• <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 ?

    預測造紙廢水出水指標的隨機森林建模方法

    2019-09-11 06:49:34劉鴻斌
    中國造紙 2019年8期
    關鍵詞:決策樹建模變量

    辛 辰 劉鴻斌,2,*

    (1.南京林業(yè)大學林業(yè)資源高效加工利用協(xié)同創(chuàng)新中心,江蘇南京,210037;2.華南理工大學制漿造紙工程國家重點實驗室,廣東廣州,510640)

    在造紙廢水處理工藝中,往往需要根據出水指標來及時調整工藝條件,達到對污水的安全排放。然而考慮到造紙廢水處理過程中大多包含具有時變性與復雜性的化學過程,傳統(tǒng)化學成分檢測儀表存在價格高昂、維護成本高以及檢測不靈敏等缺點。近年來,基于數據驅動的軟測量建模方法可通過建立輸入與輸出數據的關系來完成易測變量對難測變量的預測[1],也可以對造紙廢水處理過程中出現的故障進行檢測[2],因而得到廣泛的應用。

    常見的軟測量建模方法有人工神經網絡(Artificial Neural Networks,ANN)、支持向量回歸(Support Vector Regression,SVR)、偏最小二乘法(Partial Least Squares,PLS)[3]。PLS具有克服變量相關性和噪聲干擾等優(yōu)點,因此PLS在工業(yè)生產過程中應用較廣,但該方法屬于線性方法,對于具備典型非線性特征的造紙廢水處理過程,其預測精度明顯下降?;诖?,楊浩等人[4]在PLS的基礎上研究改進得到了遞歸偏最小二乘法(RPLS),有效地提高了模型的預測精度。ANN模型的工作方式類似于人腦神經元處理信息的方式[5],Zeng等人[6]提出將ANN預測模型應用于造紙廢水處理過程。李曉東等人[7]利用ANN模型對城市廢水排放量進行了預測研究。雖然ANN對于預測過程中的非線性特征具備較強的解釋能力,但該方法也存在一定的缺點。如為了得到最好的網絡結構,需要通過大量的排列組合去尋優(yōu);網絡權值在線調整比較困難,可能出現訓練過早結束,權值衰退現象[8];此外,模型的過擬合問題也難以避免[9]。相比ANN模型,SVR模型在輸入數據中有選擇的尋找有限向量,比ANN對全體樣本迭代計算速度快[10]。汪瑤等人[11]通過粒子群優(yōu)化算法對SVR模型進行參數優(yōu)化,優(yōu)化后的模型相比ANN模型預測精度顯著提高。張世峰等人[12]以溶解氧為控制對象,提出一種支持向量機(SVM)與PID結合的復合控制系統(tǒng)。支持向量機模型除了可以用于預測真實數據外,還可以在已知故障分類下預測數據的故障類型[13]。但當樣本離散程度較高且樣本數過少時,模型難以有效還原總體的全部信息,預測精度不高[14]。

    隨機森林(Random Forest,RF)模型是由Leo Breiman與Adele Cutler在2001年提出的一種統(tǒng)計學習模型[15],是一種結合Bagging和隨機選擇特征的高效新型的組合方法,廣泛用于樣本數據的分類和回歸預測。相比于上述機器學習模型,RF模型泛化能力更強,在不結合其他優(yōu)化方法的前提下仍有較高的預測精度,且建模過程中需要調整的參數較少。RF模型在金融學、生物學、醫(yī)學、電力通信領域中有著廣泛的應用[16-18],但在廢水出水指標預測方面并未得到應用。因此,本課題應用RF模型對出水化學需氧量(COD)與出水固形物含量(SS)進行預測并分析預測效果,同時對比了ANN、SVR、PLS方法的預測效果。

    1 RF模型建模原理和評價指標

    1.1 建模原理

    RF模型由K棵決策樹{h=(X,θK),K=1,2,…,k}組成,其中{θK,K=1,2,…,k}是一個隨機變量序列。當模型用于分類時,RF模型中的決策樹使用分類樹(一般使用C4.5),最終通過少數服從多數的原則決定分類結果,當模型用于回歸預測時,決策樹使用回歸樹(一般用CART),最終將所有決策樹輸出值的平均值作為預測結果[15]。RF模型最大的優(yōu)勢便是其多樣性,依照集成學理論來說,基學習器的多樣性越強,其泛化能力就越好。RF模型的隨機思想主要體現在以下兩方面。

    (1)Bagging思想[15]

    在原始訓練集中,利用Bootstrap抽樣方法有放回地抽取若干個大小相同的數據集樣本。原始訓練集中每個樣本未被抽到的概率為(1-1/N)N,所以當N足夠大時,(1-1/N)N將收斂于1/e≈0.368。這部分占比接近37%的數據即為袋外數據,使用這些袋外數據可以對已有模型進行檢驗。于是,每棵決策樹對應一個誤差率,即OOB(out-of-bag)誤差率,根據誤差率可進一步優(yōu)化模型。

    (2)隨機特征思想[19]

    為保證RF模型的隨機性最大化,每棵樹在節(jié)點分裂的過程中,都會從所有特征中選出最優(yōu)特征作為參考指標。對于RF模型而言,如果選擇過少的特征,則會導致模型的精度降低。如果選擇的特征過多,則會弱化模型在分裂節(jié)點處的隨機性[20]。本課題采用基尼指數(Gini)[21]作為選擇依據選出最佳特征數。

    1.2 RF模型的建模步驟

    (1)在原始訓練集S中,通過Bootstrap重抽樣的方法取出n個數據集樣本,然后將每個數據集樣本分為抽中樣本即袋內數據(in-bag)和未被抽中樣本即袋外數據(out-of-bag)。

    (2)從樣本的所有屬性中隨機抽取m個屬性,根據Gini指標進行節(jié)點分裂,用袋內數據訓練構建CART樹。在構建的過程中不進行修剪,使得每一棵CART樹充分地生長。

    (3)用未參與建模的袋外數據去檢驗對應的CART樹,通過袋外數據的預測誤差確定最佳決策樹數量。

    (4)利用建好的模型去預測測試集中的新數據,將所有CART樹的預測結果平均值作為最終的預測結果。

    RF模型建模流程圖如圖1所示。

    1.3 預測模型的性能評價指標

    實驗引入相關系數(r)、平均絕對百分比誤差(MAPE)與均方根誤差(RMSE)作為模型評價指標,通過對比其他預測模型,發(fā)現RF模型在預測性能方面有明顯優(yōu)勢。其中r越大,MAPE與RMSE越小,表明模型的預測效果越好,對應的計算公式如公式(1)所示。

    圖1 隨機森林建模流程

    式中,yt為測量值,為模型預測值分別為yt與的平均值。

    2 實驗過程與結果

    2.1 造紙廢水數據分析

    實驗通過利用如圖2所示的某造紙廢水處理廠的170組樣本數據進行研究,每組數據包括8個變量,分別為:廢水總流量Q、進水懸浮固形物含量SSin、溫度T、進水化學需氧量CODin、pH值、溶解氧含量DO、出水化學需氧量CODeff、出水懸浮固形物含量SSeff。將CODeff、SSeff作為預測模型的輸出變量,Q、SSin、CODin、pH值、T、DO作為輸入變量。按照時間先后的順序,將前120組數據作為訓練集樣本,后50組數據作為測試樣本,建立RF回歸模型,確立預測變量與其影響變量之間的非線性關系。

    圖2 造紙廢水處理過程數據

    2.2 RF模型及其對比模型的建立

    2.2.1 RF模型的建立

    建模的主要函數為R語言中randomForest包中的randomForest函數。該函數中需要尋優(yōu)的主要參數有2個,分別為決策樹的棵數n_tree與樹節(jié)點的變量個數m_try,其默認參數分別為n_tree=500,m_try=M/3(M為變量總個數)。參數的可調范圍分別為n_tree∈[1,500],m_try∈[1,M]??紤]到較少的決策樹使得模型效果無法完全發(fā)揮,模型錯誤率偏高,而較多的決策樹則會提升模型復雜程度,使得模型訓練與預測速度下降,并有可能出現輕微的過擬合現象。本課題通過調用R語言自帶函數plot對模型錯誤率與決策樹數量的關系可視化處理如圖3所示。由圖3可知,RF模型中樹的棵數n_tree取200時,OOB(out-of-bag)誤差波動已經趨于穩(wěn)定,即實驗可以選用n_tree=200。選出最優(yōu)決策樹棵數后繼續(xù)做了補充驗證實驗,即不斷增加決策樹的棵數到500棵并觀察模型預測效果。結果表明,模型預測效果變化不明顯甚至有輕微下降的趨勢,證明了決策樹最優(yōu)棵數為200。樹節(jié)點預選的變量數m_try根據基尼指數選取最優(yōu)值,基尼指數越大表明樣本屬于某類的不確定性就越大。因為本次實驗數據的變量個數較少,所以依次計算了不同變量數對應的基尼指數,基尼指數最小時對應的節(jié)點變量數為m_try=4。為了進一步驗證所選的節(jié)點變量數為最優(yōu)變量數,后續(xù)補充實驗分別用m_try=1、m_try=2、m_try=3、m_try=5、m_try=6進行建模,觀察模型最后的預測效果即相關系數(r)、平均絕對百分比誤差(MAPE)與均方根誤差(RMSE)等指標,結果同樣表明當m_try=4時,預測效果最好。

    圖3 模型錯誤率與決策樹數量關系圖

    2.2.2 對比模型的建立

    建立3種對比模型前先需要將數據標準化處理,之后用前120組數據進行建模,后50組數據用來檢驗預測效果。SVR模型所利用的主要程序包為R語言中的rminer包,其中模型參數選用SVM。ANN模型建模所利用的程序包主要為AMORE包。通過大量的實驗選出構建模型的最佳參數為:模型的網絡總層數為3層,包含1個輸入層、1個隱含層和1個輸出層,其中輸入層節(jié)點數為6,隱含層節(jié)點數為2,輸出層節(jié)點數為1,隱含層采用tansig激活函數,輸出層采用purelin激活函數。根據赤池信息量準則,PLS模型最終選擇了3個與預測變量相關度最大的自變量作為輸入變量,分別為CODin、SSin、DO。

    2.3 結果與討論

    經過模型的建立及后續(xù)的優(yōu)化后,表1列出了RF模型與其他3種模型的預測結果。對測試集CODeff的預測效果進行比較,相關性方面,RF模型對應的r為 0.7954,ANN、SVR、PLS,對應的r分別為0.6936、0.7183、0.7305;誤差方面,RF模型對應的RMSE與MAPE最小,分別為4.2471和5.2606,相比于ANN、SVR、PLS,其RMSE與MAPE分別降低了19.18%和7.55%、19.20%和15.75%、12.06%和7.67%。對測試集SSeff的預測效果進行比較,相關性方面,RF模型對應的r為0.8551,ANN、SVR、PLS對應的r分別為0.6538、0.6882、0.7408;誤差方面,RF模型對應的RMSE與MAPE最小,分別為0.6687和 2.0633,相比于 ANN、SVR、PLS,其RMSE與MAPE分別降低了20.69%和26.21%、17.03%和29.83%、17.35%和28.60%。

    表1 不同模型對CODeff和出水SSeff的預測結果

    總體而言,RF模型在預測精準度方面都優(yōu)于其他3種常用的回歸預測模型,圖4為RF模型對CODeff和SSeff的預測效果圖。

    RF模型比其他3種模型預測效果好的主要原因在于RF模型的泛化能力更強,實驗中所用到的RF模型包含200棵決策樹,而每棵決策樹的生長只利用了訓練集中的一部分樣本,同時只抽取樣本屬性中的部分屬性。采用該方法極大地提高了決策樹的多樣性,弱化了各棵決策樹的相關性。同時,RF模型需要調整的主要參數只有2個,即決策樹的棵數與樹節(jié)點預選的變量個數,且易于尋找最優(yōu)參數。

    圖4 RF模型對SSeff和CODeff的預測結果

    相比之下,雖然ANN模型具有較強的非線性擬合能力,但在構建模型的過程中,所要考慮的參數種類過多,在初始值、動量因子、網絡結構、節(jié)點個數等參數方面沒有統(tǒng)一規(guī)范的尋優(yōu)方法,嘗試通過原理推導或實驗結果比較進行尋找最優(yōu)參數是一件耗時費力的工作,往往會出現訓練集預測效果較好,但測試集預測效果時好時壞的情況,容易出現過擬合現象,模型的泛化能力一般。SVR雖然相比于ANN過擬合現象得到了弱化,但根據實驗預測效果來看并不是很理想,想要進一步提升預測效果還需要在原始模型上增添優(yōu)化函數。PLS模型預測效果雖然比ANN模型與SVR模型好,但其線性模型的本質限制了它進一步優(yōu)化的空間,且實驗結果證明PLS模型只適合選擇3個自變量作為輸入變量,并不能充分地利用收集到的數據所蘊含的信息。

    ANN、SVR、PLS在進行預測前,也都需要對數據進行標準化處理,實驗中統(tǒng)一用z-score方法標準化,目的就是為了在建模過程中讓不同的自變量具有相同的尺度,對因變量的影響程度基本相同。RF模型與上述3種方法相比省去了這一步驟,因為每棵決策樹的生成過程都是依次用到部分自變量,所以不同尺度的自變量之間互不影響。

    3 結論

    本課題分別采用隨機森林(RF)模型、偏最小二乘(PLS)模型、支持向量回歸(SVR)模型與人工神經網絡(ANN)模型對造紙廢水中的CODeff與SSeff指標進行了回歸預測。

    3.1 通過與其他3種模型的預測結果比較得出:基于隨機森林回歸模型的預測效果最好,預測值與真實值之間不僅相關性更高,且誤差更小,泛化能力更強。

    3.2 隨機森林回歸模型相比其他3種模型,數據無需標準化處理,尋找最優(yōu)參數時所要調整的參數較少且容易尋優(yōu),易于進一步的推廣。

    猜你喜歡
    決策樹建模變量
    抓住不變量解題
    聯(lián)想等效,拓展建?!浴皫щ娦∏蛟诘刃鲋凶鰣A周運動”為例
    也談分離變量
    一種針對不均衡數據集的SVM決策樹算法
    基于PSS/E的風電場建模與動態(tài)分析
    電子制作(2018年17期)2018-09-28 01:56:44
    決策樹和隨機森林方法在管理決策中的應用
    電子制作(2018年16期)2018-09-26 03:27:06
    不對稱半橋變換器的建模與仿真
    基于決策樹的出租車乘客出行目的識別
    SL(3,3n)和SU(3,3n)的第一Cartan不變量
    基于肺癌CT的決策樹模型在肺癌診斷中的應用
    久久国产乱子免费精品| 亚洲自拍偷在线| 99国产极品粉嫩在线观看| 色吧在线观看| av视频在线观看入口| 成人av在线播放网站| 亚洲男人的天堂狠狠| 国产伦在线观看视频一区| av.在线天堂| 成人三级黄色视频| 精品免费久久久久久久清纯| 91麻豆av在线| 午夜视频国产福利| 日韩一本色道免费dvd| 国产亚洲91精品色在线| 国产精华一区二区三区| 十八禁国产超污无遮挡网站| 国产精品亚洲一级av第二区| 99热网站在线观看| 亚洲最大成人手机在线| 免费观看精品视频网站| 在线观看av片永久免费下载| 91久久精品国产一区二区三区| 久久久色成人| 日日夜夜操网爽| 亚洲人成网站在线播放欧美日韩| 亚洲自偷自拍三级| 亚洲欧美日韩高清专用| 真人做人爱边吃奶动态| 亚洲 国产 在线| 长腿黑丝高跟| 51国产日韩欧美| 精品久久久噜噜| 在线观看66精品国产| 欧美日韩精品成人综合77777| 我要看日韩黄色一级片| 蜜桃亚洲精品一区二区三区| 亚洲欧美日韩东京热| 国产一区二区三区av在线 | 国产一级毛片七仙女欲春2| 精品国产三级普通话版| 91久久精品国产一区二区成人| 欧美中文日本在线观看视频| 99久久九九国产精品国产免费| 村上凉子中文字幕在线| 偷拍熟女少妇极品色| 日本撒尿小便嘘嘘汇集6| 天堂av国产一区二区熟女人妻| 我的老师免费观看完整版| 久久精品国产清高在天天线| 亚洲黑人精品在线| 最近最新中文字幕大全电影3| av福利片在线观看| 国产精品,欧美在线| 久久天躁狠狠躁夜夜2o2o| 精品日产1卡2卡| 看免费成人av毛片| 日韩中字成人| 久久久久国内视频| 午夜久久久久精精品| 国产高清不卡午夜福利| 国产伦精品一区二区三区视频9| 女人十人毛片免费观看3o分钟| 亚洲欧美精品综合久久99| 亚洲无线观看免费| 色在线成人网| 亚洲黑人精品在线| 又黄又爽又刺激的免费视频.| 日韩国内少妇激情av| 国产白丝娇喘喷水9色精品| 国产高清有码在线观看视频| 日日干狠狠操夜夜爽| av在线天堂中文字幕| 美女xxoo啪啪120秒动态图| 变态另类成人亚洲欧美熟女| 日本黄大片高清| 亚洲精品在线观看二区| 最新中文字幕久久久久| 日本色播在线视频| 久久中文看片网| 国产国拍精品亚洲av在线观看| 国产精品日韩av在线免费观看| 亚洲av一区综合| 亚洲四区av| 春色校园在线视频观看| 成人av在线播放网站| 成年人黄色毛片网站| 小蜜桃在线观看免费完整版高清| 精品国内亚洲2022精品成人| 亚洲在线自拍视频| 亚洲av中文字字幕乱码综合| 国产精品98久久久久久宅男小说| 免费观看在线日韩| 亚洲欧美日韩无卡精品| 精品一区二区免费观看| 亚洲内射少妇av| 色播亚洲综合网| 无人区码免费观看不卡| 精品久久久久久成人av| 天堂网av新在线| 午夜日韩欧美国产| 国语自产精品视频在线第100页| 在线a可以看的网站| 久久精品91蜜桃| 国产一级毛片七仙女欲春2| 亚洲在线观看片| or卡值多少钱| 日韩 亚洲 欧美在线| 成人欧美大片| 不卡视频在线观看欧美| 国产三级中文精品| 午夜影院日韩av| 在线免费观看的www视频| 淫秽高清视频在线观看| 中亚洲国语对白在线视频| 非洲黑人性xxxx精品又粗又长| 麻豆成人午夜福利视频| 中出人妻视频一区二区| 精品久久久久久久人妻蜜臀av| 国产精品一区二区三区四区免费观看 | 哪里可以看免费的av片| 99热6这里只有精品| 亚洲无线观看免费| 久久精品国产亚洲av香蕉五月| 桃红色精品国产亚洲av| 麻豆一二三区av精品| 国产午夜精品久久久久久一区二区三区 | 亚洲自偷自拍三级| 两人在一起打扑克的视频| 特级一级黄色大片| 99久久精品热视频| 欧美xxxx性猛交bbbb| 看黄色毛片网站| 自拍偷自拍亚洲精品老妇| 免费观看人在逋| 99热这里只有精品一区| 色哟哟哟哟哟哟| 成人特级av手机在线观看| xxxwww97欧美| 99视频精品全部免费 在线| 亚洲自偷自拍三级| 精品无人区乱码1区二区| 天堂网av新在线| 看免费成人av毛片| 波多野结衣巨乳人妻| а√天堂www在线а√下载| 好男人在线观看高清免费视频| 精品久久久久久久久久免费视频| 亚洲精品一卡2卡三卡4卡5卡| 日本-黄色视频高清免费观看| 国产精品亚洲一级av第二区| 国内精品美女久久久久久| 国产午夜精品久久久久久一区二区三区 | 九九爱精品视频在线观看| av专区在线播放| 老熟妇乱子伦视频在线观看| 此物有八面人人有两片| 久久精品国产清高在天天线| 我要搜黄色片| x7x7x7水蜜桃| 精品一区二区三区av网在线观看| 黄色欧美视频在线观看| 久久欧美精品欧美久久欧美| 99久久无色码亚洲精品果冻| 美女被艹到高潮喷水动态| 日本五十路高清| 丝袜美腿在线中文| 99热精品在线国产| 少妇被粗大猛烈的视频| 人妻少妇偷人精品九色| 成人国产综合亚洲| 国产高清视频在线观看网站| 欧美成人免费av一区二区三区| 全区人妻精品视频| 在线观看美女被高潮喷水网站| 亚洲男人的天堂狠狠| 亚洲av五月六月丁香网| 国产女主播在线喷水免费视频网站 | 欧美日韩黄片免| 久久精品国产自在天天线| 亚州av有码| videossex国产| 亚洲av电影不卡..在线观看| 小蜜桃在线观看免费完整版高清| 男女之事视频高清在线观看| 一区二区三区免费毛片| 日本黄色片子视频| 日日夜夜操网爽| 亚洲专区中文字幕在线| 国产91精品成人一区二区三区| 嫩草影院入口| 性欧美人与动物交配| 99热这里只有是精品50| 国产黄片美女视频| 亚洲成人精品中文字幕电影| 乱人视频在线观看| 国产日本99.免费观看| 美女被艹到高潮喷水动态| 91久久精品电影网| 免费高清视频大片| 日韩亚洲欧美综合| 又黄又爽又刺激的免费视频.| 国产老妇女一区| 午夜福利高清视频| 国产av在哪里看| 精华霜和精华液先用哪个| 观看美女的网站| 国产久久久一区二区三区| 色尼玛亚洲综合影院| 中文字幕高清在线视频| 日本免费一区二区三区高清不卡| 久久久久久久午夜电影| 夜夜爽天天搞| 国产欧美日韩一区二区精品| 中文字幕人妻熟人妻熟丝袜美| 午夜精品一区二区三区免费看| 国语自产精品视频在线第100页| 精品久久久久久久久亚洲 | 国产淫片久久久久久久久| 精品一区二区三区av网在线观看| 中文字幕av成人在线电影| a级毛片免费高清观看在线播放| 夜夜爽天天搞| 黄色丝袜av网址大全| 亚洲经典国产精华液单| 婷婷六月久久综合丁香| 国产成人影院久久av| 又黄又爽又刺激的免费视频.| 在线a可以看的网站| ponron亚洲| 久久精品综合一区二区三区| 久久午夜亚洲精品久久| 久久国产精品人妻蜜桃| 亚洲在线自拍视频| 国产精品1区2区在线观看.| 一a级毛片在线观看| 精品免费久久久久久久清纯| 一级黄片播放器| 亚洲av.av天堂| 哪里可以看免费的av片| 久久久国产成人免费| 免费看av在线观看网站| 成人高潮视频无遮挡免费网站| 小说图片视频综合网站| 午夜福利高清视频| 亚洲一级一片aⅴ在线观看| 免费搜索国产男女视频| 久久国产精品人妻蜜桃| 欧美一区二区精品小视频在线| 露出奶头的视频| 91精品国产九色| 成年版毛片免费区| 99久久中文字幕三级久久日本| 一进一出好大好爽视频| 午夜免费成人在线视频| 男人舔奶头视频| 国产亚洲精品久久久久久毛片| 波野结衣二区三区在线| 九九在线视频观看精品| 国产高清视频在线播放一区| 男女下面进入的视频免费午夜| av视频在线观看入口| 久久精品影院6| 九九久久精品国产亚洲av麻豆| 欧美成人一区二区免费高清观看| 麻豆av噜噜一区二区三区| 天天一区二区日本电影三级| 精华霜和精华液先用哪个| 99久久精品国产国产毛片| 日韩在线高清观看一区二区三区 | 久久这里只有精品中国| 久久午夜亚洲精品久久| 赤兔流量卡办理| 亚洲乱码一区二区免费版| 午夜亚洲福利在线播放| 色av中文字幕| 久久香蕉精品热| 99热只有精品国产| 热99re8久久精品国产| 免费看光身美女| www.色视频.com| 少妇人妻精品综合一区二区 | 一夜夜www| 免费黄网站久久成人精品| 国产午夜福利久久久久久| 极品教师在线免费播放| 日韩欧美国产在线观看| 日本免费一区二区三区高清不卡| 一个人免费在线观看电影| 欧美高清性xxxxhd video| 久久香蕉精品热| 国产成人福利小说| 一级av片app| 亚洲av二区三区四区| 丰满的人妻完整版| 在线免费十八禁| 欧美激情国产日韩精品一区| 日韩中字成人| 国产精品久久久久久av不卡| 亚洲av成人精品一区久久| 国产高清视频在线播放一区| 精品久久久久久久久亚洲 | 麻豆av噜噜一区二区三区| 波多野结衣巨乳人妻| 婷婷精品国产亚洲av在线| 日韩欧美 国产精品| 人人妻人人澡欧美一区二区| 少妇裸体淫交视频免费看高清| 少妇人妻精品综合一区二区 | 性插视频无遮挡在线免费观看| 国产 一区 欧美 日韩| 精品一区二区三区人妻视频| 国产一区二区激情短视频| 桃色一区二区三区在线观看| 女同久久另类99精品国产91| 国产精品国产三级国产av玫瑰| 色播亚洲综合网| a级一级毛片免费在线观看| 精品久久久久久久久亚洲 | 18+在线观看网站| 国产一区二区三区视频了| 久久精品国产清高在天天线| 一级毛片久久久久久久久女| 日韩欧美国产在线观看| 日本黄色视频三级网站网址| 国产人妻一区二区三区在| 国产视频内射| 成人永久免费在线观看视频| 日本五十路高清| 中亚洲国语对白在线视频| 精品久久久久久成人av| 国内精品一区二区在线观看| 村上凉子中文字幕在线| 免费高清视频大片| 亚洲av免费高清在线观看| 老师上课跳d突然被开到最大视频| 国产老妇女一区| 在线免费观看的www视频| 成人无遮挡网站| 日韩欧美国产在线观看| 国产精品一区二区性色av| 亚洲av成人av| 久久久久国内视频| 久久人妻av系列| 免费在线观看影片大全网站| 国产精品,欧美在线| 日韩欧美精品免费久久| netflix在线观看网站| 欧美一区二区精品小视频在线| 最近视频中文字幕2019在线8| 91精品国产九色| 成人高潮视频无遮挡免费网站| 国产不卡一卡二| 久久天躁狠狠躁夜夜2o2o| 国产综合懂色| 色哟哟哟哟哟哟| 欧美性猛交黑人性爽| 精品无人区乱码1区二区| 久久久久免费精品人妻一区二区| 此物有八面人人有两片| 欧美性感艳星| 国产69精品久久久久777片| 两性午夜刺激爽爽歪歪视频在线观看| 丰满的人妻完整版| 夜夜夜夜夜久久久久| 在线a可以看的网站| 精品久久久久久久久亚洲 | 国产成人一区二区在线| 97超视频在线观看视频| 熟女人妻精品中文字幕| 成人国产综合亚洲| 日本精品一区二区三区蜜桃| 最近最新免费中文字幕在线| 欧美一区二区国产精品久久精品| 精品99又大又爽又粗少妇毛片 | 69av精品久久久久久| 国产成人a区在线观看| 午夜a级毛片| 少妇人妻精品综合一区二区 | 国语自产精品视频在线第100页| 久久精品国产亚洲av香蕉五月| 一级黄片播放器| 又紧又爽又黄一区二区| 国产伦人伦偷精品视频| 欧美日韩亚洲国产一区二区在线观看| 少妇的逼水好多| 97超视频在线观看视频| 男女边吃奶边做爰视频| 女的被弄到高潮叫床怎么办 | 亚洲av免费高清在线观看| 伦理电影大哥的女人| 欧美一区二区亚洲| 窝窝影院91人妻| 欧美黑人欧美精品刺激| 麻豆精品久久久久久蜜桃| 成年女人看的毛片在线观看| 国产精品女同一区二区软件 | 亚洲熟妇中文字幕五十中出| 成人二区视频| 又紧又爽又黄一区二区| 深爱激情五月婷婷| 日韩大尺度精品在线看网址| 日韩精品有码人妻一区| 免费看av在线观看网站| 欧美+亚洲+日韩+国产| 一本久久中文字幕| 看十八女毛片水多多多| 国产一区二区三区在线臀色熟女| 日本在线视频免费播放| 免费在线观看影片大全网站| 禁无遮挡网站| 亚洲av五月六月丁香网| 免费观看人在逋| 人人妻人人看人人澡| 亚洲av.av天堂| 国产精品久久久久久久久免| 国产一级毛片七仙女欲春2| 一个人观看的视频www高清免费观看| 在线国产一区二区在线| 少妇的逼好多水| 国产综合懂色| 国产伦精品一区二区三区视频9| 99久国产av精品| 国产高潮美女av| 春色校园在线视频观看| 一级黄色大片毛片| 天天躁日日操中文字幕| 又黄又爽又免费观看的视频| 国产黄色小视频在线观看| 免费av观看视频| 精品久久国产蜜桃| 亚洲欧美日韩高清在线视频| 少妇丰满av| 国产69精品久久久久777片| 又紧又爽又黄一区二区| 两个人视频免费观看高清| 精品久久久久久久人妻蜜臀av| 国产高清视频在线观看网站| 99久国产av精品| 日韩欧美国产一区二区入口| 午夜爱爱视频在线播放| 国产精品一区二区性色av| a在线观看视频网站| 在线观看66精品国产| 毛片一级片免费看久久久久 | 嫩草影视91久久| 午夜爱爱视频在线播放| 亚洲国产高清在线一区二区三| 最近最新中文字幕大全电影3| 在线国产一区二区在线| 十八禁网站免费在线| 国产av一区在线观看免费| 亚洲成人精品中文字幕电影| 色尼玛亚洲综合影院| 五月玫瑰六月丁香| 亚洲成av人片在线播放无| 最近视频中文字幕2019在线8| 欧美日韩瑟瑟在线播放| 啪啪无遮挡十八禁网站| 又黄又爽又免费观看的视频| 日本免费a在线| 成人精品一区二区免费| 亚洲熟妇中文字幕五十中出| 久久国产精品人妻蜜桃| 国产精品,欧美在线| 久久久久久久久久久丰满 | 午夜福利视频1000在线观看| 国产精品不卡视频一区二区| 国产黄a三级三级三级人| 久久99热6这里只有精品| 国内精品美女久久久久久| 日本一二三区视频观看| 国产熟女欧美一区二区| 久久人人爽人人爽人人片va| 天堂网av新在线| 亚洲熟妇中文字幕五十中出| 色视频www国产| 身体一侧抽搐| 91久久精品国产一区二区三区| 窝窝影院91人妻| 精品一区二区免费观看| 性欧美人与动物交配| 欧美又色又爽又黄视频| 男插女下体视频免费在线播放| av在线亚洲专区| 草草在线视频免费看| 午夜精品在线福利| 成人国产综合亚洲| 黄色视频,在线免费观看| 尤物成人国产欧美一区二区三区| 日本-黄色视频高清免费观看| 99国产精品一区二区蜜桃av| 成人欧美大片| 久久精品综合一区二区三区| 精品日产1卡2卡| 精华霜和精华液先用哪个| 99精品久久久久人妻精品| av.在线天堂| 99久久无色码亚洲精品果冻| 国产精品人妻久久久久久| 国产国拍精品亚洲av在线观看| 日韩欧美在线二视频| 草草在线视频免费看| 尤物成人国产欧美一区二区三区| 色综合亚洲欧美另类图片| 日本在线视频免费播放| 国产精品av视频在线免费观看| 久久精品国产鲁丝片午夜精品 | 人妻久久中文字幕网| 精品人妻视频免费看| 麻豆精品久久久久久蜜桃| 91午夜精品亚洲一区二区三区 | 一区二区三区高清视频在线| 亚洲av免费高清在线观看| 一级黄色大片毛片| 中国美女看黄片| 女同久久另类99精品国产91| 亚洲va在线va天堂va国产| av天堂中文字幕网| videossex国产| 熟女电影av网| 性色avwww在线观看| .国产精品久久| 欧美在线一区亚洲| 天天一区二区日本电影三级| 欧美激情在线99| 国产成人一区二区在线| 免费大片18禁| 久久精品国产亚洲av涩爱 | a级毛片a级免费在线| 欧美不卡视频在线免费观看| 亚洲成人久久爱视频| 久久亚洲精品不卡| 窝窝影院91人妻| 一个人观看的视频www高清免费观看| 欧美一区二区精品小视频在线| 校园春色视频在线观看| 成年女人永久免费观看视频| 国产毛片a区久久久久| 成人性生交大片免费视频hd| 日韩一本色道免费dvd| 亚洲精品乱码久久久v下载方式| 男女边吃奶边做爰视频| 国产精品98久久久久久宅男小说| 国产人妻一区二区三区在| 久久精品夜夜夜夜夜久久蜜豆| 免费人成在线观看视频色| 日韩欧美免费精品| 午夜福利在线观看免费完整高清在 | 人人妻人人澡欧美一区二区| 国产色爽女视频免费观看| 欧美性猛交╳xxx乱大交人| 全区人妻精品视频| 一级av片app| 久久精品影院6| 白带黄色成豆腐渣| 非洲黑人性xxxx精品又粗又长| 他把我摸到了高潮在线观看| 欧美日本视频| 亚洲四区av| 少妇被粗大猛烈的视频| 精品国内亚洲2022精品成人| 欧美激情在线99| 91午夜精品亚洲一区二区三区 | 久久久久久久午夜电影| 在线a可以看的网站| 久久99热6这里只有精品| 亚洲精品色激情综合| 欧美绝顶高潮抽搐喷水| 人妻少妇偷人精品九色| 丰满的人妻完整版| 欧美+日韩+精品| 亚洲av免费高清在线观看| 日韩中字成人| 人人妻人人看人人澡| 日本一二三区视频观看| www日本黄色视频网| 真人做人爱边吃奶动态| 18禁裸乳无遮挡免费网站照片| 亚洲成人精品中文字幕电影| 精品国内亚洲2022精品成人| 日本 欧美在线| 人人妻人人澡欧美一区二区| 人妻丰满熟妇av一区二区三区| 色播亚洲综合网| 精品人妻1区二区| 久久国产精品人妻蜜桃| 一区二区三区四区激情视频 | 女同久久另类99精品国产91| 干丝袜人妻中文字幕| 亚洲熟妇中文字幕五十中出| 精品福利观看| 亚洲成a人片在线一区二区| 免费不卡的大黄色大毛片视频在线观看 | 亚洲经典国产精华液单| 两人在一起打扑克的视频| 我的女老师完整版在线观看| 成人高潮视频无遮挡免费网站| 国产成人av教育| 久久久久久伊人网av| 两性午夜刺激爽爽歪歪视频在线观看| 熟女人妻精品中文字幕| 我的女老师完整版在线观看| 亚洲最大成人中文| 一级黄片播放器| 国产男人的电影天堂91| .国产精品久久| 男人狂女人下面高潮的视频| 五月玫瑰六月丁香| 国语自产精品视频在线第100页| 最新在线观看一区二区三区| 精品久久久久久久久av| 久久香蕉精品热| 欧美日韩亚洲国产一区二区在线观看| 乱人视频在线观看|