• <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 ?

    基于模塊化神經(jīng)網(wǎng)絡的船舶航跡航速預測

    2020-02-04 01:57:06王文標董貴平汪思源田志遠杜佳璐
    科學技術與工程 2020年36期
    關鍵詞:航速航跡神經(jīng)元

    王文標, 董貴平, 汪思源, 田志遠, 杜佳璐

    (大連海事大學船舶電氣工程學院, 大連 116026)

    隨著云監(jiān)控技術以及傳感器技術的不斷進步,船舶的物理信息、運動信息及航跡行為信息等大量信息被存儲,這些信息被廣泛應用在船舶異常行為檢測、提高船舶監(jiān)控效率及預防航行事故。對船舶航跡進行預測研究,預測船舶在未來時刻的航速與航跡等行為信息,對加強海上交通監(jiān)管和預防海上航行事故發(fā)生具有重要意義。

    目前,傳統(tǒng)的船舶航行行為預測方法有:卡爾曼濾波算法[1-3]、灰色模型[4]、支持向量機[5]、馬爾科夫模型[6]等,其中支持向量機在有限樣本情況下能得出較高的預測精度但在大數(shù)據(jù)量問題中的表現(xiàn)欠佳;其他方法都需要建立船舶運動學方程,而多變的海況條件一定程度上加大了模型的復雜度,影響模型的預測精度。隨著神經(jīng)網(wǎng)絡的不斷發(fā)展,更多的學者傾向于使用神經(jīng)網(wǎng)絡預測船舶航行行為[7-10]。但是,上述算法均采用單一全互連神經(jīng)網(wǎng)絡預測模型,隨著船舶預測問題難度的增加,高維輸入和大數(shù)據(jù)量等復雜問題影響著神經(jīng)網(wǎng)絡的最終結(jié)構,過大或較小的網(wǎng)絡結(jié)構都會影響網(wǎng)絡的預測精度。

    為使神經(jīng)網(wǎng)絡結(jié)構更加簡潔并進一步提升船舶航跡預測精度,現(xiàn)引入腦功能分區(qū)模塊化設計理念(分而治之)搭建神經(jīng)網(wǎng)絡船舶航跡航速預測模型,首先,使用歸一化互信息與專家知識將船舶航行行為預測任務分解為航速與航跡兩個獨立的子任務;其次,將子任務傳輸?shù)紼lman子網(wǎng)絡與PSO-RBF子網(wǎng)絡中學習;最后,將學習結(jié)果集成,從而完成船舶航跡航速的預測。

    1 基本概念

    1.1 模塊神經(jīng)網(wǎng)絡構架

    如圖1所示,模塊化神經(jīng)網(wǎng)絡旨在模擬人腦功能分區(qū)的模塊化架構,由多個子網(wǎng)絡組成,各子網(wǎng)絡分別學習總?cè)蝿罩械南鄳毩⒆尤蝿?旨在模擬大腦“分而治之”的方法來提高神經(jīng)網(wǎng)絡處理復雜任務的綜合性能[11-14]。

    圖1 模塊化神經(jīng)網(wǎng)絡系統(tǒng)結(jié)構圖Fig.1 Structure diagram of modular neural network system

    1.1.1 任務分解

    將一個難以學習的任務分解成多個容易學習的子任務是實現(xiàn) “分而治之” 的前提,文中運用歸一化互信息分析所獲取的船舶數(shù)據(jù)中待選輸入變量與預測變量間的非線性關系,計算出與預測變量相關性較大的輸入變量;然后, 基于專家知識刪除掉與預測變量無關或相關性較低的輸入變量, 最終確定輸入變量的選取,完成任務的分解。

    1.1.2 子網(wǎng)絡

    子網(wǎng)絡的學習能力詮釋了整個神經(jīng)網(wǎng)絡的性能,子網(wǎng)絡對子任務的學習就相當于整個神經(jīng)網(wǎng)絡對任務進行訓練的過程。在實際應用中,子網(wǎng)絡的建模精度和建模速度是受到重點關注的兩大優(yōu)化目標。

    1.1.3 輸出整合

    MNN采用組合學習模式,分為子網(wǎng)絡學習與集成模塊學習。其輸出模塊對各子網(wǎng)絡的集成公式為

    (1)

    (2)

    1.2 歸一化互信息

    互信息能夠驗證變量間是否存在關系以及關系的強弱的一種信息度量方式。設X={x1,x2,…,xk},則X的熵為

    (3)

    式(3)中:p(xk)為xk的概率密度。對于兩個變量(X,Y),聯(lián)合熵公式為

    (4)

    式(4)中:p(xk,yl)為xk和yl的聯(lián)合概率密度函數(shù)?;バ畔⒂渺嘏c聯(lián)合熵的關系可表示為

    I(X,Y)=H(X)+H(Y)-H(X,Y)

    (5)

    原始樣本數(shù)據(jù)間數(shù)量級差別較大易引起預測誤差,對數(shù)據(jù)的原始樣本進行歸一化處理是模型預測的前提。歸一化互信息(normalized mutual information,NMI)是將互信息縮放到[0,1],不但抵消了不同量綱和取值范圍的影響,還保留了原始樣本間存在的關系。其公式為

    NMI(X,Y)=2I(X,Y)/[H(X)+H(Y)]

    (6)

    2 子網(wǎng)絡設計

    子網(wǎng)絡選用對歷史狀態(tài)數(shù)據(jù)敏感的Elman神經(jīng)網(wǎng)絡訓練和預測船舶航跡。同時,因為RBF神經(jīng)網(wǎng)絡較強的非線性映射能力,可用于訓練和預測船舶航速[15]。

    2.1 PSO-RBF子網(wǎng)絡

    RBF神經(jīng)網(wǎng)絡共為3層,如圖2所示。設其網(wǎng)絡結(jié)構為s-m-n(s為輸入層節(jié)點數(shù)、m為隱含層節(jié)點數(shù)、n為輸出層節(jié)點數(shù)),則第v個輸出節(jié)點的輸出為

    (7)

    (8)

    式(8)中:δi為激活函數(shù)的擴展寬度[13]。文中使用減法聚類算法與誤差反饋相結(jié)合的方法確定隱含層神經(jīng)元個數(shù),所構建的 RBF神經(jīng)網(wǎng)絡能以緊湊的結(jié)構獲取較好的非線性映射能力。

    圖2 RBF神經(jīng)網(wǎng)絡結(jié)構Fig.2 Neural network structure of RBF

    2.1.1 粒子群優(yōu)化算法

    粒子群優(yōu)化算法是近年來發(fā)展起來的一種算法,該算法具有結(jié)構簡單、精度高、收斂速度快、全局搜索能力強等優(yōu)點[16]。

    在粒子群優(yōu)化算法中,每個粒子都代表問題的一個可能的解決方案。粒子的共同特征表現(xiàn)為位置、速度和適應度值。每個粒子通過尋找適應度極值來更新自身的位置和速度。適應度極值主要包括個體極值Pbest和全局極值Gbest。通過適應度函數(shù)可以計算出粒子的適應度值,從而判斷粒子的優(yōu)劣。在發(fā)現(xiàn)Pbest和Gbest后,PSO確定了每個粒子的速度和距離。

    (9)

    式(9)中:ω稱為慣性因子;C1和C2為加速常數(shù);R1和R2一般取[0,1]上的隨機數(shù)。文中主要通過PSO算法優(yōu)化RBF網(wǎng)絡隱含層的學習參數(shù),這樣能夠提高RBF網(wǎng)絡的預測性能。

    2.1.2 減法聚類算法與誤差反饋確定隱含層神經(jīng)元

    首先通過減法聚類算法確定隱含層初始神經(jīng)元個數(shù)。通過減法聚類思想計算每個樣本數(shù)據(jù)的密度值De,計算公式為

    (10)

    式(10)中:ra為聚類半徑;Xi與Xj為q維空間中的p個數(shù)據(jù)點。為避免在已有聚類中心相鄰點出現(xiàn)新的聚類中心,通過式(11)對數(shù)據(jù)點密度進行修正:

    (11)

    式(11)中:Dem為第m個數(shù)據(jù)點的密度指標;rb為一個密度指數(shù)函數(shù)顯著降低的鄰域。為防止相似距離的聚類中心出現(xiàn),一般選擇rb=1.5ra。

    初始神經(jīng)元確定后通過訓練集樣本中的最大誤差來判斷隱含層增加神經(jīng)元的依據(jù)。設ep為第p個樣本的當前網(wǎng)絡輸出誤差,其中yp為網(wǎng)絡預測值,op為網(wǎng)絡實際值,p=1,2,…,P,P為訓練樣本個數(shù),計算公式為

    ep=yp-op

    (12)

    由此得到誤差向量e=[e1,e2,e3,…,ep]T,確定最大誤差所在位置為

    emax=max(e)

    (13)

    pmax=Index(emax)

    (14)

    式中:emax為誤差向量中最大值,當?shù)趐個樣本所對應的實際輸出與預測輸出誤差最大且最大誤差大于平均誤差, 則認為網(wǎng)絡對第p個樣本的學習不充分。因此新增一個 RBF 神經(jīng)元對當前樣本重新學習,平均誤差公式為

    (15)

    當emax≤emean或達到期望訓練精度時,則認為網(wǎng)絡構建完成。新神經(jīng)元增加后其擴展寬度進行如下改變:

    δm=0.2min[dist(cm,cp≠m)]

    (16)

    當最大誤差小于平均誤差或達到期望訓練精度時,則認為網(wǎng)絡構建完成。

    2.2 Elman子網(wǎng)絡設計

    Elman神經(jīng)網(wǎng)絡擁有一層傳統(tǒng)神經(jīng)網(wǎng)絡(back propagation,BP)不具備的承接層,如圖3所示,通過承接層將上一時刻輸出返回到隱含層使其具有記憶功能[18]。這種構造使得Elman神經(jīng)網(wǎng)絡在處理動態(tài)信息、預測時間序列等問題時,相較于傳統(tǒng)BP神經(jīng)網(wǎng)絡更為容易。因此,選取其對船舶航跡進行建模。其數(shù)學表達式為

    y(t)=g(ω3x(t))

    (17)

    x(t)=f[ω1u(t)+ω2x(t-1)]

    (18)

    u(t)=x(t-1)

    (19)

    式中:y、x、u分別為輸出層、輸入層、承接層向量;ω1、ω2、ω3分別為各層間的權值;f()為隱含層傳遞函數(shù);g()為輸出層傳遞函數(shù)。

    圖3 Elman神經(jīng)網(wǎng)絡結(jié)構Fig.3 Neural network structure of Elman

    2.2.1 動態(tài)增長型Elman神經(jīng)網(wǎng)絡設計

    Elman神經(jīng)網(wǎng)絡隱含層神經(jīng)元個數(shù)的選取影響著網(wǎng)絡的性能,神經(jīng)元太多或太少都會影響網(wǎng)絡的性能,如何選取隱含層神經(jīng)元個數(shù)仍然是一個尚待解決的問題。使用減法聚類算法確定隱含層初始神經(jīng)元個數(shù),在此基礎上通過判斷訓練精度是否滿足性能函數(shù)來動態(tài)增加隱含層神經(jīng)元個數(shù)。

    設t時刻網(wǎng)絡的誤差為e(t),其公式為

    ep(t)=yp(t)-op(t)

    (20)

    式(20)中:yp(t)為t時刻網(wǎng)絡預測值;op(t)為t時刻網(wǎng)絡實際值;p為輸出神經(jīng)元個數(shù),p=1。

    網(wǎng)絡性能函數(shù)選取均方誤差,公式為

    (21)

    神經(jīng)元δ動態(tài)增長公式為

    (22)

    式(22)中:γ為一個極小的正數(shù);Fix()為取整函數(shù)。如式(22)所示,隨著MSE的動態(tài)變化,神經(jīng)元δ的個數(shù)也在動態(tài)增加。

    3 預測結(jié)果與分析

    將平均絕對誤差(mean absolute error,MAE)與均方根誤差(root mean squared error,RMSE)作為網(wǎng)絡精度的評價標準,其公式為

    (23)

    (24)

    式中:Y(i)為預測值;y(i)為實際值。

    使用大連海事大學“育鯤輪”訓練船真實數(shù)據(jù)集,“育鯤輪”船長116 m,船寬18 m,MMSI號為412701000,呼號為BQHZ;選取航速10~15 kn(1 kn=1.852 km/h)的數(shù)據(jù),并要求數(shù)據(jù)發(fā)送間隔為10 s,以此保證船舶航行動態(tài)時間序列數(shù)據(jù)的等時間間隔要求。

    通過歸一化互信息與專家知識選取航速、航向、船舶位置(經(jīng)度、緯度)與船舶吃水作為輸入變量;選取230組數(shù)作為建模數(shù)據(jù)并做歸一化,前200組用于網(wǎng)絡訓練,30組用于網(wǎng)絡預測。圖4為航速預測結(jié)果,圖5為航速預測誤差。航速訓練過程中神經(jīng)元數(shù)增長情況如圖6所示,初始的6個神經(jīng)元為減法聚類算法計算的結(jié)果,在此基礎上,基于誤差反饋的自增長方法將網(wǎng)絡神經(jīng)元數(shù)目最終確定為8個。

    圖4 航速預測結(jié)果Fig.4 Speed prediction results

    如表1所示,模塊化神經(jīng)網(wǎng)絡的航速最小預測誤差為0.007 1 kn,最大誤差為0.085 5 kn,RMSE值為0.001 7,MAE值為0.030 1;BP神經(jīng)網(wǎng)絡的航速最小預測誤差為0.052 9 kn,最大誤差為0.122 3 kn,RMSE值為0.005 7,MAE值為0.072 4;RBF神經(jīng)網(wǎng)絡的航速最小預測誤差為0.005 0 kn,最大誤差為0.119 6 kn,RMSE值為0.004 8,MAE值為0.064 9。

    圖7為航跡預測結(jié)果,圖8為經(jīng)度與緯度的預測誤差,圖9為經(jīng)度與緯度訓練過程中神經(jīng)元的增長情況,與航速預測神經(jīng)元增長情況有所不同的是,航速預測神經(jīng)元為+1增長,航跡預測神經(jīng)元則根據(jù)式(22)動態(tài)增長。

    圖5 航速預測誤差Fig.5 Error of speed prediction

    圖6 航速訓練過程神經(jīng)元增長曲線Fig.6 Neuron growth curve during speed training

    表1 航速預測結(jié)果對比

    圖7 航跡預測結(jié)果Fig.7 Track prediction results

    如表2所示,模塊化神經(jīng)網(wǎng)絡的航跡預測隱含層神經(jīng)元個數(shù)較少且網(wǎng)絡性能最好,全互連BP神經(jīng)網(wǎng)絡與全互連RBF神經(jīng)網(wǎng)絡性能達到與MNN神經(jīng)網(wǎng)絡相似精度所需的神經(jīng)元個數(shù)較多,網(wǎng)絡結(jié)構較為冗余。

    圖8 航跡預測誤差Fig.8 Track prediction error

    圖9 航跡訓練過程神經(jīng)元增長曲線Fig.9 Neuron growth curve during track training

    表2 航跡預測結(jié)果對比

    綜合對比MNN、BP與RBF三種神經(jīng)網(wǎng)絡的預測結(jié)果與隱含層神經(jīng)元個數(shù),MNN網(wǎng)絡結(jié)構更加緊湊,綜合性能優(yōu)于BP與RBF神經(jīng)網(wǎng)絡,驗證了本文方法的預測精確性。

    4 結(jié)論

    為獲得更高精度的船舶航行行為預測結(jié)果,借鑒模塊化神經(jīng)網(wǎng)絡“分而治之”這一設計理念完成了對航跡與航速的同步、準確預測并得出以下結(jié)論。

    (1)使用船舶真實數(shù)據(jù)進行預測模型對比實驗,在預測精度上,MNN比全互連RBF神經(jīng)網(wǎng)絡與全互連BP神經(jīng)網(wǎng)絡準確性更高。

    (2)在神經(jīng)網(wǎng)絡網(wǎng)絡結(jié)構上,MNN的網(wǎng)絡結(jié)構更加簡潔。

    猜你喜歡
    航速航跡神經(jīng)元
    VLCC在波浪中的航速優(yōu)化與能效優(yōu)化分析
    提升全回轉(zhuǎn)港作拖輪航速的有效途徑
    水上消防(2022年1期)2022-06-16 08:06:56
    《從光子到神經(jīng)元》書評
    自然雜志(2021年6期)2021-12-23 08:24:46
    夢的航跡
    青年歌聲(2019年12期)2019-12-17 06:32:32
    低速水面目標航速精度分析及精確解算
    躍動的神經(jīng)元——波蘭Brain Embassy聯(lián)合辦公
    自適應引導長度的無人機航跡跟蹤方法
    視覺導航下基于H2/H∞的航跡跟蹤
    基于CFD的波浪滑翔機航速預測
    基于二次型單神經(jīng)元PID的MPPT控制
    電源技術(2015年5期)2015-08-22 11:18:38
    国产精品美女特级片免费视频播放器| 久久久精品大字幕| 国产精品野战在线观看| 精品一区二区三区视频在线观看免费| 国产蜜桃级精品一区二区三区| 九九热线精品视视频播放| 午夜精品在线福利| 国产大屁股一区二区在线视频| 欧美激情国产日韩精品一区| 久久人人精品亚洲av| 女生性感内裤真人,穿戴方法视频| 国模一区二区三区四区视频| 日本三级黄在线观看| 内射极品少妇av片p| 中文字幕av成人在线电影| 男女做爰动态图高潮gif福利片| 亚洲狠狠婷婷综合久久图片| 午夜激情福利司机影院| 少妇的逼水好多| 一区二区三区激情视频| 国产成年人精品一区二区| 岛国在线免费视频观看| 在线观看av片永久免费下载| 波多野结衣高清作品| 久久天躁狠狠躁夜夜2o2o| 成年免费大片在线观看| 国产亚洲精品av在线| 身体一侧抽搐| 午夜福利高清视频| 免费看a级黄色片| 俺也久久电影网| 亚洲四区av| 欧美黑人巨大hd| 欧美成人a在线观看| 在现免费观看毛片| 一进一出抽搐动态| 99久国产av精品| 午夜久久久久精精品| 精品久久久久久久久久久久久| 成熟少妇高潮喷水视频| 欧美高清性xxxxhd video| 精品久久久久久久久久免费视频| 搞女人的毛片| 国产老妇女一区| 中文在线观看免费www的网站| 国产精品伦人一区二区| 国产成人a区在线观看| 欧美一级a爱片免费观看看| 国产色婷婷99| 老女人水多毛片| 大又大粗又爽又黄少妇毛片口| 色5月婷婷丁香| 黄色配什么色好看| 一级黄色大片毛片| 国产爱豆传媒在线观看| 成人av一区二区三区在线看| 三级男女做爰猛烈吃奶摸视频| 国产毛片a区久久久久| 中文亚洲av片在线观看爽| 国内精品一区二区在线观看| 久久香蕉精品热| 欧美最新免费一区二区三区| 亚洲一区二区三区色噜噜| 亚洲精品亚洲一区二区| 欧美日本亚洲视频在线播放| 国产精品1区2区在线观看.| av中文乱码字幕在线| 欧美三级亚洲精品| 亚洲av中文av极速乱 | 国产一区二区三区视频了| 男女啪啪激烈高潮av片| 22中文网久久字幕| 亚洲一区二区三区色噜噜| 91午夜精品亚洲一区二区三区 | 免费看av在线观看网站| 亚洲人成网站高清观看| 日韩精品中文字幕看吧| 亚洲真实伦在线观看| 长腿黑丝高跟| 俺也久久电影网| 九九爱精品视频在线观看| 尤物成人国产欧美一区二区三区| 国产精品永久免费网站| 国内精品久久久久精免费| 特级一级黄色大片| 九九在线视频观看精品| 亚洲国产高清在线一区二区三| 婷婷精品国产亚洲av| 欧美区成人在线视频| 亚洲性久久影院| 国产精品乱码一区二三区的特点| 不卡视频在线观看欧美| 久久久久久久亚洲中文字幕| 99热精品在线国产| 天堂av国产一区二区熟女人妻| 中文字幕高清在线视频| 波多野结衣巨乳人妻| 赤兔流量卡办理| 少妇的逼水好多| 欧美日韩瑟瑟在线播放| 久久99热这里只有精品18| 色精品久久人妻99蜜桃| 十八禁国产超污无遮挡网站| 国产免费一级a男人的天堂| 88av欧美| 可以在线观看的亚洲视频| av专区在线播放| 22中文网久久字幕| 午夜亚洲福利在线播放| 国产av一区在线观看免费| 三级男女做爰猛烈吃奶摸视频| www.色视频.com| 97热精品久久久久久| 日韩欧美国产在线观看| 国内少妇人妻偷人精品xxx网站| 变态另类丝袜制服| 免费看日本二区| 少妇熟女aⅴ在线视频| 一a级毛片在线观看| 欧美激情在线99| 欧美高清性xxxxhd video| .国产精品久久| 搡女人真爽免费视频火全软件 | 日韩高清综合在线| 成人精品一区二区免费| 日本与韩国留学比较| 国内毛片毛片毛片毛片毛片| 蜜桃久久精品国产亚洲av| h日本视频在线播放| 九九久久精品国产亚洲av麻豆| 在线观看午夜福利视频| 精品欧美国产一区二区三| 天堂影院成人在线观看| 亚洲中文字幕一区二区三区有码在线看| 亚洲精品色激情综合| 真人一进一出gif抽搐免费| 黄色欧美视频在线观看| 精品人妻偷拍中文字幕| а√天堂www在线а√下载| 女的被弄到高潮叫床怎么办 | 免费搜索国产男女视频| 亚洲天堂国产精品一区在线| 又粗又爽又猛毛片免费看| or卡值多少钱| 国产日本99.免费观看| 国产成人一区二区在线| 99久久精品热视频| 久久久国产成人免费| 精品久久久久久久人妻蜜臀av| 色在线成人网| 久久午夜福利片| 老师上课跳d突然被开到最大视频| 国产精品久久久久久久电影| 淫秽高清视频在线观看| 蜜桃亚洲精品一区二区三区| 一级黄色大片毛片| 亚洲av日韩精品久久久久久密| 久久久久性生活片| 黄色配什么色好看| 99在线人妻在线中文字幕| 两人在一起打扑克的视频| 久久精品国产亚洲av涩爱 | 欧美日本亚洲视频在线播放| 99riav亚洲国产免费| 啦啦啦观看免费观看视频高清| 麻豆久久精品国产亚洲av| 国产成年人精品一区二区| 精品人妻熟女av久视频| 搞女人的毛片| 国产精品,欧美在线| 国产欧美日韩一区二区精品| 色综合婷婷激情| 久久国产乱子免费精品| 国产人妻一区二区三区在| 91狼人影院| 精品国产三级普通话版| 人妻少妇偷人精品九色| 亚洲精品一卡2卡三卡4卡5卡| 国产免费av片在线观看野外av| 日本欧美国产在线视频| 国产成人一区二区在线| 久久久久久久久久黄片| 热99re8久久精品国产| 国产伦在线观看视频一区| 国产高清激情床上av| 给我免费播放毛片高清在线观看| 国产伦一二天堂av在线观看| 88av欧美| 中出人妻视频一区二区| 亚洲中文字幕日韩| 欧美性感艳星| 久久久久久久亚洲中文字幕| 五月伊人婷婷丁香| 狂野欧美白嫩少妇大欣赏| 欧美日韩瑟瑟在线播放| 99热只有精品国产| 午夜福利成人在线免费观看| 中文亚洲av片在线观看爽| 男女边吃奶边做爰视频| 99久国产av精品| 精品不卡国产一区二区三区| 俄罗斯特黄特色一大片| 日韩欧美国产在线观看| 少妇人妻一区二区三区视频| 在现免费观看毛片| 国产白丝娇喘喷水9色精品| 天堂动漫精品| 色av中文字幕| ponron亚洲| 69人妻影院| 观看免费一级毛片| 18禁黄网站禁片免费观看直播| 日本一二三区视频观看| 国产伦一二天堂av在线观看| 少妇的逼好多水| 又爽又黄无遮挡网站| 国产精品亚洲一级av第二区| 丰满乱子伦码专区| 黄色丝袜av网址大全| 日韩欧美 国产精品| 日韩欧美免费精品| 国产欧美日韩精品一区二区| www.色视频.com| 51国产日韩欧美| 成人高潮视频无遮挡免费网站| 亚洲av美国av| 欧美另类亚洲清纯唯美| 99国产极品粉嫩在线观看| 亚洲欧美日韩卡通动漫| 日日摸夜夜添夜夜添小说| 精品人妻视频免费看| 一本久久中文字幕| 人妻制服诱惑在线中文字幕| 免费不卡的大黄色大毛片视频在线观看 | 成年女人永久免费观看视频| 老司机午夜福利在线观看视频| 99视频精品全部免费 在线| 国产一区二区三区在线臀色熟女| 国产精品一区二区免费欧美| 热99在线观看视频| 国产麻豆成人av免费视频| 免费无遮挡裸体视频| 久久人人爽人人爽人人片va| 成人亚洲精品av一区二区| 国产午夜福利久久久久久| av在线天堂中文字幕| 日本在线视频免费播放| 午夜影院日韩av| 男插女下体视频免费在线播放| 中文字幕av在线有码专区| 最新中文字幕久久久久| 97超级碰碰碰精品色视频在线观看| 在线观看66精品国产| 91久久精品国产一区二区三区| 亚洲不卡免费看| 大型黄色视频在线免费观看| 国产精品久久视频播放| 熟妇人妻久久中文字幕3abv| 琪琪午夜伦伦电影理论片6080| 中文字幕免费在线视频6| 亚洲一区二区三区色噜噜| 搡老妇女老女人老熟妇| 午夜视频国产福利| 男女做爰动态图高潮gif福利片| 日韩 亚洲 欧美在线| 白带黄色成豆腐渣| 国产黄色小视频在线观看| 天堂网av新在线| 一级a爱片免费观看的视频| 亚洲国产色片| 在线天堂最新版资源| 制服丝袜大香蕉在线| 国产成人a区在线观看| 亚洲成人中文字幕在线播放| 少妇人妻精品综合一区二区 | 91麻豆av在线| 色哟哟哟哟哟哟| 日日干狠狠操夜夜爽| 国产精品电影一区二区三区| 高清日韩中文字幕在线| 国产精品一区二区性色av| 18禁黄网站禁片免费观看直播| 午夜亚洲福利在线播放| 能在线免费观看的黄片| 欧美日韩中文字幕国产精品一区二区三区| 日韩亚洲欧美综合| 日日摸夜夜添夜夜添av毛片 | 国产黄色小视频在线观看| 亚洲av电影不卡..在线观看| 一个人看的www免费观看视频| 波多野结衣高清作品| 乱系列少妇在线播放| 麻豆一二三区av精品| 欧美日本亚洲视频在线播放| 免费大片18禁| 老司机午夜福利在线观看视频| 永久网站在线| 欧美zozozo另类| 精品国内亚洲2022精品成人| 免费电影在线观看免费观看| 日韩欧美在线二视频| 最好的美女福利视频网| 亚洲人与动物交配视频| 精品一区二区三区视频在线观看免费| videossex国产| 亚洲午夜理论影院| 久久精品影院6| 国内久久婷婷六月综合欲色啪| av在线观看视频网站免费| 亚洲av免费高清在线观看| 一个人看视频在线观看www免费| 国产成人福利小说| 成人美女网站在线观看视频| 男人舔女人下体高潮全视频| 啦啦啦啦在线视频资源| 久久久午夜欧美精品| 久久九九热精品免费| 亚洲av五月六月丁香网| 黄色视频,在线免费观看| 99热这里只有是精品50| 日韩中字成人| 极品教师在线视频| 日日啪夜夜撸| 精品一区二区三区视频在线| 变态另类成人亚洲欧美熟女| 一个人观看的视频www高清免费观看| 中文资源天堂在线| 国产精品日韩av在线免费观看| 国产aⅴ精品一区二区三区波| 精华霜和精华液先用哪个| 国产美女午夜福利| 日本黄大片高清| 欧美成人一区二区免费高清观看| 99久久九九国产精品国产免费| 深爱激情五月婷婷| 国产伦一二天堂av在线观看| 我要搜黄色片| 国产午夜精品论理片| 丰满人妻一区二区三区视频av| bbb黄色大片| 特级一级黄色大片| 国产国拍精品亚洲av在线观看| 国产v大片淫在线免费观看| 日韩中文字幕欧美一区二区| 91久久精品国产一区二区三区| 蜜桃亚洲精品一区二区三区| 在线观看免费视频日本深夜| 亚洲18禁久久av| bbb黄色大片| 韩国av一区二区三区四区| 99国产极品粉嫩在线观看| 成年女人永久免费观看视频| 精品人妻熟女av久视频| 亚洲国产日韩欧美精品在线观看| 人人妻,人人澡人人爽秒播| 偷拍熟女少妇极品色| 桃色一区二区三区在线观看| 色综合婷婷激情| 男人舔奶头视频| 天堂√8在线中文| 桃色一区二区三区在线观看| 99久久九九国产精品国产免费| 日韩强制内射视频| 真人做人爱边吃奶动态| 精品久久国产蜜桃| 免费一级毛片在线播放高清视频| 国产欧美日韩精品亚洲av| 国产又黄又爽又无遮挡在线| 香蕉av资源在线| 中文字幕免费在线视频6| 成人三级黄色视频| 桃色一区二区三区在线观看| 国产精品福利在线免费观看| 麻豆精品久久久久久蜜桃| 国产乱人视频| 乱系列少妇在线播放| 色哟哟哟哟哟哟| 禁无遮挡网站| 国产一区二区三区视频了| 国产成人影院久久av| 日日摸夜夜添夜夜添av毛片 | 国产视频内射| 日本熟妇午夜| 色综合站精品国产| 免费黄网站久久成人精品| 午夜福利高清视频| 一边摸一边抽搐一进一小说| 小蜜桃在线观看免费完整版高清| 国内揄拍国产精品人妻在线| 亚洲成人久久爱视频| 国产毛片a区久久久久| 天美传媒精品一区二区| 国产精品乱码一区二三区的特点| 两个人视频免费观看高清| 国产精品亚洲美女久久久| 露出奶头的视频| 国产在线男女| 乱人视频在线观看| 欧美激情国产日韩精品一区| 亚洲av第一区精品v没综合| 国产午夜精品论理片| 黄色视频,在线免费观看| 亚洲成av人片在线播放无| a级毛片免费高清观看在线播放| 国产欧美日韩精品一区二区| 成人特级av手机在线观看| 国产av麻豆久久久久久久| 国产男人的电影天堂91| 国产探花在线观看一区二区| 精品久久国产蜜桃| 午夜日韩欧美国产| 超碰av人人做人人爽久久| 国产亚洲精品av在线| 久久久精品欧美日韩精品| 国产精品人妻久久久久久| 国产精品自产拍在线观看55亚洲| 色5月婷婷丁香| 国产精品女同一区二区软件 | 欧美激情在线99| 两性午夜刺激爽爽歪歪视频在线观看| а√天堂www在线а√下载| 伊人久久精品亚洲午夜| 男女视频在线观看网站免费| 精品不卡国产一区二区三区| 99久久精品国产国产毛片| 国产一级毛片七仙女欲春2| 1024手机看黄色片| 亚洲 国产 在线| 国产美女午夜福利| av在线观看视频网站免费| 麻豆av噜噜一区二区三区| 精品久久久久久,| 蜜桃亚洲精品一区二区三区| 成人国产麻豆网| 蜜桃久久精品国产亚洲av| 久久精品国产自在天天线| 成人亚洲精品av一区二区| 日本 av在线| 白带黄色成豆腐渣| 日韩欧美免费精品| 小蜜桃在线观看免费完整版高清| 精品久久久久久久久av| 国产精品电影一区二区三区| 国产黄a三级三级三级人| av黄色大香蕉| 国产不卡一卡二| 啦啦啦啦在线视频资源| 午夜福利欧美成人| 欧美丝袜亚洲另类 | 一个人观看的视频www高清免费观看| 美女被艹到高潮喷水动态| 精品一区二区免费观看| 毛片女人毛片| 成人av在线播放网站| 亚洲av二区三区四区| 国产精品女同一区二区软件 | 少妇熟女aⅴ在线视频| 噜噜噜噜噜久久久久久91| 一本精品99久久精品77| 最好的美女福利视频网| 国内精品宾馆在线| 国产精品一区二区三区四区免费观看 | 久久精品91蜜桃| av视频在线观看入口| 少妇的逼水好多| 国产av不卡久久| 最近最新中文字幕大全电影3| 国产高清激情床上av| 干丝袜人妻中文字幕| 午夜福利在线在线| 亚洲欧美日韩高清专用| 精品不卡国产一区二区三区| 成人午夜高清在线视频| netflix在线观看网站| 天堂√8在线中文| 国产色爽女视频免费观看| 在线免费观看的www视频| 国产在视频线在精品| 一区福利在线观看| 校园春色视频在线观看| 少妇被粗大猛烈的视频| 免费看日本二区| 精品久久久久久,| 男人狂女人下面高潮的视频| 嫩草影视91久久| 国产亚洲av嫩草精品影院| 中文亚洲av片在线观看爽| 亚洲精品久久国产高清桃花| 国产高清不卡午夜福利| videossex国产| 麻豆成人av在线观看| 中亚洲国语对白在线视频| 欧美不卡视频在线免费观看| 69人妻影院| 黄色配什么色好看| 狠狠狠狠99中文字幕| 欧美精品啪啪一区二区三区| 女人十人毛片免费观看3o分钟| 黄色配什么色好看| 一区二区三区四区激情视频 | 麻豆国产av国片精品| 夜夜看夜夜爽夜夜摸| 毛片一级片免费看久久久久 | 男人舔女人下体高潮全视频| 蜜桃亚洲精品一区二区三区| 午夜福利18| 久99久视频精品免费| 中文亚洲av片在线观看爽| 成人无遮挡网站| av.在线天堂| 久久久国产成人免费| 又粗又爽又猛毛片免费看| 非洲黑人性xxxx精品又粗又长| 又粗又爽又猛毛片免费看| 国产日本99.免费观看| 精品久久久久久,| 51国产日韩欧美| 在线观看免费视频日本深夜| 制服丝袜大香蕉在线| 欧美日韩亚洲国产一区二区在线观看| 嫩草影视91久久| 久久久久性生活片| 国产精品国产高清国产av| 露出奶头的视频| 人人妻人人看人人澡| 97超视频在线观看视频| av在线老鸭窝| 午夜福利在线在线| 99在线视频只有这里精品首页| 一区二区三区激情视频| 丰满乱子伦码专区| 内地一区二区视频在线| avwww免费| 午夜激情福利司机影院| 日本成人三级电影网站| 亚洲黑人精品在线| 99精品在免费线老司机午夜| 国产高清激情床上av| 亚洲av不卡在线观看| 身体一侧抽搐| 男女视频在线观看网站免费| 亚洲av五月六月丁香网| 噜噜噜噜噜久久久久久91| 国产午夜精品论理片| 欧美黑人欧美精品刺激| 成人亚洲精品av一区二区| 亚洲成人中文字幕在线播放| 久久久国产成人免费| 国产探花极品一区二区| 午夜福利18| 欧美zozozo另类| 免费黄网站久久成人精品| 成人国产麻豆网| 丰满人妻一区二区三区视频av| 亚洲精品456在线播放app | 欧美激情久久久久久爽电影| 嫩草影视91久久| 欧美xxxx性猛交bbbb| 免费看光身美女| 不卡一级毛片| 国产淫片久久久久久久久| 看免费成人av毛片| 一进一出好大好爽视频| 亚洲人与动物交配视频| 亚洲成人免费电影在线观看| 久久中文看片网| 亚洲人成网站高清观看| 国产一区二区在线观看日韩| 久久久久国内视频| 午夜免费男女啪啪视频观看 | 免费在线观看成人毛片| 亚洲,欧美,日韩| 琪琪午夜伦伦电影理论片6080| 在线观看舔阴道视频| 国产男人的电影天堂91| 国产精品久久电影中文字幕| av在线蜜桃| 一个人观看的视频www高清免费观看| 人人妻人人看人人澡| 波多野结衣高清作品| 亚洲久久久久久中文字幕| 大型黄色视频在线免费观看| 国产精品三级大全| 久久亚洲真实| 国产成人aa在线观看| 免费在线观看日本一区| 国产精品福利在线免费观看| 久久久国产成人免费| 亚洲av五月六月丁香网| a在线观看视频网站| 欧美绝顶高潮抽搐喷水| 无遮挡黄片免费观看| 性插视频无遮挡在线免费观看| 国产av麻豆久久久久久久| 国产91精品成人一区二区三区| 成人av在线播放网站| 网址你懂的国产日韩在线| 露出奶头的视频| 国产在线精品亚洲第一网站| 黄片wwwwww| 天美传媒精品一区二区| 亚洲中文日韩欧美视频| av在线天堂中文字幕| 免费观看精品视频网站| h日本视频在线播放| 一个人观看的视频www高清免费观看| av专区在线播放| 久久中文看片网| 联通29元200g的流量卡| 免费不卡的大黄色大毛片视频在线观看 | 国国产精品蜜臀av免费| 精品久久久久久久久久免费视频| 91av网一区二区| x7x7x7水蜜桃| 久久久久久九九精品二区国产|