• <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 ?

    基于天氣數(shù)據(jù)對空氣質(zhì)量預測的改進KNN算法

    2020-12-02 07:48:07鄭茂波孟佳俊魯越
    科技創(chuàng)新與應用 2020年34期
    關(guān)鍵詞:空氣質(zhì)量

    鄭茂波 孟佳俊 魯越

    摘? 要:基于天氣數(shù)據(jù)進行空氣質(zhì)量預測,首先收集成都市A區(qū)2018年4月1日到2018年6月3日64天24個天氣屬性,然后對天氣屬性進行篩選、數(shù)據(jù)處理;接著,建立KNN分類模型,利用k折交叉驗證和多數(shù)表決原則對64個樣本進行分類;最后在傳統(tǒng)KNN分類模型的基礎上,使用反距離加權(quán)建模,結(jié)果表明模型有較好的泛化能力和預測效果。

    關(guān)鍵詞:天氣數(shù)據(jù);空氣質(zhì)量;k折交叉驗證;反距離加權(quán);KNN算法

    中圖分類號:X823 文獻標志碼:A? ? ? ? ?文章編號:2095-2945(2020)34-0037-03

    Abstract: This paper forecasts air quality based on weather data. 24 weather attributes from April 1, 2018 to June 3, 2018 are collected from April 1, 2018 to June 3, 2018. Then, the KNN classification model is established, and 64 samples are classified by k fold cross verification and majority voting principle. Finally, on the basis of the traditional KNN classification model, the model is established by inverse distance weighting, and the results show that the model has good generalization ability and prediction effect.

    Keywords: weather data; air quality; k fold cross verification; inverse distance weighting; KNN algorithm

    引言

    近年來,由于能源消耗的不斷增加,空氣污染日益加劇,空氣質(zhì)量問題已經(jīng)嚴重影響到人們的正常生活,各種呼吸道疾病頻發(fā)??諝馕廴静粌H對人類的身體健康造成了極大的損害,還對生態(tài)環(huán)境造成了嚴重的負面影響。2018年7月,國務院頒布了《打贏藍天保衛(wèi)戰(zhàn)三年行動計劃》,明確四個“明顯”主要任務:明顯降低細顆粒物(PM2.5)濃度、明顯減少重污染天數(shù)、明顯改善空氣質(zhì)量和明顯增強人民的藍天幸福感。因此,進行空氣質(zhì)量預測,為當?shù)卣皶r提供信息,避免嚴重空氣污染事故的發(fā)生是很有必要的[1]。

    針對大氣質(zhì)量的計量分析和預測,劉杰等[2]提出應用支持向量機和模糊?;瘯r間序列相結(jié)合的方法,對PM2.5質(zhì)量濃度未來變化趨勢和范圍進行預測;楊錦偉等[3]基于馬爾科夫模型建立了空氣污染物濃度預測模型;陸志濤等[4]基于RAM擴展模型構(gòu)建了評估空氣質(zhì)量狀況的空氣質(zhì)量指數(shù)以及評估空氣質(zhì)量提升空間的空氣質(zhì)量發(fā)展指數(shù),并將其應用于我國城市空氣質(zhì)量的評價研究;賀金龍等[5]運用灰色系統(tǒng)理論建立污染物GM(1,1)預測模型,實現(xiàn)了對北京市環(huán)境污染情況的預測;姜孿娟等[6]以江蘇省為例,提出一種基于BP神經(jīng)網(wǎng)絡的空氣污染預測模型。

    綜合上述文獻可以看出,學者們從不同的角度,采用不同的方法,對大氣環(huán)境進行評價。本文將傳統(tǒng)KNN分類算法進行改進,對成都市A區(qū)2018年64個樣本進行反距離加權(quán)、采用循環(huán)尋找最佳的K,并利用14個天氣屬性數(shù)據(jù)值進行空氣質(zhì)量的預測。

    1 數(shù)據(jù)來源及處理

    1.1 天氣數(shù)據(jù)

    從中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/site/index.html)獲得成都市A區(qū)2018年4月1日到2018年6月3日每天的天氣數(shù)據(jù),共64組樣本數(shù)據(jù),每組樣本數(shù)據(jù)包含24個屬性。

    1.2 空氣質(zhì)量數(shù)據(jù)

    從成都市環(huán)境空氣質(zhì)量發(fā)布系統(tǒng)(http://182.150.31.86:9875/Default.aspx)公開獲取對應時間的空氣質(zhì)量指數(shù)(AQI),根據(jù)環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)的標準[7],對應不同的空氣質(zhì)量類別,如表1所示。

    表1 空氣質(zhì)量指數(shù)

    1.3 數(shù)據(jù)處理

    1.3.1 數(shù)據(jù)篩選

    去掉天氣數(shù)據(jù)的24個屬性中跟空氣質(zhì)量關(guān)系不大和主觀的定性的屬性數(shù)據(jù),即去掉現(xiàn)在天氣、風力、體感溫度、水平能見度、總云量、云量、低云量、2分鐘平均風向(角度)、最大風速的風向、極大風速的風向共10個屬性。

    1.3.2 數(shù)據(jù)整理

    獲取的天氣數(shù)據(jù)都是以小時為單位,而空氣質(zhì)量數(shù)據(jù)(AQI)是以天為單位,所以先要對天氣數(shù)據(jù)進行處理,對余下的14個不同屬性數(shù)據(jù)采用了以下方法:

    (1)取累加和:降水量

    (2)取最大值:最高氣溫、最高氣壓、最大風速、極大風速

    (3)取最小值:最低氣溫、最低氣壓、最小相對濕度

    (4)取平均值:氣壓、海平面氣壓、溫度、2分鐘平均風速、相對濕度、水汽壓

    2 KNN模型

    2.1 KNN模型原理

    KNN算法的基本原理是通過選取K個離測試點最近的訓練樣本點,并輸出這K個樣本點中數(shù)量最多的樣本標簽即多數(shù)表決原則,從而得到測試點的類別。

    假設每一個訓練樣本有n個特征值,那么每一個樣本都可以用一個n維行向量表示:X(x1,x2...xn),樣本點的每一個樣本所屬的類別均已知,同樣,每一個測試點樣本也可以表示為:Y=(y1,y2...yn),要實現(xiàn)KNN算法,需要計算出每一個樣本點到測試點的距離,然后選取距離最近的K個樣本,獲取K個樣本中每一個樣本的類別標簽,再找出K個樣本中數(shù)量最多的標簽即多數(shù)表決原則,最后返回該標簽并獲得最后測試樣本類別結(jié)果。

    2.2 數(shù)據(jù)標準化

    本文采用最大值最小值標準化,使所有數(shù)據(jù)均處于[0,1]區(qū)間內(nèi),新的數(shù)據(jù)值?自′等于原始值?自與最小值?自min的差除以最大值?自max與最小值?自min的差,即:

    ?自′=(1)

    2.3 距離公式

    針對天氣數(shù)據(jù)的特點,采用歐氏距離來測定樣本相似度,則距離d為:

    d=?自′?自′2(2)

    2.4 k-折交叉驗證

    (1)首先將前50組樣本數(shù)據(jù)作為訓練集,剩下的14組樣本數(shù)據(jù)作為測試集。

    (2)增強模型的泛化能力,對50組樣本數(shù)據(jù)采用k-折交叉驗證(注:與KNN算法的K不一樣),即將訓練集平均分成k等分,每次將其中的k-1組樣本數(shù)據(jù)作為訓練,剩下的1組樣本數(shù)據(jù)作為驗證集,一共進行k次,取k次的平均正確率來驗證模型??紤]到每組的樣本數(shù)據(jù)的數(shù)量,本文取k=5,即將訓練集分成5組,每組為10個樣本數(shù)據(jù)。

    2.5 多數(shù)表決原則

    圖1中,圓圈要被決定賦予哪個類,是三角形還是四方形?如果K=3,由于三角形所占比例為2/3,圓圈將被賦予三角形那個類,如果K=5,由于四方形比例為3/5,因此圓圈被賦予四方形類。

    以2.1-2.5建立的KNN模型稱為模型一。

    3 模型的改進和結(jié)果

    3.1 反距離加權(quán)

    如圖1所示,內(nèi)環(huán)的兩個三角形對圓圈的影響是不是一樣的?從相似的角度出發(fā),兩個樣本距離越近,說明屬性越相似,也就是類別更接近。所以,在多數(shù)表決原則的基礎上,需要對不同距離的樣本給出權(quán)重,距離越近,所占權(quán)重越大。選取反距離加權(quán),記權(quán)重系數(shù)為w,則

    w=?(3)

    其中?姿表示待定常數(shù),是為防止d過小導致的w趨于無窮大,以此建立模型稱為模型二。

    3.2 K值的選擇

    在模型訓練中,以2.4中的k-折交叉驗證的分類平均正確率為目標,采用循環(huán)搜索,尋找最佳的K和?姿。

    3.3 模型結(jié)果

    模型得到的訓練參數(shù)和分類結(jié)果見表2。從表2可以看到,在訓練集,模型二比模型一的分類正確率只有少許提高;但是在測試集卻有大幅度提高,這說明模型二較模型一有效。同時模型二的測試集的正確率高于訓練集,說明模型二有不錯的泛化能力。

    3.4 模型結(jié)果的分析

    上述模型的正確率都在70%左右,分析結(jié)果主要有以下兩個原因:

    (1)樣本數(shù)據(jù)集較少:總共只有50組訓練樣本,造成訓練不足以致影響正確率。

    (2)樣本不均衡:分析50組訓練樣本發(fā)現(xiàn)大多數(shù)標簽(即AQI分類)集中在第Ⅱ,III類,其它類別較少。

    4 模型評價

    采用傳統(tǒng)的KNN算法,效果不佳,并且泛化能力弱,采用反距離加權(quán)的KNN算法,明顯提高了模型的分類正確率。同時,使用k-折交叉驗證可以有效提高模型的泛化能力。

    下一步研究考慮的方向:

    (1)搜集的樣本數(shù)據(jù)集的數(shù)量足夠且保持均衡。

    (2)樣本屬性數(shù)據(jù)的處理:當樣本屬性數(shù)量較多時,不同屬性的重要程度也不是一樣的,可以考慮屬性加權(quán)或者是采用主成分分析進行降維處理。

    參考文獻:

    [1]CHEN Y,SHI R,SHU S,et al.Ensemble and enhanced PM10 concentration forecast model based on stepwise regression and wavelet analysis[J]. Atmospheric Environment, 2013,74:346-359.

    [2]劉杰,楊鵬,呂文生,等.模糊時序與支持向量機建模相結(jié)合的PM(2.5)質(zhì)量濃度預測[J].北京科技大學學報,2014,36(12):1694-1702.

    [3]楊錦偉,孫寶磊.基于灰色馬爾科夫模型的平頂山市空氣污染物濃度預測[J].數(shù)學的實踐與認識,2014,44(2):64-70.

    [4]陸志濤,周鵬,吳菲.基于RAM拓展模型的我國城市空氣質(zhì)量評價[J].環(huán)境經(jīng)濟研究,2017,2(2):93-107.

    [5]賀金龍,吳晟,周海河,等.基于GM(1,1)-PCA的環(huán)境預測與分析研究[J].信息技術(shù),2018(1):105-109.

    [6]姜孿娟.BP神經(jīng)網(wǎng)絡算法在空氣質(zhì)量預測中的應用——以江蘇為例[J].信息與電腦:理論版,2018(24):69-70,73.

    [7]生態(tài)環(huán)境部.環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)[EB/OL].中華人民共和國生態(tài)環(huán)境部,2012-03-02[2019-8-24].http://www.gov.cn/zwgk/2012-03/02/content_2081374.htm

    猜你喜歡
    空氣質(zhì)量
    “空氣質(zhì)量發(fā)布”APP上線
    車內(nèi)空氣質(zhì)量標準進展
    汽車與安全(2016年5期)2016-12-01 05:22:14
    重視車內(nèi)空氣質(zhì)量工作 制造更環(huán)保、更清潔、更健康的汽車
    汽車與安全(2016年5期)2016-12-01 05:22:13
    開展“大氣污染執(zhí)法年”行動 加快推動空氣質(zhì)量改善
    多功能空氣質(zhì)量遠程檢測儀
    電子制作(2016年19期)2016-08-24 07:49:36
    基于WRF/CMAQ的成都空氣質(zhì)量模擬與預報
    空氣質(zhì)量指數(shù)及大氣污染控制對策
    環(huán)境空氣質(zhì)量指數(shù)(AQI)統(tǒng)計中Excel 的應用
    西藏科技(2015年3期)2015-09-26 12:11:03
    環(huán)境保護部發(fā)布2013年空氣質(zhì)量狀況
    2015年將出臺車內(nèi)空氣質(zhì)量強制性標準
    看非洲黑人一级黄片| xxxhd国产人妻xxx| 色婷婷久久久亚洲欧美| 99久国产av精品国产电影| 97人妻天天添夜夜摸| tube8黄色片| 色94色欧美一区二区| 亚洲第一区二区三区不卡| 69精品国产乱码久久久| 91在线精品国自产拍蜜月| 久久综合国产亚洲精品| 丝袜脚勾引网站| 日本91视频免费播放| 欧美在线黄色| 中文字幕另类日韩欧美亚洲嫩草| 性少妇av在线| 亚洲精品国产色婷婷电影| 久久国产亚洲av麻豆专区| 国产精品熟女久久久久浪| 麻豆精品久久久久久蜜桃| 欧美 日韩 精品 国产| 女人高潮潮喷娇喘18禁视频| 天天影视国产精品| 日韩在线高清观看一区二区三区| 精品国产露脸久久av麻豆| 亚洲精品视频女| 国产极品粉嫩免费观看在线| 成人毛片a级毛片在线播放| 91国产中文字幕| 亚洲欧洲国产日韩| 成人18禁高潮啪啪吃奶动态图| 丰满少妇做爰视频| 日韩中文字幕欧美一区二区 | 久久久亚洲精品成人影院| 在线观看免费日韩欧美大片| av网站在线播放免费| 制服人妻中文乱码| 亚洲成人手机| 国产亚洲一区二区精品| 精品一区二区三卡| 久久99一区二区三区| 亚洲精品日韩在线中文字幕| 精品一区二区免费观看| 大片免费播放器 马上看| 国产精品国产三级国产专区5o| 国产野战对白在线观看| 色94色欧美一区二区| 这个男人来自地球电影免费观看 | 日本av免费视频播放| 国产一区二区在线观看av| 亚洲欧美成人综合另类久久久| 精品少妇久久久久久888优播| 亚洲婷婷狠狠爱综合网| 亚洲成人一二三区av| 一个人免费看片子| 国产在线免费精品| 男女啪啪激烈高潮av片| 日韩中文字幕视频在线看片| 成人影院久久| 夜夜骑夜夜射夜夜干| 丰满饥渴人妻一区二区三| 精品亚洲成国产av| 亚洲中文av在线| 欧美精品人与动牲交sv欧美| 人人妻人人澡人人看| 久久人人爽av亚洲精品天堂| 97精品久久久久久久久久精品| 九九爱精品视频在线观看| 欧美变态另类bdsm刘玥| 免费女性裸体啪啪无遮挡网站| 欧美精品一区二区免费开放| 日本猛色少妇xxxxx猛交久久| 久久久久精品性色| 国产精品麻豆人妻色哟哟久久| 热99久久久久精品小说推荐| 免费高清在线观看视频在线观看| 亚洲精品国产一区二区精华液| 91精品伊人久久大香线蕉| 国产乱来视频区| 精品亚洲成a人片在线观看| 久久毛片免费看一区二区三区| 欧美最新免费一区二区三区| 国产 一区精品| 观看美女的网站| 成年人午夜在线观看视频| 国产欧美日韩一区二区三区在线| 久久av网站| 欧美xxⅹ黑人| 亚洲成国产人片在线观看| 久久久久久久精品精品| 97人妻天天添夜夜摸| 极品少妇高潮喷水抽搐| 亚洲中文av在线| 只有这里有精品99| 国产精品欧美亚洲77777| 咕卡用的链子| 久久精品国产鲁丝片午夜精品| 亚洲精品一二三| 国产免费福利视频在线观看| 久久这里只有精品19| 99九九在线精品视频| 韩国高清视频一区二区三区| 伦精品一区二区三区| 母亲3免费完整高清在线观看 | 欧美日韩国产mv在线观看视频| 韩国av在线不卡| 国产日韩欧美在线精品| 你懂的网址亚洲精品在线观看| 少妇被粗大猛烈的视频| 丰满迷人的少妇在线观看| 亚洲精品日本国产第一区| 欧美成人精品欧美一级黄| 久久久久国产网址| 日本午夜av视频| av一本久久久久| 国产精品久久久久成人av| 亚洲国产欧美日韩在线播放| 18+在线观看网站| 老司机影院毛片| 欧美日韩成人在线一区二区| 国产精品一区二区在线不卡| 狂野欧美激情性bbbbbb| 久久狼人影院| 天堂中文最新版在线下载| 女人精品久久久久毛片| 美女福利国产在线| 高清在线视频一区二区三区| 国产高清不卡午夜福利| 日韩中字成人| 久久久久人妻精品一区果冻| 亚洲精品日本国产第一区| 国产精品久久久av美女十八| 国产有黄有色有爽视频| 国产精品亚洲av一区麻豆 | 一区在线观看完整版| 欧美少妇被猛烈插入视频| 中文字幕精品免费在线观看视频| 乱人伦中国视频| 老汉色av国产亚洲站长工具| 中文欧美无线码| 国产精品 欧美亚洲| 欧美国产精品va在线观看不卡| 亚洲国产精品国产精品| 久久精品aⅴ一区二区三区四区 | 超色免费av| 高清av免费在线| 又黄又粗又硬又大视频| 在线观看一区二区三区激情| 久久久久精品人妻al黑| 亚洲欧美色中文字幕在线| 亚洲情色 制服丝袜| 国产精品 国内视频| 亚洲精品aⅴ在线观看| 欧美精品人与动牲交sv欧美| 汤姆久久久久久久影院中文字幕| 黑丝袜美女国产一区| av.在线天堂| 日韩一区二区视频免费看| 成年女人在线观看亚洲视频| 日韩电影二区| 男女无遮挡免费网站观看| 久久久久久久久久久免费av| 在线精品无人区一区二区三| 亚洲三级黄色毛片| 建设人人有责人人尽责人人享有的| 欧美日韩国产mv在线观看视频| 久久精品国产综合久久久| 国产精品久久久久成人av| 久久午夜福利片| 日韩av免费高清视频| 人人妻人人澡人人爽人人夜夜| 国产精品久久久av美女十八| 亚洲美女搞黄在线观看| 高清在线视频一区二区三区| 波多野结衣av一区二区av| 男人添女人高潮全过程视频| 午夜免费男女啪啪视频观看| 亚洲成色77777| 午夜免费观看性视频| 日韩欧美一区视频在线观看| 国产亚洲av片在线观看秒播厂| av在线app专区| 18禁动态无遮挡网站| 妹子高潮喷水视频| 国产 精品1| 精品卡一卡二卡四卡免费| 超碰成人久久| 青春草国产在线视频| 天天躁夜夜躁狠狠躁躁| 黑人巨大精品欧美一区二区蜜桃| 亚洲少妇的诱惑av| 高清视频免费观看一区二区| 狠狠婷婷综合久久久久久88av| 国产麻豆69| 欧美xxⅹ黑人| 国产精品.久久久| 亚洲av电影在线进入| 国产免费现黄频在线看| 赤兔流量卡办理| 国产av一区二区精品久久| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 丝袜美腿诱惑在线| 黄色一级大片看看| 国产在线免费精品| 色94色欧美一区二区| 波野结衣二区三区在线| 一级毛片黄色毛片免费观看视频| 国产成人精品无人区| 亚洲精品久久久久久婷婷小说| 黄片无遮挡物在线观看| 精品久久久久久电影网| 久久久久久伊人网av| 各种免费的搞黄视频| 伦理电影免费视频| 国产精品一二三区在线看| 深夜精品福利| 1024视频免费在线观看| 一区二区三区乱码不卡18| 亚洲视频免费观看视频| 啦啦啦在线观看免费高清www| 国产成人免费观看mmmm| 亚洲欧美一区二区三区国产| 黑丝袜美女国产一区| 成人18禁高潮啪啪吃奶动态图| videos熟女内射| 精品国产露脸久久av麻豆| av免费在线看不卡| 777久久人妻少妇嫩草av网站| 欧美激情 高清一区二区三区| 大香蕉久久成人网| 在线观看美女被高潮喷水网站| 男人舔女人的私密视频| 国产高清不卡午夜福利| 欧美精品国产亚洲| 中文字幕精品免费在线观看视频| 亚洲第一青青草原| 如日韩欧美国产精品一区二区三区| av国产精品久久久久影院| 18禁动态无遮挡网站| 国产成人精品在线电影| 一本色道久久久久久精品综合| 亚洲精品日本国产第一区| 两个人免费观看高清视频| 一区二区三区精品91| 久久97久久精品| 国产深夜福利视频在线观看| 欧美日韩一区二区视频在线观看视频在线| xxx大片免费视频| 少妇 在线观看| 欧美人与善性xxx| 久久精品久久久久久噜噜老黄| 91精品国产国语对白视频| 精品99又大又爽又粗少妇毛片| 成人亚洲欧美一区二区av| 大码成人一级视频| 青春草国产在线视频| 成年人免费黄色播放视频| 成人国产麻豆网| 婷婷色综合www| 久久国产精品男人的天堂亚洲| 亚洲av日韩在线播放| 欧美日韩亚洲国产一区二区在线观看 | 亚洲欧美色中文字幕在线| 日韩人妻精品一区2区三区| 青青草视频在线视频观看| 自线自在国产av| 熟女电影av网| 日韩大片免费观看网站| 侵犯人妻中文字幕一二三四区| 亚洲男人天堂网一区| 成人黄色视频免费在线看| 国精品久久久久久国模美| 久久精品国产a三级三级三级| 亚洲第一区二区三区不卡| 激情五月婷婷亚洲| 亚洲美女搞黄在线观看| 午夜福利网站1000一区二区三区| 国产综合精华液| 亚洲精品国产av蜜桃| 丝袜美腿诱惑在线| 多毛熟女@视频| 国产成人欧美| 成年美女黄网站色视频大全免费| 免费观看性生交大片5| 男女午夜视频在线观看| 成人毛片a级毛片在线播放| 美女xxoo啪啪120秒动态图| 久久久久久免费高清国产稀缺| 欧美xxⅹ黑人| 免费观看无遮挡的男女| 在线观看免费视频网站a站| 国产成人91sexporn| 97人妻天天添夜夜摸| 91精品三级在线观看| 婷婷色综合大香蕉| 一区二区三区乱码不卡18| 久久精品aⅴ一区二区三区四区 | √禁漫天堂资源中文www| 妹子高潮喷水视频| 亚洲av电影在线进入| 2018国产大陆天天弄谢| 欧美成人精品欧美一级黄| 国产av精品麻豆| 亚洲成国产人片在线观看| 黄色视频在线播放观看不卡| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日本爱情动作片www.在线观看| 国产在线一区二区三区精| 大话2 男鬼变身卡| 亚洲精品久久午夜乱码| 日韩电影二区| 国产精品秋霞免费鲁丝片| 在现免费观看毛片| 亚洲男人天堂网一区| 亚洲综合色惰| 侵犯人妻中文字幕一二三四区| 伦理电影大哥的女人| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲精品第二区| 国产白丝娇喘喷水9色精品| 日韩中文字幕视频在线看片| 婷婷色av中文字幕| 中文字幕另类日韩欧美亚洲嫩草| 黄色怎么调成土黄色| videos熟女内射| 亚洲精品久久久久久婷婷小说| 亚洲国产欧美网| 成人午夜精彩视频在线观看| 日本vs欧美在线观看视频| 一二三四在线观看免费中文在| 久久久国产精品麻豆| 欧美日韩亚洲国产一区二区在线观看 | videossex国产| 亚洲第一av免费看| 一区在线观看完整版| 亚洲一区中文字幕在线| 国产欧美亚洲国产| 久久久久视频综合| 国产成人欧美| 亚洲激情五月婷婷啪啪| 最近手机中文字幕大全| 黄色配什么色好看| 亚洲精品国产色婷婷电影| 乱人伦中国视频| 日韩av不卡免费在线播放| av国产精品久久久久影院| 亚洲国产毛片av蜜桃av| 精品国产乱码久久久久久小说| 国产片特级美女逼逼视频| 久久久久国产网址| 国产亚洲最大av| 亚洲国产精品国产精品| 香蕉国产在线看| 久久国内精品自在自线图片| 国产在线免费精品| av天堂久久9| 老女人水多毛片| 日产精品乱码卡一卡2卡三| videossex国产| 日韩在线高清观看一区二区三区| 人妻系列 视频| 免费女性裸体啪啪无遮挡网站| 观看美女的网站| 欧美在线黄色| 亚洲国产av影院在线观看| 一级a爱视频在线免费观看| 伦理电影大哥的女人| www.熟女人妻精品国产| 久久久a久久爽久久v久久| 国产精品成人在线| 男人爽女人下面视频在线观看| 黄色一级大片看看| 伦理电影免费视频| 国产色婷婷99| 26uuu在线亚洲综合色| 狂野欧美激情性bbbbbb| 国产精品av久久久久免费| 两个人看的免费小视频| 亚洲精品美女久久久久99蜜臀 | 欧美变态另类bdsm刘玥| 色吧在线观看| 国产免费又黄又爽又色| 亚洲内射少妇av| 午夜福利乱码中文字幕| 丰满乱子伦码专区| 熟女av电影| 亚洲情色 制服丝袜| 在线精品无人区一区二区三| 卡戴珊不雅视频在线播放| 女人久久www免费人成看片| 啦啦啦在线免费观看视频4| 性高湖久久久久久久久免费观看| 嫩草影院入口| 欧美xxⅹ黑人| 一二三四在线观看免费中文在| 午夜日本视频在线| 超碰97精品在线观看| 中文字幕人妻熟女乱码| 精品人妻一区二区三区麻豆| 国产成人精品婷婷| kizo精华| 啦啦啦中文免费视频观看日本| www.av在线官网国产| 亚洲成人手机| 成年美女黄网站色视频大全免费| 97人妻天天添夜夜摸| 亚洲av中文av极速乱| 免费黄色在线免费观看| 日本色播在线视频| 久久人人97超碰香蕉20202| 精品一区二区免费观看| 国产免费又黄又爽又色| 成人影院久久| 国产成人精品福利久久| 最近手机中文字幕大全| a级毛片在线看网站| 97精品久久久久久久久久精品| 免费高清在线观看视频在线观看| 18禁动态无遮挡网站| 亚洲国产av新网站| 亚洲国产毛片av蜜桃av| 男女高潮啪啪啪动态图| 国产在线视频一区二区| 国产免费一区二区三区四区乱码| 成年美女黄网站色视频大全免费| 少妇 在线观看| 两性夫妻黄色片| 午夜精品国产一区二区电影| 18禁裸乳无遮挡动漫免费视频| 国产淫语在线视频| 制服人妻中文乱码| 精品酒店卫生间| 午夜91福利影院| 午夜福利在线观看免费完整高清在| 人妻少妇偷人精品九色| 免费人妻精品一区二区三区视频| 男人舔女人的私密视频| 国产精品人妻久久久影院| 成年女人在线观看亚洲视频| 人人澡人人妻人| 日韩熟女老妇一区二区性免费视频| 美国免费a级毛片| 亚洲欧美一区二区三区黑人 | 看非洲黑人一级黄片| 十八禁高潮呻吟视频| 国产成人精品久久久久久| 王馨瑶露胸无遮挡在线观看| 欧美日韩一区二区视频在线观看视频在线| 美女国产高潮福利片在线看| 2022亚洲国产成人精品| 久久久久久久大尺度免费视频| 国产成人91sexporn| 亚洲国产看品久久| 丰满乱子伦码专区| 99国产精品免费福利视频| 亚洲成人手机| 亚洲国产精品一区二区三区在线| 国产黄色视频一区二区在线观看| 日产精品乱码卡一卡2卡三| 久久久久久人人人人人| 国产97色在线日韩免费| 日韩视频在线欧美| 国产日韩一区二区三区精品不卡| 国产一区二区三区综合在线观看| 热re99久久国产66热| 亚洲欧美一区二区三区黑人 | 精品一区二区三区四区五区乱码 | 亚洲欧美一区二区三区国产| 欧美日韩视频精品一区| 十八禁高潮呻吟视频| 免费久久久久久久精品成人欧美视频| 免费在线观看完整版高清| 午夜福利视频精品| 日本免费在线观看一区| 少妇 在线观看| 欧美日韩一级在线毛片| 新久久久久国产一级毛片| 色哟哟·www| 不卡视频在线观看欧美| 国产免费一区二区三区四区乱码| 男女下面插进去视频免费观看| 性色av一级| 视频区图区小说| 欧美97在线视频| 久久久久人妻精品一区果冻| 成人免费观看视频高清| 国产精品久久久久成人av| 国产黄色免费在线视频| 国产爽快片一区二区三区| 亚洲国产欧美在线一区| 免费看不卡的av| 午夜福利视频精品| 男女下面插进去视频免费观看| 另类精品久久| 日韩制服骚丝袜av| 秋霞伦理黄片| 天美传媒精品一区二区| 色网站视频免费| 9热在线视频观看99| 哪个播放器可以免费观看大片| videos熟女内射| 欧美精品av麻豆av| videosex国产| 9热在线视频观看99| 日本午夜av视频| 91成人精品电影| av天堂久久9| 欧美最新免费一区二区三区| 水蜜桃什么品种好| 一区在线观看完整版| 国产精品麻豆人妻色哟哟久久| 中国国产av一级| 成人亚洲欧美一区二区av| 一二三四在线观看免费中文在| 26uuu在线亚洲综合色| 精品国产一区二区三区四区第35| 午夜免费鲁丝| 成年美女黄网站色视频大全免费| 国产精品一二三区在线看| 美女国产视频在线观看| 亚洲视频免费观看视频| 精品国产国语对白av| 亚洲一区二区三区欧美精品| 黑人巨大精品欧美一区二区蜜桃| 夫妻午夜视频| videosex国产| 狂野欧美激情性bbbbbb| 亚洲美女视频黄频| 一区二区日韩欧美中文字幕| 国产免费视频播放在线视频| 亚洲av日韩在线播放| 飞空精品影院首页| 大片电影免费在线观看免费| 久久鲁丝午夜福利片| 最近手机中文字幕大全| 中文欧美无线码| 欧美av亚洲av综合av国产av | 晚上一个人看的免费电影| 亚洲精品乱久久久久久| 欧美+日韩+精品| 欧美 亚洲 国产 日韩一| 午夜av观看不卡| av线在线观看网站| 亚洲综合色网址| 精品少妇黑人巨大在线播放| 免费日韩欧美在线观看| 亚洲熟女精品中文字幕| 在线观看一区二区三区激情| 久久99热这里只频精品6学生| 在线看a的网站| 国产精品蜜桃在线观看| 亚洲国产欧美在线一区| 青青草视频在线视频观看| 天堂中文最新版在线下载| 黄色 视频免费看| 大码成人一级视频| 少妇的逼水好多| 一级毛片我不卡| 黄片无遮挡物在线观看| 国产免费又黄又爽又色| 久久久久久久久免费视频了| 日本-黄色视频高清免费观看| 久久久久久免费高清国产稀缺| 精品午夜福利在线看| 久久鲁丝午夜福利片| 国产精品99久久99久久久不卡 | 色播在线永久视频| 丝袜人妻中文字幕| 精品人妻一区二区三区麻豆| 黄片播放在线免费| 高清黄色对白视频在线免费看| 美女视频免费永久观看网站| 国产男女内射视频| 亚洲av电影在线进入| 一区二区三区激情视频| 亚洲国产欧美在线一区| 亚洲中文av在线| 精品少妇一区二区三区视频日本电影 | 大香蕉久久成人网| 天天影视国产精品| 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 | 寂寞人妻少妇视频99o| 三上悠亚av全集在线观看| 日本猛色少妇xxxxx猛交久久| 波野结衣二区三区在线| 性色av一级| 国产亚洲欧美精品永久| 夫妻性生交免费视频一级片| 国产亚洲一区二区精品| 精品一区二区三区四区五区乱码 | 中文字幕亚洲精品专区| www.精华液| 久久女婷五月综合色啪小说| 在线观看www视频免费| 亚洲精品国产一区二区精华液| 免费高清在线观看日韩| 超碰97精品在线观看| 日本猛色少妇xxxxx猛交久久| 久久久久久久久久人人人人人人| 亚洲av综合色区一区| www.精华液| 在线天堂最新版资源| 在线亚洲精品国产二区图片欧美| 欧美精品av麻豆av| 久久精品国产亚洲av高清一级| 久久精品国产亚洲av天美| 成人影院久久| 在线天堂最新版资源| 亚洲av综合色区一区| 日韩av免费高清视频| 成人免费观看视频高清| 久久精品夜色国产| 日韩大片免费观看网站| 久久鲁丝午夜福利片|