• <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
    国产主播在线观看一区二区| 亚洲最大成人中文| 我的亚洲天堂| 国产成人av激情在线播放| 熟女少妇亚洲综合色aaa.| 国产高清有码在线观看视频 | av有码第一页| 91成人精品电影| 欧美日韩黄片免| 亚洲国产精品999在线| 天堂动漫精品| 久久天躁狠狠躁夜夜2o2o| 性少妇av在线| 日日爽夜夜爽网站| 国产视频一区二区在线看| 国产在线观看jvid| 亚洲精品中文字幕一二三四区| 日韩一卡2卡3卡4卡2021年| 国产精品一区二区在线不卡| 国产精品99久久99久久久不卡| 国产又爽黄色视频| 中文字幕另类日韩欧美亚洲嫩草| 欧美日韩中文字幕国产精品一区二区三区 | avwww免费| 欧美乱码精品一区二区三区| 日韩欧美国产在线观看| 黄色a级毛片大全视频| 精品卡一卡二卡四卡免费| 熟妇人妻久久中文字幕3abv| 两个人看的免费小视频| 级片在线观看| 午夜老司机福利片| 亚洲精品中文字幕一二三四区| 制服诱惑二区| 日本在线视频免费播放| 不卡av一区二区三区| 自线自在国产av| 亚洲精品美女久久久久99蜜臀| 久久精品成人免费网站| 9色porny在线观看| 亚洲一区中文字幕在线| 在线观看一区二区三区| 少妇裸体淫交视频免费看高清 | 国产一区二区三区综合在线观看| 国产熟女午夜一区二区三区| 免费观看精品视频网站| 每晚都被弄得嗷嗷叫到高潮| 国产午夜精品久久久久久| 十八禁人妻一区二区| 成人亚洲精品av一区二区| 天天一区二区日本电影三级 | 美女扒开内裤让男人捅视频| 一级a爱视频在线免费观看| 一级a爱片免费观看的视频| 亚洲性夜色夜夜综合| 国产精品美女特级片免费视频播放器 | 亚洲自拍偷在线| 精品久久久久久久毛片微露脸| 国产麻豆69| 丝袜美足系列| 97人妻精品一区二区三区麻豆 | a级毛片在线看网站| 成年女人毛片免费观看观看9| 国产亚洲精品av在线| 国产男靠女视频免费网站| 国产一区二区三区在线臀色熟女| 中文字幕色久视频| 亚洲欧美精品综合一区二区三区| 精品少妇一区二区三区视频日本电影| 久久久久国内视频| 成人精品一区二区免费| 黄片播放在线免费| 两性午夜刺激爽爽歪歪视频在线观看 | 在线观看一区二区三区| 亚洲男人天堂网一区| 精品国产乱码久久久久久男人| 午夜免费激情av| 国产区一区二久久| 国产成人av激情在线播放| 又黄又爽又免费观看的视频| 欧美一区二区精品小视频在线| 国产成人系列免费观看| 色精品久久人妻99蜜桃| 中文字幕久久专区| 最好的美女福利视频网| 午夜亚洲福利在线播放| 伦理电影免费视频| 天天躁夜夜躁狠狠躁躁| 亚洲av熟女| 国产亚洲欧美精品永久| 日本黄色视频三级网站网址| av有码第一页| 人妻久久中文字幕网| 成年版毛片免费区| 亚洲精品美女久久久久99蜜臀| 在线观看免费午夜福利视频| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美色欧美亚洲另类二区 | 黄网站色视频无遮挡免费观看| 色婷婷久久久亚洲欧美| 激情视频va一区二区三区| 十八禁网站免费在线| 午夜精品久久久久久毛片777| 亚洲在线自拍视频| 婷婷精品国产亚洲av在线| 中文字幕另类日韩欧美亚洲嫩草| 成年人黄色毛片网站| 亚洲国产精品久久男人天堂| 两性午夜刺激爽爽歪歪视频在线观看 | 午夜影院日韩av| 男女床上黄色一级片免费看| 制服丝袜大香蕉在线| av福利片在线| 一级毛片女人18水好多| 欧美乱色亚洲激情| 一级a爱视频在线免费观看| 嫩草影视91久久| 国产精品,欧美在线| av视频在线观看入口| 人人妻人人澡人人看| 久久人妻av系列| 女人被躁到高潮嗷嗷叫费观| 丝袜美腿诱惑在线| 亚洲国产精品久久男人天堂| 精品电影一区二区在线| 搡老妇女老女人老熟妇| 国产成人啪精品午夜网站| 夜夜看夜夜爽夜夜摸| 亚洲,欧美精品.| 在线观看日韩欧美| 又黄又爽又免费观看的视频| 亚洲国产精品999在线| 国产伦一二天堂av在线观看| 很黄的视频免费| 亚洲第一欧美日韩一区二区三区| 久99久视频精品免费| 亚洲一区高清亚洲精品| 一级毛片高清免费大全| 在线观看66精品国产| 亚洲精品国产区一区二| 国产高清视频在线播放一区| 亚洲国产精品999在线| 亚洲国产看品久久| 精品国产一区二区三区四区第35| 悠悠久久av| 男女午夜视频在线观看| 国产精品免费一区二区三区在线| 最近最新中文字幕大全免费视频| 日韩一卡2卡3卡4卡2021年| 国产在线精品亚洲第一网站| 侵犯人妻中文字幕一二三四区| 国产欧美日韩一区二区三| 禁无遮挡网站| 精品久久久久久久久久免费视频| 在线观看免费视频日本深夜| 99国产极品粉嫩在线观看| 亚洲精品中文字幕一二三四区| 亚洲天堂国产精品一区在线| 亚洲av成人不卡在线观看播放网| 国产精品久久视频播放| 欧美日本视频| 男女床上黄色一级片免费看| 午夜福利成人在线免费观看| 一进一出抽搐gif免费好疼| 亚洲性夜色夜夜综合| 日韩欧美在线二视频| 亚洲精品中文字幕在线视频| 国产成人精品久久二区二区91| 日韩欧美国产在线观看| 日韩成人在线观看一区二区三区| 波多野结衣一区麻豆| 咕卡用的链子| 午夜免费观看网址| 欧美色欧美亚洲另类二区 | 久久天堂一区二区三区四区| bbb黄色大片| 欧美乱码精品一区二区三区| 亚洲成av片中文字幕在线观看| 国产欧美日韩综合在线一区二区| 欧美精品啪啪一区二区三区| 国产黄a三级三级三级人| 欧美中文日本在线观看视频| 每晚都被弄得嗷嗷叫到高潮| 久久精品91无色码中文字幕| 国产精品亚洲美女久久久| 久久天堂一区二区三区四区| 中文字幕色久视频| 精品电影一区二区在线| 香蕉丝袜av| 国产成人av教育| 91字幕亚洲| 国产乱人伦免费视频| 此物有八面人人有两片| 国产一区二区激情短视频| 成人手机av| 成人18禁高潮啪啪吃奶动态图| 亚洲三区欧美一区| 亚洲av美国av| 色综合欧美亚洲国产小说| 999久久久精品免费观看国产| 久久中文字幕人妻熟女| 亚洲色图综合在线观看| 巨乳人妻的诱惑在线观看| 香蕉国产在线看| 91在线观看av| АⅤ资源中文在线天堂| 午夜成年电影在线免费观看| 亚洲全国av大片| 电影成人av| 日日夜夜操网爽| 99re在线观看精品视频| 操美女的视频在线观看| ponron亚洲| 男女下面插进去视频免费观看| 亚洲色图综合在线观看| 国产精品,欧美在线| 99久久精品国产亚洲精品| 在线观看66精品国产| 国产精品爽爽va在线观看网站 | 老司机午夜十八禁免费视频| 动漫黄色视频在线观看| 亚洲欧美一区二区三区黑人| 久久久久久久久中文| 精品国产美女av久久久久小说| 非洲黑人性xxxx精品又粗又长| 国产乱人伦免费视频| 久久久国产精品麻豆| 国内久久婷婷六月综合欲色啪| 欧美+亚洲+日韩+国产| 一级片免费观看大全| 真人做人爱边吃奶动态| 岛国视频午夜一区免费看| 首页视频小说图片口味搜索| 天天躁夜夜躁狠狠躁躁| 两性夫妻黄色片| 老司机深夜福利视频在线观看| 99精品欧美一区二区三区四区| 国产精品亚洲av一区麻豆| 色哟哟哟哟哟哟| 国产成人精品久久二区二区91| 久久国产亚洲av麻豆专区| 久热这里只有精品99| 国产成人一区二区三区免费视频网站| 日本黄色视频三级网站网址| 亚洲国产精品成人综合色| 亚洲av片天天在线观看| 亚洲五月婷婷丁香| 中文字幕最新亚洲高清| 国产av在哪里看| 午夜免费激情av| 久久精品亚洲精品国产色婷小说| 变态另类丝袜制服| 久久热在线av| 美女免费视频网站| 在线观看日韩欧美| 妹子高潮喷水视频| 18美女黄网站色大片免费观看| 精品国产国语对白av| 欧美午夜高清在线| 色综合欧美亚洲国产小说| 亚洲专区中文字幕在线| 久久天躁狠狠躁夜夜2o2o| 精品久久久精品久久久| 一二三四社区在线视频社区8| 色综合欧美亚洲国产小说| 999久久久国产精品视频| 人成视频在线观看免费观看| 亚洲专区字幕在线| 亚洲精品国产精品久久久不卡| 国内久久婷婷六月综合欲色啪| 国产野战对白在线观看| 99久久国产精品久久久| 国产精品综合久久久久久久免费 | 一本综合久久免费| 欧美日本中文国产一区发布| 欧美大码av| av在线播放免费不卡| 老司机午夜十八禁免费视频| 伊人久久大香线蕉亚洲五| 国产亚洲av嫩草精品影院| 欧美不卡视频在线免费观看 | 国产一区二区激情短视频| 级片在线观看| 少妇被粗大的猛进出69影院| 亚洲av电影不卡..在线观看| 人人妻,人人澡人人爽秒播| 一区在线观看完整版| 国产亚洲av高清不卡| 国产成人精品无人区| 久久国产亚洲av麻豆专区| 99热只有精品国产| 九色国产91popny在线| 男女下面进入的视频免费午夜 | 国产av一区在线观看免费| 波多野结衣av一区二区av| 国产极品粉嫩免费观看在线| 一进一出抽搐gif免费好疼| 在线观看免费日韩欧美大片| 国语自产精品视频在线第100页| 叶爱在线成人免费视频播放| 在线国产一区二区在线| 90打野战视频偷拍视频| 免费在线观看日本一区| 欧美黑人欧美精品刺激| 国产日韩一区二区三区精品不卡| 1024香蕉在线观看| 级片在线观看| 1024香蕉在线观看| 亚洲天堂国产精品一区在线| 国产私拍福利视频在线观看| av天堂久久9| av在线播放免费不卡| 女人被狂操c到高潮| 日韩精品青青久久久久久| 男人操女人黄网站| 黄色 视频免费看| 嫁个100分男人电影在线观看| 岛国在线观看网站| 亚洲aⅴ乱码一区二区在线播放 | 亚洲国产日韩欧美精品在线观看 | 非洲黑人性xxxx精品又粗又长| 曰老女人黄片| 亚洲av成人av| 成人av一区二区三区在线看| 在线免费观看的www视频| 如日韩欧美国产精品一区二区三区| 欧美一级毛片孕妇| 亚洲人成网站在线播放欧美日韩| 淫秽高清视频在线观看| 久久影院123| 亚洲国产毛片av蜜桃av| 欧美色视频一区免费| 一边摸一边抽搐一进一出视频| 在线永久观看黄色视频| 免费不卡黄色视频| 国产一区二区三区视频了| 国产成人精品在线电影| 校园春色视频在线观看| 精品少妇一区二区三区视频日本电影| 啦啦啦 在线观看视频| 国产av又大| 国产人伦9x9x在线观看| ponron亚洲| videosex国产| 黄色丝袜av网址大全| 婷婷精品国产亚洲av在线| 香蕉国产在线看| 国产精品亚洲美女久久久| 国产欧美日韩一区二区三| 国内精品久久久久久久电影| 亚洲色图av天堂| 国产亚洲欧美在线一区二区| 亚洲免费av在线视频| 夜夜看夜夜爽夜夜摸| 少妇裸体淫交视频免费看高清 | 女人被躁到高潮嗷嗷叫费观| 国产精品久久视频播放| 久久精品国产综合久久久| 国产欧美日韩一区二区三| 精品欧美一区二区三区在线| 纯流量卡能插随身wifi吗| 视频在线观看一区二区三区| 怎么达到女性高潮| 午夜影院日韩av| 久99久视频精品免费| 午夜两性在线视频| 国产成人精品无人区| 国产av一区在线观看免费| 亚洲全国av大片| 日韩大码丰满熟妇| 亚洲国产欧美网| 欧美午夜高清在线| 久久精品国产99精品国产亚洲性色 | 又黄又粗又硬又大视频| 亚洲久久久国产精品| 色尼玛亚洲综合影院| 亚洲精品在线观看二区| 色精品久久人妻99蜜桃| 国产成人精品久久二区二区免费| 国产91精品成人一区二区三区| www国产在线视频色| 丝袜在线中文字幕| 色精品久久人妻99蜜桃| 超碰成人久久| 国产一区二区激情短视频| 亚洲成国产人片在线观看| 女性被躁到高潮视频| 久久久久久久午夜电影| www.精华液| 国产三级在线视频| 国产熟女午夜一区二区三区| 变态另类成人亚洲欧美熟女 | 国产亚洲精品综合一区在线观看 | 9热在线视频观看99| 色综合站精品国产| 色av中文字幕| 很黄的视频免费| 免费一级毛片在线播放高清视频 | 夜夜爽天天搞| 午夜久久久在线观看| 激情在线观看视频在线高清| videosex国产| 在线播放国产精品三级| 一区二区三区高清视频在线| 午夜福利在线观看吧| svipshipincom国产片| 女人被躁到高潮嗷嗷叫费观| 老鸭窝网址在线观看| 9色porny在线观看| 国产亚洲av高清不卡| 久久中文看片网| 亚洲国产欧美一区二区综合| 免费不卡黄色视频| 一级毛片精品| 久久精品91蜜桃| 国产av一区二区精品久久| 一夜夜www| 夜夜夜夜夜久久久久| 看片在线看免费视频| 老汉色∧v一级毛片| 久久精品国产清高在天天线| 男女下面插进去视频免费观看| 亚洲成a人片在线一区二区| 国产1区2区3区精品| 麻豆久久精品国产亚洲av| 免费av毛片视频| a级毛片在线看网站| 午夜福利成人在线免费观看| 91九色精品人成在线观看| 亚洲全国av大片| 国产午夜精品久久久久久| 真人一进一出gif抽搐免费| 亚洲第一电影网av| 97人妻天天添夜夜摸| 中文字幕人成人乱码亚洲影| 人人妻人人爽人人添夜夜欢视频| 视频在线观看一区二区三区| 法律面前人人平等表现在哪些方面| www日本在线高清视频| 亚洲国产精品999在线| 香蕉丝袜av| 国产亚洲欧美98| 韩国av一区二区三区四区| www.自偷自拍.com| 成人免费观看视频高清| 女警被强在线播放| 免费一级毛片在线播放高清视频 | cao死你这个sao货| 中文字幕色久视频| 欧美乱码精品一区二区三区| 国产精品影院久久| 天天添夜夜摸| 色播亚洲综合网| 亚洲欧美激情综合另类| 亚洲欧洲精品一区二区精品久久久| 中文字幕高清在线视频| 亚洲美女黄片视频| 日日干狠狠操夜夜爽| 制服人妻中文乱码| 两个人免费观看高清视频| 91麻豆av在线| 午夜影院日韩av| 国产区一区二久久| 免费看a级黄色片| 久久亚洲真实| 久久久久精品国产欧美久久久| 一级a爱视频在线免费观看| 久久天堂一区二区三区四区| 桃红色精品国产亚洲av| 淫妇啪啪啪对白视频| 女人被躁到高潮嗷嗷叫费观| 成人免费观看视频高清| 日本撒尿小便嘘嘘汇集6| 国产免费男女视频| 丁香欧美五月| 免费人成视频x8x8入口观看| 国产高清videossex| 妹子高潮喷水视频| av有码第一页| 久久久久久亚洲精品国产蜜桃av| 无限看片的www在线观看| 亚洲国产看品久久| 欧美成人一区二区免费高清观看 | 欧美人与性动交α欧美精品济南到| 日日夜夜操网爽| 婷婷精品国产亚洲av在线| 国产高清有码在线观看视频 | 人妻丰满熟妇av一区二区三区| 久久久久久人人人人人| 久久久国产精品麻豆| 久久久国产成人精品二区| 亚洲色图av天堂| 美女高潮喷水抽搐中文字幕| 99精品久久久久人妻精品| netflix在线观看网站| 久久国产精品男人的天堂亚洲| 色精品久久人妻99蜜桃| 午夜免费鲁丝| 日本五十路高清| 人成视频在线观看免费观看| 久久人妻av系列| 日本免费一区二区三区高清不卡 | 国产精品一区二区免费欧美| 一区二区三区高清视频在线| 丝袜美腿诱惑在线| 法律面前人人平等表现在哪些方面| 黄网站色视频无遮挡免费观看| 国产三级黄色录像| 精品久久蜜臀av无| 国产视频一区二区在线看| 国产一区二区激情短视频| 中文字幕色久视频| 亚洲欧美激情在线| 亚洲精品粉嫩美女一区| 男人的好看免费观看在线视频 | 免费少妇av软件| 大香蕉久久成人网| 亚洲午夜理论影院| 精品人妻在线不人妻| 99香蕉大伊视频| 欧美性长视频在线观看| АⅤ资源中文在线天堂| 啦啦啦观看免费观看视频高清 | 国内精品久久久久久久电影| 欧美不卡视频在线免费观看 | 脱女人内裤的视频| 国产黄a三级三级三级人| 日日夜夜操网爽| 色综合站精品国产| 一本综合久久免费| 免费搜索国产男女视频| 亚洲av五月六月丁香网| 亚洲黑人精品在线| 亚洲欧美精品综合一区二区三区| 国产成人精品无人区| 午夜激情av网站| 久久久久国内视频| 久久婷婷成人综合色麻豆| 热99re8久久精品国产| 亚洲国产精品sss在线观看| 亚洲男人的天堂狠狠| 午夜a级毛片| 黄色丝袜av网址大全| 亚洲成人国产一区在线观看| 国产精品一区二区免费欧美| 91麻豆精品激情在线观看国产| 首页视频小说图片口味搜索| 欧美日本亚洲视频在线播放| 国产亚洲欧美98| 国产在线观看jvid| 老司机福利观看| 一区福利在线观看| 国产在线精品亚洲第一网站| 在线免费观看的www视频| 久久这里只有精品19| 制服人妻中文乱码| 亚洲成人精品中文字幕电影| 精品无人区乱码1区二区| 一进一出抽搐gif免费好疼| 久久久久久亚洲精品国产蜜桃av| 欧美黄色片欧美黄色片| 精品久久久精品久久久| 成年人黄色毛片网站| 啦啦啦免费观看视频1| 可以在线观看毛片的网站| 电影成人av| 婷婷精品国产亚洲av在线| 精品第一国产精品| 国产高清有码在线观看视频 | 99久久综合精品五月天人人| 亚洲精品粉嫩美女一区| 黄色成人免费大全| 国产区一区二久久| 国产欧美日韩精品亚洲av| 亚洲av五月六月丁香网| 国产麻豆69| 欧美黄色片欧美黄色片| www日本在线高清视频| 18禁黄网站禁片午夜丰满| 黄色女人牲交| 久久精品亚洲精品国产色婷小说| 久9热在线精品视频| 日韩欧美一区视频在线观看| 色综合婷婷激情| 国产精华一区二区三区| 亚洲国产看品久久| 色播在线永久视频| 久久九九热精品免费| 男女下面进入的视频免费午夜 | 亚洲欧美精品综合一区二区三区| 免费不卡黄色视频| 老汉色av国产亚洲站长工具| 亚洲精品一卡2卡三卡4卡5卡| 夜夜夜夜夜久久久久| 亚洲av成人av| 一二三四在线观看免费中文在| 日本vs欧美在线观看视频| www.999成人在线观看| 成人国产综合亚洲| 日本vs欧美在线观看视频| 一二三四社区在线视频社区8| 国语自产精品视频在线第100页| 免费不卡黄色视频| АⅤ资源中文在线天堂| 少妇 在线观看| 日韩一卡2卡3卡4卡2021年| www.999成人在线观看| 黄色成人免费大全| www国产在线视频色| 欧美日韩中文字幕国产精品一区二区三区 | 99re在线观看精品视频| 久久久久久久久中文| 午夜精品在线福利| 久久婷婷人人爽人人干人人爱 | 黄片大片在线免费观看|