• <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 ?

    基于機器學習的建筑能耗模型適用性研究

    2016-08-02 03:58:42李占勇孟慶新宋繼田天津市輕工與食品工程機械裝備集成設計與在線監(jiān)控重點實驗室天津科技大學機械工程學院天津300天津科技大學后勤集團天津300
    天津科技大學學報 2016年3期
    關鍵詞:決定系數(shù)樣條機器

    田 瑋,魏 來,李占勇,孟慶新,宋繼田,楊 松(. 天津市輕工與食品工程機械裝備集成設計與在線監(jiān)控重點實驗室,天津科技大學機械工程學院,天津 300;. 天津科技大學后勤集團,天津 300)

    基于機器學習的建筑能耗模型適用性研究

    田 瑋1,魏 來1,李占勇1,孟慶新2,宋繼田1,楊 松1
    (1. 天津市輕工與食品工程機械裝備集成設計與在線監(jiān)控重點實驗室,天津科技大學機械工程學院,天津 300222;2. 天津科技大學后勤集團,天津 300222)

    為進一步分析不同機器學習方法用于建筑能耗模型的適用性,重點比較了6種常用機器學習方法用于預測辦公建筑能耗時的準確性,包括線性回歸、高斯過程、多元自適應回歸樣條法、自助多元自適應回歸樣條法、隨機森林和支持向量機.結果表明:多元自適應回歸樣條法、自助多元自適應回歸樣條法和隨機森林法適用于取暖能耗的模型建立;對于制冷能耗預測,自助多元自適應回歸樣條法的計算精度最高.同時發(fā)現(xiàn)制冷能耗與取暖能耗相比,由于存在更加復雜的非線性關系,其預測難度更大.研究結果不僅可用于在建筑節(jié)能分析中確定最佳機器學習方法,而且所得機器學習方法可用于城市建筑能耗模型的建立.

    建筑節(jié)能;能耗模型;機器學習;模型精度

    2013年我國建筑能耗約占全國能源消費總量的19.5%,[1].因此,為了實現(xiàn)經(jīng)濟可持續(xù)發(fā)展,推進生態(tài)文明建設,我國正在大力推進建筑節(jié)能工作[2-3].建立可靠的能耗模型是建筑節(jié)能研究中的重要任務之一.這是因為準確的建筑能耗模型不僅可用于單體新建建筑和既有建筑的節(jié)能改造,而且對制定區(qū)域性的節(jié)能政策有直接指導作用.建筑能耗模型通常是基于熱平衡原理的動態(tài)建筑能耗模擬,常用的程序包括DEST、EnergyPlus、eQUEST等.這類模型的特點是可以分析不同節(jié)能方案對于能耗的影響,確定最優(yōu)節(jié)能措施;其缺點是計算耗時,建模所需時間較長.特別是在建筑能耗不確定性分析、敏感性分析、最優(yōu)化設計、參數(shù)化分析、區(qū)域建筑能耗評估時,往往需要大量的模擬計算[4],根據(jù)動態(tài)能耗模擬的建筑能耗模型,不能適用于這些場合.一種新的處理方法,是建立有特定參數(shù)的機器學習模型,在對其可靠性進行有效評估后,用于需要大量計算的建筑能耗分析中.特定參數(shù)指建筑能耗研究中最關注的分析變量,并不考慮其他無關的因素.

    國內(nèi)外學者已經(jīng)對基于機器學習方法的建筑能耗模型進行了很多研究[4-8]:Tian等[7]利用多元自適應回歸樣條法得到了英國倫敦中學建筑的能耗模型;Capozzoli等[5]利用多元線性回歸和分類回歸樹模型探討了意大利北部80所學校的能耗特點;Le等[6]根據(jù)支持向量機算法,研究了建筑中遮陽控制的相關計算;Tian等[8]基于高斯過程和主成分回歸等機器學習算法,分析了美國佐治亞理工學院校園建筑的能耗特點.目前,還缺少系統(tǒng)地比較這些不同機器學習算法性能的研究.導致的問題是,在建筑能耗分析中對機器學習方法的選擇沒有明確的標準.

    因此,本研究選取典型的辦公建筑,比較6種常用機器學習方法用于能耗預測時的適用性,包括線性回歸、高斯過程、多元自適應回歸樣條法、自助多元自適應回歸樣條法、隨機森林和支持向量機.為了提供更可靠的分析,在我國5個不同氣候分區(qū)中分別選擇1個城市,比較6種能耗模型在這5個城市中的預測精度.研究結果為在節(jié)能改造中選取可靠的機器學習方法提供了依據(jù),同時可用于城市規(guī)模的建筑能耗預測研究.

    1 辦公建筑能耗模型

    1.1 氣象數(shù)據(jù)

    建筑所在地區(qū)的氣候狀況對建筑熱性能有非常顯著的影響.研究中采用的全部氣象數(shù)據(jù)來自于由中國氣象局氣象信息中心和清華大學建筑技術科學系共同編制的《中國建筑熱環(huán)境分析專用氣象數(shù)據(jù)集》[9],包括氣溫、太陽輻照、相對濕度等.從建筑熱工設計的角度,以最冷月和最熱月的平均氣溫為主要分區(qū)指標,將全國分為嚴寒、寒冷、夏熱冬冷、夏熱冬暖和溫和5個地區(qū).在5個不同氣候分區(qū)中分別選擇1個城市,選定為哈爾濱、北京、上海、廣州和昆明,利用其氣象數(shù)據(jù)進行建模.5個城市的月平均氣溫變化情況見圖1.

    1.2 建筑動態(tài)能耗模型建立

    研究選定的典型辦公建筑根據(jù)《公共建筑節(jié)能設計標準》[10]確定主要參數(shù).表1列出不同氣候分區(qū)中外圍護結構的熱工性能參數(shù).照明功率密度和電器設備功率峰值為10,W/m2和15,W/m2,人員密度設定為5,m2/人.內(nèi)部得熱(包括人員、照明和設備)的時刻表也參照《公共建筑節(jié)能設計標準》.暖通系統(tǒng)使用風機盤管系統(tǒng)提供建筑內(nèi)部的通風、取暖和制冷,風機盤管系統(tǒng)在工作日的運行時間為8:00—18:00,取暖溫度和制冷溫度分別設定為20,℃和26,℃.建筑熱性能評估采用的指標是單位建筑面積的年取暖和制冷能耗(單位:kW·h/m2).

    圖1 5個城市的月平均氣溫Fig. 1 Average temperature by month in five cities

    表1 5個城市的外圍護結構熱工性能參數(shù)Tab. 1Thermal properties of building envelope in five cities

    表2列出了本研究中輸入變量的變化范圍,重點分析建筑外形改變導致的建筑能耗變化.辦公建筑設定為矩形,所以第1個變量為矩形的長寬比;第2到第5個變量表示4個不同朝向建筑外墻的窗墻比;第6個變量是不同的樓層數(shù),從1層到10層變化;第7個變量是建筑朝向變化,0.表示建筑朝向正北,然后其角度沿順時針方向遞增;最后一個變量表示建筑單層面積的變化,從1,000,m2到5,000,m2增加.動態(tài)能耗模擬模型基于美國能源部開發(fā)的能耗模擬軟件EnergyPlus[11].EnergyPlus程序經(jīng)過了嚴格的驗證,并已經(jīng)得到廣泛應用[4,7-8].

    表2 建筑能耗模型中的變量Tab. 2 Variables used in building energy models

    2 研究方法

    2.1 機器學習方法

    機器學習主要是研究人工智能領域中不同的計算機算法,目的是分析數(shù)據(jù)的特點以獲取新知識或發(fā)現(xiàn)新規(guī)律等[12].這種方法已經(jīng)廣泛用于不同的學科,在建筑能耗領域,主要是分析建筑能耗的特點,以建立可靠的建筑能耗預測模型.

    本研究選取常見的6種機器學習方法(表3).第1種方法是采用線形回歸方法(linear regression)建立線形模型(linear model,LM).其余5種方法是基于非參數(shù)回歸方法,包括高斯過程(Gaussian process,GP)、多元自適應回歸樣條法(multivariate adaptive regression splines,MAS)、自助多元自適應回歸樣條法(bagging MARS,BMS)、隨機森林(random forest,RF)和支持向量機(support vector machine,SVM).高斯過程模型基于高斯隨機過程和貝葉斯理論,適于處理小樣本、非線性、多維數(shù)據(jù)等復雜問題,在機器學習領域得到廣泛應用.多元自適應回歸樣條法是基于回歸基函數(shù)的,其建模包括前向過程和后向過程兩個主要步驟,前向過程加入基函數(shù)以提高模型擬合效果,后向過程則刪除不必要項以避免模型過擬.自助多元自適應回歸樣條法是上一類模型的集成學習方法,通過對原始數(shù)據(jù)進行自助法抽樣,產(chǎn)生很多新的訓練集,利用多元自適應回歸樣條法生成相應的很多模型,最后使用平均所有模型預測的方法得到最終結果.這種自助法的主要優(yōu)點是避免了單一模型預測時的不穩(wěn)定性.隨機森林法也屬于集成學習方法,其基于分類回歸樹法,通過自助法隨機選擇向量產(chǎn)生大量的樹模型,最后也是通過平均這些模型得到預測值.這種方法的優(yōu)點是適用于變量數(shù)目非常大的場合,也可用于有相關自變量的問題.支持向量機基于核函數(shù)的小樣本統(tǒng)計理論,確定不同類別之間的最優(yōu)超平面,所以這種方法只是利用了有限的樣本,可以避免過度擬合的問題,其中根據(jù)不同數(shù)據(jù)集的特點,核函數(shù)的選擇多樣包括線性、多項式、徑向基等.關于6種方法的更多信息可以閱讀文獻[12-13].

    表3 6種機器學習方法Tab. 3 Six machine learning methods

    需要強調(diào)的是,除了簡單的線性模型外,大多數(shù)機器學習方法都可以調(diào)整至少1個參數(shù),以提高模型的預測效果.例如隨機森林法中樹節(jié)點預選的變量個數(shù),多元自適應回歸樣條法中剪枝個數(shù)和交互作用級數(shù)等都可以變化.在本文給定的機器學習方法中,每個可變化參數(shù)均有10個可能值,采用交叉驗證法確定每個可能值時的模型預測效果,預測效果用均方根誤差(root mean square error,RMSE)和決定系數(shù)(coefficient of determination,簡寫為R2)表示.

    交叉驗證法的基本思想是,將數(shù)據(jù)集等分為k組,首先選取第1組作為測試集,其余k-1組數(shù)據(jù)作為訓練集以得到模型,所得模型利用第1組測試集評估模型預測效果;然后,選定第2組為測試集,其余k-1組為訓練集;這個過程重復k遍,得到k個模型的預測效果值,取平均后得到這個模型的最終預測值.本研究中取k為10的情況,稱為10折交叉驗證法,也是機器學習方法中最常用的選擇[13].

    均方根誤差和決定系數(shù)是表達模型精度的常用統(tǒng)計量[12].均方根誤差可視作模型的平均誤差,其優(yōu)點是與輸出變量有相同的單位.均方根誤差越小,表明模型預測效果越好.決定系數(shù)是模型中變量可以解釋的方差與總方差的比值,所以決定系數(shù)越大,表明模型精度越高.決定系數(shù)的取值位于0和1之間.

    2.2 計算步驟

    (1)確定機器學習方法中的變量及其變化范圍(表2).由于本研究是使變量在其變化范圍內(nèi)分布盡可能均勻,所以可取均勻分布.

    (2)利用拉丁超立方(Latin hyper-cube)方法得到不同變量的組合,通常抽樣次數(shù)至少為變量的10倍,本次研究選取100次以保證計算結果收斂.拉丁超立方抽樣方法是一種在計算機仿真不確定性分析領域得到廣泛使用的方法,其主要特點是保證抽樣后的數(shù)據(jù)在空間內(nèi)保持均勻性,并且不同變量可指定為不同的概率密度函數(shù).

    (3)利用R語言計算環(huán)境[14]生成EnergyPlus能耗模擬模型.R語言是免費的數(shù)據(jù)分析和可視化軟件,具有非常強大的統(tǒng)計分析功能[14].由于本次研究分為5個城市,每個城市需要建立100個模型,總共需500個能耗模型,不可能手動完成,所以利用R語言的文本編輯功能,自動完成能耗模型的生成.

    (4)運行500個EnergyPlus模型,并用R語言收集計算結果.

    (5)基于交叉驗證方法選擇機器學習方法中的參數(shù),以確定其最優(yōu)模型.最后,分析比較這些不同模型的建筑能耗預測效果.本文中的所有統(tǒng)計計算均在R語言環(huán)境[14]中完成.

    3 結果與討論

    3.1 取暖能耗模型的比較

    圖2為在5個城市中6種機器學習方法用于建立取暖能耗模型時的準確性對比.圖2(a)是根據(jù)均方根誤差進行評估.通過交叉驗證法得到的均方根誤差越小,表明模型的預測精度越高.可以看出,根據(jù)自助多元自適應回歸樣條法建立的取暖能耗模型,在哈爾濱、上海和廣州具有最高的準確度,而隨機森林法在北京有最好的預測精度,多元自適應回歸樣條法更適合昆明地區(qū).高斯過程和支持向量機有類似的精度,但與上述3種模型相比誤差較大.線性模型在這6種模型中預測精度最差.綜上所述,自助多元自適應回歸樣條法的模型在不同地區(qū)均有很好的效果,可以作為最優(yōu)選擇,多元自適應回歸樣條法和隨機森林法作為輔助模型,以進一步確證取暖模型的預測效果.

    圖2(b)是依據(jù)決定系數(shù)所得的計算結果,可得出類似的結論.通過交叉驗證法得到的決定系數(shù)越大,表明模型精度越高.3種最好的模型是自助多元自適應回歸樣條法、多元自適應回歸樣條法和隨機森林法.

    圖25 個氣候分區(qū)中辦公建筑取暖能耗模型準確度對比Fig. 2Comparison of heating energy predicting accuracy by six machine learning methods in five cities

    本文所采用的算法,不僅可以計算出不同能耗模型精度的點估計,而且能得到這些模型的不確定性分布.圖3為將不同機器算法用于北京地區(qū)的采暖能耗模型的不確定性分布,圖中圓點代表模型精度的中位數(shù),變化區(qū)間表示95%,的可能變化范圍.由圖3可見,根據(jù)圖2得到的3種性能較優(yōu)的模型,包括多元自適應回歸樣條法、多元自適應回歸樣條法和隨機森林法,不僅點估計值要好于其他3種性能較差的模型,而且其不確定性較小,進一步表明這3種模型非常適用于建立我國不同區(qū)域建筑的取暖能耗模型.

    圖3 北京地區(qū)6種機器學習方法的采暖能耗模型不確定性比較Fig. 3 Uncertainty of six machine learning approaches for predicting heating energy use in Beijing

    3.2 制冷能耗模型的比較

    圖4給出在5個不同氣候分區(qū)城市中6種機器學習方法用于預測制冷能耗時的精度對比.

    圖4 5個氣候分區(qū)中辦公建筑制冷能耗模型準確度對比Fig. 4 Comparison of cooling energy predicting accuracy by six machine learning methods in five cities

    6種方法預測制冷能耗時的均方根誤差情況見圖4(a),除了昆明外,其他4個城市中預測精度最高的都是基于自助多元自適應回歸樣條法所建立的模型.位于昆明的辦公建筑,精度最好的是依據(jù)多元自適應回歸樣條法建立的模型,但與自助多元自適應回歸樣條法相比,誤差相差較小.圖4(b)為根據(jù)決定系數(shù)計算出的6種模型的準確度對比,與圖4(a)得出的結論類似,自助多元自適應回歸樣條法是計算精度最好的機器學習方法.

    由圖4也可看出,基于高斯過程、隨機森林和支持向量機的非參數(shù)回歸模型,與簡單的線性模型相比,預測精度相差較小,表明線性模型的預測能力并不一定低于復雜的非參數(shù)模型,這與Tian等[8]根據(jù)校園建筑能耗的研究結果一致.另外,由于線性模型具有更好的解釋變量重要性及易于使用的優(yōu)點,在建筑能耗研究中仍然具有重要的作用.

    通過對比圖2和圖4可看出,取暖的決定系數(shù)要大于制冷的決定系數(shù).特別是對于3種性能較優(yōu)的模型(自助多元自適應回歸樣條法、多元自適應回歸樣條法和隨機森林法),取暖模型的決定系數(shù)接近于1.這表明相比辦公建筑中的取暖能耗,建筑外形與制冷能耗之間的相互關系要更加復雜,導致采用機器學習算法預測制冷能耗更加困難.由圖2(b)和圖4(b)還可發(fā)現(xiàn),線性模型與本研究中表現(xiàn)最好的自助多元自適應回歸樣條法相比,取暖模型決定系數(shù)的提高比制冷模型要更加明顯.這也表明辦公建筑用于制冷時能耗變化的非線性關系要更加復雜.

    圖5給出廣州地區(qū)6種機器學習方法用于制冷預測時模型精度95%,的變化區(qū)間.雖然不同機器學習方法的精度具有很多的相互重疊區(qū)域,但是多元自適應回歸樣條法及其自助法(自助多元自適應回歸樣條法)的性能明顯優(yōu)于其他4種機器學習方法.

    圖5 廣州地區(qū)6種機器學習方法的制冷能耗模型不確定性比較Fig. 5Uncertainty of six machine learning approaches for predicting cooling energy use in Guangzhou

    根據(jù)研究得到性能最佳的機器學習模型,由于其計算速度快,一次模型運算時間小于1,s,非常適合于需要大量計算的能耗統(tǒng)計分析.例如,貝葉斯反演計算經(jīng)常需要上萬次的模型計算,使用工程EnergyPlus模型,對于復雜建筑的1次模型計算通常至少需要1,min,因此貝葉斯方法很難直接用于建筑能耗反演分析中,但采用本文得到的機器學習模型,則可方便快捷地應用貝葉斯方法進行模型反演分析.

    4 結 論

    (1)機器學習方法適用于建立建筑的取暖和制冷能耗模型,建立的模型計算速度快,適用于需要大量模型計算的研究中,如不確定性和敏感性分析、貝葉斯分析和最優(yōu)化計算等.

    (2)自助多元自適應回歸樣條法、多元自適應回歸樣條法和隨機森林法這3種方法適于我國不同氣候分區(qū)中建筑取暖能耗模型的預測中,計算精度高,而且誤差區(qū)間較小.自助多元自適應回歸樣條法在不同氣候分區(qū)的制冷能耗模型中有最好的計算精度.綜合考慮取暖和制冷能耗,自助多元自適應回歸樣條法有最好的模型預測效果.需要說明的是,對其他類型的建筑,需要更多的研究確定此機器學習方法的適用性.

    (3)與取暖能耗模型相比,制冷能耗與其影響因素之間有更加復雜的非線性關系,其模型預測要更困難.

    [1] 清華大學建筑節(jié)能研究中心. 中國建筑節(jié)能年度發(fā)展研究報告:2015[M]. 北京:中國建筑工業(yè)出版社,2015.

    [2] 張智超,李振亮,李亞,等. 鏈牽引式外遮陽百葉窗結構設計及其性能分析[J]. 天津科技大學學報,2013,28(6):52-55.

    [3] 謝繼紅,喬木,陳東,等. 利用工質(zhì)設計實現(xiàn)制冷熱泵近卡諾循環(huán)的分析[J]. 天津科技大學學報,2006,21(1):79-83.

    [4] Tian W. A review of sensitivity analysis methods in building energy analysis[J]. Renewable and Sustainable Energy Reviews,2013,20:411-420.

    [5] Capozzoli A,Grassi D,Causone F. Estimation models of heating energy consumption in schools for local authorities planning[J]. Energy and Buildings,2015,105:302-313.

    [6] Le K,Bourdais R,Gueguen H. From hybrid model predictive control to logical control for shading system:A support vector machine approach[J]. Energy and Buildings,2014,84:352-359.

    [7] Tian W,Choudhary R. A probabilistic energy model for non-domestic building sectors applied to analysis of school buildings in greater London[J]. Energy and Buildings,2012,54:1-11.

    [8] Tian W,Choudhary R,Augenbroe G,et al. Importance analysis and meta-model construction with correlated variables in evaluation of thermal performance of campus buildings[J]. Building and Environment,2015,92:61-74.

    [9] 中國氣象局氣象信息中心氣象資料室,清華大學建筑技術科學系. 中國建筑熱環(huán)境分析專用氣象數(shù)據(jù)集[M]. 北京:中國建筑工業(yè)出版社,2005.

    [10] 中華人民共和國建設部,中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局. GB 50189—2005 公共建筑節(jié)能設計標準[S]. 北京:中國建筑工業(yè)出版社,2005.

    [11] U. S. Department of Energy. EnergyPlus V8.3[R]. Washington:U. S. Department of Energy,2015.

    [12] Hastie T,Tibshirani R,F(xiàn)riedman J. The Elements of Statistical Learning:Data Mining,Inference,and Prediction[M]. 2nd ed. New York:Springer-Verlag,2009.

    [13] Kuhn M,Johnson K. Applied Predictive Modeling[M]. New York:Springer-Verlag,2013.

    [14] R Development Core Team. R:A language and environment for statistical computing[EB/OL]. [2015-10-14]. http://www.R-project.org/.

    責任編輯:常濤

    Building Energy Models Based on Machine Learning Methods

    TIAN Wei1,WEI Lai1,LI Zhanyong1,MENG Qingxin2,SONG Jitian1,YANG Song1
    (1.Tianjin Key Laboratory of Integrated Design and On-line Monitoring for the Light Industry and Food Engineering Machinery and Equipment,College of Mechanical Engineering,Tianjin University of Science & Technology,Tianjin 300222,China;2.Logistics Group,Tianjin University of Science & Technology,Tianjin 300222,China)

    This paper focuses on a comparison of predicting accuracy of six different machine learning approaches for estimating energy use in office buildings,including linear regression,GP(Gaussian process),MARS(multivariate adaptive regression splines),bagging MARS,RF(random forest) and SVM(support vector machine).The results indicate that three methods(Bagging MARS,MARS,and RF)have better accuracy in predicting heating energy,whereas the bagging MARS performs best in estimating cooling energy.It is also found out that the prediction of cooling energy is more difficult than that of heating energy in office buildings.These conclusions can be used to provide some reference for machine learning method choosing in building energy assessment.Moreover,the models obtained from this research can also be used to create a building stock model at urban scales.

    building energy saving;energy model;machine learning;model accuracy

    TU17

    A

    1672-6510(2016)03-0054-06

    10.13364/j.issn.1672-6510.20150158

    2015-10-14;

    2015-12-07

    天津市應用基礎與前沿技術研究計劃資助項目(14JCYBJC42600);教育部留學回國人員科研啟動基金資助項目

    田 瑋(1975—),男,山西太谷人,教授,weitian@tust.edu.cn.

    數(shù)字出版日期:2016-03-02;數(shù)字出版網(wǎng)址:http://www.cnki.net/kcms/detail/12.1355.N.20160302.1741.002.html.

    猜你喜歡
    決定系數(shù)樣條機器
    一元五次B樣條擬插值研究
    機器狗
    機器狗
    基于Python語言路徑分析矩陣算法運演
    不同規(guī)格香港牡蠣殼形態(tài)性狀對重量性狀的影響
    2種貝齡合浦珠母貝數(shù)量性狀的相關與通徑分析
    未來機器城
    電影(2018年8期)2018-09-21 08:00:06
    基于顏色讀數(shù)識別物質(zhì)濃度的數(shù)學模型研究
    三次參數(shù)樣條在機床高速高精加工中的應用
    三次樣條和二次刪除相輔助的WASD神經(jīng)網(wǎng)絡與日本人口預測
    軟件(2017年6期)2017-09-23 20:56:27
    看片在线看免费视频| 91麻豆精品激情在线观看国产| 成人特级av手机在线观看| 一区二区三区免费毛片| 级片在线观看| 久久国产精品影院| 色噜噜av男人的天堂激情| 欧美一区二区亚洲| x7x7x7水蜜桃| 国产伦精品一区二区三区四那| 一级黄色大片毛片| 欧美午夜高清在线| 日日干狠狠操夜夜爽| 操出白浆在线播放| 中文字幕久久专区| 亚洲人成网站在线播放欧美日韩| 最新中文字幕久久久久| 母亲3免费完整高清在线观看| 欧美3d第一页| 国产熟女xx| 亚洲精品亚洲一区二区| 国产精品日韩av在线免费观看| 亚洲精品影视一区二区三区av| 国产v大片淫在线免费观看| 在线观看舔阴道视频| 国产爱豆传媒在线观看| 久久久久久久午夜电影| 一级黄片播放器| 日日摸夜夜添夜夜添小说| 亚洲一区二区三区色噜噜| 高清日韩中文字幕在线| 给我免费播放毛片高清在线观看| 欧美一级a爱片免费观看看| 欧美区成人在线视频| 国产主播在线观看一区二区| 久久久久国内视频| 两个人看的免费小视频| 身体一侧抽搐| 中文字幕人妻丝袜一区二区| 熟女人妻精品中文字幕| 中文字幕av在线有码专区| 国产精品综合久久久久久久免费| 国产精品爽爽va在线观看网站| 久99久视频精品免费| 免费在线观看日本一区| 亚洲 国产 在线| 国产一区二区在线av高清观看| 日韩亚洲欧美综合| 看片在线看免费视频| ponron亚洲| 变态另类丝袜制服| bbb黄色大片| 99久久精品一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 噜噜噜噜噜久久久久久91| 51国产日韩欧美| 看免费av毛片| 99国产极品粉嫩在线观看| 久久久国产精品麻豆| 国产伦人伦偷精品视频| 久久草成人影院| 久久精品国产亚洲av涩爱 | 日韩国内少妇激情av| 欧美日本亚洲视频在线播放| 免费人成视频x8x8入口观看| 制服人妻中文乱码| 免费在线观看影片大全网站| 久久香蕉国产精品| 在线看三级毛片| 久久久久久久久中文| 成人国产一区最新在线观看| 18禁美女被吸乳视频| 99久久综合精品五月天人人| 国产精品1区2区在线观看.| 久久婷婷人人爽人人干人人爱| 欧美成人a在线观看| 蜜桃久久精品国产亚洲av| 精品福利观看| 国产欧美日韩精品亚洲av| 久9热在线精品视频| 99精品在免费线老司机午夜| 村上凉子中文字幕在线| 日本a在线网址| 亚洲av不卡在线观看| 国产毛片a区久久久久| 国产精品av视频在线免费观看| 一个人观看的视频www高清免费观看| 欧美另类亚洲清纯唯美| 亚洲电影在线观看av| 国产高清视频在线观看网站| 别揉我奶头~嗯~啊~动态视频| 99热精品在线国产| 久久久久亚洲av毛片大全| 叶爱在线成人免费视频播放| 欧美一级毛片孕妇| 国产精品98久久久久久宅男小说| 99精品欧美一区二区三区四区| 好男人在线观看高清免费视频| 免费人成在线观看视频色| 久久久久久人人人人人| 天美传媒精品一区二区| 色尼玛亚洲综合影院| 在线观看免费视频日本深夜| 亚洲av美国av| 成人av在线播放网站| 99久久精品一区二区三区| 午夜福利在线在线| 久久亚洲真实| 免费人成在线观看视频色| 久久欧美精品欧美久久欧美| 亚洲aⅴ乱码一区二区在线播放| 日韩欧美在线二视频| 欧美区成人在线视频| 波多野结衣高清作品| 在线观看日韩欧美| 国产精品国产高清国产av| 黄色女人牲交| 国产美女午夜福利| 手机成人av网站| 日韩欧美一区二区三区在线观看| 成人av在线播放网站| 亚洲午夜理论影院| 亚洲美女视频黄频| 真人一进一出gif抽搐免费| 免费一级毛片在线播放高清视频| 国产真实伦视频高清在线观看 | 欧美性猛交黑人性爽| av片东京热男人的天堂| av福利片在线观看| 亚洲精品国产精品久久久不卡| aaaaa片日本免费| av女优亚洲男人天堂| 女警被强在线播放| 国产亚洲精品av在线| 美女大奶头视频| 亚洲精品影视一区二区三区av| 99热这里只有是精品50| 亚洲真实伦在线观看| 18禁美女被吸乳视频| 高清在线国产一区| 国产男靠女视频免费网站| 国产高清有码在线观看视频| 日韩大尺度精品在线看网址| 啦啦啦免费观看视频1| 脱女人内裤的视频| 国产高清视频在线播放一区| 亚洲欧美日韩卡通动漫| 免费观看精品视频网站| 五月伊人婷婷丁香| 久久久国产成人免费| 久久久久免费精品人妻一区二区| 国产91精品成人一区二区三区| 欧美色视频一区免费| 人人妻人人看人人澡| 亚洲国产精品sss在线观看| 夜夜爽天天搞| 小蜜桃在线观看免费完整版高清| 亚洲片人在线观看| 国产麻豆成人av免费视频| 搞女人的毛片| 国产欧美日韩精品亚洲av| 国产视频内射| 国产精品98久久久久久宅男小说| АⅤ资源中文在线天堂| 一卡2卡三卡四卡精品乱码亚洲| 国产视频一区二区在线看| 99在线人妻在线中文字幕| 国产日本99.免费观看| 亚洲国产精品合色在线| 久久中文看片网| 日韩有码中文字幕| 国产精品98久久久久久宅男小说| 国产黄a三级三级三级人| 成人鲁丝片一二三区免费| 精品不卡国产一区二区三区| 偷拍熟女少妇极品色| 99热这里只有精品一区| 好男人电影高清在线观看| 天美传媒精品一区二区| 99精品在免费线老司机午夜| 国产不卡一卡二| 久久性视频一级片| 日本熟妇午夜| 天堂动漫精品| 精品久久久久久成人av| 欧美+亚洲+日韩+国产| 亚洲欧美日韩卡通动漫| 中出人妻视频一区二区| 好看av亚洲va欧美ⅴa在| 精品国内亚洲2022精品成人| 国产精品一区二区三区四区久久| 19禁男女啪啪无遮挡网站| 一本一本综合久久| 真人一进一出gif抽搐免费| 97超级碰碰碰精品色视频在线观看| a级一级毛片免费在线观看| 999久久久精品免费观看国产| 精品国产美女av久久久久小说| 欧美成人一区二区免费高清观看| 欧美成人免费av一区二区三区| 国产伦在线观看视频一区| 国产av在哪里看| 亚洲狠狠婷婷综合久久图片| 给我免费播放毛片高清在线观看| 一本精品99久久精品77| 中文亚洲av片在线观看爽| 国产精品一及| 一本久久中文字幕| 女人被狂操c到高潮| 国产亚洲精品久久久久久毛片| 国产精品自产拍在线观看55亚洲| 亚洲在线自拍视频| 国产精品香港三级国产av潘金莲| x7x7x7水蜜桃| 国内精品美女久久久久久| 日韩欧美免费精品| 丁香六月欧美| 免费电影在线观看免费观看| 狂野欧美激情性xxxx| 色哟哟哟哟哟哟| 日本a在线网址| 国产探花在线观看一区二区| 久久这里只有精品中国| 狂野欧美激情性xxxx| 身体一侧抽搐| 18禁裸乳无遮挡免费网站照片| 亚洲国产日韩欧美精品在线观看 | 国产精品美女特级片免费视频播放器| 国产视频一区二区在线看| 欧美性猛交╳xxx乱大交人| 一本精品99久久精品77| 午夜a级毛片| bbb黄色大片| 麻豆成人av在线观看| 国产一区二区三区在线臀色熟女| 亚洲在线自拍视频| 欧美午夜高清在线| 蜜桃久久精品国产亚洲av| 波多野结衣高清无吗| 国模一区二区三区四区视频| 9191精品国产免费久久| 长腿黑丝高跟| 国产 一区 欧美 日韩| 欧美在线黄色| 精品乱码久久久久久99久播| 日韩欧美在线二视频| 婷婷精品国产亚洲av在线| 久久久久九九精品影院| 亚洲精品一卡2卡三卡4卡5卡| 久久欧美精品欧美久久欧美| 亚洲成av人片免费观看| av福利片在线观看| 欧美在线一区亚洲| 欧美乱色亚洲激情| 中文字幕熟女人妻在线| 久久国产精品人妻蜜桃| 99久久精品热视频| 国产69精品久久久久777片| 午夜福利在线观看免费完整高清在 | 欧美性猛交╳xxx乱大交人| 国产高清三级在线| 久久久久久久久大av| 亚洲第一欧美日韩一区二区三区| 女人高潮潮喷娇喘18禁视频| 精品一区二区三区视频在线 | 精品久久久久久久末码| 国产精品亚洲美女久久久| 国产精品一区二区三区四区久久| 精品人妻一区二区三区麻豆 | 国产视频内射| 91久久精品电影网| 18美女黄网站色大片免费观看| 香蕉久久夜色| 欧美一区二区国产精品久久精品| 亚洲欧美日韩高清在线视频| 日韩欧美三级三区| 一本精品99久久精品77| 国产蜜桃级精品一区二区三区| 欧美丝袜亚洲另类 | 国产精品99久久99久久久不卡| 18禁在线播放成人免费| 一级毛片高清免费大全| 国产成人福利小说| 日韩大尺度精品在线看网址| 国产精品,欧美在线| 国产精品久久久久久久久免 | 国产伦精品一区二区三区视频9 | 人人妻人人澡欧美一区二区| 国产精品美女特级片免费视频播放器| 悠悠久久av| 亚洲精品久久国产高清桃花| 国产乱人伦免费视频| 超碰av人人做人人爽久久 | 亚洲激情在线av| 99久久综合精品五月天人人| 免费看a级黄色片| 性色av乱码一区二区三区2| 蜜桃亚洲精品一区二区三区| 亚洲精品在线观看二区| 十八禁人妻一区二区| 一级毛片女人18水好多| 91麻豆精品激情在线观看国产| 色综合欧美亚洲国产小说| 国产精品久久久久久亚洲av鲁大| 少妇人妻精品综合一区二区 | 日韩 欧美 亚洲 中文字幕| 精品无人区乱码1区二区| 老汉色∧v一级毛片| 中国美女看黄片| 日本熟妇午夜| 亚洲欧美一区二区三区黑人| 一个人看视频在线观看www免费 | 变态另类成人亚洲欧美熟女| 欧美成人a在线观看| 成人高潮视频无遮挡免费网站| 淫秽高清视频在线观看| 中文字幕高清在线视频| 国产一区二区亚洲精品在线观看| 99热精品在线国产| 19禁男女啪啪无遮挡网站| 黑人欧美特级aaaaaa片| 在线免费观看的www视频| 国产精品 欧美亚洲| 美女大奶头视频| 色视频www国产| 亚洲 国产 在线| 麻豆成人午夜福利视频| 亚洲国产高清在线一区二区三| 精品久久久久久久末码| 日本成人三级电影网站| 69av精品久久久久久| 熟妇人妻久久中文字幕3abv| 国产伦人伦偷精品视频| www日本在线高清视频| 偷拍熟女少妇极品色| 午夜精品一区二区三区免费看| 宅男免费午夜| 观看免费一级毛片| 亚洲精品色激情综合| 国产高清videossex| 精品国产三级普通话版| 久久伊人香网站| 午夜福利欧美成人| 精品99又大又爽又粗少妇毛片 | 久久欧美精品欧美久久欧美| 亚洲欧美激情综合另类| 国产午夜精品久久久久久一区二区三区 | 天堂影院成人在线观看| 91麻豆精品激情在线观看国产| 久久伊人香网站| 日本 av在线| 国产精品久久电影中文字幕| 色综合亚洲欧美另类图片| 国产精品永久免费网站| 午夜福利欧美成人| 亚洲avbb在线观看| 久久这里只有精品中国| 中文字幕人妻熟人妻熟丝袜美 | 一级毛片高清免费大全| 国产精品自产拍在线观看55亚洲| 成人永久免费在线观看视频| 一夜夜www| av专区在线播放| 麻豆国产97在线/欧美| 日日夜夜操网爽| 有码 亚洲区| 啦啦啦韩国在线观看视频| 一二三四社区在线视频社区8| xxx96com| 欧美午夜高清在线| 天堂网av新在线| 99精品欧美一区二区三区四区| 男女那种视频在线观看| 国产高清视频在线观看网站| 国产精品野战在线观看| 乱人视频在线观看| 天天一区二区日本电影三级| 狠狠狠狠99中文字幕| 在线十欧美十亚洲十日本专区| 亚洲性夜色夜夜综合| 亚洲成av人片在线播放无| 淫秽高清视频在线观看| 又黄又粗又硬又大视频| 女人十人毛片免费观看3o分钟| 欧美精品啪啪一区二区三区| 69av精品久久久久久| 欧美日韩精品网址| 日韩高清综合在线| 人妻夜夜爽99麻豆av| 久9热在线精品视频| 久久久久久人人人人人| 欧美色欧美亚洲另类二区| 亚洲真实伦在线观看| 欧美3d第一页| 一区福利在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 久久香蕉国产精品| 91九色精品人成在线观看| av在线天堂中文字幕| 欧美日韩国产亚洲二区| 亚洲七黄色美女视频| 白带黄色成豆腐渣| 亚洲五月婷婷丁香| 久久久久久人人人人人| 两人在一起打扑克的视频| 久久国产乱子伦精品免费另类| 狂野欧美激情性xxxx| 国产一区二区在线观看日韩 | 久久国产乱子伦精品免费另类| 老司机午夜福利在线观看视频| 亚洲精品成人久久久久久| 色综合欧美亚洲国产小说| 国产主播在线观看一区二区| 日本一本二区三区精品| 色综合站精品国产| 国产伦在线观看视频一区| 亚洲七黄色美女视频| 精品福利观看| 欧美成狂野欧美在线观看| 两个人的视频大全免费| 美女 人体艺术 gogo| 午夜福利18| 亚洲av电影不卡..在线观看| 宅男免费午夜| a级一级毛片免费在线观看| 天天添夜夜摸| 99久久九九国产精品国产免费| 午夜福利在线观看吧| 国产极品精品免费视频能看的| 欧美日韩一级在线毛片| 亚洲自拍偷在线| 欧美另类亚洲清纯唯美| 美女高潮喷水抽搐中文字幕| 精品久久久久久久人妻蜜臀av| 中文字幕熟女人妻在线| 又黄又爽又免费观看的视频| 黄片大片在线免费观看| 久久精品人妻少妇| 特大巨黑吊av在线直播| 精品国产美女av久久久久小说| 淫妇啪啪啪对白视频| 国产一区二区激情短视频| 香蕉久久夜色| 97碰自拍视频| 99久久精品国产亚洲精品| av国产免费在线观看| 在线播放国产精品三级| 麻豆国产97在线/欧美| 韩国av一区二区三区四区| 99国产精品一区二区蜜桃av| 午夜福利在线观看免费完整高清在 | 久久久国产成人精品二区| 少妇丰满av| 真实男女啪啪啪动态图| 久久精品综合一区二区三区| 亚洲va日本ⅴa欧美va伊人久久| 亚洲五月天丁香| 亚洲中文字幕一区二区三区有码在线看| bbb黄色大片| 亚洲精品日韩av片在线观看 | 91av网一区二区| svipshipincom国产片| 日韩欧美三级三区| 在线播放无遮挡| 免费人成视频x8x8入口观看| 身体一侧抽搐| 性欧美人与动物交配| 久久久成人免费电影| 精品一区二区三区av网在线观看| 噜噜噜噜噜久久久久久91| 岛国在线观看网站| 久久久色成人| 免费看a级黄色片| 亚洲不卡免费看| 美女高潮喷水抽搐中文字幕| 99久久99久久久精品蜜桃| 久久久久久久精品吃奶| 三级国产精品欧美在线观看| 成年免费大片在线观看| 国产欧美日韩一区二区三| 99精品在免费线老司机午夜| 日本a在线网址| 在线天堂最新版资源| 女警被强在线播放| 男人舔女人下体高潮全视频| 天堂网av新在线| 18禁在线播放成人免费| 欧美+日韩+精品| 免费看美女性在线毛片视频| 亚洲无线观看免费| 欧美高清成人免费视频www| 黄片小视频在线播放| 国产精品久久久久久久久免 | 18+在线观看网站| 变态另类丝袜制服| 国产探花在线观看一区二区| 日本精品一区二区三区蜜桃| 国产色爽女视频免费观看| 欧美午夜高清在线| 99久久成人亚洲精品观看| 国产伦精品一区二区三区视频9 | 欧美三级亚洲精品| a在线观看视频网站| 午夜两性在线视频| 日韩高清综合在线| 久久香蕉精品热| 一本久久中文字幕| 精品国产亚洲在线| 一本一本综合久久| 人妻夜夜爽99麻豆av| 别揉我奶头~嗯~啊~动态视频| 99久久久亚洲精品蜜臀av| 一级作爱视频免费观看| 国产高潮美女av| 成人性生交大片免费视频hd| 91久久精品电影网| 热99re8久久精品国产| 久久精品人妻少妇| 又爽又黄无遮挡网站| 午夜免费观看网址| 18禁国产床啪视频网站| 国产午夜精品论理片| 久久久久九九精品影院| 久久人人精品亚洲av| 天堂影院成人在线观看| 俄罗斯特黄特色一大片| 亚洲电影在线观看av| 桃色一区二区三区在线观看| 亚洲,欧美精品.| 在线观看舔阴道视频| a在线观看视频网站| 免费看a级黄色片| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 香蕉丝袜av| 亚洲 欧美 日韩 在线 免费| 成人鲁丝片一二三区免费| 岛国视频午夜一区免费看| 特级一级黄色大片| 欧美色视频一区免费| 日韩 欧美 亚洲 中文字幕| 国产精品电影一区二区三区| 久久6这里有精品| 悠悠久久av| 亚洲avbb在线观看| 成人特级av手机在线观看| av福利片在线观看| xxxwww97欧美| 深夜精品福利| 免费看光身美女| 欧美色视频一区免费| 欧美bdsm另类| 波多野结衣巨乳人妻| 免费看十八禁软件| 国产午夜精品久久久久久一区二区三区 | 在线观看免费视频日本深夜| 97超级碰碰碰精品色视频在线观看| 宅男免费午夜| 搞女人的毛片| av女优亚洲男人天堂| 久久精品夜夜夜夜夜久久蜜豆| 日日摸夜夜添夜夜添小说| 日本 欧美在线| 精品人妻1区二区| 日本一本二区三区精品| 两个人视频免费观看高清| 在线观看av片永久免费下载| 亚洲精品乱码久久久v下载方式 | 亚洲av二区三区四区| 三级毛片av免费| 国产精品一及| 99国产精品一区二区三区| av女优亚洲男人天堂| 国产精品av视频在线免费观看| 亚洲午夜理论影院| 久久九九热精品免费| 欧美av亚洲av综合av国产av| 国产精品电影一区二区三区| 精品久久久久久久末码| 亚洲乱码一区二区免费版| 亚洲av成人精品一区久久| av视频在线观看入口| 国产高清视频在线播放一区| 国产精品永久免费网站| 免费大片18禁| 我的老师免费观看完整版| 亚洲精品乱码久久久v下载方式 | 欧美区成人在线视频| 少妇的丰满在线观看| 亚洲精品国产精品久久久不卡| 变态另类成人亚洲欧美熟女| 首页视频小说图片口味搜索| 国产黄a三级三级三级人| 一级黄色大片毛片| 狂野欧美激情性xxxx| 国产亚洲欧美在线一区二区| 亚洲人成网站在线播放欧美日韩| 99久国产av精品| 久久久国产精品麻豆| 成年女人看的毛片在线观看| 婷婷丁香在线五月| 国产精品爽爽va在线观看网站| 亚洲精品在线美女| 色av中文字幕| 国产一区二区三区在线臀色熟女| 999久久久精品免费观看国产| 内地一区二区视频在线| 听说在线观看完整版免费高清| 精品国产超薄肉色丝袜足j| 一卡2卡三卡四卡精品乱码亚洲| 嫩草影院精品99| 身体一侧抽搐| www.熟女人妻精品国产| 一夜夜www| 国产精品久久久久久亚洲av鲁大| 欧美一级a爱片免费观看看|