• <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 ?

    基于加權(quán)滑動(dòng)平均的磁盤使用率預(yù)測(cè)模型

    2016-02-23 07:19:08張宗華張海全李師航牛新征
    關(guān)鍵詞:計(jì)算技術(shù)

    張宗華,張海全, 李師航,牛新征

    1)南京南瑞集團(tuán)公司流程與信息管理中心,江蘇南京 211106;2)西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息工程學(xué)院,四川成都 611130;

    3)電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,四川成都 611731

    ?

    基于加權(quán)滑動(dòng)平均的磁盤使用率預(yù)測(cè)模型

    張宗華1,張海全1, 李師航2,牛新征3

    1)南京南瑞集團(tuán)公司流程與信息管理中心,江蘇南京 211106;2)西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息工程學(xué)院,四川成都 611130;

    3)電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,四川成都 611731

    摘要:為能提前做好擴(kuò)容準(zhǔn)備,提出一種改進(jìn)的加權(quán)滑動(dòng)平均(weighted moving average, WMA)模型,用以預(yù)測(cè)未來短期內(nèi)磁盤的使用率. 針對(duì)磁盤使用率序列變化較為平緩、要求滯后較小的特性,采用自相關(guān)和偏自相關(guān)系數(shù)法對(duì)模型定階,處理數(shù)據(jù)后,在不影響精度的前提下計(jì)算最小滯后值,并使用結(jié)合了拉依達(dá)準(zhǔn)則的權(quán)重轉(zhuǎn)移法來均衡權(quán)重,用多新息遞推最小二乘法對(duì)參數(shù)進(jìn)行更精確的估計(jì),以提高預(yù)測(cè)的準(zhǔn)確性. 通過Matlab仿真實(shí)驗(yàn)可知,該算法預(yù)測(cè)誤差小,滯后性弱,與原始WMA模型相比,具有更好的預(yù)測(cè)效果.

    關(guān)鍵詞:計(jì)算技術(shù);加權(quán)滑動(dòng)平均模型;磁盤使用率;自相關(guān)和偏自相關(guān)系數(shù)法;拉依達(dá)準(zhǔn)則;權(quán)重轉(zhuǎn)移;多新息遞推最小二乘法

    Disk usage prediction based on an improved

    weighted moving average method

    Zhang Zonghua1?, Zhang Haiquan1, Li Shihang2, and Niu Xinzheng3

    磁盤使用率的預(yù)測(cè)主要用于資源管理、故障管理、實(shí)時(shí)監(jiān)控以及對(duì)異常情況進(jìn)行警報(bào),防止磁盤寫滿造成數(shù)據(jù)丟失等問題. 目前有關(guān)磁盤使用率預(yù)測(cè)的研究不多.Murray等[1]提出了一種融合線性和指數(shù)回歸模型、自回歸積分滑動(dòng)平均模型及貝葉斯結(jié)構(gòu)時(shí)間序列模型的算法,而在磁盤使用率短期預(yù)測(cè)方面目前尚欠有效算法.

    短期預(yù)測(cè)要求精度較高,延遲較小,比較適合用時(shí)間序列模型[2]進(jìn)行預(yù)測(cè). 常見的時(shí)間序列預(yù)測(cè)模型包括用來對(duì)各種自然現(xiàn)象進(jìn)行預(yù)測(cè)的自回歸(auto regressive, AR)模型、通過一組時(shí)間序列逐次移動(dòng)完成計(jì)算的滑動(dòng)平均(moving average, MA)模型、由自回歸模型和滑動(dòng)平均模型迭加形成的自回歸滑動(dòng)平均(auto regressive moving average, ARMA)模型及經(jīng)過差分處理后轉(zhuǎn)化為ARMA并與之形式類似的自回歸積分滑動(dòng)平均模型(auto regressive integrated moving average, ARIMA). 磁盤使用率數(shù)據(jù)沒有明顯趨勢(shì)性,變化較平穩(wěn),而在時(shí)間序列模型中,MA模型最適合處理平穩(wěn)數(shù)據(jù),且運(yùn)行效率高,符合預(yù)測(cè)和警告的即時(shí)性要求,已在諸如股票交易、降雨風(fēng)速和金融時(shí)間序列等方面有大量應(yīng)用[3-4],取得了較好的預(yù)測(cè)效果. MA模型基本類型可以分為簡(jiǎn)單滑動(dòng)平均(simple moving average, SMA)模型和加權(quán)滑動(dòng)平均(weighting moving average, WMA)模型[5],SMA模型是用過去若干個(gè)時(shí)間點(diǎn)的平均值來預(yù)測(cè)當(dāng)前的時(shí)間值,但是忽略了各個(gè)時(shí)間點(diǎn)對(duì)當(dāng)前時(shí)間點(diǎn)的影響并不相同的問題,而實(shí)際上離當(dāng)前時(shí)間更接近的時(shí)間點(diǎn)通常都會(huì)對(duì)預(yù)測(cè)時(shí)間點(diǎn)造成更大的影響. 而WMA模型則可以在不同的時(shí)間點(diǎn)上分配不同的權(quán)值,讓那些對(duì)預(yù)測(cè)點(diǎn)影響更大的時(shí)間點(diǎn)擁有更大的權(quán)值,以減小過去較遠(yuǎn)時(shí)間點(diǎn)造成的干擾.

    針對(duì)以上問題,本研究選擇WMA模型對(duì)磁盤使用率進(jìn)行預(yù)測(cè),對(duì)傳統(tǒng)WMA模型進(jìn)行改進(jìn),以保證其在處理磁盤使用率數(shù)據(jù)時(shí)能有更好的預(yù)測(cè)效果. 在保證精度的前提下減小滯后值[6],并在傳統(tǒng)WMA模型上加入權(quán)重轉(zhuǎn)移[7],用來防止采集數(shù)據(jù)時(shí)的意外誤差對(duì)預(yù)測(cè)造成的影響,并結(jié)合拉依達(dá)準(zhǔn)則[8],將出現(xiàn)異常的時(shí)間點(diǎn)的權(quán)重值轉(zhuǎn)移到其他正常的時(shí)間點(diǎn)上,而不是像傳統(tǒng)的權(quán)重轉(zhuǎn)移法只對(duì)丟失值進(jìn)行處理,最后通過多新息遞推最小二乘算法[9]求出參數(shù)估計(jì),得到更好的擬合效果. 經(jīng)實(shí)驗(yàn)驗(yàn)證,與傳統(tǒng)的SMA和WMA比較,本算法可有效減小誤差,對(duì)磁盤使用率序列滯后現(xiàn)象的修補(bǔ)效果也十分良好.

    1磁盤使用率預(yù)測(cè)模型

    WMA模型屬于MA模型的一種. MA模型是一種常見的標(biāo)準(zhǔn)線性模型. 設(shè)εt是白噪聲序列, i為序列指標(biāo). 若時(shí)間序列yt滿足

    yt=εt-α1εt-1-α2εt-2-…-αqεt-q

    (1)

    則稱yt為q階滑動(dòng)平均序列,簡(jiǎn)稱MA(q)序列[10]. 式(1)中, αi是滑動(dòng)平均因子(moving average coefficients, MACs).

    本研究將WMA模型做出適當(dāng)改進(jìn),使其更符合磁盤使用率預(yù)測(cè)的要求,具體建模步驟如下:

    1) 通過磁盤使用率數(shù)據(jù)的自相關(guān)和偏自相關(guān)系數(shù)來對(duì)模型定階[11],確定的階數(shù)即為后面需要計(jì)算的參數(shù)個(gè)數(shù);

    2) 對(duì)時(shí)間序列進(jìn)行平穩(wěn)性檢驗(yàn)、消除奇異值和數(shù)據(jù)平滑[12]等處理,避免一些數(shù)據(jù)波動(dòng)造成的影響,減小隨機(jī)誤差,使后面要進(jìn)行的參數(shù)估計(jì)更加精確;

    3) 通過均方誤差公式計(jì)算得到最小誤差的最小滯后值,將得到的滯后值作為返回值參與計(jì)算,可在相同計(jì)算精度下減小滯后值;

    4) 使用結(jié)合了拉依達(dá)準(zhǔn)則的權(quán)重轉(zhuǎn)移法給各個(gè)時(shí)間點(diǎn)賦予權(quán)值,保證賦權(quán)的有效性;

    5) 用多新息遞推最小二乘算法進(jìn)行模型參數(shù)估計(jì)[13-21],將其值代替MA模型表達(dá)式中的參數(shù).

    至此模型建立完畢.依此模型,用采集得到的真實(shí)磁盤使用率數(shù)據(jù)進(jìn)行Matlab仿真,驗(yàn)證算法的有效性.

    1.1模型定階

    WMA模型的階數(shù)通過對(duì)應(yīng)MA模型的階數(shù)來確定. 本研究使用自相關(guān)和偏相關(guān)系數(shù)法來確定模型階數(shù),首先對(duì)序列的自相關(guān)系數(shù)(auto correlation function, ACF)和偏自相關(guān)系數(shù)(partial auto correlation function, PACF)進(jìn)行計(jì)算,然后通過對(duì)其拖尾性和截尾性的判斷來確定模型的類型及階數(shù). 拖尾性指這2個(gè)系數(shù)隨延遲k無限增長(zhǎng)以負(fù)指數(shù)的速度趨向于0;截尾性指它們?cè)趉大于模型階數(shù)后,其值變?yōu)?. 具體判斷規(guī)則如表1. 其中,AR(p)和MA(q)分別表示p階AR模型與q階MA模型.

    表1 模型及階數(shù)判斷標(biāo)準(zhǔn)

    設(shè)x1,x2,…,xT是平穩(wěn)的磁盤使用率時(shí)間序列XT的一個(gè)樣本,則其自協(xié)方差系數(shù)定義為

    (2)

    (3)

    樣本偏自相關(guān)系數(shù)定義為

    (4)

    其中,

    (5)

    由Bartlett公式,對(duì)于q>0, 自相關(guān)系數(shù)滿足正態(tài)分布

    (6)

    當(dāng)樣本容量充分大時(shí),有

    (7)

    (8)

    對(duì)于每個(gè)q>0, 檢查從第q+1個(gè)開始的ACF落入如式(9)范圍中的比例是否占總數(shù)的68.3%或95.5%左右.

    (9)

    如果在首階數(shù)q0之前,ACF都明顯不為0,而在q=q0時(shí),ACF中滿足式(9)的個(gè)數(shù)達(dá)到上述比例,則可判斷ACF序列在q0處截尾,即序列Xt為MA(q0)序列. 計(jì)算實(shí)際磁盤使用率序列得到的結(jié)果如表2.

    表2 自相關(guān)系數(shù)與偏自相關(guān)系數(shù)

    因表2數(shù)據(jù)滿足式(9)條件,則可判斷磁盤使用率數(shù)據(jù)在k=1處截尾,即q0=1, 故此時(shí)間序列是符合MA(1)模型的,即磁盤使用率時(shí)間序列是符合1階WMA模型的.

    1.2數(shù)據(jù)處理

    對(duì)磁盤使用率的數(shù)據(jù)處理包括平穩(wěn)性檢驗(yàn)、消除奇異值和平滑數(shù)據(jù)等方面. 表2自相關(guān)系數(shù)序列同時(shí)可以用作平穩(wěn)性檢驗(yàn)的標(biāo)準(zhǔn). 當(dāng)自相關(guān)系數(shù)序列快速衰減至0,則說明此時(shí)間序列是平穩(wěn)序列.由表2可見,磁盤使用率序列是平穩(wěn)序列.

    (10)

    (11)

    若序列中的值滿足式(12)條件則予以剔除,有

    (12)

    將與樣本均值的差值超過3倍標(biāo)準(zhǔn)差的數(shù)值確定為異常值,并將其用樣本均值代替.

    數(shù)據(jù)平滑的方法有滑動(dòng)窗口平均法、滑動(dòng)窗口擬合多項(xiàng)式平滑法、分量回歸平滑法、小波變換法和傅里葉變換法等. 磁盤使用率數(shù)據(jù)本身變化較為平緩,不需要過多的平滑處理,故為了節(jié)省運(yùn)算成本,并取得較好的平滑效果,本研究選取二次滑動(dòng)窗口平均法來進(jìn)行數(shù)據(jù)平滑,設(shè)定窗口大小為5個(gè)時(shí)間點(diǎn),原理如下:

    (13)

    其中, y(i)為第i個(gè)時(shí)間點(diǎn)的值; yy(j)為第j個(gè)時(shí)間點(diǎn)經(jīng)平滑處理后的值.

    對(duì)經(jīng)過1次平滑后的序列yy(j)用式(13)的方式進(jìn)行第2次平滑處理,經(jīng)2次處理后數(shù)據(jù)的隨機(jī)誤差減小. 用平滑后的序列進(jìn)行預(yù)測(cè),可以保證數(shù)據(jù)精度,提高預(yù)測(cè)準(zhǔn)確性.

    1.3滯后性的改進(jìn)

    由于滑動(dòng)平均因子的對(duì)稱性,WMA模型預(yù)測(cè)有大約(n+1)/2個(gè)時(shí)間點(diǎn)的滯后,而進(jìn)行短期的磁盤使用率預(yù)測(cè)時(shí)要求較小的滯后. 故在通過式(14)計(jì)算得到的一系列滯后值中,選取造成誤差最小的.

    (14)

    其中,

    (15)

    其中, α是滑動(dòng)平均因子. 根據(jù)原始輸入序列,可以得到輸出序列的滯后值為

    (16)

    式(16)使用了均方誤差作為衡量標(biāo)準(zhǔn),用于計(jì)算每個(gè)滯后值造成的誤差,其中造成最小誤差的滯后值就作為模型的因子來計(jì)算輸出,可有效減小磁盤使用率預(yù)測(cè)模型的滯后性問題.

    1.4改進(jìn)的權(quán)重轉(zhuǎn)移

    結(jié)合拉依達(dá)準(zhǔn)則法與權(quán)重轉(zhuǎn)移法,將不在假設(shè)檢驗(yàn)范圍內(nèi)的異常點(diǎn)的權(quán)重交移給當(dāng)前預(yù)測(cè)中權(quán)重最大的點(diǎn),針對(duì)磁盤使用率數(shù)據(jù)中出現(xiàn)的異常波動(dòng),加強(qiáng)優(yōu)化效果.

    傳統(tǒng)的權(quán)重轉(zhuǎn)移是基于WMA模型提出的,將模型中已分配權(quán)重但實(shí)際值不存在的時(shí)間點(diǎn)的權(quán)重,重新分配給對(duì)當(dāng)前預(yù)測(cè)目標(biāo)點(diǎn)影響最大的時(shí)間點(diǎn). 原始的權(quán)重轉(zhuǎn)移法只處理擁有權(quán)重但實(shí)際值為零的點(diǎn),即處理丟失值,但對(duì)其他異常數(shù)據(jù)并不敏感,只在極少數(shù)情況下才能起到作用,用途受到極大限制. 現(xiàn)將其與達(dá)依拉準(zhǔn)則結(jié)合,即在對(duì)每個(gè)當(dāng)前值進(jìn)行預(yù)測(cè)時(shí),將每個(gè)賦有權(quán)重的點(diǎn)依次排成序列,并對(duì)此權(quán)重序列進(jìn)行拉依達(dá)準(zhǔn)則的判斷,對(duì)于不滿足拉依達(dá)準(zhǔn)則的點(diǎn),將其權(quán)重值重新分配給對(duì)當(dāng)前預(yù)測(cè)目標(biāo)點(diǎn)影響最大的點(diǎn).

    如現(xiàn)有磁盤使用率數(shù)據(jù)中的5個(gè)時(shí)間點(diǎn)y1、y2、y3、y4和y5分別對(duì)應(yīng)權(quán)重值w1、w2、w3、w4和w5, 用以預(yù)測(cè)下一時(shí)間點(diǎn)y6, 根據(jù)加權(quán)滑動(dòng)平均公式有

    y6=y1w1+y2w2+y3w3+y4w4+y5w5

    (17)

    若通過計(jì)算發(fā)現(xiàn)y2滿足式(12),根據(jù)上述規(guī)則,將要除去的點(diǎn)的權(quán)值賦給對(duì)當(dāng)前目標(biāo)點(diǎn)影響最大的點(diǎn),而此例中y5距離目標(biāo)點(diǎn)y6最近,影響最大,故將y2的權(quán)值w2轉(zhuǎn)移到y(tǒng)5上,即此刻預(yù)測(cè)值滿足

    y6=y1w1+y3w3+y4w4+y5(w5+w2)

    (18)

    通過改進(jìn)的權(quán)重轉(zhuǎn)移,可有效避免因磁盤使用率數(shù)據(jù)的異常波動(dòng)而造成的預(yù)測(cè)誤差.

    1.5參數(shù)估計(jì)

    若將磁盤使用率預(yù)測(cè)模型描述為

    y(t)=D(z)v(t)

    D(z)=1+d1z-1+d2z-2+…+dvz-v

    (19)

    其中, y(t)為系統(tǒng)輸出觀測(cè)序列; v為白噪聲; z為單位后移算子; di為待計(jì)算參數(shù).且有

    z-1v(t)=v(t-1)

    (20)

    設(shè)整數(shù)p為新息長(zhǎng)度(innovation length), Y(t)為堆積輸出向量, V(t)為堆積誤差向量, Γ為信息矩陣, θ為對(duì)參數(shù)di的估計(jì)基于最小二乘優(yōu)化原理[21],有多新息遞推最小二乘法(multiple innovation recursive least squares,MILS)為

    (21)

    (22)

    (23)

    [φ(t),φ(t-1),…,φ(t-p+1)]T

    (24)

    具體步驟的偽代碼如下:

    Pseudocode of MILS

    set p0=106, P(0)=p0I,θ(0)=1n/p0;

    for t=1 to v do

    constuct P(t), V(p,t);

    for t=1 to n do

    choose a new p;

    end

    end

    該算法執(zhí)行了遞階計(jì)算過程,在設(shè)置初值后,用式(24)構(gòu)造Γ(p,t), 用式(22)構(gòu)造P(t), 用式(23)計(jì)算V(p,t), 用式(21)刷新估計(jì)值. 經(jīng)以上計(jì)算逐次刷新對(duì)di的估計(jì)值θ, 則可完成對(duì)磁盤使用率模型的所有參數(shù)估計(jì).

    通過第1節(jié)的各步驟,參數(shù)估計(jì)完畢,模型建立完成.

    2實(shí)驗(yàn)結(jié)果及分析

    為驗(yàn)證本算法的有效性,現(xiàn)對(duì)不同編號(hào)的10個(gè)磁盤進(jìn)行一段時(shí)間的使用率記錄,磁盤類型為jfs2,操作系統(tǒng)為aix. 本研究采取的記錄方式為每隔10 min對(duì)磁盤進(jìn)行1次采樣,每個(gè)磁盤的采樣點(diǎn)保證在300個(gè)以上. 得到每個(gè)磁盤使用率的時(shí)間序列,用于進(jìn)行Matlab仿真實(shí)驗(yàn).

    將傳統(tǒng)的WMA和SMA與本研究算法對(duì)比,用平均絕對(duì)誤差(mean absolute error, MAE)作為評(píng)判標(biāo)準(zhǔn). 平均絕對(duì)誤差是每個(gè)時(shí)間點(diǎn)上預(yù)測(cè)值與真實(shí)值之差絕對(duì)值的平均,相比平均誤差,能真實(shí)反映預(yù)測(cè)誤差,使結(jié)果具有良好的參考價(jià)值. MAE的計(jì)算公式為

    (25)

    其中, x(i)是原始時(shí)間序列; y(i)是預(yù)測(cè)時(shí)間序列.

    各算法的預(yù)測(cè)結(jié)果對(duì)比如表3.

    表3 算法平均絕對(duì)誤差對(duì)比

    由表3可以看到,本研究算法相對(duì)于原始的WMA,平均絕對(duì)誤差減小了24%~73%,在磁盤使用率序列上取得了良好的效果.

    本研究用Matlab實(shí)現(xiàn)仿真[22],對(duì)10組磁盤使用率數(shù)據(jù)進(jìn)行處理和預(yù)測(cè),部分實(shí)驗(yàn)結(jié)果如圖1.

    圖1 自相關(guān)系數(shù)Fig.1 Autocorrelation coefficients

    圖1中將表2的自相關(guān)系數(shù)用散點(diǎn)圖畫出,并將判斷是否落在范圍內(nèi)的標(biāo)準(zhǔn)差用與x軸平行的兩條實(shí)線標(biāo)記,可以更明確地看到Lag=1時(shí)的點(diǎn)落在實(shí)線外,而后面的值都迅速衰減到0左右,并在x軸附近進(jìn)行無規(guī)則的上下波動(dòng),根據(jù)以上情況可判斷該時(shí)間序列符合MA(1)模型.

    采集到的原始時(shí)間序列如圖2.

    圖2 采樣后的原始時(shí)間序列Fig.2 Original time series of sampling

    圖2是10組磁盤使用率序列中的一組,可以看到磁盤使用率時(shí)間序列極其平緩,甚至?xí)趲讉€(gè)連續(xù)時(shí)間點(diǎn)里數(shù)值保持不變,但在圖2中很明顯有2個(gè)點(diǎn)的數(shù)值比其他點(diǎn)高出很多,所以需要處理數(shù)據(jù),以避免一些非算法精度問題造成的影響. 圖3為處理后的時(shí)間序列.

    圖3 經(jīng)數(shù)據(jù)處理后的時(shí)間序列Fig.3 Time series after processing

    由圖3可以清晰看到磁盤使用率序列經(jīng)過600多次采樣,變化范圍都在94.8~95.0,明顯高于其他數(shù)據(jù)的值被判斷為異常值并予以剔除. 處理過后的序列消除了異常情況和隨機(jī)誤差的干擾,可以進(jìn)行預(yù)測(cè),其預(yù)測(cè)結(jié)果如圖4.

    圖4 預(yù)測(cè)結(jié)果擬合圖Fig.4 Fitting curve of prediction result

    圖4給出了本研究改進(jìn)的WMA模型的預(yù)測(cè)序列與原始時(shí)間序列的擬合圖,由于采樣點(diǎn)太多,此圖只能粗略地看到預(yù)測(cè)效果,所以截取了其中一小部分?jǐn)?shù)據(jù)并放大,與原始SMA和WMA算法對(duì)比.

    圖5截取了序列中變化較頻繁的一段,可以更好地看出擬合效果.由圖5可見,改進(jìn)后的WMA擬合效果優(yōu)于SMA和WMA,預(yù)測(cè)誤差明顯減小,能快速感知數(shù)據(jù)變化,且滯后也顯著減小,較好地解決了磁盤使用率預(yù)測(cè)中對(duì)高預(yù)測(cè)精度和較小滯后的需求.

    圖5 改進(jìn)算法與SMA和WMA的對(duì)比圖Fig.5 (Color online) Comparison diagram of prodiction by the proposed algorithm, SMA and WMA

    結(jié)語

    本研究提出了一種對(duì)WMA模型的改進(jìn)算法,對(duì)真實(shí)磁盤進(jìn)行使用率數(shù)據(jù)采樣,通過Matlab仿真驗(yàn)證了算法的有效性. 實(shí)驗(yàn)結(jié)果顯示本算法優(yōu)化效果良好,在減小預(yù)測(cè)誤差和滯后方面效果顯著.仿真過程中發(fā)現(xiàn),若數(shù)據(jù)出現(xiàn)連續(xù)的上下劇烈波動(dòng),則預(yù)測(cè)效果變差,即本算法對(duì)較尖銳的波峰波谷預(yù)測(cè)能力不強(qiáng),雖然這種數(shù)據(jù)出現(xiàn)劇烈波動(dòng)的情況在磁盤使用率數(shù)據(jù)中極為罕見,但也值得考慮并做出改進(jìn).

    引文:張宗華,張海全, 李師航,等. 基于加權(quán)滑動(dòng)平均的磁盤使用率預(yù)測(cè)模型[J]. 深圳大學(xué)學(xué)報(bào)理工版,2016,33(1):72-79.

    參考文獻(xiàn)/ References:

    [1] Murray S,Amaan M,Christoph A, et al. Projecting disk usage based on historical trends in cloud environment[C]// The 3rd ACM Workshop on Scientific Cloud Computing. Delft, Netherlands: Association for Computing Machinery, 2012.

    [2] Husna S H, Cui Lishan, Herny R H. Time series analysis of Web server logs for an online newspaper[C]// Proceedings of the 7th International Conference on Ubiquitous Information Management and Communication. Kota Kinabalu, Malaysia: Association for Computing Machinery, 2013.

    [3] Ahmad A S A,El-Shafie A,Naseri M, et al. Rainfall data analyzing using moving average (MA) model and wavelet multi-resolution intelligent model for noise evaluation to improve the forecasting accuracy[J]. Neural Computing and Applications, 2014, 25(7): 1853-1861.

    [4] Raudys A. Optimal negative weight moving average for stock price series smoothing[C]// Conference on Computational Intelligence for Financial Engineering. London: Institute of Electrical and Electronics Engineers, 2014.

    [5] Hansun Seng. A new approach of moving average method in time series analysis[C]// International Conference on New Media Studies.Tangerang,Indonesia: IEEE Computer Society, 2013.

    [6] Adrian L, Gao Junbin, Zheng Lihong. Optimizing the moving average[C]//World Congress on Computational Intelligence. Brisbane,Australia: Institute of Electrical and Electronics Engineers Inc, 2012.

    [7] 楊慧,許福栗. 基于權(quán)重轉(zhuǎn)移的加權(quán)滑動(dòng)平均模型改進(jìn)[J].計(jì)算機(jī)工程與應(yīng)用, 2014, 50(14):156-159.

    Yang Hui, Xu Fuli. Improvement of weighted moving average model based on transferring weights[J]. Computer Engineering and Applications, 2014, 50(14):156-159.(in Chinese)

    [8] Zhang Liang, Qin Yongyuan, Zhang Jinliang.Study of polynomial curve fitting algorithm for outlier elimination[C]// International Conference on Computer Science and Service System.Nanjing, China: IEEE Computer Society, 2011.

    [9] 周易,丁峰. 滑動(dòng)平均模型的最小二乘辨識(shí)方法比較研究[J].科學(xué)技術(shù)與工程, 2007, 18(7): 4570-4575.

    Zhou Yi, Ding Feng. Comparison of least squares identification for moving average models[J]. Science Technology and Engineering, 2007, 18(7): 4570-4575.(in Chinese)

    [10] 卜愛國,王炯. 基于MA(q)模型的動(dòng)態(tài)電源管理預(yù)測(cè)策略[J].計(jì)算機(jī)應(yīng)用研究,2011,28(7): 2516-2518.

    Bu Aiguo, Wang Jiong. Dynamic power management predictive policy based on MA(q) model[J]. Application Research of Computers, 2011,28(7): 2516-2518.(in Chinese)

    [11] 張賢達(dá). 用自相關(guān)確定MA模型階數(shù)的二種新方法[J].電子學(xué)報(bào), 1994, 22(7): 103-104.

    Zhang Xianda. Two new mothods for order determination of an MA model using autocorrelations[J]. Chinese Journal of Electronics, 1994, 22(7): 103-104.(in Chinese)

    [12] 王達(dá), 崔蕊.數(shù)據(jù)平滑技術(shù)綜述[J]. 電腦知識(shí)與技術(shù), 2009, 17(5):4507-4509.

    Wang Da, Cui Rui. Data smoothing technology summary[J]. Computer Knowledge and Technology, 2009, 17(5):4507-4509.(in Chinese)

    [13] 李守巨,霍軍周,曹麗娟. 盾構(gòu)機(jī)土壓平衡系統(tǒng)的ARMA模型及其參數(shù)估計(jì)[J]. 煤炭學(xué)報(bào), 2014, 39(11):2201-2205

    Li Shouju, Huo Junzhou, Cao Lijuan. Autoregressive moving average model and its parameter estimation for earth pressure balance system of shield[J]. Journal of China Coal Society, 2014, 39(11):2201-2205.(in Chinese)

    [14] 宋安超. 滑動(dòng)平均模型參數(shù)估計(jì)方法的仿真比較[J]. 大眾科技, 2011, 12(1):49-51.

    Song Anchao. Simulation and comparison of three methods of parametric estimation for moving average model[J]. Popular Science and Technology, 2011, 12(1):49-51.(in Chinese)

    [15] 汪海濱,龍俊波,查代奉. 分?jǐn)?shù)低階時(shí)頻滑動(dòng)平均模型參數(shù)估計(jì)[J]. 計(jì)算機(jī)工程與應(yīng)用, 2015, 50(20):178-182.

    Wang Haibin, Long Junbo, Zha Daifeng. Modeling and parameter estimation based on FLO-TFMA[J]. Computer Engineering and Applications, 2015, 50(20),178-182.(in Chinese)

    [16] 單銳,施蘇桐,劉文. 基于改進(jìn)共軛梯度思想的滑動(dòng)平均模型參數(shù)估計(jì)優(yōu)化方法[J]. 蘭州理工大學(xué)學(xué)報(bào), 2014, 40(1):144-147.

    Shan Rui, Shi Sutong, Liu Wen. The auto regression moving average model optimization method of parameter estimation based on the improved conjugate gradient thoughts[J]. Journal of Lanzhou University of Technology, 2014, 40(1):144-147.(in Chinese)

    [17] 鄧自立. 滑動(dòng)平均模型參數(shù)估計(jì)的Gevers-Wouters算法的指數(shù)收斂性[J]. 科學(xué)技術(shù)與工程, 2005, 20(5):1473-1484.

    Deng Zili. Exponential convergence of Gevers-Wouters algorithm for moving average model parameter estimation[J]. Science Technology and Engineering, 2005, 20(5):1473-1484.(in Chinese)

    [18] 單銳,劉雅寧,劉文. 改進(jìn)的差分自回歸移動(dòng)平均模型的共軛梯度參數(shù)估計(jì)法[J]. 河南科技大學(xué)學(xué)報(bào)自然科學(xué)版, 2015, 36(4):85-90.

    Shan Rui, Liu Yaning, Liu Wen. Improved conjugate gradient parameter estimation for autoregressive integrated moving average model[J]. Journal of Henan University of Science and Technology Natural Science, 2015, 36(4):85-90.(in Chinese)

    [19] 高艷普,王向東,王冬青. 多變量受控自回歸滑動(dòng)平均系統(tǒng)的極大似然辨識(shí)方法[J]. 山東大學(xué)學(xué)報(bào)工學(xué)版, 2015, 45(2):49-55.

    Gao Yanpu, Wang Xiangdong, Wang Dongqing. Maximum likelihood identification method for a multivariable controlled autoregressive moving average system[J]. Journal of Shandong University Engineering Science, 2015, 45(2):49-55.(in Chinese)

    [20] 李天一,鄭建榮.基于ARMAX模型的子空間辨識(shí)算法[J]. 計(jì)算機(jī)仿真, 2015, 32(1):310-313.

    Li Tianyi, Zheng Jianrong. A new subspace identification method based on ARMAX model[J]. Computer Simulation, 2015, 32(1):310-313.(in Chinese)

    [21] Ding Feng,Cheng Tongwen. Hierarchical least squares identification methods for multivariable ststems[J]. IEEE Transactions on Automatic Control,2005, 50(3): 397-402.

    [22] 王國峰,王子良,王太勇,等. Matlab在時(shí)間序列分析中的應(yīng)用[J]. 應(yīng)用科技, 2003, 30(5):36-38.

    Wang Guofeng, Wang Ziliang, Wang Taiyong, et al. Application of Matlab in time series analysis[J]. Applied Science and Technology, 2003, 30(5): 36-38.(in Chinese)

    【中文責(zé)編:坪梓;英文責(zé)編:遠(yuǎn)鵬】

    1) Process and Information Management Center, NARI Group Corporation, Nanjing 211106, Jiangsu Province, P.R.China

    2) College of Economics and Information Engineering, Southwestern University of Finance and Economics,

    Chengdu 611130,Sichuan Province, P.R.China

    3) College of Computer Science and Engineering, University of Electronic Science and Technology of China,

    Chengdu 611731, Sichuan Province, P.R.China

    Abstract:This paper proposes an improved weighted moving average (WMA) model to predict the usage of disks in the near future. Considering the characteristics of showing gentle change in disk usage and the requirements with small lag, we firstly utilize the autocorrelation and partial autocorrelation coefficient method to determine the order of the model. After processing the series, the minimum lag can be calculated on the premise without affecting the accuracy. Additionally, weights transferring combined with the Pauta criterion is used to balance the weight. At last, we estimate the parameters by using the multiple innovation recursive least squares to improve the result of prediction. According to the simulation result by Matlab, this algorithm is proved to have less result errors and a smaller lag. It provides a better prediction effect as compared with the original WMA model.

    Key words:computing technology; weighted moving average model; disk usage; autocorrelation and partial autocorrelation coefficient method; Pauta criterion; transferring weight; multiple innovation recursive least squares

    作者簡(jiǎn)介:張宗華(1977—),男,南京南瑞集團(tuán)公司工程師.研究方向:電力信息化. E-mail:hangzonghua@sgepri.sgcc.com.cn

    基金項(xiàng)目:國家自然科學(xué)基金資助項(xiàng)目(61300192) ;國家科技支撐計(jì)劃資助項(xiàng)目(2013BAH33F00);南京南瑞集團(tuán)公司研究基金資助項(xiàng)目(SGTYHT/14-XX-194)

    中圖分類號(hào):TP 301.6

    文獻(xiàn)標(biāo)志碼:A

    doi:10.3724/SP.J.1249.2016.01072

    猜你喜歡
    計(jì)算技術(shù)
    《計(jì)算技術(shù)與自動(dòng)化》2022年總目次索引
    基于云計(jì)算技術(shù)的FLAC3D軟件計(jì)算平臺(tái)的研發(fā)
    試論云計(jì)算技術(shù)在計(jì)算機(jī)網(wǎng)絡(luò)安全存儲(chǔ)中的應(yīng)用
    談云計(jì)算技術(shù)的安全性
    大數(shù)據(jù)、云計(jì)算技術(shù)在智慧城市中的應(yīng)用
    云計(jì)算技術(shù)在現(xiàn)代化辦公系統(tǒng)中的應(yīng)用
    電子制作(2017年8期)2017-06-05 09:36:15
    《物探化探計(jì)算技術(shù)》2016年1~6期總要目
    基于云計(jì)算技術(shù)的虛擬實(shí)訓(xùn)室設(shè)計(jì)與實(shí)現(xiàn)
    淺析云計(jì)算技術(shù)在高速公路收費(fèi)系統(tǒng)中的應(yīng)用
    淺談云計(jì)算技術(shù)下的互聯(lián)網(wǎng)金融應(yīng)用
    河南科技(2015年2期)2015-02-27 14:20:22
    十分钟在线观看高清视频www | 少妇人妻 视频| 少妇被粗大猛烈的视频| 免费av中文字幕在线| 久久国内精品自在自线图片| 久久精品国产亚洲av天美| 在线精品无人区一区二区三 | 欧美3d第一页| 国产成人freesex在线| 交换朋友夫妻互换小说| 日本猛色少妇xxxxx猛交久久| 国产成人a∨麻豆精品| 免费看日本二区| 久久婷婷青草| 国产高潮美女av| 亚洲综合色惰| 欧美xxxx黑人xx丫x性爽| 国产精品伦人一区二区| 亚洲最大成人中文| 深夜a级毛片| 成人影院久久| 色视频www国产| 免费看不卡的av| 国产高潮美女av| 中文精品一卡2卡3卡4更新| 最后的刺客免费高清国语| 欧美日韩亚洲高清精品| .国产精品久久| 少妇丰满av| 久久青草综合色| 热re99久久精品国产66热6| kizo精华| 交换朋友夫妻互换小说| 97在线视频观看| 亚洲四区av| 最近手机中文字幕大全| 少妇丰满av| 在线观看三级黄色| 狂野欧美激情性xxxx在线观看| 毛片一级片免费看久久久久| 18禁裸乳无遮挡免费网站照片| 国产在视频线精品| 51国产日韩欧美| 欧美成人精品欧美一级黄| 国产淫语在线视频| 日韩视频在线欧美| 亚洲成色77777| 精品久久久久久久久亚洲| 九色成人免费人妻av| 青青草视频在线视频观看| 日本欧美国产在线视频| 97在线人人人人妻| 午夜福利在线观看免费完整高清在| 久久精品人妻少妇| 久久久国产一区二区| 91精品国产国语对白视频| 菩萨蛮人人尽说江南好唐韦庄| 国产亚洲欧美精品永久| 国产精品女同一区二区软件| 天天躁日日操中文字幕| 日本欧美国产在线视频| 免费看av在线观看网站| 国产成人a区在线观看| 亚洲丝袜综合中文字幕| 三级经典国产精品| 久久久午夜欧美精品| 99久久精品热视频| 一级二级三级毛片免费看| 毛片女人毛片| 香蕉精品网在线| 免费人成在线观看视频色| 免费av不卡在线播放| 91午夜精品亚洲一区二区三区| 免费人妻精品一区二区三区视频| 亚洲美女视频黄频| 丰满迷人的少妇在线观看| 国产 精品1| 免费黄频网站在线观看国产| av天堂中文字幕网| 亚洲成人中文字幕在线播放| 久久久久视频综合| 在线观看美女被高潮喷水网站| 亚洲精品第二区| 免费人成在线观看视频色| 日本-黄色视频高清免费观看| 七月丁香在线播放| 王馨瑶露胸无遮挡在线观看| 久久久久久久国产电影| 在线观看免费视频网站a站| 国产在线男女| 日韩av不卡免费在线播放| 1000部很黄的大片| 男女下面进入的视频免费午夜| av免费在线看不卡| 99久久综合免费| 亚洲成人一二三区av| 日韩电影二区| 我的老师免费观看完整版| 精品国产乱码久久久久久小说| 精品午夜福利在线看| 日韩成人av中文字幕在线观看| 观看美女的网站| 性色avwww在线观看| 久久久久久久大尺度免费视频| 在线观看免费视频网站a站| 成人免费观看视频高清| 边亲边吃奶的免费视频| 午夜日本视频在线| 日韩中字成人| 麻豆国产97在线/欧美| 午夜免费鲁丝| 国产老妇伦熟女老妇高清| 成人二区视频| 男女无遮挡免费网站观看| 亚洲欧美日韩东京热| 午夜福利网站1000一区二区三区| 精品久久久久久久久亚洲| 国产亚洲91精品色在线| 日本av手机在线免费观看| 在线观看免费视频网站a站| 亚洲丝袜综合中文字幕| 蜜桃在线观看..| 亚洲欧美一区二区三区国产| 免费看av在线观看网站| 尤物成人国产欧美一区二区三区| 欧美一级a爱片免费观看看| 成人高潮视频无遮挡免费网站| 老司机影院毛片| 在线观看免费日韩欧美大片 | 极品少妇高潮喷水抽搐| 国产又色又爽无遮挡免| 久久国产精品大桥未久av | 国产精品福利在线免费观看| 亚洲av男天堂| 久久精品久久精品一区二区三区| 少妇 在线观看| h视频一区二区三区| 亚洲av国产av综合av卡| av在线播放精品| 老熟女久久久| freevideosex欧美| 午夜老司机福利剧场| 国产免费又黄又爽又色| 一区在线观看完整版| 一区二区三区乱码不卡18| 成人一区二区视频在线观看| 精品国产三级普通话版| 黄色视频在线播放观看不卡| 亚洲av二区三区四区| 久久久久视频综合| 99热这里只有是精品在线观看| 黄色配什么色好看| 男女边吃奶边做爰视频| 老熟女久久久| 日产精品乱码卡一卡2卡三| 国产av国产精品国产| av黄色大香蕉| 亚洲精品,欧美精品| 女人十人毛片免费观看3o分钟| 一个人免费看片子| 日日啪夜夜撸| 一级毛片我不卡| h视频一区二区三区| 少妇人妻一区二区三区视频| 欧美成人精品欧美一级黄| 黄片无遮挡物在线观看| 日韩中文字幕视频在线看片 | 丝瓜视频免费看黄片| 亚洲最大成人中文| 精品久久久久久久久亚洲| 国产精品精品国产色婷婷| 99热全是精品| 亚洲人成网站高清观看| 一个人看的www免费观看视频| 日本av免费视频播放| 久久97久久精品| 国产精品一区www在线观看| 高清毛片免费看| 久久久久国产网址| 欧美日韩一区二区视频在线观看视频在线| 午夜福利高清视频| 日本vs欧美在线观看视频 | 91精品伊人久久大香线蕉| 亚洲精品第二区| 国产欧美日韩精品一区二区| av.在线天堂| 草草在线视频免费看| 有码 亚洲区| 乱系列少妇在线播放| 精品亚洲成a人片在线观看 | 搡老乐熟女国产| 99热全是精品| 97超碰精品成人国产| 男的添女的下面高潮视频| 多毛熟女@视频| 国产片特级美女逼逼视频| 日韩一区二区视频免费看| 黄片wwwwww| 久久久色成人| 国产探花极品一区二区| 国产国拍精品亚洲av在线观看| 国产亚洲一区二区精品| 两个人的视频大全免费| 国产免费一区二区三区四区乱码| 午夜免费男女啪啪视频观看| 国产成人91sexporn| 一级黄片播放器| 大陆偷拍与自拍| 久久久久人妻精品一区果冻| 成年av动漫网址| 人妻夜夜爽99麻豆av| 亚洲精品久久午夜乱码| 午夜免费男女啪啪视频观看| 777米奇影视久久| 嘟嘟电影网在线观看| 国产有黄有色有爽视频| 欧美zozozo另类| 秋霞伦理黄片| 九九久久精品国产亚洲av麻豆| 免费黄色在线免费观看| 成人免费观看视频高清| 久久久精品94久久精品| 中文字幕免费在线视频6| 亚洲av日韩在线播放| 嫩草影院新地址| 欧美97在线视频| 日韩中字成人| 啦啦啦啦在线视频资源| 天天躁夜夜躁狠狠久久av| 美女内射精品一级片tv| 一个人看视频在线观看www免费| 99久久精品热视频| 国产精品蜜桃在线观看| 国产永久视频网站| 午夜老司机福利剧场| 人人妻人人爽人人添夜夜欢视频 | 久久ye,这里只有精品| 久久精品国产鲁丝片午夜精品| 日韩av在线免费看完整版不卡| 久久午夜福利片| 少妇的逼水好多| 菩萨蛮人人尽说江南好唐韦庄| 秋霞在线观看毛片| av网站免费在线观看视频| 91久久精品国产一区二区成人| 日韩一区二区视频免费看| www.色视频.com| 国产乱来视频区| 肉色欧美久久久久久久蜜桃| 91精品伊人久久大香线蕉| 97超碰精品成人国产| 日韩中文字幕视频在线看片 | 777米奇影视久久| 久久久久久久国产电影| 亚洲天堂av无毛| 国产人妻一区二区三区在| 黄色日韩在线| av在线播放精品| 少妇的逼水好多| 最近最新中文字幕免费大全7| 91精品国产九色| 国产爱豆传媒在线观看| 五月天丁香电影| 在线精品无人区一区二区三 | 80岁老熟妇乱子伦牲交| 各种免费的搞黄视频| 国产精品久久久久久久久免| av在线观看视频网站免费| 老司机影院成人| 亚洲av二区三区四区| 国产精品女同一区二区软件| 人人妻人人看人人澡| 18禁裸乳无遮挡动漫免费视频| 国产v大片淫在线免费观看| 国产乱人视频| 毛片女人毛片| 亚洲国产高清在线一区二区三| 日本爱情动作片www.在线观看| 久热这里只有精品99| 久久久久久久久大av| 亚洲精品中文字幕在线视频 | 汤姆久久久久久久影院中文字幕| 国产精品久久久久久精品电影小说 | 又大又黄又爽视频免费| 亚洲精品中文字幕在线视频 | 黄片wwwwww| 久久久久国产精品人妻一区二区| 午夜福利网站1000一区二区三区| 在现免费观看毛片| 精品国产露脸久久av麻豆| 久久青草综合色| 91精品一卡2卡3卡4卡| 国产亚洲91精品色在线| 精品久久久噜噜| 99久久精品热视频| 国产爽快片一区二区三区| 欧美精品一区二区免费开放| 久久人人爽人人片av| 亚洲av日韩在线播放| 丰满少妇做爰视频| 波野结衣二区三区在线| 男男h啪啪无遮挡| 国产毛片在线视频| 日韩强制内射视频| 蜜桃在线观看..| 精品久久久久久久久av| 大又大粗又爽又黄少妇毛片口| 国产视频内射| 国产精品国产三级专区第一集| 日韩亚洲欧美综合| 肉色欧美久久久久久久蜜桃| 亚洲欧美清纯卡通| 国产有黄有色有爽视频| 婷婷色综合www| 国产精品一区二区在线观看99| 日韩成人av中文字幕在线观看| 欧美高清成人免费视频www| 777米奇影视久久| 中文在线观看免费www的网站| 又大又黄又爽视频免费| 欧美高清性xxxxhd video| 国产精品无大码| 国产中年淑女户外野战色| 久久久久久九九精品二区国产| 一本一本综合久久| 纵有疾风起免费观看全集完整版| 中文字幕精品免费在线观看视频 | 我要看黄色一级片免费的| 老司机影院毛片| 91精品国产国语对白视频| 国产在线视频一区二区| 青春草亚洲视频在线观看| 成人一区二区视频在线观看| 精品久久国产蜜桃| 免费人成在线观看视频色| 五月玫瑰六月丁香| 久久久久久久亚洲中文字幕| 中文精品一卡2卡3卡4更新| 日日啪夜夜爽| 国产精品国产三级国产av玫瑰| 久久精品国产a三级三级三级| 精品久久久久久久久亚洲| 超碰97精品在线观看| 日日啪夜夜撸| 美女高潮的动态| 午夜日本视频在线| 国产精品一二三区在线看| 午夜福利高清视频| 国产中年淑女户外野战色| 日韩av在线免费看完整版不卡| 黄色视频在线播放观看不卡| 男女边摸边吃奶| 日韩 亚洲 欧美在线| 我的老师免费观看完整版| 一二三四中文在线观看免费高清| 80岁老熟妇乱子伦牲交| 九九久久精品国产亚洲av麻豆| 建设人人有责人人尽责人人享有的 | 久久人人爽人人爽人人片va| 亚洲丝袜综合中文字幕| 伦理电影免费视频| 另类亚洲欧美激情| 激情 狠狠 欧美| 18+在线观看网站| 精品一区在线观看国产| 免费看不卡的av| 国产高清国产精品国产三级 | 美女福利国产在线 | 99九九线精品视频在线观看视频| 久久久久久久久久成人| 日日摸夜夜添夜夜爱| 成人高潮视频无遮挡免费网站| 最近中文字幕高清免费大全6| 欧美激情国产日韩精品一区| 国精品久久久久久国模美| 国产精品一区二区三区四区免费观看| 国产成人a∨麻豆精品| 人人妻人人澡人人爽人人夜夜| 亚洲aⅴ乱码一区二区在线播放| 大香蕉久久网| 亚洲aⅴ乱码一区二区在线播放| 成人免费观看视频高清| 精品久久久精品久久久| 午夜福利在线观看免费完整高清在| 夜夜骑夜夜射夜夜干| 肉色欧美久久久久久久蜜桃| 在线免费十八禁| 欧美精品一区二区大全| 最近的中文字幕免费完整| 国产黄色免费在线视频| 免费看日本二区| 久久国产乱子免费精品| 亚洲精品乱码久久久v下载方式| 精品国产乱码久久久久久小说| 蜜桃久久精品国产亚洲av| 久久99热这里只有精品18| 久久久久久久久久久丰满| 99热网站在线观看| 国产成人a区在线观看| 啦啦啦在线观看免费高清www| 久久国产精品男人的天堂亚洲 | 亚洲精华国产精华液的使用体验| 少妇裸体淫交视频免费看高清| 亚洲无线观看免费| 一二三四中文在线观看免费高清| 九九在线视频观看精品| 亚洲va在线va天堂va国产| 亚洲欧美一区二区三区黑人 | 成人午夜精彩视频在线观看| 免费av中文字幕在线| kizo精华| 久久6这里有精品| 三级经典国产精品| 毛片女人毛片| 午夜日本视频在线| 极品教师在线视频| 99久久精品热视频| 精品一区二区三卡| 亚洲av电影在线观看一区二区三区| 亚洲精品一二三| 天堂8中文在线网| 国产毛片在线视频| 天天躁日日操中文字幕| 亚洲欧美一区二区三区黑人 | 秋霞伦理黄片| 国产综合精华液| 黄色配什么色好看| 日本一二三区视频观看| 22中文网久久字幕| 青春草国产在线视频| 日本午夜av视频| 久久久久久人妻| 久久久久久伊人网av| 黄色欧美视频在线观看| 久久ye,这里只有精品| 亚洲久久久国产精品| 少妇猛男粗大的猛烈进出视频| 人体艺术视频欧美日本| 国产精品久久久久久精品电影小说 | 夜夜骑夜夜射夜夜干| 亚洲精品aⅴ在线观看| 狂野欧美白嫩少妇大欣赏| 日本与韩国留学比较| 99热这里只有精品一区| 亚州av有码| 人妻 亚洲 视频| 在线观看国产h片| 欧美+日韩+精品| 国产成人免费无遮挡视频| 熟女电影av网| 午夜激情福利司机影院| 26uuu在线亚洲综合色| 尤物成人国产欧美一区二区三区| 中文精品一卡2卡3卡4更新| 国产成人午夜福利电影在线观看| 亚洲色图综合在线观看| 欧美三级亚洲精品| 一级黄片播放器| 婷婷色综合大香蕉| 国产一区有黄有色的免费视频| 免费久久久久久久精品成人欧美视频 | 天天躁夜夜躁狠狠久久av| 美女高潮的动态| 搡女人真爽免费视频火全软件| 亚洲av成人精品一区久久| 一级毛片电影观看| 亚洲最大成人中文| 日本欧美国产在线视频| 亚洲欧美精品专区久久| 99久久人妻综合| 中文精品一卡2卡3卡4更新| 欧美老熟妇乱子伦牲交| av卡一久久| 久久人妻熟女aⅴ| 人妻系列 视频| 只有这里有精品99| 97在线人人人人妻| 一级a做视频免费观看| 80岁老熟妇乱子伦牲交| 亚洲aⅴ乱码一区二区在线播放| 欧美三级亚洲精品| 性色av一级| 国产成人午夜福利电影在线观看| 久久影院123| 亚洲性久久影院| 日本av手机在线免费观看| 久久毛片免费看一区二区三区| 免费av中文字幕在线| 蜜桃在线观看..| 18禁在线播放成人免费| 中文资源天堂在线| 日韩av免费高清视频| 美女中出高潮动态图| 精品久久久久久久久av| 午夜免费男女啪啪视频观看| 舔av片在线| 久久亚洲国产成人精品v| 亚洲av电影在线观看一区二区三区| 国产毛片在线视频| 午夜免费鲁丝| 黄色配什么色好看| 99久久综合免费| 精品国产露脸久久av麻豆| 免费观看的影片在线观看| 成人毛片60女人毛片免费| 男人爽女人下面视频在线观看| 亚洲欧美一区二区三区黑人 | 日韩中字成人| 国产色爽女视频免费观看| 久久ye,这里只有精品| 一个人看的www免费观看视频| 下体分泌物呈黄色| 在线观看一区二区三区| av专区在线播放| 国产黄片视频在线免费观看| 精品熟女少妇av免费看| 成年免费大片在线观看| 日日撸夜夜添| 日日摸夜夜添夜夜添av毛片| 一本久久精品| 街头女战士在线观看网站| 最近最新中文字幕大全电影3| 久久影院123| 色网站视频免费| 久久人人爽人人片av| 99久久精品热视频| 国产精品人妻久久久久久| 国产免费一区二区三区四区乱码| 亚洲av国产av综合av卡| av在线app专区| 伦理电影免费视频| 大陆偷拍与自拍| 麻豆精品久久久久久蜜桃| 精品一区二区免费观看| 在线播放无遮挡| 久久午夜福利片| 2022亚洲国产成人精品| 精品亚洲成国产av| 在线观看国产h片| 国产有黄有色有爽视频| 久久精品久久久久久久性| 一本色道久久久久久精品综合| 中国美白少妇内射xxxbb| 一区二区三区乱码不卡18| 国产精品偷伦视频观看了| 免费黄频网站在线观看国产| 欧美性感艳星| av.在线天堂| 亚洲精品456在线播放app| 爱豆传媒免费全集在线观看| 伊人久久精品亚洲午夜| 在线 av 中文字幕| 黄片wwwwww| 人妻 亚洲 视频| 欧美xxxx黑人xx丫x性爽| 日产精品乱码卡一卡2卡三| 最近最新中文字幕大全电影3| 欧美一区二区亚洲| 日本免费在线观看一区| 国产v大片淫在线免费观看| 日韩av免费高清视频| 国产黄片美女视频| 99热6这里只有精品| 色吧在线观看| 国产精品99久久久久久久久| 日韩亚洲欧美综合| 国内揄拍国产精品人妻在线| 赤兔流量卡办理| 一区二区三区乱码不卡18| 亚洲美女黄色视频免费看| 欧美97在线视频| 91精品伊人久久大香线蕉| 日日啪夜夜撸| 亚洲av成人精品一区久久| 亚洲,一卡二卡三卡| 天天躁夜夜躁狠狠久久av| 97在线人人人人妻| 视频中文字幕在线观看| 欧美精品一区二区大全| 亚洲精品一区蜜桃| 天堂8中文在线网| 日韩欧美 国产精品| 精品99又大又爽又粗少妇毛片| 伦理电影免费视频| 亚洲电影在线观看av| 特大巨黑吊av在线直播| av一本久久久久| 国产av精品麻豆| 亚洲精品456在线播放app| 国产精品三级大全| 国产精品一区二区在线观看99| 韩国高清视频一区二区三区| 一级片'在线观看视频| 性高湖久久久久久久久免费观看| 免费黄色在线免费观看| 久久久久视频综合| 伦理电影大哥的女人| 秋霞在线观看毛片| 国产欧美另类精品又又久久亚洲欧美| 亚洲国产日韩一区二区| 午夜激情福利司机影院| 国产一区亚洲一区在线观看| 国产成人精品福利久久| 三级国产精品片| 久久久国产一区二区| 老司机影院毛片| 免费看日本二区| a级毛片免费高清观看在线播放| 插逼视频在线观看| 男人狂女人下面高潮的视频| 97在线视频观看| 日本免费在线观看一区| 熟妇人妻不卡中文字幕| 久久综合国产亚洲精品| av网站免费在线观看视频|