• <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 ?

    基于自適應(yīng)變異粒子群優(yōu)化的SVM在混合氣體分析中的應(yīng)用

    2015-11-29 08:28:38陳紅巖劉文貞李志彬
    傳感技術(shù)學(xué)報(bào) 2015年8期
    關(guān)鍵詞:混合氣體遺傳算法向量

    曲 健,陳紅巖,劉文貞,張 兵,李志彬

    (中國(guó)計(jì)量學(xué)院機(jī)電工程學(xué)院,杭州310018)

    基于自適應(yīng)變異粒子群優(yōu)化的SVM在混合氣體分析中的應(yīng)用

    曲 健,陳紅巖*,劉文貞,張 兵,李志彬

    (中國(guó)計(jì)量學(xué)院機(jī)電工程學(xué)院,杭州310018)

    針對(duì)混合氣體定量分析中,支持向量機(jī)建模的參數(shù)難以確定、紅外光譜數(shù)據(jù)計(jì)算量過(guò)大以及氣體間交叉干擾等問(wèn)題。提出了一種自適應(yīng)變異粒子群優(yōu)化的支持向量機(jī)方法,用于建立基于紅外光譜的多組分混合氣體定量分析模型。混合氣體主要由濃度范圍在0.5%~8%的CO、3.6%~12.5%的CO2及200×10-6~3270×10-6的C3H8三種組分氣體組成。利用粒子群優(yōu)化算法對(duì)支持向量機(jī)建模中的參數(shù)進(jìn)行優(yōu)化選擇,并與遺傳算法優(yōu)化的支持向量機(jī)作對(duì)比。實(shí)驗(yàn)表明,采用此方法建模所用時(shí)間為39.524 s,遺傳算法為26.272 s;針對(duì)CO2獨(dú)立建模的預(yù)測(cè)結(jié)果,粒子群優(yōu)化算法均方差為0.000 123 758,遺傳算法均方差為2.14952。在建模時(shí)間略高的情況下,粒子群優(yōu)化算法預(yù)測(cè)結(jié)果均方差明顯低于遺傳算法。

    傳感器應(yīng)用;支持向量機(jī);粒子群優(yōu)化;遺傳算法;定量分析

    機(jī)動(dòng)車(chē)尾氣排放已經(jīng)成為污染環(huán)境的重要因素,尾氣排放的氣體主要有CO、NO、CO2、HC化合物等。在混合氣體定量分析方法中,主要采用紅外光譜吸收法。對(duì)光譜的分析方法主要有棱鏡和光柵光譜儀,但它屬于單通道測(cè)量,不能同時(shí)進(jìn)行多通道的測(cè)量;傅里葉變換紅外光譜儀,可進(jìn)行多通道的測(cè)量,光通量高,儀器靈敏度高,波數(shù)值的精確度高,但兩種光譜分析儀都不便于攜帶,不能進(jìn)行隨車(chē)式檢測(cè)。本實(shí)驗(yàn)采用的紅外吸收法,可以應(yīng)用于隨車(chē)式汽車(chē)尾氣傳感器中,對(duì)車(chē)輛尾氣排放進(jìn)行動(dòng)態(tài)實(shí)時(shí)檢測(cè)。由于組分氣體間交叉吸收干擾、傳感器選擇性能不一、溫度的變化以及供電電壓的波動(dòng)等因素,導(dǎo)致測(cè)量的精度很低,無(wú)法對(duì)汽車(chē)尾氣排放進(jìn)行有效的檢測(cè)和監(jiān)督,需要后續(xù)的數(shù)據(jù)處理。

    提高混合氣體測(cè)量精度的方法主要有人工神經(jīng)網(wǎng)絡(luò)[1-2](Artificial Neural Network,ANN)方法和支持向量機(jī)[3-5](Support Vector Machine,SVM)方法等。其中,耿志廣[1]等人將人工神經(jīng)網(wǎng)絡(luò)與氣體傳感器陣列技術(shù)相結(jié)合,克服了傳感器陣列在混合氣體檢測(cè)中的交叉敏感現(xiàn)象;金翠云[6]等利用粒子群優(yōu)化算法對(duì)支持向量機(jī)進(jìn)行參數(shù)優(yōu)化,并應(yīng)用于電子鼻氣體定量分析中,得到了最優(yōu)參數(shù)組合,進(jìn)一步提高了預(yù)測(cè)精度;李玉軍[7]等人將粒子群優(yōu)化與最小支持二乘向量機(jī)相結(jié)合,建立混合氣體定量分析模型,并與遍歷優(yōu)化算法相比較,尋優(yōu)時(shí)間節(jié)省40倍以上,預(yù)測(cè)結(jié)果誤差水平相當(dāng);Manouchehrian Amin[8]等運(yùn)用基于遺傳算法尋優(yōu)方法的支持向量機(jī),建立回歸模型,預(yù)測(cè)巖石的強(qiáng)度和可變性屬性。神經(jīng)網(wǎng)絡(luò)算法的收斂性及預(yù)測(cè)的準(zhǔn)確度受初始權(quán)值和閥值的選擇影響很大,因此輸出具有不一致性,容易陷入局部極小值。而支持向量機(jī)算法可以有效地避免上述問(wèn)題。

    本文針對(duì)紅外光譜特征吸收譜線重疊嚴(yán)重的多組分混合氣體,以SVM為基礎(chǔ)對(duì)濃度范圍在0.5%~8%的CO、3.6%~12.5%的CO2及200×10-6~3 270×10-6的C3H83種組分氣體組成的20組混合氣體樣本進(jìn)行獨(dú)立建模定量分析,選取其中15組樣本作為訓(xùn)練集,建立SVM回歸校正模型,并對(duì)訓(xùn)練集進(jìn)行預(yù)測(cè)分析,以檢測(cè)模型的準(zhǔn)確度;選擇剩余的5組氣體樣本作為驗(yàn)證集,驗(yàn)證模型的預(yù)測(cè)精度和水平。在SVM參數(shù)的優(yōu)選問(wèn)題上,提出了自適應(yīng)變異粒子群優(yōu)化算法。并與基于遺傳算法的參數(shù)優(yōu)選相比較。

    1 SVM回歸校正模型理論

    SVM[9]算法是根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則[10]設(shè)計(jì)的一種統(tǒng)計(jì)學(xué)習(xí)理論,具有模型推廣性能好、小樣本學(xué)習(xí)能力強(qiáng)以及高維數(shù)據(jù)處理能力強(qiáng)等優(yōu)點(diǎn)。SVM回歸校正模型,就是利用SVM核函數(shù),將混合氣體紅外光譜輸入數(shù)據(jù)利用非線性映射Φ,映射到高維空間,然后在高維空間進(jìn)行回歸分析,建立紅外光譜數(shù)據(jù)與待測(cè)組分氣體濃度的回歸校正模型。

    將已知組分濃度的混合氣體樣本紅外光譜數(shù)據(jù)作為訓(xùn)練集T={(x1,y1),…,(xN,yN)}∈(Rn×R)N,其中xi∈Rn為第i個(gè)數(shù)據(jù)樣本,xi=(x1,x2,…,xL)為在掃描波長(zhǎng)范圍內(nèi)L個(gè)光譜數(shù)據(jù),yi∈Rn為對(duì)應(yīng)的混合氣體的組分濃度值,i=1,2,…N。在高維空間需要求解的光譜數(shù)據(jù)樣本與混合氣體組分濃度的回歸函數(shù) f(xi)可表示為如下形式:

    式中:ω·?(xi)為向量ω與?(xi)的內(nèi)積;ω為回歸系數(shù),b為閥值。

    在此引入松弛變量ξ,ξ*≥0來(lái)求解ω與b,,根據(jù)SRM準(zhǔn)則,將式(1)轉(zhuǎn)換為凸二次規(guī)劃問(wèn)題:

    式中,C為懲罰參數(shù),ε為回歸函數(shù)結(jié)果與待測(cè)氣體樣本的誤差精度。

    引入Lagrange函數(shù)求解式(2),通過(guò)核函數(shù)k(xi,xj)將高維空間的內(nèi)積運(yùn)算轉(zhuǎn)換在原二維空間計(jì)算,有:

    得到的SVM回歸校正模型的回歸函數(shù)為:

    式中,若αi不為零或者αi*不為零,表示此樣本即為支持向量。

    常用的核函數(shù)有線性核函數(shù)、多項(xiàng)式核函數(shù)、徑向基(RBF)核函數(shù)、Sigmoid核函數(shù)。由于Gauss函數(shù)能較好的模擬光譜信號(hào),所以本文選用RBF核函數(shù)。其表達(dá)式如下:

    式中,參數(shù)g為gamma參數(shù)函數(shù)設(shè)置(若k為屬性的數(shù)目,則g默認(rèn)為1/k)。

    2 自適應(yīng)變異粒子群優(yōu)化算法

    粒子群優(yōu)化算法[11-12](Particle Swarm Optimization,PSO)是計(jì)算智能領(lǐng)域,除蟻群算法、魚(yú)群算法之外的一種群體智能的優(yōu)化算法。其基本思想是通過(guò)群里中個(gè)體之間的信息傳遞及信息共享來(lái)尋找最優(yōu)解。

    假設(shè)在一個(gè)D維的空間中,有n個(gè)粒子組成的種群X=(X1,X2,…,Xn),其中Xi=[xi1,xi2…,xiD]T為第i個(gè)粒子在D維搜索空間的位置,亦代表問(wèn)題的一個(gè)潛在解。根據(jù)目標(biāo)函數(shù)可以計(jì)算出每個(gè)粒子位置Xi對(duì)應(yīng)的適應(yīng)度值。第i個(gè)粒子的速度為Vi= [Vi1,Vi2…,ViD]T,其個(gè)體極值為 Pi=[Pi1,Pi2…,PiD]T,種群的全局極值為Pg=[Pg1,Pg2…,PgD]T。

    在每一次迭代過(guò)程中,粒子通過(guò)個(gè)體極值和全局極值更新自己的速度和位置,更新公式為:

    式中∶ω為慣性權(quán)重因子,其值非負(fù),值的大小影響整體的尋優(yōu)能力;i=1,2,…,n,n為群體中粒子總數(shù);d=1,2,…,D,表示維數(shù);k為當(dāng)前迭代次數(shù);Vid為粒子速度;Xid為粒子位置;c1和c2為加速度因子,通常在0~2之間取值,本實(shí)驗(yàn)中取c1=1.5,c2=1.7;r1和r2為分布在[0-1]之間的隨機(jī)數(shù)。

    粒子群優(yōu)化算法收斂快,但存在著容易早熟收斂、搜索精度較低、后期迭代效率不高等缺點(diǎn)。因此,本文提出了自適應(yīng)變異[13-14]的粒子群優(yōu)化算法,指通過(guò)一定的準(zhǔn)則和判定條件對(duì)相應(yīng)的粒子采取變異操作,產(chǎn)生新的粒子,引導(dǎo)種群向最優(yōu)解方向收斂。自適應(yīng)變異操作拓展了在迭代中不斷縮小的種群搜索空間,使粒子可以跳出之前搜索到的最優(yōu)值位置,在更大的空間展開(kāi)搜索,同時(shí)保持了種群的多樣性,提高了算法尋找到最優(yōu)質(zhì)的可能性。其基本思想就是在粒子每次更新之后,以一定概率重新初始化粒子。

    3 實(shí)驗(yàn)與分析

    本實(shí)驗(yàn)采用不分光紅外法(NDIR)對(duì)含CO、CO2和C3H8化合物的混合氣體濃度進(jìn)行檢測(cè)。紅外光源采用HawkEye公司生產(chǎn)的為快速電調(diào)制提供完美解決方案的IR55紅外光源,輸出光譜范圍為中紅外區(qū)2 μm~20 μm,而所需測(cè)量的CO、CO2、HC化合物的吸收光譜峰值主要在中紅外區(qū)3 μm~5 μm區(qū)域,所以IR55完全滿足紅外吸收法對(duì)混合氣體的測(cè)量要求,可以保證在3 μm~5 μm區(qū)域有足夠的光能量輸出。通過(guò)MCU產(chǎn)生的脈沖信號(hào)對(duì)紅外光源進(jìn)行調(diào)制,使其產(chǎn)生3 μm~5 μm范圍的連續(xù)紅外光,通過(guò)一定長(zhǎng)度的氣室內(nèi),氣室中充有待測(cè)濃度的多組分混合氣體。由于混合氣體中各組分對(duì)紅外線波段中特征波長(zhǎng)紅外線能量的吸收,特定波長(zhǎng)范圍的光源通過(guò)氣體后,在相應(yīng)氣體的吸收譜線處會(huì)發(fā)生光強(qiáng)的衰減,紅外線的能量將減少。探測(cè)器的4個(gè)通道分別為CO檢測(cè)通道、CO2檢測(cè)通道、HC化合物檢測(cè)通道和參考通道。參考通道用來(lái)獲得其他波長(zhǎng)的光無(wú)吸收時(shí)的光能量,然后對(duì)各光路的輸出進(jìn)行作比運(yùn)算,減少由于光源的發(fā)射功率起伏和探測(cè)器靈敏度不穩(wěn)定引起的測(cè)量誤差,使得到的計(jì)算結(jié)果與光源發(fā)射和探測(cè)器無(wú)關(guān),只與氣體的濃度和氣室的長(zhǎng)度有關(guān)。每個(gè)通道檢測(cè)對(duì)應(yīng)氣體吸收后剩余光強(qiáng)度并轉(zhuǎn)化為3組不同的電信號(hào),與參考通道的輸出作比后,經(jīng)放大濾波作為模型的輸入。整個(gè)測(cè)試系統(tǒng)的原理如圖1所示。

    圖1 NDIR測(cè)試系統(tǒng)原理圖

    圖1中,所選探測(cè)器是PerkinElmer公司生產(chǎn)的TPS4339熱電堆探測(cè)器,是基于熱電偶測(cè)溫原理,用于紅外光探測(cè)的2×2矩陣規(guī)則排列的4通道探測(cè)器,如圖2所示。由許多熱電偶串聯(lián)而成,提高了探測(cè)器對(duì)紅外輻射產(chǎn)生溫度變化的響應(yīng)度;各個(gè)輸出的熱電勢(shì)疊加,因此熱電堆探測(cè)器所產(chǎn)生的熱電勢(shì)遠(yuǎn)遠(yuǎn)大于普通的熱電偶探測(cè)器;在探測(cè)節(jié)點(diǎn)處增加了光接收面的面積,可更加有效的吸收紅外光;4個(gè)熱電堆探測(cè)器分別擁有獨(dú)立的密封了不同紅外濾光片的透射窗口,相互之間沒(méi)有信號(hào)干擾,通過(guò)在每個(gè)熱電堆探測(cè)器前面的窗口處安裝不同的紅外濾光片,最多可同時(shí)測(cè)量四種氣體。要同時(shí)測(cè)量的3種氣體分別為:CO、CO2和HC化合物,通過(guò)氣體吸收光譜分析,選擇氣體通道的濾光片濾波范圍分別為:4.66 μm+0.015 nm、4.43 μm+40 nm、3.46 μm+50 nm;參考通道濾波范圍:3.93 μm+50 nm。這些特點(diǎn)使得探測(cè)器應(yīng)用于氣體檢測(cè)的信號(hào)處理能力明顯提高,分辨率顯著增強(qiáng),滿足氣體檢測(cè)的需要。

    圖2 TPS4339頂部視圖

    本實(shí)驗(yàn)以2×2探測(cè)器對(duì)含CO、CO2和C3H8的三種混合氣體進(jìn)行定量分析。所測(cè)混合氣體為0.5%~8%的CO,3.6%~12.5%的CO2,和200×10-6~3 270×10-6的C3H8。為了便于數(shù)據(jù)處理,對(duì)標(biāo)準(zhǔn)濃度進(jìn)行歸一化處理,便是模型的期望輸出。為提高檢測(cè)精度,針對(duì)不同氣體采用獨(dú)立建模的方法。選擇其中的15組樣本為訓(xùn)練集,建立SVM模型并查看模型在訓(xùn)練集上的回歸效果;選擇剩余的5組樣本為測(cè)試集,用建立好的模型對(duì)測(cè)試集進(jìn)行回歸預(yù)測(cè),并驗(yàn)證SVM模型的預(yù)測(cè)精度和水平(詳情見(jiàn)表3)。模型的建立需要對(duì)懲罰參數(shù)c(選取范圍0~100)和RBF核參數(shù)g(選取范圍0~1 000)進(jìn)行合理的優(yōu)化選擇,本文采用自適應(yīng)變異粒子群優(yōu)化算法進(jìn)行參數(shù)尋優(yōu),具體的優(yōu)化流程如圖3所示。

    圖3 自適應(yīng)變異PSO參數(shù)優(yōu)化流程圖

    優(yōu)化流程為:①選取20組實(shí)驗(yàn)數(shù)據(jù)中的15組做訓(xùn)練樣本,剩余的5組做測(cè)試樣本;②初始化參數(shù)c和g,建立SVM回歸模型;③由于每個(gè)粒子群只能優(yōu)化一個(gè)參數(shù),因此設(shè)置粒子群的維數(shù)為2,每維粒子群中粒子的數(shù)目選取10~30為宜,本實(shí)驗(yàn)選擇20。迭代次數(shù)為200代。根據(jù)兩個(gè)參數(shù)的優(yōu)化范圍對(duì)粒子群的初始位置和速度進(jìn)行初始化;④設(shè)置適應(yīng)度函數(shù)為模型預(yù)測(cè)結(jié)果的均方差;⑤將粒子適應(yīng)度值進(jìn)行橫向或縱向比較后獲得當(dāng)前群體的最優(yōu)位置。根據(jù)式(7)及式(8)更新粒子的速度和位置;⑥優(yōu)化流程的結(jié)束條件為模型預(yù)測(cè)結(jié)果均方差為0或者迭代次數(shù)達(dá)到設(shè)定值。未達(dá)到結(jié)束條件則轉(zhuǎn)第4步。

    選定好最優(yōu)參數(shù)組合(c,g)后,對(duì)訓(xùn)練集進(jìn)行訓(xùn)練,建立SVM回歸模型,之后對(duì)測(cè)試集進(jìn)行回歸分析,得到測(cè)試集的模型預(yù)測(cè)結(jié)果。

    為提高模型預(yù)測(cè)精度,本實(shí)驗(yàn)針對(duì)不同組分氣體采用獨(dú)立建模的方法,因此在應(yīng)用自適應(yīng)變異粒子群優(yōu)化算法對(duì)SVM的參數(shù)優(yōu)選的過(guò)程中,應(yīng)針對(duì)不同氣體分別優(yōu)化,在本實(shí)驗(yàn)中即分別優(yōu)化CO、CO2和C3H8化合物的模型參數(shù)。以CO氣體分析模型參數(shù)優(yōu)化為例,選取粒子群維數(shù)為2,種群數(shù)量20,粒子群優(yōu)化迭代次數(shù)200代,ω取初值為0.9,終止值為0.4,根據(jù)線性遞減慣性權(quán)重(Linear Decreasing Inertia Weight,LDIW)進(jìn)行調(diào)整,學(xué)習(xí)因子c1=1.5,c2=1.7。根據(jù)圖3參數(shù)優(yōu)化流程計(jì)算,可得到如圖4所示的粒子群優(yōu)化誤差曲線。橫軸為優(yōu)化代數(shù),縱軸為適應(yīng)度值,即模型測(cè)試樣本計(jì)算結(jié)果的均方誤差。

    由圖4可以看出,粒子的適應(yīng)度值基本在0.01~0.05之間很小的范圍內(nèi),即模型預(yù)測(cè)結(jié)果的平均絕對(duì)誤差很小,在4%以下,滿足尾氣檢測(cè)標(biāo)準(zhǔn)的要求。優(yōu)化200代所用時(shí)間為10.859 8 s,最優(yōu)c為39.315 2,最優(yōu)g為0.178 55。將得到的最優(yōu)參數(shù)組合(c,g)代入支持向量機(jī)重建傳感器模型,可以得到模型在訓(xùn)練樣本和測(cè)試樣本的預(yù)測(cè)結(jié)果,如圖5、圖6所示。其中訓(xùn)練樣本的測(cè)試結(jié)果均方差為5.30263×10-5,測(cè)試樣本預(yù)測(cè)結(jié)果的均方差為0.000 107 812。

    圖4 自適應(yīng)變異PSO參數(shù)尋優(yōu)結(jié)果圖(CO)

    由圖5可以看出利用訓(xùn)練集建立的模型對(duì)CO訓(xùn)練集本身做預(yù)測(cè)時(shí),模型預(yù)測(cè)值和CO實(shí)際濃度值很好地吻合,誤差極?。粚⒛P蛻?yīng)用于CO測(cè)試集的預(yù)測(cè),如圖6所示,效果明顯,曲線很好地逼近真實(shí)濃度,說(shuō)明本實(shí)驗(yàn)建立的模型預(yù)測(cè)精度高,可應(yīng)用于混合氣體中CO氣體的回歸預(yù)測(cè)。

    同樣的,可以得到經(jīng)過(guò)自適應(yīng)變異PSO優(yōu)化建立其他氣體模型所用時(shí)間、最優(yōu)參數(shù)和訓(xùn)練集、測(cè)試集預(yù)測(cè)結(jié)果均方誤差如表1所示。根據(jù)尋優(yōu)結(jié)果建立的混合氣體定量分析模型測(cè)試數(shù)據(jù)仿真結(jié)果如表3所示。若采用遺傳算法[15]對(duì)SVM進(jìn)行參數(shù)尋優(yōu),需要將解空間映射到編碼空間,每個(gè)編碼對(duì)應(yīng)問(wèn)題的一個(gè)潛在解。這里,將編碼長(zhǎng)度設(shè)置為3,每一位對(duì)應(yīng)一個(gè)輸入自變量(探測(cè)器檢測(cè)的CO、CO2、C3H8),每一位的基因取值只有1和0兩種情況。選取訓(xùn)練集樣本均方差作為遺傳算法的適應(yīng)度函數(shù),經(jīng)過(guò)不斷地迭代進(jìn)化,最終找到最優(yōu)解。本實(shí)驗(yàn)設(shè)定迭代次數(shù)200代,種群規(guī)模為20。尋優(yōu)的流程如圖7所示。以CO樣本為例,選擇同PSO優(yōu)化相同的訓(xùn)練集,最終尋優(yōu)結(jié)果曲線如圖8所示。

    圖5 CO訓(xùn)練集實(shí)際濃度和預(yù)測(cè)對(duì)比圖

    圖6 CO測(cè)試集實(shí)際濃度和預(yù)測(cè)對(duì)比圖

    表1 PSO尋優(yōu)結(jié)果對(duì)比

    圖7 遺傳算法尋優(yōu)流程圖

    由圖8可以看到,CO訓(xùn)練集整個(gè)優(yōu)化過(guò)程,適應(yīng)度值變化比較大,平均適應(yīng)度值最高達(dá)到0.08,最低達(dá)到0;最佳適應(yīng)度值從0.03開(kāi)始陡降,在大約12代趨于穩(wěn)定,尋優(yōu)終止于100代,所需時(shí)間約為14.644 s,最優(yōu)c為1.470 3,最優(yōu)g為0.222 21。將得到的最優(yōu)參數(shù)組合(c,g)代入支持向量機(jī)重建傳感器模型,可以得到訓(xùn)練樣本的測(cè)試結(jié)果均方差為4.612 27×10-5,測(cè)試樣本預(yù)測(cè)結(jié)果的均方差為0.000 1627 08。

    圖8 遺傳算法參數(shù)尋優(yōu)結(jié)果圖(CO)

    同樣的,可以得到經(jīng)過(guò)遺傳算法優(yōu)化建立其他氣體模型所用時(shí)間、最優(yōu)參數(shù)和訓(xùn)練集、測(cè)試集預(yù)測(cè)結(jié)果均方誤差如表2所示。根據(jù)尋優(yōu)結(jié)果建立的混合氣體定量分析模型測(cè)試數(shù)據(jù)仿真結(jié)果如表3所示。

    表2 遺傳算法尋優(yōu)結(jié)果對(duì)比

    表3 仿真結(jié)果對(duì)比圖

    由表1~表3中的數(shù)據(jù)可以看出:兩種方法建立的氣體定量分析模型的測(cè)試誤差水平是不相同的。遺傳算法優(yōu)化建立的CO2氣體定量分析模型的誤差很大,說(shuō)明在進(jìn)行混合氣體獨(dú)立建模的過(guò)程中,遺傳算法并不能準(zhǔn)確的預(yù)測(cè)出CO2組分。自適應(yīng)變異粒子群優(yōu)化建立的三組分混合氣體定量分析模型可以很好地預(yù)測(cè)混合氣體中各組分氣體的濃度,誤差很小,建模所需時(shí)間為39.524s。

    因此將自適應(yīng)變異粒子群優(yōu)化算法結(jié)合SVM建立多組分混合氣體定量分析模型是有效可行的。粒子群優(yōu)化算法實(shí)現(xiàn)簡(jiǎn)單、優(yōu)化率高,通過(guò)信息共享縮短了尋優(yōu)時(shí)間,提高了收斂速度;通過(guò)自適應(yīng)變異,跳出局部最優(yōu),保證在全局范圍內(nèi)找到最優(yōu)解。

    4 結(jié)論

    本文將自適應(yīng)變異粒子群優(yōu)化算法應(yīng)用于支持向量機(jī)的參數(shù)尋優(yōu),對(duì)濃度范圍在0.5%~8%的CO、3.6%~12.5%的CO2及200×10-6~3 270×10-6的C3H83種組分混合氣體進(jìn)行定量分析,選取其中15組樣本作為訓(xùn)練集,建立了SVM回歸模型,并對(duì)訓(xùn)練集進(jìn)行預(yù)測(cè)分析,以檢測(cè)模型的準(zhǔn)確度;選擇剩余的5組氣體樣本作為驗(yàn)證集,驗(yàn)證模型的預(yù)測(cè)精度和水平。在SVM參數(shù)的選取問(wèn)題上,提出了自適應(yīng)變異粒子群參數(shù)尋優(yōu)法,對(duì)各組分氣體采取獨(dú)立建模的方式。與啟發(fā)式遺傳算法相比,在尋優(yōu)時(shí)間相差不大的情況下,測(cè)試結(jié)果均方差明顯小于遺傳算法。其中,粒子群優(yōu)化建模所用時(shí)間為39.524 s,遺傳算法為26.272 s;粒子群優(yōu)化訓(xùn)練集預(yù)測(cè)結(jié)果均方差分別為:CO,5.302 63×10-5;CO2,0.000 123 758;C3H8,9.569 22×10-5。粒子群建模對(duì)測(cè)試集的預(yù)測(cè)結(jié)果均方差分別為:CO,0.000 107 812;CO2,0.000 221 996;C3H8,0.000 226 165。遺傳算法優(yōu)化訓(xùn)練集預(yù)測(cè)結(jié)果均方差分別為:CO,4.612 27×10-5;CO2,2.149 52;C3H8,3.719 87×10-5。遺傳算法建模對(duì)測(cè)試集的預(yù)測(cè)結(jié)果均方差分別為:CO,0.000 162 708;CO2,2.146 01;C3H8,3.970 9×10-5。可以看出,雖然PSO尋優(yōu)時(shí)間長(zhǎng)于遺傳算法,但是預(yù)測(cè)精度卻高于遺傳算法,特別是針對(duì)CO2獨(dú)立建模的預(yù)測(cè)結(jié)果,犧牲一點(diǎn)時(shí)間而提高測(cè)量精度在實(shí)驗(yàn)中是可以接受的。因此,將自適應(yīng)變異粒子群優(yōu)化與SVM相結(jié)合建立多組分混合氣體紅外光譜的定量分析模型具有一定的發(fā)展?jié)摿涂赏诰蚩臻g。

    [1]余大洲.基于RBF神經(jīng)網(wǎng)絡(luò)的可燃?xì)怏w檢測(cè)系統(tǒng)的研究[D].長(zhǎng)安大學(xué),2014.

    [2]耿志廣,王希武,王寅龍,等.基于人工神經(jīng)網(wǎng)絡(luò)的電子鼻對(duì)混合氣體檢測(cè)研究[J].現(xiàn)代計(jì)算機(jī):專業(yè)版,2010(5):45-48.

    [3]喬聰明.PLS-SVR的三組分混合氣體定量分析[J].太原理工大學(xué)學(xué)報(bào),2014,45(1):120-122,127.

    [4]張愉,童敏明,戴桂平.基于OBLPSO-LSSVM的一氧化碳濃度檢測(cè)[J].計(jì)算機(jī)工程與應(yīng)用,2013,49(24):249-252,261.

    [5]張其林.基于支持向量機(jī)的紅外光譜混合氣體組分分析[J].計(jì)算機(jī)時(shí)代,2010(1):9-11.

    [6]金翠云,崔瑤,王穎.粒子群優(yōu)化的SVM算法在氣體分析中的應(yīng)用[J].電子測(cè)量與儀器學(xué)報(bào),2012,26(7):635-639.

    [7]李玉軍,湯曉君,劉君華.基于粒子群優(yōu)化的最小二乘支持向量機(jī)在混合氣體定量分析中的應(yīng)用[J].光譜學(xué)與光譜分析,2010,30(3):774-778.

    [8]Manouchehrian Amin,Sharifzadeh Mostafa,Hamidzadeh,et al.Selection of Regression Models for Predicting Strength and Deformability Properties of Rocks Using GA[J].International Journal of Mining Science and Technology,2013,23(4):492-498.

    [9]宋召青,崔和,胡云安.支持向量機(jī)理論的研究與進(jìn)展[J].海軍航空工程學(xué)院學(xué)報(bào),2008,23(2):143-148,152.

    [10]孫小慧,孫恒,吳濤.粗糙隨機(jī)樣本的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則[J].周口師范學(xué)院學(xué)報(bào),2012,29(5):7-12,17.

    [11]付華,王馨蕊,楊本臣,等.基于MPSO-CWLS-SVM的瓦斯涌出量預(yù)測(cè)[J].傳感技術(shù)學(xué)報(bào),2014,27(11):1568-1572.

    [12]付華,王馨蕊,王志軍,等.基于PCA和PSO-ELM的煤與瓦斯突出軟測(cè)量研究[J].傳感技術(shù)學(xué)報(bào),2014,27(12):1710-1715.

    [13]Andrews P S.An Investigation into Mvolutionary Operators for Particle Swarm Optimization[C]//IEEE Congress on Evolutionary Computation,Vancouver,2006:1029-1036.

    [14]Parsopoulos E,Vrahatis M N.Parameter Selection and Adaption in Unified Particle Swarm Optimization[J].Mathmatical and Computer Modeling,2007,46(3):198-213.

    [15]徐冰,王星,Dhaene Tom,等.基于遺傳算法的多目標(biāo)最小二乘支持向量機(jī)在近紅外多組分定量分析中的應(yīng)用[J].光譜學(xué)與光譜分析,2014,34(3):638-642.

    曲 ?。?989-),男,山東青島人,在讀研究生,主要研究方向?yàn)闄z測(cè)技術(shù),13645712326@163.com;

    陳紅巖(1965-),男,浙江杭州市,教授,研究生導(dǎo)師,浙江大學(xué)內(nèi)燃機(jī)工程專業(yè)碩士、博士學(xué)位;上海交通大學(xué)動(dòng)力與機(jī)械工程專業(yè)博士后。主要研究領(lǐng)域?yàn)槠?chē)電子、發(fā)動(dòng)機(jī)排放與控制等,bbchy@163.com。

    Application of Support Vector Machine Based on Adaptive Mutation Particle Swarm Optimization in Analysis of Gas Mixture

    QU Jian,CHEN Hongyan*,LIU Wenzhen,ZHANG Bing,LI Zhibin
    (College of Mechanical and Electrical Engineering,China Jiliang University,Hangzhou 310018,China)

    For the difficult in selecting parameter of SVM modeling,the data calculation excessive in infrared spectroscopy,as well as crosstalk between gases and other issues in the quantitative analysis of mixed gas.A solution of adaptive mutation particle swarm optimization support vector machine was proposed.It was to establish the models of a multi-component mixture gases quantitative analysis based on infrared spectroscopy.Multi-component mixture gases are composed of CO,with the concentration range from 0.5%to 8%;CO2,with the concentration range from 3.6%to 12.5%;C3H8,with the concentration range from 200×10-6to 3270×10-6.Use the Particle swarm optimization algorithm to optimize select the parameters in support vector machine modeling,and compare the support vector machine modeling parameters in genetic algorithm optimization.Experiments show that it takes 39.524 s for modeling and it takes 26.272 s with genetic algorithm;for the predict results of CO2in independent modeling,the variance of PSO algorithms is 0.000 123 758,the variance of genetic algorithms is 2.149 52.In the case of modeling time slightly higher,the predict results were significantly lower than the variance of the genetic algorithm.

    sensor application;SVM;particle swarm optimization;genetic algorithms;quantitative analysis

    TH744

    A

    1004-1699(2015)08-1262-07

    ??7230;4145

    10.3969/j.issn.1004-1699.2015.08.027

    2015-04-06 修改日期:2015-05-25

    猜你喜歡
    混合氣體遺傳算法向量
    SF6/N2混合氣體負(fù)流注放電特性的模擬研究
    吉林電力(2022年2期)2022-11-10 09:24:46
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    NO、O2及NO2混合氣體考點(diǎn)歸納
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于遺傳算法和LS-SVM的財(cái)務(wù)危機(jī)預(yù)測(cè)
    混合氣體在聚合物注射成型保壓階段中擴(kuò)散的分子動(dòng)力學(xué)模擬
    向量垂直在解析幾何中的應(yīng)用
    基于改進(jìn)的遺傳算法的模糊聚類算法
    香蕉久久夜色| 久久久久久九九精品二区国产 | 国产精品久久电影中文字幕| 在线观看午夜福利视频| 亚洲av第一区精品v没综合| 免费人成视频x8x8入口观看| 亚洲精品中文字幕一二三四区| 天天添夜夜摸| 日韩视频一区二区在线观看| 在线视频色国产色| 婷婷精品国产亚洲av| 久久精品国产综合久久久| 人妻丰满熟妇av一区二区三区| √禁漫天堂资源中文www| 精品午夜福利视频在线观看一区| 99久久精品国产亚洲精品| 99热6这里只有精品| 久99久视频精品免费| 国产熟女午夜一区二区三区| av超薄肉色丝袜交足视频| 黑丝袜美女国产一区| 在线天堂中文资源库| 久久久久久久午夜电影| 亚洲精品久久成人aⅴ小说| 亚洲专区中文字幕在线| 日本免费一区二区三区高清不卡| 日韩欧美 国产精品| 身体一侧抽搐| 亚洲va日本ⅴa欧美va伊人久久| 色综合婷婷激情| 中文字幕av电影在线播放| 一级毛片女人18水好多| 两个人看的免费小视频| 人人澡人人妻人| 黄色a级毛片大全视频| 亚洲av电影不卡..在线观看| aaaaa片日本免费| 在线av久久热| 最近最新中文字幕大全电影3 | 亚洲 欧美 日韩 在线 免费| 日韩免费av在线播放| 精品久久久久久,| 精品国产美女av久久久久小说| 国产精品日韩av在线免费观看| 国产黄色小视频在线观看| 午夜福利在线观看吧| 欧美日韩一级在线毛片| 欧美成人免费av一区二区三区| 最新美女视频免费是黄的| 看片在线看免费视频| 超碰成人久久| 亚洲三区欧美一区| 色在线成人网| 在线免费观看的www视频| 久久精品国产亚洲av高清一级| 少妇的丰满在线观看| 欧美 亚洲 国产 日韩一| 丁香欧美五月| 男女视频在线观看网站免费 | 757午夜福利合集在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 免费搜索国产男女视频| 中文在线观看免费www的网站 | 免费电影在线观看免费观看| 中文字幕人妻熟女乱码| 91在线观看av| avwww免费| 人成视频在线观看免费观看| 高清在线国产一区| 精品久久久久久久人妻蜜臀av| xxxwww97欧美| 男女做爰动态图高潮gif福利片| 久久精品亚洲精品国产色婷小说| 熟妇人妻久久中文字幕3abv| 亚洲国产高清在线一区二区三 | 99在线人妻在线中文字幕| 欧美激情高清一区二区三区| 嫁个100分男人电影在线观看| 成人国语在线视频| 国产精品一区二区免费欧美| 亚洲av成人一区二区三| 亚洲 欧美 日韩 在线 免费| 97人妻精品一区二区三区麻豆 | 三级毛片av免费| 久久热在线av| 女性被躁到高潮视频| 侵犯人妻中文字幕一二三四区| 国产高清激情床上av| 18美女黄网站色大片免费观看| 国产高清videossex| 日韩中文字幕欧美一区二区| 亚洲av电影在线进入| 成年免费大片在线观看| 欧美国产精品va在线观看不卡| 精华霜和精华液先用哪个| 国产黄色小视频在线观看| 亚洲avbb在线观看| 欧美亚洲日本最大视频资源| 久久中文字幕一级| 亚洲第一电影网av| 色哟哟哟哟哟哟| 国产一区二区激情短视频| 久久这里只有精品19| netflix在线观看网站| 精品久久久久久,| 国产成人精品无人区| √禁漫天堂资源中文www| 亚洲熟女毛片儿| 亚洲熟妇中文字幕五十中出| 国产97色在线日韩免费| 精品不卡国产一区二区三区| 久久精品影院6| 美女 人体艺术 gogo| 搞女人的毛片| 丰满的人妻完整版| 日韩大码丰满熟妇| 老司机午夜福利在线观看视频| 亚洲国产精品999在线| 嫩草影视91久久| 日韩免费av在线播放| 久久亚洲精品不卡| 精品久久久久久久毛片微露脸| 久久久久九九精品影院| 精品午夜福利视频在线观看一区| 国产亚洲精品av在线| 亚洲精品国产区一区二| 中文字幕人成人乱码亚洲影| 欧美性猛交黑人性爽| 成人手机av| 国产激情久久老熟女| 又黄又粗又硬又大视频| 12—13女人毛片做爰片一| 亚洲,欧美精品.| 免费搜索国产男女视频| 久久久久国产一级毛片高清牌| 一级毛片女人18水好多| 亚洲国产看品久久| 欧美日韩福利视频一区二区| 日韩精品中文字幕看吧| 天堂动漫精品| 99热这里只有精品一区 | 国内精品久久久久久久电影| 国产成+人综合+亚洲专区| 欧美在线黄色| 中文字幕人妻熟女乱码| 在线十欧美十亚洲十日本专区| 日韩欧美一区视频在线观看| 人人妻人人澡人人看| 老司机深夜福利视频在线观看| 国产蜜桃级精品一区二区三区| 一区二区三区精品91| 看片在线看免费视频| 18禁黄网站禁片免费观看直播| 亚洲精华国产精华精| av在线天堂中文字幕| 国产精品久久电影中文字幕| 每晚都被弄得嗷嗷叫到高潮| 99国产精品一区二区蜜桃av| 久久国产亚洲av麻豆专区| 神马国产精品三级电影在线观看 | 午夜老司机福利片| 久热爱精品视频在线9| 岛国视频午夜一区免费看| 99热6这里只有精品| 曰老女人黄片| 变态另类丝袜制服| 丰满人妻熟妇乱又伦精品不卡| 麻豆久久精品国产亚洲av| 极品教师在线免费播放| 久久热在线av| 久久狼人影院| 中文字幕精品亚洲无线码一区 | 国产一区二区三区在线臀色熟女| 午夜久久久久精精品| 91字幕亚洲| av视频在线观看入口| 最新美女视频免费是黄的| 日韩欧美国产一区二区入口| 午夜亚洲福利在线播放| 国产激情欧美一区二区| 国产精品久久久久久精品电影 | 一a级毛片在线观看| 一本一本综合久久| 婷婷精品国产亚洲av| 国产三级黄色录像| 中文字幕最新亚洲高清| 巨乳人妻的诱惑在线观看| 久久性视频一级片| 成人永久免费在线观看视频| 欧美激情极品国产一区二区三区| 亚洲国产精品久久男人天堂| 国内少妇人妻偷人精品xxx网站 | 黄色视频,在线免费观看| 正在播放国产对白刺激| 国产在线观看jvid| 国产av又大| 黄色丝袜av网址大全| 夜夜夜夜夜久久久久| 一个人免费在线观看的高清视频| 中文字幕人妻丝袜一区二区| 亚洲欧美一区二区三区黑人| 欧美色欧美亚洲另类二区| 99久久99久久久精品蜜桃| 好男人电影高清在线观看| 啦啦啦 在线观看视频| 国产真实乱freesex| 精品国产乱子伦一区二区三区| 国产午夜福利久久久久久| 国产私拍福利视频在线观看| 俺也久久电影网| 久久人妻av系列| 黑人巨大精品欧美一区二区mp4| 国产蜜桃级精品一区二区三区| 久久亚洲真实| 日日摸夜夜添夜夜添小说| 男女下面进入的视频免费午夜 | 麻豆一二三区av精品| 国产一区在线观看成人免费| 成人手机av| 日韩国内少妇激情av| 免费在线观看完整版高清| 亚洲免费av在线视频| 亚洲国产高清在线一区二区三 | 中文字幕高清在线视频| 99热只有精品国产| 色综合欧美亚洲国产小说| ponron亚洲| 国产成人精品久久二区二区91| 久久久久久久久免费视频了| 国产不卡一卡二| 三级毛片av免费| 麻豆成人av在线观看| 91成年电影在线观看| 高清在线国产一区| av在线播放免费不卡| 亚洲成人久久爱视频| 亚洲专区国产一区二区| 亚洲aⅴ乱码一区二区在线播放 | 丁香欧美五月| 国产视频内射| 97碰自拍视频| 制服诱惑二区| 老司机在亚洲福利影院| 岛国视频午夜一区免费看| 黄色视频,在线免费观看| 午夜免费成人在线视频| 国产免费av片在线观看野外av| 亚洲av电影在线进入| 视频在线观看一区二区三区| 老司机福利观看| 久久国产亚洲av麻豆专区| 亚洲国产高清在线一区二区三 | 亚洲精品色激情综合| 别揉我奶头~嗯~啊~动态视频| 免费一级毛片在线播放高清视频| 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 | 久久精品亚洲精品国产色婷小说| 久久国产精品男人的天堂亚洲| 亚洲七黄色美女视频| 国产久久久一区二区三区| 亚洲 欧美 日韩 在线 免费| 中文字幕人妻丝袜一区二区| 国产麻豆成人av免费视频| 91九色精品人成在线观看| 亚洲国产精品999在线| 午夜福利在线观看吧| 亚洲午夜理论影院| 国内揄拍国产精品人妻在线 | 黄色丝袜av网址大全| 精品一区二区三区视频在线观看免费| 亚洲精品色激情综合| 在线观看日韩欧美| 在线播放国产精品三级| 亚洲国产精品合色在线| 日韩精品免费视频一区二区三区| 久久精品91无色码中文字幕| 人妻久久中文字幕网| 在线观看66精品国产| 亚洲熟妇熟女久久| 美女 人体艺术 gogo| 国产熟女xx| 男女下面进入的视频免费午夜 | 波多野结衣巨乳人妻| 精品人妻1区二区| 日韩av在线大香蕉| 中文在线观看免费www的网站 | 大型黄色视频在线免费观看| 美女午夜性视频免费| 人成视频在线观看免费观看| www.精华液| 美女国产高潮福利片在线看| 久久久久亚洲av毛片大全| 久久久久久国产a免费观看| 两人在一起打扑克的视频| 岛国在线观看网站| 国产精品免费一区二区三区在线| 国产精品美女特级片免费视频播放器 | 国产成+人综合+亚洲专区| 久久亚洲精品不卡| 真人一进一出gif抽搐免费| 男男h啪啪无遮挡| 国产又爽黄色视频| 香蕉国产在线看| 男男h啪啪无遮挡| 美女午夜性视频免费| 欧美成狂野欧美在线观看| 亚洲一区二区三区不卡视频| 黑丝袜美女国产一区| 中文字幕av电影在线播放| 岛国视频午夜一区免费看| svipshipincom国产片| 国产真人三级小视频在线观看| 国产区一区二久久| 精品久久久久久,| 老司机午夜十八禁免费视频| 韩国精品一区二区三区| 久久久精品国产亚洲av高清涩受| 日韩免费av在线播放| 嫁个100分男人电影在线观看| 欧美日本视频| 亚洲国产精品999在线| 人成视频在线观看免费观看| 亚洲欧洲精品一区二区精品久久久| 黄色成人免费大全| 免费av毛片视频| 欧美成狂野欧美在线观看| 精品卡一卡二卡四卡免费| 日韩欧美一区视频在线观看| 最近在线观看免费完整版| 亚洲专区字幕在线| 免费av毛片视频| 无人区码免费观看不卡| 日韩精品中文字幕看吧| 99精品欧美一区二区三区四区| 97超级碰碰碰精品色视频在线观看| 777久久人妻少妇嫩草av网站| 亚洲熟妇熟女久久| 婷婷丁香在线五月| 丝袜在线中文字幕| 欧美激情高清一区二区三区| 最新美女视频免费是黄的| 无遮挡黄片免费观看| 黄片大片在线免费观看| 久久精品亚洲精品国产色婷小说| 久久精品国产亚洲av香蕉五月| 日日干狠狠操夜夜爽| 99热只有精品国产| 日韩有码中文字幕| 久久久久久国产a免费观看| 美女午夜性视频免费| 给我免费播放毛片高清在线观看| 午夜免费鲁丝| 丁香欧美五月| 1024手机看黄色片| 欧美性长视频在线观看| 88av欧美| 性欧美人与动物交配| 欧美亚洲日本最大视频资源| 国产黄色小视频在线观看| 夜夜躁狠狠躁天天躁| 97人妻精品一区二区三区麻豆 | 久久久国产成人精品二区| 亚洲 欧美 日韩 在线 免费| 少妇裸体淫交视频免费看高清 | 中出人妻视频一区二区| 老司机靠b影院| 夜夜爽天天搞| 中文资源天堂在线| 男女做爰动态图高潮gif福利片| 精品久久久久久成人av| 亚洲激情在线av| 国产aⅴ精品一区二区三区波| 少妇被粗大的猛进出69影院| 一本精品99久久精品77| 国产欧美日韩精品亚洲av| 亚洲 欧美一区二区三区| 国产午夜精品久久久久久| 免费一级毛片在线播放高清视频| 成在线人永久免费视频| 少妇熟女aⅴ在线视频| 亚洲一码二码三码区别大吗| 变态另类成人亚洲欧美熟女| 两性夫妻黄色片| 麻豆久久精品国产亚洲av| 一级作爱视频免费观看| 婷婷精品国产亚洲av在线| 成年免费大片在线观看| 一a级毛片在线观看| 亚洲国产精品久久男人天堂| 久久久久久久久久黄片| 精品久久久久久久久久免费视频| 国产一区二区激情短视频| 一级毛片高清免费大全| 日韩欧美免费精品| 国产乱人伦免费视频| 视频在线观看一区二区三区| 欧美亚洲日本最大视频资源| 久久久精品国产亚洲av高清涩受| 亚洲国产精品sss在线观看| 精品日产1卡2卡| 国产不卡一卡二| 色尼玛亚洲综合影院| 久久99热这里只有精品18| 最近最新中文字幕大全电影3 | 亚洲第一电影网av| 亚洲国产欧洲综合997久久, | 大型av网站在线播放| 成年版毛片免费区| 青草久久国产| 国产爱豆传媒在线观看 | 国产成+人综合+亚洲专区| 亚洲精品中文字幕一二三四区| 亚洲av五月六月丁香网| 青草久久国产| 日韩欧美国产一区二区入口| 夜夜夜夜夜久久久久| 欧美在线黄色| 国产又黄又爽又无遮挡在线| 国产av不卡久久| 黄色毛片三级朝国网站| 午夜亚洲福利在线播放| 少妇 在线观看| 91国产中文字幕| 每晚都被弄得嗷嗷叫到高潮| 夜夜夜夜夜久久久久| www日本黄色视频网| 国产精品永久免费网站| 深夜精品福利| 亚洲av成人一区二区三| 99国产精品一区二区蜜桃av| 日韩中文字幕欧美一区二区| 99久久国产精品久久久| 搡老岳熟女国产| 国产成人啪精品午夜网站| 丰满的人妻完整版| 中文字幕av电影在线播放| av在线天堂中文字幕| 日韩精品中文字幕看吧| 成人手机av| 成人国产一区最新在线观看| 国产人伦9x9x在线观看| 日本五十路高清| 欧美一级毛片孕妇| 国产一卡二卡三卡精品| 看片在线看免费视频| 久久人妻福利社区极品人妻图片| 国产精品1区2区在线观看.| 午夜福利视频1000在线观看| 91字幕亚洲| 可以免费在线观看a视频的电影网站| 久久精品aⅴ一区二区三区四区| 两个人看的免费小视频| 国产精品日韩av在线免费观看| 国产成+人综合+亚洲专区| 99久久无色码亚洲精品果冻| 亚洲精品中文字幕在线视频| 成年免费大片在线观看| 日韩欧美一区二区三区在线观看| 啦啦啦观看免费观看视频高清| 露出奶头的视频| 久久久久国产精品人妻aⅴ院| 18禁裸乳无遮挡免费网站照片 | 久久久久九九精品影院| 韩国精品一区二区三区| 99热这里只有精品一区 | 少妇粗大呻吟视频| 国产区一区二久久| 免费av毛片视频| 亚洲精品av麻豆狂野| 欧美日韩乱码在线| 少妇 在线观看| 在线观看免费午夜福利视频| 国产成人系列免费观看| 久久热在线av| 99国产综合亚洲精品| av免费在线观看网站| 麻豆国产av国片精品| 午夜免费成人在线视频| 国产精品永久免费网站| 变态另类丝袜制服| 亚洲最大成人中文| 一本一本综合久久| 男女午夜视频在线观看| 级片在线观看| 亚洲av电影在线进入| 亚洲一区中文字幕在线| 亚洲成av人片免费观看| 久久久国产欧美日韩av| 级片在线观看| 男人操女人黄网站| 精品人妻1区二区| 国产区一区二久久| 午夜福利18| 久久久国产成人精品二区| 午夜视频精品福利| 欧美乱妇无乱码| 一级黄色大片毛片| a级毛片在线看网站| 不卡av一区二区三区| 久久中文字幕人妻熟女| 色播在线永久视频| 午夜福利免费观看在线| 久久久久久久久中文| 国内揄拍国产精品人妻在线 | 夜夜躁狠狠躁天天躁| 一二三四社区在线视频社区8| 国产在线精品亚洲第一网站| 国产成年人精品一区二区| 欧美一级a爱片免费观看看 | 丝袜美腿诱惑在线| 国产伦一二天堂av在线观看| 久久人妻福利社区极品人妻图片| 国产精品亚洲美女久久久| 制服丝袜大香蕉在线| 日韩国内少妇激情av| 久久精品国产亚洲av高清一级| 岛国在线观看网站| 老鸭窝网址在线观看| 精品少妇一区二区三区视频日本电影| 又大又爽又粗| 又紧又爽又黄一区二区| 高清毛片免费观看视频网站| 神马国产精品三级电影在线观看 | 国产亚洲av高清不卡| 精品无人区乱码1区二区| 国产av一区二区精品久久| 成人精品一区二区免费| av超薄肉色丝袜交足视频| 精品电影一区二区在线| 国产精品 欧美亚洲| 女生性感内裤真人,穿戴方法视频| 日韩国内少妇激情av| 后天国语完整版免费观看| 一级a爱片免费观看的视频| 高潮久久久久久久久久久不卡| 18禁美女被吸乳视频| 精品国产亚洲在线| 国产精品亚洲av一区麻豆| 欧美黑人欧美精品刺激| 不卡av一区二区三区| 国产欧美日韩一区二区精品| 国产又色又爽无遮挡免费看| 国产激情偷乱视频一区二区| 日日干狠狠操夜夜爽| 国产高清视频在线播放一区| 国产成人啪精品午夜网站| 成人亚洲精品一区在线观看| 一级黄色大片毛片| 亚洲成a人片在线一区二区| 国产欧美日韩一区二区三| 91九色精品人成在线观看| 国产精华一区二区三区| 亚洲国产精品sss在线观看| 日韩大尺度精品在线看网址| 欧美zozozo另类| 好男人电影高清在线观看| 高清在线国产一区| 亚洲九九香蕉| 国产午夜福利久久久久久| 91麻豆av在线| 女性生殖器流出的白浆| 久久久久国产精品人妻aⅴ院| 久99久视频精品免费| 国产av一区二区精品久久| 久久精品国产综合久久久| 91国产中文字幕| 欧美在线黄色| 一区二区三区国产精品乱码| 十八禁人妻一区二区| 美女大奶头视频| 夜夜躁狠狠躁天天躁| 人成视频在线观看免费观看| 波多野结衣高清无吗| 久久人妻av系列| 51午夜福利影视在线观看| 国产成人欧美| 日本三级黄在线观看| 日韩视频一区二区在线观看| 妹子高潮喷水视频| 欧美另类亚洲清纯唯美| 国产精品爽爽va在线观看网站 | 99久久无色码亚洲精品果冻| 99国产极品粉嫩在线观看| 亚洲人成网站高清观看| 日日干狠狠操夜夜爽| 欧美+亚洲+日韩+国产| 观看免费一级毛片| 成人午夜高清在线视频 | 法律面前人人平等表现在哪些方面| 欧美性猛交黑人性爽| 一区二区三区激情视频| 人妻久久中文字幕网| 亚洲av电影在线进入| 久久久久久免费高清国产稀缺| 欧美另类亚洲清纯唯美| 国产精品自产拍在线观看55亚洲| 亚洲精品国产区一区二| √禁漫天堂资源中文www| 欧美日韩亚洲综合一区二区三区_| 亚洲国产欧美日韩在线播放| www.熟女人妻精品国产| 香蕉丝袜av| 日韩免费av在线播放| 91大片在线观看| 99国产精品一区二区蜜桃av| 午夜免费成人在线视频| 免费观看精品视频网站| 久久精品成人免费网站| 久久国产乱子伦精品免费另类| 日日爽夜夜爽网站| 午夜免费激情av| 99re在线观看精品视频| 久久精品国产综合久久久| 欧美人与性动交α欧美精品济南到|