在线观看| 精品久久久久久久末码| aaaaa片日本免费| 国产1区2区3区精品| 色哟哟哟哟哟哟| 最新中文字幕久久久久 | av女优亚洲男人天堂 | 午夜福利免费观看在线| 好男人在线观看高清免费视频| 亚洲av中文字字幕乱码综合| 每晚都被弄得嗷嗷叫到高潮| 国产欧美日韩精品亚洲av| 成年人黄色毛片网站| 天堂网av新在线| 国产精品久久久av美女十八| 日韩av在线大香蕉| 日本黄色片子视频| 小蜜桃在线观看免费完整版高清| av在线蜜桃| 99热只有精品国产| 嫁个100分男人电影在线观看| 亚洲精品乱码久久久v下载方式 | 日本黄色视频三级网站网址| 亚洲av熟女| 天堂网av新在线| 日本 av在线| 青草久久国产| 9191精品国产免费久久| 色在线成人网| 岛国在线免费视频观看| 国产精品野战在线观看| 亚洲 欧美 日韩 在线 免费| 深夜精品福利| 18禁黄网站禁片午夜丰满| 不卡av一区二区三区| 一级a爱片免费观看的视频| а√天堂www在线а√下载| 又爽又黄无遮挡网站| 免费av不卡在线播放| 美女免费视频网站| 日本a在线网址| 国产在线精品亚洲第一网站| 久久精品人妻少妇| 听说在线观看完整版免费高清| 久久久国产成人精品二区| 日本成人三级电影网站| 久久这里只有精品中国| 综合色av麻豆| 亚洲人与动物交配视频| 99热精品在线国产| 精品福利观看| 免费高清视频大片| 中国美女看黄片| 午夜成年电影在线免费观看| 成人国产综合亚洲| 国产精品日韩av在线免费观看| 国产激情久久老熟女| 三级男女做爰猛烈吃奶摸视频| 叶爱在线成人免费视频播放| 久久国产精品人妻蜜桃| 12—13女人毛片做爰片一| 99精品欧美一区二区三区四区| 国产成人精品无人区| 国产成人啪精品午夜网站| 午夜福利在线观看免费完整高清在 | 国产三级黄色录像| 伦理电影免费视频| 在线视频色国产色| 十八禁人妻一区二区| 两性午夜刺激爽爽歪歪视频在线观看| 哪里可以看免费的av片| 桃色一区二区三区在线观看| 两个人的视频大全免费| 老鸭窝网址在线观看| 国产午夜精品论理片| 波多野结衣高清作品| 一区福利在线观看| 欧美日韩一级在线毛片| 国产黄片美女视频| 嫩草影院精品99| 久久人妻av系列| 最好的美女福利视频网| 中亚洲国语对白在线视频| 欧美高清成人免费视频www| 日韩欧美三级三区| 国产亚洲欧美98| 不卡一级毛片| 男插女下体视频免费在线播放| 欧美一级毛片孕妇| 免费在线观看影片大全网站| 亚洲欧美一区二区三区黑人| 国产综合懂色| 精华霜和精华液先用哪个| 久久性视频一级片| 亚洲 欧美 日韩 在线 免费| 亚洲av熟女| 搡老熟女国产l中国老女人| 国产精华一区二区三区| 精品午夜福利视频在线观看一区| 国产毛片a区久久久久| 亚洲性夜色夜夜综合| 一区二区三区国产精品乱码| 他把我摸到了高潮在线观看| 午夜免费激情av| 757午夜福利合集在线观看| 国产精品av久久久久免费| 99久久精品一区二区三区| 中文字幕人妻丝袜一区二区| 美女扒开内裤让男人捅视频| 午夜免费成人在线视频| 亚洲国产欧美一区二区综合| 窝窝影院91人妻| 午夜免费观看网址| 狂野欧美激情性xxxx| 日本免费一区二区三区高清不卡| a在线观看视频网站| 国产精品亚洲一级av第二区| 一夜夜www| 国产伦在线观看视频一区| 波多野结衣高清作品| 色尼玛亚洲综合影院| 亚洲av中文字字幕乱码综合| 亚洲第一电影网av| 每晚都被弄得嗷嗷叫到高潮| 国产精品爽爽va在线观看网站| 欧美一级毛片孕妇| 动漫黄色视频在线观看| 亚洲七黄色美女视频| 成人一区二区视频在线观看| 国产欧美日韩一区二区三| 欧洲精品卡2卡3卡4卡5卡区| 搡老岳熟女国产| www.www免费av| 国产三级黄色录像| 亚洲五月婷婷丁香| 国产探花在线观看一区二区| 亚洲精品在线观看二区| 日日干狠狠操夜夜爽| 精品日产1卡2卡| 18禁黄网站禁片免费观看直播| a在线观看视频网站| 婷婷精品国产亚洲av| 免费大片18禁| 欧美成人免费av一区二区三区| 日韩中文字幕欧美一区二区| 国产一区二区在线av高清观看| 国产 一区 欧美 日韩| 在线免费观看的www视频| 精品久久久久久久久久久久久| 九九久久精品国产亚洲av麻豆 | 老司机在亚洲福利影院| 久久亚洲真实| 国产熟女xx| 欧美一区二区国产精品久久精品| 国产精品野战在线观看| 亚洲无线在线观看| 亚洲成av人片在线播放无| 免费大片18禁| 欧美乱色亚洲激情| 国产高清有码在线观看视频| 熟妇人妻久久中文字幕3abv| 在线观看美女被高潮喷水网站 | 国产精品久久久久久精品电影| 亚洲欧美激情综合另类| 男人舔女人的私密视频| 很黄的视频免费| 日韩精品青青久久久久久| 90打野战视频偷拍视频| 国产亚洲精品综合一区在线观看| 亚洲精品美女久久av网站| 国产精品野战在线观看| 国产一区二区在线av高清观看| 成人精品一区二区免费| 欧美性猛交黑人性爽| 麻豆一二三区av精品| 久久久久久久久久黄片| 一级毛片女人18水好多| 国产欧美日韩一区二区三| 精品日产1卡2卡| 免费av不卡在线播放| 亚洲精品久久国产高清桃花| 国产伦一二天堂av在线观看| 视频区欧美日本亚洲| 国产激情偷乱视频一区二区| 国产精品爽爽va在线观看网站| 日韩大尺度精品在线看网址| 国产高清视频在线观看网站| 国产v大片淫在线免费观看| 18禁黄网站禁片免费观看直播| 亚洲欧美激情综合另类| 精品国产超薄肉色丝袜足j| 嫁个100分男人电影在线观看| 岛国在线观看网站| 国产一区二区三区在线臀色熟女| 亚洲在线自拍视频| 午夜福利欧美成人| 最新在线观看一区二区三区| ponron亚洲| 国产亚洲av嫩草精品影院| 老司机在亚洲福利影院| 在线观看美女被高潮喷水网站 | 久久婷婷人人爽人人干人人爱| 特大巨黑吊av在线直播| 人人妻人人澡欧美一区二区| 91av网站免费观看| 在线播放国产精品三级| 亚洲人成网站在线播放欧美日韩| 国产精品久久视频播放| 亚洲专区国产一区二区| 欧美日韩乱码在线| 国产亚洲精品综合一区在线观看| 免费观看人在逋| 老熟妇乱子伦视频在线观看| 一边摸一边抽搐一进一小说| 亚洲人成网站在线播放欧美日韩| 一本一本综合久久| 成人国产一区最新在线观看| 欧美丝袜亚洲另类 | 国产成人精品久久二区二区91| 国产精品一区二区精品视频观看| 午夜免费激情av| 国产精品综合久久久久久久免费| 国产视频内射| 国产精品久久久av美女十八| 精品久久久久久成人av| 色噜噜av男人的天堂激情| 成熟少妇高潮喷水视频| 日韩欧美一区二区三区在线观看| 国产又黄又爽又无遮挡在线| 五月玫瑰六月丁香| 精品国内亚洲2022精品成人| 国产亚洲欧美在线一区二区| 小蜜桃在线观看免费完整版高清| 国产精品精品国产色婷婷| 两性午夜刺激爽爽歪歪视频在线观看| 成人午夜高清在线视频| 国产精品一区二区精品视频观看| 午夜免费激情av| 每晚都被弄得嗷嗷叫到高潮| 国内精品久久久久久久电影| 丁香欧美五月| 国产精品永久免费网站| 美女高潮喷水抽搐中文字幕| 成人欧美大片| 嫩草影院精品99| 又黄又爽又免费观看的视频| 欧美成人一区二区免费高清观看 | 两性夫妻黄色片| ponron亚洲| 国产97色在线日韩免费| 亚洲国产看品久久| www.熟女人妻精品国产| 亚洲片人在线观看| 国内精品久久久久精免费| 两个人视频免费观看高清| 91字幕亚洲| 国产 一区 欧美 日韩| 搡老妇女老女人老熟妇| 18禁观看日本| 国产又黄又爽又无遮挡在线| 亚洲七黄色美女视频| 国产乱人视频| 九色国产91popny在线| av视频在线观看入口| 男人舔奶头视频| xxx96com| 亚洲国产精品成人综合色| 日本五十路高清| 亚洲欧美日韩高清在线视频| 老鸭窝网址在线观看| 久久人人精品亚洲av| 99精品在免费线老司机午夜| 欧美黑人巨大hd| 久久人人精品亚洲av| 成人一区二区视频在线观看| 久久久久国内视频| 国产成人系列免费观看| 波多野结衣巨乳人妻| 青草久久国产| 国产主播在线观看一区二区| 91在线观看av| av女优亚洲男人天堂 | 亚洲av中文字字幕乱码综合| 午夜免费激情av| 午夜a级毛片| 久久精品国产综合久久久| 男人和女人高潮做爰伦理|