• <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 ?

    網(wǎng)絡搜索數(shù)據(jù)和GWO-SVR模型的旅游短期客流量預測

    2019-10-28 09:57:52王蘭梅陳崇成葉曉燕潘淼鑫
    福州大學學報(自然科學版) 2019年5期
    關鍵詞:四姑娘山灰狼九寨溝

    王蘭梅, 陳崇成, 葉曉燕, 潘淼鑫, 2

    (1. 福州大學空間數(shù)據(jù)挖掘與信息共享教育部重點實驗室, 地理空間信息技術國家地方聯(lián)合工程研究中心, 福建 福州 350108; 2. 福建師范大學數(shù)學與信息學院, 福建省公共服務大數(shù)據(jù)挖掘與應用工程技術研究中心, 福建 福州 350117)

    0 引言

    隨著旅游業(yè)的快速發(fā)展, 人們生活品質(zhì)的提高, 休閑旅游成為一種時尚. 各著名景區(qū)常發(fā)生的游客扎推和擁擠等安全事件, 給景區(qū)管理和游客旅游均帶來困擾. 為避免該類事件的發(fā)生, 景區(qū)管理者應掌握短期內(nèi)游客流量的預測數(shù)據(jù), 以便制定合理的分流方案. 20世紀, 國際上主要用經(jīng)典時間序列模型和計量經(jīng)濟學模型[1]開展旅游需求研究, 但存在非線性擬合能力差的缺點. 隨著人工智能算法的發(fā)展, 學者們開始將BP神經(jīng)網(wǎng)絡(back propagation neural network, BPNN)[2]和支持向量回歸(support vector regression, SVR)[3]等算法應用于旅游客流量預測領域[4]. SVR在解決小樣本、 非線性時間序列預測中表現(xiàn)出許多特有的優(yōu)勢, 但是其參數(shù)選擇是影響預測精度的重要因素. 人們優(yōu)化SVR參數(shù)的智能化算法主要包括布谷鳥搜索(cuckoo search, CS)和粒子群算法(particle swarm optimization, PSO)[5]等. Chen等[6]提出以SVR和GA結合的GA-SVR模型預測中國入境游客流量, 結果顯示GA-SVR模型明顯優(yōu)于BPNN和ARIMA模型. 灰狼算法(grey wolf optimization, GWO)是由Mirjalili等[7]提出的一種群體智能算法, 其在全局尋優(yōu)方面明顯優(yōu)于GA、 CS和PSO等智能化優(yōu)化算法[8-9]. 互聯(lián)網(wǎng)時代背景下, 學者也嘗試將網(wǎng)絡搜索數(shù)據(jù)應用在旅游客流量預測中, 取得不錯的效果[10-12]. Sun等[13]將旅游歷史客流量數(shù)據(jù)與百度指數(shù)、 谷歌指數(shù)相結合用到客流量預測中, 發(fā)現(xiàn)預測效果有顯著提高. 本研究將網(wǎng)絡搜索數(shù)據(jù)加入旅游客流量預測中, 利用GWO算法優(yōu)化SVR的參數(shù), 并用參數(shù)優(yōu)化后的SVR模型實現(xiàn)旅游客流量的預測.

    1 方法研究

    1.1 支持向量回歸基本原理

    SVR主要是通過一個非線性映射函數(shù), 把訓練樣本變換到高維特征空間(可能是無限維), 使得在高維空間中樣本的分布更有規(guī)律性, 以便構造線性決策函數(shù)[14]. 對于給定的數(shù)據(jù)集合T=(xi,yi),i=1, 2, …,n,xi∈Rn,yi∈R, 這里xi為輸入值, 即客流量的影響因素,yi為xi相對應的輸出值, 即客流量的預測值,n為訓練樣本的數(shù)目, 目標是找出樣本在高維特征空間的回歸函數(shù)[15].

    f(x)=w×φ(x)+b

    (1)

    其中:f(x)為待擬合預測函數(shù);φ(x)為非線性映射函數(shù);w和b分別為權重和偏置, 通過懲罰風險函數(shù)R(C)獲得.

    (2)

    引入非負松弛變量δ和δ*, 則式(2)等價于:

    (3)

    (4)

    利用KKT(Karush-Kuhn-Tucker)條件, 最終得到SVR函數(shù).

    (5)

    其中:xi為訓練集輸入值,x為測試集輸入值.

    1.2 灰狼算法基本原理

    GWO算法主要包含灰狼群體社會等級的劃分、 包圍、 獵捕和攻擊等方面內(nèi)容[7].

    1) 灰狼社會等級的劃分. GWO算法中, 將灰狼按照適應度值分為四個等級.

    2) 包圍. 進行狩獵時, 灰狼需要對獵物進行包圍, 狼群個體間的位置不斷發(fā)生更新. 包圍行為的公式為

    D=|C×Xp(t)-X(t)|,X(t+1)=Xp(t)-A×D

    (6)

    其中:D為灰狼個體與獵物之間的距離;Xp為食物的位置(即全局最優(yōu)解位置);X為灰狼的位置(即潛在解位置);t為當前迭代次數(shù),A和C為系數(shù)向量.

    3) 獵捕. 灰狼包圍獵物后, 開始獵捕, 一般由α、β和δ引導,ω則根據(jù)α、β和δ的位置更新各自的位置.

    Dα=|C1×Xα-X|,Dβ=|C2×Xβ-X|,Dδ=|C3×Xδ-X|

    (7)

    (8)

    其中:Dα、Dβ、Dδ分別表示為灰狼α、β和δ與灰狼ω之間的距離;X(t+1)為更新后灰狼的位置.

    4) 攻擊. 在攻擊階段, 灰狼完成抓獲獵物的使命, GWO算法取得最優(yōu)解.

    1.3 基于灰狼算法的支持向量回歸參數(shù)優(yōu)化

    利用經(jīng)過GWO算法參數(shù)優(yōu)化后的SVR模型對景區(qū)客流量進行建模預測, 具體步驟如下:

    1) 對景區(qū)客流量等相關數(shù)據(jù)進行預處理, 確定輸入和輸出變量.

    2) 設置SVR參數(shù)(c,g)的取值范圍, 并設置相關參數(shù).

    3) 在規(guī)定范圍內(nèi)初始化各灰狼個體的位置Xi為(1, 2, …,N), 并對參數(shù)a,A和C進行初始化.

    4) 計算種群中各灰狼個體的適應度值, 并排序選取最優(yōu)的3只灰狼個體, 依次取名為α、β、δ.

    5) 計算其他灰狼ω與3只最優(yōu)灰狼的距離, 更新各灰狼ω的位置, 同時更新參數(shù)a,A和C的值.

    6) 判斷是否達到最大迭代次數(shù), 輸出適應度最佳的灰狼Xα, 利用最優(yōu)的參數(shù)(c,g)建立SVR預測模型.

    2 實證分析

    2.1 數(shù)據(jù)來源

    以四川省九寨溝和四姑娘山兩個景區(qū)為例, 實驗數(shù)據(jù)如表1所示. 選擇百度指數(shù)作為網(wǎng)絡搜索數(shù)據(jù)的代表. 因GWO-SVR模型建立的過程是一樣的, 九寨溝景區(qū)詳細介紹, 四姑娘山景區(qū)在2.5節(jié)中簡要說明.

    表1 九寨溝和四姑娘山實驗數(shù)據(jù)說明

    2.2 搜索關鍵詞的選擇

    選擇和收集代表游客興趣和搜索行為的候選關鍵詞, 主要有以下五個步驟組成:

    1) 確定初始搜索關鍵詞. 選取“九寨溝”“九寨溝旅游”“九寨溝攻略”“九寨溝天氣”為初始搜索關鍵詞.

    2) 擴展搜索關鍵詞. 利用初始搜索關鍵詞, 借助百度指數(shù)網(wǎng)站的需求圖譜功能、 相關詞工具官網(wǎng)(http://www.78901.net/keywords/)的查詢相關詞功能和愛站網(wǎng)(https://ci.aizhan.com/)的關鍵詞挖掘模塊等工具, 進一步擴展與特定景區(qū)旅游相關的搜索關鍵詞. 經(jīng)過簡單篩選, 共選擇48個關鍵詞, 如表2所示.

    表2 九寨溝旅游搜索關鍵詞

    續(xù)表2

    3) 獲取搜索關鍵詞的整體趨勢. 用Java爬蟲程序批量獲取48個搜索關鍵詞的每日的整體趨勢數(shù)據(jù).

    4) 計算關鍵詞整體趨勢與客流量的相關性. 用皮爾森相關系數(shù)R作篩選搜索關鍵詞, 計算每個搜索關鍵詞與客流量1~14 d提前期的R值. 同一搜索關鍵詞中, 選擇R值最大的提前期作為該關鍵詞的最佳提前期.

    為驗證相關系數(shù)法篩選關鍵詞提前期的有效性, 以四姑娘山客流量為例, 設計小實驗如下.

    輸入變量為昨日客流量和關鍵詞“四姑娘山天氣”的搜索數(shù)據(jù), 輸出變量為旅游客流量數(shù)據(jù). 訓練數(shù)據(jù)集為2016年10月30日到2018年7月15日的前624 d數(shù)據(jù), 測試數(shù)據(jù)集為2018年7月16日到2018年8月4日共20 d的數(shù)據(jù). 對關鍵詞“四姑娘山天氣”的提前期1~14 d分別建立GWO-SVR客流量預測模型, 用平均絕對百分誤差(mean absolute percentage error, MAPE)作為預測精度指標. 計算關鍵詞“四姑娘山天氣”1~14 d提前期與客流量之間的R值以及每個模型的平均絕對百分誤差. 相關系數(shù)與預測精度的對比如表3所示.

    表3 R值與預測精度的對比

    表4 R > 0.8的九寨溝搜索關鍵詞

    從表3中可見,R值最大時的提前期為2 d, 與預測精度最高的提前期相同, 且預測精度遠高于其他提前期精度.R值第二大時的提前期為3 d, 此時的預測精度為第二高.R值第三大時的提前期為1 d, 此時的預測精度為第三高. 因此, 用相關系數(shù)法篩選關鍵詞提前期是有效的.

    5) 確定最終關鍵詞. 設置關鍵詞的R閾值, 確定最終關鍵詞.R閾值設為0.8, 搜索關鍵詞如表4所示.

    2.3 GWO-SVR模型的建立

    以2014年5月25日至2017年7月8日共1 141 d的數(shù)據(jù)為訓練集, 以2017年7月9日至2017年7月28日共20 d的數(shù)據(jù)為測試數(shù)據(jù)集. 輸入變量為昨日客流量、 前日客流量、 去年同日客流量、 前年同日客流量、 昨日官網(wǎng)點擊數(shù)、 時間特征信息(主要是星期特征)、 最佳提前期搜索關鍵詞的整體趨勢; 輸出變量為旅游客流量數(shù)據(jù). 設置灰狼優(yōu)化算法的最大迭代次數(shù)100, 種群規(guī)模50. 參數(shù)c取值范圍為[0.01, 100], 參數(shù)g取值范圍為[0.01, 100]. 將灰狼優(yōu)化算法得到的最優(yōu)參數(shù)(c,g)帶入到SVR中, 建立SVR模型對客流量進行預測.

    2.4 結果分析

    在建立GWO-SVR模型后, 構建ARIMA、 BPNN、 SVR、 PSO-SVR、 CS-SVR和無網(wǎng)絡搜索數(shù)據(jù)(沒有網(wǎng)絡搜索數(shù)據(jù)的GWO-SVR模型)等6個對比模型. 九寨溝客流量原值與7個預測模型的預測值的對比結果如圖1所示. 選擇平均絕對誤差(mean absolute error, MAE)、 均方誤差(mean squared error, MSE)和平均絕對百分誤差3個指標來衡量模型的預測性能. 6個預測模型在九寨溝旅游客流量預測中的性能比較結果如表5所示.

    圖1 九寨溝客流量的原值與預測值Fig.1 Original and predicted tourist flow in Jiuzhaigou Valley

    表5 九寨溝的預測性能比較

    表5中可見, 與ARIMA模型相比, BPNN模型的MAE、 MSE和MAPE分別下降了9.80%、 8.48%和5.23%, SVR模型的MAE、 MSE和MAPE分別下降了16.39%、 22.52%和15.29%, 說明SVR對客流量預測問題更有效. 與SVR模型相比, PSO-SVR模型的MAE、 MSE和MAPE分別下降了4.71%、 8.37%和4.28%; CS-SVR模型的MAE、 MSE和MAPE分別下降了5.84%、 6.31%和4.51%; GWO-SVR模型的MAE、 MSE和MAPE分別下降了11.6%、 15.46%和9.74%. 表明參數(shù)優(yōu)化提高SVR模型的預測精度, 且突出GWO算法的優(yōu)越性. 總之, GWO-SVR模型表現(xiàn)最好, 證明將GWO和SVR結合起來的模型用于九寨溝客流量預測中是適當和有效的.

    2.5 GWO-SVR模型的穩(wěn)定性驗證

    為驗證GWO-SVR模型的穩(wěn)定性, 將該模型應用于四姑娘山景區(qū)中. 四姑娘山的搜索關鍵詞有成都到四姑娘山、 四姑娘山、 四姑娘山攻略等.R閾值設為0.65, 最終搜索關鍵詞如表6所示. 用昨日客流量、 時間特征信息、 最佳提前期搜索關鍵詞的整體趨勢作為輸入變量, 用旅游客流量數(shù)據(jù)作為輸出變量, 以2016年10月30日到2018年7月15日的624 d數(shù)據(jù)為訓練集, 以2018年7月16日到2018年8月4日共20 d的數(shù)據(jù)為測試集, 建立GWO-SVR預測模型. 同樣, 對比模型選擇ARIMA、 BPNN、 SVR、 PSO-SVR、 CS-SVR和無網(wǎng)絡搜索數(shù)據(jù)6個模型. 四姑娘山客流量原值與7個模型的預測值的對比結果如圖2所示, 預測性能比較結果如表7所示.

    表6 R > 0.65的四姑娘山搜索關鍵詞

    圖2 四姑娘山客流量的原值與預測值Fig.2 Original and predicted tourist flow in Four Girls Mountain

    結合表5和表7的結果, 發(fā)現(xiàn)ARIMA模型均表現(xiàn)最差, BPNN模型均表現(xiàn)第二差, 這說明在短期客流量預測中SVR模型優(yōu)于ARIMA和BPNN模型. 表5和表7的結論是SVR模型優(yōu)于ARIMA和BPNN模型, PSO-SVR、 CS-SVR和GWO-SVR模型優(yōu)于SVR模型, GWO-SVR模型優(yōu)于PSO-SVR和CS-SVR模型, GWO-SVR模型優(yōu)于無網(wǎng)絡搜索數(shù)據(jù)模型. 兩個景區(qū)客流量預測結論是一致的, 表明GWO-SVR預測模型具有穩(wěn)定性.

    表7 四姑娘山的預測性能比較

    3 結語

    利用網(wǎng)絡搜索數(shù)據(jù)建立GWO-SVR模型對九寨溝和四姑娘山兩個景區(qū)的客流量分別進行研究. 實驗結果表明: 首先, GWO-SVR預測模型在九寨溝和四姑娘山兩個不同規(guī)模的景區(qū)中表現(xiàn)出泛化能力強、 預測精度高等優(yōu)點. 其次, 網(wǎng)絡搜索數(shù)據(jù)提高旅游客流量預測精度, 為旅游客流量預測研究提供新的數(shù)據(jù)來源. 最后, 在與ARIMA、 BPNN、 SVR、 PSO-SVR、 CS-SVR和無網(wǎng)絡搜索數(shù)據(jù)6個模型的對比實驗中, 發(fā)現(xiàn)本研究提出的GWO-SVR預測模型在各評價指標上都表現(xiàn)最優(yōu). 因此, GWO-SVR模型能較好地預測旅游短期客流量.

    猜你喜歡
    四姑娘山灰狼九寨溝
    在高處遇見四姑娘山
    草地(2020年3期)2020-07-04 02:07:42
    四姑娘山發(fā)現(xiàn)國家一級瀕危珍稀保護植物獨葉草
    己亥秋日九寨溝采風得句
    岷峨詩稿(2019年4期)2019-11-14 21:25:32
    谷谷雞和小灰狼
    小太陽畫報(2019年1期)2019-06-11 10:29:48
    赴九寨溝道上(外四首)
    岷峨詩稿(2019年4期)2019-04-20 09:02:06
    題九寨溝(外五首)
    岷峨詩稿(2019年4期)2019-04-20 09:01:58
    震后九寨溝縱覽(外四首)
    岷峨詩稿(2019年4期)2019-04-20 09:01:58
    灰狼的大大噴嚏
    灰狼和老虎
    快樂語文(2016年15期)2016-11-07 09:46:31
    灰狼的幸福
    讀寫算(中)(2015年6期)2015-02-27 08:47:14
    精品不卡国产一区二区三区| av卡一久久| 六月丁香七月| 国产精品一二三区在线看| 国产高清三级在线| 看十八女毛片水多多多| av免费观看日本| 日韩强制内射视频| 精品欧美国产一区二区三| 日本三级黄在线观看| 美女被艹到高潮喷水动态| 在线天堂最新版资源| 亚洲真实伦在线观看| 国产男人的电影天堂91| 久久国内精品自在自线图片| 亚洲在线观看片| 99视频精品全部免费 在线| 少妇人妻一区二区三区视频| 69人妻影院| 久久99热6这里只有精品| 国产欧美日韩精品一区二区| 91午夜精品亚洲一区二区三区| 国产精品一区二区三区四区久久| 欧美成人一区二区免费高清观看| 精品人妻一区二区三区麻豆| 欧美三级亚洲精品| 精品一区二区免费观看| 一级毛片我不卡| 精品久久久久久成人av| 国内精品一区二区在线观看| 街头女战士在线观看网站| 亚洲欧洲日产国产| 久久人人爽人人片av| 天堂av国产一区二区熟女人妻| 寂寞人妻少妇视频99o| 99热网站在线观看| 春色校园在线视频观看| 亚洲三级黄色毛片| 欧美xxⅹ黑人| 国产成年人精品一区二区| 插阴视频在线观看视频| 九九爱精品视频在线观看| 岛国毛片在线播放| 亚洲欧洲国产日韩| 97热精品久久久久久| 亚洲人成网站在线播| 亚洲欧美日韩东京热| 黄片无遮挡物在线观看| 日本av手机在线免费观看| 亚洲一区高清亚洲精品| 久久鲁丝午夜福利片| 中文欧美无线码| 欧美另类一区| 韩国av在线不卡| 可以在线观看毛片的网站| 人妻夜夜爽99麻豆av| 亚洲精品亚洲一区二区| 国产成年人精品一区二区| 一级二级三级毛片免费看| 成人无遮挡网站| 蜜桃久久精品国产亚洲av| 国产午夜精品论理片| 日韩精品青青久久久久久| 欧美另类一区| 超碰97精品在线观看| 亚洲无线观看免费| 日本午夜av视频| 久久久精品欧美日韩精品| 午夜老司机福利剧场| 免费看日本二区| 免费看不卡的av| 亚洲精品日韩在线中文字幕| 最近中文字幕高清免费大全6| 成人二区视频| 欧美激情久久久久久爽电影| 日本午夜av视频| 一二三四中文在线观看免费高清| 国产亚洲av片在线观看秒播厂 | 汤姆久久久久久久影院中文字幕 | 欧美一级a爱片免费观看看| 肉色欧美久久久久久久蜜桃 | 亚洲最大成人手机在线| 国产欧美日韩精品一区二区| 91av网一区二区| 国产黄片视频在线免费观看| 亚洲久久久久久中文字幕| 国产白丝娇喘喷水9色精品| 亚洲av成人精品一二三区| 97热精品久久久久久| 真实男女啪啪啪动态图| 日韩精品青青久久久久久| 一级二级三级毛片免费看| 嘟嘟电影网在线观看| 看免费成人av毛片| 久久久久久久久久黄片| 最近的中文字幕免费完整| 18+在线观看网站| 日产精品乱码卡一卡2卡三| 欧美性猛交╳xxx乱大交人| 干丝袜人妻中文字幕| 少妇熟女aⅴ在线视频| 国产真实伦视频高清在线观看| 一个人免费在线观看电影| 欧美 日韩 精品 国产| 看十八女毛片水多多多| 一级a做视频免费观看| 最近2019中文字幕mv第一页| 欧美日本视频| 九九久久精品国产亚洲av麻豆| 18禁裸乳无遮挡免费网站照片| 久久久a久久爽久久v久久| 国产成人精品久久久久久| 一边亲一边摸免费视频| 成人二区视频| 国产午夜福利久久久久久| 久久久久久久久久久免费av| 黄片无遮挡物在线观看| 色播亚洲综合网| 亚洲国产精品国产精品| 亚洲精品视频女| 麻豆国产97在线/欧美| 97精品久久久久久久久久精品| 久久久欧美国产精品| 国产三级在线视频| 性色avwww在线观看| 国产免费又黄又爽又色| 日本与韩国留学比较| 久久97久久精品| 丝瓜视频免费看黄片| 亚洲第一区二区三区不卡| 国产成人精品婷婷| 女人被狂操c到高潮| 国产成人精品福利久久| 国产国拍精品亚洲av在线观看| 麻豆成人午夜福利视频| 国产伦在线观看视频一区| eeuss影院久久| 97热精品久久久久久| 联通29元200g的流量卡| 亚洲国产精品sss在线观看| av卡一久久| 午夜久久久久精精品| 国产黄片美女视频| 两个人的视频大全免费| 18禁动态无遮挡网站| 老师上课跳d突然被开到最大视频| 欧美人与善性xxx| 亚洲欧美一区二区三区黑人 | 美女大奶头视频| 七月丁香在线播放| 九九久久精品国产亚洲av麻豆| 日韩欧美三级三区| 2018国产大陆天天弄谢| 久久97久久精品| 非洲黑人性xxxx精品又粗又长| 亚洲av电影不卡..在线观看| 91精品国产九色| 成年女人在线观看亚洲视频 | 大话2 男鬼变身卡| 街头女战士在线观看网站| 免费观看无遮挡的男女| 高清欧美精品videossex| 亚洲人成网站在线播| 亚洲在久久综合| 国产有黄有色有爽视频| 成年女人看的毛片在线观看| 色吧在线观看| 好男人在线观看高清免费视频| 午夜视频国产福利| av播播在线观看一区| 色播亚洲综合网| 在线观看人妻少妇| 国产爱豆传媒在线观看| 舔av片在线| 成人亚洲精品av一区二区| 在线a可以看的网站| 亚洲av免费在线观看| 成人av在线播放网站| 久久亚洲国产成人精品v| 少妇被粗大猛烈的视频| 国模一区二区三区四区视频| 一级爰片在线观看| 久久久久久九九精品二区国产| 欧美一区二区亚洲| 午夜福利成人在线免费观看| 99视频精品全部免费 在线| 国产黄a三级三级三级人| 最近的中文字幕免费完整| 国产又色又爽无遮挡免| 老司机影院毛片| 国产国拍精品亚洲av在线观看| 亚洲国产精品成人久久小说| 日韩在线高清观看一区二区三区| 亚洲精品日韩av片在线观看| 久久韩国三级中文字幕| 日本一本二区三区精品| 亚洲精品日韩在线中文字幕| 国国产精品蜜臀av免费| 国产在视频线精品| 大又大粗又爽又黄少妇毛片口| 午夜福利在线在线| 91在线精品国自产拍蜜月| 亚洲久久久久久中文字幕| 日韩在线高清观看一区二区三区| av播播在线观看一区| 美女内射精品一级片tv| 日韩欧美国产在线观看| 国产高潮美女av| 国产成人福利小说| 婷婷色综合www| 嘟嘟电影网在线观看| 亚洲国产日韩欧美精品在线观看| 午夜福利网站1000一区二区三区| 国产精品人妻久久久影院| 亚洲国产精品成人久久小说| a级一级毛片免费在线观看| 国内少妇人妻偷人精品xxx网站| 日韩av在线免费看完整版不卡| 午夜爱爱视频在线播放| 麻豆乱淫一区二区| 欧美一级a爱片免费观看看| 欧美三级亚洲精品| 久久久国产一区二区| 亚洲欧美中文字幕日韩二区| 免费人成在线观看视频色| kizo精华| 午夜日本视频在线| 淫秽高清视频在线观看| 成人鲁丝片一二三区免费| kizo精华| 亚洲国产精品sss在线观看| 91在线精品国自产拍蜜月| 丝瓜视频免费看黄片| 亚洲av二区三区四区| 亚洲综合色惰| 久久国内精品自在自线图片| 国产伦精品一区二区三区四那| 婷婷色麻豆天堂久久| 听说在线观看完整版免费高清| 亚洲精品成人av观看孕妇| 欧美日本视频| 欧美bdsm另类| 99九九线精品视频在线观看视频| 久久久久久久国产电影| 欧美三级亚洲精品| 成人特级av手机在线观看| 国产亚洲一区二区精品| 岛国毛片在线播放| 美女黄网站色视频| 国产老妇伦熟女老妇高清| 国产在线男女| 日本午夜av视频| 亚洲va在线va天堂va国产| 亚洲国产精品国产精品| 三级国产精品欧美在线观看| 成人特级av手机在线观看| 欧美 日韩 精品 国产| 国产老妇女一区| 2018国产大陆天天弄谢| 三级毛片av免费| 欧美+日韩+精品| 亚洲国产精品专区欧美| 在现免费观看毛片| 久久亚洲国产成人精品v| 成人国产麻豆网| 大香蕉97超碰在线| 免费人成在线观看视频色| 在线天堂最新版资源| 国产成人福利小说| 久久精品夜色国产| 久久亚洲国产成人精品v| 少妇丰满av| 一二三四中文在线观看免费高清| 久久久久久久久久久丰满| 精品国产露脸久久av麻豆 | 少妇被粗大猛烈的视频| 丰满少妇做爰视频| 黄色欧美视频在线观看| 国内少妇人妻偷人精品xxx网站| 久久精品综合一区二区三区| 国产美女午夜福利| 国产伦理片在线播放av一区| 精华霜和精华液先用哪个| 国产精品久久久久久av不卡| 国产精品蜜桃在线观看| 白带黄色成豆腐渣| 黑人高潮一二区| 国产精品一区www在线观看| 亚洲国产日韩欧美精品在线观看| 哪个播放器可以免费观看大片| 欧美激情在线99| 蜜桃久久精品国产亚洲av| 熟女电影av网| 久久久久久久午夜电影| 成人鲁丝片一二三区免费| 在线a可以看的网站| 亚洲av福利一区| 精品人妻熟女av久视频| av专区在线播放| 日本与韩国留学比较| 精品一区在线观看国产| 三级国产精品片| 黄色配什么色好看| 国产伦精品一区二区三区视频9| 91精品伊人久久大香线蕉| 十八禁国产超污无遮挡网站| 两个人的视频大全免费| 久久久精品欧美日韩精品| 亚洲国产成人一精品久久久| 久久久久久久久久人人人人人人| 久久久久久久久久黄片| 天天躁日日操中文字幕| av黄色大香蕉| 国产永久视频网站| 啦啦啦中文免费视频观看日本| 精品久久久久久久久久久久久| 亚洲精品乱码久久久久久按摩| 成人午夜高清在线视频| 天堂网av新在线| 国产精品福利在线免费观看| 能在线免费看毛片的网站| 国产又色又爽无遮挡免| 亚洲国产av新网站| 午夜激情福利司机影院| 白带黄色成豆腐渣| 国产一区二区亚洲精品在线观看| 国产视频内射| 久久久久久久久久久免费av| 日韩欧美三级三区| 精品人妻熟女av久视频| 久久久久国产网址| 日本wwww免费看| 亚洲精品影视一区二区三区av| 天堂网av新在线| 久久99蜜桃精品久久| 69人妻影院| 亚洲久久久久久中文字幕| av网站免费在线观看视频 | 午夜激情福利司机影院| 一个人看的www免费观看视频| 麻豆国产97在线/欧美| 欧美极品一区二区三区四区| 午夜福利在线观看免费完整高清在| 美女xxoo啪啪120秒动态图| 午夜久久久久精精品| 婷婷色麻豆天堂久久| 大片免费播放器 马上看| 小蜜桃在线观看免费完整版高清| 3wmmmm亚洲av在线观看| 亚洲精品日本国产第一区| 不卡视频在线观看欧美| 久久久国产一区二区| 午夜福利成人在线免费观看| 精品人妻偷拍中文字幕| 一二三四中文在线观看免费高清| av专区在线播放| 国产男人的电影天堂91| 国产欧美日韩精品一区二区| 国产国拍精品亚洲av在线观看| 日韩视频在线欧美| 国国产精品蜜臀av免费| 久久亚洲国产成人精品v| 我要看日韩黄色一级片| 欧美+日韩+精品| 观看美女的网站| 精品少妇黑人巨大在线播放| 亚洲av男天堂| 久久久久久久亚洲中文字幕| 五月玫瑰六月丁香| 成年女人在线观看亚洲视频 | 春色校园在线视频观看| av在线蜜桃| 男人和女人高潮做爰伦理| 日本-黄色视频高清免费观看| 国产亚洲av嫩草精品影院| 午夜福利在线观看免费完整高清在| 99久国产av精品国产电影| 寂寞人妻少妇视频99o| 在线 av 中文字幕| 亚洲国产高清在线一区二区三| 久久久久九九精品影院| 精品熟女少妇av免费看| 国产人妻一区二区三区在| 日韩欧美 国产精品| 好男人在线观看高清免费视频| 纵有疾风起免费观看全集完整版 | 国产高清不卡午夜福利| 亚洲最大成人手机在线| 国产乱人视频| 干丝袜人妻中文字幕| 2022亚洲国产成人精品| 91精品国产九色| 少妇丰满av| 别揉我奶头 嗯啊视频| 亚洲综合色惰| 精品国内亚洲2022精品成人| or卡值多少钱| 精品少妇黑人巨大在线播放| 亚洲精品影视一区二区三区av| 大陆偷拍与自拍| 午夜老司机福利剧场| 日本-黄色视频高清免费观看| 在线 av 中文字幕| freevideosex欧美| 极品教师在线视频| 久久99热这里只有精品18| 国产在视频线在精品| 日韩大片免费观看网站| 大又大粗又爽又黄少妇毛片口| 国国产精品蜜臀av免费| 国产精品99久久久久久久久| 天天躁日日操中文字幕| 永久网站在线| 国产中年淑女户外野战色| 国产午夜精品久久久久久一区二区三区| 国产69精品久久久久777片| 97人妻精品一区二区三区麻豆| 欧美 日韩 精品 国产| 搡女人真爽免费视频火全软件| 亚洲天堂国产精品一区在线| 床上黄色一级片| 免费av观看视频| 一级毛片久久久久久久久女| 一个人看的www免费观看视频| 插阴视频在线观看视频| 午夜福利高清视频| 久久99热6这里只有精品| 五月伊人婷婷丁香| 亚洲精品一区蜜桃| 又粗又硬又长又爽又黄的视频| 赤兔流量卡办理| 偷拍熟女少妇极品色| 国产一区二区三区综合在线观看 | 91在线精品国自产拍蜜月| 三级经典国产精品| 国产精品嫩草影院av在线观看| 日韩av不卡免费在线播放| 啦啦啦啦在线视频资源| 国产精品av视频在线免费观看| 国产色爽女视频免费观看| 一级a做视频免费观看| 欧美日本视频| 亚洲欧美日韩卡通动漫| 一级毛片黄色毛片免费观看视频| 水蜜桃什么品种好| 亚洲自拍偷在线| 亚洲美女搞黄在线观看| 久久人人爽人人爽人人片va| 人妻一区二区av| 在线观看免费高清a一片| av.在线天堂| 欧美xxxx性猛交bbbb| 亚洲成人精品中文字幕电影| 国产久久久一区二区三区| 色吧在线观看| 国产又色又爽无遮挡免| 男女啪啪激烈高潮av片| 久久久久精品性色| 日本与韩国留学比较| 99热这里只有精品一区| 亚洲av成人av| 日日摸夜夜添夜夜添av毛片| 丝袜美腿在线中文| 三级国产精品欧美在线观看| 麻豆av噜噜一区二区三区| 看非洲黑人一级黄片| 男女那种视频在线观看| 搡老乐熟女国产| 欧美激情久久久久久爽电影| 亚洲av免费高清在线观看| 亚洲av中文av极速乱| 欧美日韩亚洲高清精品| 五月玫瑰六月丁香| 91狼人影院| 大片免费播放器 马上看| 成人毛片60女人毛片免费| 国产精品国产三级国产专区5o| 日韩精品有码人妻一区| 啦啦啦韩国在线观看视频| 免费看美女性在线毛片视频| 国产精品一区二区在线观看99 | 精品不卡国产一区二区三区| 51国产日韩欧美| 黄片wwwwww| 国产一区有黄有色的免费视频 | 亚洲人成网站高清观看| 99九九线精品视频在线观看视频| 三级男女做爰猛烈吃奶摸视频| 午夜爱爱视频在线播放| 久久精品国产自在天天线| 99热这里只有是精品50| 国产综合精华液| 免费av不卡在线播放| 人妻少妇偷人精品九色| 少妇被粗大猛烈的视频| 青春草视频在线免费观看| 视频中文字幕在线观看| 精品熟女少妇av免费看| 久久精品久久久久久久性| 国产成人91sexporn| 成人午夜精彩视频在线观看| 一区二区三区四区激情视频| 国产精品一区二区性色av| 成人鲁丝片一二三区免费| 国产精品一及| 欧美高清成人免费视频www| 91久久精品国产一区二区成人| 麻豆久久精品国产亚洲av| 成人二区视频| av又黄又爽大尺度在线免费看| 日日摸夜夜添夜夜添av毛片| 18禁裸乳无遮挡免费网站照片| 神马国产精品三级电影在线观看| 国产久久久一区二区三区| 有码 亚洲区| 日韩,欧美,国产一区二区三区| 国内精品宾馆在线| 亚洲熟女精品中文字幕| 观看免费一级毛片| 一级毛片久久久久久久久女| 亚洲国产高清在线一区二区三| 99热这里只有是精品在线观看| 日本wwww免费看| 欧美变态另类bdsm刘玥| 一区二区三区免费毛片| 国产精品国产三级专区第一集| 尤物成人国产欧美一区二区三区| 久久久精品欧美日韩精品| 成人亚洲欧美一区二区av| 日韩 亚洲 欧美在线| 国内揄拍国产精品人妻在线| 国产欧美日韩精品一区二区| 91精品伊人久久大香线蕉| 久久热精品热| 国产在线一区二区三区精| 亚洲精品国产成人久久av| 成年版毛片免费区| 97精品久久久久久久久久精品| 亚洲怡红院男人天堂| 久久久欧美国产精品| 能在线免费看毛片的网站| 只有这里有精品99| 久久久a久久爽久久v久久| 亚洲av一区综合| 国产有黄有色有爽视频| 婷婷色av中文字幕| 久久人人爽人人爽人人片va| 国产成人精品福利久久| 欧美xxxx性猛交bbbb| 精品一区二区免费观看| 日韩成人伦理影院| 午夜福利视频1000在线观看| 亚洲欧美日韩无卡精品| 青春草视频在线免费观看| 亚洲国产精品成人综合色| 日韩av在线免费看完整版不卡| 亚洲国产精品国产精品| 久久综合国产亚洲精品| 国产精品一区二区性色av| 成人亚洲精品av一区二区| 国产一区二区亚洲精品在线观看| 国产男女超爽视频在线观看| 国产精品一二三区在线看| 亚洲精品色激情综合| 亚洲欧美日韩东京热| 成人性生交大片免费视频hd| 国产伦精品一区二区三区视频9| kizo精华| 亚洲最大成人手机在线| 日韩伦理黄色片| 看黄色毛片网站| 久久久久九九精品影院| 美女大奶头视频| 国产欧美日韩精品一区二区| 欧美xxxx黑人xx丫x性爽| 日日啪夜夜撸| 一级爰片在线观看| 亚洲精品色激情综合| 国产成人freesex在线| 亚洲国产色片| 久久精品夜夜夜夜夜久久蜜豆| 国产在线男女| 插阴视频在线观看视频| 哪个播放器可以免费观看大片| 日韩一区二区视频免费看| 18禁在线无遮挡免费观看视频| 久久99蜜桃精品久久| 青春草视频在线免费观看| 美女内射精品一级片tv| 国产午夜精品久久久久久一区二区三区| 日韩视频在线欧美| 大片免费播放器 马上看| 亚洲欧美精品专区久久| 天堂网av新在线| 毛片一级片免费看久久久久| 2021天堂中文幕一二区在线观| 成人综合一区亚洲| 男女视频在线观看网站免费| 亚洲精品,欧美精品| 国产淫语在线视频| 欧美成人一区二区免费高清观看| 国产午夜精品久久久久久一区二区三区| 精品国内亚洲2022精品成人| 欧美xxxx黑人xx丫x性爽| 亚洲欧美日韩无卡精品| 99久久精品一区二区三区| 亚洲va在线va天堂va国产| eeuss影院久久| 亚洲欧美成人精品一区二区| 毛片女人毛片| 久久这里只有精品中国| av专区在线播放| 亚洲欧美清纯卡通| 日韩中字成人| 中国美白少妇内射xxxbb|