• <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 ?

    基于二向注意力循環(huán)神經(jīng)網(wǎng)絡(luò)的PM2.5濃度預(yù)測

    2020-03-26 05:57:34楊亞莉李智偉鐘衛(wèi)軍
    空軍工程大學(xué)學(xué)報 2020年6期
    關(guān)鍵詞:模型

    楊亞莉, 李智偉, 鐘衛(wèi)軍

    (1.空軍工程大學(xué)基礎(chǔ)部, 西安, 710051; 2.宇航動力學(xué)國家重點實驗室, 西安, 710043)

    隨著我國工業(yè)化和城鎮(zhèn)化的快速發(fā)展,大氣污染逐漸成為我們在發(fā)展過程中不可忽視的問題。作為衡量空氣質(zhì)量的重要指標(biāo),細(xì)顆粒物(PM2.5)顆粒小、活性強、空中停留時間長,易攜帶有毒有害物質(zhì),對人體和環(huán)境的危害更嚴(yán)重,導(dǎo)致老人、兒童等弱體質(zhì)人群易引發(fā)呼吸系統(tǒng)和心血管等疾病[1]。對PM2.5進(jìn)行準(zhǔn)確預(yù)測,有利于相關(guān)部門管理和治理空氣問題,并可為居民提供空氣污染預(yù)警,保障人民健康。

    PM2.5的形成原因及影響其濃度的因素仍未有統(tǒng)一的認(rèn)識,同時各類影響因素具有一定的隨機性,增加了預(yù)測PM2.5濃度的難度[2]。目前,預(yù)測方法主要有確定性模型和統(tǒng)計模型。確定性模型是一種理論模擬方法,充分描述大氣污染物擴散和稀釋過程中復(fù)雜的物理和化學(xué)變化。Shorshani等[3]利用改進(jìn)的高斯模型模擬了公路旁PM2.5濃度的變化,Djalalova等[4]利用卡爾曼濾波法預(yù)測了PM2.5的濃度。統(tǒng)計模型是利用各類數(shù)值模擬技術(shù)對大量的空氣質(zhì)量數(shù)據(jù)與氣象數(shù)據(jù)進(jìn)行分析,進(jìn)而挖掘潛在規(guī)律的方法。彭巖等[5]提出了一種基于集成樹-梯度提升決策樹的PM2.5濃度預(yù)測模型;羅宏遠(yuǎn)等[6]開展了基于二層分解技術(shù)和改進(jìn)極限學(xué)習(xí)機模型的PM2.5濃度預(yù)測研究;張熙來等[7]基于單時間序列數(shù)據(jù)的動態(tài)調(diào)整模型來進(jìn)行預(yù)測。此外,還有大量基于機器學(xué)習(xí)的PM2.5濃度預(yù)測模型,如支持向量機[8]、隨機森林[9]、Seq2seq模型[10]。

    傳統(tǒng)的統(tǒng)計模型方法是使用向量自回歸模型[11]、ARMAX[12]、ARIMAX[13]等模型,但這些方法只能提取到相對簡單的線性特征,難以有效提取出較為復(fù)雜的非線性特征。隨著機器學(xué)習(xí)研究的深入,深度學(xué)習(xí)模型以其強大的非線性特征提取和分析能力逐漸受到研究人員的青睞,其中,循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)[14]憑借其特殊的結(jié)構(gòu),在時間序列預(yù)測任務(wù)中展現(xiàn)了比其他模型更優(yōu)越的性能。但標(biāo)準(zhǔn)的RNN網(wǎng)絡(luò)在長序列訓(xùn)練過程中容易出現(xiàn)梯度消失和梯度爆炸的問題,為此,研究人員又提出了一類特殊的RNN網(wǎng)絡(luò)——長短期記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory, LSTM)[15],進(jìn)一步提升了模型對時序數(shù)據(jù)的特征提取能力。為了解決信息超載問題,研究人員通過注意力機制,將計算資源分配給更重要的任務(wù)。基于注意力機制的深度學(xué)習(xí)網(wǎng)絡(luò)往往能比其初始網(wǎng)絡(luò)表現(xiàn)出更強的性能。

    在以上研究的基礎(chǔ)上,本文提出了二向注意力循環(huán)神經(jīng)網(wǎng)絡(luò)模型(Two-Direction Attention-Based Recurrent Neural Network, TDA-RNN)。

    1 數(shù)據(jù)來源及預(yù)處理

    本文建模和評估使用的是北京地區(qū)的空氣質(zhì)量數(shù)據(jù)集,來自于UCI機器學(xué)習(xí)倉庫[16]。該數(shù)據(jù)集記錄了2010年1月1日到2014年12月31日每小時的北京空氣質(zhì)量,共計43 824組,包含8項不同的氣象條件數(shù)據(jù):PM2.5濃度、露點、溫度、大氣壓強、風(fēng)向、風(fēng)速、累積雪量和累積雨量。

    由于不同變量采用了不同的單位來衡量,為使模型在訓(xùn)練過程中能收斂,在建立模型前,需對原始數(shù)據(jù)進(jìn)行無量綱化處理:

    (1)

    2 TDA-RNN模型構(gòu)建

    為提高模型對多變量時序預(yù)測的精度,Yao Q等[17]設(shè)計了基于雙階段注意力的循環(huán)神經(jīng)網(wǎng)絡(luò)。受該模型的啟發(fā),本文設(shè)計了二向注意力循環(huán)神經(jīng)網(wǎng)絡(luò)TDA-RNN。

    TDA-RNN主要處理流程分為4步:①首先通過類別注意力模塊,對輸入的多變量數(shù)據(jù)的不同變量進(jìn)行分析,從而獲取不同變量數(shù)據(jù)的類別注意力;②通過時序注意力模塊,對輸入的多變量數(shù)據(jù)的不同時間步進(jìn)行分析,從而獲取數(shù)據(jù)的時序注意力;③將時序注意力與類別注意力進(jìn)行融合,獲取每個輸入數(shù)據(jù)的注意力,更新輸入數(shù)據(jù)并對其進(jìn)行特征編碼;④將編碼后的特征矩陣與PM2.5濃度的歷史數(shù)據(jù)進(jìn)行融合,并將其輸入特征解碼器中進(jìn)行解碼,獲取最終的預(yù)測值。TDA-RNN的網(wǎng)絡(luò)結(jié)構(gòu)見圖1。

    圖1 TDA-RNN模型結(jié)構(gòu)

    TDA-RNN是一個多輸入單輸出模型,需輸入目標(biāo)序列的歷史數(shù)據(jù)Y′和多變量數(shù)據(jù)X,輸出為預(yù)測變量值Y,其中X=(x1,x2,…,xT)T=(x1,x2,…,xN),Y′=(y1,y2,…,yT),xt∈RN,xn∈RT,Y,yt∈R,N為影響目標(biāo)序列的因素的數(shù)量,T為模型輸入的時間窗口長度。因此,模型TDA-RNN可表示為需要通過訓(xùn)練獲得具體參數(shù)的非線性函數(shù)F:

    Y=F(Y′,X)=F(y1,y2,…,yT,x1,x2,…,xN)

    (2)

    2.1 類別注意力

    RNN是一類以序列數(shù)據(jù)為輸入的遞歸神經(jīng)網(wǎng)絡(luò),其在序列的演進(jìn)方向進(jìn)行遞歸的特性使得RNN在語音識別、機器翻譯、時間序列預(yù)測等方面性能顯著[18]。使用RNN進(jìn)行時間序列預(yù)測,模型獲取輸入序列數(shù)據(jù)(x1,x2,…,xT),其中xt∈Rn,n為與目標(biāo)序列相關(guān)的因素的數(shù)量,并將通過訓(xùn)練得到非線性函數(shù)f:

    ht=f(ht-1,xt)

    (3)

    式中:ht∈Rm是RNN在t時刻的隱藏狀態(tài);m為隱藏狀態(tài)的序列長度。非線性函數(shù)f可以是標(biāo)準(zhǔn)RNN層、LSTM層或GRU層。

    LSTM層不僅保留了標(biāo)準(zhǔn)RNN層的允許信息持久化的特性,還改善了RNN長期依賴問題。因此,使用LSTM層來為模型提取序列數(shù)據(jù)中的長期和短期依賴特征。每個LSTM單元通過忘記門ft、輸入門it和輸出門ot這3個門結(jié)構(gòu)來存儲和更新模型在t時刻的細(xì)胞狀態(tài)st和隱藏狀態(tài)ht:

    (4)

    式中:[ht-1;xt]∈Rm+n是由t-1時刻的隱藏狀態(tài)ht-1與t時刻輸入的xt拼接而成;Wf,Wi,Wo,Ws∈Rm×(m+n)和bf,bi,bo;bs∈Rm是網(wǎng)絡(luò)需要通過訓(xùn)練獲取的參數(shù);σ是sigmoid函數(shù),⊙是哈達(dá)瑪積運算。

    (5)

    (6)

    2.2 時序注意力

    (7)

    (8)

    2.3 特征編碼器

    (9)

    利用新的LSTM層對更新后的多變量數(shù)據(jù)進(jìn)行編碼,獲取LSTM單元在不同時刻t的隱藏狀態(tài)ht,并將其作為編碼后的特征矩陣:

    ht=f1(ht-1,xt)

    (10)

    2.4 特征解碼器

    為了提高模型的預(yù)測精度,將目標(biāo)序列的歷史數(shù)據(jù)與其他影響因素的歷史數(shù)據(jù)分別輸入模型中,并將特征編碼器獲得的特征矩陣與目標(biāo)序列的歷史數(shù)據(jù)融合后進(jìn)行初次解碼:

    (11)

    通過初次解碼獲得的yt-1可用于更新特征解碼器在時刻t的隱藏狀態(tài)Ht:

    Ht=f2(Ht-1,yt-1)

    (12)

    使用LSTM單元作為非線性函數(shù)f2。Ht通過方程組(13)進(jìn)行更新:

    (13)

    對于獲得更新后的Ht,進(jìn)行最終解碼,獲得模型的預(yù)測值:

    (14)

    式中:w0∈Rm和b0∈R為網(wǎng)絡(luò)需要通過訓(xùn)練獲得的參數(shù);Y為模型最終的預(yù)測值。

    2.5 參數(shù)設(shè)置

    將數(shù)據(jù)集按0.722 5∶0.127 5∶0.15的比例劃分為訓(xùn)練集、驗證集和測試集,設(shè)置損失函數(shù)為MSE,并使用Adam作為模型訓(xùn)練的優(yōu)化器。同時,為了減少不必要的訓(xùn)練時間,采用“早停法”,即當(dāng)模型在驗證集上的損失函數(shù)在20個輪次的訓(xùn)練中未發(fā)生下降時,模型停止訓(xùn)練。

    3 實驗結(jié)果及分析

    3.1 模型評估標(biāo)準(zhǔn)

    為了衡量模型的預(yù)測性能,本文選擇擬合優(yōu)度R2、均方根誤差(RMSE)、平均絕對誤差(MAE)和平均絕對百分比誤差(MAPE)作為評價指標(biāo)。

    (15)

    (16)

    (17)

    (18)

    3.2 不同模型性能對比

    在TDA-RNN網(wǎng)絡(luò)中,有2個主要的參數(shù),分別是時間窗口長度T和隱藏狀態(tài)的序列長度m。參數(shù)選擇的不同,會導(dǎo)致模型性能的差異。分別取T∈{3,6,12,18,24}和m∈{8,16,32,64}并進(jìn)行訓(xùn)練,實驗結(jié)果表明,當(dāng)m=64、T=12時,TDA-RNN模型的預(yù)測精度最高。

    為了充分評估模型的預(yù)測性能,使用前向型神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network, BPNN)、門控循環(huán)單元(Gate Recurrent Unit, GRU)模型、LSTM和滑動平均模型(Moving Average Model, MA)4種模型作為對照模型。BPNN模型是目前應(yīng)用最廣泛、構(gòu)造過程最規(guī)范的一類神經(jīng)網(wǎng)絡(luò);MA是模型參量法譜分析方法之一,也是現(xiàn)代譜估計中常用的模型;GRU和LSTM均為標(biāo)準(zhǔn)循環(huán)神經(jīng)網(wǎng)絡(luò)的改進(jìn)結(jié)構(gòu),是目前性能較好的時間序列預(yù)測模型。

    表1為不同模型的評估結(jié)果,從中可以看出,文中提出的TDA-RNN模型不僅擬合優(yōu)度R2最低,而且RMSE、MAE和MAPE均遠(yuǎn)低于4個對照模型,說明其整體預(yù)測性能最優(yōu)。同時,由于該模型是在LSTM模型的基礎(chǔ)上構(gòu)建且性能明顯提高,說明本文提出的二向注意力機制對模型產(chǎn)生了正向作用;BPNN、GRU和LSTM的評估結(jié)果接近,其中GRU的性能略強于BPNN和LSTM;MA模型除了在MAPE這一評估參數(shù)上優(yōu)于LSTM模型外,在4項評估參數(shù)上均表現(xiàn)最差,說明線性模型由于其非線性特征提取能力較差,已難以滿足PM2.5濃度預(yù)測的需要。

    表1 不同模型評估結(jié)果

    圖2為不同模型在測試集上預(yù)測結(jié)果的APE箱線圖。根據(jù)圖2可知,TDA-RNN模型在測試集上預(yù)測值的相對百分比誤差的平均值和上邊緣值均低于對照模型,且預(yù)測值誤差的分布更集中。圖2從誤差分布方面進(jìn)一步說明了TDA-RNN在該數(shù)據(jù)集上有較高的預(yù)測性能。

    圖2 不同模型預(yù)測結(jié)果的APE箱線圖

    3.3 參數(shù)敏感性

    不同的參數(shù),可能導(dǎo)致深度學(xué)習(xí)模型的性能有較大的差異。本文對TDA-RNN模型的主要參數(shù)T和m進(jìn)行了參數(shù)敏感性實驗。改變T或m時,保持其他參數(shù)不變并對模型進(jìn)行訓(xùn)練,結(jié)果見圖3。

    圖3 不同參數(shù)的模型在測試集上的RMSE

    當(dāng)(T,m)=(3,32),(3,64),(6,64)時,TDA-RNN模型對任何輸入均有相同的輸出,此時模型的訓(xùn)練出現(xiàn)梯度消失現(xiàn)象,導(dǎo)致模型無法對數(shù)據(jù)集進(jìn)行有效的訓(xùn)練。

    從圖3(a)可知,TDA-RNN在測試集上的RMSE隨參數(shù)m的變化是沒有規(guī)律的,甚至當(dāng)T=12和T=24時的規(guī)律幾乎是相反的。因此,m的選擇需要通過實驗來確定。

    從圖3(b)可知,T的取值較大或較小,均會導(dǎo)致模型預(yù)測誤差的增大。這是因為當(dāng)T取值較小時,模型獲取的信息不充分,導(dǎo)致模型對缺乏足夠的信息來進(jìn)行預(yù)測;取值較大時,模型雖然獲取了更多的信息,但是過量的信息增加了模型對重要信息提取和分析的難度。

    3.4 抗干擾能力檢測

    由于PM2.5形成原因復(fù)雜,在進(jìn)行PM2.5濃度預(yù)測時使用的其他氣象數(shù)據(jù)不一定與PM2.5濃度變化有直接關(guān)系,此時,對網(wǎng)絡(luò)來說相當(dāng)于引入了干擾因素。因此,檢測網(wǎng)絡(luò)的抗干擾性能是非常必要的。

    首先隨機生成一列滿足正態(tài)分布的數(shù)據(jù),并將其作為一類氣象數(shù)據(jù)添加至模型的輸入X;然后在不調(diào)整模型參數(shù)和結(jié)構(gòu)的情況下,對TDA-RNN和其他對照模型進(jìn)行訓(xùn)練。

    表2為不同模型在含有干擾因素的數(shù)據(jù)集上的評估結(jié)果。當(dāng)m=64、T=12時,TDA-RNN的4項評估指標(biāo)R2、RMSE、MAE和MAPE分別為0.934 9、20.15、11.43和0.246 3,均優(yōu)于對照模型。圖4為不同模型在測試集上預(yù)測結(jié)果的APE箱線圖。

    表2 不同模型在含有干擾因素的數(shù)據(jù)集上的評估結(jié)果

    注:*表示該模型是在含有干擾因素的數(shù)據(jù)集上訓(xùn)練。

    根據(jù)圖4可知,在不調(diào)整模型參數(shù)和結(jié)構(gòu)的情況下,各類模型在含有干擾因素的數(shù)據(jù)集上的預(yù)測精度均有了不同程度的降低。其中,TDA-RNN和GRU在測試集上的預(yù)測誤差的上四分位數(shù)降低程度最低,說明模型抗干擾能力較強。通過對比TDA-RNN與LSTM模型的評估結(jié)果可知本文提出的二向注意力機制增強了模型的抗干擾能力。

    4 結(jié)語

    針對現(xiàn)有PM2.5濃度預(yù)測模型效果不穩(wěn)定、泛化能力差的問題,本文提出了二向注意力循環(huán)神經(jīng)網(wǎng)絡(luò)TDA-RNN,實現(xiàn)了對PM2.5濃度的準(zhǔn)確預(yù)測。模型分別在時序和類別這兩個維度上使用注意力機制,實現(xiàn)了對計算資源的優(yōu)化分配,使TDA-RNN模型擁有更高的預(yù)測精度。注意力機制的合理使用,使模型對干擾因素有較強的識別能力,增強了模型的抗干擾能力。同時,TDA-RNN也適用于其他應(yīng)用場景的多變量時間序列預(yù)測,具有廣闊的工程應(yīng)用前景。

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機模型
    提煉模型 突破難點
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達(dá)及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    3D打印中的模型分割與打包
    少妇的逼水好多| 亚洲精品成人久久久久久| 国产国拍精品亚洲av在线观看| 久久韩国三级中文字幕| 久久精品久久久久久久性| 国产伦精品一区二区三区四那| 色网站视频免费| 国产一区二区三区av在线| 91久久精品国产一区二区三区| 最近手机中文字幕大全| 午夜精品国产一区二区电影 | 亚洲婷婷狠狠爱综合网| 如何舔出高潮| 看十八女毛片水多多多| 97人妻精品一区二区三区麻豆| 综合色av麻豆| 久久精品国产亚洲网站| 亚洲无线观看免费| 亚洲精品日韩在线中文字幕| 91久久精品国产一区二区三区| 男女视频在线观看网站免费| 国产精品一区二区三区四区久久| 欧美激情国产日韩精品一区| 亚洲欧美日韩东京热| 你懂的网址亚洲精品在线观看 | 亚洲精品,欧美精品| 亚洲精品aⅴ在线观看| 边亲边吃奶的免费视频| 村上凉子中文字幕在线| 久久亚洲精品不卡| 国产av不卡久久| 少妇裸体淫交视频免费看高清| av卡一久久| 久久久久网色| 干丝袜人妻中文字幕| 国产av一区在线观看免费| 国产日韩欧美在线精品| 日韩在线高清观看一区二区三区| 国产黄片美女视频| 午夜福利在线在线| 最近最新中文字幕免费大全7| 国产亚洲最大av| 国产精品美女特级片免费视频播放器| 人人妻人人看人人澡| 久久热精品热| 亚洲精品成人久久久久久| 少妇裸体淫交视频免费看高清| 色视频www国产| 日韩在线高清观看一区二区三区| 国产午夜精品久久久久久一区二区三区| 欧美性猛交黑人性爽| 亚洲欧美一区二区三区国产| 熟妇人妻久久中文字幕3abv| 日本wwww免费看| 成人午夜高清在线视频| 欧美丝袜亚洲另类| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲乱码一区二区免费版| 一级毛片电影观看 | 插逼视频在线观看| 99在线人妻在线中文字幕| 在现免费观看毛片| 国产精品人妻久久久久久| 久久欧美精品欧美久久欧美| 搡老妇女老女人老熟妇| 直男gayav资源| 波野结衣二区三区在线| 国产精品国产三级国产av玫瑰| 亚洲国产最新在线播放| 国产色婷婷99| 在线观看av片永久免费下载| 久久久精品欧美日韩精品| 国产乱来视频区| 久久亚洲国产成人精品v| 亚洲自拍偷在线| 日本免费a在线| 婷婷色av中文字幕| 国产老妇女一区| av免费在线看不卡| 18禁在线无遮挡免费观看视频| 国产在线一区二区三区精 | 免费观看性生交大片5| 欧美成人精品欧美一级黄| 黄色一级大片看看| 免费不卡的大黄色大毛片视频在线观看 | 大香蕉97超碰在线| 欧美变态另类bdsm刘玥| 亚洲欧美日韩无卡精品| 欧美成人一区二区免费高清观看| 日韩视频在线欧美| 免费观看在线日韩| 日本色播在线视频| 久久久久久大精品| 一边摸一边抽搐一进一小说| 国产麻豆成人av免费视频| 精品久久久久久成人av| 国产激情偷乱视频一区二区| 精品酒店卫生间| 久久热精品热| av免费在线看不卡| 观看美女的网站| 1024手机看黄色片| 一卡2卡三卡四卡精品乱码亚洲| 国产精品电影一区二区三区| 国产白丝娇喘喷水9色精品| 日韩av不卡免费在线播放| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲综合色惰| 亚洲人与动物交配视频| 久久久久久久久久久免费av| 变态另类丝袜制服| 又爽又黄无遮挡网站| 熟妇人妻久久中文字幕3abv| 久久99热这里只有精品18| 日韩高清综合在线| 久久久欧美国产精品| 亚洲国产精品sss在线观看| av在线播放精品| av线在线观看网站| 91久久精品电影网| 日本爱情动作片www.在线观看| 亚洲av电影不卡..在线观看| 麻豆久久精品国产亚洲av| 国产成人福利小说| 欧美另类亚洲清纯唯美| 亚洲精品aⅴ在线观看| 青春草亚洲视频在线观看| 一级av片app| 国语自产精品视频在线第100页| 免费电影在线观看免费观看| 久久久国产成人免费| 亚洲精华国产精华液的使用体验| 亚洲美女视频黄频| 在线免费十八禁| 亚洲精华国产精华液的使用体验| 久久这里只有精品中国| 禁无遮挡网站| 欧美人与善性xxx| 男女下面进入的视频免费午夜| 国模一区二区三区四区视频| 小蜜桃在线观看免费完整版高清| www日本黄色视频网| 插阴视频在线观看视频| 日日摸夜夜添夜夜添av毛片| 日日撸夜夜添| 欧美丝袜亚洲另类| 日本黄色视频三级网站网址| 免费观看人在逋| 国产在线一区二区三区精 | 亚洲国产最新在线播放| 国产亚洲精品av在线| 午夜a级毛片| 一本一本综合久久| 岛国毛片在线播放| 欧美一区二区国产精品久久精品| 又爽又黄无遮挡网站| 国产精品1区2区在线观看.| 高清日韩中文字幕在线| 成年免费大片在线观看| 在线天堂最新版资源| 久久精品综合一区二区三区| 亚洲精品乱码久久久v下载方式| av.在线天堂| 最近视频中文字幕2019在线8| 中文字幕制服av| 免费观看在线日韩| 欧美激情在线99| 国产亚洲av片在线观看秒播厂 | 欧美又色又爽又黄视频| 一区二区三区免费毛片| 麻豆成人av视频| 亚洲伊人久久精品综合 | 插逼视频在线观看| 一夜夜www| 日韩欧美国产在线观看| 美女大奶头视频| 最近手机中文字幕大全| 少妇熟女aⅴ在线视频| 神马国产精品三级电影在线观看| 欧美成人一区二区免费高清观看| 在线播放无遮挡| 久久精品夜夜夜夜夜久久蜜豆| 亚洲最大成人手机在线| 亚洲欧美日韩东京热| 亚洲av免费在线观看| 成年免费大片在线观看| 精品国产露脸久久av麻豆 | 美女内射精品一级片tv| 中文字幕av在线有码专区| 看非洲黑人一级黄片| 精品欧美国产一区二区三| 欧美+日韩+精品| 久久久久久久久大av| 秋霞在线观看毛片| 国产一级毛片七仙女欲春2| 美女xxoo啪啪120秒动态图| 直男gayav资源| 久久欧美精品欧美久久欧美| 午夜福利在线观看吧| 精品人妻一区二区三区麻豆| a级一级毛片免费在线观看| 亚洲av不卡在线观看| 97超碰精品成人国产| 男女啪啪激烈高潮av片| 99在线人妻在线中文字幕| 美女内射精品一级片tv| 久久久久性生活片| 中文字幕久久专区| 国产精品.久久久| 天天躁夜夜躁狠狠久久av| 久久久久久伊人网av| 卡戴珊不雅视频在线播放| 久久久国产成人精品二区| 欧美潮喷喷水| 国产精品久久久久久久电影| 午夜a级毛片| 噜噜噜噜噜久久久久久91| 一本一本综合久久| 国产久久久一区二区三区| 麻豆成人av视频| 亚洲精品,欧美精品| 一个人免费在线观看电影| 亚洲图色成人| 欧美又色又爽又黄视频| 免费观看的影片在线观看| 国产又色又爽无遮挡免| av免费在线看不卡| 嘟嘟电影网在线观看| 成人亚洲欧美一区二区av| 国产亚洲午夜精品一区二区久久 | 男女下面进入的视频免费午夜| 国内精品宾馆在线| 亚洲国产精品合色在线| 国产男人的电影天堂91| 老司机福利观看| av.在线天堂| av在线天堂中文字幕| 亚洲精品一区蜜桃| 97人妻精品一区二区三区麻豆| 男插女下体视频免费在线播放| 看片在线看免费视频| 免费观看a级毛片全部| 毛片女人毛片| 亚洲成av人片在线播放无| 男人舔女人下体高潮全视频| 男人和女人高潮做爰伦理| 搞女人的毛片| 97在线视频观看| 亚洲久久久久久中文字幕| 成人毛片60女人毛片免费| 一个人免费在线观看电影| 国产精品麻豆人妻色哟哟久久 | 亚洲伊人久久精品综合 | 色综合色国产| 狂野欧美激情性xxxx在线观看| 国产精品久久电影中文字幕| 国产av在哪里看| 日本一二三区视频观看| 九草在线视频观看| 狂野欧美激情性xxxx在线观看| 国产精品永久免费网站| 亚洲成人精品中文字幕电影| 亚洲国产色片| 99视频精品全部免费 在线| 日韩强制内射视频| 久久久久久久亚洲中文字幕| 在线观看一区二区三区| 成年免费大片在线观看| 人妻夜夜爽99麻豆av| 狠狠狠狠99中文字幕| 国产精品野战在线观看| 国产成人精品婷婷| 乱码一卡2卡4卡精品| 精华霜和精华液先用哪个| 亚洲欧美一区二区三区国产| 国内精品美女久久久久久| 亚洲精品影视一区二区三区av| 亚洲无线观看免费| 国产亚洲午夜精品一区二区久久 | 成年av动漫网址| 久久99精品国语久久久| 一级黄片播放器| 大话2 男鬼变身卡| 99久国产av精品国产电影| 99久久九九国产精品国产免费| 国产精品精品国产色婷婷| 青春草视频在线免费观看| 精品一区二区免费观看| 99久久人妻综合| 国产一区二区三区av在线| 少妇人妻精品综合一区二区| 在线观看av片永久免费下载| 成人av在线播放网站| 国产精品.久久久| 在线观看美女被高潮喷水网站| 久久这里有精品视频免费| 国产精品国产三级国产av玫瑰| 99热这里只有精品一区| 欧美bdsm另类| 亚洲人成网站在线播| av播播在线观看一区| 久久久色成人| 亚洲国产日韩欧美精品在线观看| 99久久精品热视频| 熟女电影av网| 男人舔女人下体高潮全视频| 最后的刺客免费高清国语| 国产精品麻豆人妻色哟哟久久 | 国产精品久久久久久久电影| 色哟哟·www| 一级av片app| av.在线天堂| 成人漫画全彩无遮挡| 精品99又大又爽又粗少妇毛片| 亚洲国产高清在线一区二区三| 日本猛色少妇xxxxx猛交久久| 免费看av在线观看网站| 亚洲色图av天堂| 亚洲熟妇中文字幕五十中出| 午夜激情福利司机影院| 天天一区二区日本电影三级| 精品一区二区免费观看| 最近2019中文字幕mv第一页| 亚洲天堂国产精品一区在线| 哪个播放器可以免费观看大片| 人妻系列 视频| 中文字幕av成人在线电影| 中文乱码字字幕精品一区二区三区 | 成年女人看的毛片在线观看| 午夜免费激情av| av福利片在线观看| 18禁裸乳无遮挡免费网站照片| 欧美最新免费一区二区三区| 午夜老司机福利剧场| 人人妻人人澡人人爽人人夜夜 | 1024手机看黄色片| 边亲边吃奶的免费视频| 日韩亚洲欧美综合| 国产精品一区二区性色av| 国产精华一区二区三区| 国内精品美女久久久久久| 99久久精品国产国产毛片| 美女脱内裤让男人舔精品视频| 美女内射精品一级片tv| 九九在线视频观看精品| 2021少妇久久久久久久久久久| 国产熟女欧美一区二区| 亚洲国产精品成人综合色| 国产探花极品一区二区| 久久99热这里只频精品6学生 | 国产一区二区亚洲精品在线观看| 小蜜桃在线观看免费完整版高清| 我要看日韩黄色一级片| 久久久久免费精品人妻一区二区| 一个人免费在线观看电影| 亚洲,欧美,日韩| 亚洲av电影在线观看一区二区三区 | 国产人妻一区二区三区在| 国产免费一级a男人的天堂| 毛片女人毛片| 久久久久久九九精品二区国产| 久久久国产成人免费| 两个人的视频大全免费| 亚洲成人久久爱视频| 久久热精品热| 建设人人有责人人尽责人人享有的 | 18禁在线播放成人免费| 久久精品国产亚洲av涩爱| 日韩强制内射视频| 欧美人与善性xxx| 日本av手机在线免费观看| 成人综合一区亚洲| 3wmmmm亚洲av在线观看| 亚洲成人久久爱视频| 亚洲成人av在线免费| 天天躁日日操中文字幕| 你懂的网址亚洲精品在线观看 | 2021天堂中文幕一二区在线观| 秋霞在线观看毛片| 国产 一区精品| 婷婷色av中文字幕| 久久精品夜夜夜夜夜久久蜜豆| 亚洲不卡免费看| 热99在线观看视频| 观看免费一级毛片| 国产黄a三级三级三级人| 成人一区二区视频在线观看| 久久久久久大精品| 搞女人的毛片| 国产精品久久久久久av不卡| 全区人妻精品视频| 亚洲国产色片| av在线观看视频网站免费| a级毛色黄片| 国产 一区精品| 亚洲av电影不卡..在线观看| 久久久久久久久大av| 国产 一区 欧美 日韩| 日韩大片免费观看网站 | 搡女人真爽免费视频火全软件| 亚洲美女搞黄在线观看| 免费电影在线观看免费观看| 99热精品在线国产| 嫩草影院精品99| 91精品一卡2卡3卡4卡| 视频中文字幕在线观看| 亚洲色图av天堂| 丰满少妇做爰视频| 日本黄大片高清| 亚洲欧美中文字幕日韩二区| 欧美又色又爽又黄视频| 晚上一个人看的免费电影| 亚洲美女视频黄频| 亚洲在线观看片| 男女边吃奶边做爰视频| 国产伦一二天堂av在线观看| 国产成人a∨麻豆精品| 成人亚洲欧美一区二区av| 国产亚洲av嫩草精品影院| 国产高潮美女av| 狂野欧美白嫩少妇大欣赏| 免费看a级黄色片| 久久久国产成人精品二区| 久久精品久久久久久噜噜老黄 | 亚洲精品国产成人久久av| 91狼人影院| 日日干狠狠操夜夜爽| 黄色日韩在线| 99在线视频只有这里精品首页| 国产三级中文精品| 国产精品伦人一区二区| 色综合亚洲欧美另类图片| 国产色爽女视频免费观看| 久久精品影院6| 久久久久久久久中文| 午夜亚洲福利在线播放| 国产高清不卡午夜福利| 国产人妻一区二区三区在| 亚洲真实伦在线观看| 特大巨黑吊av在线直播| 久久久久久久久大av| 啦啦啦观看免费观看视频高清| 久久久久久国产a免费观看| 97超碰精品成人国产| 国产高清有码在线观看视频| 国语自产精品视频在线第100页| 男人的好看免费观看在线视频| 中文天堂在线官网| 成人二区视频| 我的女老师完整版在线观看| 美女被艹到高潮喷水动态| 午夜福利在线观看吧| 国产av码专区亚洲av| 一本一本综合久久| 国产三级在线视频| 国产av一区在线观看免费| 欧美精品国产亚洲| 亚洲欧美成人精品一区二区| 久久6这里有精品| 国产熟女欧美一区二区| 午夜激情欧美在线| 男女下面进入的视频免费午夜| 国产亚洲av片在线观看秒播厂 | 丝袜美腿在线中文| 身体一侧抽搐| 免费看av在线观看网站| 久久久久久久久大av| 成人欧美大片| 观看美女的网站| 三级男女做爰猛烈吃奶摸视频| 国产片特级美女逼逼视频| 国产av在哪里看| 午夜精品国产一区二区电影 | 午夜福利网站1000一区二区三区| 韩国高清视频一区二区三区| 亚洲国产精品专区欧美| 波多野结衣巨乳人妻| 91在线精品国自产拍蜜月| 高清午夜精品一区二区三区| 中文字幕精品亚洲无线码一区| 国产 一区精品| 中文在线观看免费www的网站| 日本猛色少妇xxxxx猛交久久| 欧美人与善性xxx| 欧美xxxx黑人xx丫x性爽| 精品一区二区三区人妻视频| 女人被狂操c到高潮| 亚洲国产精品专区欧美| 亚洲人成网站在线观看播放| 99久久无色码亚洲精品果冻| 午夜福利网站1000一区二区三区| 国产一级毛片在线| 国产精品人妻久久久影院| 久久亚洲国产成人精品v| 亚洲五月天丁香| 欧美一区二区精品小视频在线| 亚洲精品456在线播放app| 最近最新中文字幕免费大全7| 久久久久久久久中文| 日韩av在线大香蕉| 中文天堂在线官网| 午夜精品国产一区二区电影 | 日韩一本色道免费dvd| 晚上一个人看的免费电影| 五月玫瑰六月丁香| 国产午夜精品论理片| 能在线免费看毛片的网站| 日韩欧美 国产精品| 99久国产av精品| 亚州av有码| 国产午夜精品久久久久久一区二区三区| 内地一区二区视频在线| 亚洲欧洲日产国产| 看十八女毛片水多多多| 国产黄色视频一区二区在线观看 | 成人美女网站在线观看视频| 观看美女的网站| 欧美三级亚洲精品| 久久精品国产99精品国产亚洲性色| 免费电影在线观看免费观看| 成人一区二区视频在线观看| 一夜夜www| 国产免费福利视频在线观看| 蜜桃亚洲精品一区二区三区| 亚州av有码| 国产精品99久久久久久久久| 禁无遮挡网站| 深夜a级毛片| 成人美女网站在线观看视频| 日本爱情动作片www.在线观看| 国产一级毛片七仙女欲春2| 久久精品国产99精品国产亚洲性色| 免费不卡的大黄色大毛片视频在线观看 | av在线亚洲专区| 能在线免费看毛片的网站| 国产极品天堂在线| 中文字幕人妻熟人妻熟丝袜美| 丰满人妻一区二区三区视频av| 久久久久久久亚洲中文字幕| 菩萨蛮人人尽说江南好唐韦庄 | 少妇裸体淫交视频免费看高清| 日日摸夜夜添夜夜添av毛片| 乱人视频在线观看| 久久久久久久久久成人| 最近中文字幕高清免费大全6| 黄色一级大片看看| 亚洲国产最新在线播放| 亚洲第一区二区三区不卡| 日本一二三区视频观看| 身体一侧抽搐| 51国产日韩欧美| 中文欧美无线码| 午夜精品国产一区二区电影 | 女的被弄到高潮叫床怎么办| 男人舔女人下体高潮全视频| 亚洲国产精品国产精品| 亚州av有码| 99久久精品一区二区三区| 男女国产视频网站| 伦精品一区二区三区| 一二三四中文在线观看免费高清| 亚洲经典国产精华液单| 亚洲欧美清纯卡通| 国产免费福利视频在线观看| 最近2019中文字幕mv第一页| 亚洲乱码一区二区免费版| 中文字幕免费在线视频6| 婷婷色综合大香蕉| 亚洲精品乱码久久久v下载方式| av免费在线看不卡| 可以在线观看毛片的网站| 九九热线精品视视频播放| 精品一区二区免费观看| 一个人观看的视频www高清免费观看| 三级经典国产精品| 91在线精品国自产拍蜜月| 国产精品一区二区在线观看99 | 久久久久久久久大av| 亚洲三级黄色毛片| 中文字幕熟女人妻在线| 国产午夜精品一二区理论片| av在线天堂中文字幕| 大香蕉久久网| 麻豆成人午夜福利视频| 久久精品人妻少妇| 国产69精品久久久久777片| 26uuu在线亚洲综合色| 成人亚洲精品av一区二区| 免费av毛片视频| 亚洲av成人精品一区久久| 国产亚洲午夜精品一区二区久久 | 两个人视频免费观看高清| 精品酒店卫生间| 人妻夜夜爽99麻豆av| 麻豆成人午夜福利视频| 2022亚洲国产成人精品| 亚洲国产成人一精品久久久| 久久久久久久久大av| 免费人成在线观看视频色| 免费看美女性在线毛片视频| 国产精品国产高清国产av| 男插女下体视频免费在线播放| 日韩人妻高清精品专区| 99久国产av精品| 丰满人妻一区二区三区视频av| 成人午夜精彩视频在线观看| 我要搜黄色片| 欧美日韩综合久久久久久| 欧美色视频一区免费| 2021天堂中文幕一二区在线观| 欧美成人午夜免费资源| 国产男人的电影天堂91| 国产伦理片在线播放av一区| 性插视频无遮挡在线免费观看| av在线蜜桃|