• <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(xué)習(xí)的煤礦突水預(yù)測方法①

    2019-12-20 02:32:18謝天保
    計算機系統(tǒng)應(yīng)用 2019年12期
    關(guān)鍵詞:突水準確率向量

    童 柔,謝天保

    (西安理工大學(xué) 經(jīng)濟與管理學(xué)院,西安 710054)

    1 引言

    隨著我國能源行業(yè)的不斷發(fā)展,煤礦突水問題越來越成為大眾值得關(guān)注的問題,這不僅關(guān)系煤礦工人生命安全,也關(guān)系著國家人力財力損失.據(jù)統(tǒng)計,在2006-2016年期間,我國煤礦突水事故共發(fā)生440起,死亡682人[1],因此為了減少突水事故的發(fā)生以及人員的傷亡,對煤礦是否會突水進行提前的預(yù)測顯得越發(fā)重要.

    目前煤礦突水預(yù)測方法包括很多種,大多以神經(jīng)網(wǎng)絡(luò)為主[2-6],這種方法針對突水量定量預(yù)測誤差較大,針對是否突水定性預(yù)測時,開關(guān)量閾值需要靠專家經(jīng)驗確定.而在構(gòu)建模型前進行關(guān)鍵因素的選擇也是很重要的一個步驟,文獻[7]使用層析分析法的一致性檢驗與專家評分來進行特征的選取,主觀性強,受限于專家的經(jīng)驗.文獻[4]使用主成分分析進行降維,主成分降維后的特征相互獨立,在一定程度上可以提高模型預(yù)測精度,但對特征重要性的分析不夠明確,難以應(yīng)用于現(xiàn)實問題中煤礦突水特征因素的選擇.文獻[7,8]首先通過理論分析確定了含水層(包括厚度、水壓及富水性)、底板隔水層厚度、地質(zhì)構(gòu)造等相關(guān)因素,并通過各特征數(shù)據(jù)統(tǒng)計分析說明,這些特征的重要性,然后建模預(yù)測,然而煤礦突水是由煤礦生產(chǎn)開采過程中各種復(fù)雜的因素綜合作用的結(jié)果,各特征的獨立分析并不能體現(xiàn)各特征相互作用,相互影響的煤礦突水機理.

    基于以上分析,本文在理論分析(煤礦構(gòu)造條件、含水層條件、開采條件、巖性組合條件)的基礎(chǔ)上,收集樣本數(shù)據(jù).然后采用穩(wěn)定性選擇的特征方法針對數(shù)據(jù)樣本進行分析,以預(yù)測準確率為目標對煤礦突水影響因素進行篩選,獲取與之相關(guān)的關(guān)鍵因素,之后采用3種典型機器學(xué)習(xí)算法,隨機森林、神經(jīng)網(wǎng)絡(luò)以及支持向量機分別進行煤礦突水預(yù)測模型的構(gòu)建,結(jié)合3種模型的預(yù)測結(jié)果確定最終結(jié)果,以此驗證特征選取后的預(yù)測模型的準確率以及穩(wěn)定性,通過實驗可幫助煤礦工作人員減少數(shù)據(jù)收集的工作量以及收集成本,并且提高突水預(yù)測精度.

    2 煤礦突水影響因素關(guān)鍵特征選取

    常用的特征選擇方法主要分為3種:過濾法、包裝法和嵌入法[9],根據(jù)不同的情境及目的所使用方法也不同,而在本次試驗中,將采取包裝法中的穩(wěn)定性選擇方法來進行特征的選取.

    2.1 穩(wěn)定性選擇

    Meinshausen N等人在2009年提出了穩(wěn)定性選擇這種特征選取的方法[10],并指出其并不是一種新的算法,而是基于Lasso特征選擇方法并對其進行加強和改進.具體來說,穩(wěn)定性選擇是一種基于二次抽樣和選擇算法相結(jié)合的特征選取方法,選擇算法可以是支持向量機SVM或者回歸等算法,而二次抽樣意味著不是使用所有的數(shù)據(jù)一次性選擇出最重要的特征,而是抽取數(shù)據(jù)子集以及特征子集來運行選擇算法,不斷重復(fù),最終可以計算出每個特征作為重要特征出現(xiàn)的頻率,即使用出現(xiàn)的次數(shù)除以子集被測試的次數(shù),將其看做每個特征的得分并作為特征篩選的依據(jù).最重要的特征若每次都被選到,則它的得分會高達1,而最不重要的特征最終得分將會為0.大多數(shù)實驗證明,相對比于其他的特征選擇方法,穩(wěn)定性選擇是性能最好的方法之一.

    2.2 數(shù)據(jù)準備

    煤礦突水機理具有多樣性,是指在不同的地質(zhì)及水文地質(zhì)條件下,采用破壞或水壓破壞表現(xiàn)出不同的空間組合特征,突水機理的多樣性反映了地質(zhì)及水文地質(zhì)條件的變化,煤礦突水是否突水受制于諸多因素的綜合影響[11].在本次實驗中,我們通過查閱資料以及煤礦專家的幫助,共取得了包括構(gòu)造條件、含水層條件、開采條件、巖性組合條件4個方面的相關(guān)影響因素,再加上突水征兆這個因素,共獲得22個與煤礦突水有關(guān)的影響因素以及其所對應(yīng)數(shù)據(jù)數(shù)據(jù)類型,如表1所示,并且收集與表1中22個煤礦突水相關(guān)因素以及突水結(jié)果所對應(yīng)的數(shù)據(jù)1056例.

    表1 煤礦突水相關(guān)因素及數(shù)據(jù)類型

    2.3 基于穩(wěn)定性選擇的特征選取

    在Python的sklearn.liner_model庫中Randomized LogisticRegression(以下縮寫RLR)實現(xiàn)了穩(wěn)定性選擇,因此根據(jù)1.1中的相關(guān)分析,可以使用其作為特征選擇的工具.在RLR中,穩(wěn)定性選擇的實現(xiàn)主要有以下步驟:

    Step 1.對初始數(shù)據(jù)進行二次抽樣,隨機選取k個特征以及對應(yīng)m行數(shù)據(jù),統(tǒng)計每個特征被選次數(shù)N;

    Step 2.使用所選數(shù)據(jù)構(gòu)建邏輯回歸模型;

    Step 3.對模型進行L1正則化,稀疏化數(shù)據(jù)使大多數(shù)不重要特征的權(quán)重變?yōu)?,最終篩選最重要特征,統(tǒng)計每個特征被選為最重要特征的次數(shù)n;

    Step 4.繼續(xù)進行Step 1,RLR算法默認共構(gòu)建200個邏輯回歸模型,直到模型構(gòu)建完成進行下一步;

    Step 5.計算每個特征被選為重要特征的頻率,即進行穩(wěn)定性選擇之后各特征的得分,score=n/N,通過scores_屬性來獲取每個特征的得分,獲得高分的特征就是所需選擇的重要特征.

    在使用RLR算法進行建模時,其正則化參數(shù)C會影響最終各個特征的score,為了獲取合適的正則化參數(shù),我們在(10-2,102)區(qū)間內(nèi)取了100個C值進行建模,計算出每個模型中各特征的得分情況,以此繪制了如圖1所示的正則化參數(shù)C與各個特征score之間的關(guān)系.

    圖1 正則化參數(shù)C與score的關(guān)系

    由圖1中可以看出,隨著正則化參數(shù)C的減小,即相當于正則化強度的增大,各個特征的得分都將趨于0,而在C約為0.18時,所有特征的得分都為0,也就是沒有特征被選為重要特征,本實驗的目的是篩選出7個重要特征,因此合適的C值是使得7個特征得分不為0.

    實驗發(fā)現(xiàn)當C=1.6681時,最重要的7個特征的得分不為0,其他特征得分都為0,因此使用此C值進行RLR建模進行特征選取,將每個特征的得分從高到低進行排列后得到如下的表2,從表中很明顯能看出來斷層充水對煤礦是否突水影響最大,得分為1.0,說明在每次進行特征選擇時,斷層充水都會被選為最重要的特征,在斷層充水之后,突水征兆對煤礦突水也有較大影響,其次是裂隙帶充水、陷落柱、陷落柱充水、含水層水壓和裂隙帶.7個特征選取出來后,繼續(xù)增加影響因素數(shù)量進行實驗后發(fā)現(xiàn),預(yù)測準確率沒有發(fā)生變化,這說明可以繼續(xù)增加因素的數(shù)量,但因素數(shù)量過多會導(dǎo)致預(yù)測時計算成本過高,收集數(shù)據(jù)時工作量變大,因此此處僅選擇7個最重要特征.但此次實驗結(jié)果僅針對已收集到的數(shù)據(jù),有新的數(shù)據(jù)增加時,還需再進行實驗來驗證結(jié)果是否發(fā)生變化.

    表2 重要突水因素及其得分

    根據(jù)《礦區(qū)水文地質(zhì)工程地質(zhì)勘查規(guī)范》提出,與煤礦突水最相關(guān)的兩個因素為斷層充水以及含水層水壓,文獻[4]中根據(jù)PCA方法所篩選出的因素為斷層、構(gòu)造、含水層等,文獻[12-14]通過調(diào)查分析提出影響煤礦突水重要因素主要有斷層、陷落柱、水壓,由此可以看出本次實驗所篩選的關(guān)鍵因素符合煤礦突水的整體研究.

    3 實驗分析

    經(jīng)過1.3中的特征選取,我們確定了與煤礦突水相關(guān)的7個重要的影響因素,為了確定這7個因素對于預(yù)測結(jié)果的準確率是否有提高以及算法的穩(wěn)定性,本次實驗使用隨機森林、神經(jīng)網(wǎng)絡(luò)以及支持向量機3種典型機器學(xué)習(xí)算法構(gòu)建煤礦突水預(yù)測模型,使用特征選取前后的數(shù)據(jù)進行建模,對比預(yù)測準確率.

    3.1 數(shù)據(jù)處理

    由表1(見2.1節(jié))可以看出煤礦突水樣本數(shù)據(jù)特征有離散型、連續(xù)型2種.離散型數(shù)據(jù)的數(shù)據(jù)類型為邏輯數(shù)據(jù)(以陷落柱充水為例,若充水則為1,若無則為0),連續(xù)型數(shù)據(jù)則是使用浮點型數(shù)據(jù)類型來表示具體的數(shù)字.因此在使用神經(jīng)網(wǎng)絡(luò)以及支持向量機進行建模前需要對數(shù)據(jù)進行處理,對于離散型數(shù)據(jù)需使用獨熱編碼,而連續(xù)型數(shù)據(jù)由于不同特征的值大小差別太大,因此需要進行標準化處理將數(shù)據(jù)縮放到相同的區(qū)間以提高準確率.

    數(shù)據(jù)處理完成后,使用Python中train_test_split函數(shù)隨機將數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集,函數(shù)的第3個參數(shù)test_size用來設(shè)定測試集數(shù)據(jù)的多少,本實驗將設(shè)定test_size=0.3,即1056例數(shù)據(jù)隨機選取70%為訓(xùn)練集數(shù)據(jù),其余30%為測試集數(shù)據(jù).

    3.2 煤礦突水分類預(yù)測算法分析

    (1)隨機森林是由許多CART二叉樹所組成的預(yù)測模型,其中每一棵二叉樹是通過隨機選取的特征以及訓(xùn)練數(shù)據(jù)集建立的,因此每一棵二叉樹都是沒有關(guān)聯(lián)的并通過計算基尼指數(shù)來選擇屬性進行建立,對于每一組測試數(shù)據(jù),每一個二叉樹都進行預(yù)測,最終通過投票機制得出最終的分類預(yù)測結(jié)果.隨機森林相當于一個特殊的集成學(xué)習(xí)算法,它是由許多個弱的分類器即CART樹所組成的一個強分類器,因而預(yù)測準確率較高.

    (2)神經(jīng)網(wǎng)絡(luò)是一種有監(jiān)督學(xué)習(xí)方法,其結(jié)構(gòu)分為輸入層、隱藏層和輸出層.在進行訓(xùn)練的過程中,主要分為2個部分:正向傳播和反向傳播.正向傳播過程是在輸入層進行特征屬性的輸入,并設(shè)置神經(jīng)元之間的權(quán)值,通過若干隱藏層進行前向計算,獲得每個神經(jīng)元的輸出.反向傳播過程是將正向傳播計算的結(jié)果與真實結(jié)果進行對比,進而反向計算調(diào)整權(quán)值和誤差,反復(fù)進行調(diào)整,提高模型準確率.

    (3)支持向量機(SVM)也是一種有監(jiān)督的學(xué)習(xí)方法,在二分類問題中使用較多,對于線性可分問題,支持向量機運用優(yōu)化算法實現(xiàn)最大化分類間隔;而對于非線性問題,支持向量機通過適當?shù)暮撕瘮?shù)將輸入空間映射到高維空間,實現(xiàn)高維空間線性可分,將非線性問題轉(zhuǎn)化線性問題[15],然后在新空間中利用二次型尋優(yōu)算法尋找一個最優(yōu)超平面將兩類樣本分開,保證分類準確率.

    3.3 煤礦突水預(yù)測模型的構(gòu)建

    (1)隨機森林模型使用RandomForestClassifier來建立模型,參數(shù)n_estimator設(shè)置為100,即隨機森林中共建立100個決策樹進行預(yù)測;參數(shù)max_depth設(shè)置為4,即決策樹深度最大為4,實驗中對決策樹進行可視化后發(fā)現(xiàn),當決策樹深度為4時,所有數(shù)據(jù)基本上已經(jīng)分類完成,且準確率高,因此可將決策樹深度減小來提高預(yù)測效率.

    (2)神經(jīng)網(wǎng)絡(luò)將使用MLPClassifier來建立模型,參數(shù)hidden_layer_sizes設(shè)置為(50,50),即設(shè)置兩層隱藏層且每層神經(jīng)元個數(shù)為50,在特征選擇后其設(shè)置為(15,15),這是因為輸入層神經(jīng)元個數(shù)不同,隱藏層相應(yīng)需要改變;參數(shù)slover權(quán)重優(yōu)化的求解器使用“l(fā)bfgs”,它對于小型數(shù)據(jù)集可以更快的收斂并且分類表現(xiàn)更好.

    (3)支持向量機將使用SVC來建立模型,懲罰參數(shù)C通過循環(huán)建模發(fā)現(xiàn)當C小于0.4,預(yù)測準確率將會降低,因此設(shè)置為C=0.4,參數(shù)kernel通過實驗得出使用‘linear’線性核函數(shù)分類更準確.

    使用3種模型的fit方法分別對特征選取前后的訓(xùn)練數(shù)據(jù)進行訓(xùn)練,之后使用訓(xùn)練好的模型對測試數(shù)據(jù)進行預(yù)測,從而得到表3中的預(yù)測結(jié)果對比.

    表3 特征選取前后預(yù)測準確率對比

    從表3中可以看出在特征選取前后3種模型預(yù)測準確率都很高,隨機森林模型在特征選取前后訓(xùn)練集準確率都高達100%,而測試集在特征選取后準確率提高至100%,神經(jīng)網(wǎng)絡(luò)模型和支持向量機模型在特征選取前后訓(xùn)練集以及測試集的準確率雖然都沒有變化,但整體準確率很高,可以看出,支持向量機模型是三者中最優(yōu)的,所有準確率都達到100%.隨機森林在進行預(yù)測時,由于在構(gòu)建模型時已進行了剪枝,從而減少了擬合且預(yù)測速度相對較快,準確率較高;使用神經(jīng)網(wǎng)絡(luò)進行分類時,由于神經(jīng)網(wǎng)絡(luò)需進行反復(fù)調(diào)整權(quán)重,因此其模型構(gòu)建速率相對較慢,使用神經(jīng)網(wǎng)絡(luò)模型預(yù)測的分類結(jié)果實際上是連續(xù)性的,通過判斷其是否大于0.5決定預(yù)測結(jié)果為1或0,即突水或不突水,這種閾值判斷的方法使得預(yù)測結(jié)果相對較差;使用支持向量機進行模型構(gòu)建時,由于需要調(diào)整的參數(shù)較多,因此在構(gòu)建模型時時間較長,但一旦選擇正確的核函數(shù)之后,其泛化能力會達到最佳,預(yù)測準確率高.

    在此基礎(chǔ)上,本實驗繼續(xù)使用交叉驗證方法對特征選取的正確性進行檢驗,使用cross_val_score方法對3種模型都進行交叉驗證,取參數(shù)cv=15,即進行15輪的交叉驗證,取15次預(yù)測準確率的平均值,實驗結(jié)果如表4所示.由表中可以看出,特征選取后準確率有些許提高,沒有達到100%是因為15次交叉驗證中14次預(yù)測準確率達到1,而僅有一次未達到1,由此可以看出利用選擇后的特征建立預(yù)測模型準確率較高.

    表4 特征選取前后交叉驗證結(jié)果

    為了進一步確定特征選取后3種預(yù)測模型的穩(wěn)定性,我們繪制了3種模型的ROC曲線來評價模型性能,如圖2所示.

    圖2 特征選取后各預(yù)測模型ROC曲線

    從圖中可以很明顯看出,圖2(a)隨機森林和圖2(c)支持向量機模型都很穩(wěn)定,訓(xùn)練集以及測試集的真正類率和假正類率都達到最優(yōu),而圖2(b)神經(jīng)網(wǎng)絡(luò)模型相比下來略有不足,但穩(wěn)定性也算比較好.

    由此可以看出在進行特征選擇后,預(yù)測模型仍然非常穩(wěn)定,因此可以證明在第2節(jié)中所篩選影響煤礦突水的預(yù)測模型都很穩(wěn)定,由此得出實驗所篩選的關(guān)鍵因素在進行煤礦數(shù)據(jù)收集時是可進行參考的.

    4 結(jié)論

    本文通過穩(wěn)定性選擇的特征選取方法篩選影響煤礦突水結(jié)果的關(guān)鍵因素,并通過隨機森林等3種典型分類預(yù)測模型對選取前后預(yù)測準確率進行對比,發(fā)現(xiàn)準確率都很高并且隨機森林以及支持向量機模型達到100%,通過ROC曲線的繪制也可看出特征選取后的關(guān)鍵因素是可取的.

    猜你喜歡
    突水準確率向量
    向量的分解
    礦井突水水源的判別方法
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準確率比較探討
    礦井滯后突水機理探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    聚焦“向量與三角”創(chuàng)新題
    高速公路車牌識別標識站準確率驗證法
    李雅莊礦滯后突水主控因素分析
    向量垂直在解析幾何中的應(yīng)用
    亚洲国产成人一精品久久久| 王馨瑶露胸无遮挡在线观看| 日韩大片免费观看网站| 国产99久久九九免费精品| 国产精品三级大全| 少妇人妻精品综合一区二区| 两个人免费观看高清视频| 国产免费现黄频在线看| 视频区图区小说| 久久久久久久久免费视频了| 蜜桃国产av成人99| 亚洲国产精品999| 日韩人妻精品一区2区三区| 18禁裸乳无遮挡动漫免费视频| 卡戴珊不雅视频在线播放| 久久久久久免费高清国产稀缺| 人妻 亚洲 视频| 你懂的网址亚洲精品在线观看| 国产麻豆69| 久久久久久久精品精品| 999精品在线视频| a级片在线免费高清观看视频| 久久人妻熟女aⅴ| av片东京热男人的天堂| 好男人视频免费观看在线| 18禁动态无遮挡网站| 国产毛片在线视频| 亚洲美女黄色视频免费看| av卡一久久| 一边摸一边抽搐一进一出视频| 久久久国产欧美日韩av| 肉色欧美久久久久久久蜜桃| 色综合欧美亚洲国产小说| 人妻人人澡人人爽人人| 精品一区二区三卡| 一级片免费观看大全| av又黄又爽大尺度在线免费看| 亚洲综合精品二区| 美女中出高潮动态图| 久久人妻熟女aⅴ| 日韩大片免费观看网站| a 毛片基地| 日韩 欧美 亚洲 中文字幕| 一级毛片黄色毛片免费观看视频| 国产成人免费观看mmmm| 我要看黄色一级片免费的| 女人高潮潮喷娇喘18禁视频| 黑丝袜美女国产一区| 精品国产一区二区久久| 午夜福利视频精品| 亚洲成人免费av在线播放| 国产精品一区二区在线观看99| 国产国语露脸激情在线看| 啦啦啦视频在线资源免费观看| 美女视频免费永久观看网站| 国产精品一区二区在线观看99| 一区二区av电影网| 一区二区三区乱码不卡18| 亚洲国产精品国产精品| 免费观看av网站的网址| 久久久国产一区二区| 中文乱码字字幕精品一区二区三区| 欧美精品高潮呻吟av久久| 免费观看av网站的网址| 男女国产视频网站| 老司机靠b影院| 国产一区二区三区综合在线观看| 女人被躁到高潮嗷嗷叫费观| 久久鲁丝午夜福利片| 黄片无遮挡物在线观看| 国产成人a∨麻豆精品| 九九爱精品视频在线观看| 国产精品.久久久| 视频区图区小说| 国产免费一区二区三区四区乱码| 亚洲伊人色综图| 90打野战视频偷拍视频| av又黄又爽大尺度在线免费看| 亚洲精品日本国产第一区| 国产色婷婷99| 亚洲人成电影观看| 高清不卡的av网站| av在线老鸭窝| 亚洲精品日韩在线中文字幕| av在线播放精品| 国产爽快片一区二区三区| 看十八女毛片水多多多| av又黄又爽大尺度在线免费看| 国产老妇伦熟女老妇高清| 精品一品国产午夜福利视频| 亚洲美女黄色视频免费看| 久久青草综合色| 国产精品久久久久久精品古装| 91精品三级在线观看| 成人手机av| 精品一区二区三区av网在线观看 | 宅男免费午夜| 欧美日韩国产mv在线观看视频| 一二三四中文在线观看免费高清| 在现免费观看毛片| 亚洲精品中文字幕在线视频| 自线自在国产av| 久久天堂一区二区三区四区| 亚洲人成电影观看| 黄色怎么调成土黄色| 中文字幕制服av| 国产成人精品在线电影| 国产成人欧美在线观看 | 国产精品久久久久久精品古装| 亚洲精品美女久久久久99蜜臀 | 国产日韩一区二区三区精品不卡| 亚洲专区中文字幕在线 | 一二三四在线观看免费中文在| 热99久久久久精品小说推荐| 日韩精品有码人妻一区| 久久久久网色| 亚洲成人国产一区在线观看 | 高清不卡的av网站| 欧美精品高潮呻吟av久久| 欧美精品人与动牲交sv欧美| av在线播放精品| 人人妻,人人澡人人爽秒播 | 国产国语露脸激情在线看| 亚洲欧美一区二区三区久久| 午夜福利乱码中文字幕| 久久精品久久久久久噜噜老黄| 咕卡用的链子| 欧美在线黄色| 如日韩欧美国产精品一区二区三区| av在线播放精品| 精品亚洲成a人片在线观看| 高清黄色对白视频在线免费看| 国产亚洲最大av| 国产亚洲一区二区精品| 亚洲精品美女久久av网站| 国产精品秋霞免费鲁丝片| 高清欧美精品videossex| 精品一品国产午夜福利视频| 又大又黄又爽视频免费| 国产精品99久久99久久久不卡 | 婷婷色综合www| 国产精品香港三级国产av潘金莲 | 天美传媒精品一区二区| 久久久国产欧美日韩av| 街头女战士在线观看网站| 丁香六月欧美| 久久狼人影院| 最黄视频免费看| 日韩欧美精品免费久久| 亚洲视频免费观看视频| 久久久精品国产亚洲av高清涩受| 水蜜桃什么品种好| 亚洲成色77777| 看免费av毛片| 亚洲av在线观看美女高潮| 国产免费福利视频在线观看| 久久97久久精品| 欧美av亚洲av综合av国产av | 国产爽快片一区二区三区| 男女之事视频高清在线观看 | 午夜日韩欧美国产| 成人午夜精彩视频在线观看| 亚洲伊人久久精品综合| 日韩 亚洲 欧美在线| 久久精品国产亚洲av涩爱| 亚洲欧美成人综合另类久久久| 国产精品久久久久成人av| 热99久久久久精品小说推荐| 一级毛片 在线播放| 97精品久久久久久久久久精品| 99re6热这里在线精品视频| av片东京热男人的天堂| 97精品久久久久久久久久精品| www.av在线官网国产| 日韩大片免费观看网站| 女人被躁到高潮嗷嗷叫费观| 日韩人妻精品一区2区三区| 最近中文字幕高清免费大全6| 亚洲少妇的诱惑av| 国产黄色免费在线视频| 日韩免费高清中文字幕av| 国产不卡av网站在线观看| 欧美日韩福利视频一区二区| av不卡在线播放| 国产成人一区二区在线| 国产亚洲欧美精品永久| 久久久久久人人人人人| 欧美精品人与动牲交sv欧美| 日韩欧美精品免费久久| 国产探花极品一区二区| 免费久久久久久久精品成人欧美视频| 国产成人欧美| 国产精品 国内视频| 久久青草综合色| 日本欧美视频一区| 国产极品粉嫩免费观看在线| 一边摸一边做爽爽视频免费| 成人亚洲精品一区在线观看| 91老司机精品| 丝袜喷水一区| 免费在线观看黄色视频的| 亚洲精品日本国产第一区| 久久精品国产亚洲av涩爱| 精品久久蜜臀av无| www.自偷自拍.com| 91aial.com中文字幕在线观看| 美国免费a级毛片| 免费在线观看完整版高清| 日本vs欧美在线观看视频| 国产精品免费视频内射| videosex国产| 两个人看的免费小视频| 久久婷婷青草| 国产成人欧美在线观看 | 看十八女毛片水多多多| svipshipincom国产片| 亚洲专区中文字幕在线 | 在线亚洲精品国产二区图片欧美| 18在线观看网站| 精品国产国语对白av| 1024香蕉在线观看| 中国三级夫妇交换| 嫩草影视91久久| 国产福利在线免费观看视频| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品一二三| 中国三级夫妇交换| 嫩草影视91久久| 午夜日本视频在线| 免费在线观看视频国产中文字幕亚洲 | 午夜免费鲁丝| 男女无遮挡免费网站观看| 亚洲一卡2卡3卡4卡5卡精品中文| a级毛片黄视频| 性高湖久久久久久久久免费观看| 免费av中文字幕在线| 成年av动漫网址| 亚洲一区二区三区欧美精品| 老司机亚洲免费影院| 国产在线视频一区二区| 国产男女内射视频| av在线app专区| 欧美精品一区二区免费开放| 中文乱码字字幕精品一区二区三区| av有码第一页| 观看美女的网站| 日韩精品免费视频一区二区三区| 一本—道久久a久久精品蜜桃钙片| 久久久久久免费高清国产稀缺| 亚洲av日韩在线播放| 国产成人免费无遮挡视频| 国产又色又爽无遮挡免| 亚洲精品国产一区二区精华液| 久久人人97超碰香蕉20202| 亚洲精品久久久久久婷婷小说| 中文字幕精品免费在线观看视频| 90打野战视频偷拍视频| 亚洲精品av麻豆狂野| 久久毛片免费看一区二区三区| 少妇人妻久久综合中文| 三上悠亚av全集在线观看| 婷婷色麻豆天堂久久| 亚洲精品国产av成人精品| 不卡视频在线观看欧美| 欧美少妇被猛烈插入视频| 新久久久久国产一级毛片| 日本av免费视频播放| 曰老女人黄片| 亚洲国产精品一区二区三区在线| 亚洲综合精品二区| 精品国产一区二区三区久久久樱花| av天堂久久9| 亚洲第一av免费看| 七月丁香在线播放| 久久久久久久国产电影| 亚洲熟女精品中文字幕| 另类精品久久| 日韩av不卡免费在线播放| 亚洲精品国产av成人精品| 欧美激情极品国产一区二区三区| 日本爱情动作片www.在线观看| 久久毛片免费看一区二区三区| 精品久久蜜臀av无| 极品少妇高潮喷水抽搐| 精品一区二区三区四区五区乱码 | 国产亚洲av片在线观看秒播厂| 成人影院久久| 亚洲第一av免费看| 各种免费的搞黄视频| 国产爽快片一区二区三区| 大香蕉久久成人网| 日韩一区二区三区影片| 中文天堂在线官网| 2021少妇久久久久久久久久久| 大香蕉久久网| 久久精品久久精品一区二区三区| 欧美激情 高清一区二区三区| 国产男女内射视频| 久久精品熟女亚洲av麻豆精品| 国产97色在线日韩免费| 黑人巨大精品欧美一区二区蜜桃| 日本一区二区免费在线视频| 中文字幕制服av| 黄片无遮挡物在线观看| 妹子高潮喷水视频| 在线观看免费日韩欧美大片| 国产精品国产三级国产专区5o| 天天操日日干夜夜撸| 免费在线观看视频国产中文字幕亚洲 | 熟妇人妻不卡中文字幕| 99热网站在线观看| av在线app专区| 人人妻人人澡人人看| 蜜桃国产av成人99| 日本午夜av视频| 精品少妇一区二区三区视频日本电影 | 中文精品一卡2卡3卡4更新| videos熟女内射| 亚洲欧美成人综合另类久久久| 国产一级毛片在线| 日本色播在线视频| 18禁动态无遮挡网站| 日本av免费视频播放| 亚洲三区欧美一区| 国产精品偷伦视频观看了| 在线免费观看不下载黄p国产| 高清黄色对白视频在线免费看| 亚洲欧美清纯卡通| av.在线天堂| 一区二区三区乱码不卡18| 久久女婷五月综合色啪小说| 国产免费一区二区三区四区乱码| 99精国产麻豆久久婷婷| 婷婷色综合www| 大陆偷拍与自拍| 丝袜美足系列| 人体艺术视频欧美日本| 人妻人人澡人人爽人人| 男女之事视频高清在线观看 | 黄网站色视频无遮挡免费观看| 天天躁夜夜躁狠狠久久av| 曰老女人黄片| 1024视频免费在线观看| 一边摸一边做爽爽视频免费| 青草久久国产| 国产无遮挡羞羞视频在线观看| av在线观看视频网站免费| 精品少妇一区二区三区视频日本电影 | 亚洲国产中文字幕在线视频| 人妻 亚洲 视频| 日本猛色少妇xxxxx猛交久久| 美女午夜性视频免费| 女人精品久久久久毛片| 一个人免费看片子| av又黄又爽大尺度在线免费看| 少妇精品久久久久久久| 亚洲国产欧美在线一区| 午夜免费观看性视频| 久久久国产一区二区| 男女无遮挡免费网站观看| 午夜激情久久久久久久| 久热这里只有精品99| 国产精品三级大全| 亚洲欧美成人精品一区二区| 国产精品女同一区二区软件| 亚洲在久久综合| 黄色怎么调成土黄色| 十八禁网站网址无遮挡| 午夜福利视频精品| 人体艺术视频欧美日本| 热99国产精品久久久久久7| 天堂中文最新版在线下载| av不卡在线播放| 亚洲欧美一区二区三区黑人| 国产片特级美女逼逼视频| 亚洲七黄色美女视频| 亚洲精品日本国产第一区| 国产成人精品无人区| 久久久久精品性色| 亚洲av国产av综合av卡| 蜜桃国产av成人99| 亚洲欧美成人综合另类久久久| 九九爱精品视频在线观看| 久久这里只有精品19| 亚洲国产精品国产精品| 精品午夜福利在线看| 国产xxxxx性猛交| 国产男女内射视频| 亚洲精品一二三| 久久久久久久久免费视频了| 九草在线视频观看| 亚洲欧美一区二区三区久久| 男女免费视频国产| 久热爱精品视频在线9| 国产极品天堂在线| 亚洲国产欧美日韩在线播放| 亚洲av成人精品一二三区| 国产在线一区二区三区精| 亚洲免费av在线视频| www.自偷自拍.com| 免费高清在线观看视频在线观看| 在线观看免费高清a一片| 啦啦啦啦在线视频资源| 狠狠婷婷综合久久久久久88av| av一本久久久久| 九九爱精品视频在线观看| 欧美人与性动交α欧美精品济南到| 精品少妇一区二区三区视频日本电影 | 国产成人精品久久二区二区91 | 韩国高清视频一区二区三区| 亚洲中文av在线| 亚洲av男天堂| 日韩一区二区三区影片| 天堂中文最新版在线下载| 成人漫画全彩无遮挡| 男人添女人高潮全过程视频| 在线观看免费午夜福利视频| 97精品久久久久久久久久精品| 天堂中文最新版在线下载| 精品少妇内射三级| 亚洲国产精品999| 美女扒开内裤让男人捅视频| 免费黄网站久久成人精品| 街头女战士在线观看网站| 国产精品一区二区精品视频观看| 你懂的网址亚洲精品在线观看| 一二三四中文在线观看免费高清| 国产伦理片在线播放av一区| 国产激情久久老熟女| 无遮挡黄片免费观看| 视频区图区小说| 啦啦啦啦在线视频资源| 亚洲av国产av综合av卡| 一区二区三区激情视频| 欧美日韩一级在线毛片| 97在线人人人人妻| 2018国产大陆天天弄谢| 又黄又粗又硬又大视频| 一级毛片黄色毛片免费观看视频| 下体分泌物呈黄色| 国产精品无大码| 九九爱精品视频在线观看| 最近最新中文字幕免费大全7| 日韩 欧美 亚洲 中文字幕| 激情五月婷婷亚洲| 十八禁网站网址无遮挡| 欧美乱码精品一区二区三区| 成人毛片60女人毛片免费| 最近2019中文字幕mv第一页| 一区在线观看完整版| 亚洲国产精品国产精品| 亚洲国产中文字幕在线视频| 人妻一区二区av| 高清不卡的av网站| 亚洲欧美一区二区三区黑人| 亚洲三区欧美一区| 久久久精品国产亚洲av高清涩受| 国产色婷婷99| 久久人人爽av亚洲精品天堂| 免费高清在线观看日韩| 国产 精品1| 国产一区二区三区av在线| 99久久人妻综合| 啦啦啦在线观看免费高清www| 国产一卡二卡三卡精品 | 赤兔流量卡办理| 日本av手机在线免费观看| 天天添夜夜摸| 一级a爱视频在线免费观看| 国产精品一国产av| 极品少妇高潮喷水抽搐| 男女高潮啪啪啪动态图| 精品酒店卫生间| 中文字幕精品免费在线观看视频| 日韩大码丰满熟妇| 国产深夜福利视频在线观看| www.精华液| 深夜精品福利| 亚洲综合精品二区| 最新的欧美精品一区二区| 999久久久国产精品视频| 成年女人毛片免费观看观看9 | 国产免费又黄又爽又色| 国产日韩一区二区三区精品不卡| 久久女婷五月综合色啪小说| 777久久人妻少妇嫩草av网站| 男人操女人黄网站| 精品亚洲成国产av| 亚洲精品国产色婷婷电影| 国产在线免费精品| 午夜福利影视在线免费观看| 又大又爽又粗| 亚洲伊人色综图| 午夜久久久在线观看| 国产在线视频一区二区| 2021少妇久久久久久久久久久| 免费高清在线观看视频在线观看| 亚洲av在线观看美女高潮| 午夜久久久在线观看| 亚洲精品美女久久av网站| 亚洲自偷自拍图片 自拍| 十八禁人妻一区二区| 嫩草影视91久久| 国产男女内射视频| 欧美激情极品国产一区二区三区| 国产老妇伦熟女老妇高清| 欧美日韩视频精品一区| 久久久国产欧美日韩av| 两个人看的免费小视频| 在线天堂最新版资源| 精品少妇一区二区三区视频日本电影 | 久久99热这里只频精品6学生| 你懂的网址亚洲精品在线观看| 亚洲欧美激情在线| 极品人妻少妇av视频| 国产午夜精品一二区理论片| 一二三四中文在线观看免费高清| 中文天堂在线官网| 亚洲专区中文字幕在线 | 久久鲁丝午夜福利片| 国产精品熟女久久久久浪| 国产精品无大码| 天天躁狠狠躁夜夜躁狠狠躁| 成人漫画全彩无遮挡| 最近中文字幕2019免费版| 侵犯人妻中文字幕一二三四区| 亚洲av成人精品一二三区| 久久久精品免费免费高清| 亚洲 欧美一区二区三区| 最近最新中文字幕大全免费视频 | www.av在线官网国产| 成年人午夜在线观看视频| 国产一区二区三区av在线| 国产成人系列免费观看| 日韩成人av中文字幕在线观看| 精品免费久久久久久久清纯 | 看免费成人av毛片| 美女国产高潮福利片在线看| 中文字幕人妻熟女乱码| 亚洲精品久久成人aⅴ小说| 一二三四中文在线观看免费高清| 亚洲国产欧美一区二区综合| 国产深夜福利视频在线观看| 久久久久精品国产欧美久久久 | 久久久国产欧美日韩av| 青青草视频在线视频观看| 精品免费久久久久久久清纯 | videosex国产| 侵犯人妻中文字幕一二三四区| 日韩制服骚丝袜av| 国产精品久久久人人做人人爽| 一二三四中文在线观看免费高清| 久久久亚洲精品成人影院| av线在线观看网站| 国产日韩一区二区三区精品不卡| 中文字幕人妻丝袜制服| 国产无遮挡羞羞视频在线观看| xxx大片免费视频| 老汉色av国产亚洲站长工具| 曰老女人黄片| 亚洲国产av新网站| 亚洲欧美成人精品一区二区| 亚洲精品国产av成人精品| 如日韩欧美国产精品一区二区三区| 国产日韩欧美在线精品| 日本爱情动作片www.在线观看| 纵有疾风起免费观看全集完整版| 999久久久国产精品视频| 免费av中文字幕在线| 色网站视频免费| 亚洲熟女毛片儿| 爱豆传媒免费全集在线观看| 国产欧美亚洲国产| 97精品久久久久久久久久精品| 日日撸夜夜添| 久久精品国产亚洲av涩爱| 下体分泌物呈黄色| 极品人妻少妇av视频| 国产成人一区二区在线| 在线 av 中文字幕| 日本一区二区免费在线视频| 1024香蕉在线观看| 亚洲四区av| bbb黄色大片| 宅男免费午夜| 老司机亚洲免费影院| 日韩精品有码人妻一区| 18禁国产床啪视频网站| 在现免费观看毛片| 亚洲欧洲国产日韩| 午夜福利,免费看| 亚洲一区中文字幕在线| 久久久精品国产亚洲av高清涩受| 黄片小视频在线播放| 老司机亚洲免费影院| 亚洲av成人精品一二三区| 欧美黄色片欧美黄色片| 2021少妇久久久久久久久久久| 久久精品久久久久久噜噜老黄| 亚洲视频免费观看视频| 99久国产av精品国产电影| 人人妻人人澡人人看| 亚洲,欧美精品.| 美女国产高潮福利片在线看| 菩萨蛮人人尽说江南好唐韦庄| 国产精品二区激情视频| 水蜜桃什么品种好| 中国三级夫妇交换| 美女高潮到喷水免费观看| 亚洲五月色婷婷综合| 大码成人一级视频| 午夜福利在线免费观看网站| 婷婷成人精品国产| 伦理电影免费视频| 亚洲av日韩在线播放|