• <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
    ponron亚洲| 国产成人av教育| 亚洲精品国产一区二区精华液| 国产精品电影一区二区三区| 亚洲中文字幕一区二区三区有码在线看 | 婷婷精品国产亚洲av| 国产男靠女视频免费网站| 精品乱码久久久久久99久播| 制服诱惑二区| 国产在线精品亚洲第一网站| 夜夜看夜夜爽夜夜摸| 久久精品夜夜夜夜夜久久蜜豆 | 观看免费一级毛片| 欧美三级亚洲精品| 精品乱码久久久久久99久播| 国产熟女午夜一区二区三区| 精品久久久久久久人妻蜜臀av| 老汉色∧v一级毛片| 婷婷六月久久综合丁香| 母亲3免费完整高清在线观看| 女人被狂操c到高潮| 亚洲国产日韩欧美精品在线观看 | 久久国产精品人妻蜜桃| 国产一区二区三区视频了| 久久精品国产清高在天天线| 欧美乱妇无乱码| 一本精品99久久精品77| 熟女电影av网| 波多野结衣高清作品| a在线观看视频网站| 色尼玛亚洲综合影院| 国产精品一区二区三区四区免费观看 | 久久久久性生活片| 国产亚洲精品一区二区www| 麻豆久久精品国产亚洲av| 免费电影在线观看免费观看| 高清毛片免费观看视频网站| 一级毛片女人18水好多| 一进一出抽搐gif免费好疼| 亚洲,欧美精品.| 一边摸一边抽搐一进一小说| 欧美大码av| av福利片在线观看| 亚洲激情在线av| 欧美成人一区二区免费高清观看 | 亚洲欧美精品综合一区二区三区| 精华霜和精华液先用哪个| 国产伦人伦偷精品视频| 精品久久久久久成人av| 成人国产综合亚洲| 18禁国产床啪视频网站| 1024手机看黄色片| 窝窝影院91人妻| 黄色 视频免费看| 亚洲18禁久久av| 黄片大片在线免费观看| 可以在线观看毛片的网站| 老汉色∧v一级毛片| 十八禁网站免费在线| 国产亚洲av嫩草精品影院| 欧美大码av| 亚洲电影在线观看av| 在线免费观看的www视频| a在线观看视频网站| 观看免费一级毛片| 999久久久精品免费观看国产| 岛国视频午夜一区免费看| 久久性视频一级片| 国产99久久九九免费精品| 12—13女人毛片做爰片一| 亚洲国产欧洲综合997久久,| 久久久精品国产亚洲av高清涩受| 亚洲av片天天在线观看| 丁香欧美五月| 人成视频在线观看免费观看| 久久热在线av| 又粗又爽又猛毛片免费看| 久久久久久大精品| 在线看三级毛片| 国产精品亚洲美女久久久| 久久人人精品亚洲av| 亚洲九九香蕉| 特大巨黑吊av在线直播| 亚洲成人免费电影在线观看| 99精品欧美一区二区三区四区| 青草久久国产| 黄色毛片三级朝国网站| 精品久久久久久,| 亚洲av第一区精品v没综合| 美女扒开内裤让男人捅视频| 国产亚洲精品久久久久久毛片| 国产精品一及| 三级毛片av免费| 日韩欧美在线乱码| av在线播放免费不卡| 母亲3免费完整高清在线观看| 伦理电影免费视频| 久久久久久免费高清国产稀缺| 老汉色av国产亚洲站长工具| 国产97色在线日韩免费| 久久国产精品影院| 久久香蕉国产精品| 桃色一区二区三区在线观看| 欧美日韩精品网址| 长腿黑丝高跟| 成人国语在线视频| 精品不卡国产一区二区三区| 麻豆国产97在线/欧美 | 男人舔奶头视频| 最近视频中文字幕2019在线8| 成人国语在线视频| 一级黄色大片毛片| 日韩三级视频一区二区三区| 国产成人欧美在线观看| 一边摸一边做爽爽视频免费| 久久久久久大精品| 日韩欧美在线二视频| 国产精品亚洲一级av第二区| 五月玫瑰六月丁香| 亚洲一区高清亚洲精品| 国产精品免费视频内射| 亚洲精品国产精品久久久不卡| 免费在线观看成人毛片| 国语自产精品视频在线第100页| 丰满的人妻完整版| 国产麻豆成人av免费视频| 香蕉久久夜色| 黄片小视频在线播放| 午夜精品久久久久久毛片777| 一级毛片高清免费大全| 亚洲国产精品sss在线观看| 欧美zozozo另类| 亚洲第一电影网av| 悠悠久久av| 亚洲狠狠婷婷综合久久图片| 国产精品永久免费网站| 91字幕亚洲| 叶爱在线成人免费视频播放| 午夜久久久久精精品| 999精品在线视频| 91成年电影在线观看| 老司机福利观看| 国产亚洲精品久久久久久毛片| 国产黄a三级三级三级人| 久久久精品国产亚洲av高清涩受| 在线观看66精品国产| 99精品欧美一区二区三区四区| 午夜老司机福利片| 少妇熟女aⅴ在线视频| 久久精品国产亚洲av香蕉五月| 91国产中文字幕| 久久久久久久久中文| 成人三级黄色视频| 国模一区二区三区四区视频 | 两个人的视频大全免费| 亚洲av美国av| 国产区一区二久久| 黑人巨大精品欧美一区二区mp4| 亚洲精品粉嫩美女一区| 国产激情久久老熟女| 亚洲中文字幕一区二区三区有码在线看 | 久久人妻福利社区极品人妻图片| 成人18禁高潮啪啪吃奶动态图| 久久久久久人人人人人| 大型av网站在线播放| 亚洲人成网站高清观看| 欧美av亚洲av综合av国产av| 真人一进一出gif抽搐免费| 欧美乱码精品一区二区三区| 岛国视频午夜一区免费看| 日本一区二区免费在线视频| 一二三四在线观看免费中文在| 五月玫瑰六月丁香| 亚洲avbb在线观看| 亚洲 国产 在线| 狠狠狠狠99中文字幕| 九色国产91popny在线| 国产三级中文精品| 一本久久中文字幕| 欧美绝顶高潮抽搐喷水| 国产三级黄色录像| 成人18禁在线播放| 国产亚洲精品第一综合不卡| 青草久久国产| 免费在线观看视频国产中文字幕亚洲| 国产精品久久久人人做人人爽| 久9热在线精品视频| 老司机深夜福利视频在线观看| 宅男免费午夜| 欧美丝袜亚洲另类 | 宅男免费午夜| 久久精品国产99精品国产亚洲性色| 小说图片视频综合网站| 我要搜黄色片| 免费在线观看日本一区| 国产精品av视频在线免费观看| av福利片在线| 777久久人妻少妇嫩草av网站| 床上黄色一级片| 成人三级做爰电影| 此物有八面人人有两片| 嫁个100分男人电影在线观看| 久久精品国产综合久久久| 婷婷六月久久综合丁香| 99热6这里只有精品| 国产精品一区二区三区四区免费观看 | 亚洲国产高清在线一区二区三| 成在线人永久免费视频| 午夜精品一区二区三区免费看| 欧美日本亚洲视频在线播放| 欧美日韩一级在线毛片| 小说图片视频综合网站| 亚洲七黄色美女视频| 亚洲在线自拍视频| 美女免费视频网站| 免费在线观看成人毛片| 人妻夜夜爽99麻豆av| 岛国在线免费视频观看| 亚洲av成人一区二区三| 国产精品一区二区三区四区久久| 亚洲av电影不卡..在线观看| 男人舔女人的私密视频| 黄片大片在线免费观看| 亚洲av五月六月丁香网| 欧美日韩亚洲综合一区二区三区_| 精品久久久久久久久久久久久| 日韩精品青青久久久久久| 这个男人来自地球电影免费观看| 日韩国内少妇激情av| 欧美黑人欧美精品刺激| 亚洲男人的天堂狠狠| 麻豆久久精品国产亚洲av| 69av精品久久久久久| 国产99久久九九免费精品| 一区福利在线观看| 中文字幕精品亚洲无线码一区| 欧美精品亚洲一区二区| 国产伦人伦偷精品视频| 亚洲午夜理论影院| 1024香蕉在线观看| 可以免费在线观看a视频的电影网站| 亚洲一区二区三区色噜噜| 两个人视频免费观看高清| 欧美最黄视频在线播放免费| 国产精品一及| 日韩欧美在线二视频| 婷婷精品国产亚洲av在线| 嫁个100分男人电影在线观看| 熟妇人妻久久中文字幕3abv| 欧美一区二区国产精品久久精品 | 巨乳人妻的诱惑在线观看| 久9热在线精品视频| 国产乱人伦免费视频| 露出奶头的视频| 久久人妻av系列| 精华霜和精华液先用哪个| 日韩有码中文字幕| 黑人巨大精品欧美一区二区mp4| 91av网站免费观看| 中文字幕av在线有码专区| 国产精品久久久久久精品电影| 97超级碰碰碰精品色视频在线观看| 日韩中文字幕欧美一区二区| 男女视频在线观看网站免费 | 国产精品 国内视频| 午夜日韩欧美国产| 五月玫瑰六月丁香| xxx96com| 久久天堂一区二区三区四区| 亚洲国产精品久久男人天堂| 国产一区在线观看成人免费| 国产精品亚洲av一区麻豆| ponron亚洲| 国产成人影院久久av| 亚洲最大成人中文| 午夜亚洲福利在线播放| 99久久99久久久精品蜜桃| 精品乱码久久久久久99久播| 级片在线观看| 色综合亚洲欧美另类图片| 国产单亲对白刺激| 久久精品人妻少妇| 在线观看日韩欧美| 亚洲精品中文字幕在线视频| 毛片女人毛片| 黑人巨大精品欧美一区二区mp4| 51午夜福利影视在线观看| 色综合婷婷激情| 免费在线观看完整版高清| 一卡2卡三卡四卡精品乱码亚洲| 国产三级中文精品| 国产熟女午夜一区二区三区| 身体一侧抽搐| 两性夫妻黄色片| 亚洲欧美精品综合一区二区三区| 夜夜爽天天搞| 激情在线观看视频在线高清| 国产伦人伦偷精品视频| 在线国产一区二区在线| 国产高清视频在线观看网站| 最新美女视频免费是黄的| 又粗又爽又猛毛片免费看| 香蕉国产在线看| 在线a可以看的网站| 大型av网站在线播放| 国产亚洲精品一区二区www| 琪琪午夜伦伦电影理论片6080| 精品久久久久久久久久免费视频| 国产精品一及| 伦理电影免费视频| 久久婷婷人人爽人人干人人爱| www国产在线视频色| 成人国产一区最新在线观看| 国产熟女午夜一区二区三区| 悠悠久久av| 禁无遮挡网站| 国产99白浆流出| 日韩大码丰满熟妇| 亚洲全国av大片| 男插女下体视频免费在线播放| 欧美日韩瑟瑟在线播放| 久久久久久久午夜电影| 国产精品永久免费网站| 国内揄拍国产精品人妻在线| 午夜成年电影在线免费观看| 精品人妻1区二区| 香蕉国产在线看| 亚洲熟女毛片儿| 啪啪无遮挡十八禁网站| 搡老熟女国产l中国老女人| av有码第一页| 在线国产一区二区在线| 成在线人永久免费视频| 国产伦一二天堂av在线观看| 久久中文字幕一级| 欧美绝顶高潮抽搐喷水| 两个人视频免费观看高清| 一本大道久久a久久精品| 听说在线观看完整版免费高清| 中文字幕高清在线视频| 九九热线精品视视频播放| 丁香六月欧美| 女生性感内裤真人,穿戴方法视频| 午夜精品一区二区三区免费看| 精品乱码久久久久久99久播| 国产高清videossex| 色噜噜av男人的天堂激情| 狂野欧美激情性xxxx| 欧美日本亚洲视频在线播放| 可以免费在线观看a视频的电影网站| 国产三级在线视频| 国产区一区二久久| 97人妻精品一区二区三区麻豆| 桃色一区二区三区在线观看| 精品久久久久久,| 欧美丝袜亚洲另类 | 亚洲av电影在线进入| 可以在线观看毛片的网站| 免费高清视频大片| 欧美最黄视频在线播放免费| 国产午夜精品久久久久久| 一本精品99久久精品77| 国产精品一区二区三区四区久久| 国产成人啪精品午夜网站| 日本 av在线| 亚洲国产精品久久男人天堂| 午夜免费观看网址| 黄色a级毛片大全视频| 日本精品一区二区三区蜜桃| 国内精品久久久久精免费| 美女高潮喷水抽搐中文字幕| 99精品在免费线老司机午夜| 女生性感内裤真人,穿戴方法视频| 国产精品电影一区二区三区| 露出奶头的视频| 亚洲av片天天在线观看| 少妇裸体淫交视频免费看高清 | 国产午夜精品久久久久久| 午夜久久久久精精品| 欧美黑人精品巨大| 亚洲欧洲精品一区二区精品久久久| 国产av一区二区精品久久| 国产久久久一区二区三区| 国产精品久久久人人做人人爽| 黄色丝袜av网址大全| 午夜a级毛片| svipshipincom国产片| 国产精品av视频在线免费观看| 色尼玛亚洲综合影院| 香蕉av资源在线| 亚洲天堂国产精品一区在线| 亚洲av成人av| 欧美极品一区二区三区四区| av天堂在线播放| av片东京热男人的天堂| 村上凉子中文字幕在线| 又爽又黄无遮挡网站| 精华霜和精华液先用哪个| 午夜福利成人在线免费观看| 色综合亚洲欧美另类图片| 久久人妻av系列| 亚洲国产欧洲综合997久久,| 看黄色毛片网站| 欧美性猛交╳xxx乱大交人| 成人永久免费在线观看视频| 免费搜索国产男女视频| 国产亚洲av高清不卡| 男女之事视频高清在线观看| 国产乱人伦免费视频| 亚洲一码二码三码区别大吗| 一二三四在线观看免费中文在| 一本久久中文字幕| ponron亚洲| 精品无人区乱码1区二区| 久久人人精品亚洲av| 欧美一级毛片孕妇| 久久这里只有精品中国| 亚洲天堂国产精品一区在线| 亚洲熟妇熟女久久| 欧美高清成人免费视频www| 久久人妻福利社区极品人妻图片| 亚洲色图av天堂| 免费看十八禁软件| 久久久久久免费高清国产稀缺| tocl精华| 日韩欧美国产一区二区入口| 特大巨黑吊av在线直播| 久久99热这里只有精品18| 国产aⅴ精品一区二区三区波| 丰满人妻一区二区三区视频av | 亚洲人成电影免费在线| 亚洲乱码一区二区免费版| 色综合欧美亚洲国产小说| 日韩精品免费视频一区二区三区| 男女那种视频在线观看| 九九热线精品视视频播放| 亚洲专区字幕在线| 夜夜爽天天搞| 999精品在线视频| 免费在线观看黄色视频的| www.自偷自拍.com| 老司机午夜福利在线观看视频| 久久这里只有精品中国| 亚洲人成电影免费在线| 午夜福利在线在线| 人妻久久中文字幕网| 搡老岳熟女国产| 国产精品 欧美亚洲| 18禁国产床啪视频网站| 国内精品久久久久精免费| a级毛片a级免费在线| 日本熟妇午夜| 18禁裸乳无遮挡免费网站照片| 悠悠久久av| 国产视频内射| avwww免费| 黑人欧美特级aaaaaa片| videosex国产| 久久久久国产精品人妻aⅴ院| 久久久久国内视频| 久久久久久九九精品二区国产 | 国产精品久久久人人做人人爽| 欧美一级a爱片免费观看看 | 国产乱人伦免费视频| 欧美乱妇无乱码| 久久欧美精品欧美久久欧美| 中文字幕精品亚洲无线码一区| 美女免费视频网站| xxx96com| 叶爱在线成人免费视频播放| 又紧又爽又黄一区二区| 可以在线观看的亚洲视频| 天天躁狠狠躁夜夜躁狠狠躁| 蜜桃久久精品国产亚洲av| 日本精品一区二区三区蜜桃| 久久久久免费精品人妻一区二区| 久久亚洲真实| 12—13女人毛片做爰片一| 亚洲一区高清亚洲精品| 国产私拍福利视频在线观看| 黄色毛片三级朝国网站| av视频在线观看入口| 亚洲 欧美 日韩 在线 免费| 久久久久性生活片| 欧美黑人精品巨大| 50天的宝宝边吃奶边哭怎么回事| 亚洲九九香蕉| 久久香蕉精品热| 中文字幕精品亚洲无线码一区| 国产一区二区在线观看日韩 | 欧美乱妇无乱码| ponron亚洲| 99久久综合精品五月天人人| 免费电影在线观看免费观看| 亚洲午夜理论影院| 1024视频免费在线观看| 午夜视频精品福利| 久久久久久亚洲精品国产蜜桃av| 欧美黑人精品巨大| 真人做人爱边吃奶动态| 99久久无色码亚洲精品果冻| 悠悠久久av| 老司机午夜福利在线观看视频| 美女黄网站色视频| 成人精品一区二区免费| 国产精品久久久久久人妻精品电影| 亚洲一区二区三区色噜噜| 国产97色在线日韩免费| 亚洲,欧美精品.| 国产亚洲精品av在线| 人成视频在线观看免费观看| 久久香蕉精品热| 亚洲欧美激情综合另类| 两个人免费观看高清视频| 正在播放国产对白刺激| or卡值多少钱| 国产精品一区二区精品视频观看| bbb黄色大片| 99re在线观看精品视频| 啦啦啦韩国在线观看视频| 国产伦人伦偷精品视频| 在线观看www视频免费| 三级毛片av免费| 日韩精品免费视频一区二区三区| 日日爽夜夜爽网站| 亚洲av熟女| 日韩欧美 国产精品| 欧美成人免费av一区二区三区| 国产精品一区二区三区四区久久| 两性午夜刺激爽爽歪歪视频在线观看 | 韩国av一区二区三区四区| 1024视频免费在线观看| 人人妻,人人澡人人爽秒播| 国产精品永久免费网站| 中文字幕熟女人妻在线| av福利片在线观看| 欧美色欧美亚洲另类二区| 久久天堂一区二区三区四区| 欧美乱码精品一区二区三区| 男插女下体视频免费在线播放| 国产亚洲精品第一综合不卡| 亚洲人成网站高清观看| 亚洲av第一区精品v没综合| 人妻夜夜爽99麻豆av| 亚洲欧美精品综合久久99| 亚洲男人天堂网一区| 国产精品亚洲美女久久久| 亚洲成av人片免费观看| 成人三级黄色视频| 脱女人内裤的视频| 夜夜爽天天搞| 亚洲精品在线观看二区| 久久热在线av| 丝袜美腿诱惑在线| 国产亚洲av高清不卡| 国产区一区二久久| 国产高清视频在线观看网站| 超碰成人久久| 成人手机av| 啦啦啦免费观看视频1| 午夜两性在线视频| 麻豆av在线久日| 人人妻人人澡欧美一区二区| 天堂影院成人在线观看| 91av网站免费观看| 亚洲成人久久性| 久久精品国产99精品国产亚洲性色| 亚洲国产欧洲综合997久久,| 成人国产综合亚洲| 久久久精品国产亚洲av高清涩受| 国产精品一及| 超碰成人久久| 可以在线观看的亚洲视频| 黄色女人牲交| 在线观看舔阴道视频| 人成视频在线观看免费观看| 一级黄色大片毛片| 女人被狂操c到高潮| 国产av不卡久久| 精品福利观看| 99热6这里只有精品| 精品乱码久久久久久99久播| 欧美精品啪啪一区二区三区| 精品欧美国产一区二区三| 亚洲真实伦在线观看| 亚洲国产精品久久男人天堂| 90打野战视频偷拍视频| 日本黄色视频三级网站网址| 精品久久蜜臀av无| 黄色视频不卡| 在线观看免费视频日本深夜| 成人国语在线视频| 亚洲精品粉嫩美女一区| 黑人巨大精品欧美一区二区mp4| 国产精品亚洲av一区麻豆| 国产黄a三级三级三级人| 又紧又爽又黄一区二区| 免费看日本二区| 麻豆国产97在线/欧美 | 欧美成人性av电影在线观看| 精品电影一区二区在线| 精品久久久久久久久久久久久| 久久久久久国产a免费观看| 中文亚洲av片在线观看爽| 又爽又黄无遮挡网站| 男女做爰动态图高潮gif福利片| 级片在线观看| 国产91精品成人一区二区三区| 黄色毛片三级朝国网站| 免费看十八禁软件| 亚洲成人中文字幕在线播放| 男男h啪啪无遮挡| 欧美成狂野欧美在线观看| 男女下面进入的视频免费午夜| 久久精品国产综合久久久|