• <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
    国产亚洲av片在线观看秒播厂| 两个人免费观看高清视频| 久久韩国三级中文字幕| 亚洲四区av| 女的被弄到高潮叫床怎么办| 久久婷婷青草| 国产欧美亚洲国产| 国产免费一级a男人的天堂| 国产精品成人在线| 日本vs欧美在线观看视频| 高清av免费在线| 国产1区2区3区精品| 黄色视频在线播放观看不卡| 激情视频va一区二区三区| 美女视频免费永久观看网站| 日韩欧美一区视频在线观看| www.av在线官网国产| 亚洲av日韩在线播放| 久久亚洲国产成人精品v| 超碰97精品在线观看| 久久精品国产亚洲av天美| 一级爰片在线观看| 免费看不卡的av| 90打野战视频偷拍视频| 亚洲av中文av极速乱| 日韩伦理黄色片| 少妇的丰满在线观看| 久久久久久久精品精品| 亚洲av免费高清在线观看| 久久精品久久精品一区二区三区| 美国免费a级毛片| av卡一久久| av国产久精品久网站免费入址| 一区二区三区乱码不卡18| 国产精品久久久久成人av| 黄色视频在线播放观看不卡| 免费看av在线观看网站| 超碰97精品在线观看| 高清在线视频一区二区三区| 国产淫语在线视频| 日韩一区二区视频免费看| 亚洲欧美成人精品一区二区| 久久久久久久久久久免费av| 全区人妻精品视频| 又粗又硬又长又爽又黄的视频| 久久97久久精品| 2021少妇久久久久久久久久久| 丝袜美足系列| 人妻少妇偷人精品九色| 97精品久久久久久久久久精品| 在线亚洲精品国产二区图片欧美| 纯流量卡能插随身wifi吗| 亚洲av在线观看美女高潮| 亚洲第一av免费看| 赤兔流量卡办理| 国产成人精品福利久久| 中文字幕另类日韩欧美亚洲嫩草| 久久久久久久久久久久大奶| 只有这里有精品99| 精品久久久久久电影网| 国产亚洲欧美精品永久| 97在线视频观看| 久久韩国三级中文字幕| 国产在线一区二区三区精| 国产一区二区激情短视频 | 欧美亚洲 丝袜 人妻 在线| 丰满乱子伦码专区| 丰满饥渴人妻一区二区三| 宅男免费午夜| 又大又黄又爽视频免费| 婷婷色综合www| 久久久国产欧美日韩av| 美女大奶头黄色视频| 国产激情久久老熟女| 丝袜脚勾引网站| 成年女人在线观看亚洲视频| 亚洲一区二区三区欧美精品| 观看美女的网站| 飞空精品影院首页| 国产成人精品福利久久| 色吧在线观看| 97精品久久久久久久久久精品| 免费看不卡的av| 在线观看免费日韩欧美大片| 男男h啪啪无遮挡| 欧美日韩亚洲高清精品| 久久久国产精品麻豆| 久久久久精品久久久久真实原创| 又黄又粗又硬又大视频| 赤兔流量卡办理| 免费高清在线观看视频在线观看| 国产成人av激情在线播放| 欧美3d第一页| 黑丝袜美女国产一区| 七月丁香在线播放| 午夜激情av网站| 国产精品人妻久久久久久| 2022亚洲国产成人精品| 黄色毛片三级朝国网站| 在线观看一区二区三区激情| 亚洲国产精品一区二区三区在线| 久久午夜综合久久蜜桃| 狠狠精品人妻久久久久久综合| 五月开心婷婷网| www.色视频.com| av电影中文网址| 成人综合一区亚洲| 亚洲美女黄色视频免费看| xxxhd国产人妻xxx| 丝袜喷水一区| 亚洲av国产av综合av卡| 啦啦啦中文免费视频观看日本| 成年av动漫网址| 日韩熟女老妇一区二区性免费视频| 日本wwww免费看| 午夜老司机福利剧场| 一级爰片在线观看| 91国产中文字幕| 久久精品久久精品一区二区三区| 国产精品久久久av美女十八| 国产精品国产三级专区第一集| 观看美女的网站| 日韩制服丝袜自拍偷拍| 一级毛片黄色毛片免费观看视频| 2018国产大陆天天弄谢| 飞空精品影院首页| 成年美女黄网站色视频大全免费| 伦理电影免费视频| 内地一区二区视频在线| 在线天堂最新版资源| 高清av免费在线| 韩国av在线不卡| 99国产精品免费福利视频| 日韩伦理黄色片| 午夜福利影视在线免费观看| 日韩在线高清观看一区二区三区| 一区二区av电影网| 成年人午夜在线观看视频| 赤兔流量卡办理| 亚洲熟女精品中文字幕| 性色avwww在线观看| 免费少妇av软件| 男女啪啪激烈高潮av片| 青青草视频在线视频观看| 亚洲欧美日韩卡通动漫| 亚洲伊人色综图| 亚洲欧美精品自产自拍| 激情五月婷婷亚洲| 内地一区二区视频在线| 国产精品久久久久久久电影| 一级a做视频免费观看| 国产亚洲一区二区精品| 99视频精品全部免费 在线| 亚洲国产欧美在线一区| 国产一级毛片在线| 亚洲成人av在线免费| 亚洲av福利一区| 少妇熟女欧美另类| 不卡视频在线观看欧美| 美女主播在线视频| 青青草视频在线视频观看| 激情视频va一区二区三区| 欧美激情国产日韩精品一区| 国产欧美另类精品又又久久亚洲欧美| 国产69精品久久久久777片| 国产探花极品一区二区| 丝袜人妻中文字幕| xxx大片免费视频| 我要看黄色一级片免费的| 久久久久精品性色| 蜜桃在线观看..| 日本免费在线观看一区| 日本vs欧美在线观看视频| 高清不卡的av网站| 国产69精品久久久久777片| 在线观看一区二区三区激情| 国产黄色免费在线视频| 热re99久久国产66热| 午夜福利视频在线观看免费| 超色免费av| 高清不卡的av网站| 国产又爽黄色视频| 一区在线观看完整版| 欧美日韩国产mv在线观看视频| 天天影视国产精品| 免费在线观看黄色视频的| 欧美日韩国产mv在线观看视频| 成人综合一区亚洲| 黄片无遮挡物在线观看| 亚洲四区av| 蜜桃在线观看..| 免费在线观看黄色视频的| 最近手机中文字幕大全| 人人妻人人爽人人添夜夜欢视频| 爱豆传媒免费全集在线观看| 啦啦啦啦在线视频资源| 亚洲成人av在线免费| 日本猛色少妇xxxxx猛交久久| 久久99热6这里只有精品| 免费看光身美女| 中国三级夫妇交换| 国产精品久久久久久精品古装| 波野结衣二区三区在线| 成人影院久久| 亚洲av在线观看美女高潮| 国产成人精品无人区| 亚洲国产精品一区三区| 十八禁高潮呻吟视频| 日韩一本色道免费dvd| 一区二区三区四区激情视频| 精品一品国产午夜福利视频| 亚洲欧美成人综合另类久久久| 黄色视频在线播放观看不卡| 亚洲中文av在线| 在线观看三级黄色| 亚洲精品国产av蜜桃| 久久人妻熟女aⅴ| 成人影院久久| 国产亚洲精品第一综合不卡 | 黄色 视频免费看| 美女脱内裤让男人舔精品视频| 欧美国产精品一级二级三级| 十八禁高潮呻吟视频| 天天躁夜夜躁狠狠久久av| 91在线精品国自产拍蜜月| 日本91视频免费播放| 日韩av在线免费看完整版不卡| 免费观看性生交大片5| 午夜影院在线不卡| 一区二区av电影网| 在线免费观看不下载黄p国产| 久久久久国产网址| 久久久精品94久久精品| 老女人水多毛片| 免费人妻精品一区二区三区视频| 亚洲四区av| 欧美+日韩+精品| 日韩三级伦理在线观看| 亚洲精品国产av蜜桃| 国产永久视频网站| 2021少妇久久久久久久久久久| 欧美人与善性xxx| 成人国产av品久久久| 搡女人真爽免费视频火全软件| 成年人午夜在线观看视频| 99国产精品免费福利视频| 各种免费的搞黄视频| 欧美国产精品va在线观看不卡| 99久久人妻综合| 纵有疾风起免费观看全集完整版| 国产亚洲最大av| 三级国产精品片| 国产av精品麻豆| 国产高清国产精品国产三级| 国产xxxxx性猛交| 国产熟女午夜一区二区三区| 韩国av在线不卡| 精品熟女少妇av免费看| 亚洲欧美日韩卡通动漫| 久久亚洲国产成人精品v| 日韩三级伦理在线观看| 高清毛片免费看| 18在线观看网站| 美国免费a级毛片| 午夜免费观看性视频| 男女免费视频国产| av天堂久久9| 97在线人人人人妻| 中文字幕人妻熟女乱码| 午夜福利影视在线免费观看| 美女中出高潮动态图| 欧美精品人与动牲交sv欧美| 久久ye,这里只有精品| 日日啪夜夜爽| 亚洲欧美成人综合另类久久久| 少妇 在线观看| 黑丝袜美女国产一区| 精品第一国产精品| 日韩欧美一区视频在线观看| 一区二区av电影网| 久久人人爽人人片av| 香蕉丝袜av| 一区二区三区四区激情视频| 亚洲久久久国产精品| 多毛熟女@视频| 国产高清三级在线| 亚洲欧美成人综合另类久久久| 国产乱来视频区| 香蕉丝袜av| 国产1区2区3区精品| 日韩成人伦理影院| 欧美另类一区| 国产xxxxx性猛交| 菩萨蛮人人尽说江南好唐韦庄| 91午夜精品亚洲一区二区三区| 久久午夜福利片| 中国美白少妇内射xxxbb| 蜜臀久久99精品久久宅男| 亚洲色图综合在线观看| 在线观看人妻少妇| 国产女主播在线喷水免费视频网站| 天堂中文最新版在线下载| 免费av中文字幕在线| 秋霞在线观看毛片| 亚洲精品美女久久久久99蜜臀 | 热re99久久国产66热| 国产毛片在线视频| 亚洲国产精品一区三区| h视频一区二区三区| 女人精品久久久久毛片| 成年av动漫网址| 亚洲美女黄色视频免费看| 最近2019中文字幕mv第一页| 亚洲国产精品一区二区三区在线| 一本久久精品| 99精国产麻豆久久婷婷| 高清不卡的av网站| 免费大片黄手机在线观看| 9色porny在线观看| 国产精品久久久av美女十八| 蜜臀久久99精品久久宅男| 高清不卡的av网站| 日本91视频免费播放| 永久网站在线| 伦理电影免费视频| 亚洲精品中文字幕在线视频| 大话2 男鬼变身卡| 美国免费a级毛片| 久久久久久久久久久免费av| 91精品国产国语对白视频| 人人妻人人爽人人添夜夜欢视频| 9色porny在线观看| 欧美+日韩+精品| 成人影院久久| 日韩在线高清观看一区二区三区| 欧美精品av麻豆av| 国产精品国产av在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲国产精品国产精品| 精品一区二区三区四区五区乱码 | 日韩,欧美,国产一区二区三区| 欧美精品av麻豆av| 亚洲精华国产精华液的使用体验| 成人18禁高潮啪啪吃奶动态图| 精品人妻在线不人妻| 国产欧美另类精品又又久久亚洲欧美| 国产精品麻豆人妻色哟哟久久| 久久这里只有精品19| 飞空精品影院首页| 26uuu在线亚洲综合色| 久久精品久久久久久久性| 午夜日本视频在线| 一级黄片播放器| 久久久亚洲精品成人影院| 成年人午夜在线观看视频| 午夜福利在线观看免费完整高清在| av国产久精品久网站免费入址| 国产精品.久久久| 日日爽夜夜爽网站| videosex国产| 91精品伊人久久大香线蕉| 黄色配什么色好看| 91精品国产国语对白视频| 日韩,欧美,国产一区二区三区| 欧美日韩视频高清一区二区三区二| 熟女av电影| 久久久久人妻精品一区果冻| 国产午夜精品一二区理论片| 在线观看国产h片| 赤兔流量卡办理| 五月玫瑰六月丁香| 啦啦啦啦在线视频资源| 亚洲经典国产精华液单| 国产亚洲午夜精品一区二区久久| 精品少妇久久久久久888优播| 亚洲图色成人| 边亲边吃奶的免费视频| 久久久久久久精品精品| 成年动漫av网址| 如日韩欧美国产精品一区二区三区| 少妇的丰满在线观看| 在线免费观看不下载黄p国产| 午夜福利,免费看| 最近最新中文字幕免费大全7| 欧美日韩av久久| 国产精品国产av在线观看| 国产极品粉嫩免费观看在线| 天美传媒精品一区二区| 中文字幕制服av| 精品福利永久在线观看| 日日爽夜夜爽网站| 精品国产一区二区三区四区第35| 美女脱内裤让男人舔精品视频| 欧美另类一区| 老熟女久久久| 亚洲av国产av综合av卡| 欧美日韩精品成人综合77777| 亚洲综合精品二区| 少妇被粗大的猛进出69影院 | 日韩av在线免费看完整版不卡| 国产成人免费无遮挡视频| 乱码一卡2卡4卡精品| 1024视频免费在线观看| 欧美另类一区| 亚洲精品日本国产第一区| 丁香六月天网| 日本-黄色视频高清免费观看| 亚洲美女视频黄频| 免费日韩欧美在线观看| 亚洲精品美女久久久久99蜜臀 | 青春草亚洲视频在线观看| 秋霞在线观看毛片| 看十八女毛片水多多多| 有码 亚洲区| 午夜精品国产一区二区电影| 交换朋友夫妻互换小说| 美女福利国产在线| 国产淫语在线视频| 免费播放大片免费观看视频在线观看| 人妻少妇偷人精品九色| 女人久久www免费人成看片| 黑人猛操日本美女一级片| 男女午夜视频在线观看 | 青春草视频在线免费观看| 精品久久蜜臀av无| 日韩视频在线欧美| 又粗又硬又长又爽又黄的视频| 午夜福利乱码中文字幕| 久久综合国产亚洲精品| 国产探花极品一区二区| 久久韩国三级中文字幕| 国产av码专区亚洲av| 又黄又粗又硬又大视频| 欧美日韩一区二区视频在线观看视频在线| 国产精品熟女久久久久浪| 高清黄色对白视频在线免费看| 亚洲国产色片| 2022亚洲国产成人精品| 中文字幕亚洲精品专区| 日本vs欧美在线观看视频| 丁香六月天网| 2018国产大陆天天弄谢| 成人午夜精彩视频在线观看| 国产视频首页在线观看| 亚洲,欧美,日韩| 日本爱情动作片www.在线观看| 看免费成人av毛片| 亚洲精品国产av成人精品| 久久99一区二区三区| 曰老女人黄片| 欧美精品人与动牲交sv欧美| 少妇的逼好多水| 国产高清三级在线| 欧美另类一区| 久久久久久久久久成人| 9191精品国产免费久久| 纵有疾风起免费观看全集完整版| 建设人人有责人人尽责人人享有的| 欧美日韩视频精品一区| 久久精品国产亚洲av天美| 欧美激情极品国产一区二区三区 | 宅男免费午夜| 国产1区2区3区精品| 国产熟女欧美一区二区| 在线免费观看不下载黄p国产| 成人黄色视频免费在线看| 成年av动漫网址| 各种免费的搞黄视频| 亚洲人成网站在线观看播放| 久久久久久久精品精品| 国产有黄有色有爽视频| 亚洲精品第二区| 69精品国产乱码久久久| tube8黄色片| 久久久精品94久久精品| 黄色配什么色好看| 婷婷色综合www| 精品福利永久在线观看| 欧美亚洲日本最大视频资源| 精品一区二区免费观看| 国产精品麻豆人妻色哟哟久久| 自拍欧美九色日韩亚洲蝌蚪91| 欧美变态另类bdsm刘玥| 最近中文字幕高清免费大全6| 久久女婷五月综合色啪小说| 国产精品嫩草影院av在线观看| 久久久久久久久久久久大奶| 国产无遮挡羞羞视频在线观看| 看非洲黑人一级黄片| 一个人免费看片子| 欧美另类一区| 在线天堂中文资源库| 精品国产国语对白av| 亚洲成人av在线免费| av国产久精品久网站免费入址| 国产一区二区三区综合在线观看 | 久久久久精品性色| 99精国产麻豆久久婷婷| 久久国产亚洲av麻豆专区| 亚洲精品美女久久久久99蜜臀 | 亚洲色图 男人天堂 中文字幕 | 午夜福利视频在线观看免费| 狠狠婷婷综合久久久久久88av| 精品第一国产精品| 精品一品国产午夜福利视频| 18禁裸乳无遮挡动漫免费视频| 熟妇人妻不卡中文字幕| 香蕉国产在线看| 欧美xxxx性猛交bbbb| 精品国产一区二区三区久久久樱花| 日本爱情动作片www.在线观看| kizo精华| 欧美另类一区| 国产高清三级在线| 女人精品久久久久毛片| 国产深夜福利视频在线观看| 看非洲黑人一级黄片| 国产精品久久久久久久久免| 街头女战士在线观看网站| 秋霞在线观看毛片| 男女啪啪激烈高潮av片| 免费日韩欧美在线观看| 你懂的网址亚洲精品在线观看| 久久午夜福利片| 免费av不卡在线播放| 国产精品久久久久久av不卡| 岛国毛片在线播放| av电影中文网址| 一级,二级,三级黄色视频| 欧美成人精品欧美一级黄| 七月丁香在线播放| 国产成人午夜福利电影在线观看| 日日摸夜夜添夜夜爱| 午夜福利在线观看免费完整高清在| 久久99热6这里只有精品| 亚洲av男天堂| 免费看不卡的av| 男男h啪啪无遮挡| 纵有疾风起免费观看全集完整版| 欧美 日韩 精品 国产| 亚洲精品乱久久久久久| 国产成人午夜福利电影在线观看| 两个人看的免费小视频| 人妻一区二区av| 久久综合国产亚洲精品| 免费看不卡的av| 男女高潮啪啪啪动态图| 久久久精品免费免费高清| 亚洲av福利一区| 欧美精品高潮呻吟av久久| 日韩制服骚丝袜av| 乱人伦中国视频| 日韩不卡一区二区三区视频在线| 纯流量卡能插随身wifi吗| 久久精品久久久久久噜噜老黄| 黄色 视频免费看| 26uuu在线亚洲综合色| 国产成人欧美| av福利片在线| 中文字幕免费在线视频6| 欧美日韩精品成人综合77777| 纯流量卡能插随身wifi吗| 制服诱惑二区| 国产精品蜜桃在线观看| 欧美人与性动交α欧美精品济南到 | av在线老鸭窝| 一级a做视频免费观看| 久久亚洲国产成人精品v| 啦啦啦中文免费视频观看日本| 伦理电影大哥的女人| 国产在视频线精品| 日韩人妻精品一区2区三区| 欧美成人午夜精品| 七月丁香在线播放| 亚洲久久久国产精品| 国产片特级美女逼逼视频| 久久久久精品久久久久真实原创| 另类亚洲欧美激情| 欧美日韩国产mv在线观看视频| 在线观看免费日韩欧美大片| 日本欧美视频一区| 国产免费视频播放在线视频| 这个男人来自地球电影免费观看 | 女的被弄到高潮叫床怎么办| 多毛熟女@视频| 国产av精品麻豆| 国产一级毛片在线| 国国产精品蜜臀av免费| 99视频精品全部免费 在线| 欧美亚洲日本最大视频资源| 国产精品免费大片| 大陆偷拍与自拍| 欧美丝袜亚洲另类| 国产男女内射视频| 久久av网站| 好男人视频免费观看在线| 天天操日日干夜夜撸| 久久久精品区二区三区| 美女主播在线视频| 亚洲图色成人| 国产精品免费大片| 99re6热这里在线精品视频| 丝袜美足系列| 边亲边吃奶的免费视频| 日韩一区二区三区影片| 最新中文字幕久久久久| 国产免费又黄又爽又色| 男女高潮啪啪啪动态图| 十八禁网站网址无遮挡| 18禁在线无遮挡免费观看视频| 香蕉丝袜av| 狂野欧美激情性bbbbbb| 午夜av观看不卡| 国产乱人偷精品视频| xxx大片免费视频|