• <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
    久久久久久国产a免费观看| 亚洲av电影不卡..在线观看| 日韩欧美一区二区三区在线观看| av黄色大香蕉| 欧美日韩中文字幕国产精品一区二区三区| 亚洲乱码一区二区免费版| 免费看光身美女| 久久草成人影院| 午夜老司机福利剧场| 亚洲精品日韩av片在线观看| 伊人久久精品亚洲午夜| 午夜精品一区二区三区免费看| 日韩 亚洲 欧美在线| 国产精品爽爽va在线观看网站| 五月伊人婷婷丁香| 日本-黄色视频高清免费观看| 不卡视频在线观看欧美| 日韩欧美在线二视频| 毛片一级片免费看久久久久 | 国产探花在线观看一区二区| 亚洲黑人精品在线| 国产精品国产三级国产av玫瑰| 免费看光身美女| 最近最新中文字幕大全电影3| 国产中年淑女户外野战色| 波多野结衣高清作品| 少妇高潮的动态图| 成年人黄色毛片网站| 久久草成人影院| 熟女人妻精品中文字幕| 亚洲av一区综合| 麻豆国产97在线/欧美| 久久中文看片网| 999久久久精品免费观看国产| 亚洲午夜理论影院| 日日摸夜夜添夜夜添小说| 日本撒尿小便嘘嘘汇集6| 最后的刺客免费高清国语| 我的女老师完整版在线观看| 悠悠久久av| 91在线观看av| 最近最新中文字幕大全电影3| 国产69精品久久久久777片| 综合色av麻豆| 色噜噜av男人的天堂激情| 18禁黄网站禁片免费观看直播| 欧美高清成人免费视频www| 国产精品永久免费网站| 国内精品宾馆在线| 久久久久久国产a免费观看| 99久久精品热视频| 欧美日韩精品成人综合77777| 日本与韩国留学比较| 啦啦啦韩国在线观看视频| 99久国产av精品| 中文字幕精品亚洲无线码一区| 国内毛片毛片毛片毛片毛片| 在线观看一区二区三区| 女同久久另类99精品国产91| 搡老熟女国产l中国老女人| 国产av一区在线观看免费| 熟女人妻精品中文字幕| 成人无遮挡网站| 亚洲av日韩精品久久久久久密| 精品一区二区免费观看| 午夜福利在线观看免费完整高清在 | 赤兔流量卡办理| 国产精品伦人一区二区| 18禁黄网站禁片午夜丰满| 国产精品嫩草影院av在线观看 | 成年人黄色毛片网站| 最近中文字幕高清免费大全6 | 国产精品精品国产色婷婷| 村上凉子中文字幕在线| 日韩欧美国产一区二区入口| 日本黄大片高清| 国产极品精品免费视频能看的| 三级男女做爰猛烈吃奶摸视频| 啦啦啦韩国在线观看视频| 国产色爽女视频免费观看| 亚洲avbb在线观看| 午夜精品久久久久久毛片777| 亚洲精华国产精华精| 国产精品精品国产色婷婷| 日韩强制内射视频| 久久精品影院6| 久久婷婷人人爽人人干人人爱| 午夜福利高清视频| 一级黄色大片毛片| 看片在线看免费视频| 成人亚洲精品av一区二区| 国产精品自产拍在线观看55亚洲| 国产91精品成人一区二区三区| 欧美bdsm另类| 波多野结衣高清无吗| 亚洲成人免费电影在线观看| 天堂影院成人在线观看| 亚洲美女搞黄在线观看 | 国产一区二区三区在线臀色熟女| 精品久久久久久久久av| 一区福利在线观看| 欧美日本亚洲视频在线播放| 麻豆久久精品国产亚洲av| 内射极品少妇av片p| 麻豆一二三区av精品| 看黄色毛片网站| 欧美潮喷喷水| 精品久久久久久成人av| 亚洲一区高清亚洲精品| 简卡轻食公司| 无人区码免费观看不卡| 在线看三级毛片| 亚洲四区av| 少妇裸体淫交视频免费看高清| 变态另类丝袜制服| 国产一区二区激情短视频| 高清日韩中文字幕在线| av中文乱码字幕在线| 久久精品人妻少妇| 看免费成人av毛片| 欧美日本视频| 亚洲国产日韩欧美精品在线观看| 男女那种视频在线观看| 亚洲欧美激情综合另类| 3wmmmm亚洲av在线观看| 一区二区三区激情视频| 亚洲第一区二区三区不卡| av天堂中文字幕网| 伦理电影大哥的女人| 人妻制服诱惑在线中文字幕| 国产毛片a区久久久久| 日本成人三级电影网站| 波野结衣二区三区在线| 看免费成人av毛片| 精品一区二区三区人妻视频| 国产精品综合久久久久久久免费| 不卡一级毛片| 一个人看视频在线观看www免费| 99精品在免费线老司机午夜| 国产精品亚洲美女久久久| 色综合色国产| 99视频精品全部免费 在线| 亚洲午夜理论影院| 欧美激情久久久久久爽电影| 亚洲成人久久性| 哪里可以看免费的av片| 亚洲va在线va天堂va国产| 别揉我奶头 嗯啊视频| 中文字幕av在线有码专区| 小蜜桃在线观看免费完整版高清| 天堂av国产一区二区熟女人妻| 九色国产91popny在线| 亚洲第一电影网av| 中文在线观看免费www的网站| 校园春色视频在线观看| 成人鲁丝片一二三区免费| aaaaa片日本免费| 亚洲欧美日韩卡通动漫| 免费观看人在逋| 亚洲欧美日韩卡通动漫| 国产亚洲av嫩草精品影院| 男人和女人高潮做爰伦理| 国产人妻一区二区三区在| 啦啦啦啦在线视频资源| 精品无人区乱码1区二区| 久久99热6这里只有精品| 国产精品久久电影中文字幕| aaaaa片日本免费| 老司机午夜福利在线观看视频| 成熟少妇高潮喷水视频| 亚洲av不卡在线观看| 国产成人a区在线观看| 色5月婷婷丁香| 国产亚洲精品av在线| av天堂中文字幕网| 亚洲精品一区av在线观看| 成人毛片a级毛片在线播放| 免费在线观看影片大全网站| 久久香蕉精品热| 国产精品久久久久久亚洲av鲁大| 成人三级黄色视频| 国产高清激情床上av| 一进一出好大好爽视频| 免费av毛片视频| 亚洲av.av天堂| 长腿黑丝高跟| 免费看美女性在线毛片视频| 日韩av在线大香蕉| 亚洲欧美日韩高清专用| bbb黄色大片| 特大巨黑吊av在线直播| 淫妇啪啪啪对白视频| 国产伦精品一区二区三区四那| 亚洲成av人片在线播放无| 搡老熟女国产l中国老女人| 精品不卡国产一区二区三区| 日日啪夜夜撸| 国产av在哪里看| 日韩欧美三级三区| 亚洲aⅴ乱码一区二区在线播放| 国产亚洲欧美98| 午夜精品一区二区三区免费看| 久久精品国产亚洲av涩爱 | 午夜福利在线观看吧| 久久草成人影院| 久久久久免费精品人妻一区二区| 黄色日韩在线| 一a级毛片在线观看| 长腿黑丝高跟| 性色avwww在线观看| 欧美成人免费av一区二区三区| 波多野结衣巨乳人妻| 在线天堂最新版资源| 久久亚洲精品不卡| 久久久久久国产a免费观看| 欧美成人一区二区免费高清观看| 99热这里只有精品一区| 日本一本二区三区精品| 国产白丝娇喘喷水9色精品| www日本黄色视频网| 亚洲综合色惰| 亚洲性夜色夜夜综合| 欧美成人一区二区免费高清观看| 很黄的视频免费| 久久精品国产亚洲av天美| 伦精品一区二区三区| 亚洲精品日韩av片在线观看| 观看美女的网站| 99久国产av精品| h日本视频在线播放| 国产精品免费一区二区三区在线| 狂野欧美激情性xxxx在线观看| 国内精品宾馆在线| 成人亚洲精品av一区二区| 国产在线男女| 两个人的视频大全免费| 少妇被粗大猛烈的视频| 成人特级av手机在线观看| 亚洲欧美清纯卡通| 亚洲人成伊人成综合网2020| 国产大屁股一区二区在线视频| 欧美+日韩+精品| 亚洲中文字幕一区二区三区有码在线看| 美女免费视频网站| 国产精品日韩av在线免费观看| 成人性生交大片免费视频hd| 国产 一区 欧美 日韩| 波野结衣二区三区在线| 99热网站在线观看| 日本 欧美在线| 老司机午夜福利在线观看视频| 免费看光身美女| 精品久久久久久久久亚洲 | 亚洲图色成人| 91在线观看av| 亚洲国产高清在线一区二区三| 美女大奶头视频| 色哟哟·www| 亚洲黑人精品在线| 欧美成人免费av一区二区三区| 麻豆一二三区av精品| 人妻夜夜爽99麻豆av| 日韩欧美三级三区| 色播亚洲综合网| 免费看日本二区| 国产伦精品一区二区三区四那| 亚洲国产高清在线一区二区三| 国产主播在线观看一区二区| 日韩欧美免费精品| 非洲黑人性xxxx精品又粗又长| 观看免费一级毛片| 亚洲最大成人中文| 自拍偷自拍亚洲精品老妇| 日本精品一区二区三区蜜桃| 欧美性猛交黑人性爽| 免费搜索国产男女视频| 桃色一区二区三区在线观看| 男女那种视频在线观看| 免费无遮挡裸体视频| 午夜福利18| 日韩欧美一区二区三区在线观看| 免费大片18禁| 亚洲一区高清亚洲精品| 亚洲av中文字字幕乱码综合| 日本熟妇午夜| 大型黄色视频在线免费观看| 88av欧美| 久久九九热精品免费| 国产久久久一区二区三区| 欧美人与善性xxx| 亚洲专区中文字幕在线| 国国产精品蜜臀av免费| 国产亚洲精品久久久com| 亚洲av电影不卡..在线观看| 午夜日韩欧美国产| 麻豆久久精品国产亚洲av| 丰满人妻一区二区三区视频av| 亚洲av熟女| 久久精品国产99精品国产亚洲性色| 精品久久久久久久人妻蜜臀av| 一级黄色大片毛片| 色噜噜av男人的天堂激情| 国产精品久久久久久av不卡| 午夜激情福利司机影院| 午夜精品一区二区三区免费看| 中文亚洲av片在线观看爽| 国产免费av片在线观看野外av| 舔av片在线| 日韩 亚洲 欧美在线| 国产欧美日韩精品一区二区| 此物有八面人人有两片| 免费高清视频大片| 久久亚洲真实| 色尼玛亚洲综合影院| 欧美激情久久久久久爽电影| 久久精品国产自在天天线| av视频在线观看入口| 亚洲人与动物交配视频| 九色国产91popny在线| 国产高清不卡午夜福利| 国产精品,欧美在线| 欧美色视频一区免费| 尤物成人国产欧美一区二区三区| 亚洲av五月六月丁香网| 亚洲精品成人久久久久久| 国产伦人伦偷精品视频| 久久精品国产99精品国产亚洲性色| 小说图片视频综合网站| 国产真实伦视频高清在线观看 | 亚洲人成伊人成综合网2020| 天堂av国产一区二区熟女人妻| 12—13女人毛片做爰片一| 亚洲内射少妇av| 给我免费播放毛片高清在线观看| 最近最新中文字幕大全电影3| 国产黄片美女视频| 午夜a级毛片| 极品教师在线免费播放| 蜜桃亚洲精品一区二区三区| 少妇的逼水好多| 日本黄大片高清| 少妇的逼好多水| 亚洲欧美清纯卡通| 人妻丰满熟妇av一区二区三区| 亚洲国产高清在线一区二区三| 99久久中文字幕三级久久日本| 国模一区二区三区四区视频| 亚洲精品乱码久久久v下载方式| 国产毛片a区久久久久| 色吧在线观看| 狠狠狠狠99中文字幕| 51国产日韩欧美| 日日摸夜夜添夜夜添小说| 欧美最新免费一区二区三区| 男人舔女人下体高潮全视频| 国产黄色小视频在线观看| 性欧美人与动物交配| 99久久九九国产精品国产免费| 一级a爱片免费观看的视频| 国产伦人伦偷精品视频| 男人狂女人下面高潮的视频| 欧美日韩国产亚洲二区| 国产 一区精品| 日韩欧美精品免费久久| 国产精品久久久久久久久免| 尾随美女入室| 亚洲欧美日韩无卡精品| 国产精品精品国产色婷婷| 夜夜夜夜夜久久久久| 免费av不卡在线播放| 国产成人福利小说| 亚洲欧美精品综合久久99| 亚洲中文字幕一区二区三区有码在线看| 亚洲精品色激情综合| 一进一出抽搐动态| 天堂av国产一区二区熟女人妻| 不卡一级毛片| 精品乱码久久久久久99久播| 国产淫片久久久久久久久| 午夜精品一区二区三区免费看| 黄色日韩在线| 一进一出好大好爽视频| 国内精品宾馆在线| 欧美日本视频| 日本 av在线| 偷拍熟女少妇极品色| 免费在线观看成人毛片| 中国美白少妇内射xxxbb| 日日啪夜夜撸| 亚洲熟妇熟女久久| 亚洲欧美激情综合另类| 欧美日韩瑟瑟在线播放| 午夜a级毛片| 最近在线观看免费完整版| 黄色欧美视频在线观看| 三级国产精品欧美在线观看| 色哟哟·www| 99热这里只有是精品在线观看| 国产免费男女视频| 欧美日韩精品成人综合77777| 搡老妇女老女人老熟妇| 亚洲av电影不卡..在线观看| 久久久久久九九精品二区国产| 麻豆国产97在线/欧美| 非洲黑人性xxxx精品又粗又长| 亚洲成av人片在线播放无| 亚洲成人中文字幕在线播放| 狠狠狠狠99中文字幕| 欧美成人免费av一区二区三区| 日韩精品中文字幕看吧| 女生性感内裤真人,穿戴方法视频| 精品午夜福利视频在线观看一区| 中文亚洲av片在线观看爽| 免费看美女性在线毛片视频| 日韩欧美在线二视频| 神马国产精品三级电影在线观看| 日韩欧美精品免费久久| 欧美+日韩+精品| 亚洲内射少妇av| 亚洲av不卡在线观看| 国产乱人视频| 免费人成视频x8x8入口观看| 天堂影院成人在线观看| 色哟哟哟哟哟哟| 欧美zozozo另类| 午夜精品一区二区三区免费看| 亚洲欧美日韩无卡精品| 一区二区三区免费毛片| 亚洲av中文字字幕乱码综合| 91av网一区二区| 亚洲va在线va天堂va国产| 亚洲欧美日韩高清在线视频| 香蕉av资源在线| 久久人妻av系列| www日本黄色视频网| 免费观看的影片在线观看| 色综合色国产| 日韩强制内射视频| 一卡2卡三卡四卡精品乱码亚洲| 国产免费一级a男人的天堂| 亚洲狠狠婷婷综合久久图片| 免费看日本二区| 网址你懂的国产日韩在线| 国产男人的电影天堂91| 一级av片app| 国产一区二区三区视频了| 久久亚洲真实| 精品久久久久久久人妻蜜臀av| 亚洲自拍偷在线| 欧美色视频一区免费| 欧美绝顶高潮抽搐喷水| 深夜精品福利| 欧洲精品卡2卡3卡4卡5卡区| 精品一区二区三区av网在线观看| 99热这里只有是精品在线观看| 国产午夜精品论理片| 久久婷婷人人爽人人干人人爱| 中亚洲国语对白在线视频| 国产欧美日韩精品一区二区| 久久人人精品亚洲av| 欧美xxxx黑人xx丫x性爽| 日韩在线高清观看一区二区三区 | 久久精品国产自在天天线| 亚洲黑人精品在线| 国产在线男女| 国产91精品成人一区二区三区| 欧美色欧美亚洲另类二区| 国内精品一区二区在线观看| 丰满人妻一区二区三区视频av| 国产视频内射| .国产精品久久| 丰满人妻一区二区三区视频av| 久久99热6这里只有精品| 成人特级黄色片久久久久久久| 国产伦人伦偷精品视频| 九色国产91popny在线| 国产免费av片在线观看野外av| 色视频www国产| 亚洲专区国产一区二区| 国国产精品蜜臀av免费| 别揉我奶头 嗯啊视频| 2021天堂中文幕一二区在线观| 禁无遮挡网站| 黄色配什么色好看| a级毛片免费高清观看在线播放| 久久精品国产鲁丝片午夜精品 | 亚洲欧美日韩卡通动漫| 免费在线观看日本一区| 久久亚洲精品不卡| 可以在线观看的亚洲视频| 网址你懂的国产日韩在线| 舔av片在线| 乱码一卡2卡4卡精品| 欧美日韩精品成人综合77777| 国产中年淑女户外野战色| 波野结衣二区三区在线| 国产精品女同一区二区软件 | 午夜影院日韩av| 性色avwww在线观看| 黄色一级大片看看| 嫩草影院精品99| 亚洲第一电影网av| 亚洲成人精品中文字幕电影| 午夜福利视频1000在线观看| 天天一区二区日本电影三级| 国国产精品蜜臀av免费| 精品人妻一区二区三区麻豆 | 联通29元200g的流量卡| 国产精品av视频在线免费观看| 99热这里只有是精品在线观看| 国产一级毛片七仙女欲春2| 亚洲精品久久国产高清桃花| 亚洲最大成人中文| 丰满乱子伦码专区| 天堂影院成人在线观看| 午夜a级毛片| 能在线免费观看的黄片| 午夜福利在线观看免费完整高清在 | 欧美性感艳星| 99热精品在线国产| 日日撸夜夜添| 校园春色视频在线观看| 精品人妻1区二区| 麻豆成人午夜福利视频| 欧美日韩综合久久久久久 | 午夜激情欧美在线| 国产高清视频在线播放一区| a在线观看视频网站| 特级一级黄色大片| 国产一区二区三区在线臀色熟女| 亚洲在线自拍视频| 久久精品国产清高在天天线| 久久精品国产亚洲av天美| 亚洲乱码一区二区免费版| 精品无人区乱码1区二区| 精品一区二区三区人妻视频| 99riav亚洲国产免费| 黄色配什么色好看| 91在线精品国自产拍蜜月| 欧美日韩国产亚洲二区| 国产一区二区激情短视频| 久久久久久久亚洲中文字幕| 国产蜜桃级精品一区二区三区| 国产v大片淫在线免费观看| 自拍偷自拍亚洲精品老妇| 午夜激情福利司机影院| 午夜福利高清视频| 一本一本综合久久| .国产精品久久| 国产高清有码在线观看视频| 中文字幕av在线有码专区| 国产精品三级大全| 国产精品野战在线观看| 亚州av有码| 午夜久久久久精精品| 少妇被粗大猛烈的视频| 久久草成人影院| 亚洲成人精品中文字幕电影| 97超级碰碰碰精品色视频在线观看| 久久热精品热| 人妻少妇偷人精品九色| 国产精品一区二区性色av| 国产精华一区二区三区| 波野结衣二区三区在线| 一个人观看的视频www高清免费观看| 中文资源天堂在线| 听说在线观看完整版免费高清| 国产午夜精品论理片| 极品教师在线免费播放| netflix在线观看网站| 男女边吃奶边做爰视频| 老女人水多毛片| 国产免费av片在线观看野外av| 国产av一区在线观看免费| 久久精品夜夜夜夜夜久久蜜豆| 特大巨黑吊av在线直播| 国产真实伦视频高清在线观看 | 婷婷亚洲欧美| 亚洲av一区综合| 欧美+日韩+精品| 嫩草影院新地址| 国产精品亚洲美女久久久| 欧美一区二区亚洲| 免费av观看视频| 嫩草影院精品99| 成人一区二区视频在线观看| 亚洲精品色激情综合| 99热精品在线国产| 国产一区二区激情短视频| 18+在线观看网站| 在线观看美女被高潮喷水网站| 亚洲国产日韩欧美精品在线观看| 偷拍熟女少妇极品色| 国产伦一二天堂av在线观看| 搡老妇女老女人老熟妇| 亚洲欧美日韩东京热| 免费搜索国产男女视频| 国产老妇女一区| 国产精品嫩草影院av在线观看 | 亚洲成人中文字幕在线播放| 欧美成人免费av一区二区三区| 欧美日韩精品成人综合77777| 色av中文字幕| 国产精品av视频在线免费观看| 欧美国产日韩亚洲一区| 高清日韩中文字幕在线| 精品久久久噜噜| 欧美一区二区国产精品久久精品| 亚洲午夜理论影院| 亚洲七黄色美女视频| 免费av不卡在线播放| 久久久色成人| 午夜福利高清视频| 免费看日本二区| 日本五十路高清|