• <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
    欧美一级a爱片免费观看看| 欧美成人a在线观看| 亚洲精品国产成人久久av| 看非洲黑人一级黄片| 日产精品乱码卡一卡2卡三| 国产极品天堂在线| 22中文网久久字幕| 国产免费福利视频在线观看| 成人午夜精彩视频在线观看| 欧美97在线视频| 极品教师在线视频| 人妻系列 视频| 建设人人有责人人尽责人人享有的 | 免费黄频网站在线观看国产| 亚洲人与动物交配视频| 麻豆成人午夜福利视频| 久久久色成人| 丰满少妇做爰视频| 国产免费视频播放在线视频| 亚洲色图综合在线观看| 久久99热这里只频精品6学生| 国产精品爽爽va在线观看网站| 最近最新中文字幕免费大全7| 少妇人妻 视频| 欧美日韩精品成人综合77777| 国产真实伦视频高清在线观看| 国产亚洲5aaaaa淫片| 国产高潮美女av| 亚洲av日韩在线播放| 99精国产麻豆久久婷婷| 免费观看在线日韩| 亚洲av二区三区四区| 免费大片黄手机在线观看| 亚洲美女搞黄在线观看| 久久午夜福利片| 18禁在线播放成人免费| 精品久久久久久久久av| 日韩中文字幕视频在线看片 | 色视频www国产| 妹子高潮喷水视频| 啦啦啦啦在线视频资源| 干丝袜人妻中文字幕| 超碰97精品在线观看| 国产精品国产三级国产专区5o| 狂野欧美白嫩少妇大欣赏| 97精品久久久久久久久久精品| a 毛片基地| 国产精品一二三区在线看| 少妇人妻精品综合一区二区| 久久国内精品自在自线图片| 在线观看免费高清a一片| 国产成人a∨麻豆精品| 亚洲成人手机| 美女内射精品一级片tv| 大片免费播放器 马上看| 国语对白做爰xxxⅹ性视频网站| 久久久久人妻精品一区果冻| 国产成人免费观看mmmm| 七月丁香在线播放| 精品久久久久久电影网| 美女国产视频在线观看| 草草在线视频免费看| 少妇人妻一区二区三区视频| 久久99精品国语久久久| 黄色配什么色好看| 伊人久久精品亚洲午夜| 老师上课跳d突然被开到最大视频| 99久久人妻综合| 纯流量卡能插随身wifi吗| 国产v大片淫在线免费观看| 特大巨黑吊av在线直播| 中文字幕制服av| 久久精品国产鲁丝片午夜精品| 极品少妇高潮喷水抽搐| 成人综合一区亚洲| 久久久久久久久久成人| 亚洲精华国产精华液的使用体验| 国产精品不卡视频一区二区| 熟女av电影| 免费av不卡在线播放| videos熟女内射| 久久久久久人妻| 国产深夜福利视频在线观看| 蜜桃久久精品国产亚洲av| 欧美高清性xxxxhd video| 亚洲图色成人| 精品亚洲乱码少妇综合久久| 日韩电影二区| 久久亚洲国产成人精品v| 久久毛片免费看一区二区三区| 久久这里有精品视频免费| 免费人成在线观看视频色| 欧美老熟妇乱子伦牲交| 精品亚洲成a人片在线观看 | 亚洲精品视频女| 亚洲精品,欧美精品| 亚洲天堂av无毛| 日韩制服骚丝袜av| 亚洲伊人久久精品综合| 美女国产视频在线观看| 免费不卡的大黄色大毛片视频在线观看| 亚洲av福利一区| 国产精品爽爽va在线观看网站| 国产高清国产精品国产三级 | 亚洲精华国产精华液的使用体验| 内射极品少妇av片p| 人妻制服诱惑在线中文字幕| 亚洲经典国产精华液单| 高清午夜精品一区二区三区| 在线看a的网站| 国产精品国产三级专区第一集| 中文欧美无线码| 欧美日韩精品成人综合77777| 国产一区二区在线观看日韩| 一级毛片 在线播放| 亚洲内射少妇av| 中国国产av一级| 91精品伊人久久大香线蕉| 亚洲四区av| a级毛色黄片| 内地一区二区视频在线| av在线老鸭窝| 国产又色又爽无遮挡免| 赤兔流量卡办理| 大香蕉久久网| 欧美区成人在线视频| 亚洲第一区二区三区不卡| 交换朋友夫妻互换小说| 成人毛片a级毛片在线播放| 亚洲欧美日韩无卡精品| 菩萨蛮人人尽说江南好唐韦庄| 在线观看三级黄色| 久久综合国产亚洲精品| 国模一区二区三区四区视频| 99久久精品国产国产毛片| 国产淫片久久久久久久久| 乱系列少妇在线播放| 久久久久性生活片| 国产精品久久久久久精品古装| 精品亚洲成国产av| 国产日韩欧美在线精品| 亚洲人成网站在线观看播放| 精品酒店卫生间| 免费观看在线日韩| 日产精品乱码卡一卡2卡三| 少妇人妻久久综合中文| 免费久久久久久久精品成人欧美视频 | 99热这里只有是精品在线观看| 免费看日本二区| 亚洲国产毛片av蜜桃av| 国产精品不卡视频一区二区| 精品酒店卫生间| 午夜福利网站1000一区二区三区| 亚洲欧美精品专区久久| 十分钟在线观看高清视频www | 插逼视频在线观看| 日本与韩国留学比较| 搡女人真爽免费视频火全软件| 国产亚洲欧美精品永久| 天堂8中文在线网| 一级毛片我不卡| 少妇 在线观看| 尤物成人国产欧美一区二区三区| 国产淫语在线视频| 伊人久久精品亚洲午夜| 亚洲电影在线观看av| 日产精品乱码卡一卡2卡三| 亚洲美女视频黄频| 国产国拍精品亚洲av在线观看| 黄色怎么调成土黄色| 嫩草影院入口| 人妻少妇偷人精品九色| 亚洲人与动物交配视频| 亚洲av不卡在线观看| 成人一区二区视频在线观看| 内射极品少妇av片p| 亚洲av日韩在线播放| 亚洲成人中文字幕在线播放| 国产一区亚洲一区在线观看| 精品久久国产蜜桃| 国产成人免费无遮挡视频| 大话2 男鬼变身卡| 看免费成人av毛片| 久久久久久久久久人人人人人人| 国产高潮美女av| 日韩中字成人| av又黄又爽大尺度在线免费看| av国产精品久久久久影院| 日韩亚洲欧美综合| 国产无遮挡羞羞视频在线观看| 高清在线视频一区二区三区| 日韩欧美一区视频在线观看 | 成年女人在线观看亚洲视频| 成人高潮视频无遮挡免费网站| 日本-黄色视频高清免费观看| 久久99蜜桃精品久久| 久久久久久伊人网av| 欧美另类一区| 国模一区二区三区四区视频| 美女视频免费永久观看网站| 国产精品麻豆人妻色哟哟久久| 国产精品国产av在线观看| 成人亚洲欧美一区二区av| 欧美亚洲 丝袜 人妻 在线| 亚洲av成人精品一二三区| 亚洲精品国产色婷婷电影| 日韩欧美精品免费久久| 国产v大片淫在线免费观看| 男人添女人高潮全过程视频| 久久精品国产亚洲av涩爱| 国产免费福利视频在线观看| 精品久久久久久电影网| 一级毛片电影观看| 欧美成人一区二区免费高清观看| 午夜激情福利司机影院| 新久久久久国产一级毛片| 在线播放无遮挡| 亚洲欧美一区二区三区黑人 | 国产中年淑女户外野战色| 一级av片app| 日本欧美视频一区| 亚洲在久久综合| 亚洲激情五月婷婷啪啪| 日韩三级伦理在线观看| 夫妻午夜视频| 99久久综合免费| 国内精品宾馆在线| 嫩草影院入口| a级一级毛片免费在线观看| 日本欧美视频一区| 免费黄色在线免费观看| 男人舔奶头视频| 在线看a的网站| 日韩不卡一区二区三区视频在线| 又粗又硬又长又爽又黄的视频| 久久6这里有精品| 99热6这里只有精品| av线在线观看网站| 久久久精品免费免费高清| 免费大片黄手机在线观看| 男女啪啪激烈高潮av片| 高清日韩中文字幕在线| 免费观看无遮挡的男女| 韩国av在线不卡| 秋霞伦理黄片| 亚洲欧美一区二区三区黑人 | 欧美精品亚洲一区二区| 内地一区二区视频在线| 高清视频免费观看一区二区| 2022亚洲国产成人精品| 菩萨蛮人人尽说江南好唐韦庄| 久久人人爽av亚洲精品天堂 | h日本视频在线播放| 在线观看免费日韩欧美大片 | 少妇精品久久久久久久| 日日摸夜夜添夜夜添av毛片| 你懂的网址亚洲精品在线观看| 观看av在线不卡| 日韩成人av中文字幕在线观看| 久久99热6这里只有精品| 又爽又黄a免费视频| 看免费成人av毛片| 国产精品国产三级专区第一集| 一本—道久久a久久精品蜜桃钙片| 午夜免费鲁丝| 人妻少妇偷人精品九色| 欧美xxxx性猛交bbbb| 干丝袜人妻中文字幕| 妹子高潮喷水视频| 国产色婷婷99| 欧美日韩综合久久久久久| 日韩伦理黄色片| 黄色怎么调成土黄色| 水蜜桃什么品种好| videos熟女内射| 亚洲欧美日韩东京热| 91aial.com中文字幕在线观看| 欧美精品国产亚洲| 亚洲va在线va天堂va国产| 九九爱精品视频在线观看| 18+在线观看网站| h日本视频在线播放| 日本av免费视频播放| 国产综合精华液| 一级黄片播放器| 国产av国产精品国产| 国语对白做爰xxxⅹ性视频网站| 国产在线一区二区三区精| 久久鲁丝午夜福利片| 亚洲精品,欧美精品| 久久久精品94久久精品| 精品一区二区三区视频在线| 熟妇人妻不卡中文字幕| 日韩一区二区视频免费看| 熟女电影av网| 一本—道久久a久久精品蜜桃钙片| videossex国产| 老熟女久久久| 看十八女毛片水多多多| 精品国产乱码久久久久久小说| 黄色怎么调成土黄色| 国产精品蜜桃在线观看| 亚洲,欧美,日韩| 免费人妻精品一区二区三区视频| 丰满乱子伦码专区| 亚洲人与动物交配视频| 国产淫语在线视频| 亚洲av日韩在线播放| 久久久久久伊人网av| 啦啦啦中文免费视频观看日本| 欧美极品一区二区三区四区| 人妻一区二区av| 男的添女的下面高潮视频| 黑人猛操日本美女一级片| 最近2019中文字幕mv第一页| 久久国产精品男人的天堂亚洲 | 久热这里只有精品99| 国产免费一级a男人的天堂| 2018国产大陆天天弄谢| 亚洲综合精品二区| 极品少妇高潮喷水抽搐| 精品国产一区二区三区久久久樱花 | 这个男人来自地球电影免费观看 | 亚洲aⅴ乱码一区二区在线播放| 午夜激情福利司机影院| 日韩成人伦理影院| 免费高清在线观看视频在线观看| 少妇裸体淫交视频免费看高清| 纯流量卡能插随身wifi吗| 三级经典国产精品| 亚洲怡红院男人天堂| 国产精品久久久久成人av| 亚洲三级黄色毛片| 国产女主播在线喷水免费视频网站| 国产精品欧美亚洲77777| 免费黄色在线免费观看| 人妻一区二区av| 少妇被粗大猛烈的视频| videossex国产| 精品久久久噜噜| 国产黄色免费在线视频| 青青草视频在线视频观看| 国产精品久久久久久久久免| 你懂的网址亚洲精品在线观看| 国产成人免费观看mmmm| 亚洲婷婷狠狠爱综合网| av线在线观看网站| 制服丝袜香蕉在线| 国产亚洲最大av| 午夜激情福利司机影院| 99国产精品免费福利视频| 国产精品秋霞免费鲁丝片| 夜夜骑夜夜射夜夜干| 男女无遮挡免费网站观看| 日韩一本色道免费dvd| 超碰av人人做人人爽久久| 亚洲av不卡在线观看| 人人妻人人澡人人爽人人夜夜| 久久久久视频综合| 少妇 在线观看| 九草在线视频观看| 97超视频在线观看视频| 欧美xxxx性猛交bbbb| 国产成人freesex在线| 男女下面进入的视频免费午夜| 嫩草影院入口| 免费少妇av软件| 亚洲av国产av综合av卡| 观看美女的网站| 极品少妇高潮喷水抽搐| 日韩欧美 国产精品| 欧美一区二区亚洲| 亚洲国产毛片av蜜桃av| 久久精品人妻少妇| 最近中文字幕高清免费大全6| av黄色大香蕉| 人妻夜夜爽99麻豆av| 噜噜噜噜噜久久久久久91| 中文字幕亚洲精品专区| 黑丝袜美女国产一区| 久久ye,这里只有精品| 中文字幕亚洲精品专区| 大话2 男鬼变身卡| 最近中文字幕高清免费大全6| 精品亚洲成国产av| 国产黄频视频在线观看| 一区二区三区四区激情视频| 久久精品国产a三级三级三级| 精品国产一区二区三区久久久樱花 | 欧美日韩一区二区视频在线观看视频在线| av在线蜜桃| 日韩中文字幕视频在线看片 | 精品酒店卫生间| 亚洲精品日韩在线中文字幕| 亚洲精品乱久久久久久| 在线免费观看不下载黄p国产| 中文字幕人妻熟人妻熟丝袜美| 大陆偷拍与自拍| 激情 狠狠 欧美| 熟妇人妻不卡中文字幕| 全区人妻精品视频| 十分钟在线观看高清视频www | 国产精品一及| 中文字幕精品免费在线观看视频 | 亚洲在久久综合| 日本色播在线视频| 国产又色又爽无遮挡免| 国产av精品麻豆| 亚洲国产欧美人成| 免费看av在线观看网站| 亚洲欧美日韩东京热| 日日撸夜夜添| 少妇 在线观看| 九九在线视频观看精品| 国产精品三级大全| 香蕉精品网在线| 国产有黄有色有爽视频| 伦理电影免费视频| 欧美 日韩 精品 国产| 成人毛片60女人毛片免费| 视频中文字幕在线观看| 精品人妻一区二区三区麻豆| 亚洲av国产av综合av卡| 精品久久久精品久久久| 一级爰片在线观看| 深夜a级毛片| 99久久精品国产国产毛片| 99国产精品免费福利视频| xxx大片免费视频| 色视频www国产| 夫妻性生交免费视频一级片| 国产高清国产精品国产三级 | 国产高潮美女av| 美女福利国产在线 | 老司机影院毛片| 亚洲国产精品一区三区| 乱码一卡2卡4卡精品| 哪个播放器可以免费观看大片| 国产精品久久久久成人av| 熟女av电影| 亚洲怡红院男人天堂| 三级国产精品片| 欧美区成人在线视频| 嫩草影院新地址| 日韩视频在线欧美| 草草在线视频免费看| 国产精品一二三区在线看| 免费观看在线日韩| 欧美一区二区亚洲| 美女中出高潮动态图| 欧美bdsm另类| 久久精品国产亚洲网站| 亚洲成人av在线免费| 久久影院123| 亚洲av成人精品一区久久| 精华霜和精华液先用哪个| 久久久久国产精品人妻一区二区| 九九在线视频观看精品| 久久影院123| 国产免费又黄又爽又色| 国内揄拍国产精品人妻在线| 韩国av在线不卡| 51国产日韩欧美| 亚洲aⅴ乱码一区二区在线播放| 大又大粗又爽又黄少妇毛片口| 99热国产这里只有精品6| 国产乱来视频区| 午夜福利高清视频| 能在线免费看毛片的网站| 九草在线视频观看| 搡老乐熟女国产| 日韩电影二区| 少妇人妻久久综合中文| 亚洲精品456在线播放app| 欧美精品一区二区大全| 嫩草影院入口| 伊人久久精品亚洲午夜| 欧美少妇被猛烈插入视频| av在线老鸭窝| 亚洲av成人精品一二三区| 国产一级毛片在线| 亚洲精品亚洲一区二区| 美女cb高潮喷水在线观看| 国产精品.久久久| 亚洲av电影在线观看一区二区三区| 男女无遮挡免费网站观看| 美女国产视频在线观看| 18禁动态无遮挡网站| 国内少妇人妻偷人精品xxx网站| 好男人视频免费观看在线| 久久精品国产亚洲av涩爱| 91久久精品国产一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 精品久久久久久久久亚洲| 99热全是精品| 久久久久久九九精品二区国产| 高清欧美精品videossex| 波野结衣二区三区在线| 午夜免费鲁丝| 亚洲av中文字字幕乱码综合| 国产成人91sexporn| 国产爽快片一区二区三区| av在线蜜桃| 插阴视频在线观看视频| 国产黄片美女视频| 亚洲成人手机| 伦理电影大哥的女人| 超碰av人人做人人爽久久| 久久婷婷青草| 国产成人精品婷婷| av在线app专区| 精品国产三级普通话版| 嘟嘟电影网在线观看| 亚洲av中文av极速乱| 在线免费十八禁| 成年美女黄网站色视频大全免费 | 欧美+日韩+精品| 国产精品爽爽va在线观看网站| 国产伦精品一区二区三区四那| 亚洲自偷自拍三级| 国产高清三级在线| 搡女人真爽免费视频火全软件| 国产精品伦人一区二区| 亚洲精品视频女| 熟女人妻精品中文字幕| 男的添女的下面高潮视频| 在线 av 中文字幕| av在线蜜桃| 国产片特级美女逼逼视频| 亚洲国产高清在线一区二区三| 大片免费播放器 马上看| 国产在线免费精品| 久久久久久久精品精品| 国产伦理片在线播放av一区| 噜噜噜噜噜久久久久久91| 久久久精品免费免费高清| 国产精品三级大全| 国产欧美日韩精品一区二区| xxx大片免费视频| 丝袜喷水一区| 丰满人妻一区二区三区视频av| 国产乱人偷精品视频| 国产精品av视频在线免费观看| 国产深夜福利视频在线观看| 国产精品秋霞免费鲁丝片| 丝瓜视频免费看黄片| 菩萨蛮人人尽说江南好唐韦庄| 亚洲成人av在线免费| 一二三四中文在线观看免费高清| 亚洲最大成人中文| 日韩成人av中文字幕在线观看| 午夜免费男女啪啪视频观看| 激情五月婷婷亚洲| 91精品一卡2卡3卡4卡| 成人18禁高潮啪啪吃奶动态图 | 美女主播在线视频| 中文字幕亚洲精品专区| 少妇人妻 视频| 尤物成人国产欧美一区二区三区| 国产精品秋霞免费鲁丝片| 亚洲精品一区蜜桃| 国产精品av视频在线免费观看| 亚洲美女搞黄在线观看| 久久久久精品久久久久真实原创| 特大巨黑吊av在线直播| 黄片无遮挡物在线观看| 免费看日本二区| av国产免费在线观看| 国产爽快片一区二区三区| 精品久久久久久久久亚洲| 国产精品蜜桃在线观看| 免费观看a级毛片全部| 男人狂女人下面高潮的视频| 国产精品无大码| 欧美3d第一页| 观看av在线不卡| 99热这里只有精品一区| 草草在线视频免费看| 国产乱人偷精品视频| 日韩三级伦理在线观看| av在线老鸭窝| 亚洲av福利一区| 午夜免费观看性视频| 麻豆国产97在线/欧美| 精品一品国产午夜福利视频| 丰满乱子伦码专区| 亚洲精品一二三| 视频中文字幕在线观看| 久久精品国产亚洲av涩爱| 欧美zozozo另类| 网址你懂的国产日韩在线| 能在线免费看毛片的网站| 欧美三级亚洲精品| 欧美精品亚洲一区二区| 免费高清在线观看视频在线观看| 久久精品久久久久久久性| 亚洲天堂av无毛| 亚洲图色成人| 国产精品国产三级国产av玫瑰| 亚洲av成人精品一区久久| 大片电影免费在线观看免费| 人妻 亚洲 视频| 成人18禁高潮啪啪吃奶动态图 | 亚洲美女视频黄频| av在线老鸭窝| 国产男女内射视频| 亚洲精品一二三| 久久精品久久精品一区二区三区| 欧美成人午夜免费资源| 亚洲欧美一区二区三区黑人 | 国产精品无大码| 亚洲av不卡在线观看| 久久久成人免费电影| 老女人水多毛片| 亚洲欧洲日产国产|