• <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 ?

    SARIMA模型與LSTM神經(jīng)網(wǎng)絡的航空客運量的預測比較

    2021-03-08 01:57:36李思如
    河南科技 2021年36期
    關(guān)鍵詞:航空公司深度學習

    李思如

    摘 要:本文基于我國1999—2020年民航客運量的月度數(shù)據(jù),分別用傳統(tǒng)的統(tǒng)計計量方法(SARIMA模型)和深度學習方法(LSTM神經(jīng)網(wǎng)絡)建立模型,評估并預測航空客運量。對比結(jié)果表明:相比傳統(tǒng)SARIMA模型,LSTM模型對民航客運量的預測效果更好。

    關(guān)鍵詞:旅客運輸量;航空公司;深度學習;季節(jié)ARIMA模型;LSTM模型

    中圖分類號:TP391.3 ? ? 文獻標識碼:A ? ? 文章編號:1003-5168(2021)36-0018-04

    Prediction of Air Passenger Traffic of SARIMA Model and LSTM Neural Network

    LI Siru

    (School of Statistics and Information,Shanghai University of International Business and Economics,Shanghai 201620)

    Abstract: The article is based on the monthly data of civil aviation transportation in China from 1999 to 2020, and the model is established with traditional statistical metering methods (SARIMA models) and depth learning methods (LSTM neural networks) to assess and predict airline transport. The comparison results show that:compared to traditional SARIMA models, the LSTM model has better forecasting effects on civil aviation passenger traffic.

    Keywords: passenger transportation; airline; deep learning; season ARIMA model; LSTM model

    民航運輸業(yè)不斷向前發(fā)展,且經(jīng)濟全球化必然要求航空運輸全球化。高質(zhì)量的民航市場需求預測和發(fā)展規(guī)劃是國民經(jīng)濟與民航運輸業(yè)協(xié)調(diào)發(fā)展的前提[1]。

    對航空公司客運量的預測,大部分采用的是傳統(tǒng)的時間序列預測模型和機器學習預測模型。其中,傳統(tǒng)的時間序列預測模型[2]包括自回歸移動平均模型[ARIMA]、向量自回歸模型[VAR]、廣義自回歸條件異方差模型[GARCH]等。堯姚等[3]建立[ARIMA-BP]組合模型以及[ARIMA]模型對我國民航客運量進行了預測,結(jié)果表明,組合模型的預測精度更高。孫亞蘭[4]采用季節(jié)時間序列模型[SARIMA]預測航空客運量,較好地反映了航空客運短期發(fā)展現(xiàn)狀。雖然這些預測模型已經(jīng)得到了較好的實踐驗證,但由于時間序列變化莫測,以及模型建立的各種假設(shè)條件的局限性,難以確保線性預測模型的精度。近年來,深度學習方法不斷發(fā)展和成熟,其中包含卷積神經(jīng)網(wǎng)絡[CNN]、循環(huán)神經(jīng)網(wǎng)絡[RNN]、長短期記憶網(wǎng)[LSTM]等。這些模型更適合輸入多種類型數(shù)據(jù),并能夠擬合變量間各種復雜的關(guān)系,一定程度上可以避免過擬合,[RNN]拓展衍生出了[LSTM],其已被證明在時間序列預測中能更好地模擬數(shù)據(jù)的長期依賴性,能記憶數(shù)據(jù)間的長期關(guān)系[5]。

    本文分別建立了傳統(tǒng)的時間序列預測模型[SARIMA]和長短期記憶網(wǎng)絡模型[LSTM],用于預測民航客運量,并對比兩種方法的預測精度,結(jié)果表明,[LSTM]模型預測效果更佳。

    1 研究設(shè)計

    1.1 模型構(gòu)建

    1.1.1 季節(jié)ARIMA模型。[ARIMAp,d,q]模型[6]是將自回歸過程[(AR)]和移動平均過程[(MA)]相結(jié)合的時間序列組合模型。[p]為自回歸過程滯后的階數(shù),[d]為使時間序列平穩(wěn)差分的階數(shù),[q]為移動平均過程滯后的階數(shù)。[ARIMAp,d,q]模型可表示為:

    [Φ(B)(1-B)dXt=θ(B)at] ? ? (1)

    式(1)是求和自回歸移動平均模型,其中,[B]為延遲算子。

    [ΦB=1-Φ1B?Φ2B2-…-ΦpBp] ?(2)

    [θB=1-θ1B-θ2B2-…-θqBq] ? (3)

    其中,[Φ1、…、Φp]是實數(shù),且[?p≠0;θ1、…、θq是實數(shù),且θq≠0。對于Φz和θz,當|z|≤1,Φ(z)≠0。]

    而季節(jié)時間序列呈現(xiàn)出一定的循環(huán)或周期性。在一些研究中,為了排除季節(jié)性造成的影響,需要把它從數(shù)據(jù)中剔除。

    若將差分序列[Yt=(1-BS)Xt]擬合[ARMA(p,q)]模型[Φ(B)Yt=Θ(B)at],則原始序列的模型為[Φ(B)(1-BS)Xt=Θ(B)at],這是一般季節(jié)性[ARIMA(SARIMA)]模型[7],定義如下:

    如果[d]和[D]是非負整數(shù),則[Xt]是周期為[S]的季節(jié)性[ARIMA]過程,記作[ARIMA(p,d,q)×(P,D,Q)S],若差分序列[Yt=(1-B)d(1-BS)DXt]是如下定義的因果[ARMA]過程:

    [Φ(B)Φ(BS)Yt=θ(B)Θ(BS)at,at~WN(0,σ2)] ?(4)

    其中,[Φz=1-Φ1z-Φ2z2-…-ΦPzP]

    [θB=1+B+θ2B2+…+θqBq]

    [Θ(z)=1+Θ1z+Θ2z2+…+ΘQzQ]

    1.1.2 [LSTM]模型[8]。隨著訓練時間加長和網(wǎng)絡層數(shù)的增多,原始[RNN]模型容易出現(xiàn)梯度消失和爆炸的問題,無法處理較長序列數(shù)據(jù)。而[LSTM]是更高級的[RNN]模型,其可獲取長距離數(shù)據(jù)的信息,并有效記憶序列的長期依賴關(guān)系。

    [LSTM]是在標準[RNN]結(jié)構(gòu)的基礎(chǔ)上,添加了若干個閥門節(jié)點。其包含一個記憶存儲[Cell]單元和三個門控單元:遺忘門[Forget Gate]、輸入門[Input Gate]和輸出門[Output Gate]。這些閥門可打開或關(guān)閉,其輸出的值域為(0,1),用于控制其他數(shù)據(jù)的數(shù)級。

    [LSTM]模型第[t]層的更新公式如式(5)。

    [it=σ(Wi?[?t-1,xt]+bi)ft=σ(Wf?[?t-1,xt]+bf)ot=σ(Wo?[?t-1,xt]+bo)c~t=tan?(Wc?[?t-1,xt]+bc)ct=ftct-1+it⊙c~t?t=ot⊙tan?(ct)] ? ?(5)

    其中,輸入門[it]控制流入[ct]的信息量;遺忘門[ft]控制[t-1]時刻的信息可累計到[t]時刻的信息量;輸出門[ot]控制[t]時刻流入[?t]的信息量;[σ]為激活函數(shù)[sigmoid函數(shù)等]可將記憶信息納入計算范圍;[W]為循環(huán)層的權(quán)重矩陣;[bi]為輸入門的偏置項。

    [LSTM]和[RNN]都從[tan?(Wc?[?t?1,xt]+bc)]獲取信息,而[LSTM]模型是靠三個門控單元在線性自連接單元進行信息積累,并將其作為中間產(chǎn)物計算當期[?t]。[LSTM]模型考慮了信息遞歸過程,從狀態(tài)[ct-1]到狀態(tài)[ct]的信息轉(zhuǎn)移不完全取決于[σ]函數(shù)計算得到的狀態(tài),還由[it]和[ft]共同控制,即[ct=ftct-1+it⊙tan?(Wc?[?t-1,xt]+bc)],使得[LSTM]模型具有遞歸效應,且具有常數(shù)誤差流的特性,誤差向上一個狀態(tài)傳遞過程中幾乎沒有衰減,故模型具有長期記憶功能。

    1.2 數(shù)據(jù)來源及樣本選擇

    為了預測我國2020年以后的民航客運量和民航運輸業(yè)的穩(wěn)定發(fā)展,選取的數(shù)據(jù)來源于中國民航1999年1月至2020年12月的客運量(單位:億人),時間跨度為264個月,共264個樣本點。

    2 實證結(jié)果分析

    2.1 基于[SARIMA]模型對中國民航客運量的實證分析

    2.1.1 繪制時序圖。圖1為國民航國內(nèi)月客運量時序圖,由圖1可知,中國民航國內(nèi)月客運量表現(xiàn)出長期向上增長的趨勢,且有一定的以年為周期的季節(jié)效應,客運量上升緩慢,但是下降卻很快。這表明客運量數(shù)據(jù)沒有遵循線性時間序列模型。

    因原始數(shù)據(jù)沒有遵循線性時間序列模型,對數(shù)變換是一種常用的方法,對數(shù)據(jù)取對數(shù)能夠減少異方差的影響,將其轉(zhuǎn)化為線性形式。

    2.1.2 單位根檢驗。圖2(a)展現(xiàn)了數(shù)據(jù)序列取對數(shù)后的走勢,可以看出取對數(shù)后的序列變?yōu)榫€性增長。同時,數(shù)據(jù)序列經(jīng)過差分過程剔除了數(shù)據(jù)向上趨勢,但樣本自相關(guān)函數(shù)表現(xiàn)出了周期性,即當滯后階數(shù)為12階、24階和36階時自相關(guān)函數(shù)較大,表明序列有季節(jié)性特征,仍須進行季節(jié)差分處理。

    在此基礎(chǔ)上,用單位根檢驗進一步判斷其對數(shù)序列的平穩(wěn)性,運用ADF檢驗,得到[p]值為0.439,大于0.05,說明其對數(shù)序列非平穩(wěn)。

    2.1.3 剔除季節(jié)性。由單位根檢驗可知,其對數(shù)序列具有季節(jié)性,故將通過12階差分和正規(guī)差分剔除季節(jié)性因素,得到圖3。

    由圖3可以看出,季節(jié)差分過程剔除了數(shù)據(jù)的季節(jié)性,時序圖顯示序列類似平穩(wěn)。

    2.1.4 建立SARIMA模型。令[Xt]為取對數(shù)后的中國民航國內(nèi)月客運量序列,利用[R]中[forecast]包里的[auto.arima]函數(shù)對模型進行定階。

    由運行結(jié)果可得擬合的模型為[ARIMA(2,1,1)×(2,0,0)s=12]:

    [1-0.689 5B+0.086 7B2(1-0.350 9B12-0.202 2B24)1-BXt=(1-0.917 9B)at]

    [ σa^2=0.027 59] ? ? ? (6)

    其中,系數(shù)估計的標準差分別為0.068 4、0.064 8、0.031 2、0.083 7、0.083 6。

    圖4給出了擬合的[SARIMA]模型診斷圖。由圖(b)知,幾乎所有的殘差[ACF]都在兩倍的標準誤差上下限(虛線)內(nèi);由圖(c)知,[p]值均大于第[I]類錯誤值(虛線)。最后,對殘差進行[Ljung-Box]檢驗,得到檢驗統(tǒng)計量為4.058 3,當自由度為12時,[p]值為0.982 4,認為估計模型是顯著的。

    2.1.5 預測及模型評價。為了評價模型的預測性能,取中國民航國內(nèi)月客運量的前254個月度數(shù)據(jù)來估計模型的參數(shù),以[h=254]為預測原點,對新得到的擬合模型計算向前10 步預測值,并將最后10個數(shù)據(jù)點的實際觀測值與預測值相對比,新得到的擬合模型為:

    [1-0.696 5B+0.239 4B2(1-0.331 0B12-0.206 4B24)1-BXt=(1-0.855 6B)at]

    [ σa^2=0.027 09]

    其中,系數(shù)估計的標準差分別為0.108 9、0.093 2、0.076 0、0.084 4、0.085 6。

    由表1可看出,預測值與實際觀測值相差不大,實際觀測值大部分都在區(qū)間預測內(nèi),且均方預測誤差為0.258 588 3。

    2.2 基于[LSTM]模型[9]對于中國民航客運量的實證分析

    2.2.1 數(shù)據(jù)預處理。為加快程序構(gòu)建網(wǎng)絡模型效率,本文采用[Pyt?on]語言環(huán)境,選擇高度封裝的[Tensor Flow]官方支持的[Keras]板塊來構(gòu)建[LSTM]神經(jīng)網(wǎng)絡框架。

    在對樣本數(shù)據(jù)進行訓練和預測之前,為使模型快速收斂,可先將序列數(shù)據(jù)采用歸一化方式進行處理,使序列數(shù)據(jù)放縮在[0,1]之間,可采用[sklearn.preproces sin g]模塊中[MinMaxS cal er]函數(shù)處理,其原理如下式:

    [x?=x-minxmaxx-minx] ? ? ?(7)

    由于數(shù)據(jù)樣本點有限,為與[SARIMA]的預測模型一致,取前96%的序列值作為訓練集,其余序列值作為測試集,即1999年1月至2020年1月的數(shù)據(jù)作為測試集。本文采用單步預測即向后一步預測的方式,使用4層[LSTM]神經(jīng)網(wǎng)絡模塊加一層普通的神經(jīng)網(wǎng)絡層進行訓練,[LSTM]模塊的激活函數(shù)默認使用[tan h]函數(shù)。使用均方誤差[MSE]作為損失評價標準,采用[Adam]算法迭代更新權(quán)重參數(shù),擬合模型中的[epoch]、[batchsize]分別設(shè)為100和1。

    2.2.2 模型預測。用上述模型分別對訓練集和測試集的序列值進行預測,表2展示了模型部分預測結(jié)果。該方法自動識別了數(shù)據(jù)季節(jié)性和趨勢性的非線性特征,在訓練集數(shù)據(jù)中模型的訓練效果較好,在測試集數(shù)據(jù)中,同樣取得了較好的效果。模型訓練集和測試集預測的均方根誤差[RMSE]分別為0.02和0.06(歸一化數(shù)據(jù)),相比[SARIMA]模型的預測結(jié)果更好。

    3 結(jié)語

    本文通過[SARIMA]模型和[LSTM]神經(jīng)網(wǎng)絡對中國民航1999年1月至2020年12月的客運量進行預測比較,發(fā)現(xiàn)[LSTM]模型預測均方根誤差更小。但對于不同的數(shù)據(jù)集,兩種方法各有優(yōu)勢,對于文章中選取的數(shù)據(jù)集而言,進一步可考慮基于[LSTM]模型的多變量預測。一般相對簡單的數(shù)據(jù)集可考慮使用[SARIMA]模型直接預測,因其進行了去季節(jié)性和趨勢等各種數(shù)學變換,其預測結(jié)果與[LSTM]模型預測結(jié)果相差不大,應根據(jù)數(shù)據(jù)本身的特征,選擇合理的模型進行預測。

    參考文獻:

    [1] 張宗清.我國支線航空運輸市場需求預測與發(fā)展規(guī)劃研究[D].天津:中國民航大學,2008.

    [2] 楊海民,潘志松,白瑋.時間序列預測方法綜述[J].計算機科學,2019(1):21-28.

    [3] 堯姚,陶靜,李毅.基于ARIMA-BP組合模型的民航旅客運輸量預測[J].計算機技術(shù)與發(fā)展,2015(12):147-151.

    [4] 孫亞蘭.基于季節(jié)時間序列模型的民航客運需求預測分析[J].中國外資,2013(18):263-266.

    [5] LE C Y,BENGIO Y,HINTON G. Deep Learning [J].Nature,2015(521): 436-444.

    [6] 范波,宋文彬.基于ARIMA模型的產(chǎn)品銷售量預測研究[J].工業(yè)控制計算機,2021(5):128-129,125.

    [7] 徐映梅,陳堯.季節(jié)ARIMA模型與LSTM神經(jīng)網(wǎng)絡預測的比較[J].統(tǒng)計與決策,2021(2):46-50.

    [8] 王英偉,馬樹才.基于ARIMA和LSTM混合模型的時間序列預測[J].計算機應用與軟件,2021(2):291-298.

    [9] TAWUM J M,HAIWANG Y,JIANHUA Z,et al.Using LSTM and ARIMA to Simulate and Predict Limestone Price Variations[J].Mining,Metallurgy&Exploration,2021(38):913-926.

    猜你喜歡
    航空公司深度學習
    航空公司的低成本戰(zhàn)略及其實施對策探討
    IATA上調(diào)2021年航空公司凈虧損預測
    大飛機(2021年4期)2021-07-19 04:46:34
    FLIGHTRISK
    有體驗的學習才是有意義的學習
    電子商務中基于深度學習的虛假交易識別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學習場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應用展望
    深度學習算法應用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    基于深度卷積網(wǎng)絡的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    航空公司應收賬款壓降的途徑和措施
    久久国产亚洲av麻豆专区| 亚洲精品一卡2卡三卡4卡5卡 | 在现免费观看毛片| 新久久久久国产一级毛片| 日韩,欧美,国产一区二区三区| 亚洲av国产av综合av卡| 国产激情久久老熟女| 亚洲av片天天在线观看| 日本五十路高清| 国产精品二区激情视频| 后天国语完整版免费观看| 男女国产视频网站| 亚洲午夜精品一区,二区,三区| 亚洲精品中文字幕在线视频| 黄色视频不卡| 亚洲av成人精品一二三区| 国产成人啪精品午夜网站| 我要看黄色一级片免费的| 亚洲 国产 在线| 久久久久精品人妻al黑| 99香蕉大伊视频| 天堂8中文在线网| 一边摸一边做爽爽视频免费| 久久av网站| 视频在线观看一区二区三区| 青春草亚洲视频在线观看| 九色亚洲精品在线播放| 宅男免费午夜| 欧美亚洲 丝袜 人妻 在线| 欧美另类一区| 国产精品国产三级国产专区5o| 日韩欧美一区视频在线观看| 国产黄色免费在线视频| 久久人人爽av亚洲精品天堂| 少妇粗大呻吟视频| 亚洲成色77777| 国产成人av教育| 丁香六月欧美| 亚洲国产精品国产精品| 肉色欧美久久久久久久蜜桃| 高清av免费在线| 日本欧美国产在线视频| 亚洲第一av免费看| 国产伦人伦偷精品视频| 2018国产大陆天天弄谢| 下体分泌物呈黄色| 18禁国产床啪视频网站| 亚洲色图 男人天堂 中文字幕| 青春草亚洲视频在线观看| 一边摸一边做爽爽视频免费| 国产又色又爽无遮挡免| 男人操女人黄网站| 亚洲国产欧美网| 日韩制服丝袜自拍偷拍| 久久精品人人爽人人爽视色| 久久久精品国产亚洲av高清涩受| 夜夜骑夜夜射夜夜干| 精品人妻一区二区三区麻豆| 最近最新中文字幕大全免费视频 | 欧美变态另类bdsm刘玥| 亚洲美女黄色视频免费看| 欧美久久黑人一区二区| 午夜两性在线视频| 一本一本久久a久久精品综合妖精| 免费高清在线观看视频在线观看| 国产成人免费无遮挡视频| 中文字幕制服av| 国产在线免费精品| 桃花免费在线播放| 9热在线视频观看99| 男女无遮挡免费网站观看| 久久精品国产亚洲av高清一级| 可以免费在线观看a视频的电影网站| 国产在视频线精品| 久久精品aⅴ一区二区三区四区| 亚洲黑人精品在线| 亚洲情色 制服丝袜| 激情视频va一区二区三区| 熟女av电影| 久久99精品国语久久久| 久久国产亚洲av麻豆专区| av线在线观看网站| 51午夜福利影视在线观看| 精品欧美一区二区三区在线| 久久人人爽人人片av| a级片在线免费高清观看视频| 汤姆久久久久久久影院中文字幕| 欧美大码av| 在线观看www视频免费| 免费在线观看完整版高清| 欧美精品一区二区免费开放| 好男人视频免费观看在线| 午夜免费成人在线视频| 亚洲av欧美aⅴ国产| 国产精品 欧美亚洲| 日韩 亚洲 欧美在线| 国产不卡av网站在线观看| 亚洲精品日韩在线中文字幕| 久久精品久久精品一区二区三区| 无遮挡黄片免费观看| 久久精品国产亚洲av高清一级| 熟女少妇亚洲综合色aaa.| 黄色视频在线播放观看不卡| 一二三四社区在线视频社区8| 亚洲色图 男人天堂 中文字幕| 亚洲,一卡二卡三卡| 国产爽快片一区二区三区| 日韩熟女老妇一区二区性免费视频| 中文字幕人妻熟女乱码| 夜夜骑夜夜射夜夜干| 美女中出高潮动态图| 亚洲一区二区三区欧美精品| 黄片播放在线免费| 老熟女久久久| 日韩av不卡免费在线播放| 黄片播放在线免费| 自线自在国产av| 免费高清在线观看日韩| 中文精品一卡2卡3卡4更新| 水蜜桃什么品种好| 19禁男女啪啪无遮挡网站| 色婷婷av一区二区三区视频| 国产黄色视频一区二区在线观看| 18禁国产床啪视频网站| 亚洲伊人久久精品综合| 国产黄色视频一区二区在线观看| 欧美日本中文国产一区发布| 七月丁香在线播放| 亚洲欧美中文字幕日韩二区| 捣出白浆h1v1| 成年女人毛片免费观看观看9 | 国产不卡av网站在线观看| 日韩一本色道免费dvd| 日韩大片免费观看网站| 另类精品久久| 久久亚洲国产成人精品v| 亚洲色图 男人天堂 中文字幕| 男男h啪啪无遮挡| 亚洲成人免费av在线播放| 国产精品久久久久久人妻精品电影 | 久久精品久久久久久久性| 国产在线视频一区二区| 18禁裸乳无遮挡动漫免费视频| 男人爽女人下面视频在线观看| 午夜免费男女啪啪视频观看| 两人在一起打扑克的视频| 曰老女人黄片| 19禁男女啪啪无遮挡网站| 桃花免费在线播放| 啦啦啦啦在线视频资源| 国产熟女欧美一区二区| 国产高清国产精品国产三级| 97在线人人人人妻| 久久99精品国语久久久| 99久久99久久久精品蜜桃| 精品一区二区三卡| 美女主播在线视频| 精品福利观看| 欧美人与善性xxx| 少妇人妻 视频| 日本欧美国产在线视频| 黄色一级大片看看| 夫妻午夜视频| 久久人人97超碰香蕉20202| 天堂中文最新版在线下载| 久久ye,这里只有精品| 亚洲精品国产av蜜桃| 天堂中文最新版在线下载| 久久午夜综合久久蜜桃| av在线老鸭窝| 后天国语完整版免费观看| 一区二区三区乱码不卡18| 两个人免费观看高清视频| 男人操女人黄网站| 精品福利观看| 亚洲中文av在线| 狂野欧美激情性xxxx| 亚洲欧美日韩另类电影网站| 久久女婷五月综合色啪小说| 成人影院久久| 一个人免费看片子| 精品熟女少妇八av免费久了| 亚洲欧美一区二区三区国产| 亚洲中文av在线| 色综合欧美亚洲国产小说| 国产精品国产三级国产专区5o| 90打野战视频偷拍视频| 国产男女内射视频| 人人妻,人人澡人人爽秒播 | 亚洲欧美一区二区三区国产| 99国产综合亚洲精品| 久久久久精品国产欧美久久久 | 国产免费又黄又爽又色| 少妇人妻 视频| 欧美日韩av久久| 大香蕉久久网| 国产高清国产精品国产三级| 人人妻,人人澡人人爽秒播 | 久久人人爽人人片av| 国产成人精品在线电影| 精品一区在线观看国产| 午夜影院在线不卡| 少妇人妻 视频| 国产精品99久久99久久久不卡| 成年人免费黄色播放视频| 少妇的丰满在线观看| 精品少妇一区二区三区视频日本电影| 51午夜福利影视在线观看| 色视频在线一区二区三区| 日本91视频免费播放| 久久精品成人免费网站| 高清欧美精品videossex| 一本一本久久a久久精品综合妖精| 女人精品久久久久毛片| 老司机靠b影院| 狠狠婷婷综合久久久久久88av| 亚洲av电影在线观看一区二区三区| 国产亚洲av片在线观看秒播厂| 婷婷色麻豆天堂久久| 男男h啪啪无遮挡| 少妇被粗大的猛进出69影院| 久久久久国产一级毛片高清牌| 建设人人有责人人尽责人人享有的| 欧美日韩综合久久久久久| 成人18禁高潮啪啪吃奶动态图| 男女午夜视频在线观看| 亚洲五月婷婷丁香| 水蜜桃什么品种好| 亚洲欧美一区二区三区黑人| 丝袜美足系列| 捣出白浆h1v1| √禁漫天堂资源中文www| 中文字幕制服av| 日韩人妻精品一区2区三区| 丝袜美足系列| 国产欧美日韩精品亚洲av| 一级片'在线观看视频| 亚洲国产成人一精品久久久| 91国产中文字幕| 超碰成人久久| 黑丝袜美女国产一区| 国产视频首页在线观看| 精品视频人人做人人爽| 在线av久久热| 久久久久久久国产电影| 大香蕉久久成人网| 9热在线视频观看99| 国产精品一区二区在线观看99| 精品一区在线观看国产| 久久精品熟女亚洲av麻豆精品| 视频区图区小说| 一二三四在线观看免费中文在| 日韩熟女老妇一区二区性免费视频| 伦理电影免费视频| 麻豆国产av国片精品| 亚洲一区中文字幕在线| 久久久国产精品麻豆| 亚洲精品国产色婷婷电影| 国产亚洲av片在线观看秒播厂| 波多野结衣一区麻豆| 曰老女人黄片| 成年美女黄网站色视频大全免费| 精品少妇内射三级| 国产又色又爽无遮挡免| 男人操女人黄网站| 欧美乱码精品一区二区三区| 黄色一级大片看看| 日本av手机在线免费观看| 亚洲国产看品久久| 在线av久久热| 99久久人妻综合| 香蕉国产在线看| 水蜜桃什么品种好| 天天操日日干夜夜撸| 久久精品久久精品一区二区三区| 国产成人一区二区在线| 欧美精品av麻豆av| 成年动漫av网址| 99热网站在线观看| 在线亚洲精品国产二区图片欧美| 久久性视频一级片| 亚洲成人免费电影在线观看 | 国产精品一二三区在线看| 老司机影院毛片| 国产高清videossex| 精品亚洲成国产av| 日韩制服骚丝袜av| 欧美+亚洲+日韩+国产| 十八禁人妻一区二区| 久久精品亚洲熟妇少妇任你| 肉色欧美久久久久久久蜜桃| 热re99久久国产66热| 欧美黄色片欧美黄色片| 久久久久精品国产欧美久久久 | 在线精品无人区一区二区三| 9色porny在线观看| 久久久欧美国产精品| 在线av久久热| 午夜福利视频在线观看免费| 性少妇av在线| 每晚都被弄得嗷嗷叫到高潮| 波多野结衣一区麻豆| 亚洲欧美日韩另类电影网站| 亚洲一区二区三区欧美精品| 久久国产精品影院| 1024视频免费在线观看| 老司机在亚洲福利影院| 国产女主播在线喷水免费视频网站| 人妻人人澡人人爽人人| 亚洲人成77777在线视频| 啦啦啦中文免费视频观看日本| 久久天堂一区二区三区四区| 亚洲欧洲精品一区二区精品久久久| 免费少妇av软件| 国产一区二区在线观看av| 一区二区三区乱码不卡18| 国产欧美亚洲国产| 免费一级毛片在线播放高清视频 | 久久久久久人人人人人| 精品免费久久久久久久清纯 | 热99久久久久精品小说推荐| 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| av网站免费在线观看视频| 夜夜骑夜夜射夜夜干| 免费高清在线观看日韩| 女人爽到高潮嗷嗷叫在线视频| 日韩熟女老妇一区二区性免费视频| xxxhd国产人妻xxx| www.999成人在线观看| 一边亲一边摸免费视频| 美女中出高潮动态图| 可以免费在线观看a视频的电影网站| 乱人伦中国视频| 别揉我奶头~嗯~啊~动态视频 | 亚洲成av片中文字幕在线观看| 一级片'在线观看视频| 欧美精品高潮呻吟av久久| 性少妇av在线| 精品亚洲成国产av| 精品久久蜜臀av无| 天天影视国产精品| 又粗又硬又长又爽又黄的视频| 欧美精品高潮呻吟av久久| 亚洲免费av在线视频| 韩国精品一区二区三区| 性少妇av在线| 波多野结衣av一区二区av| 日韩一卡2卡3卡4卡2021年| 欧美日韩精品网址| 亚洲成色77777| 日日爽夜夜爽网站| 黄片小视频在线播放| 99久久精品国产亚洲精品| 欧美 日韩 精品 国产| 国产一区二区三区av在线| 亚洲中文字幕日韩| 亚洲美女黄色视频免费看| 天堂俺去俺来也www色官网| 免费高清在线观看视频在线观看| 精品久久久精品久久久| 精品少妇黑人巨大在线播放| 50天的宝宝边吃奶边哭怎么回事| 亚洲久久久国产精品| 久久久久久久久免费视频了| 十八禁网站网址无遮挡| 一区二区三区四区激情视频| 久久精品人人爽人人爽视色| 人妻人人澡人人爽人人| 亚洲七黄色美女视频| 欧美国产精品va在线观看不卡| 久久人妻福利社区极品人妻图片 | 亚洲精品日韩在线中文字幕| 一区二区三区激情视频| 国产精品一国产av| 亚洲 国产 在线| 精品国产一区二区久久| av在线app专区| 国产成人91sexporn| videos熟女内射| 成人国产av品久久久| 国产免费一区二区三区四区乱码| 色网站视频免费| 精品久久久精品久久久| 久久精品国产亚洲av高清一级| 免费日韩欧美在线观看| av网站免费在线观看视频| 亚洲欧美一区二区三区国产| 一区二区三区精品91| 国产无遮挡羞羞视频在线观看| 成年人黄色毛片网站| 丝袜在线中文字幕| 国产一区二区在线观看av| 男女午夜视频在线观看| 亚洲av成人精品一二三区| 国产精品一区二区精品视频观看| 国产有黄有色有爽视频| 欧美乱码精品一区二区三区| 亚洲国产精品一区二区三区在线| 97人妻天天添夜夜摸| 视频在线观看一区二区三区| 亚洲精品中文字幕在线视频| 国产成人一区二区三区免费视频网站 | 久久久久精品人妻al黑| 精品高清国产在线一区| 欧美日韩亚洲综合一区二区三区_| 女人爽到高潮嗷嗷叫在线视频| 少妇裸体淫交视频免费看高清 | 悠悠久久av| 国产欧美日韩综合在线一区二区| 97在线人人人人妻| 一级片'在线观看视频| 一区二区日韩欧美中文字幕| 国产一区二区 视频在线| 亚洲久久久国产精品| 亚洲色图综合在线观看| 久久国产精品大桥未久av| 亚洲欧美清纯卡通| 久久免费观看电影| 蜜桃国产av成人99| 性少妇av在线| 国产淫语在线视频| 9色porny在线观看| 午夜福利免费观看在线| 99国产精品一区二区三区| 男的添女的下面高潮视频| 欧美日韩亚洲高清精品| 操出白浆在线播放| 无遮挡黄片免费观看| 熟女少妇亚洲综合色aaa.| 国产欧美日韩一区二区三 | 午夜福利视频精品| 性色av乱码一区二区三区2| 欧美精品啪啪一区二区三区 | 亚洲人成电影免费在线| 亚洲专区中文字幕在线| 狂野欧美激情性xxxx| 日韩精品免费视频一区二区三区| 久久热在线av| 亚洲国产精品一区三区| 欧美黑人欧美精品刺激| av在线播放精品| 大陆偷拍与自拍| 超碰成人久久| 丝袜人妻中文字幕| 亚洲精品中文字幕在线视频| 性少妇av在线| 一区二区日韩欧美中文字幕| 精品少妇久久久久久888优播| 黄色视频不卡| 国产精品久久久久成人av| cao死你这个sao货| 啦啦啦啦在线视频资源| 日本vs欧美在线观看视频| 在线观看一区二区三区激情| 国产片内射在线| 99国产精品免费福利视频| 丝袜美足系列| 男的添女的下面高潮视频| 久久久精品区二区三区| 精品国产乱码久久久久久小说| 日本91视频免费播放| 多毛熟女@视频| 精品少妇黑人巨大在线播放| 人妻人人澡人人爽人人| 天天躁夜夜躁狠狠久久av| 欧美日韩黄片免| 菩萨蛮人人尽说江南好唐韦庄| 搡老岳熟女国产| 久久久久精品国产欧美久久久 | 亚洲国产精品一区二区三区在线| 一边摸一边做爽爽视频免费| 亚洲av成人精品一二三区| 亚洲第一av免费看| 精品第一国产精品| 波野结衣二区三区在线| 97人妻天天添夜夜摸| 亚洲色图 男人天堂 中文字幕| 亚洲精品一区蜜桃| 男女边吃奶边做爰视频| 黄色一级大片看看| 久久精品久久精品一区二区三区| 十八禁网站网址无遮挡| 99久久99久久久精品蜜桃| 亚洲av欧美aⅴ国产| 亚洲精品中文字幕在线视频| 七月丁香在线播放| av视频免费观看在线观看| 亚洲精品久久午夜乱码| 天堂中文最新版在线下载| 亚洲欧美激情在线| 性少妇av在线| 国产精品国产av在线观看| 黄色毛片三级朝国网站| 国产女主播在线喷水免费视频网站| 性色av一级| 操美女的视频在线观看| 80岁老熟妇乱子伦牲交| 高清不卡的av网站| 久久精品国产亚洲av高清一级| 一区二区三区激情视频| 两人在一起打扑克的视频| 国产精品久久久人人做人人爽| 看免费av毛片| 亚洲av日韩在线播放| 久久精品久久久久久久性| e午夜精品久久久久久久| 另类亚洲欧美激情| 99国产精品99久久久久| 国产精品 国内视频| 悠悠久久av| 亚洲国产欧美在线一区| 十八禁网站网址无遮挡| 日本欧美国产在线视频| 成人黄色视频免费在线看| 欧美av亚洲av综合av国产av| 成人18禁高潮啪啪吃奶动态图| 夫妻性生交免费视频一级片| 亚洲欧美精品综合一区二区三区| 少妇人妻 视频| 久久精品aⅴ一区二区三区四区| 日日夜夜操网爽| 国产成人精品无人区| 丝袜在线中文字幕| 大片电影免费在线观看免费| 九草在线视频观看| a级毛片黄视频| 别揉我奶头~嗯~啊~动态视频 | 国产精品久久久久久人妻精品电影 | 校园人妻丝袜中文字幕| 国产免费福利视频在线观看| 999精品在线视频| 大码成人一级视频| 一二三四社区在线视频社区8| 超碰成人久久| 亚洲一卡2卡3卡4卡5卡精品中文| 久久狼人影院| 久久 成人 亚洲| 日韩人妻精品一区2区三区| 成人国产一区最新在线观看 | av有码第一页| 狂野欧美激情性bbbbbb| 国产成人一区二区三区免费视频网站 | 天天操日日干夜夜撸| 在线亚洲精品国产二区图片欧美| 亚洲国产中文字幕在线视频| 亚洲中文av在线| 国产黄色视频一区二区在线观看| 日韩制服骚丝袜av| 亚洲,欧美精品.| 一本久久精品| 如日韩欧美国产精品一区二区三区| 日本91视频免费播放| 黄色a级毛片大全视频| 国产免费福利视频在线观看| 久久久久久久大尺度免费视频| 国产男人的电影天堂91| 国产一区二区激情短视频 | 国产午夜精品一二区理论片| 丝袜美足系列| 一区二区三区精品91| 国产精品久久久av美女十八| 免费在线观看日本一区| 天天操日日干夜夜撸| www.自偷自拍.com| 丰满人妻熟妇乱又伦精品不卡| 夫妻性生交免费视频一级片| 丰满饥渴人妻一区二区三| 亚洲国产欧美在线一区| av有码第一页| 99热全是精品| 少妇的丰满在线观看| 在线天堂中文资源库| 国产精品99久久99久久久不卡| 亚洲国产av影院在线观看| 国产伦理片在线播放av一区| 欧美精品啪啪一区二区三区 | 国产激情久久老熟女| 色94色欧美一区二区| 久久人人爽人人片av| 亚洲成国产人片在线观看| 国产一区二区三区综合在线观看| 国产精品久久久久久精品电影小说| 少妇人妻 视频| 尾随美女入室| 久久精品亚洲熟妇少妇任你| 又大又黄又爽视频免费| 国产91精品成人一区二区三区 | 丰满少妇做爰视频| 亚洲熟女精品中文字幕| 人妻 亚洲 视频| 亚洲欧美一区二区三区久久| 如日韩欧美国产精品一区二区三区| 国产精品香港三级国产av潘金莲 | 一级,二级,三级黄色视频| 国产野战对白在线观看| av国产精品久久久久影院| a级毛片在线看网站| 日本91视频免费播放| 国产av国产精品国产| 久久免费观看电影| 天天躁狠狠躁夜夜躁狠狠躁| 啦啦啦视频在线资源免费观看| 这个男人来自地球电影免费观看| 亚洲欧美色中文字幕在线| 午夜福利视频精品| 久久性视频一级片| 一区福利在线观看| 女人爽到高潮嗷嗷叫在线视频| 国产熟女午夜一区二区三区| 赤兔流量卡办理| 2021少妇久久久久久久久久久| 视频区图区小说| 亚洲,欧美,日韩| 亚洲欧美一区二区三区国产|