• <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 ?

    地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警的改進(jìn)SVM模型*

    2016-07-06 01:15:36王鳳山戎全兵張宏軍
    工程地質(zhì)學(xué)報(bào) 2016年2期
    關(guān)鍵詞:危險(xiǎn)性預(yù)警向量

    王鳳山 戎全兵 張宏軍

    地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警的改進(jìn)SVM模型*

    王鳳山①②戎全兵②張宏軍②

    ( ①解放軍理工大學(xué)野戰(zhàn)工程學(xué)院南京210007)

    ( ②解放軍理工大學(xué)指揮信息系統(tǒng)學(xué)院南京210007)

    摘要針對(duì)地震作用下孕險(xiǎn)環(huán)境樣本數(shù)據(jù)有限、復(fù)雜非線性等特點(diǎn),提出了一種基于最小二乘支持向量機(jī)的地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警方法。圍繞地震后效應(yīng)的地下工程區(qū)域孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警目標(biāo)和特征參數(shù),設(shè)計(jì)孕險(xiǎn)環(huán)境危險(xiǎn)性問題的向量機(jī)表示形式,提出孕險(xiǎn)環(huán)境危險(xiǎn)性支持向量機(jī)訓(xùn)練工作機(jī)制,利用支持向量機(jī)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則和非線性映射特性,建立基于最小二乘支持向量機(jī)的地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警模型及其算法組件,并利用遺傳算法優(yōu)化其懲罰函數(shù)和核函數(shù)參數(shù),隱式表達(dá)孕險(xiǎn)環(huán)境危險(xiǎn)性與其影響因素之間的非線性關(guān)系。結(jié)果表明,模型具有有效的小樣本學(xué)習(xí)能力,具有較高的擬合和預(yù)測(cè)精度,明顯優(yōu)于神經(jīng)網(wǎng)絡(luò)等預(yù)測(cè)模型。

    關(guān)鍵詞孕險(xiǎn)環(huán)境風(fēng)險(xiǎn)預(yù)警地下結(jié)構(gòu)支持向量機(jī)遺傳算法

    0引言

    地震作用下地下工程區(qū)域環(huán)境平衡失穩(wěn),其結(jié)構(gòu)和物理力學(xué)性質(zhì)方面表現(xiàn)為宏觀和微觀上的不連續(xù)性、非線性等特點(diǎn)(Omeretal.,2010; 楊志華等, 2013),考慮區(qū)域孕險(xiǎn)環(huán)境受到巖性、巖層傾向、地形、坡體形態(tài)、水條件、巖土含水量、巖體節(jié)理裂隙發(fā)育狀況等等因素綜合影響(孫海峰等, 2013),有效預(yù)測(cè)與控制地下結(jié)構(gòu)區(qū)域環(huán)境變形危險(xiǎn)性,是地下結(jié)構(gòu)安全監(jiān)控關(guān)注的重要問題。

    巖石力學(xué)與工程的智能分析方法(遺傳算法、神經(jīng)網(wǎng)絡(luò)等)是國(guó)內(nèi)外科技工作者廣泛關(guān)注的研究課題,支持向量機(jī)(SupportVectorMachine,簡(jiǎn)記為SVM)自20世紀(jì)90年代問世以來,其在處理高維數(shù)、復(fù)雜非線性以及全局優(yōu)化等方面的優(yōu)良性能,受到各個(gè)研究領(lǐng)域的廣泛關(guān)注,迅速應(yīng)用于巖土力學(xué)與工程的各個(gè)方面(趙洪波, 2008),如成都理工大學(xué)利用逐類組合支持向量機(jī)預(yù)測(cè)邊坡穩(wěn)定性(匡野, 2013),Wangetal.(2010)利用最小二乘支持向量機(jī)隱式表達(dá)防護(hù)工程損毀與其影響因素之間的非線性關(guān)系; 董輝等(2012)建立工程先驗(yàn)知識(shí)辨識(shí)下的滑坡非平穩(wěn)變形支持向量機(jī)預(yù)測(cè)模型。

    孕險(xiǎn)環(huán)境危險(xiǎn)性判決是對(duì)塌陷、滑坡、泥石流等多樣性潛在災(zāi)害的風(fēng)險(xiǎn)決策,是地下工程區(qū)域環(huán)境在地震災(zāi)害后效應(yīng)作用的系統(tǒng)分析(黃潤(rùn)秋, 2011),各類風(fēng)險(xiǎn)事件影響因子及其變量參數(shù)存在很大的相異性(李天斌, 2008); 同時(shí),地震作用下的地下工程區(qū)域環(huán)境存在特征參數(shù)獲取困難的現(xiàn)實(shí)約束,如何集成專家智慧和特征參數(shù),利用支持向量刻畫孕險(xiǎn)環(huán)境因子與危險(xiǎn)性對(duì)象之間的非線性依賴關(guān)系,形成快捷、科學(xué)的孕險(xiǎn)環(huán)境危險(xiǎn)性評(píng)估工具,對(duì)有效辨識(shí)和掌握地下工程環(huán)境的發(fā)育特征和演化規(guī)律,對(duì)地下結(jié)構(gòu)震害損失和科學(xué)防治具有重要價(jià)值。

    1孕險(xiǎn)環(huán)境預(yù)警問題SVM表示

    地震作用下地下工程區(qū)域孕險(xiǎn)環(huán)境危險(xiǎn)性是典型的非線性問題,包括狀態(tài)評(píng)價(jià)和風(fēng)險(xiǎn)預(yù)測(cè)兩方面問題,其本質(zhì)是圍繞地質(zhì)災(zāi)害危險(xiǎn)性這一目標(biāo)問題展開對(duì)孕險(xiǎn)環(huán)境特征參數(shù)的多屬性數(shù)值計(jì)算和模型推理(Lietal.,2012)。

    歸納起來(趙洪波, 2008;Omeretal.,2010; 孫海峰等, 2013),地震載荷作用后的地下工程孕險(xiǎn)環(huán)境主要與地形地貌高差變異系數(shù)(C1)、地質(zhì)環(huán)境坡度變異系數(shù)(C2)、土地塌陷裂縫規(guī)模(C3)、水資源變化強(qiáng)度(C4)、巖體結(jié)構(gòu)完整性系數(shù)(C5)、地質(zhì)結(jié)構(gòu)面強(qiáng)度系數(shù)(C6)、坡體黏聚力(C7)、巖體變形模量(C8)、表面變形速率等特征參數(shù)相關(guān)。

    地下結(jié)構(gòu)孕險(xiǎn)環(huán)境預(yù)警支持向量機(jī),把工程環(huán)境破壞與變形及其危險(xiǎn)性看作是客觀條件變化的序列,將問題轉(zhuǎn)化為“如何利用樣本挖掘出危險(xiǎn)性規(guī)律,進(jìn)而預(yù)測(cè)檢驗(yàn)樣本的危險(xiǎn)性指數(shù)?”。

    令C={Cj|1≤j≤n}表示孕險(xiǎn)環(huán)境危險(xiǎn)性的機(jī)理因素或特征參數(shù)集合,利用支持向量機(jī)方法描述孕險(xiǎn)環(huán)境危險(xiǎn)性與影響因素的映射關(guān)系,即:

    (1)

    2孕險(xiǎn)環(huán)境危險(xiǎn)性SVM訓(xùn)練工作機(jī)制

    SVM具備嚴(yán)格的理論和數(shù)學(xué)基礎(chǔ),其核心思想就是學(xué)習(xí)機(jī)器要與有限的訓(xùn)練樣本相適應(yīng),是繼神經(jīng)網(wǎng)絡(luò)之后機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)(袁輝等, 2014)。

    圍繞地震作用下地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警任務(wù)和功能約束,遵循支持向量機(jī)的基本原理和組合預(yù)測(cè)模式(耿睿等, 2008),設(shè)計(jì)孕險(xiǎn)環(huán)境危險(xiǎn)性向量機(jī)訓(xùn)練模式(圖1),即其訓(xùn)練和檢驗(yàn)的推理工作機(jī)制。

    圖1 孕險(xiǎn)環(huán)境SVM訓(xùn)練模式Fig. 1 SVM Training mode on the risk pregnant environment

    樣本是孕險(xiǎn)環(huán)境危險(xiǎn)性SVM學(xué)習(xí)訓(xùn)練的前提條件。鑒于震后工程區(qū)域地質(zhì)等的特殊場(chǎng)景約束,以現(xiàn)場(chǎng)監(jiān)測(cè)、遙感解譯、專家全體決策為基礎(chǔ),提供特征參數(shù)的賦值和樣本集合,稱之為數(shù)據(jù)發(fā)生器。其中,孕險(xiǎn)環(huán)境監(jiān)測(cè)單元樣本的風(fēng)險(xiǎn)指數(shù)為0-10,即yi∈[0, 10]表征風(fēng)險(xiǎn)指數(shù)的變化范圍。

    孕險(xiǎn)環(huán)境危險(xiǎn)性SVM包括訓(xùn)練和檢驗(yàn)兩個(gè)步驟,通過檢驗(yàn)控制向量機(jī)的預(yù)測(cè)誤差,進(jìn)而調(diào)整向量機(jī)參數(shù),重新學(xué)習(xí)訓(xùn)練,直到向量機(jī)誤差滿足模型推理的精度約束。

    3孕險(xiǎn)環(huán)境危險(xiǎn)性SVM預(yù)警模型

    3.1基于SVM的地下結(jié)構(gòu)孕險(xiǎn)環(huán)境預(yù)警原理

    Vapnik教授等提出的支持向量機(jī),是基于統(tǒng)計(jì)學(xué)習(xí)理論的小樣本訓(xùn)練、學(xué)習(xí)方法,其核心思想是遵循結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則,基于內(nèi)積函數(shù)定義的非線性變換方法,實(shí)現(xiàn)非線性多元輸入空間到高維空間的映射變換,尋找輸入和輸出之間的隱式關(guān)系和函數(shù)表達(dá)(Bertalanffyetal.,1973)。

    (2)

    根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則(Bertalanffyetal.,1973),式(2)的危險(xiǎn)性回歸預(yù)測(cè)問題就是尋求使下面風(fēng)險(xiǎn)最小化函數(shù),如式(3):

    (3)

    (4)

    3.2基于LS-SVM的孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警模型

    (5)

    利用Lagrange法求解模型(5)的優(yōu)化問題,定義Lagarangian函數(shù):

    (6)

    其中,αi是Lagrange乘子,也稱為支持值。

    根據(jù)優(yōu)化條件和相應(yīng)的對(duì)偶形式,通過L(,b,?,α)求、b、?、α的偏導(dǎo),將LS-SVM模型(6)轉(zhuǎn)化為求解線性方程,如(7)。

    (7)

    計(jì)算模型(7),可得到:

    (8)

    (9)

    (10)

    至此,可得最小二乘支持向量機(jī)的地震作用下地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性估計(jì)函數(shù),即預(yù)警模型:

    (11)

    3.3孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警支持向量機(jī)參數(shù)優(yōu)化

    根據(jù)有限樣本信息,尋求模型復(fù)雜性和學(xué)習(xí)能力之間最佳折衷,有效實(shí)現(xiàn)小樣本空間的高維非線性系統(tǒng)精確擬合,是SVM的本質(zhì)特征和推廣應(yīng)用價(jià)值(Renetal.,2010)。

    懲罰參數(shù)γ、不敏感損失參數(shù)ε、核參數(shù)δ,對(duì)LS-SVM回歸模型的預(yù)測(cè)效果具有較大影響,為獲取具有較高預(yù)測(cè)預(yù)警性能的SVM回歸模型,需要對(duì)γ、δ、ε進(jìn)行組合優(yōu)化,從而獲取較高預(yù)測(cè)性能的地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性SVM回歸模型。利用遺傳算法(GeneticAlgorithm,簡(jiǎn)稱為GA)建立最小二乘支持向量機(jī)的參數(shù)選擇模型,進(jìn)行參數(shù)的優(yōu)化(甘秋明, 2012),其流程如圖2 所示。

    圖2 GA優(yōu)化最小二乘支持向量機(jī)參數(shù)流程Fig. 2 GA optimized parameter workflow on Least Squares Support Vector Machine

    遺傳算法優(yōu)化最小二乘支持向量機(jī)(簡(jiǎn)記為GA-LS-SVM)的具體建模步驟(Yang, 2011),如下:

    (1)LS-SVM參數(shù)編碼與GA參數(shù)設(shè)置:將LS-SVM訓(xùn)練參數(shù)γ、δ、ε以二進(jìn)制形式進(jìn)行染色體基因編碼,編碼范圍分別設(shè)定為[1, 100]、[0, 2]、[0.000O1, 0.01];GA參數(shù)設(shè)置,如交叉率0.78、變異率0.05,隨機(jī)產(chǎn)生表示LS-SVM參數(shù)值的染色體,種群數(shù)為30。

    (2)種群適應(yīng)度評(píng)估:采用平均相對(duì)誤差作為適應(yīng)度函數(shù)來衡量選取參數(shù)γ、δ、ε的優(yōu)劣。

    (3)染色體選擇機(jī)制:根據(jù)種群個(gè)體適應(yīng)度,通過輪盤賭法,復(fù)制具有較高適應(yīng)度值的染色體。

    (4)染色體交叉機(jī)制:采用單點(diǎn)交叉法,以交叉率交換染色體串結(jié)構(gòu)中特征數(shù)據(jù)獲得到新一代染色體。

    (5)染色體變異機(jī)制:隨機(jī)選擇種群個(gè)體,根據(jù)隨機(jī)概率改變?nèi)旧w結(jié)構(gòu)數(shù)據(jù)中某個(gè)基因的值,產(chǎn)生一組新的染色體。

    (6)當(dāng)滿足終止條件時(shí),遺傳算法優(yōu)化地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性LS-SVM模型參數(shù)的進(jìn)化迭代過程結(jié)束,否則轉(zhuǎn)到步驟②。

    圖3 孕險(xiǎn)環(huán)境預(yù)警SVM模型組件界面Fig. 3 Early-warning SVM component model interface on the risk pregnant environment

    3.4孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警支持向量機(jī)

    遵循結(jié)構(gòu)上反映最小二乘支持向量機(jī)模型算法本質(zhì)思想和關(guān)鍵概念的前提條件,以通用仿真引擎為運(yùn)行環(huán)境,在VisualC# 和.NET語言環(huán)境下,集成MATLAB數(shù)學(xué)模型控件(Takahashietal.,2006),研制孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警SVM模型組件(COM組件)如圖3 所示,即組件式地下結(jié)構(gòu)震害孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警支持向量機(jī)模型。

    模型直接服務(wù)于地下結(jié)構(gòu)震害風(fēng)險(xiǎn)分析系統(tǒng)軟件平臺(tái),包含孕險(xiǎn)環(huán)境監(jiān)測(cè)單元、樣本管理、學(xué)習(xí)訓(xùn)練、參數(shù)優(yōu)化、檢驗(yàn)校核、推理計(jì)算等功能模塊。設(shè)計(jì)孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警模型實(shí)驗(yàn)的訓(xùn)練樣本和檢驗(yàn)樣本如表1、表2所示。

    表1 地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性訓(xùn)練樣本

    機(jī)器學(xué)習(xí)預(yù)測(cè)的第一步驟就是根據(jù)給定訓(xùn)練樣本對(duì)地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性問題的輸入輸出關(guān)系進(jìn)行估計(jì)。通過GA-LS-SVM算法的模型組件的學(xué)習(xí)訓(xùn)練,其輸出結(jié)果表明(表1),在允許的誤差約束范圍內(nèi),GA-LS-SVM模型具有孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)測(cè)的初步可行性。

    表2 地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性檢驗(yàn)樣本

    利用估計(jì)的規(guī)律性對(duì)孕險(xiǎn)環(huán)境危險(xiǎn)性檢驗(yàn)樣本進(jìn)行預(yù)測(cè),是機(jī)器學(xué)習(xí)的第二步驟,即預(yù)測(cè)模型的適用性問題,不能僅根據(jù)訓(xùn)練數(shù)據(jù)的擬合近似程度來判斷,而是應(yīng)根據(jù)它的推廣能力和準(zhǔn)確率來判斷。

    為驗(yàn)證預(yù)警模型的可靠性,同時(shí)選取BP神經(jīng)網(wǎng)絡(luò)算法及SVM算法、LS-SVM算法,檢驗(yàn)訓(xùn)練樣本產(chǎn)生的模型,確定5組“地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性”預(yù)測(cè)值,并與評(píng)估值作比較,檢驗(yàn)?zāi)P偷膶W(xué)習(xí)推廣能力(表3)。

    表3 地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性檢驗(yàn)誤差

    表3誤差比較,體現(xiàn)了危險(xiǎn)性預(yù)警模型需要滿足結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理約束要求。BP神經(jīng)網(wǎng)絡(luò)是訓(xùn)練樣本記錄趨于無窮大時(shí)的漸近理論,即訓(xùn)練樣本記錄趨于無窮大時(shí),訓(xùn)練誤差才收斂于實(shí)際風(fēng)險(xiǎn); 而地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警注定是一個(gè)訓(xùn)練樣本數(shù)據(jù)有限的狀況,故只能選用有限樣本情況下的機(jī)器學(xué)習(xí)理論。

    BP算法用于地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警的可行性明顯弱于SVM、LS-SVM算法,SVM和LS-SVM算法均可以很好的表達(dá)地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)測(cè)影響因素之間的非線性映射關(guān)系,模型具有很好的推廣預(yù)測(cè)能力。

    同時(shí),利用遺傳算法優(yōu)化最小二乘支持向量機(jī)的訓(xùn)練參數(shù),明顯提高了最小二乘支持向量機(jī)的預(yù)警精度,平均誤差為2.11%,遠(yuǎn)低于常規(guī)支持向量機(jī)和最小二乘支持向量機(jī)的7.31%和7.74%的數(shù)值誤差。

    4結(jié)論

    有限訓(xùn)練樣本條件下,地下結(jié)構(gòu)孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警支持向量機(jī),分析了危險(xiǎn)性與其影響因素之間的非線性關(guān)系,結(jié)果表明GA-LS-SVM對(duì)孕險(xiǎn)環(huán)境結(jié)構(gòu)破壞與變形預(yù)測(cè)具有較高的精度。

    (1)地震作用下的地下工程孕險(xiǎn)環(huán)境危險(xiǎn)性受很多因素影響,并且之間的關(guān)系是高維、非線性、復(fù)雜的關(guān)系,用傳統(tǒng)的建模方法很難處理,LS-SVM方法很好地處理了這種關(guān)系,不僅保證了經(jīng)驗(yàn)風(fēng)險(xiǎn)的最小化,而且使期望風(fēng)險(xiǎn)也降低到最低程度,使判別結(jié)果更趨于合理。

    (2)遺傳算法改進(jìn)、優(yōu)化LS-SVM建立孕險(xiǎn)環(huán)境危險(xiǎn)性預(yù)警模型,根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷,克服了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法中網(wǎng)絡(luò)結(jié)構(gòu)難以確定、收斂速度慢、訓(xùn)練時(shí)需要大量樣本等缺點(diǎn),避免了因統(tǒng)計(jì)數(shù)據(jù)不足使得統(tǒng)計(jì)結(jié)果不準(zhǔn)的普遍問題,解決了孕險(xiǎn)環(huán)境預(yù)警問題的數(shù)據(jù)缺乏“瓶頸”問題。

    (3)LS-SVM通過學(xué)習(xí)訓(xùn)練獲得孕險(xiǎn)環(huán)境危險(xiǎn)性的隱式表達(dá),整個(gè)過程非常清晰、直觀,并具有很好的推廣能力和很高的準(zhǔn)確率,可見LS-SVM在該領(lǐng)域有著很強(qiáng)的優(yōu)勢(shì)和廣泛的應(yīng)用前景; 但學(xué)習(xí)訓(xùn)練的準(zhǔn)確性和可靠性很大程度上取決于選用樣本的典型性和代表性,取決于核函數(shù)的選擇,故要予以重點(diǎn)關(guān)注; 同時(shí),模型組件還可以進(jìn)一步功能優(yōu)化,結(jié)合其他應(yīng)用領(lǐng)域?qū)嶋H,對(duì)相關(guān)問題的的量測(cè)、評(píng)估、設(shè)計(jì)提供模型支持和便利工具。

    參考文獻(xiàn)

    BertalanffyLV. 1973.GeneralSystemstheory[M].NewYork:GeorgeBrazillerInc.

    DongH,ChenJB,YangGY,etal. 2012.SVMpredictionofnonstationarydeformationoflandslidebasedonidentificationwithpriorknowledge[J].RockandSoilMechanics,33(8): 2366~2372,2382.

    GanQM. 2012.Passengertrafficvolumeforecastingbasedonsupportvectormachineoptimizedbygeneticalgorithm[J].HighwayEngineering,37(6): 192~195.

    GengR,CuiDH,XuB. 2008.Supportvectormachine-basedcombinationalmodelforairtrafficforecasts[J].JournalofTsinghuaUniversity(Science&Technology), 48(7):1205~1208.

    HuangRQ. 2011.AftereffectofgeohazardsinducedbytheWenchuanearthquake[J].JournalofEngineeringGeology,19(2): 145~151.

    KuangY. 2013.Studyonpredictionofslopestabilitybasedontermwise-combinationsupportvectormachine[J].SubgradeEngineering,20(5): 73~77.

    LiSJ,ZhaoHB,RuZL. 2012.DeformationpredictionoftunnelsurroundingrockmassusingCPSO-SVMmodel[J].JournalofCentralSouthUniversity,19(11): 3311~3319.

    LiTB. 2008.FailurecharacteristicsandinfluencefactoranalysisofmountaintunnelsatepicenterzonesofgrearWenchuanEarthquake[J].JournalofEngineeringGeology,16(6): 742~750.

    LingA,YeS. 2013.ModelpredictivecontrolfornonlineardistributedparametersystemsbasedonLS-SVM[J].AsianJournalofControl,15(5): 1407~1416.

    OmerA,YoshimiO,MelihG,etal. 2010.Responseandstabilityofundergroundstructuresinrockmassduringearthquakes[J].RockMechanicsandRockEngineering,43(6): 857~875.

    RenY,BaiGC. 2010.DeterminationofoptimalSVMparametersbyusingGA/PSO[J].JournalofComputers,5(8): 1160~1168.

    SunHF,JingLP,WangSW,etal. 2013.Experimentalstudyofseismicfailuremechanismofundergroundstructure[J].ChineseJournalofRockMechanicsandEngineering,32(S2): 3267~3275.

    SuykensJAK,VandewalleJ. 1999.LeastSquaressupportvectormachineclassifiers[J].NeuralProcessingLetters,9(3): 293~300.

    TakahashiY,F(xiàn)envesGL. 2006.Softwareframeworkfordistributedexperimental-computationalsimulationofstructuralsystems[J].EarthquakeEngineeringandStructuralDynamics,35(3): 267~291.

    WangFS,ZhangHJ,ZhuWH. 2010.Studyofdamagepredictingmodelonsubsurfaceengineeringstructure[C]∥2010InternationalConferenceonComputing,ControlandIndustrialEngineering(CCIE2010).IEEEHongkongSection: 329~332.

    YangJY. 2011.AnovelintelligentconditionevaluationmethodofmechatronicequipmentbasedonSVMandGA[J].InternationalJournalofAdvancementsinComputingTechnology,3(7): 229~236.

    YangZH,LanHX,ZhangYS,etal. 2013.Rockdynamicresponseofrailwaytunneltraversingthroughfaultunderstrongearthquake[J].JournalofEngineeringGeology,21(2): 171~181.

    YuanH,WangFS,XuJH,etal. 2014.TrainingsamplereductionmodelofdamagesimulationofprotectiveengineeringbasedonimprovedSVM[J].JournalofPLAUniversityofScienceandTechnology(NaturalScienceEdition),15(2): 152~157.

    ZhaoHB. 2008.Analysisofsupportvectormachineinrockmechanicsandengineering[M].Beijing:ChinaCoalIndustryPress.

    董輝,陳家博,楊果岳,等. 2012. 工程先驗(yàn)知識(shí)辨識(shí)下的滑坡非平穩(wěn)變形支持向量機(jī)預(yù)測(cè)[J]. 巖土力學(xué),33(8): 2366~2372,2382.

    甘秋明. 2012. 基于遺傳算法優(yōu)化支持向量機(jī)的公路客運(yùn)量預(yù)測(cè)[J]. 公路工程,37(6): 192~195.

    耿睿,崔德光,徐冰. 2008. 應(yīng)用支持向量機(jī)的空中交通流量組合預(yù)測(cè)模型[J]. 清華大學(xué)學(xué)報(bào)(自然科學(xué)版), 48(7):1205~1208.

    黃潤(rùn)秋. 2011. 汶川地震地質(zhì)災(zāi)害后效應(yīng)分析[J]. 工程地質(zhì)學(xué)報(bào),19(2): 145~151.

    匡野. 2013. 基于逐類組合支持向量機(jī)的邊坡穩(wěn)定性預(yù)測(cè)研究[J]. 路基工程,20(5): 73~77.

    李天斌. 2008. 汶川特大地震中山嶺隧道變形破壞特征及影響因素分析[J]. 工程地質(zhì)學(xué)報(bào),16(6): 742~750.

    孫海峰,景立平,王樹偉,等. 2013. 地下結(jié)構(gòu)地震破壞機(jī)制試驗(yàn)研究[J]. 巖石力學(xué)與工程學(xué)報(bào),32(S2): 3267~3275.

    楊志華,蘭恒星,張永雙,等. 2013. 強(qiáng)震作用下穿越斷層隧道圍巖力學(xué)響應(yīng)研究[J]. 工程地質(zhì)學(xué)報(bào),21(2): 171~181.

    袁輝,王鳳山,許繼恒,等. 2014. 基于改進(jìn)SVM的坑道毀傷仿真訓(xùn)練樣本約簡(jiǎn)模型[J]. 解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版),15(2): 152~157.

    趙洪波. 2008. 巖土力學(xué)與工程中的支持向量機(jī)分析[M]. 北京:煤炭工業(yè)出版社.

    RISKPREGNANTENVIRONMENTEARLY-WARNINGMODELFORUNDERGROUNDSTRUCTUREBASEDONIMPROVEDSUPPORTVECTORMACHINE

    WANGFengshan①②RONGQuanbing②ZHANGHongjun②

    ( ①College of Field Engineering,PLA University of Science &Technology,Nanjing 210007)

    ( ②College of Command Information Systems,PLA University of Science &Technology,Nanjing 210007)

    AbstractThis paper addresses the limited complex and nonlinear characteristics in earthquake-induced risk pregnant environmental sample data. It puts forward a risk early-warning method for such pregnant environment around underground structure on least squares support vector machine. Around risk early-warning object and parameters in after-earthquake risk pregnant to underground engineering, the risk pregnant environment is expressed and designed with Support Vector Machine, and SVM training mechanism was proposed for risk pregnant environment. Such risk early-warning mold and the component is erected for risk pregnant environment around underground structure on least squares support vector machine, which utilizes structural risk minimization principle and nonlinear mapping feature of SVM, and optimizes the penalty function and kernel function parameters with Genetic Algorithm. The model implicitly expresses the non-linear relationship among the risk pregnant environment and factors. Case study shows such model has an effective small sample learning ability, well fitting and forecasting accuracy, which excels the predicting model with BP nerve network.

    Key wordsRisk pregnant environment, Risk early-warning, Underground structure, Support Vector Machine, Genetic Algorithm

    DOI:10.13544/j.cnki.jeg.2016.02.020

    * 收稿日期:2015-04-11; 收到修改稿日期: 2015-08-29.

    基金項(xiàng)目:國(guó)家自然科學(xué)基金(51308541),江蘇省自然科學(xué)基金(BK20130066)資助.

    第一作者簡(jiǎn)介:王鳳山(1978-),男,博士,副教授,主要從事防護(hù)工程系統(tǒng)毀傷建模與仿真分析方面研究工作. Email: WFS919@126.com

    中圖分類號(hào):P642.22

    文獻(xiàn)標(biāo)識(shí)碼:A

    猜你喜歡
    危險(xiǎn)性預(yù)警向量
    向量的分解
    O-3-氯-2-丙烯基羥胺熱危險(xiǎn)性及其淬滅研究
    危險(xiǎn)性感
    聚焦“向量與三角”創(chuàng)新題
    輸氣站場(chǎng)危險(xiǎn)性分析
    基于AHP對(duì)電站鍋爐進(jìn)行危險(xiǎn)性分析
    法國(guó)發(fā)布高溫預(yù)警 嚴(yán)陣以待備戰(zhàn)“史上最熱周”
    園林有害生物預(yù)警與可持續(xù)控制
    向量垂直在解析幾何中的應(yīng)用
    機(jī)載預(yù)警雷達(dá)對(duì)IFF 的干擾分析
    久久久精品94久久精品| 老司机影院毛片| 精品国产一区二区三区久久久樱花 | 日韩视频在线欧美| 国内精品一区二区在线观看| 国内少妇人妻偷人精品xxx网站| 久久亚洲精品不卡| 一区二区三区免费毛片| 久久亚洲精品不卡| 一个人观看的视频www高清免费观看| 国产亚洲一区二区精品| 91狼人影院| 三级国产精品欧美在线观看| av又黄又爽大尺度在线免费看 | 国产成人午夜福利电影在线观看| 亚洲精品久久久久久婷婷小说 | 中文字幕人妻熟人妻熟丝袜美| 大香蕉久久网| 草草在线视频免费看| 国产av不卡久久| 亚洲精品国产av成人精品| 别揉我奶头 嗯啊视频| 亚洲国产精品合色在线| 免费观看a级毛片全部| 18禁在线播放成人免费| 一级黄片播放器| a级一级毛片免费在线观看| 九九在线视频观看精品| 天堂中文最新版在线下载 | 国产精品国产三级国产专区5o | 日本午夜av视频| 天堂av国产一区二区熟女人妻| 国产亚洲91精品色在线| 在线观看66精品国产| 久久久国产成人精品二区| 一边亲一边摸免费视频| 欧美日韩一区二区视频在线观看视频在线 | 综合色av麻豆| 亚洲第一区二区三区不卡| 久久草成人影院| 成人漫画全彩无遮挡| 边亲边吃奶的免费视频| 国产淫语在线视频| 亚洲最大成人手机在线| 久久久久久伊人网av| 伦理电影大哥的女人| 欧美3d第一页| 国产视频首页在线观看| 久久久久久九九精品二区国产| 亚洲精品一区蜜桃| 卡戴珊不雅视频在线播放| 国产 一区精品| 国产免费男女视频| 女人被狂操c到高潮| a级毛片免费高清观看在线播放| 精品一区二区三区人妻视频| 国产大屁股一区二区在线视频| 国产视频首页在线观看| 国产爱豆传媒在线观看| 国产精品野战在线观看| 久久久久网色| av又黄又爽大尺度在线免费看 | 亚洲精品久久久久久婷婷小说 | h日本视频在线播放| 亚洲国产成人一精品久久久| 在线观看美女被高潮喷水网站| 亚洲欧美精品专区久久| 国产午夜精品论理片| 久久久久性生活片| 亚洲精品国产成人久久av| 精品人妻偷拍中文字幕| 波多野结衣巨乳人妻| 在线播放国产精品三级| 午夜激情福利司机影院| av卡一久久| 国产一区二区亚洲精品在线观看| av国产免费在线观看| 99视频精品全部免费 在线| 中文字幕av在线有码专区| 国产成人午夜福利电影在线观看| 免费在线观看成人毛片| 天天躁日日操中文字幕| 精品久久国产蜜桃| 在线观看一区二区三区| 波多野结衣高清无吗| 伦理电影大哥的女人| 啦啦啦观看免费观看视频高清| 国产一级毛片在线| 国产成人aa在线观看| 亚洲高清免费不卡视频| 乱人视频在线观看| 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 | 看非洲黑人一级黄片| 纵有疾风起免费观看全集完整版 | 国产亚洲一区二区精品| 插阴视频在线观看视频| 乱人视频在线观看| 中文精品一卡2卡3卡4更新| 成人国产麻豆网| 波多野结衣高清无吗| 在线天堂最新版资源| 久久亚洲国产成人精品v| 亚洲av成人精品一区久久| 中文字幕亚洲精品专区| 国产黄色视频一区二区在线观看 | 亚洲最大成人中文| 亚洲av中文字字幕乱码综合| 国产精品永久免费网站| 少妇熟女欧美另类| 男插女下体视频免费在线播放| 99久久无色码亚洲精品果冻| 久久久精品欧美日韩精品| 欧美精品国产亚洲| 国内揄拍国产精品人妻在线| 久久欧美精品欧美久久欧美| 亚洲中文字幕一区二区三区有码在线看| 不卡视频在线观看欧美| 中文字幕av在线有码专区| 亚洲人成网站高清观看| 国产v大片淫在线免费观看| 中文字幕精品亚洲无线码一区| 一级毛片我不卡| 久久99热这里只频精品6学生 | 99久国产av精品国产电影| 一二三四中文在线观看免费高清| 青春草亚洲视频在线观看| 国产成年人精品一区二区| 草草在线视频免费看| 免费观看a级毛片全部| 亚洲真实伦在线观看| 国产免费一级a男人的天堂| 夜夜看夜夜爽夜夜摸| 波野结衣二区三区在线| 国内精品一区二区在线观看| 欧美日本视频| 久久久精品大字幕| 久久精品国产鲁丝片午夜精品| 免费看日本二区| 久久精品国产亚洲网站| 国产片特级美女逼逼视频| 一区二区三区乱码不卡18| 一二三四中文在线观看免费高清| 日本av手机在线免费观看| 最近视频中文字幕2019在线8| 黑人高潮一二区| 色综合亚洲欧美另类图片| 最新中文字幕久久久久| 国产精品福利在线免费观看| 日本免费一区二区三区高清不卡| 麻豆久久精品国产亚洲av| 国产成人精品久久久久久| 亚洲第一区二区三区不卡| 成年女人看的毛片在线观看| 你懂的网址亚洲精品在线观看 | 午夜福利在线观看吧| 欧美xxxx黑人xx丫x性爽| 六月丁香七月| 久久韩国三级中文字幕| 91久久精品国产一区二区成人| 在线观看美女被高潮喷水网站| 成人av在线播放网站| 久久精品国产鲁丝片午夜精品| 中文资源天堂在线| 日本黄大片高清| 日本wwww免费看| 国产精品精品国产色婷婷| 日本欧美国产在线视频| 精品99又大又爽又粗少妇毛片| 亚洲av中文字字幕乱码综合| 久久精品91蜜桃| 人人妻人人看人人澡| 欧美最新免费一区二区三区| 国产亚洲5aaaaa淫片| 国产欧美另类精品又又久久亚洲欧美| 91久久精品国产一区二区成人| 日韩一区二区三区影片| 成人美女网站在线观看视频| 99久久九九国产精品国产免费| 国产极品天堂在线| 国产高清视频在线观看网站| 亚洲精品影视一区二区三区av| 麻豆av噜噜一区二区三区| 日韩视频在线欧美| 在线a可以看的网站| eeuss影院久久| 国产精品精品国产色婷婷| 亚洲欧美中文字幕日韩二区| 精品久久久久久久久久久久久| 特级一级黄色大片| 婷婷色麻豆天堂久久 | 国产色婷婷99| 最近中文字幕2019免费版| 国产一区二区在线观看日韩| 深爱激情五月婷婷| 国产精品久久久久久精品电影小说 | 欧美极品一区二区三区四区| 中国美白少妇内射xxxbb| 久久久久久九九精品二区国产| 在线免费观看的www视频| 卡戴珊不雅视频在线播放| 极品教师在线视频| 中文资源天堂在线| 日韩一本色道免费dvd| www.色视频.com| 69av精品久久久久久| 成人二区视频| 色5月婷婷丁香| 亚洲精品久久久久久婷婷小说 | 99热这里只有是精品在线观看| 国产精品电影一区二区三区| 欧美日韩一区二区视频在线观看视频在线 | 成人漫画全彩无遮挡| 欧美xxxx性猛交bbbb| 久久久精品大字幕| 你懂的网址亚洲精品在线观看 | 国产av一区在线观看免费| 九草在线视频观看| 日本色播在线视频| 少妇裸体淫交视频免费看高清| 日韩一区二区三区影片| 久久这里有精品视频免费| 精品一区二区三区人妻视频| 在线免费观看的www视频| 日韩欧美精品免费久久| 久久久久久久久久久丰满| 欧美激情久久久久久爽电影| 少妇人妻一区二区三区视频| 18禁在线播放成人免费| 青春草国产在线视频| 国产激情偷乱视频一区二区| 寂寞人妻少妇视频99o| 精品一区二区免费观看| 久久99热这里只频精品6学生 | 国产精品国产高清国产av| 91av网一区二区| 乱人视频在线观看| 秋霞在线观看毛片| 国产成人午夜福利电影在线观看| 在线观看av片永久免费下载| 亚洲成人精品中文字幕电影| 成人特级av手机在线观看| 亚洲成人久久爱视频| 大又大粗又爽又黄少妇毛片口| 日本免费在线观看一区| 高清日韩中文字幕在线| 亚洲国产最新在线播放| 高清在线视频一区二区三区 | av免费在线看不卡| 亚洲婷婷狠狠爱综合网| 中文字幕人妻熟人妻熟丝袜美| 老司机影院毛片| 色综合亚洲欧美另类图片| 亚洲精品影视一区二区三区av| 国产在线一区二区三区精 | 国产高清视频在线观看网站| 午夜精品在线福利| 欧美一级a爱片免费观看看| 全区人妻精品视频| 日韩欧美三级三区| 99久国产av精品国产电影| 成人综合一区亚洲| 亚洲精品aⅴ在线观看| 麻豆国产97在线/欧美| 国产成人aa在线观看| 国产午夜精品一二区理论片| 2022亚洲国产成人精品| 狂野欧美激情性xxxx在线观看| 国产中年淑女户外野战色| 人人妻人人看人人澡| av在线观看视频网站免费| 日韩成人av中文字幕在线观看| 超碰97精品在线观看| www.av在线官网国产| 日韩精品有码人妻一区| 亚洲婷婷狠狠爱综合网| 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| 精品午夜福利在线看| 亚洲国产精品成人久久小说| 成人一区二区视频在线观看| 亚洲激情五月婷婷啪啪| 欧美性猛交╳xxx乱大交人| 又爽又黄无遮挡网站| 黄色一级大片看看| 色综合亚洲欧美另类图片| 久久国内精品自在自线图片| 99热这里只有是精品50| av在线蜜桃| 真实男女啪啪啪动态图| 免费看光身美女| 亚洲怡红院男人天堂| 国语对白做爰xxxⅹ性视频网站| 国产成人精品一,二区| 91久久精品电影网| 久久久久久大精品| 三级国产精品片| 少妇熟女aⅴ在线视频| 婷婷六月久久综合丁香| 国产在视频线精品| 黄色欧美视频在线观看| 熟女电影av网| 国产亚洲91精品色在线| 国产中年淑女户外野战色| 国产精品99久久久久久久久| 26uuu在线亚洲综合色| 成人无遮挡网站| 啦啦啦韩国在线观看视频| 国产极品天堂在线| 99国产精品一区二区蜜桃av| 尤物成人国产欧美一区二区三区| 精品熟女少妇av免费看| АⅤ资源中文在线天堂| 久久人人爽人人片av| 国产毛片a区久久久久| 免费不卡的大黄色大毛片视频在线观看 | 一级二级三级毛片免费看| 免费黄网站久久成人精品| 日本黄色视频三级网站网址| 一级毛片电影观看 | 在线观看66精品国产| 亚洲av福利一区| 人妻系列 视频| 国产白丝娇喘喷水9色精品| 亚洲国产欧洲综合997久久,| 少妇熟女欧美另类| 少妇高潮的动态图| 国产成人免费观看mmmm| 99在线视频只有这里精品首页| 欧美高清成人免费视频www| 五月伊人婷婷丁香| 一区二区三区四区激情视频| 国产亚洲av片在线观看秒播厂 | 在线a可以看的网站| 变态另类丝袜制服| 美女高潮的动态| 三级男女做爰猛烈吃奶摸视频| 亚洲av成人av| 美女高潮的动态| 国产精品1区2区在线观看.| 亚洲av成人av| 国产69精品久久久久777片| 人人妻人人澡人人爽人人夜夜 | eeuss影院久久| 亚洲最大成人手机在线| 久久亚洲国产成人精品v| 亚洲美女视频黄频| 麻豆成人午夜福利视频| 搞女人的毛片| 国产精品国产三级国产av玫瑰| 亚洲欧美一区二区三区国产| 熟妇人妻久久中文字幕3abv| 99久久中文字幕三级久久日本| 国产真实乱freesex| 日韩,欧美,国产一区二区三区 | 亚洲在线观看片| 免费看a级黄色片| 久久午夜福利片| 国产又色又爽无遮挡免| 国产不卡一卡二| 亚洲欧美中文字幕日韩二区| 国产成人freesex在线| 亚州av有码| 国产精品一二三区在线看| 九九在线视频观看精品| 狂野欧美激情性xxxx在线观看| 九九爱精品视频在线观看| 国产爱豆传媒在线观看| 一区二区三区四区激情视频| 成人综合一区亚洲| 91av网一区二区| 在现免费观看毛片| 免费看光身美女| 国产高清视频在线观看网站| 成人鲁丝片一二三区免费| 亚洲中文字幕日韩| 欧美性猛交╳xxx乱大交人| 天堂影院成人在线观看| 免费看a级黄色片| 性色avwww在线观看| 尾随美女入室| 97超视频在线观看视频| 啦啦啦啦在线视频资源| 你懂的网址亚洲精品在线观看 | 中国美白少妇内射xxxbb| 国产成人91sexporn| 午夜激情欧美在线| 亚洲成人av在线免费| 听说在线观看完整版免费高清| videos熟女内射| 亚洲乱码一区二区免费版| 亚洲精品国产av成人精品| 人人妻人人看人人澡| 99热网站在线观看| 国产69精品久久久久777片| 久久精品91蜜桃| 久久99热这里只频精品6学生 | 波多野结衣高清无吗| 日韩欧美精品免费久久| 久久久久免费精品人妻一区二区| 国产精品,欧美在线| 国产单亲对白刺激| 三级国产精品欧美在线观看| 欧美激情在线99| 亚洲三级黄色毛片| 日韩精品有码人妻一区| 欧美xxxx性猛交bbbb| av福利片在线观看| 舔av片在线| 99热这里只有是精品50| 日本色播在线视频| 亚洲成人久久爱视频| 成人亚洲欧美一区二区av| 欧美一区二区亚洲| 久久久久久久亚洲中文字幕| 国产精品无大码| 麻豆成人午夜福利视频| 亚洲经典国产精华液单| 国产男人的电影天堂91| 国产精品嫩草影院av在线观看| 亚洲无线观看免费| 日本wwww免费看| 嫩草影院入口| 人人妻人人看人人澡| 国产欧美另类精品又又久久亚洲欧美| 午夜福利成人在线免费观看| 日韩av不卡免费在线播放| 一区二区三区乱码不卡18| 精品少妇黑人巨大在线播放 | 中文字幕人妻熟人妻熟丝袜美| 免费av毛片视频| 一个人观看的视频www高清免费观看| 秋霞伦理黄片| 免费av毛片视频| 91精品国产九色| 91午夜精品亚洲一区二区三区| 成人无遮挡网站| 亚洲在久久综合| 欧美一区二区国产精品久久精品| 精品人妻一区二区三区麻豆| 亚洲自拍偷在线| 国产精品美女特级片免费视频播放器| 国产老妇女一区| 两个人视频免费观看高清| kizo精华| 亚洲av成人av| 久久精品国产鲁丝片午夜精品| 国产 一区精品| 中文字幕精品亚洲无线码一区| 欧美日韩一区二区视频在线观看视频在线 | 国产亚洲精品久久久com| www.av在线官网国产| 成人漫画全彩无遮挡| 成人一区二区视频在线观看| 亚洲国产精品专区欧美| 国产精品蜜桃在线观看| 国产精品国产三级专区第一集| 国产淫片久久久久久久久| 欧美最新免费一区二区三区| 搡老妇女老女人老熟妇| 国产成人午夜福利电影在线观看| 国产精品一区二区三区四区久久| 国产精品永久免费网站| 3wmmmm亚洲av在线观看| 国产69精品久久久久777片| 精品人妻偷拍中文字幕| 国产精华一区二区三区| av福利片在线观看| 69av精品久久久久久| 熟妇人妻久久中文字幕3abv| 一级毛片电影观看 | 日韩av在线免费看完整版不卡| 在现免费观看毛片| 全区人妻精品视频| 日本黄色视频三级网站网址| 一夜夜www| 亚洲精华国产精华液的使用体验| 一边亲一边摸免费视频| 久久久a久久爽久久v久久| 国产伦精品一区二区三区视频9| 一级av片app| 精品人妻偷拍中文字幕| 欧美色视频一区免费| 精品国产露脸久久av麻豆 | 色哟哟·www| 国产成人精品一,二区| 国产成人免费观看mmmm| 亚洲图色成人| 精品久久久久久久久亚洲| 干丝袜人妻中文字幕| 国产三级中文精品| 亚洲欧美日韩高清专用| 午夜福利在线观看免费完整高清在| 18禁裸乳无遮挡免费网站照片| 亚洲经典国产精华液单| 一二三四中文在线观看免费高清| 日韩国内少妇激情av| 免费观看人在逋| 尾随美女入室| 一级二级三级毛片免费看| kizo精华| 国产高清国产精品国产三级 | 午夜福利网站1000一区二区三区| 国产亚洲精品久久久com| 日本免费在线观看一区| 最近手机中文字幕大全| 欧美区成人在线视频| 国模一区二区三区四区视频| 色综合色国产| 免费观看性生交大片5| 天天一区二区日本电影三级| 午夜亚洲福利在线播放| 国产精品99久久久久久久久| 一级二级三级毛片免费看| 国产亚洲精品av在线| 国产高清国产精品国产三级 | 日本五十路高清| 免费在线观看成人毛片| 久久精品人妻少妇| 非洲黑人性xxxx精品又粗又长| 日韩av在线免费看完整版不卡| 久久精品夜色国产| 午夜日本视频在线| 秋霞在线观看毛片| 亚洲真实伦在线观看| 久久久久性生活片| av在线观看视频网站免费| 韩国高清视频一区二区三区| 亚洲乱码一区二区免费版| 国产69精品久久久久777片| 国产精品无大码| 蜜桃亚洲精品一区二区三区| 少妇人妻一区二区三区视频| 嘟嘟电影网在线观看| 亚洲成人中文字幕在线播放| 晚上一个人看的免费电影| 26uuu在线亚洲综合色| 精品久久久久久成人av| 精品国产三级普通话版| 精品99又大又爽又粗少妇毛片| 亚洲欧洲国产日韩| 在线播放国产精品三级| 色吧在线观看| 成人美女网站在线观看视频| 国产国拍精品亚洲av在线观看| 久久精品熟女亚洲av麻豆精品 | 日韩精品有码人妻一区| 亚洲美女搞黄在线观看| 七月丁香在线播放| 一级爰片在线观看| 国产成人精品婷婷| 亚洲av成人精品一区久久| 久久精品影院6| 亚洲人成网站在线观看播放| 淫秽高清视频在线观看| 国产成人一区二区在线| 成人午夜高清在线视频| 亚洲av二区三区四区| 国产在视频线精品| 麻豆久久精品国产亚洲av| 精品人妻熟女av久视频| 婷婷色麻豆天堂久久 | 亚洲精品亚洲一区二区| 日韩一区二区三区影片| 亚洲自拍偷在线| 亚洲av电影不卡..在线观看| 亚洲国产精品专区欧美| 国产成人精品一,二区| 日本猛色少妇xxxxx猛交久久| 18+在线观看网站| 在线观看美女被高潮喷水网站| 国内精品一区二区在线观看| 亚洲五月天丁香| 高清午夜精品一区二区三区| 99久国产av精品国产电影| 久久久亚洲精品成人影院| 桃色一区二区三区在线观看| 免费观看a级毛片全部| 久久精品国产亚洲av天美| 亚洲一级一片aⅴ在线观看| 大又大粗又爽又黄少妇毛片口| 国产精品爽爽va在线观看网站| 欧美+日韩+精品| 性插视频无遮挡在线免费观看| 可以在线观看毛片的网站| 国产国拍精品亚洲av在线观看| 久久久久久久久中文| 国产精品女同一区二区软件| 天天一区二区日本电影三级| 亚洲婷婷狠狠爱综合网| 日本黄大片高清| 少妇人妻精品综合一区二区| 国产精品无大码| 久久久久久久久久久丰满| 亚洲av福利一区| 国产精品人妻久久久久久| 最近中文字幕高清免费大全6| 免费av不卡在线播放| 日韩亚洲欧美综合| 神马国产精品三级电影在线观看| 国产v大片淫在线免费观看| 99热网站在线观看| 国产欧美日韩精品一区二区| 18禁在线播放成人免费| h日本视频在线播放| 久久久色成人| 亚洲精品,欧美精品| 亚洲人成网站在线播| 亚洲精品色激情综合| 精品久久久久久久人妻蜜臀av| 一夜夜www| 高清午夜精品一区二区三区| 国产美女午夜福利| 美女大奶头视频| av在线老鸭窝| 日韩强制内射视频|