• <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 ?

    基于經(jīng)驗(yàn)?zāi)B(tài)分解的CEEMDAN-FE-LSTM傳染病預(yù)測

    2022-09-23 03:54:18李順勇何金莉
    河南科學(xué) 2022年8期
    關(guān)鍵詞:復(fù)雜度傳染病分量

    李順勇, 何金莉

    (山西大學(xué)數(shù)學(xué)科學(xué)學(xué)院,太原 030006)

    傳染病是由各類病原體引起的、可大范圍傳播且傳播速度較快的疾?。?]. 甲乙類傳染病中,肺結(jié)核、乙肝、布魯氏菌病和艾滋病是每年發(fā)病人數(shù)較多的法定傳染病. 若能掌握其發(fā)病規(guī)律,預(yù)測其發(fā)病趨勢,并對發(fā)病狀況進(jìn)行分析與預(yù)測,可以為傳染病防控工作提供科學(xué)的建議,對傳染病防治具有重要的意義[2].

    近年來,隨著人工智能發(fā)展,已有眾多模型應(yīng)用于傳染病預(yù)測分析中. 徐映梅和陳堯[3]考慮對非結(jié)構(gòu)化數(shù)據(jù)與單變量數(shù)據(jù)在模型預(yù)測上的效果差異,對比了自回歸移動平均(Autoregressive Integrated Moving Average,ARIMA)模型與長短期記憶神經(jīng)網(wǎng)絡(luò)(Long Short-term Memory,LSTM)模型在國民生產(chǎn)總值季度數(shù)據(jù)上的預(yù)測效果. 馮一平等[4]對比了分布滯后線性模型(Distributed Lag Non-linear Model,DLNM)與LSTM 模型在預(yù)測山東省手足口病的發(fā)病趨勢上的效果. 單一的預(yù)測模型通常具有一定的局限性,例如ARIMA模型在捕捉非線性關(guān)系上存在局限,DLNM對模型假設(shè)條件較敏感. 對此,賴曉鎣和錢?。?]運(yùn)用LSTM模型對ARIMA模型殘差序列的非線性成分進(jìn)行校正,用XGBoost集成預(yù)測模型,但其沒有考慮到時間序列本身的復(fù)雜度,且沒有挖掘時間序列中的潛在信息.

    傳染病數(shù)據(jù)常常具有非平穩(wěn)、非線性的特征,而信號分解能夠提取序列的局部特征且保證序列的平穩(wěn)性,降低時間序列的復(fù)雜度,進(jìn)而提升時間序列的可預(yù)測性[6-7]. 對此,本文提出了一種基于自適應(yīng)噪聲完備集合經(jīng)驗(yàn)?zāi)B(tài)分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和模糊熵(Fuzzy Entropy,F(xiàn)E)改進(jìn)長短時記憶網(wǎng)絡(luò)(LSTM)的傳染病組合預(yù)測模型. 首先運(yùn)用CEEMDAN 算法將序列分解;接著運(yùn)用FE算法計(jì)算各分量復(fù)雜度并將其重構(gòu),以發(fā)掘序列的潛在信息,提高運(yùn)算的效率;最后建立LSTM模型[8]對重構(gòu)的序列進(jìn)行預(yù)測. 本文采用RMSE、MAE和MAPE三種評價(jià)指標(biāo)對預(yù)測效果進(jìn)行評判,選取SARIMA、CEEMDAN-FE-SARIMA 和LSTM 作為對比模型. 從模型的預(yù)測效果上探索模型在傳染病預(yù)測中的適用性,以期發(fā)現(xiàn)傳染病發(fā)病的變化規(guī)律,為傳染病預(yù)防控制提供依據(jù).

    1 背景知識

    1.1 CEEMDAN

    CEEMDAN[9-10]由經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)發(fā)展而來,通過添加自適應(yīng)的白噪聲能使EMD中的模態(tài)混疊問題得到有效改善,改善后信號分解的重構(gòu)誤差極小. 該方法適用于將非線性和不平穩(wěn)的信號分解成不同尺度的模態(tài)分量與殘差分量,實(shí)現(xiàn)步驟如下.

    步驟1對時間序列添加白噪聲序列,并進(jìn)行EMD分解取平均得到模態(tài)分量IMF1. 假設(shè)原始時間序列為x(n),自適應(yīng)系數(shù)為ε,對于每次分解都加入白噪聲序列ωi(n),則第i次添加噪聲后的序列xi(n)為

    EMD分解N次實(shí)驗(yàn)的均值為模態(tài)分量IMF1,即

    步驟2計(jì)算步驟1得到的余量序列r1(n),并由此計(jì)算IMF2,計(jì)算方法如式(3)和式(4)所示:

    步驟3重復(fù)步驟2的計(jì)算至第k+1步,得到第k步的余量序列rk(n)以及第k+1個模態(tài)分量IMFk+1,即

    步驟4重復(fù)上述步驟,直至余量序列的極值點(diǎn)個數(shù)小于等于2時停止,得到固有模態(tài)分量IMFk以及殘差序列RES,此時得到的時間序列為

    1.2 FE

    FE算法[11-12]是一種計(jì)算時間序列的復(fù)雜度與隨機(jī)性的動力學(xué)方法. 與近似熵和樣本熵不同,該算法通過指數(shù)函數(shù)來代替絕對幅值差,減小了數(shù)據(jù)波動對結(jié)果的影響,能使模糊熵值隨著參數(shù)改變而平穩(wěn)變化[13],實(shí)現(xiàn)步驟如下.

    1.3 LSTM

    LSTM[14]作為一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò),能有效解決循環(huán)網(wǎng)絡(luò)中梯度消失與梯度爆炸問題,并且能夠?qū)W習(xí)數(shù)據(jù)中長期的信息[15]. 該模型的內(nèi)部包括了輸入門、遺忘門和輸出門,在遺忘門中該模型對上一步傳遞的信息進(jìn)行有選擇性的記憶與遺忘,實(shí)現(xiàn)了信息在隱藏態(tài)上更新. LSTM的內(nèi)部結(jié)構(gòu)如圖1所示.

    圖1 LSTM的內(nèi)部結(jié)構(gòu)圖Fig.1 Internal structure of LSTM

    LSTM網(wǎng)絡(luò)的計(jì)算公式如式(14)~(19)所示:

    其中:xt表示當(dāng)前時刻的輸入;ht-1表示前一時刻隱藏層的輸出;it、ft、ot分別表示輸入門、遺忘門、輸出門的值;W表示權(quán)重系數(shù);表示當(dāng)前時刻記憶單元輸入的值;ct表示當(dāng)前時刻記憶單元的更新值;σ、tanh 為激活函數(shù).

    2 CEEMDAN-FE-LSTM模型構(gòu)建

    傳染病發(fā)病受到地理?xiàng)l件、氣候條件等多種因素影響,發(fā)病人數(shù)呈現(xiàn)典型的非線性、非平穩(wěn)趨勢. 本文通過建立基于CEEMDAN-FE-LSTM的傳染病預(yù)測模型,實(shí)現(xiàn)對傳染病發(fā)病數(shù)據(jù)預(yù)測研究,具體步驟如下.

    步驟1數(shù)據(jù)分解. 對傳染病數(shù)據(jù)x(n)進(jìn)行分解,由式(2)計(jì)算EMD 分解N次實(shí)驗(yàn)的均值作為第一個模態(tài)分量IMF1,并由式(3)計(jì)算得到余量序列r1(n). 對每次分解都加入白噪聲ωi(n),如式(4)~(7)所示. 當(dāng)余量序列的極值點(diǎn)個數(shù)小于等于2 時停止,得到m個頻率由高到低的模態(tài)分量IMF1,IMF2,…,IMFq以及殘差分量RES.

    步驟2不同尺度數(shù)據(jù)的重構(gòu). 對分解后的每個模態(tài)分量由式(8)~(10)計(jì)算空間向量和,計(jì)算兩空間向量之間的切比雪夫距離和相似度以及在m和m+1維下的關(guān)系維度φm(n,r)和φm+1(n,r),最后根據(jù)式(13)計(jì)算得到該分量的模糊熵. 重復(fù)上述步驟得到所有分量下的模糊熵FE1,F(xiàn)E2,…,F(xiàn)Eq. 將FE值相差0.05以內(nèi)的分量序列進(jìn)行重組得到重構(gòu)序列x1(n),x2(n),…,xk(n) . 其中k<q.

    步驟3重構(gòu)數(shù)據(jù)的LSTM 預(yù)測. 將重組后的數(shù)據(jù)序列x1(n),x2(n),…,xk(n). 首先進(jìn)行歸一化處理以提高模型的運(yùn)算效率和模型的預(yù)測精度. 然后將歸一化后的序列分別建立LSTM模型進(jìn)行預(yù)測,在隱藏層內(nèi)由式(14)~(19)計(jì)算t時刻輸入門、遺忘門、輸出門的值分別為it、ft、ot,計(jì)算當(dāng)前記憶單元的更新值ct和隱藏層的輸出值ht,最后由輸出層輸出各序列的預(yù)測結(jié)果. 反歸一化預(yù)測結(jié)果并進(jìn)行累加,得到最終預(yù)測結(jié)果.

    3 仿真實(shí)驗(yàn)結(jié)果分析

    3.1 數(shù)據(jù)獲取

    本文選取的肺結(jié)核、乙肝、布魯氏菌病和艾滋病月患病資料均來源于中華人民共和國國家衛(wèi)生健康委員會(http://www.nhc.gov.cn/wjw/index.shtml),數(shù)據(jù)范圍為全國數(shù)據(jù),數(shù)據(jù)周期為2010年1月至2021年12月.

    3.2 評價(jià)指標(biāo)選取

    為比較不同模型在各患病數(shù)據(jù)集上的預(yù)測效果,采用RMSE、MAPE和MAE三個指標(biāo)對模型預(yù)測精度進(jìn)行評價(jià),使用Python3.8.5軟件進(jìn)行仿真實(shí)驗(yàn),指標(biāo)計(jì)算公式如下式所示:

    其中:x表示月發(fā)病數(shù)的實(shí)際值;表示模型的預(yù)測值;n為預(yù)測總月數(shù). RMSE、MAPE和MAE量化了預(yù)測值與實(shí)際值之間的誤差大小,該值越小說明模型效果越好.

    3.3 CEEMDAN-FE分解與重組

    首先,對四個疾病數(shù)據(jù)集進(jìn)行CEEMDAN分解,如圖2~圖3所示. 可以看出,原始序列被分解為多個頻率由高到低的IMF分量和1個殘差分量,頻率越低的IMF分量序列呈現(xiàn)出越平滑的趨勢. 殘差分量的量級約為10-7,分解誤差很小,說明序列被完全分解.

    圖2 肺結(jié)核病與乙肝數(shù)據(jù)集CEEMDAN分解序列圖Fig.2 CEEMDAN decomposition of tuberculosis and hepatitis B dataset

    圖3 布魯氏菌病與艾滋病數(shù)據(jù)集CEEMDAN分解序列圖Fig.3 CEEMDAN decomposition of brucellosis and AIDS dataset

    為了更準(zhǔn)確反映被分解序列的尺度,提升模型的預(yù)測精度,同時降低計(jì)算規(guī)模,因此對各分解后的序列計(jì)算FE值,得到各分解子序列的復(fù)雜度,如表1所示.

    表1 各數(shù)據(jù)集上分解序列的FE值Tab.1 FE values of decomposed sequences on each dataset

    由表1可以看出,在各數(shù)據(jù)集中分解的IMF分量的FE值隨該分量頻率的降低而越來越小,說明由高頻分量至低頻分量的序列隨機(jī)性和復(fù)雜度逐漸降低. 通過比較FE值之間的接近程度對分解的各序列進(jìn)行重組,將FE值相差0.05以內(nèi)的分量進(jìn)行合并得到重構(gòu)的序列.

    3.4 預(yù)測結(jié)果分析

    對重構(gòu)后的序列分別建立LSTM模型. 由于在LSTM神經(jīng)網(wǎng)絡(luò)中,隱藏層的個數(shù)以及對應(yīng)神經(jīng)元的個數(shù)對模型預(yù)測精度的影響較大[16-18],經(jīng)多次實(shí)驗(yàn)之后,本文設(shè)置2個隱藏層,每個隱藏層的神經(jīng)元個數(shù)取32,擬合預(yù)測的時間步長設(shè)定為4,輸出變量的個數(shù)為1,迭代次數(shù)為100次,并使用Adam函數(shù)優(yōu)化內(nèi)部參數(shù). 采用SARIMA模型、CEEMDAN-FE-SARIMA模型和LSTM模型作為對比算法.

    參數(shù)設(shè)置方面,對于SARIMA模型[19-20]和CEEMDAN-FE-SARIMA模型,經(jīng)過分析自相關(guān)系數(shù)和偏自相關(guān)系數(shù)圖,確定赤池信息準(zhǔn)則(Akaike Information Criterion,AIC),準(zhǔn)則的最小AIC值對應(yīng)參數(shù)為p=1,q=1,d=1,P=1,D=1,Q=0. LSTM模型的具體參數(shù)與本文提出的模型參數(shù)相同.

    模型預(yù)測結(jié)果如圖4~圖5 所示. 通過對比各數(shù)據(jù)集上的模型預(yù)測值與實(shí)際值曲線,可見CEEMDANFE-LSTM模型較單一的LSTM模型預(yù)測誤差更小,預(yù)測值與實(shí)際值更為接近. 并且CEEMDAN-FE-SARIMA模型與SRIMA模型在數(shù)據(jù)前半段的預(yù)測值與實(shí)際觀測值較接近,但在后半段數(shù)據(jù)上的預(yù)測誤差均較大. 綜合以上可知,基于CEEMDAN-FE-LSTM模型的預(yù)測結(jié)果較其他模型更好,雖然在部分拐點(diǎn)處與實(shí)際觀測值有所偏差,但是總體預(yù)測誤差較小,整體上更好地反映了傳染病的發(fā)病趨勢.

    圖4 肺結(jié)核病與乙肝數(shù)據(jù)集各模型預(yù)測效果Fig.4 Prediction effects of each model in the tuberculosis and hepatitis B dataset

    圖5 布魯氏菌病與艾滋病數(shù)據(jù)集各模型預(yù)測效果Fig.5 Prediction effect of each model in brucellosis and AIDS dataset

    不同模型在RMSE、MAE和MAPE三個評價(jià)指標(biāo)上的對比結(jié)果如表2和表3所示,各個指標(biāo)上性能最優(yōu)的算法用加粗表示. 由表2和表3可知,在肺結(jié)核病、乙肝、布魯氏菌病和艾滋病四個數(shù)據(jù)集上,CEEMDANFE-LSTM模型較其他模型相比具有更小的RMSE、MAE和MAPE值,反映了該模型能更好地對非線性、非平穩(wěn)的時間序列進(jìn)行擬合與預(yù)測. 在乙肝數(shù)據(jù)集上,與單一的LSTM模型相比,本文模型的MAE值、MAPE值和RMSE值分別降低了11.13%、11.33%和11.36%. 這表明經(jīng)過CEEMDAN-FE 分解重構(gòu)后的序列能提高預(yù)測精度,并有效發(fā)掘非線性數(shù)據(jù)中的有用信息.

    表2 各模型性能指標(biāo)在肺結(jié)核病和乙肝數(shù)據(jù)集上的對比Tab.2 Comparison of performance indicators of each model in the tuberculosis and hepatitis B datasets

    表3 各預(yù)測模型性能指標(biāo)在布魯氏菌病和艾滋病數(shù)據(jù)集上的對比Tab.3 Comparison of performance indicators of each prediction model in brucellosis and AIDS datasets

    4 結(jié)語

    根據(jù)傳染病時間序列具有典型的非線性與非平穩(wěn)的波動特征,本文提出了CEEMDAN-FE-LSTM 模型應(yīng)用于常見傳染病的預(yù)測,并通過模型的預(yù)測性能對比,得到如下結(jié)論:

    1)經(jīng)過CEEMDAN分解后的時間序列具有不同頻率尺度的特征,對分解后的序列進(jìn)行預(yù)測分析有助于掌握患病數(shù)據(jù)的變化規(guī)律. 使用FE算法計(jì)算復(fù)雜度并重構(gòu),得到的重構(gòu)序列之間的復(fù)雜度差異明顯,有助于發(fā)掘時間序列的隱藏信息,提升運(yùn)算效率.

    2)與經(jīng)典SARIMA模型相比較,本文提出的CEEMDAN-FE-LSTM 模型具有更好的預(yù)測效果,且預(yù)測性能更加穩(wěn)定,充分發(fā)揮了LSTM模型在預(yù)測非線性的傳染病數(shù)據(jù)上的優(yōu)勢.

    本文模型在選定模型參數(shù)時使用了多次嘗試法選取,在參數(shù)尋優(yōu)上存在局限,后續(xù)將在本文模型的基礎(chǔ)上,綜合考慮優(yōu)化模型參數(shù),提高模型的適用性.

    猜你喜歡
    復(fù)雜度傳染病分量
    《傳染病信息》簡介
    傳染病信息(2022年3期)2022-07-15 08:25:08
    傳染病的預(yù)防
    肝博士(2022年3期)2022-06-30 02:48:50
    3種傳染病出沒 春天要格外提防
    帽子的分量
    呼吸道傳染病為何冬春多發(fā)
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    一種低復(fù)雜度的慣性/GNSS矢量深組合方法
    論《哈姆雷特》中良心的分量
    分量
    求圖上廣探樹的時間復(fù)雜度
    欧美一级a爱片免费观看看| 国内精品美女久久久久久| 成人特级av手机在线观看| 国产激情偷乱视频一区二区| 18禁裸乳无遮挡免费网站照片| 免费看不卡的av| h日本视频在线播放| 久热久热在线精品观看| 亚洲乱码一区二区免费版| 亚洲国产成人一精品久久久| 深夜a级毛片| 欧美97在线视频| 国内揄拍国产精品人妻在线| 麻豆av噜噜一区二区三区| 街头女战士在线观看网站| 1000部很黄的大片| 春色校园在线视频观看| 日韩视频在线欧美| 美女xxoo啪啪120秒动态图| 国产免费一级a男人的天堂| 国产精品一二三区在线看| 国产不卡一卡二| 夫妻午夜视频| 纵有疾风起免费观看全集完整版 | 嫩草影院精品99| 亚洲av日韩在线播放| 日韩,欧美,国产一区二区三区| 联通29元200g的流量卡| 又黄又爽又刺激的免费视频.| 国产高清国产精品国产三级 | 最近最新中文字幕免费大全7| 永久免费av网站大全| 亚洲国产日韩欧美精品在线观看| 国产精品久久久久久久久免| 51国产日韩欧美| 听说在线观看完整版免费高清| 欧美日韩在线观看h| 亚洲av成人精品一区久久| 亚洲精品456在线播放app| 日本爱情动作片www.在线观看| 亚洲av中文av极速乱| 久久精品国产亚洲av涩爱| 午夜亚洲福利在线播放| 伊人久久精品亚洲午夜| 精品久久久久久久久久久久久| freevideosex欧美| 亚洲欧美日韩东京热| 青春草国产在线视频| 国产黄片视频在线免费观看| 嫩草影院精品99| 亚洲自偷自拍三级| 欧美区成人在线视频| 男人爽女人下面视频在线观看| 男女国产视频网站| 精品少妇黑人巨大在线播放| 国产视频内射| 青春草亚洲视频在线观看| ponron亚洲| 国产精品不卡视频一区二区| 精品亚洲乱码少妇综合久久| 成人二区视频| 午夜精品在线福利| av免费在线看不卡| 免费观看a级毛片全部| 日本免费在线观看一区| 国产av码专区亚洲av| 日韩,欧美,国产一区二区三区| 成人综合一区亚洲| 国产成人aa在线观看| 26uuu在线亚洲综合色| 肉色欧美久久久久久久蜜桃 | 色哟哟·www| 久久99精品国语久久久| 久久久久久久久久成人| 精品人妻一区二区三区麻豆| 午夜激情福利司机影院| 丝袜美腿在线中文| 777米奇影视久久| 国产av在哪里看| 久久久久久久久久成人| 欧美xxxx性猛交bbbb| 啦啦啦中文免费视频观看日本| 听说在线观看完整版免费高清| 免费高清在线观看视频在线观看| 国产伦理片在线播放av一区| 国产91av在线免费观看| av播播在线观看一区| 久久久精品免费免费高清| 18禁裸乳无遮挡免费网站照片| 久久久久久伊人网av| 夫妻性生交免费视频一级片| 亚洲久久久久久中文字幕| 久久6这里有精品| 深夜a级毛片| 日韩欧美一区视频在线观看 | 国产免费视频播放在线视频 | 午夜福利网站1000一区二区三区| 美女被艹到高潮喷水动态| 久久精品国产鲁丝片午夜精品| 久99久视频精品免费| 91久久精品国产一区二区成人| 国产亚洲午夜精品一区二区久久 | videos熟女内射| 日韩不卡一区二区三区视频在线| 18+在线观看网站| 国产淫语在线视频| 国产在线一区二区三区精| 婷婷色麻豆天堂久久| 国产探花在线观看一区二区| 高清欧美精品videossex| 精品人妻视频免费看| 全区人妻精品视频| 国产在线男女| 免费黄频网站在线观看国产| 在线观看美女被高潮喷水网站| 国产欧美另类精品又又久久亚洲欧美| 亚洲电影在线观看av| 99热这里只有精品一区| 午夜精品在线福利| 国产欧美另类精品又又久久亚洲欧美| 精华霜和精华液先用哪个| 亚洲在久久综合| 国产精品国产三级国产专区5o| 国产综合精华液| 亚洲欧美日韩卡通动漫| 亚洲av电影在线观看一区二区三区 | 最新中文字幕久久久久| 麻豆国产97在线/欧美| 国产成人精品福利久久| 特大巨黑吊av在线直播| 一二三四中文在线观看免费高清| 亚洲精品日韩av片在线观看| 欧美精品一区二区大全| 高清毛片免费看| 一级av片app| 少妇熟女欧美另类| 大香蕉97超碰在线| 亚洲国产精品专区欧美| ponron亚洲| 国产日韩欧美在线精品| 最近的中文字幕免费完整| 少妇猛男粗大的猛烈进出视频 | 日韩电影二区| 91精品国产九色| 国产淫片久久久久久久久| 午夜亚洲福利在线播放| 久久精品夜夜夜夜夜久久蜜豆| 亚洲精品亚洲一区二区| 国产伦精品一区二区三区四那| 中文字幕久久专区| 亚洲精品国产av成人精品| 搡老乐熟女国产| 日本与韩国留学比较| 国产男女超爽视频在线观看| 丝瓜视频免费看黄片| 久久99热这里只频精品6学生| 久久久精品欧美日韩精品| 床上黄色一级片| 国产精品1区2区在线观看.| 亚洲成人久久爱视频| 夫妻午夜视频| 男女边吃奶边做爰视频| 国产精品久久久久久精品电影小说 | 麻豆av噜噜一区二区三区| 一级二级三级毛片免费看| 欧美精品国产亚洲| 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 | 少妇裸体淫交视频免费看高清| 午夜激情久久久久久久| 亚洲一级一片aⅴ在线观看| 欧美日韩在线观看h| 久久精品国产自在天天线| 国产精品综合久久久久久久免费| 色综合色国产| 网址你懂的国产日韩在线| 亚洲国产精品国产精品| 精品亚洲乱码少妇综合久久| 91在线精品国自产拍蜜月| 国产黄频视频在线观看| 一个人看的www免费观看视频| 三级男女做爰猛烈吃奶摸视频| 一区二区三区高清视频在线| 国产大屁股一区二区在线视频| 欧美丝袜亚洲另类| 在线观看免费高清a一片| av在线播放精品| 日韩欧美精品免费久久| 成人av在线播放网站| 三级毛片av免费| 国产69精品久久久久777片| 午夜免费激情av| 欧美3d第一页| 日韩一区二区视频免费看| 在线播放无遮挡| 日本熟妇午夜| 成人亚洲精品一区在线观看 | 黄色日韩在线| 中国美白少妇内射xxxbb| 午夜久久久久精精品| 亚洲国产成人一精品久久久| 三级国产精品片| 三级毛片av免费| 老司机影院成人| 久久精品久久精品一区二区三区| 青春草亚洲视频在线观看| 一级片'在线观看视频| 最近最新中文字幕免费大全7| eeuss影院久久| 91aial.com中文字幕在线观看| 国产爱豆传媒在线观看| 啦啦啦韩国在线观看视频| 老师上课跳d突然被开到最大视频| 精品99又大又爽又粗少妇毛片| 亚洲国产色片| 午夜精品在线福利| av国产久精品久网站免费入址| 五月天丁香电影| 建设人人有责人人尽责人人享有的 | 天堂√8在线中文| 乱人视频在线观看| 能在线免费看毛片的网站| 日本av手机在线免费观看| 丝袜美腿在线中文| 久久久色成人| 啦啦啦啦在线视频资源| 精品99又大又爽又粗少妇毛片| 成人美女网站在线观看视频| 又黄又爽又刺激的免费视频.| 免费看美女性在线毛片视频| 乱人视频在线观看| 一个人免费在线观看电影| 亚洲最大成人手机在线| 99热全是精品| 色尼玛亚洲综合影院| 中文字幕人妻熟人妻熟丝袜美| 99热6这里只有精品| 精品欧美国产一区二区三| 秋霞在线观看毛片| 亚洲人与动物交配视频| 久久草成人影院| 国产 一区 欧美 日韩| 极品少妇高潮喷水抽搐| 免费人成在线观看视频色| 亚洲无线观看免费| 亚洲人成网站在线观看播放| 亚洲av在线观看美女高潮| 久久久精品免费免费高清| 日韩,欧美,国产一区二区三区| 中文资源天堂在线| 亚洲性久久影院| av在线亚洲专区| 联通29元200g的流量卡| 色5月婷婷丁香| 看十八女毛片水多多多| 男的添女的下面高潮视频| 国产永久视频网站| 亚洲自拍偷在线| 国产精品人妻久久久影院| 青青草视频在线视频观看| 亚洲国产欧美人成| 成人无遮挡网站| 老司机影院成人| 日韩av免费高清视频| 国产亚洲最大av| 国产精品久久久久久精品电影小说 | 国产激情偷乱视频一区二区| 亚洲国产精品国产精品| 少妇熟女欧美另类| 免费观看的影片在线观看| 久久久久久国产a免费观看| 国产成年人精品一区二区| 国产精品一区二区三区四区久久| 久久久国产一区二区| 99久久中文字幕三级久久日本| 国国产精品蜜臀av免费| 国产亚洲最大av| 搡老乐熟女国产| 男女国产视频网站| 丰满乱子伦码专区| 嫩草影院精品99| 欧美日韩视频高清一区二区三区二| 国产黄片视频在线免费观看| 欧美一区二区亚洲| 久久99热这里只频精品6学生| 国产免费视频播放在线视频 | 婷婷色av中文字幕| 国产91av在线免费观看| 久久精品国产鲁丝片午夜精品| 久久久a久久爽久久v久久| 免费观看精品视频网站| 可以在线观看毛片的网站| 亚洲人成网站在线观看播放| 国产成人一区二区在线| 成人亚洲欧美一区二区av| 欧美最新免费一区二区三区| 国产精品综合久久久久久久免费| 久久久亚洲精品成人影院| 国产成人免费观看mmmm| 国产精品女同一区二区软件| 日本欧美国产在线视频| 水蜜桃什么品种好| 中文乱码字字幕精品一区二区三区 | 精品久久久久久久久亚洲| 亚洲精品国产成人久久av| 精品久久久精品久久久| 人妻少妇偷人精品九色| 成年av动漫网址| 免费看不卡的av| 亚洲最大成人中文| 91午夜精品亚洲一区二区三区| 亚洲伊人久久精品综合| 国产精品三级大全| 18禁在线无遮挡免费观看视频| 有码 亚洲区| 精品久久久精品久久久| 成人亚洲精品av一区二区| 在线a可以看的网站| 免费不卡的大黄色大毛片视频在线观看 | 久久99热这里只有精品18| 在线观看免费高清a一片| 极品少妇高潮喷水抽搐| 不卡视频在线观看欧美| 亚洲精品久久久久久婷婷小说| 亚洲av一区综合| 免费黄网站久久成人精品| 一个人看的www免费观看视频| 亚洲国产av新网站| 久久99热这里只频精品6学生| 晚上一个人看的免费电影| 欧美不卡视频在线免费观看| 99热网站在线观看| 在线 av 中文字幕| 亚洲在线自拍视频| 精品一区二区三区人妻视频| 精品久久久久久电影网| 69人妻影院| 色尼玛亚洲综合影院| 国产成人午夜福利电影在线观看| 亚洲真实伦在线观看| 午夜亚洲福利在线播放| 熟妇人妻不卡中文字幕| 亚洲国产高清在线一区二区三| 国产一区二区在线观看日韩| 我要看日韩黄色一级片| 国产精品美女特级片免费视频播放器| 一级爰片在线观看| 全区人妻精品视频| 国产精品国产三级国产av玫瑰| 国语对白做爰xxxⅹ性视频网站| 国产毛片a区久久久久| freevideosex欧美| 国产男人的电影天堂91| 久久久色成人| 亚洲精华国产精华液的使用体验| 哪个播放器可以免费观看大片| 亚洲精品久久午夜乱码| 99久国产av精品| 内射极品少妇av片p| 国产真实伦视频高清在线观看| 偷拍熟女少妇极品色| 国产精品一二三区在线看| 欧美潮喷喷水| 国产精品一区二区性色av| 国产欧美另类精品又又久久亚洲欧美| 一区二区三区乱码不卡18| 中文在线观看免费www的网站| 国产男女超爽视频在线观看| 九九久久精品国产亚洲av麻豆| 国产精品久久久久久av不卡| 99热这里只有精品一区| 白带黄色成豆腐渣| 草草在线视频免费看| 久久韩国三级中文字幕| 成年av动漫网址| 在线天堂最新版资源| 国产亚洲91精品色在线| 一级黄片播放器| 黄色日韩在线| 欧美另类一区| 国产精品蜜桃在线观看| 亚洲第一区二区三区不卡| 亚洲av电影在线观看一区二区三区 | 看黄色毛片网站| 国产黄频视频在线观看| 丰满少妇做爰视频| 成人午夜精彩视频在线观看| 欧美bdsm另类| 国产片特级美女逼逼视频| 国产精品99久久久久久久久| 久久久久精品久久久久真实原创| 国产精品久久久久久av不卡| 久久久a久久爽久久v久久| 国产高潮美女av| 在线观看美女被高潮喷水网站| av在线老鸭窝| 只有这里有精品99| 免费观看的影片在线观看| 国产伦在线观看视频一区| 久久精品夜夜夜夜夜久久蜜豆| 一区二区三区乱码不卡18| 国产单亲对白刺激| 97超碰精品成人国产| 男人舔女人下体高潮全视频| 高清欧美精品videossex| 国产午夜精品论理片| 亚洲av成人精品一二三区| 建设人人有责人人尽责人人享有的 | 亚洲精品乱久久久久久| 老司机影院成人| 日日摸夜夜添夜夜添av毛片| 精品久久久久久久久亚洲| 国产亚洲av嫩草精品影院| 免费看不卡的av| 亚洲欧洲国产日韩| 少妇人妻精品综合一区二区| 日本-黄色视频高清免费观看| 乱人视频在线观看| 国产高清三级在线| av国产免费在线观看| 乱系列少妇在线播放| 亚洲性久久影院| 亚洲av成人精品一二三区| 国产精品久久久久久精品电影小说 | 日本一二三区视频观看| 亚洲av成人精品一区久久| 精品国产露脸久久av麻豆 | 99久久精品国产国产毛片| 国产精品人妻久久久久久| 国产 一区精品| 六月丁香七月| av在线老鸭窝| 久久精品夜夜夜夜夜久久蜜豆| 少妇人妻精品综合一区二区| 成人亚洲精品一区在线观看 | 亚洲综合精品二区| 午夜精品一区二区三区免费看| 免费看a级黄色片| 床上黄色一级片| 一级毛片我不卡| 天堂av国产一区二区熟女人妻| 日本与韩国留学比较| 六月丁香七月| 亚洲丝袜综合中文字幕| 亚洲成人精品中文字幕电影| 亚洲欧美日韩卡通动漫| 观看免费一级毛片| 日日啪夜夜撸| 六月丁香七月| 天堂av国产一区二区熟女人妻| 免费不卡的大黄色大毛片视频在线观看 | 亚洲精品国产av成人精品| 亚洲不卡免费看| 国产免费福利视频在线观看| 成人漫画全彩无遮挡| 日本三级黄在线观看| 成人毛片60女人毛片免费| 最近视频中文字幕2019在线8| 亚洲久久久久久中文字幕| av在线蜜桃| 日本爱情动作片www.在线观看| 老师上课跳d突然被开到最大视频| 国产乱人视频| 欧美zozozo另类| 精品国内亚洲2022精品成人| 国内揄拍国产精品人妻在线| 边亲边吃奶的免费视频| 一个人观看的视频www高清免费观看| 日韩成人伦理影院| 夫妻午夜视频| 日本一本二区三区精品| 国产一区二区在线观看日韩| 99热这里只有是精品在线观看| 边亲边吃奶的免费视频| 男女视频在线观看网站免费| 十八禁国产超污无遮挡网站| 蜜臀久久99精品久久宅男| 18禁裸乳无遮挡免费网站照片| 国产精品99久久久久久久久| 国产精品日韩av在线免费观看| 久久久a久久爽久久v久久| 男女下面进入的视频免费午夜| 免费看av在线观看网站| 男女啪啪激烈高潮av片| 免费观看的影片在线观看| h日本视频在线播放| 一级二级三级毛片免费看| 免费少妇av软件| 婷婷六月久久综合丁香| 国产视频内射| 日韩av不卡免费在线播放| 国产精品熟女久久久久浪| h日本视频在线播放| 亚洲欧美日韩卡通动漫| 天天一区二区日本电影三级| 噜噜噜噜噜久久久久久91| 久久精品熟女亚洲av麻豆精品 | 亚洲欧美日韩卡通动漫| 日韩电影二区| 黑人高潮一二区| 在线观看人妻少妇| 日韩大片免费观看网站| 中文在线观看免费www的网站| 亚洲欧美成人综合另类久久久| 亚洲成人一二三区av| 精品国产露脸久久av麻豆 | 久久99热6这里只有精品| 天堂中文最新版在线下载 | 午夜日本视频在线| 日韩欧美精品免费久久| 久久精品国产亚洲av涩爱| 青春草亚洲视频在线观看| 国产免费又黄又爽又色| 99热网站在线观看| 久久久久久久久久久丰满| 精华霜和精华液先用哪个| 一级av片app| 欧美日韩在线观看h| 三级毛片av免费| 麻豆久久精品国产亚洲av| 一区二区三区免费毛片| 亚洲欧美日韩东京热| 亚洲精品国产成人久久av| 国产色婷婷99| 日日撸夜夜添| 久久精品国产鲁丝片午夜精品| 久久精品国产自在天天线| 欧美3d第一页| 亚洲av中文av极速乱| 中文乱码字字幕精品一区二区三区 | 大陆偷拍与自拍| 丝袜美腿在线中文| 国产探花极品一区二区| 丰满乱子伦码专区| 大又大粗又爽又黄少妇毛片口| 国产精品一及| 尤物成人国产欧美一区二区三区| 热99在线观看视频| 久热久热在线精品观看| 国产极品天堂在线| 在线免费观看不下载黄p国产| 亚洲激情五月婷婷啪啪| 狂野欧美白嫩少妇大欣赏| 国内少妇人妻偷人精品xxx网站| 乱系列少妇在线播放| 纵有疾风起免费观看全集完整版 | 午夜精品一区二区三区免费看| 在线免费观看的www视频| 尤物成人国产欧美一区二区三区| 少妇丰满av| 亚洲成人一二三区av| 日韩精品青青久久久久久| 成人av在线播放网站| 一区二区三区高清视频在线| 99久国产av精品国产电影| 国内精品美女久久久久久| 男人爽女人下面视频在线观看| 三级国产精品欧美在线观看| 最近手机中文字幕大全| 精品熟女少妇av免费看| 久久久色成人| av在线蜜桃| 成人无遮挡网站| av福利片在线观看| 毛片一级片免费看久久久久| 欧美不卡视频在线免费观看| av在线播放精品| 久久久久国产网址| 国产黄片视频在线免费观看| 99re6热这里在线精品视频| 听说在线观看完整版免费高清| 免费看不卡的av| 亚洲最大成人av| 在线播放无遮挡| 美女xxoo啪啪120秒动态图| 在线播放无遮挡| 色综合站精品国产| 欧美97在线视频| 国产黄a三级三级三级人| 少妇的逼水好多| 午夜亚洲福利在线播放| 人妻制服诱惑在线中文字幕| 一二三四中文在线观看免费高清| 久久精品国产亚洲av涩爱| 久久综合国产亚洲精品| 国产伦理片在线播放av一区| 舔av片在线| 色5月婷婷丁香| 一级毛片久久久久久久久女| 日韩欧美一区视频在线观看 | 国产 亚洲一区二区三区 | 欧美日韩亚洲高清精品| 免费观看a级毛片全部| 如何舔出高潮| 91aial.com中文字幕在线观看| 亚洲一区高清亚洲精品| 亚洲自拍偷在线| 国产一级毛片在线| 精华霜和精华液先用哪个| 亚洲一区高清亚洲精品| 精品人妻视频免费看| 国产一级毛片在线| av国产免费在线观看| 欧美极品一区二区三区四区| 又大又黄又爽视频免费| 中文字幕亚洲精品专区| 国内揄拍国产精品人妻在线| 亚洲精品乱码久久久v下载方式| 精品国产三级普通话版| 久久精品国产亚洲av天美| 久久久成人免费电影| 最近最新中文字幕大全电影3| 亚洲精品色激情综合| 国产探花在线观看一区二区| 国产av不卡久久| 国产淫语在线视频|