• <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G-LSTM模型的短期徑流預(yù)報
    ——以長江上游寸灘斷面-三峽入庫斷面為例

    2021-03-05 05:32:06威,周中,周超,楊鑫,王
    人民長江 2021年2期
    關(guān)鍵詞:入庫徑流灰色

    方 威,周 建 中,周 超,楊 鑫,王 彧 蓉

    (1.華中科技大學(xué) 土木與水利工程學(xué)院,湖北 武漢 430074; 2.長江勘測規(guī)劃設(shè)計研究有限責(zé)任公司,湖北 武漢 430010)

    一直以來,學(xué)者們都在嘗試從物理成因的角度分析和理解流域降雨徑流過程,探索其循環(huán)規(guī)律,即用傳統(tǒng)水文模型去模擬降雨徑流過程的時空分布、邊界條件和物理過程[1]。然而,隨著傳統(tǒng)水文模型研究的逐漸深入,其考慮的參數(shù)越來越多,所需的數(shù)據(jù)日趨復(fù)雜,難以建立一套合理高效的水文模型,導(dǎo)致其計算效率也較低[2]。另一方面,由于流域產(chǎn)匯流過程的復(fù)雜性和不確定性等原因,對于參數(shù)的率定顯得日趨困難,預(yù)報模型的精度也不一定隨著模型復(fù)雜程度的提升而顯著提高,甚至?xí)龅疆悈⑼У葐栴}[3-4]。

    針對傳統(tǒng)水文模型研究的瓶頸,一些學(xué)者嘗試使用數(shù)據(jù)驅(qū)動的方式去模擬降雨徑流過程。從20世紀(jì)90年代開始,人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,ANN)及遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks,RNN)被應(yīng)用于降雨模擬[5]。然而,Bengio等[6]在研究中發(fā)現(xiàn)RNN模型存在網(wǎng)絡(luò)參數(shù)尋優(yōu)過程的梯度消失問題。為解決這一問題,Hochreiter[2]等對原RNN模型進行改進,提出了長短時記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)。改進后的LSTM網(wǎng)絡(luò)具有極強的長序列關(guān)系擬合能力,被廣泛應(yīng)用于各個領(lǐng)域。在水文預(yù)報領(lǐng)域,也有一些學(xué)者做出了嘗試。Kratzert 等[8]發(fā)現(xiàn)LSTM模型不論在單一流域還是在多流域上均有較高的預(yù)報能力。Hu等[9]將LSTM與ANN做比較,證明LSTM的預(yù)報精度高于ANN。楊強[10]利用LSTM模型對瀾滄江烏弄龍水電站進行預(yù)見期為1個月徑流預(yù)測,結(jié)果表明LSTM模型的預(yù)測精度高。顧逸[11]將LSTM模型與GRU結(jié)合,構(gòu)建Simple-LSTM模型進行中長期預(yù)報,結(jié)果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)和SVR模型。馮鈞等[12]提出一種LSTM與BP組合模型預(yù)報場次洪水。殷兆凱等[13]以隱藏層神經(jīng)元數(shù)量為代表,討論LSTM的復(fù)雜程度對模型精度的影響。上述研究多將LSTM應(yīng)用于流域長期徑流預(yù)報,而LSTM在短期徑流預(yù)報方面是否具有同樣的性能和表現(xiàn)是一個值得探討的問題。

    眾所周知,除了模型結(jié)構(gòu)變化對預(yù)報精度產(chǎn)生影響,預(yù)報因子的合理選取對提高徑流預(yù)報精度也至關(guān)重要。一般來說,用于模型輸入的預(yù)報因子與預(yù)報時段的實測值之間有著極強的相關(guān)性,這樣使得利用前時刻的觀測值去預(yù)報未來值成為一種可靠的方法。然而,上述研究對模型預(yù)報因子的選取缺乏深入的探討。針對此問題,本文引入灰色關(guān)聯(lián)分析法篩選預(yù)報因子并分析其有效性。灰色關(guān)聯(lián)分析法是根據(jù)灰色因子變量之間的變化趨勢來判定聯(lián)系是否緊密,從中找出關(guān)聯(lián)性強的優(yōu)勢因子。其原理簡單,對數(shù)據(jù)無過多的要求,不會出現(xiàn)定性、定量分析不相符合的情況[14-15]。本文將灰色關(guān)聯(lián)分析法與LSTM相結(jié)合,提出了灰色關(guān)聯(lián)分析-LSTM耦合短期徑流預(yù)報模型(G-LSTM模型),實現(xiàn)時間序列預(yù)測的預(yù)見性學(xué)習(xí),并探討模型的模擬精度和應(yīng)用效果。

    1 研究方法

    1.1 灰色關(guān)聯(lián)分析

    灰色關(guān)聯(lián)分析是以“部分信息已知、部分信息未知”的樣本數(shù)據(jù)為研究對象,通過關(guān)聯(lián)度來判斷灰色因子變量之間的變化趨勢是否一致,以找出其中的優(yōu)勢和劣勢因素,定量分析系統(tǒng)的變化趨勢[14-15],其主要步驟如下。

    步驟1。根據(jù)評價目的,設(shè)X0={x0(1),x0(2),…,x0(n)}為系統(tǒng)參考序列,Xi={xi(1),xi(2),…,xi(n)}(i=1,2,3,…,m)為比較序列。

    步驟2。對參考序列和比較序列均進行均值化處理,即:

    (1)

    步驟3。計算比較序列Xi對參考序列X0在k時刻的關(guān)聯(lián)系數(shù)ηi(k):

    (2)

    步驟4。計算各個時刻關(guān)聯(lián)系數(shù)的均值,作為每個比較子序列和參數(shù)序列的關(guān)聯(lián)度,關(guān)聯(lián)度ri計算公式如下:

    (3)

    步驟5。根據(jù)關(guān)聯(lián)度大小,對各個參數(shù)序列進行排序,并以關(guān)聯(lián)度大的原則,選出其中關(guān)聯(lián)度較高的比較子序列。

    1.2 長短時記憶神經(jīng)網(wǎng)絡(luò)

    長短時記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)是RNN網(wǎng)絡(luò)的一種特殊類型,擅長學(xué)習(xí)長序列依賴信息。與其他神經(jīng)網(wǎng)絡(luò)一樣,LSTM由輸入層、隱藏層及輸出層組成(見圖1)。

    圖1 LSTM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of LSTM

    LSTM算法主要過程如下:

    (1)確定模型的預(yù)報因子Xt={xt(1),xt(2),…,xt(n)}作為模型的輸入,并對輸入因子進行歸一化處理,層層向后傳播。

    (2)用Sigmoid 激活函數(shù)σ處理輸入信息xt,前一時刻隱藏層狀態(tài)變量ht-1,記憶單元狀態(tài)變量ct-1,得到遺忘門的值ft,即:

    ft=σ(Ufxt+Wfht-1+bf)

    (4)

    (5)

    式中:Uf,Wf是遺忘門的可調(diào)節(jié)權(quán)重矩陣;bf是遺忘門的偏置向量。

    (3)用Sigmoid激活函數(shù)σ得到輸入門it,即:

    it=σ(Uixt+Wiht-1+bi)

    (6)

    式中:Ui,Wi是輸入門的可調(diào)權(quán)重矩陣;bi是輸入門的偏置向量。

    (4)用雙曲正切激活tanh函數(shù)得到記憶單元的當(dāng)前時刻的狀態(tài)變量ct,即:

    ct=tanh(Ucxt+Wcht-1+bc)

    (7)

    (8)

    式中:Uc,Wc是記憶單元狀態(tài)變量的可調(diào)權(quán)重矩陣;bc是記憶單元狀態(tài)變量的偏置向量。

    (5)用上述計算結(jié)果更新神經(jīng)元狀態(tài),即:

    (9)

    式中:*代表元素的智能乘積,即兩矩陣中對應(yīng)的元素相乘。

    (6)用Sigmoid激活函數(shù)σ輸出門ot的值,即:

    ot=σ(Uoxt+Woht-1+bo)

    (10)

    式中:Uo,Wo是輸出門的可調(diào)權(quán)重矩陣,bo是輸出門的偏置向量。

    (7)用得到輸出門的值和記憶單元的狀態(tài)變量更新隱藏層狀態(tài)變量ht,即:

    (11)

    (8)將更新后的隱藏層的值傳入輸出層,得到當(dāng)前時刻的最終輸出yt:

    yt=Wdht+bd

    (12)

    式中:Wd是輸出層的可調(diào)權(quán)重矩陣,bd是輸出層的偏置向量。

    1.3 G-LSTM模型的計算步驟

    采用灰色關(guān)聯(lián)分析法與LSTM模型相結(jié)合,建立G-LSTM模型,計算步驟如下:

    (1) 分析適合徑流預(yù)報的可能預(yù)報因子,利用灰色關(guān)聯(lián)分析法比較預(yù)報因子與預(yù)報徑流的相關(guān)程度。

    (2) 根據(jù)關(guān)聯(lián)度大小,從預(yù)報因子集中挑選與預(yù)報徑流關(guān)聯(lián)程度較大的預(yù)報因子。

    (3) 以實測徑流與相應(yīng)的預(yù)報因子作為輸入,驅(qū)動LSTM模型,對率定期樣本點進行訓(xùn)練。

    (4) 根據(jù)評價指標(biāo),優(yōu)選LSTM的合適參數(shù)。

    (5) 采用優(yōu)選后的LSTM模型對檢驗期樣本點進行預(yù)報,檢驗?zāi)P偷念A(yù)報性能。

    1.4 評價指標(biāo)

    為了評價所建模型的預(yù)報效果,參考SL250-2000《水文情報預(yù)報規(guī)范》,采用確定性系數(shù)、均方根誤差、平均洪峰相對誤差、平均洪量相對誤差指標(biāo)來評價徑流預(yù)報結(jié)果的優(yōu)劣。各指標(biāo)的定義如下:

    (1) 確定性系數(shù)DC

    (13)

    (2) 均方根誤差RMSE

    (14)

    (3) 洪峰相對誤差PRE

    (15)

    (4) 洪量相對誤差VRE

    (16)

    2 實例分析

    為驗證模型的實用性和可靠性,選取長江上游寸灘斷面-三峽入庫斷面作為研究區(qū)間,如圖2所示,干流長600余km,流域面積約5.4萬km2。長江上游流域為亞熱帶季風(fēng)氣候,夏季暴雨頻繁,易發(fā)生洪澇災(zāi)害,而冬季降雨較少,其年降水量空間分布不均勻,由東南向西北逐漸減少;降雨量年內(nèi)分配也不均勻,汛期(6~9月)降雨占每年降雨總量的50%~70%。因此,對該區(qū)間進行精準(zhǔn)、可靠的徑流預(yù)報對于長江上游流域具有重要意義。

    圖2 寸灘-三峽入庫區(qū)間流域概況Fig.2 Overview of study area

    收集整理2003~2018年汛期(6~9月)寸灘站、三峽入庫、該區(qū)間支流重要控制站武隆站的日徑流數(shù)據(jù),并根據(jù)該區(qū)間80個雨量站2003~2018年汛期(6~9月)的日降雨數(shù)據(jù),利用泰森多邊形法將它們轉(zhuǎn)化區(qū)間日面雨量。其中,以2003~2014年汛期的降雨徑流數(shù)據(jù)作為模型率定樣本,以2015~2018年汛期的降雨徑流數(shù)據(jù)作為模型檢驗樣本。以前期降雨徑流數(shù)據(jù)作為輸入變量驅(qū)動模型,以三峽入庫當(dāng)前日徑流數(shù)據(jù)為輸出變量。三峽入庫流量數(shù)據(jù)是由實測出庫流量數(shù)據(jù)、壩前水位數(shù)據(jù)以及三峽水庫動庫容曲線,通過水量平衡方程反算得到;其中動庫容曲結(jié)是由鳳凰山、秭歸、巫山等水文水位流量數(shù)據(jù)近似計算得到。本文數(shù)據(jù)由中國長江電力股份有限公司提供。

    2.1 預(yù)報因子辨識

    預(yù)報因子的選取是模型預(yù)報建模的第一步,也是至關(guān)重要的一步。根據(jù)徑流預(yù)報的影響因素,選取三峽入庫、寸灘站、武隆站前7 d、前1 a同期日均流量以及區(qū)間前7 d降雨量共31個預(yù)報因子,從中遴選關(guān)聯(lián)度高的預(yù)報因子。利用灰色關(guān)聯(lián)分析法計算各預(yù)報因子與預(yù)報時段實測值的關(guān)聯(lián)程度,如表1所列。

    表1 不同時間下各水文站點預(yù)報因子的關(guān)聯(lián)度Tab.1 Relevance of each forecast factor of stations at different time

    根據(jù)關(guān)聯(lián)度大小原則,挑選三峽入庫前6 d流量qsx、寸灘站前4 d流量qct作為預(yù)報因子,即:

    qsx(t)=f[qsx(t-1),qsx(t-2),qsx(t-3),

    qsx(t-4),qsx(t-5),qsx(t-6),

    qct(t-1),qct(t-2),qct(t-3),qct(t-4)]

    (17)

    同時作為對比,根據(jù)自相關(guān)系數(shù)法篩選出三峽入庫前5 d、寸灘站前3 d、武隆前1 d流量以及前1 d的降雨量作為預(yù)報因子。

    2.2 各模型徑流模擬結(jié)果

    在G-LSTM的構(gòu)建過程中,基于上述所選的預(yù)報因子,選用寸灘站、三峽入庫、2003~2018年汛期(6~9月)的日流量數(shù)據(jù)構(gòu)成樣本集,選取三峽入庫前6個時段的徑流量及寸灘站前4個時段的徑流量為一個樣本。然后確定模型參數(shù)和模型結(jié)構(gòu),綜合考慮模型預(yù)報效果和復(fù)雜度,將隱藏層的個數(shù)設(shè)置為2層,每層的神經(jīng)元個數(shù)分別為75和100個;在模型參數(shù)訓(xùn)練方面,為了對率定期的數(shù)據(jù)留取一小部分進行自驗證,依據(jù)經(jīng)驗,將validation_split(率定期訓(xùn)練和驗證的分割比例)設(shè)定為0.05;一次訓(xùn)練所選取的樣本數(shù)為1,訓(xùn)練代數(shù)設(shè)定為100代。模型的率定及檢驗效果如表2所示。

    為論證G-LSTM模型的有效性,分別選用新安江模型、BP神經(jīng)網(wǎng)絡(luò)以及LSTM模型進行模擬預(yù)測并作對比分析。新安江模型以前期降雨及蒸發(fā)數(shù)據(jù)為輸入,考慮區(qū)域前期雨強、下墊面因素等初始條件的影響,將模型預(yù)熱期設(shè)置為45 d,并采用多目標(biāo)文化混合復(fù)形差分進化算法MOCSCDE對模型參數(shù)進行率定。而傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)按3層結(jié)構(gòu)設(shè)計,其輸入輸出與G-LSTM相同。LSTM模型參數(shù)與G-LSTM相同,預(yù)報因子選用自相關(guān)系數(shù)法得到的預(yù)報因子。本研究中,將BP神經(jīng)網(wǎng)絡(luò)隱藏層的神經(jīng)元個數(shù)設(shè)定為13個,學(xué)習(xí)率為0.5,試算后確定訓(xùn)練迭代次數(shù)為4 000次。各模型率定及檢驗結(jié)果如表2所示。

    表2 各模型計算結(jié)果對比Tab.2 Comparison of different models prediction results

    2.3 結(jié)果分析

    由表2所示:從確定性系數(shù)來看,G-LSTM模型率定期及檢驗期均在0.9以上,精度最優(yōu),擬合效果最好;新安江模型率定期及檢驗期的確定性系數(shù)在0.85左右,與G-LSTM的確定性系數(shù)分別相差0.09和0.06左右,不如G-LSTM模型的模擬效果好;BP神經(jīng)網(wǎng)絡(luò)率定期及檢驗期的確定性系數(shù)均在0.7以上,但其率定期與檢驗期的模擬效果相差較大,說明其泛化能力較差,與G-LSTM相比分別相差0.07和0.11左右,效果明顯不如G-LSTM模型好。而傳統(tǒng)的LSTM模型率定期及檢驗期的確定性系數(shù)均在0.9以下。從均方根誤差來看,G-LSTM模型均在2 000 m3/s左右,而其他模型的均方根誤差均大于2 800 m3/s,表明后者模擬出來的預(yù)報值與實測值的偏差更大,擬合的效果偏差。從洪量相對誤差來看,G-LSTM模型均小于3.5%,而新安江模型的率定期的洪量相對誤差小于4%,率定期卻大于8%,結(jié)合洪峰相對誤差來看,新安江模型檢驗期的洪峰相對誤差高達15.7%,說明新安江模型在全局中對極值點的預(yù)報不是十分準(zhǔn)確,導(dǎo)致了其在檢驗期的洪量預(yù)測出現(xiàn)較大偏差,擬合效果不佳。而BP神經(jīng)網(wǎng)絡(luò)率定期和檢驗期的洪量相對誤差均在9%以上,高于前兩者,擬合效果更差。最后,再看洪峰相對誤差,G-LSTM均低于9%,且檢驗期的洪峰相對誤差低于率定期的,而BP神經(jīng)網(wǎng)絡(luò)的洪峰相對誤差雖也均低于9%,但其檢驗期的洪峰相對誤差卻比G-LSTM的高出了3%左右,LSTM模型的洪峰相對誤差均高于9%,說明G-LSTM模型在全局中對于極值點的擬合能力較好,且泛化能力強,使得檢驗期的效果更優(yōu)于率定期,應(yīng)用效果更佳。所以,綜合比較各個模型的擬合結(jié)果來看,G-LSTM模型的精度最高,擬合效果最優(yōu)。

    為進一步證明本文建立模型的性能,再分別選取2012年汛期(率定期)和2015年汛期(檢驗期)數(shù)據(jù)驅(qū)動各模型并對模擬結(jié)果進行分析,如圖3和圖4所示。由圖可知:G-LSTM模型的擬合效果明顯優(yōu)于新安江模型、BP神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的LSTM模型,尤其是其對每場洪水洪峰的模擬能力更加吻合。而新安江模型和BP神經(jīng)網(wǎng)絡(luò)的預(yù)報結(jié)果均高于實測值。這是因為新安江模型只是模擬自然現(xiàn)象,其參數(shù)過多且相互之間相關(guān)性過強,使得模型結(jié)果不可避免地存在“異參同效”的現(xiàn)象[3-4],導(dǎo)致對于最優(yōu)參數(shù)的選取存在極大的不確定性。同時,新安江模型的輸入相對固定,使得其對數(shù)據(jù)的準(zhǔn)確性存在較大的依賴,這又增加了最優(yōu)參數(shù)選取的難度。BP神經(jīng)網(wǎng)絡(luò)雖然結(jié)構(gòu)簡單,但其收斂速度慢,效率低下,且泛化能力較差,訓(xùn)練能力和預(yù)測能力存在矛盾,使得其精度較差。而LSTM模型在RNN的基礎(chǔ)上增加了輸入門、輸出門、遺忘門3個控制單元,遺忘門會篩選上一時刻輸入的徑流信息,保留與當(dāng)前時刻相關(guān)性較強的徑流信息;然后通過輸入門更新當(dāng)前的輸入徑流信息,最后通過輸出門傳送出去,這就使得對某一時段的徑流值進行預(yù)報的時候,模型不僅考慮了當(dāng)前時刻輸入的預(yù)報因子信息,也充分考慮了之前輸入的預(yù)報因子信息,從而篩選出一組相關(guān)性強的輸入因子,得出了精準(zhǔn)有效的預(yù)報流量值,且其收斂速度快而明顯,十分適用于長序列數(shù)據(jù)的擬合。同時,本次研究通過灰色關(guān)聯(lián)分析法預(yù)選相關(guān)性較高的預(yù)報因子,這又增加G-LSTM預(yù)報的準(zhǔn)確程度。而傳統(tǒng)的LSTM模型選取得到的選取預(yù)報因子不夠準(zhǔn)確,不能進行較好地模擬徑流,并在預(yù)報值和實測值之間出現(xiàn)明顯的“時滯”現(xiàn)象,使得預(yù)報不佳。因此,利用灰色關(guān)聯(lián)分析篩選出合理準(zhǔn)確的預(yù)報因子,就是G-LSTM模型優(yōu)于傳統(tǒng)LSTM模型的地方。

    圖3 各模型2012年汛期模擬結(jié)果Fig.3 Simulation results of each model in the 2012 flood season

    圖4 各模型2015年汛期模擬結(jié)果Fig.4 Simulation results of each model in flood season of 2015

    3 結(jié)論與展望

    本文將灰色關(guān)聯(lián)分析法與LSTM相結(jié)合,建立了多變量高維時序數(shù)據(jù)與預(yù)測變量的低維時序數(shù)據(jù)映射關(guān)系的短期徑流預(yù)報模型,并用于寸灘斷面-三峽入庫斷面短期徑流預(yù)報。該方法首先采用灰色關(guān)聯(lián)分析法挑選更具有代表性的預(yù)報因子作為模型輸入,在一定程度上避免了由于信息不對稱帶來的損失。然后將G-LSTM模型與新安江模型、BP神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)LSTM模型進行對比研究,結(jié)果表明:基于灰色關(guān)聯(lián)分析法的G-LSTM模型率定期與檢驗期的確定性系數(shù)均在0.9以上,明顯優(yōu)于其他模型,具有極高的預(yù)測精度和極強的泛化能力,尤其是在全局性能上對汛期峰值的擬合表現(xiàn)出了極佳的跟蹤預(yù)報能力。該方法具有一定的工程應(yīng)用價值,可為短期徑流精準(zhǔn)有效預(yù)報提供新的解決方案。

    G-LSTM模型學(xué)習(xí)率、最大訓(xùn)練代數(shù)以及各隱藏層神經(jīng)元個數(shù)等參數(shù)的選取仍然依賴于經(jīng)驗。后續(xù)研究可引入智能優(yōu)化算法率定參數(shù),引進信息分解技術(shù)挖掘原始樣本的可靠信息,并結(jié)合動力學(xué)隨機分布嵌入理論等,以期進一步優(yōu)化模型,提高模型的精度,使其更加可靠、實用。此外,本研究僅對一個時刻進行預(yù)測,后續(xù)將對未來更多時刻的預(yù)報效果進行研究,以期增強該方法的實用價值。

    猜你喜歡
    入庫徑流灰色
    重磅!廣東省“三舊”改造標(biāo)圖入庫標(biāo)準(zhǔn)正式發(fā)布!
    中國食品品牌庫入庫企業(yè)信息公示①
    中國食品(2021年2期)2021-02-24 03:55:35
    淺灰色的小豬
    灰色時代
    Coco薇(2017年2期)2017-04-25 17:59:38
    她、它的灰色時髦觀
    Coco薇(2017年2期)2017-04-25 17:57:49
    感覺
    Topmodel在布哈河流域徑流模擬中的應(yīng)用
    身臨其境探究竟 主動思考完任務(wù)——《倉儲與配送實務(wù)》入庫作業(yè)之“入庫訂單處理”教學(xué)案例
    人間(2015年8期)2016-01-09 13:12:42
    探秘“大徑流”
    攻克“大徑流”
    久久久久性生活片| 成年人黄色毛片网站| 少妇人妻一区二区三区视频| 可以在线观看毛片的网站| 最近最新免费中文字幕在线| 在线观看一区二区三区| 日本熟妇午夜| 国产精品一区二区免费欧美| 又爽又黄无遮挡网站| 熟妇人妻久久中文字幕3abv| 国产单亲对白刺激| 两个人视频免费观看高清| 久久久久久久久大av| 三级国产精品欧美在线观看| 天天一区二区日本电影三级| 很黄的视频免费| 亚洲欧美清纯卡通| 久久午夜福利片| 国产精品一及| 天天一区二区日本电影三级| 可以在线观看毛片的网站| 亚洲欧美日韩高清在线视频| 如何舔出高潮| 亚洲成人久久爱视频| 国产黄色小视频在线观看| 亚洲av美国av| 国产精品久久久久久精品电影| 国产精品av视频在线免费观看| 熟女电影av网| 国产大屁股一区二区在线视频| 老鸭窝网址在线观看| 国产欧美日韩一区二区三| 最好的美女福利视频网| 999久久久精品免费观看国产| 国产伦一二天堂av在线观看| 国产又黄又爽又无遮挡在线| 一级av片app| 久久久久国内视频| 欧美日韩乱码在线| 久久久久久大精品| 色噜噜av男人的天堂激情| 国产 一区 欧美 日韩| 91久久精品国产一区二区成人| 国产黄a三级三级三级人| 搞女人的毛片| 精品国内亚洲2022精品成人| 国产单亲对白刺激| 国产精品美女特级片免费视频播放器| 97热精品久久久久久| 国产精品精品国产色婷婷| 欧美黄色片欧美黄色片| 午夜影院日韩av| 久久欧美精品欧美久久欧美| 国产伦在线观看视频一区| 精品人妻一区二区三区麻豆 | 午夜免费成人在线视频| 黄色配什么色好看| 天堂网av新在线| 99热这里只有精品一区| 在线免费观看不下载黄p国产 | 制服丝袜大香蕉在线| 深夜精品福利| 成人三级黄色视频| 国产极品精品免费视频能看的| 色5月婷婷丁香| 亚洲在线自拍视频| 99久国产av精品| 麻豆成人午夜福利视频| 真人一进一出gif抽搐免费| 老熟妇乱子伦视频在线观看| 日本在线视频免费播放| 成熟少妇高潮喷水视频| 美女 人体艺术 gogo| 三级毛片av免费| 淫秽高清视频在线观看| 十八禁网站免费在线| 亚洲自拍偷在线| 国产三级中文精品| 午夜免费成人在线视频| 午夜影院日韩av| 欧美三级亚洲精品| 99精品在免费线老司机午夜| 99久久精品一区二区三区| 夜夜夜夜夜久久久久| 免费人成视频x8x8入口观看| 看十八女毛片水多多多| 亚洲av中文字字幕乱码综合| 国产av一区在线观看免费| 又爽又黄a免费视频| 久久久久久久亚洲中文字幕 | 99视频精品全部免费 在线| 亚洲一区二区三区不卡视频| 久久久久久久久中文| 2021天堂中文幕一二区在线观| 真人做人爱边吃奶动态| 少妇的逼水好多| 特级一级黄色大片| 精品久久久久久久久久免费视频| 欧美成人a在线观看| 乱人视频在线观看| 夜夜爽天天搞| 久久久色成人| 九色成人免费人妻av| 国产免费av片在线观看野外av| 欧美在线黄色| 久久精品国产自在天天线| 五月伊人婷婷丁香| av国产免费在线观看| 精品人妻视频免费看| 精品一区二区三区人妻视频| 麻豆久久精品国产亚洲av| 91狼人影院| 欧美不卡视频在线免费观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 成年女人毛片免费观看观看9| 亚洲人与动物交配视频| 亚洲成av人片免费观看| 国产精品久久视频播放| 亚洲av熟女| 91在线精品国自产拍蜜月| 露出奶头的视频| 亚洲精品粉嫩美女一区| 99热只有精品国产| 久久久久久久久大av| 久久亚洲精品不卡| av国产免费在线观看| 亚洲自拍偷在线| 2021天堂中文幕一二区在线观| 嫩草影视91久久| 老熟妇仑乱视频hdxx| 午夜福利在线观看免费完整高清在 | 床上黄色一级片| 国产乱人视频| 亚洲成人中文字幕在线播放| 色在线成人网| av在线观看视频网站免费| 一本综合久久免费| 欧美绝顶高潮抽搐喷水| 欧美不卡视频在线免费观看| 亚洲色图av天堂| 精品一区二区三区av网在线观看| 国产aⅴ精品一区二区三区波| 亚洲人成网站高清观看| 日韩国内少妇激情av| 看片在线看免费视频| 三级毛片av免费| 久久久久国内视频| 亚洲精品粉嫩美女一区| 色综合站精品国产| 少妇裸体淫交视频免费看高清| 丰满乱子伦码专区| 欧美性猛交黑人性爽| 亚洲性夜色夜夜综合| 欧美黄色片欧美黄色片| 久久婷婷人人爽人人干人人爱| 美女黄网站色视频| 免费看美女性在线毛片视频| 男人的好看免费观看在线视频| 99久久久亚洲精品蜜臀av| 亚洲最大成人中文| 婷婷亚洲欧美| 国产精品一区二区三区四区免费观看 | 欧美一级a爱片免费观看看| 精品99又大又爽又粗少妇毛片 | 女人被狂操c到高潮| 久久精品国产99精品国产亚洲性色| 欧美另类亚洲清纯唯美| 在线播放国产精品三级| 亚洲国产精品久久男人天堂| 欧美极品一区二区三区四区| 一夜夜www| 宅男免费午夜| 国产精品野战在线观看| 色尼玛亚洲综合影院| 精品99又大又爽又粗少妇毛片 | 最后的刺客免费高清国语| 午夜免费激情av| 亚洲精华国产精华精| 午夜福利在线观看吧| 欧美色视频一区免费| 欧美激情久久久久久爽电影| 欧美成狂野欧美在线观看| 欧美在线一区亚洲| 90打野战视频偷拍视频| 色播亚洲综合网| 一级作爱视频免费观看| 久99久视频精品免费| 亚洲精品久久国产高清桃花| 亚洲国产欧美人成| 久久久久久国产a免费观看| 久久精品影院6| 淫秽高清视频在线观看| 午夜免费激情av| 黄色视频,在线免费观看| av在线天堂中文字幕| or卡值多少钱| 丰满乱子伦码专区| 51午夜福利影视在线观看| 久久九九热精品免费| 中文字幕免费在线视频6| 精品久久久久久成人av| 欧美丝袜亚洲另类 | 色综合亚洲欧美另类图片| 国产精品一区二区三区四区久久| 一进一出好大好爽视频| 深夜精品福利| 18禁在线播放成人免费| 一边摸一边抽搐一进一小说| 午夜老司机福利剧场| 18禁裸乳无遮挡免费网站照片| 午夜福利在线观看吧| 床上黄色一级片| 日本a在线网址| a级毛片a级免费在线| 美女黄网站色视频| 国产高清视频在线观看网站| 丰满人妻一区二区三区视频av| 男女做爰动态图高潮gif福利片| 亚洲精品成人久久久久久| 久久欧美精品欧美久久欧美| 无遮挡黄片免费观看| 久久人人精品亚洲av| 五月伊人婷婷丁香| 午夜福利18| 久久国产乱子伦精品免费另类| 国产精品av视频在线免费观看| 久久欧美精品欧美久久欧美| 永久网站在线| 午夜福利在线在线| 在线观看免费视频日本深夜| 在线播放无遮挡| 国产在视频线在精品| 可以在线观看毛片的网站| 日本熟妇午夜| 一区二区三区激情视频| 欧美激情久久久久久爽电影| 天堂av国产一区二区熟女人妻| 白带黄色成豆腐渣| 日韩免费av在线播放| 欧美三级亚洲精品| 亚洲专区国产一区二区| 精品久久久久久久人妻蜜臀av| 亚洲美女搞黄在线观看 | 欧洲精品卡2卡3卡4卡5卡区| xxxwww97欧美| 日韩有码中文字幕| 精品无人区乱码1区二区| 欧美中文日本在线观看视频| 首页视频小说图片口味搜索| 欧洲精品卡2卡3卡4卡5卡区| 精品日产1卡2卡| 精品人妻一区二区三区麻豆 | 99国产综合亚洲精品| 91麻豆精品激情在线观看国产| 久久久久久大精品| 69人妻影院| 天天躁日日操中文字幕| 午夜激情欧美在线| 乱码一卡2卡4卡精品| 一个人看视频在线观看www免费| 日本黄大片高清| 日本 av在线| 久久久久久大精品| 午夜精品在线福利| 成人午夜高清在线视频| 色播亚洲综合网| 神马国产精品三级电影在线观看| 日本免费一区二区三区高清不卡| 成人三级黄色视频| 天堂√8在线中文| 久久6这里有精品| 国产真实乱freesex| 欧美另类亚洲清纯唯美| 波多野结衣巨乳人妻| 中文亚洲av片在线观看爽| 国产精品一区二区三区四区免费观看 | 免费在线观看影片大全网站| 又粗又爽又猛毛片免费看| 日韩中字成人| 久久精品国产亚洲av香蕉五月| 亚洲黑人精品在线| 免费看日本二区| 一个人看视频在线观看www免费| 变态另类成人亚洲欧美熟女| 成年版毛片免费区| 三级男女做爰猛烈吃奶摸视频| 一区福利在线观看| 亚洲精品影视一区二区三区av| 欧美xxxx黑人xx丫x性爽| 成年免费大片在线观看| 国产精品永久免费网站| 亚洲国产日韩欧美精品在线观看| 久久久久国产精品人妻aⅴ院| 成人三级黄色视频| av欧美777| 欧美成人a在线观看| 亚洲av免费高清在线观看| 精品欧美国产一区二区三| 久久久色成人| 高潮久久久久久久久久久不卡| 国产精品不卡视频一区二区 | 国产欧美日韩一区二区三| 免费观看人在逋| 最新在线观看一区二区三区| 国产精品不卡视频一区二区 | 色哟哟·www| 亚洲av一区综合| 青草久久国产| 级片在线观看| 成人国产综合亚洲| 老熟妇乱子伦视频在线观看| 亚洲精品一区av在线观看| 五月玫瑰六月丁香| 啪啪无遮挡十八禁网站| 欧美中文日本在线观看视频| 99久久99久久久精品蜜桃| av在线蜜桃| 无遮挡黄片免费观看| 婷婷六月久久综合丁香| 欧美日韩中文字幕国产精品一区二区三区| 别揉我奶头~嗯~啊~动态视频| 老司机午夜福利在线观看视频| 日日夜夜操网爽| 国产午夜福利久久久久久| 久久精品久久久久久噜噜老黄 | 日本一本二区三区精品| 国语自产精品视频在线第100页| 国产精品1区2区在线观看.| 欧美日韩综合久久久久久 | 亚洲美女搞黄在线观看 | 88av欧美| 美女cb高潮喷水在线观看| 亚洲在线自拍视频| 国产乱人伦免费视频| av国产免费在线观看| 国产精品爽爽va在线观看网站| 男人狂女人下面高潮的视频| 91九色精品人成在线观看| 2021天堂中文幕一二区在线观| 丰满人妻一区二区三区视频av| 午夜亚洲福利在线播放| 欧美成狂野欧美在线观看| 如何舔出高潮| 日日夜夜操网爽| 一区二区三区高清视频在线| 亚洲无线在线观看| 国产淫片久久久久久久久 | 免费在线观看日本一区| 欧美精品啪啪一区二区三区| 少妇人妻一区二区三区视频| 欧美日韩中文字幕国产精品一区二区三区| 国产视频内射| 国产高清三级在线| 99久国产av精品| 国产亚洲精品综合一区在线观看| 成人av一区二区三区在线看| 亚州av有码| 国产精华一区二区三区| 免费在线观看成人毛片| 一级作爱视频免费观看| 亚洲欧美激情综合另类| 色综合婷婷激情| 91av网一区二区| 亚洲黑人精品在线| 国产精品美女特级片免费视频播放器| 亚洲精品456在线播放app | 免费在线观看成人毛片| 日日摸夜夜添夜夜添小说| 看片在线看免费视频| 久久久久精品国产欧美久久久| 看片在线看免费视频| 久久香蕉精品热| 久久国产乱子伦精品免费另类| 国产精品女同一区二区软件 | 国产一区二区三区在线臀色熟女| 三级毛片av免费| 欧美成人性av电影在线观看| 国产成人欧美在线观看| 国产探花极品一区二区| 搡老岳熟女国产| 女人十人毛片免费观看3o分钟| 国产精品伦人一区二区| 特级一级黄色大片| 美女免费视频网站| 久久久精品欧美日韩精品| x7x7x7水蜜桃| 国产伦一二天堂av在线观看| 老熟妇仑乱视频hdxx| 色综合站精品国产| 美女 人体艺术 gogo| 韩国av一区二区三区四区| 久久国产乱子伦精品免费另类| 精品免费久久久久久久清纯| 婷婷丁香在线五月| 精品福利观看| 高清日韩中文字幕在线| 久久九九热精品免费| 日日夜夜操网爽| 神马国产精品三级电影在线观看| 极品教师在线免费播放| 亚洲人成伊人成综合网2020| 久久久久久久久中文| 神马国产精品三级电影在线观看| 亚洲欧美日韩卡通动漫| 久久人妻av系列| 国产精品影院久久| 九九热线精品视视频播放| 性欧美人与动物交配| 黄色配什么色好看| 久久亚洲精品不卡| 搡老妇女老女人老熟妇| 别揉我奶头 嗯啊视频| 国产免费一级a男人的天堂| 听说在线观看完整版免费高清| 美女高潮的动态| 成人永久免费在线观看视频| 此物有八面人人有两片| 国内毛片毛片毛片毛片毛片| 老司机福利观看| 每晚都被弄得嗷嗷叫到高潮| 国产一区二区激情短视频| 色视频www国产| 白带黄色成豆腐渣| 亚洲精品亚洲一区二区| 淫秽高清视频在线观看| 很黄的视频免费| 白带黄色成豆腐渣| 一个人免费在线观看的高清视频| 久久伊人香网站| 欧美一区二区精品小视频在线| 精品午夜福利在线看| 桃红色精品国产亚洲av| 日日夜夜操网爽| 日韩中字成人| 欧美黑人巨大hd| 中文在线观看免费www的网站| 三级国产精品欧美在线观看| 中文字幕熟女人妻在线| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 变态另类成人亚洲欧美熟女| 日韩欧美一区二区三区在线观看| 亚洲精品影视一区二区三区av| 中文在线观看免费www的网站| 午夜福利在线观看免费完整高清在 | 成人美女网站在线观看视频| 午夜福利在线在线| 国产人妻一区二区三区在| 国产在线精品亚洲第一网站| 日韩欧美精品v在线| 啪啪无遮挡十八禁网站| 国内精品久久久久精免费| 成人三级黄色视频| 99热6这里只有精品| 亚洲精品在线美女| 日韩欧美免费精品| 精品人妻一区二区三区麻豆 | 欧美又色又爽又黄视频| 精品免费久久久久久久清纯| 久久伊人香网站| 波多野结衣高清无吗| 高清毛片免费观看视频网站| 国产亚洲精品综合一区在线观看| 宅男免费午夜| 99久国产av精品| 国产高潮美女av| 男女视频在线观看网站免费| 成人美女网站在线观看视频| 久久精品国产亚洲av天美| 精品国产亚洲在线| 亚洲av免费在线观看| x7x7x7水蜜桃| 91在线观看av| 十八禁网站免费在线| 午夜福利成人在线免费观看| 日本五十路高清| 最近在线观看免费完整版| 日韩国内少妇激情av| 丰满乱子伦码专区| 国产精品一区二区免费欧美| 久久久久亚洲av毛片大全| 午夜福利在线观看吧| 亚洲一区二区三区不卡视频| 亚洲av成人av| 亚洲第一电影网av| 精品人妻视频免费看| 熟女人妻精品中文字幕| 亚洲 欧美 日韩 在线 免费| 天天躁日日操中文字幕| 国产精品不卡视频一区二区 | 搡老妇女老女人老熟妇| x7x7x7水蜜桃| 免费大片18禁| 欧美性猛交╳xxx乱大交人| 色尼玛亚洲综合影院| 日本与韩国留学比较| 欧美成人一区二区免费高清观看| 两性午夜刺激爽爽歪歪视频在线观看| 久久久久久久久大av| 欧美成人a在线观看| 国产av麻豆久久久久久久| 午夜影院日韩av| 天天躁日日操中文字幕| 国产伦精品一区二区三区四那| 中文资源天堂在线| 伦理电影大哥的女人| 成人特级av手机在线观看| 国产在线精品亚洲第一网站| 一级a爱片免费观看的视频| 久99久视频精品免费| 亚洲专区国产一区二区| 国产高清有码在线观看视频| 国产黄a三级三级三级人| 亚洲欧美精品综合久久99| 动漫黄色视频在线观看| 日韩av在线大香蕉| 欧美乱色亚洲激情| 国产精品日韩av在线免费观看| 日本一本二区三区精品| 精品久久久久久久久亚洲 | 有码 亚洲区| 精品人妻一区二区三区麻豆 | 亚洲欧美日韩卡通动漫| 人人妻人人看人人澡| 日本精品一区二区三区蜜桃| 国产成人啪精品午夜网站| 国产精品影院久久| bbb黄色大片| 免费在线观看影片大全网站| 天天躁日日操中文字幕| 91在线观看av| www.999成人在线观看| 国产精品永久免费网站| 国产精品影院久久| 欧美绝顶高潮抽搐喷水| 中文字幕高清在线视频| 一二三四社区在线视频社区8| 国产aⅴ精品一区二区三区波| 久久99热这里只有精品18| 欧美日韩亚洲国产一区二区在线观看| 国产爱豆传媒在线观看| 午夜免费激情av| 免费无遮挡裸体视频| 最近中文字幕高清免费大全6 | 青草久久国产| 亚洲成人免费电影在线观看| 最近最新免费中文字幕在线| 亚洲国产精品合色在线| 亚洲性夜色夜夜综合| av专区在线播放| 精品乱码久久久久久99久播| 99久国产av精品| 97碰自拍视频| 久久午夜亚洲精品久久| 亚洲 欧美 日韩 在线 免费| 性色avwww在线观看| 女同久久另类99精品国产91| 最近最新免费中文字幕在线| 免费无遮挡裸体视频| 欧美激情在线99| 免费看光身美女| 日日干狠狠操夜夜爽| 人妻制服诱惑在线中文字幕| 日本a在线网址| 免费看光身美女| 久久6这里有精品| 老司机深夜福利视频在线观看| 最近视频中文字幕2019在线8| 国产精品电影一区二区三区| 亚洲熟妇熟女久久| 窝窝影院91人妻| 国产三级黄色录像| 日日夜夜操网爽| 琪琪午夜伦伦电影理论片6080| 天堂av国产一区二区熟女人妻| 国产成年人精品一区二区| 老女人水多毛片| 国产欧美日韩一区二区三| 精品99又大又爽又粗少妇毛片 | 男人和女人高潮做爰伦理| 欧美色视频一区免费| 在线观看免费视频日本深夜| 亚洲精品久久国产高清桃花| 变态另类成人亚洲欧美熟女| 丝袜美腿在线中文| 激情在线观看视频在线高清| 久久久久久久精品吃奶| 成人永久免费在线观看视频| 欧美性感艳星| 成人永久免费在线观看视频| 一级毛片久久久久久久久女| 亚洲一区二区三区不卡视频| 欧美性猛交╳xxx乱大交人| 国产熟女xx| 欧美日韩乱码在线| 亚洲va日本ⅴa欧美va伊人久久| 69人妻影院| 老熟妇乱子伦视频在线观看| 毛片一级片免费看久久久久 | 国产成人aa在线观看| 婷婷精品国产亚洲av在线| 久久久国产成人精品二区| 国产不卡一卡二| 精品人妻一区二区三区麻豆 | 免费高清视频大片| 尤物成人国产欧美一区二区三区| 久久亚洲精品不卡| 欧洲精品卡2卡3卡4卡5卡区| 午夜免费成人在线视频| 午夜免费激情av| 全区人妻精品视频| 欧美成狂野欧美在线观看| 久久香蕉精品热| 99国产精品一区二区蜜桃av| 日韩国内少妇激情av| 亚洲精品影视一区二区三区av|