• <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 ?

    基于改進(jìn)BBO算法優(yōu)化KELM的短期風(fēng)電功率預(yù)測(cè)

    2020-12-07 08:38:12任瑞琪
    無(wú)線互聯(lián)科技 2020年18期
    關(guān)鍵詞:學(xué)習(xí)機(jī)電功率正則

    任瑞琪

    (西安鐵路職業(yè)技術(shù)學(xué)院 牽引動(dòng)力學(xué)院,陜西 西安 710026)

    0 引言

    近年來(lái),風(fēng)力發(fā)電大規(guī)模發(fā)展,帶來(lái)的問(wèn)題也隨之出現(xiàn),風(fēng)力發(fā)電的隨機(jī)性和波動(dòng)性給其集成帶來(lái)了一定的限制。解決這一問(wèn)題的方法之一是對(duì)風(fēng)電場(chǎng)的輸出功率進(jìn)行預(yù)測(cè),有利于提高電力系統(tǒng)的穩(wěn)定性[1-2]。

    近年來(lái),許多學(xué)者將更先進(jìn)的BP神經(jīng)網(wǎng)絡(luò)[3]、支持向量機(jī)[4]、極限學(xué)習(xí)機(jī)[5]等方法引入傳統(tǒng)的基于統(tǒng)計(jì)與學(xué)習(xí)方法的風(fēng)電功率預(yù)測(cè)中。對(duì)于傳統(tǒng)的基于梯度學(xué)習(xí)的迭代學(xué)習(xí)方法帶來(lái)的過(guò)度訓(xùn)練、泛化性能差以及易陷入局部最優(yōu)的問(wèn)題,Huang等[6]提出了一種基于單隱層前饋神經(jīng)網(wǎng)絡(luò)的快速特殊學(xué)習(xí)方法(Single-Hidden Layer Feedforward Neural Networks,SLFNS)、極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)。ELM隨機(jī)選取隱含層神經(jīng)元的輸入權(quán)重與偏置并采用簡(jiǎn)單的矩陣運(yùn)算得出輸出權(quán)重。由于通過(guò)正則化最小二乘算法調(diào)節(jié)輸出矩陣,因而具有更迅速的訓(xùn)練速度與更優(yōu)異的泛化性能。王焱等[7]提出了一種基于Bootstrap和OS-ELM的超短期風(fēng)電功率預(yù)測(cè)方法,黃庭等[8]提出了一種基于小波—極限學(xué)習(xí)機(jī)的短期風(fēng)電功率預(yù)測(cè)方法。Huang等[9]給出了一種ELM結(jié)合核學(xué)習(xí)方法的新型核極限學(xué)習(xí)機(jī)算法。核極限學(xué)習(xí)機(jī)(Kernel Extreme Learning Machine,KELM)是將ELM的隱含層節(jié)點(diǎn)映射取代為核函數(shù)映射,從而避免了初始權(quán)值與偏置對(duì)其精度的影響,并在結(jié)合ELM與核方法之后表現(xiàn)出訓(xùn)練簡(jiǎn)便與泛化性能好的優(yōu)點(diǎn),廣泛應(yīng)用于分類(lèi)與回歸領(lǐng)域。

    近年來(lái),許多優(yōu)化算法被應(yīng)用于核極限學(xué)習(xí)機(jī)的參數(shù)與輸入結(jié)構(gòu)的優(yōu)化,用以尋找最優(yōu)的參數(shù)與輸入結(jié)構(gòu),提高了學(xué)習(xí)精度與預(yù)測(cè)效果。楊錫運(yùn)等[10]提出了一種基于粒子群優(yōu)化的核極限學(xué)習(xí)機(jī)模型的風(fēng)電功率區(qū)間預(yù)測(cè)方法,李軍等[11]在風(fēng)電功率預(yù)測(cè)中應(yīng)用遺傳算法(GA)、微分演化(DE)、模擬退火(SA)3種算法優(yōu)化的KELM方法。Dan[12]提出了一種描述生物物種在地理學(xué)分配上的優(yōu)化算法,即具有良好的魯棒性與尋優(yōu)速度的生物地理學(xué)優(yōu)化算法(Biogeography-Based Optimization Algorithm,BBO)。Kong等[13]用混沌映射改進(jìn)提升了蜂群算法(Bee Colony Algorithm,BCA)的性能。針對(duì)BBO算法易陷入局部最優(yōu)的問(wèn)題,Saremi等[14]提出了基于混沌映射理論的BBO優(yōu)化算法,在Ma[15]的基礎(chǔ)上,針對(duì)KELM的優(yōu)點(diǎn),基于余弦遷移模型,本文提出了一種改進(jìn)的BBO優(yōu)化核極限學(xué)習(xí)機(jī)的(BBO-KELM-2)預(yù)測(cè)方法,對(duì)核極限學(xué)習(xí)機(jī)的輸入結(jié)構(gòu),核參數(shù)γ與正則化系數(shù)η進(jìn)行優(yōu)化后應(yīng)用于不同地區(qū)的風(fēng)電功率預(yù)測(cè)中,并與采用線性遷移模型的原始BBO-KELM-1等方法在同等條件下進(jìn)行比較,已驗(yàn)證該方法在風(fēng)電功率預(yù)測(cè)方面的有效性。

    1 BBO優(yōu)化算法

    在BBO算法中,每一個(gè)優(yōu)化問(wèn)題的候選解的所有特征組成的向量即棲息地稱(chēng)為適應(yīng)度指數(shù)向量(Suitability Index Vector,SIV),每一個(gè)棲息地中的物種即候選解的特征稱(chēng)為適宜度指數(shù)變量(Suitability Index Variables,SIVs),棲息地與居住者(物種)相當(dāng)于遺傳算法中的染色體與基因。棲息地適應(yīng)度指數(shù)(Habitat Suitability Index,HSI)是衡量一個(gè)棲息地的適宜度的指標(biāo),高HSI值表示該棲息地的種群數(shù)目多[16]。

    1.1 遷移操作

    線性遷移模型描述物種數(shù)目與遷移概率的關(guān)系,棲息地中物種數(shù)目的Ch與遷入概率λh和遷出概率μh的線性關(guān)系數(shù)學(xué)模型由式(1—2)給出。

    (1)

    (2)

    其中,I和E分別是遷入率函數(shù)的最大值和遷出率函數(shù)的最大值。

    1.2 變異操作

    突變概率可通過(guò)式(3)計(jì)算。棲息地的突變概率mh與其物種數(shù)量概率Ph成反比,即:

    (3)

    其中,Ph為棲息地中物種數(shù)量為Ch時(shí)所對(duì)應(yīng)的概率,Pmax為Ph的最大值,M為用戶(hù)定義的突變率最大值。

    2 改進(jìn)的BBO優(yōu)化算法

    2.1 遷移模型的改進(jìn)

    Ma[16]通過(guò)對(duì)實(shí)例進(jìn)行研究,結(jié)果選出的余弦遷移概率模型為更符合自然界生態(tài)系統(tǒng)中復(fù)雜規(guī)律的物種遷移模型。因此,本文在BBO算法中引入余弦遷移模型。余弦遷移模型對(duì)應(yīng)的遷入率λk與遷出率μk分別為:

    (4)

    (5)

    2.2 引入混沌映射理論

    BBO算法在運(yùn)行時(shí),容易陷入局部極小,收斂速度也會(huì)降低,因此引入混沌映射理論,具體操作為在進(jìn)化到第g代時(shí),進(jìn)化過(guò)程中確定各棲息地的初始遷入概率的隨機(jī)值可通過(guò)式(6)所示的正弦混沌映射得到值C(g)來(lái)代替[17]。

    (6)

    3 BBO-KELM方法

    3.1 KELM方法

    包括輸入層、隱含層與輸出層3個(gè)分層的ELM是一種特殊的單隱層前饋神經(jīng)網(wǎng)絡(luò)。對(duì)于N組訓(xùn)練樣本數(shù)據(jù)集(xj,tj)∈Rn×Rm,當(dāng)ELM的隱含層節(jié)點(diǎn)數(shù)為L(zhǎng),并且激勵(lì)函數(shù)為?時(shí):

    (7)

    其中,第i個(gè)隱含層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)之間的權(quán)值向量為βi。ELM完全不同于傳統(tǒng)的迭代學(xué)習(xí)算法在于它在分析計(jì)算出輸出權(quán)值β的最小二乘解之前隨機(jī)選擇隱含層節(jié)點(diǎn)的輸入權(quán)值ω與偏置b,之后。降低訓(xùn)練錯(cuò)誤率并優(yōu)化泛化能力是這些運(yùn)算所能達(dá)到的目的。

    根據(jù)ELM理論,將式(7)重新寫(xiě)為緊湊的格式:

    Hβ=T

    (8)

    對(duì)于一個(gè)訓(xùn)練數(shù)據(jù)集,在給予激勵(lì)函數(shù)與隱含層節(jié)點(diǎn)數(shù)之后,以下3步為ELM的訓(xùn)練過(guò)程。步驟1:隨機(jī)產(chǎn)生輸入權(quán)值ωi與偏置bi,1≤i≤N;步驟2:計(jì)算隱含層的輸出矩陣H;步驟3:計(jì)算輸出權(quán)值矩陣β=H+T;

    其中,H+為隱含層輸出矩陣H的Moore-Penrose廣義逆。當(dāng)HHT為非奇異時(shí),H+=HT(HHT)-1。

    為了消除“病態(tài)矩陣”的結(jié)果誤差,按照嶺回歸的思想,引入正則化系數(shù)η,則網(wǎng)絡(luò)輸出權(quán)值的最小二乘解為:

    β=HT(HHT+ηI)-1T

    (9)

    因此,相應(yīng)的ELM輸出函數(shù)為:

    y(x)=h(x)β

    (10)

    在特征映射函數(shù)h(x)未知的情形下,在ELM中引入核函數(shù),則可形成新的基于核的ELM(KELM)方法。

    KELM方法中,需定義核矩陣QELM=HHT,其元素為:

    QELM(i,j)=h(xi)·h(xj)=K(xi,xj)

    (11)

    那么借助式(5),網(wǎng)絡(luò)輸出可表示為:

    (12)

    式(12)中,本文選擇核函數(shù)K(xi,xj)的類(lèi)型為徑向基核函數(shù),即:

    (13)

    其中,γ為RBF核函數(shù)的核參數(shù)。

    3.2 BBO-KELM方法

    BBO-KELM方法主要優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),Tikhonov正則化系數(shù)η與RBF核參數(shù)γ。在O-KELM方法實(shí)現(xiàn)過(guò)程中,網(wǎng)絡(luò)性能的好壞與適宜度評(píng)價(jià)函數(shù)成正比,即:

    (14)

    (15)

    其中,ERMSE(y*,y)是均方根誤差,方法的預(yù)測(cè)輸出是y*(i),實(shí)際輸出是y(i)。

    待優(yōu)化的決策變量由實(shí)數(shù)變量與二進(jìn)制變量組合而成,種群個(gè)體ah=[s1,…sn,γ,η],h=1,2,…m由核參數(shù)γ與正則化系數(shù)η兩個(gè)實(shí)數(shù)變量與網(wǎng)絡(luò)結(jié)構(gòu)輸入的二級(jí)制變量構(gòu)成,其中,模型的輸入維數(shù)為n,種群個(gè)體的數(shù)目由m表示,二進(jìn)制變量sa∈{0,1},a=1,…,n決定模型的第j維輸入是應(yīng)保留還是舍棄。

    (16)

    將真實(shí)值為二進(jìn)制數(shù)的個(gè)體h的第l個(gè)決策變量變換為整數(shù)型變量,即:

    xhl=round(ahl)

    (17)

    其中,函數(shù)round(.)是指將變量四舍五入到最近的整數(shù)。具體應(yīng)用時(shí),需要通過(guò)式(16)對(duì)核參數(shù)γ與正則化系數(shù)η進(jìn)行轉(zhuǎn)化,這兩個(gè)參數(shù)的取值范圍γ∈[0,600],η∈[0,100]。二進(jìn)制變量sa,a=1,…,n,則需要通過(guò)式(17)進(jìn)行轉(zhuǎn)化。其次,需要將個(gè)體的決策變量轉(zhuǎn)化為真實(shí)值之后再計(jì)算個(gè)體的評(píng)價(jià)函數(shù)。

    改進(jìn)BBO-KELM算法的實(shí)現(xiàn)流程如圖1所示。

    圖1 改進(jìn)BBO-KELM算法實(shí)現(xiàn)流程

    4 實(shí)驗(yàn)仿真

    4.1 建立預(yù)測(cè)模型

    將提出的改進(jìn)BBO-KELM算法即BBO-KELM-2算法應(yīng)用于風(fēng)電功率預(yù)測(cè)實(shí)驗(yàn)中,并在同等條件下與采用線性遷移模型的原始BBO-KELM-1算法以及PSO-KELM算法、GA-KELM算法、DE-KELM算法、SA-KELM算法等進(jìn)行比較。本文采用時(shí)間序列建模的方式進(jìn)行風(fēng)電功率預(yù)測(cè),即:

    y(t+D)=f(xt),?t=Δ…l

    (19)

    其中,D為預(yù)測(cè)步長(zhǎng),Δ表示嵌入維數(shù),xt為歷史負(fù)荷值(yt-1,yt-2,…,yt-Δ)。

    優(yōu)化方法中,初始化選取核參數(shù)與正則化系數(shù)的取值范圍分別是γ∈[0,600]和η∈[0,100],預(yù)測(cè)性能評(píng)價(jià)指標(biāo)主要采用3種,分別是平均絕對(duì)誤差(MAE),平均絕對(duì)百分比誤差(MAPE)和歸一化均方誤差(NMSE)。

    (20)

    (21)

    (22)

    其中,待預(yù)測(cè)時(shí)間序列各點(diǎn)的實(shí)際輸出為y(i),相應(yīng)模型的預(yù)測(cè)輸出為y*(i),預(yù)測(cè)樣本點(diǎn)數(shù)為N,待預(yù)測(cè)時(shí)間序列的方差為σ2。

    4.2 風(fēng)電功率預(yù)測(cè)實(shí)例

    實(shí)驗(yàn)選用加拿大Alberta省一個(gè)月內(nèi)某風(fēng)電場(chǎng)的采樣間隔為10 min的實(shí)測(cè)風(fēng)電功率數(shù)據(jù)集,具體時(shí)間取原始數(shù)據(jù)的2010年12月5日—30日,對(duì)原始數(shù)據(jù)的連續(xù)3個(gè)樣本進(jìn)行平均,得到采樣間隔為30 min的實(shí)驗(yàn)數(shù)據(jù)集。訓(xùn)練數(shù)據(jù)取該風(fēng)電功率數(shù)據(jù)集的前1 000組,測(cè)試數(shù)據(jù)取剩下的200組,嵌入維數(shù)Δ=16。

    實(shí)驗(yàn)中,O-KELM方法的初始種群數(shù)為100,最大進(jìn)化代數(shù)為250。GA中的交叉概率pc為0.4,變異概率pm為0.1。DE中的尺度因子λ位于區(qū)間[0.5,2]。SA的初始溫度為100,μ=0.95。BBO算法的Pmod=1,I和E均為1,突變概率mk=0.005,精英數(shù)量z為2。PSO算法中的慣性權(quán)重w=0.3,精英主義參數(shù)z為2,認(rèn)知常數(shù)c1=1,群體相互作用參數(shù)c2=1,鄰里相互作用參數(shù)c3=1。在O-ELM方法中,設(shè)置隱含層節(jié)點(diǎn)數(shù)初始化的最大值為L(zhǎng)=200。隱含層節(jié)點(diǎn)數(shù)目L、正則化系數(shù)η在不同O-ELM方法下的選擇情況以及核參數(shù)γ、正則化系數(shù)η在不同O-KELM方法下的優(yōu)選結(jié)果如表1所示。不同方法的200組風(fēng)電功率預(yù)測(cè)性能指標(biāo)的結(jié)果對(duì)比如表2所示。

    表1 O-KELM方法與O-ELM方法的參數(shù)選擇對(duì)比

    表2 BBO-KELM方法與其他方法的性能指標(biāo)對(duì)比

    由表2可見(jiàn),在同等條件下O-KELM方法的兩種性能指標(biāo)MAPE和NMSE明顯優(yōu)于O-ELM方法,且經(jīng)過(guò)改進(jìn)的BBO-KELM-2算法具有更好的預(yù)測(cè)結(jié)果。

    圖2 BBO-KELM-2方法提前30 min風(fēng)電功率預(yù)測(cè)的訓(xùn)練誤差收斂曲線

    圖3 O-KELM方法提前30 min風(fēng)電功率預(yù)測(cè)的訓(xùn)練誤差收斂曲線

    BBO-KELM-2算法預(yù)測(cè)的200組風(fēng)電功率與實(shí)際功率的結(jié)果對(duì)比如圖2所示,可以看出,BBO-KELM-2算法的預(yù)測(cè)性能較好,能較準(zhǔn)確地預(yù)測(cè)實(shí)際風(fēng)電功率。O-KELM 5種方法預(yù)測(cè)結(jié)果的訓(xùn)練誤差收斂曲線如圖3所示,可見(jiàn),所提出的BBO-KELM-2方法具有最小的訓(xùn)練誤差與更快的收斂速度。

    猜你喜歡
    學(xué)習(xí)機(jī)電功率正則
    基于PCC-CNN-GRU的短期風(fēng)電功率預(yù)測(cè)
    輕松上手電功率
    你會(huì)計(jì)算電功率嗎
    解讀電功率
    剩余有限Minimax可解群的4階正則自同構(gòu)
    極限學(xué)習(xí)機(jī)綜述
    類(lèi)似于VNL環(huán)的環(huán)
    基于極限學(xué)習(xí)機(jī)參數(shù)遷移的域適應(yīng)算法
    分層極限學(xué)習(xí)機(jī)在滾動(dòng)軸承故障診斷中的應(yīng)用
    有限秩的可解群的正則自同構(gòu)
    大香蕉久久网| 精品一区二区三卡| 国产午夜精品一二区理论片| 黄色配什么色好看| 欧美最新免费一区二区三区| 国产免费一级a男人的天堂| 男人和女人高潮做爰伦理| 亚洲欧美一区二区三区国产| 日韩强制内射视频| 国产黄片视频在线免费观看| 最后的刺客免费高清国语| 国内精品宾馆在线| 最近的中文字幕免费完整| 在线免费观看不下载黄p国产| 99久久精品国产国产毛片| 亚洲成人手机| 九色成人免费人妻av| 成人毛片60女人毛片免费| 青春草视频在线免费观看| 丝瓜视频免费看黄片| av卡一久久| 夜夜骑夜夜射夜夜干| 国产老妇伦熟女老妇高清| 国产片特级美女逼逼视频| 99热这里只有是精品在线观看| 午夜老司机福利剧场| 夜夜骑夜夜射夜夜干| 狂野欧美激情性bbbbbb| 晚上一个人看的免费电影| 国产无遮挡羞羞视频在线观看| 久久久久精品性色| 各种免费的搞黄视频| 寂寞人妻少妇视频99o| 国产欧美亚洲国产| av在线老鸭窝| 妹子高潮喷水视频| 欧美日韩国产mv在线观看视频| 国产欧美日韩综合在线一区二区 | 又大又黄又爽视频免费| 久久热精品热| 国产精品成人在线| 日韩伦理黄色片| 精品午夜福利在线看| av一本久久久久| 国产成人免费无遮挡视频| 亚洲va在线va天堂va国产| 51国产日韩欧美| 免费看日本二区| 丝瓜视频免费看黄片| 一级爰片在线观看| 午夜影院在线不卡| 熟女av电影| 国产男女超爽视频在线观看| 国产av码专区亚洲av| 亚洲,欧美,日韩| 精品酒店卫生间| 亚洲精品久久午夜乱码| 国产精品熟女久久久久浪| 免费看av在线观看网站| 80岁老熟妇乱子伦牲交| 欧美日韩综合久久久久久| 国产极品粉嫩免费观看在线 | 国产男女超爽视频在线观看| 国产精品无大码| 我要看日韩黄色一级片| 亚洲va在线va天堂va国产| 成年av动漫网址| 尾随美女入室| 中文欧美无线码| 一级毛片电影观看| 欧美 亚洲 国产 日韩一| 男人狂女人下面高潮的视频| 亚洲精华国产精华液的使用体验| a级毛片在线看网站| 免费久久久久久久精品成人欧美视频 | 一二三四中文在线观看免费高清| 亚洲欧美中文字幕日韩二区| 丝瓜视频免费看黄片| 性高湖久久久久久久久免费观看| 日本色播在线视频| 日日摸夜夜添夜夜爱| 中文字幕制服av| 大香蕉久久网| 一区二区av电影网| 久久午夜福利片| 伊人久久国产一区二区| 熟女电影av网| 国产精品人妻久久久影院| 在现免费观看毛片| 成人综合一区亚洲| 成人毛片60女人毛片免费| 欧美少妇被猛烈插入视频| 久久精品夜色国产| 久久毛片免费看一区二区三区| 亚洲精品乱码久久久久久按摩| 亚洲精品国产色婷婷电影| 国产在视频线精品| 在线观看人妻少妇| 亚洲第一区二区三区不卡| 久久久国产一区二区| 国产精品一区www在线观看| 日韩欧美一区视频在线观看 | 一级av片app| 伊人久久精品亚洲午夜| 搡女人真爽免费视频火全软件| 亚洲高清免费不卡视频| 亚洲国产精品国产精品| 九九在线视频观看精品| 亚州av有码| 日韩亚洲欧美综合| 国产欧美日韩精品一区二区| 日韩一本色道免费dvd| 国产高清国产精品国产三级| 国产视频内射| 免费看光身美女| 久久精品久久久久久噜噜老黄| 热re99久久国产66热| 极品少妇高潮喷水抽搐| 亚洲成色77777| 日日撸夜夜添| 亚洲av免费高清在线观看| 日韩电影二区| 亚洲激情五月婷婷啪啪| 丰满迷人的少妇在线观看| 人妻系列 视频| 久久久久国产网址| 亚洲欧美成人综合另类久久久| 久久青草综合色| 18禁动态无遮挡网站| 国产在线视频一区二区| 亚洲伊人久久精品综合| 国产亚洲精品久久久com| 日韩精品免费视频一区二区三区 | 亚洲精品456在线播放app| 亚洲不卡免费看| 极品少妇高潮喷水抽搐| 成人亚洲欧美一区二区av| 久久99精品国语久久久| 九色成人免费人妻av| 人妻人人澡人人爽人人| 91精品国产九色| 亚洲精品国产av蜜桃| 新久久久久国产一级毛片| 赤兔流量卡办理| 性高湖久久久久久久久免费观看| 婷婷色麻豆天堂久久| 日韩中文字幕视频在线看片| 日本爱情动作片www.在线观看| 久久久久网色| 国产深夜福利视频在线观看| 熟女av电影| 边亲边吃奶的免费视频| 桃花免费在线播放| 最近中文字幕高清免费大全6| 最近的中文字幕免费完整| 少妇精品久久久久久久| .国产精品久久| 国产男人的电影天堂91| 亚洲欧美日韩另类电影网站| 99re6热这里在线精品视频| 日韩不卡一区二区三区视频在线| 老司机亚洲免费影院| 久久久精品免费免费高清| 亚洲真实伦在线观看| 亚洲欧美日韩卡通动漫| 观看免费一级毛片| 久久免费观看电影| 最近中文字幕高清免费大全6| 中文在线观看免费www的网站| 日韩欧美 国产精品| 一级片'在线观看视频| 国产精品女同一区二区软件| 日韩av不卡免费在线播放| freevideosex欧美| 欧美精品国产亚洲| 日韩成人av中文字幕在线观看| 亚洲自偷自拍三级| 国产精品偷伦视频观看了| av播播在线观看一区| 久久久久精品久久久久真实原创| 国产男女内射视频| 91精品伊人久久大香线蕉| 最近的中文字幕免费完整| 新久久久久国产一级毛片| 久久精品国产亚洲av涩爱| 国产 一区精品| 一本久久精品| 欧美精品高潮呻吟av久久| 国产av码专区亚洲av| 极品人妻少妇av视频| 亚洲情色 制服丝袜| 18禁在线无遮挡免费观看视频| 在线观看美女被高潮喷水网站| 国产综合精华液| 亚洲精品久久午夜乱码| 99久国产av精品国产电影| 亚洲精品中文字幕在线视频 | 国产精品不卡视频一区二区| 两个人的视频大全免费| 精品久久久久久电影网| 亚洲,一卡二卡三卡| 欧美丝袜亚洲另类| a级片在线免费高清观看视频| 日韩欧美 国产精品| 精品午夜福利在线看| 大香蕉97超碰在线| av在线app专区| 色94色欧美一区二区| 又大又黄又爽视频免费| 91久久精品国产一区二区成人| 国产中年淑女户外野战色| av在线app专区| 日韩一区二区视频免费看| 久久久a久久爽久久v久久| 午夜免费男女啪啪视频观看| 国产精品.久久久| 免费高清在线观看视频在线观看| 欧美国产精品一级二级三级 | 十分钟在线观看高清视频www | 我的老师免费观看完整版| av在线播放精品| 欧美一级a爱片免费观看看| 亚洲欧美精品专区久久| 亚洲综合精品二区| 日日摸夜夜添夜夜添av毛片| 久久久午夜欧美精品| 亚洲情色 制服丝袜| 色婷婷久久久亚洲欧美| 国产69精品久久久久777片| 纯流量卡能插随身wifi吗| av专区在线播放| 在线看a的网站| 日本wwww免费看| 少妇猛男粗大的猛烈进出视频| 亚洲精品乱码久久久v下载方式| 伊人亚洲综合成人网| 国产成人a∨麻豆精品| 国产又色又爽无遮挡免| 99久久精品热视频| 少妇人妻精品综合一区二区| 黄色日韩在线| 国产日韩一区二区三区精品不卡 | 欧美一级a爱片免费观看看| 最黄视频免费看| av卡一久久| 久久久久久久亚洲中文字幕| 国产成人精品福利久久| 精品熟女少妇av免费看| 我的老师免费观看完整版| 搡女人真爽免费视频火全软件| 91在线精品国自产拍蜜月| 色视频www国产| 国产午夜精品一二区理论片| 亚洲精品日韩在线中文字幕| 国产视频首页在线观看| 亚洲av免费高清在线观看| 国产乱人偷精品视频| 亚洲成人av在线免费| 精品国产一区二区久久| 毛片一级片免费看久久久久| 免费黄网站久久成人精品| 久久鲁丝午夜福利片| 亚洲国产av新网站| 春色校园在线视频观看| 亚洲三级黄色毛片| 国产高清不卡午夜福利| 成人毛片60女人毛片免费| 欧美日韩在线观看h| 亚洲av男天堂| 最后的刺客免费高清国语| 亚洲av在线观看美女高潮| 国产黄片美女视频| 日日撸夜夜添| a级毛色黄片| av.在线天堂| 久久精品久久精品一区二区三区| 精品一品国产午夜福利视频| 菩萨蛮人人尽说江南好唐韦庄| 国产精品国产三级国产专区5o| 久久人妻熟女aⅴ| 美女福利国产在线| 高清视频免费观看一区二区| 欧美国产精品一级二级三级 | 日韩中文字幕视频在线看片| 午夜精品国产一区二区电影| 亚洲精品久久久久久婷婷小说| 2021少妇久久久久久久久久久| 黄色一级大片看看| 搡老乐熟女国产| 国产日韩欧美在线精品| 少妇人妻 视频| 色视频www国产| 日韩人妻高清精品专区| 人妻人人澡人人爽人人| 国产在线男女| 欧美日韩在线观看h| 久久韩国三级中文字幕| 99久久人妻综合| 国产成人freesex在线| freevideosex欧美| 久久影院123| 免费看日本二区| 黄色一级大片看看| 最新中文字幕久久久久| 国产免费一区二区三区四区乱码| 国产成人一区二区在线| 色哟哟·www| 老女人水多毛片| 内射极品少妇av片p| 一级片'在线观看视频| 91成人精品电影| 搡女人真爽免费视频火全软件| 一级av片app| 欧美亚洲 丝袜 人妻 在线| 在线 av 中文字幕| 欧美区成人在线视频| 久久韩国三级中文字幕| 国产一区二区三区综合在线观看 | 3wmmmm亚洲av在线观看| 秋霞在线观看毛片| 精品人妻偷拍中文字幕| 亚洲四区av| av福利片在线观看| 免费观看性生交大片5| 亚洲欧美成人精品一区二区| 一边亲一边摸免费视频| 亚洲第一av免费看| 久久久久久久久大av| 成年av动漫网址| 欧美日韩精品成人综合77777| 国产精品国产三级国产专区5o| 欧美日韩一区二区视频在线观看视频在线| 亚洲欧洲日产国产| 青春草国产在线视频| 尾随美女入室| 免费人妻精品一区二区三区视频| 免费久久久久久久精品成人欧美视频 | 青春草亚洲视频在线观看| 国产乱来视频区| 亚洲中文av在线| 十分钟在线观看高清视频www | 午夜视频国产福利| 免费观看a级毛片全部| 最近手机中文字幕大全| 91精品一卡2卡3卡4卡| 97在线视频观看| 久久狼人影院| 高清av免费在线| 中文字幕久久专区| 久久久久视频综合| 久久久国产欧美日韩av| 69精品国产乱码久久久| 欧美3d第一页| 深夜a级毛片| 国产精品久久久久久精品古装| 国产精品福利在线免费观看| 国产中年淑女户外野战色| 久久免费观看电影| 久久久久国产精品人妻一区二区| 日韩欧美 国产精品| 亚洲国产色片| 国产精品一区二区性色av| 2021少妇久久久久久久久久久| 肉色欧美久久久久久久蜜桃| 一级毛片我不卡| .国产精品久久| 美女内射精品一级片tv| 久久久久久久久久久免费av| 日日摸夜夜添夜夜爱| 国产精品一区二区三区四区免费观看| 日本爱情动作片www.在线观看| 国产探花极品一区二区| 一级毛片久久久久久久久女| 欧美+日韩+精品| 观看美女的网站| 一个人看视频在线观看www免费| 人人妻人人添人人爽欧美一区卜| 国产毛片在线视频| 视频中文字幕在线观看| 欧美激情国产日韩精品一区| 免费av中文字幕在线| 老女人水多毛片| 亚洲一区二区三区欧美精品| 久久午夜综合久久蜜桃| 极品教师在线视频| 99国产精品免费福利视频| 亚洲熟女精品中文字幕| 好男人视频免费观看在线| 精品一区二区三卡| 久久免费观看电影| 国产成人免费无遮挡视频| 大又大粗又爽又黄少妇毛片口| 观看av在线不卡| 亚洲国产成人一精品久久久| 久久精品国产自在天天线| 国产一级毛片在线| 日韩伦理黄色片| 国产深夜福利视频在线观看| 一级毛片 在线播放| tube8黄色片| 久久久久视频综合| 免费人成在线观看视频色| 黑人高潮一二区| 国产精品蜜桃在线观看| 久久免费观看电影| 国产精品久久久久久av不卡| 免费黄频网站在线观看国产| 这个男人来自地球电影免费观看 | 国产午夜精品一二区理论片| 欧美亚洲 丝袜 人妻 在线| 综合色丁香网| 如何舔出高潮| 色网站视频免费| 久久影院123| 欧美97在线视频| 免费久久久久久久精品成人欧美视频 | 国产成人91sexporn| 在线观看人妻少妇| 一级片'在线观看视频| 80岁老熟妇乱子伦牲交| 9色porny在线观看| 国产成人freesex在线| 卡戴珊不雅视频在线播放| 看十八女毛片水多多多| 午夜福利影视在线免费观看| 成人毛片60女人毛片免费| 少妇 在线观看| 免费高清在线观看视频在线观看| 嘟嘟电影网在线观看| 欧美bdsm另类| 国产乱人偷精品视频| 精品午夜福利在线看| 国产av一区二区精品久久| 18禁在线播放成人免费| 少妇高潮的动态图| 成人无遮挡网站| 精品熟女少妇av免费看| 乱系列少妇在线播放| 在线观看av片永久免费下载| 国产亚洲精品久久久com| 成人亚洲欧美一区二区av| 免费观看性生交大片5| 新久久久久国产一级毛片| 观看av在线不卡| 国内精品宾馆在线| 国产成人午夜福利电影在线观看| 国产极品天堂在线| 亚洲国产最新在线播放| 亚洲欧美成人精品一区二区| 日韩三级伦理在线观看| 如何舔出高潮| 亚洲电影在线观看av| av在线播放精品| 亚洲成人av在线免费| 国产老妇伦熟女老妇高清| 日日啪夜夜撸| 久久精品久久久久久久性| 久久久久精品久久久久真实原创| tube8黄色片| 国产精品欧美亚洲77777| 国产伦在线观看视频一区| 美女福利国产在线| 国产精品一区二区性色av| 久久精品国产亚洲网站| 最新中文字幕久久久久| 成人美女网站在线观看视频| a级毛片免费高清观看在线播放| 成人黄色视频免费在线看| 国产精品秋霞免费鲁丝片| 国产精品99久久99久久久不卡 | 午夜91福利影院| 国产精品一区二区三区四区免费观看| 人人澡人人妻人| 另类亚洲欧美激情| 有码 亚洲区| 亚洲丝袜综合中文字幕| 国产国拍精品亚洲av在线观看| 99久久人妻综合| 国产精品秋霞免费鲁丝片| 欧美 日韩 精品 国产| 国产亚洲5aaaaa淫片| 熟女人妻精品中文字幕| 久久久国产精品麻豆| 国产日韩一区二区三区精品不卡 | 亚洲,一卡二卡三卡| 久久久欧美国产精品| 久久人人爽人人爽人人片va| 国产高清三级在线| 久久久久久伊人网av| 免费少妇av软件| 欧美性感艳星| 夫妻性生交免费视频一级片| 熟女人妻精品中文字幕| 26uuu在线亚洲综合色| av在线老鸭窝| 国产精品女同一区二区软件| 人体艺术视频欧美日本| 久久久久国产精品人妻一区二区| 久久久久精品久久久久真实原创| 国产淫语在线视频| 国精品久久久久久国模美| 成年美女黄网站色视频大全免费 | 亚洲精品乱码久久久v下载方式| 国产伦精品一区二区三区视频9| 欧美丝袜亚洲另类| 欧美xxⅹ黑人| 一区二区三区免费毛片| 亚洲欧美成人精品一区二区| 五月玫瑰六月丁香| 久久久久久久国产电影| 亚洲精品乱码久久久久久按摩| 大香蕉97超碰在线| 美女脱内裤让男人舔精品视频| 久久6这里有精品| kizo精华| 成人特级av手机在线观看| 成人午夜精彩视频在线观看| 高清av免费在线| 国产欧美日韩精品一区二区| 国产精品三级大全| 80岁老熟妇乱子伦牲交| 欧美少妇被猛烈插入视频| 久久久欧美国产精品| 亚洲精品久久午夜乱码| 大香蕉久久网| 嫩草影院新地址| 高清午夜精品一区二区三区| 色视频www国产| 亚洲一级一片aⅴ在线观看| 国产又色又爽无遮挡免| 亚洲国产最新在线播放| 在线观看av片永久免费下载| 在线亚洲精品国产二区图片欧美 | 最近手机中文字幕大全| 街头女战士在线观看网站| 观看免费一级毛片| 综合色丁香网| 人妻夜夜爽99麻豆av| 久久久久久久大尺度免费视频| 国产欧美另类精品又又久久亚洲欧美| 内射极品少妇av片p| 一本一本综合久久| 3wmmmm亚洲av在线观看| 午夜免费观看性视频| 国产日韩一区二区三区精品不卡 | 青春草国产在线视频| 熟女电影av网| 91精品国产国语对白视频| 亚洲欧美成人精品一区二区| 国产欧美另类精品又又久久亚洲欧美| 日日啪夜夜爽| 深夜a级毛片| 国产精品伦人一区二区| 日本色播在线视频| 婷婷色av中文字幕| 街头女战士在线观看网站| 欧美成人精品欧美一级黄| av播播在线观看一区| 在线亚洲精品国产二区图片欧美 | 国产成人91sexporn| 欧美精品高潮呻吟av久久| 国产成人精品婷婷| 午夜免费男女啪啪视频观看| 99九九线精品视频在线观看视频| 国产精品一区二区在线观看99| 久久人人爽人人片av| 极品人妻少妇av视频| 18+在线观看网站| 婷婷色综合www| 亚洲天堂av无毛| 日韩精品免费视频一区二区三区 | 欧美亚洲 丝袜 人妻 在线| 美女视频免费永久观看网站| 草草在线视频免费看| 精品人妻一区二区三区麻豆| 18禁裸乳无遮挡动漫免费视频| 亚洲av在线观看美女高潮| 亚洲精品乱久久久久久| 久久狼人影院| 免费观看无遮挡的男女| 午夜日本视频在线| av在线老鸭窝| 中文字幕av电影在线播放| 久久久久久久久久久久大奶| 九九爱精品视频在线观看| 狂野欧美激情性xxxx在线观看| 中文字幕人妻丝袜制服| 成人二区视频| 亚洲欧洲日产国产| 美女脱内裤让男人舔精品视频| 国产无遮挡羞羞视频在线观看| 五月玫瑰六月丁香| 看十八女毛片水多多多| 青春草国产在线视频| 欧美精品国产亚洲| 亚洲av二区三区四区| 久久精品久久久久久久性| 一边亲一边摸免费视频| 久久久久久久久久人人人人人人| 妹子高潮喷水视频| 亚洲欧洲日产国产| 在线天堂最新版资源| 国产一级毛片在线| 久久久精品94久久精品| 99精国产麻豆久久婷婷| 91精品国产九色| 激情五月婷婷亚洲| 日本-黄色视频高清免费观看| 久久久久久久国产电影| 成人18禁高潮啪啪吃奶动态图 | 免费人妻精品一区二区三区视频| 日韩视频在线欧美| 国模一区二区三区四区视频| 亚洲精品日韩av片在线观看| 亚洲人成网站在线观看播放|