• <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BP神經網絡的公共建筑用電能耗預測研究

    2019-10-11 11:24:36李嘉玲蔣艷
    軟件導刊 2019年7期
    關鍵詞:建筑能耗預測模型BP神經網絡

    李嘉玲 蔣艷

    摘 要:數據挖掘技術與建筑工程之間的知識跨度較大,將兩者完美融合起來存在一定難度,實際工程中也缺乏相關案例,因此在建筑工程中應用數據挖掘技術挖掘相關信息,為大型公共建筑用電能耗預測提供參考依據,是建筑領域一種新的發(fā)展趨勢?;趯步ㄖ秒娔芎奶匦缘姆治觯衫肞ython構建BP神經網絡建筑能耗預測模型,再將某公共建筑作為研究對象,確定影響建筑用電能耗的關鍵因素,并將其作為網絡的輸入參數進行學習訓練得出預測值。研究結果表明:預測模型在不同參數下,當隱含層個數為8時,誤差平方和最小,為0.000 139 6,此時BP神經網絡能夠較精確地預測公共建筑用電能耗值。

    關鍵詞:建筑能耗;BP神經網絡;Python;預測模型

    DOI:10. 11907/rjdk. 182553 開放科學(資源服務)標識碼(OSID):

    中圖分類號:TP302文獻標識碼:A 文章編號:1672-7800(2019)007-0049-04

    Research on Prediction of Electricity Consumption of

    Public Buildings Based on BP Neural Network

    LI Jia-ling, JIANG Yan

    (School of Management, University of Shanghai for Science and Technology, Shanghai 200093,China)

    Abstract: The knowledge span between data mining technology and construction engineering is large. It is difficult to integrate the two perfectly. There is no relevant case in actual engineering. Therefore, using data mining technology to mine relevant information in construction engineering is used for large public buildings. The reference for electric energy consumption prediction is a new development trend in the construction field. Based on the research and analysis of the energy consumption characteristics of public buildings, we use Python to construct the BP neural network building energy consumption prediction model, and then a public building is taken as the research object to determine the key factors affecting the building energy consumption, and learning training is performed as an input parameter to the network. The results show that under the different parameters, when the number of hidden layers is 8, the sum of squared errors is the smallest, which is 0.000 139 6. At this time, the BP neural network can accurately predict the energy consumption value of public buildings.

    Key Words: building energy consumption; BP neural network; python; prediction model

    作者簡介:李嘉玲(1994-),女,上海理工大學管理學院碩士研究生,研究方向為數據挖掘;蔣艷(1962-),女,博士,上海理工大學管理學院副教授、碩士生導師,研究方向為多目標決策理論、方法與應用。

    0 引言

    近年來,隨著城市化進程加快和人民生活質量提高,我國建筑能耗占比上升至35%左右,其中大型公共建筑電能消耗最為嚴重[1]。雖然我國總體資源相對比較豐富,但是人口數量非常龐大,人均能源消耗量很大。由于公共建筑電力消耗嚴重,建筑節(jié)能無疑成為首要考慮的節(jié)能問題,已引起各級政府及相關行業(yè)人員的極大關注。盡可能充分挖掘出大型公共建筑用電能耗的影響因素,并建立相應預測模型對其進行預測,將有利于綜合分析和評估大型公共建筑用電能耗現(xiàn)狀及其發(fā)展變化,為大型公共建筑實施節(jié)能改造計劃提供有效依據。

    目前,能源浪費問題已經演變成全球性問題,各國對能耗管理高度關注。國內外不少學者將數據挖掘相關知識運用于建筑能耗預測分析中,取得了一定研究成果[2]。在國際上,Melek[3]研究了如何應用神經網絡建立模型進行能耗預測和評價,并得出可行方法;Geoffrey & Kelvin[4]從預測建筑能耗值的角度出發(fā),以住宅建筑為研究對象,分夏季和冬季兩個時期,應用決策樹、逐步回歸和人工神經網絡,分別建立3個預測模型進行預測,研究結果證明人工神經網絡預測精度更高;Yang等[5]在輸入變量不變的情況下,研究了人工神經網絡的適用性,使人工神經網絡預測建筑能耗的能力得到提高;Olofson等[6]利用人工神經網絡在短期測試數據基礎上建立了建筑能耗預測模型,實驗取得了90%~95%的較高準確率。國內,何磊[7]、姚健等[8]在已知建筑物各種參數數據的基礎上應用神經網絡預測建筑能耗,所得預測值接近實際值,這一研究成果可以在建筑設計初期指導整棟建筑的節(jié)能設計,以減少建成后的能源消耗[9];方濤濤等[10]通過將BP神經網絡與Adaboost算法相結合,充分考慮BP神經網絡良好的學習能力和Adaboost算法預測精度高的優(yōu)點,對建筑能耗進行預測,通過實驗數據仿真分析,驗證了該方法的可行性。

    由于建筑多樣性、使用情況多變性等因素給建筑能耗預測增添了不少困難,而神經網絡為建立預測模型提供了可能[11]。本文采取的主要研究方法是,利用Python構建BP神經網絡模型,并通過改變隱藏層個數從而觀察在不同參數下誤差平方和的變化情況。實驗結果表明:當隱含層個數為8時,大型公共建筑用電能耗預測模型的誤差平方和達到最小值,即模型預測結果精確度最高,預測值最接近于實際值。

    1 神經網絡及其基本原理

    1.1 BP神經網絡

    人工神經網絡(Artificial Neural Network,簡稱ANN),是20世紀80年代以來人工智能領域興起的研究熱點,是以生物學中一種神經網絡為基理,模擬人腦神經系統(tǒng)處理復雜信息的數學模型。人工神經網絡可以通過學習模仿人類的學習過程,學習方式可分為3種:有導師學習、無導師學習和強化學習 [12]。Back-Propagation(簡稱BP)神經網絡是神經網絡中應用最為廣泛的模型之一[13]。圖1所示為其典型的3層拓撲結構,包括輸入層、中間層和輸出層[14]。

    圖1 3層神經元網絡結構

    1.2 BP神經網絡基本原理

    BP神經網絡也稱反向傳播網絡,是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W絡,其算法稱為BP算法[15]。BP神經網絡的思想是利用輸出層第N層輸出后的誤差,估計輸出層前第N-1層的誤差,再用其估計第N-2層的誤差,以此獲取所有層誤差估計,并根據誤差估計調整各層的連接權值,最后用調整后的連接權值重新計算輸出誤差,直到輸出的均方誤差達到符合要求或者迭代次數溢出設定值。BP神經網絡的學習規(guī)則使用最速下降法,通過反向傳播不斷調整網絡的權值和閾值,最終使得全局誤差系數達到最小值,其學習本質就是對各連接權值進行動態(tài)調整[14]。

    網絡初始化是BP神經網絡訓練的第一階段,定義為初始化輸入層、隱含層和輸出層的節(jié)點個數[16],即初始化輸入層與輸出層的閾值a、b以及初始化輸入層與隱含層、隱含層與輸出層之間的連接權值Wij、Wjk,Wij表示第i個輸入節(jié)點到節(jié)點j的權值,Wjk表示節(jié)點j到輸出節(jié)點k的權值;計算隱含層Hj是網絡訓練的第二階段;計算輸出層Ok是網絡訓練的第三階段;計算期望輸出與實際輸出之間的誤差ek是網絡訓練的第四階段;更新權值和閾值分別是網絡訓練的第五、第六階段;計算全局誤差E是網絡訓練的第七階段,同時判斷誤差是否滿足要求或達到最大迭代次數,若不滿足要求或并未達到最大迭代次數,則返回第二步。

    2 建筑物能耗BP神經網絡模型設計

    大量實驗證明,將BP神經網絡運用于能耗預測以及能耗指標評價等領域具有一定可行性,建筑能耗系統(tǒng)本身可看作關于時間序列的一個高度非線性系統(tǒng),故可用一個多層BP網絡對建筑能耗進行模擬[17]。在確定如何建立可行有效的BP神經網絡預測模型時,需要充分考慮影響大型公共建筑物用電能耗各方面的變量因素。本文調研了江蘇省南通市崇川區(qū)多個大型公共建筑用電能耗情況。江蘇省南通市在我國東南部地區(qū),氣候一般是冬冷夏熱,所調研公共建筑都滿足夏季適當防熱、冬季適當保溫的要求。通過調研發(fā)現(xiàn),對大型公共建筑用電能耗產生影響的變量因素有很多方面,比如室外氣候條件、室內溫度設定、建筑物地理位置、建筑物墻體材料、內外墻裝飾材料、門窗數量及其材料類型、建筑高度、建筑面積、室內平均人流量以及人們的活動規(guī)律等,均會對公共建筑物用電能耗產生一定影響。如果在確定預測模型結構時考慮各方面因素,系統(tǒng)將會過于復雜和龐大,網絡學習時間過長,且極易陷入局部最小,無法達到滿意效果[18]。因此,本文根據實際情況以建筑面積及電耗作為影響因素,根據歷史記錄對網絡進行訓練,訓練好的網絡再通過已知數據進行檢驗[17]。

    2.1 數據處理

    通過實地調研,本文獲取了江蘇省南通市崇川區(qū)文化廣場附近某大型公共建筑2016年前10個月用電能耗數據,并將其作為統(tǒng)計樣本。為了減小奇異樣本對神經網絡性能的影響,需要對輸入參數和輸出參數進行歸一化處里,即將數據處理成[0,1]之間的小數[19]。

    設x為樣本參數,y為某項樣本參數x的歸一化輸出,xmin為x中最小值,xmax為x中最大值,則歸一化公式如式(1)所示[19]。

    [y=x-xminxmax-xmin]? ? ? ? ? ? ? ? ? ? ?(1)

    采用式(1)處理后的數據在[0,1]區(qū)間之內[19]。

    2.2 模型設計

    BP神經網絡具有高效非線性數據函數映射逼近功能,利用BP神經網絡模型可以較好地預測建筑能耗值,為提高建筑能效提供理論依據[20]。本文利用Python構建BP神經網絡公共建筑用電能耗預測模型,并選取樣本中的6組數據作為訓練樣本集,對預測模型進行學習訓練,另選取3組數據作為測試樣本集,用于檢測預測模型的準確性。

    選取樣本中的實際建筑面積以及1-6月用電量作為預測模型的輸入變量x,7-10月用電量的預測值作為模型的輸出變量y,即建立的3層BP神經網絡能耗預測模型具有7個輸入向量、4個輸出向量。網絡輸入層到輸出層的激活函數采用tanh雙曲正切函數;中間層到輸出層的傳遞函數采用logsig對數函數。數據如表1、表2所示,分別為原始數據表以及標準化后的數據表。

    表1 原始數據表? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?[104]kWh

    表2 標準化后數據表

    2.3 模型工作機理及訓練過程

    [2] 宋蒙. 大型公共建筑用電能耗預測模型及預測數據分析[D]. 西安:長安大學,2017.

    [3] YALCINTAS M. An energy benchmarking model based on artificial neural network method with a case example for tropical climates[J].? International Journal of Energy Research,2006(30):1158-1174.

    [4] TSO G K F,YAU K K W. Predicting electricity energy consumption - a comparison of regression analysis, decision tree and neural network[J]. Energy,2007(32):1761-1768.

    [5] YANG J,RIVARD H,ZMEUREANU R. On-line building energy prediction using adaptive artificial neural networks[J]. Energy and Buildings,2005,37(12):1250-1259.

    [6] OLOFSON T,ANERSSON S. Long-term energy demand predictions based on short-term measured data[J]. Energy and Buildings, 2001,32(2): 85-91.

    [7] 何磊. 基于BP神經網絡的建筑能耗預測[J]. 浙江建筑,2008(12):47-50.

    [8] 姚健,閆成文,葉晶晶,等. 基于神經網絡的建筑能耗預測[J]. 門窗,2007(10):31-33.

    [9] 肖丹. 公共建筑能耗分析的數據挖掘方法研究與系統(tǒng)開發(fā)[D]. 重慶:重慶大學,2012.

    [10] 方濤濤,馬小軍,陳沖. 基于BP-Adadoost算法的建筑能耗預測研究[J]. 科技通報,2017(7):162-166.

    [11] 季文娟,顧永松. 基于POS-RBF建筑能耗預測模型研究[J]. 建筑節(jié)能,2015(11):109-112.

    [12] 高振祥. 基于BP神經網絡的電力負荷預測方法探析[J]. 科學與信息化,2017(2):54-55.

    [13] 張喆,吳知非,禹建麗. 電力電量預測的神經網絡方法[J]. 知識叢林,2008(4):156-157.

    [14] 李璐,于軍琪,楊益. 基于GA-BP神經網絡的大型公共建筑能耗預測研究[J]. 中外建筑,2014(3):112-114.

    [15] 王雅楠,孟曉景. 基于動量BP算法的神經網絡房價預測研究[J]. 軟件導刊,2015,14(2):59-61.

    [16] 胡程磊. 數據驅動的建筑電能耗預測方法研究[D]. 江蘇:江蘇大學,2016.

    [17] 李然然,張永堅,劉暢,等. 基于BP神經網絡的建筑物用電能耗預測[J]. 山東建筑大學學報,2014(2):162-165.

    [18] 鄢濤. 深圳市公共建筑能耗與節(jié)能分析[D]. 重慶:重慶大學,2005.

    [19] 胡伍生. 神經網絡理論及其工程應用[M]. 北京:測繪出版社,2006.

    [20] 崔沖. 基于數據挖掘的公共建筑能耗預測與能效管理[D]. 山東:山東建筑大學,2017.

    [21] 許慧,黃世澤,郭其一,等. 基于改進BP網絡的建筑用電量預測[J]. 電器與能效管理技術,2014(18):54-58.

    (責任編輯:何 麗)

    猜你喜歡
    建筑能耗預測模型BP神經網絡
    廈門地區(qū)公共建筑屋面對建筑耗能耗的影響及模擬分析
    基于神經網絡的北京市房價預測研究
    商情(2016年43期)2016-12-23 14:23:13
    中國石化J分公司油氣開發(fā)投資分析與預測模型研究
    經濟師(2016年10期)2016-12-03 22:27:54
    基于BP神經網絡的旅行社發(fā)展方向研究
    商情(2016年39期)2016-11-21 09:30:36
    復雜背景下的手勢識別方法
    BP神經網絡在軟件質量評價中的應用研究 
    軟件導刊(2016年9期)2016-11-07 18:25:50
    論房地產市場可持續(xù)發(fā)展的戰(zhàn)略思考
    BP神經網絡算法在數值預報產品釋用中的應用
    科技視界(2016年20期)2016-09-29 14:15:12
    基于IOWHA法的物流需求組合改善與預測模型構建
    基于預測模型加擾動控制的最大功率點跟蹤研究
    科技視界(2016年1期)2016-03-30 13:37:45
    日韩一本色道免费dvd| 啦啦啦中文免费视频观看日本| 又大又黄又爽视频免费| 国产熟女午夜一区二区三区| 一区二区三区精品91| 天天添夜夜摸| 97在线人人人人妻| 国产亚洲av片在线观看秒播厂| 中文字幕制服av| 中文乱码字字幕精品一区二区三区| 欧美日韩亚洲国产一区二区在线观看 | 黄网站色视频无遮挡免费观看| 9191精品国产免费久久| 两个人看的免费小视频| 亚洲国产av影院在线观看| 51午夜福利影视在线观看| 国产91精品成人一区二区三区 | 美女主播在线视频| 最近最新中文字幕大全免费视频 | 2018国产大陆天天弄谢| 最新在线观看一区二区三区 | 欧美成狂野欧美在线观看| 最近最新中文字幕大全免费视频 | 亚洲欧洲日产国产| 美女主播在线视频| 久久性视频一级片| 大香蕉久久网| 极品少妇高潮喷水抽搐| 国产黄色视频一区二区在线观看| 精品久久蜜臀av无| 美女扒开内裤让男人捅视频| 亚洲av国产av综合av卡| 久久人妻熟女aⅴ| 久久久欧美国产精品| 三上悠亚av全集在线观看| 精品久久久精品久久久| 男女边吃奶边做爰视频| 国产精品 欧美亚洲| 精品国产乱码久久久久久小说| 免费看十八禁软件| 免费人妻精品一区二区三区视频| 18禁黄网站禁片午夜丰满| 久久久久视频综合| 色视频在线一区二区三区| 国产成人a∨麻豆精品| 王馨瑶露胸无遮挡在线观看| 高清不卡的av网站| 欧美日韩国产mv在线观看视频| a 毛片基地| 亚洲精品国产区一区二| 欧美日韩亚洲高清精品| 国产视频首页在线观看| 中文字幕最新亚洲高清| 国产成人a∨麻豆精品| 国产片特级美女逼逼视频| 脱女人内裤的视频| 日韩大片免费观看网站| 国产有黄有色有爽视频| 人人妻人人澡人人爽人人夜夜| 一区二区日韩欧美中文字幕| videos熟女内射| 亚洲精品国产区一区二| 在线观看www视频免费| netflix在线观看网站| 丰满人妻熟妇乱又伦精品不卡| 中文欧美无线码| 天堂中文最新版在线下载| 老司机影院毛片| 一本一本久久a久久精品综合妖精| 日韩精品免费视频一区二区三区| 纯流量卡能插随身wifi吗| 国产精品免费视频内射| 亚洲午夜精品一区,二区,三区| 中文字幕高清在线视频| 亚洲成国产人片在线观看| 亚洲国产欧美一区二区综合| 在线天堂中文资源库| 在线观看一区二区三区激情| 国产日韩欧美亚洲二区| 国产精品香港三级国产av潘金莲 | 亚洲精品一二三| av在线老鸭窝| 丝瓜视频免费看黄片| 亚洲精品国产av蜜桃| 国产深夜福利视频在线观看| 国产爽快片一区二区三区| 建设人人有责人人尽责人人享有的| 热re99久久精品国产66热6| 午夜两性在线视频| 亚洲精品国产av成人精品| 国产免费一区二区三区四区乱码| 看免费av毛片| 亚洲欧洲精品一区二区精品久久久| 黄色片一级片一级黄色片| 视频区图区小说| 波多野结衣一区麻豆| 日本一区二区免费在线视频| 久久免费观看电影| 国产精品久久久久久人妻精品电影 | av欧美777| 91字幕亚洲| 黄网站色视频无遮挡免费观看| 下体分泌物呈黄色| 国产免费一区二区三区四区乱码| 首页视频小说图片口味搜索 | 啦啦啦视频在线资源免费观看| av又黄又爽大尺度在线免费看| 一级片免费观看大全| 在线精品无人区一区二区三| 亚洲少妇的诱惑av| 悠悠久久av| 王馨瑶露胸无遮挡在线观看| 无限看片的www在线观看| 王馨瑶露胸无遮挡在线观看| 男男h啪啪无遮挡| 精品少妇久久久久久888优播| 免费久久久久久久精品成人欧美视频| 亚洲国产中文字幕在线视频| 欧美少妇被猛烈插入视频| av一本久久久久| 男女国产视频网站| 国产精品欧美亚洲77777| 可以免费在线观看a视频的电影网站| 69精品国产乱码久久久| 国产成人影院久久av| 国产免费福利视频在线观看| 久久人妻福利社区极品人妻图片 | 国产精品三级大全| 婷婷丁香在线五月| 一本—道久久a久久精品蜜桃钙片| 如日韩欧美国产精品一区二区三区| 成年美女黄网站色视频大全免费| 肉色欧美久久久久久久蜜桃| 国产三级黄色录像| 亚洲国产精品一区二区三区在线| 国产精品成人在线| 99热网站在线观看| 精品一区二区三区四区五区乱码 | 熟女少妇亚洲综合色aaa.| 91字幕亚洲| 精品国产超薄肉色丝袜足j| 最近手机中文字幕大全| 精品一区二区三区av网在线观看 | 首页视频小说图片口味搜索 | 亚洲av综合色区一区| 亚洲精品国产区一区二| 精品人妻一区二区三区麻豆| 国产亚洲av片在线观看秒播厂| 成人午夜精彩视频在线观看| 捣出白浆h1v1| 亚洲第一青青草原| 香蕉丝袜av| 国产精品久久久久久人妻精品电影 | 一区二区av电影网| 成人三级做爰电影| av一本久久久久| 亚洲,一卡二卡三卡| 久久青草综合色| 久久综合国产亚洲精品| 成人影院久久| 久久久久精品国产欧美久久久 | 中文字幕另类日韩欧美亚洲嫩草| 最近中文字幕2019免费版| 国产成人精品久久久久久| 伊人亚洲综合成人网| 伊人亚洲综合成人网| 国产成人精品无人区| 欧美在线一区亚洲| 日韩人妻精品一区2区三区| 久久久国产精品麻豆| 女人久久www免费人成看片| 日韩熟女老妇一区二区性免费视频| 国产在线免费精品| 成人免费观看视频高清| 黑丝袜美女国产一区| 中文字幕人妻丝袜制服| 亚洲黑人精品在线| 久久久亚洲精品成人影院| 精品国产一区二区久久| 少妇裸体淫交视频免费看高清 | 无遮挡黄片免费观看| 少妇被粗大的猛进出69影院| 久久精品人人爽人人爽视色| 亚洲久久久国产精品| 久久久亚洲精品成人影院| 日本wwww免费看| 国产亚洲欧美精品永久| 啦啦啦在线观看免费高清www| √禁漫天堂资源中文www| av一本久久久久| 日日摸夜夜添夜夜爱| 国产精品久久久久久精品电影小说| 欧美成人精品欧美一级黄| 乱人伦中国视频| 国产精品香港三级国产av潘金莲 | 久久久国产一区二区| 亚洲欧洲精品一区二区精品久久久| 91精品伊人久久大香线蕉| 亚洲一区中文字幕在线| 丰满饥渴人妻一区二区三| 国产精品一二三区在线看| 日本五十路高清| 成年人免费黄色播放视频| 国产精品偷伦视频观看了| 亚洲综合色网址| 国产99久久九九免费精品| 欧美日韩av久久| 国产一级毛片在线| 国产av不卡久久| 亚洲久久久国产精品| 亚洲欧美一区二区三区黑人| 制服诱惑二区| 久久久久国产一级毛片高清牌| 怎么达到女性高潮| 欧美 亚洲 国产 日韩一| 激情在线观看视频在线高清| 97碰自拍视频| 国产精品免费一区二区三区在线| cao死你这个sao货| 欧美色欧美亚洲另类二区| 两人在一起打扑克的视频| 色av中文字幕| 欧美大码av| 少妇 在线观看| 亚洲精品国产区一区二| 深夜精品福利| 在线观看午夜福利视频| www国产在线视频色| 人人妻人人看人人澡| 大型黄色视频在线免费观看| 亚洲av成人av| 久久久久国内视频| 午夜老司机福利片| 久久精品国产99精品国产亚洲性色| xxx96com| 亚洲自偷自拍图片 自拍| 亚洲三区欧美一区| 国产不卡一卡二| 欧美日本亚洲视频在线播放| 亚洲精品久久成人aⅴ小说| 丰满的人妻完整版| 成人免费观看视频高清| 又大又爽又粗| 在线观看免费午夜福利视频| 最新在线观看一区二区三区| 99久久综合精品五月天人人| 人妻丰满熟妇av一区二区三区| 亚洲午夜理论影院| 成人永久免费在线观看视频| 女人爽到高潮嗷嗷叫在线视频| 久久久久国产精品人妻aⅴ院| 亚洲国产欧美日韩在线播放| 97人妻精品一区二区三区麻豆 | 精品电影一区二区在线| 日韩欧美一区视频在线观看| 91麻豆精品激情在线观看国产| 19禁男女啪啪无遮挡网站| 亚洲五月天丁香| 亚洲av美国av| 两个人免费观看高清视频| 亚洲黑人精品在线| 精品一区二区三区四区五区乱码| 国产日本99.免费观看| 亚洲人成电影免费在线| 高清在线国产一区| 首页视频小说图片口味搜索| 久久久久久久久免费视频了| 在线十欧美十亚洲十日本专区| 久久人人精品亚洲av| 午夜福利免费观看在线| 国产欧美日韩一区二区精品| 免费在线观看日本一区| 一级黄色大片毛片| 亚洲国产精品sss在线观看| 啦啦啦 在线观看视频| 男女视频在线观看网站免费 | 久久精品国产亚洲av高清一级| 国产熟女午夜一区二区三区| www国产在线视频色| 亚洲国产中文字幕在线视频| 真人做人爱边吃奶动态| 国语自产精品视频在线第100页| 夜夜看夜夜爽夜夜摸| 日韩欧美国产一区二区入口| 国产主播在线观看一区二区| 国产主播在线观看一区二区| 亚洲人成77777在线视频| 免费人成视频x8x8入口观看| 1024手机看黄色片| 女警被强在线播放| 性欧美人与动物交配| 一本精品99久久精品77| 中文字幕高清在线视频| 亚洲熟女毛片儿| 久热这里只有精品99| 色精品久久人妻99蜜桃| 久久久国产成人精品二区| 亚洲国产日韩欧美精品在线观看 | 久久婷婷成人综合色麻豆| 亚洲中文av在线| 亚洲成人久久爱视频| 中文字幕久久专区| 在线观看66精品国产| 18禁国产床啪视频网站| 亚洲av第一区精品v没综合| 日韩一卡2卡3卡4卡2021年| 亚洲自偷自拍图片 自拍| 波多野结衣av一区二区av| 亚洲九九香蕉| 国产精品亚洲av一区麻豆| 手机成人av网站| 亚洲,欧美精品.| tocl精华| 黑人欧美特级aaaaaa片| 精品不卡国产一区二区三区| 国产91精品成人一区二区三区| 最近在线观看免费完整版| 成人一区二区视频在线观看| 人人妻,人人澡人人爽秒播| 国产一区二区激情短视频| 99久久99久久久精品蜜桃| 日韩精品青青久久久久久| 亚洲五月天丁香| 两个人看的免费小视频| 精品少妇一区二区三区视频日本电影| 一a级毛片在线观看| 亚洲国产精品成人综合色| 精品午夜福利视频在线观看一区| 少妇熟女aⅴ在线视频| 人人妻,人人澡人人爽秒播| 免费人成视频x8x8入口观看| 久久久久精品国产欧美久久久| 国产亚洲av高清不卡| 亚洲熟妇中文字幕五十中出| 国产熟女午夜一区二区三区| 99国产精品99久久久久| 男人舔奶头视频| 久久香蕉国产精品| 午夜免费激情av| 国产亚洲欧美精品永久| 免费无遮挡裸体视频| 国产主播在线观看一区二区| 99久久无色码亚洲精品果冻| 熟女少妇亚洲综合色aaa.| 亚洲av五月六月丁香网| 久久婷婷人人爽人人干人人爱| 久久午夜亚洲精品久久| 9191精品国产免费久久| 黄色女人牲交| 老鸭窝网址在线观看| 在线av久久热| 国产激情偷乱视频一区二区| 999精品在线视频| 1024香蕉在线观看| 日本 欧美在线| 特大巨黑吊av在线直播 | 色在线成人网| 精品久久久久久久毛片微露脸| 麻豆成人午夜福利视频| 两个人看的免费小视频| 免费在线观看视频国产中文字幕亚洲| 一区二区三区高清视频在线| 日韩欧美三级三区| 午夜福利在线观看吧| 精品欧美一区二区三区在线| 欧美 亚洲 国产 日韩一| 神马国产精品三级电影在线观看 | 丁香欧美五月| 狠狠狠狠99中文字幕| 日韩欧美国产在线观看| 亚洲午夜精品一区,二区,三区| 巨乳人妻的诱惑在线观看| 亚洲七黄色美女视频| 久久久久精品国产欧美久久久| 一区二区三区激情视频| 一区福利在线观看| 久久精品成人免费网站| 国产av一区在线观看免费| 日本黄色视频三级网站网址| av有码第一页| 免费在线观看亚洲国产| netflix在线观看网站| 午夜福利在线在线| 国产欧美日韩精品亚洲av| 麻豆av在线久日| 亚洲男人的天堂狠狠| 搞女人的毛片| 一级a爱片免费观看的视频| 国产亚洲精品久久久久5区| 97超级碰碰碰精品色视频在线观看| 欧美乱妇无乱码| 91老司机精品| 欧美日韩瑟瑟在线播放| 97人妻精品一区二区三区麻豆 | 欧美在线一区亚洲| 特大巨黑吊av在线直播 | 日本精品一区二区三区蜜桃| 99久久无色码亚洲精品果冻| 日韩欧美在线二视频| 国产精品一区二区精品视频观看| 国产高清激情床上av| a级毛片在线看网站| 欧美久久黑人一区二区| 亚洲精品国产区一区二| 久久久精品欧美日韩精品| x7x7x7水蜜桃| 国产亚洲精品综合一区在线观看 | 亚洲熟女毛片儿| 在线天堂中文资源库| 免费在线观看黄色视频的| 亚洲专区字幕在线| 老司机靠b影院| 亚洲国产欧洲综合997久久, | 一级a爱视频在线免费观看| 十八禁网站免费在线| 老司机午夜十八禁免费视频| 国产亚洲精品av在线| 日韩精品免费视频一区二区三区| 久久性视频一级片| 国产成人精品久久二区二区免费| av天堂在线播放| 精品国产乱码久久久久久男人| 亚洲国产中文字幕在线视频| 中文亚洲av片在线观看爽| 国产欧美日韩精品亚洲av| 精品一区二区三区四区五区乱码| 精品国产国语对白av| 91成人精品电影| cao死你这个sao货| 国产主播在线观看一区二区| 岛国视频午夜一区免费看| 18禁美女被吸乳视频| 熟女少妇亚洲综合色aaa.| 亚洲电影在线观看av| 国产精品爽爽va在线观看网站 | 国内精品久久久久精免费| 国产99白浆流出| 欧美日韩乱码在线| 观看免费一级毛片| 色哟哟哟哟哟哟| 欧美日韩亚洲综合一区二区三区_| 少妇的丰满在线观看| 国产精品1区2区在线观看.| 长腿黑丝高跟| 桃色一区二区三区在线观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲男人天堂网一区| 两人在一起打扑克的视频| 757午夜福利合集在线观看| avwww免费| 欧美色欧美亚洲另类二区| 757午夜福利合集在线观看| 亚洲,欧美精品.| 99久久综合精品五月天人人| 夜夜看夜夜爽夜夜摸| 久久中文字幕人妻熟女| 50天的宝宝边吃奶边哭怎么回事| 最好的美女福利视频网| 亚洲一码二码三码区别大吗| 天堂影院成人在线观看| 成人国产一区最新在线观看| 黄频高清免费视频| 成熟少妇高潮喷水视频| 黑丝袜美女国产一区| 他把我摸到了高潮在线观看| 最近在线观看免费完整版| 亚洲午夜理论影院| 国产高清激情床上av| 99热6这里只有精品| 黄色 视频免费看| 搡老妇女老女人老熟妇| 中文在线观看免费www的网站 | 亚洲精品av麻豆狂野| 国产又爽黄色视频| 制服诱惑二区| 久久久久国产精品人妻aⅴ院| 亚洲激情在线av| 很黄的视频免费| 欧美成人午夜精品| 欧美性猛交╳xxx乱大交人| 在线播放国产精品三级| 99久久久亚洲精品蜜臀av| 一夜夜www| 两个人看的免费小视频| 亚洲美女黄片视频| 午夜福利视频1000在线观看| 亚洲av片天天在线观看| 在线永久观看黄色视频| 亚洲免费av在线视频| 亚洲熟女毛片儿| 久久人妻福利社区极品人妻图片| 免费在线观看日本一区| 日韩欧美一区视频在线观看| aaaaa片日本免费| 一区二区三区激情视频| 欧美黑人巨大hd| 国产99久久九九免费精品| 一区福利在线观看| 国产日本99.免费观看| 欧美成人午夜精品| 国产精品av久久久久免费| 黄色毛片三级朝国网站| 免费av毛片视频| 99久久综合精品五月天人人| ponron亚洲| 禁无遮挡网站| 欧美精品亚洲一区二区| 成在线人永久免费视频| 黄色a级毛片大全视频| 中文字幕人成人乱码亚洲影| 操出白浆在线播放| 日韩大尺度精品在线看网址| 巨乳人妻的诱惑在线观看| 成年人黄色毛片网站| 一本大道久久a久久精品| 美女高潮喷水抽搐中文字幕| 99热这里只有精品一区 | 亚洲激情在线av| 国产v大片淫在线免费观看| 嫩草影视91久久| 别揉我奶头~嗯~啊~动态视频| 日本成人三级电影网站| 99国产极品粉嫩在线观看| 女警被强在线播放| 国产99白浆流出| 亚洲精品久久国产高清桃花| 欧美日韩瑟瑟在线播放| 中文字幕另类日韩欧美亚洲嫩草| 黑人欧美特级aaaaaa片| 久热这里只有精品99| 99久久国产精品久久久| 麻豆久久精品国产亚洲av| 一边摸一边抽搐一进一小说| 欧美性长视频在线观看| 亚洲熟妇熟女久久| 99久久综合精品五月天人人| av天堂在线播放| 久久久久国内视频| 成人国产综合亚洲| 香蕉丝袜av| 国产99久久九九免费精品| 久久精品aⅴ一区二区三区四区| 日本撒尿小便嘘嘘汇集6| 亚洲成人久久性| 久久亚洲真实| 中文字幕久久专区| 亚洲av美国av| 美女扒开内裤让男人捅视频| 久久欧美精品欧美久久欧美| 日韩有码中文字幕| 亚洲专区字幕在线| 精品久久久久久久毛片微露脸| 可以在线观看毛片的网站| 一进一出好大好爽视频| 非洲黑人性xxxx精品又粗又长| 国产一级毛片七仙女欲春2 | 啦啦啦韩国在线观看视频| 国产精品一区二区三区四区久久 | 亚洲国产日韩欧美精品在线观看 | 亚洲九九香蕉| 人人妻人人看人人澡| 亚洲无线在线观看| 在线观看舔阴道视频| 久久中文字幕一级| 日韩国内少妇激情av| 琪琪午夜伦伦电影理论片6080| 窝窝影院91人妻| 日本精品一区二区三区蜜桃| 啦啦啦观看免费观看视频高清| 亚洲激情在线av| 99热只有精品国产| 亚洲av电影不卡..在线观看| 亚洲国产精品999在线| 成年女人毛片免费观看观看9| 国产在线观看jvid| 亚洲欧美激情综合另类| 丝袜在线中文字幕| 亚洲五月婷婷丁香| 黑人巨大精品欧美一区二区mp4| cao死你这个sao货| 亚洲av五月六月丁香网| 国产高清有码在线观看视频 | 国产精品久久视频播放| 老司机在亚洲福利影院| 99久久无色码亚洲精品果冻| 曰老女人黄片| 亚洲av第一区精品v没综合| 99国产精品一区二区三区| 亚洲av熟女| 欧美 亚洲 国产 日韩一| 亚洲精品中文字幕一二三四区| 一本大道久久a久久精品| 亚洲九九香蕉| 久久精品国产综合久久久| 久久久久久久午夜电影| 啦啦啦韩国在线观看视频| 国产av不卡久久| 99精品在免费线老司机午夜| videosex国产| 午夜日韩欧美国产| 狠狠狠狠99中文字幕| 成年版毛片免费区| 久久精品91无色码中文字幕| 亚洲五月色婷婷综合| 一本久久中文字幕| 中文亚洲av片在线观看爽| 禁无遮挡网站| 999久久久精品免费观看国产| 欧美乱妇无乱码| 久久久久久人人人人人| bbb黄色大片| 婷婷精品国产亚洲av在线| 国产区一区二久久| 欧美av亚洲av综合av国产av| 日本撒尿小便嘘嘘汇集6|