• <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CEEMDAN-WD-PSO-LSSVM模型的月徑流預測研究

    2021-09-02 02:27:18徐冬梅莊文濤王文川
    中國農村水利水電 2021年8期
    關鍵詞:徑流分量模態(tài)

    徐冬梅,莊文濤,王文川

    (華北水利水電大學水資源學院,鄭州450046)

    0 引 言

    徑流量是河川的重要水文變量之一,其準確預測可以為水資源系統(tǒng)特性分析和高效利用提供可靠依據[1]。由于水文系統(tǒng)復雜,河川徑流受氣候變化、下墊面和人類活動等眾多外界因素的影響,其序列常常表現出多時間尺度變化特征和非平穩(wěn)特征,這給月徑流的精確預測帶來很大困難[2]。

    根據國內外研究現狀,傳統(tǒng)的中長期徑流預測方法主要是應用數理統(tǒng)計理論和方法。近年來,隨著人工智能和計算機技術的不斷發(fā)展,基于數據驅動的現代智能算法正在逐步代替?zhèn)鹘y(tǒng)的數理統(tǒng)計方法[3],為徑流預報提供新的研究途徑,如回歸分析模型[4]、人工神經網絡模型[5]、灰色系統(tǒng)分析模型[6]、支持向量機模型[7]等被用來進行水文時間序列預測。其中支持向量機實現了結構風險最小化原理,理論上可以得到回歸或者分類問題的全局最優(yōu)解,是水文預報領域研究的重點。如李文莉等[8]將粒子群算法優(yōu)化的LSSVM 模型成功應用于月徑流預測,在一定程度上改善了徑流預測效果。

    當前徑流預測的研究大多注重引入新的預測模型方法。然而,在實際預測過程中,由于徑流時間序列具有復雜性,單一預測模型很難反映徑流的形成過程和變化規(guī)律,難以對整個徑流過程進行有效的擬合[9]。近年來,預測模型耦合越來越受到水文研究者的關注,混合模型在實際中是采用各種分解方法與不同預測模型進行組合,以分解算法為基礎,對數據進行預處理降低序列非平穩(wěn)性來達到提高模型預測精度的目的。張敬平等[10]提出了經驗模態(tài)分解與徑向基函數神經網絡混合徑流預測模型,利用經驗模態(tài)分解處理原始徑流序列,充分發(fā)揮了徑向基函數神經網絡的優(yōu)勢,在減小徑流預測誤差方面有明顯改善。周婷等[11]將WD 方法和支持向量機組合應用于徑流預測,WD 分解算法的引入可以顯著提高預測可靠性和預測精度。張金萍等[12]建立CEEMDAN-ARMA 組合模型預測年徑流量,改善了EMD分解存在的模態(tài)混疊問題,能更好地提取徑流序列中的信息,同時也驗證了分解-預測較單一ARMA 模型能有效減少預測誤差,得到更準確的預測結果。這表明采用分解技術對數據進行預處理,對徑流預測精度的提高是有效的。但是,一次分解技術不能很好地處理強非平穩(wěn)性和非線性序列,如CEEMDAN 分解產生的高頻分量仍具有很強的波動性,會增加建模難度,從而對預測精度產生影響。

    針對上述存在的問題,為進一步提高月徑流預測精度,本文提出利用WD 技術進一步處理CEEMDAN 分解的高頻序列,使得分解后的序列更加平穩(wěn),減少混合建模的預測誤差,提高PSO-LSSVM模型對中長期月徑流的預測能力。

    1 研究方法

    1.1 自適應噪聲完整集成經驗模態(tài)分解

    CEEMDAN 是Torres M E 等[13]2011年提出的一種新型噪聲輔助數據分析方法。它彌補了EMD[14]和EEMD[15]兩種方法存在的模態(tài)混淆以及重構序列中噪聲殘留缺點,還提高了計算效率。其具體算法如下:

    (1)對原始序列x(t)中添加有限數量的自適應白噪聲φ0ωi(t)(i=1,2…I),I為試驗次數。得到:

    (2)使用EMD 對每一個xi(t)=x(t)+φ0ωi(t),i=1,2…I進行分解,得到第一個模態(tài)分量IMF1和余量r1(t):

    (3)在余量r1(t)中添加白噪聲φ1E1[ωi(t)],其中E為EMD分解運算符,再進行EMD 分解得到第二個模態(tài)分量IMF2及余量r2(t):

    式中:Ek(?)為EMD分解產生的第k階模態(tài)分量。

    (4)計算第k個余量:

    (5)對每一個添加白噪聲余量分解,得到CEEMDAN 的第k+1階模態(tài)分量:

    重復(4)、(5),直到找出所有IMF分量。

    1.2 小波分解

    WD 分解是近年來被應用廣泛的分解方法,通過小波基的伸縮和平移分解非平穩(wěn)信號,根據局部變換時間和頻率,有效地從研究序列中提取信息,得到低頻分量和高頻分量。小波分解將每層低頻分量通過低通濾波器和高通濾波器得到下一層的低頻部分和高頻部分,實現了低頻趨勢序列和高頻細節(jié)序列的有效分離。原時間序列與各子序列關系可以表示成:

    式中:ak為低頻分量;di為高頻分量;k為分解層數。

    小波分解過程最重要的是小波基函數和小波的層數選擇[16],本文采用db4小波基函數和3層小波分解。如圖1所示。

    圖1 小波3層分解Fig.1 Wavelet three level decomposition

    1.3 LSSVM 模型

    由Suykens 等[17]提出的LSSVM 是SVM 的一種改進模型,采用最小二乘線性系統(tǒng),將不等式約束轉化為等式約束。把求解二次規(guī)劃問題轉變?yōu)榍蠼饩€性方程組,簡化計算復雜度,收斂速度更快,預測精度更高。其具體步驟如下:

    (1)設N個數據點的訓練集,其中xi∈Rn為輸入向量,yi∈Rn為輸出值。則樣本線性回歸函數為:

    式中:ω為權向量;ψ(x)為非線性映射函數;b為偏置量。

    (2)依據結構風險最小化原則,構造LSSVM優(yōu)化問題:

    約束條件為:

    式中:β為懲罰因子;ξ為誤差。

    (3)采用拉格朗日法求解目標函數得到:

    式中:α為拉格朗日乘子。

    (4)根據KKT 優(yōu)化條件,分別對ω、b、ξ、α求偏導,得到LSSVM模型函數為:

    式中:K(x,xi)為核函數。

    本文核函數采用徑向基RBF函數:

    式中:σ2為核函數參數。

    1.4 PSO算法

    粒子群算法是基于模擬鳥群的覓食行為全局優(yōu)化算法,通過個體間信息傳遞與合作來尋找最優(yōu)解[18]。粒子迭代搜索,收斂速度快,設置參數少,具有很強的全局尋優(yōu)能力。

    核函數參數σ和懲罰因子β會直接影響LSSVM 模型預測精度,本文通過PSO 算法迭代尋找LSSVM 模型一組最優(yōu)參數σ和β。算法原理如下:

    首先隨機初始化生成一群粒子,迭代時,每個粒子根據適應度值跟蹤自己的個體歷史最優(yōu)解和群體歷史最優(yōu)解。根據式(14)和(15)來更新自己的速度和位置。

    式中:xi、vi分別為粒子的速度和位置;c1、c2為學習因子;ω為慣性因子;rand()為(0,1)之間隨機數。

    1.5 CEEMDAN-WD-PSO-LSSVM 模型構建

    CEEMDAN 可以將非平穩(wěn)復雜序列分解為若干個復雜度低的子序列,對各個分量建立預測模型可有效提高預測精度。但是,以往對CEEMDAN分解建模時,沒有考慮高頻子序列復雜性較高,會降低預測精度。由于小波分解可以對CEEMDAN 得到高頻子序列進一步分解,降低高頻子序列復雜性。因此,本文提出二次分解技術,即采用CEEMDAN分解原始徑流序列,小波分解算法對其復雜度高的子序列進行二次分解,結合PSO 優(yōu)化的LSSVM 預測模型,提高月徑流預測精度。組合模型建模流程如圖2所示。

    圖2 CEEMDAN-WD-PSO-LSSVM 組合模型流程圖Fig.2 Hybrid CEEMDAN-WD-PSO-LSSVM model flow chart

    2 實例應用

    洛河是洛寧縣境內最大最主要的河流,同時也是黃河右岸的重要支流,黃河的主要洪水來源之一。河道全長447 km,河南境內長366 km。流域面積達18 881 km2。長水水文站建于1951年,位于河南洛寧縣長水鎮(zhèn),有著搜集洛河流域水文基本信息和及時向防汛應急部門提供實時水情信息的重要任務。受季風氣候影響,降水量隨季節(jié)變化有很大差異,徑流變化劇烈。該站1956-2016年實測月徑流序列如圖3所示。其序列足夠長,資料精度高,該資料的代表性能夠得到保證。

    圖3 長水站月徑流序列Fig.3 Monthly runoff series in Changshui station

    2.1 CEEMDAN分解月徑流時序數據

    通過CEEMDAN 方法對長水站1956-2016年月徑流樣本數據進行分解,降低原始徑流時間序列的波動性。設定CEEM?DAN 算法參數Nstd為0.2,NR為100,Maxlter為5 000,原始徑流序列最終分解為9 個IMF分量和1 個余量r,共10 個分量。r分量反映出長水站徑流總體呈下降趨勢,分解結果如圖4所示。其子序列表現出該徑流序列的頻率變化和振幅變化。頻率由高到低、振幅從大到小進行排列,從圖4中可以看出IMF1、IMF2和IMF3 波動最大,復雜度較高,依然具有很強的非線性和非平穩(wěn)性特征,不利于預測的準確性。

    圖4 CEEMDAN分解月徑流序列結果Fig.4 Decomposition results of monthly runoff series using CEEMDAN

    2.2 WD二次分解

    針對利用高頻分量建模預測效果不理想的問題,在建模時利用WD 對其進行二次分解,以進一步降低高頻子序列的復雜性。本文采用db4 小波基函數通過Matlab2018b 軟件的小波工具箱對IMF1、IMF2 以及IMF3 進行3 層小波分解獲取其趨勢序列和細節(jié)序列。WD 分解IMF1 的結果如圖5所示。對IMF2、IMF3等高頻序列分別進行WD 分解,原始徑流序列經過CEEM?DAN-WD二次分解之后共有19個子序列。

    圖5 小波分解IMF1結果Fig.5 Results of wavelet decomposition of IMF1

    2.3 模型構建及預測

    利用PSO 優(yōu)化算法,對LSSVM 的兩個參數β和σ進行尋優(yōu),建立PSO-LSSVM 模型。初始化粒子群的種群大小、學習因子、位置、速度、搜索范圍和迭代次數。PSO算法基本參數為:學習因子c1和c2都設為2,最大迭代次數K設為100,種群數量m設為20,ω∈[0.4,0.99]。將經CEEMDAN 分解的復雜性較低分量和IMF1、IMF2 和IMF3 經WD 方法二次分解的各分量作為PSO-LSSVM 模型的輸入,分別預測各分量的結果,最后將每個子序列預測結果疊加得到最終月徑流量預測值。本文基于Matlab2018b軟件和LSSVM 工具箱預測研究,利用長水站1956-2016年共61年月徑流觀測數據,共計732 個月徑流數據,利用前672 個徑流數據為訓練樣本,訓練模型,后60 個數據為測試樣本用于驗證模型。

    選取單一PSO-LSSVM 預測模型、組合模型CEEMDANPSO-LSSVM 模型、WD-PSO-LSSVM 模型以及CEEMDAN-WDPSO-LSSVM 四種方法分別進行預測,用來比較模型預測效果。各模型預測結果如圖6所示。

    圖6 不同模型預測結果Fig.6 Prediction results of different models

    2.4 預測結果評價準則

    為評價CEEMDAN-WD-PSO-LSSVM 混合模型的預測精度,選取均方根誤差RMSE、納什效率系數NSEC、平均絕對百分比誤差MAPE、相關系數R四種評價指標來評價模型的預測結果的優(yōu)劣,4種評價準則計算公式為:

    式中:yi為第i個樣本的真實值;為第i個樣本的預測值;yavg為所有實測值的平均值;為所有預測值的平均值。

    利用組合模型擬合訓練期的數據,并對訓練期和驗證期的數據進行模擬及預測,不同模型的預測結果評價統(tǒng)計如表1所列。表1的結果分別比較了4 類模型訓練期月徑流量和驗證期月徑流量的R、NSEC、RMSE、MAPE。

    表1 各種模型預測誤差對比Tab.1 Comparison of prediction errors of various models

    2.5 預測結果分析

    從圖6中可以看出單一PSO-LSSVM 模型預測值與實測值誤差較大,擬合效果最差,采用CEEMDAN-PSO-LSSVM 單一分解方法得到的預測結果與實測徑流之間也存在較大偏差,對實測徑流序列峰值,偏差更為明顯。利用CEEMDAN-WD 二次分解和PSO-LSSVM 組合模型擬合效果最好,預測結果更接近實際徑流,驗證了本文所提模型的準確性和優(yōu)越性。

    從表1中評價準則統(tǒng)計結果可以看出,組合模型CEEM?DAN-PSO-LSSVM、WD-PSO-LSSVM 和CEEMDAN-WD-PSOLSSVM 的預測效果遠優(yōu)于單一的PSO-LSSVM 預測模型,在驗證期R、NSEC、RMSE、MAPE四項準確性評價指標上都有較大的提高。

    (1)CEEMDAN-WD-PSO-LSSVM 組合模型與PSO-LSSVM模型相比,相關系數R和納什效率系數NSEC分別提高了200.00%、479.17%;均方根誤差RMSE和平均絕對百分比誤差MAPE分別減少73.68%、84.86%。

    (2)CEEMDAN-WD-PSO-LSSVM 組合模型與CEEMDANPSO-LSSVM 模型相比,相關系數R和納什效率系數NSEC分別提高了15.66%、37.88%;均方根誤差RMSE和平均絕對百分比誤差MAPE分別減少了50.02%、48.86%。

    (3)CEEMDAN-WD-PSO-LSSVM 組合模型與WD-PSOLSSVM 模型相比,相關系數R和納什效率系數NSEC分別提高了2.13%、4.60%;均方根誤差RMSE、平均絕對百分比誤差MAPE分別減少了17.96%、28.72%。

    3 結 論

    為提高中長期徑流預報的精度,本文研究了CEEMDANWD 二次分解在徑流時間序列中的實用性和可行性,構建了PSO-LSSVM、CEEMDAN-PSO-LSSVM、WD-PSO-LSSVM 和CEEMDAN-WD-PSO-LSSVM 4 種預測模型,并以洛河長水水文站月徑流資料來驗證對比了不同模型的預測效果。主要結論如下:

    (1)相比于單一的PSO-LSSVM 預測模型,CEEMDAN 分解能有效地降低原始數據的復雜性,使得徑流序列平穩(wěn),能夠與預測模型進行更好的耦合,得到更準確的預測結果。

    (2)WD 分解技術可以將序列分解成高頻部分和低頻部分,得到較為穩(wěn)定的序列,對CEEMDAN無法解決 高頻序列的非平穩(wěn)性特征有顯著的處理能力。

    (3)CEEMDAN-WD 二次分解能最大限度對數據進行再處理,其組合模型優(yōu)勢明顯,預測能力優(yōu)于單一分解預測,能較大提高模型預測精度和可靠性。為中長期月徑流預報研究提供一種新途徑,其他流域的月徑流預測及相關預測研究提供參考。□

    猜你喜歡
    徑流分量模態(tài)
    帽子的分量
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    論《哈姆雷特》中良心的分量
    分量
    Topmodel在布哈河流域徑流模擬中的應用
    國內多模態(tài)教學研究回顧與展望
    探秘“大徑流”
    攻克“大徑流”
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識別
    由單個模態(tài)構造對稱簡支梁的抗彎剛度
    計算物理(2014年2期)2014-03-11 17:01:39
    日韩一区二区三区影片| 午夜福利视频1000在线观看| 可以在线观看的亚洲视频| 成年av动漫网址| 欧美最黄视频在线播放免费| 中文亚洲av片在线观看爽| 久久人人精品亚洲av| 深夜精品福利| 亚洲高清免费不卡视频| 国产精品伦人一区二区| 97超碰精品成人国产| 波野结衣二区三区在线| 黄片wwwwww| 国产国拍精品亚洲av在线观看| 免费人成视频x8x8入口观看| 老司机福利观看| 欧美高清成人免费视频www| 国产熟女欧美一区二区| 九九久久精品国产亚洲av麻豆| 国产国拍精品亚洲av在线观看| 欧美xxxx黑人xx丫x性爽| 国产精品一区二区三区四区免费观看| 国产亚洲精品久久久久久毛片| 亚洲精品日韩av片在线观看| av在线天堂中文字幕| 国产亚洲精品久久久com| 中文字幕免费在线视频6| 久久亚洲国产成人精品v| 国产午夜福利久久久久久| 久久久成人免费电影| 免费人成视频x8x8入口观看| 99久久人妻综合| 亚洲国产精品合色在线| 成人国产麻豆网| 亚洲七黄色美女视频| 秋霞在线观看毛片| 国产伦一二天堂av在线观看| 婷婷色综合大香蕉| 丝袜美腿在线中文| 亚洲第一电影网av| 国产精品1区2区在线观看.| av免费观看日本| 最近视频中文字幕2019在线8| 1024手机看黄色片| 少妇熟女欧美另类| 尾随美女入室| 变态另类成人亚洲欧美熟女| 亚洲自拍偷在线| 乱人视频在线观看| 成人亚洲精品av一区二区| 熟妇人妻久久中文字幕3abv| 国产午夜精品久久久久久一区二区三区| 嫩草影院精品99| 国产中年淑女户外野战色| 欧美变态另类bdsm刘玥| 久久人人精品亚洲av| av在线天堂中文字幕| 国产亚洲欧美98| 国产亚洲精品av在线| av天堂在线播放| 亚洲精品国产成人久久av| 亚洲成人久久爱视频| 国产探花在线观看一区二区| 国产三级中文精品| av在线蜜桃| 久久欧美精品欧美久久欧美| 婷婷六月久久综合丁香| 少妇的逼好多水| 亚洲av第一区精品v没综合| 2022亚洲国产成人精品| 久久99精品国语久久久| 五月伊人婷婷丁香| 国产精品免费一区二区三区在线| 久久久久久大精品| 日韩av在线大香蕉| 久久久久网色| 又爽又黄无遮挡网站| 99久久成人亚洲精品观看| 黄色欧美视频在线观看| 久久精品国产亚洲av涩爱 | 3wmmmm亚洲av在线观看| 深夜精品福利| 国产黄色小视频在线观看| 给我免费播放毛片高清在线观看| 免费观看精品视频网站| 国产爱豆传媒在线观看| 国产精品日韩av在线免费观看| 亚洲人与动物交配视频| 日本熟妇午夜| 久久精品国产清高在天天线| 午夜爱爱视频在线播放| 欧美日本视频| av免费观看日本| 免费搜索国产男女视频| 99热这里只有是精品50| 日韩av不卡免费在线播放| 亚洲无线在线观看| 欧美成人免费av一区二区三区| 老熟妇乱子伦视频在线观看| 亚洲av成人av| 欧美色欧美亚洲另类二区| 亚洲无线观看免费| 热99在线观看视频| 春色校园在线视频观看| 免费一级毛片在线播放高清视频| 国产极品天堂在线| 91久久精品国产一区二区成人| 国产精品永久免费网站| 精品人妻偷拍中文字幕| 校园人妻丝袜中文字幕| 国产久久久一区二区三区| 精品不卡国产一区二区三区| 色哟哟·www| 99热6这里只有精品| 伦精品一区二区三区| av国产免费在线观看| 免费人成视频x8x8入口观看| 黄色欧美视频在线观看| 久久国产乱子免费精品| 18禁裸乳无遮挡免费网站照片| 亚洲av成人精品一区久久| 在线观看av片永久免费下载| 91在线精品国自产拍蜜月| 国产久久久一区二区三区| 欧美三级亚洲精品| 国产一区二区亚洲精品在线观看| a级毛色黄片| 国产精品99久久久久久久久| 久久久成人免费电影| 亚洲欧美日韩高清专用| 特级一级黄色大片| 日日撸夜夜添| 欧美xxxx性猛交bbbb| 日日摸夜夜添夜夜添av毛片| 精品国产三级普通话版| 亚洲国产精品成人久久小说 | 免费人成视频x8x8入口观看| 成人一区二区视频在线观看| 97人妻精品一区二区三区麻豆| 亚洲国产精品成人综合色| 国产又黄又爽又无遮挡在线| 精品人妻偷拍中文字幕| 性插视频无遮挡在线免费观看| 最近最新中文字幕大全电影3| 久久久久久九九精品二区国产| 欧美一区二区亚洲| 又黄又爽又刺激的免费视频.| 日本免费一区二区三区高清不卡| 丝袜美腿在线中文| 国产在线男女| 99久久精品热视频| 欧美色欧美亚洲另类二区| 99久久九九国产精品国产免费| 亚洲欧美精品综合久久99| av福利片在线观看| 嫩草影院精品99| 成年av动漫网址| 色哟哟哟哟哟哟| 91久久精品国产一区二区三区| 男人狂女人下面高潮的视频| 免费无遮挡裸体视频| 爱豆传媒免费全集在线观看| 干丝袜人妻中文字幕| 看十八女毛片水多多多| 久久久久久久午夜电影| 午夜精品国产一区二区电影 | 卡戴珊不雅视频在线播放| 国产色爽女视频免费观看| 国产乱人视频| 亚洲高清免费不卡视频| 尾随美女入室| 欧美精品国产亚洲| 国产精品久久电影中文字幕| 2022亚洲国产成人精品| 亚洲精品久久国产高清桃花| 久久亚洲国产成人精品v| 久久99热这里只有精品18| 精品欧美国产一区二区三| 免费av观看视频| 看非洲黑人一级黄片| 亚洲四区av| 国产精品不卡视频一区二区| 国产精品国产三级国产av玫瑰| 少妇熟女欧美另类| 国产成人精品久久久久久| 美女xxoo啪啪120秒动态图| 九九爱精品视频在线观看| 日韩欧美 国产精品| 最近中文字幕高清免费大全6| 老师上课跳d突然被开到最大视频| 男的添女的下面高潮视频| 综合色丁香网| 免费人成在线观看视频色| 亚洲成人精品中文字幕电影| 国产老妇伦熟女老妇高清| 国产午夜精品论理片| 国产私拍福利视频在线观看| 婷婷色av中文字幕| 一区二区三区高清视频在线| 国模一区二区三区四区视频| 18+在线观看网站| 丰满的人妻完整版| 久久精品国产亚洲网站| 人妻夜夜爽99麻豆av| 免费观看人在逋| 最近最新中文字幕大全电影3| 91久久精品电影网| 少妇的逼好多水| 亚洲最大成人手机在线| 亚洲av电影不卡..在线观看| 91精品一卡2卡3卡4卡| 天堂中文最新版在线下载 | 日韩欧美一区二区三区在线观看| 久久久久久大精品| 99在线视频只有这里精品首页| 国产综合懂色| 成人特级黄色片久久久久久久| 搡女人真爽免费视频火全软件| 久久6这里有精品| 男人狂女人下面高潮的视频| 亚洲性久久影院| 久久精品人妻少妇| 国产黄片视频在线免费观看| 日本黄色片子视频| 国产免费一级a男人的天堂| 天美传媒精品一区二区| 国产激情偷乱视频一区二区| 久久精品国产亚洲av香蕉五月| 一级黄片播放器| 国产亚洲精品久久久久久毛片| 成人漫画全彩无遮挡| 国产乱人偷精品视频| 亚洲精品亚洲一区二区| 亚洲欧美清纯卡通| 国产毛片a区久久久久| 哪里可以看免费的av片| 亚洲国产精品久久男人天堂| 国产精品福利在线免费观看| 国产亚洲精品久久久com| 伊人久久精品亚洲午夜| 亚洲无线在线观看| 99精品在免费线老司机午夜| 草草在线视频免费看| 秋霞在线观看毛片| 午夜福利高清视频| 高清毛片免费观看视频网站| 国产毛片a区久久久久| 欧美性猛交黑人性爽| 亚洲第一电影网av| 精华霜和精华液先用哪个| 精品一区二区三区视频在线| 人体艺术视频欧美日本| 亚洲av第一区精品v没综合| 一级毛片aaaaaa免费看小| 男人舔女人下体高潮全视频| 免费看日本二区| 亚洲欧美精品自产自拍| 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| 国产一区二区三区在线臀色熟女| 国产色婷婷99| 国产精品一及| 国产一级毛片在线| 最好的美女福利视频网| 一进一出抽搐动态| 身体一侧抽搐| 一级毛片我不卡| 特级一级黄色大片| 美女xxoo啪啪120秒动态图| 国产色婷婷99| 97超视频在线观看视频| 国产在视频线在精品| 亚洲自拍偷在线| 久99久视频精品免费| 国产亚洲精品久久久久久毛片| а√天堂www在线а√下载| 欧美最黄视频在线播放免费| 免费不卡的大黄色大毛片视频在线观看 | 国产极品精品免费视频能看的| 免费大片18禁| 尾随美女入室| 乱人视频在线观看| 啦啦啦韩国在线观看视频| 亚洲综合色惰| 国产精品久久电影中文字幕| 看非洲黑人一级黄片| 亚洲成a人片在线一区二区| 两个人的视频大全免费| 免费观看的影片在线观看| 久久久久国产网址| a级毛片免费高清观看在线播放| 亚洲天堂国产精品一区在线| 久久精品国产亚洲av香蕉五月| 国产单亲对白刺激| 男人舔奶头视频| 国产精品嫩草影院av在线观看| 伦理电影大哥的女人| 青春草亚洲视频在线观看| 可以在线观看毛片的网站| 免费av毛片视频| 桃色一区二区三区在线观看| 人人妻人人澡欧美一区二区| 午夜激情欧美在线| 亚洲av中文av极速乱| av女优亚洲男人天堂| 女同久久另类99精品国产91| 日韩欧美精品免费久久| 国产精品一区二区在线观看99 | 国产精品久久久久久久电影| 毛片一级片免费看久久久久| 国产黄片美女视频| 91久久精品国产一区二区成人| 伦精品一区二区三区| 综合色av麻豆| 亚洲欧美日韩高清在线视频| 欧美精品国产亚洲| 精品国内亚洲2022精品成人| 床上黄色一级片| 国产在线精品亚洲第一网站| 亚洲av男天堂| 国产精品永久免费网站| 国产精品久久久久久精品电影| 亚洲av电影不卡..在线观看| 亚洲国产精品sss在线观看| 久久久久性生活片| 自拍偷自拍亚洲精品老妇| 能在线免费观看的黄片| 日韩欧美 国产精品| 99久国产av精品国产电影| 国产精品一区二区在线观看99 | 免费观看a级毛片全部| 国产真实乱freesex| 国产一级毛片七仙女欲春2| 欧美xxxx黑人xx丫x性爽| 伦理电影大哥的女人| 岛国在线免费视频观看| 欧美不卡视频在线免费观看| 丝袜美腿在线中文| 亚洲经典国产精华液单| av卡一久久| 亚洲最大成人中文| 亚洲国产精品成人综合色| 少妇熟女aⅴ在线视频| av在线天堂中文字幕| 97超碰精品成人国产| 亚洲精品国产成人久久av| 国产激情偷乱视频一区二区| 国产视频首页在线观看| 97超碰精品成人国产| 淫秽高清视频在线观看| 欧美高清成人免费视频www| a级毛片免费高清观看在线播放| 亚洲丝袜综合中文字幕| 麻豆国产97在线/欧美| 青春草视频在线免费观看| 99热只有精品国产| 青春草视频在线免费观看| 久久精品影院6| 又黄又爽又刺激的免费视频.| 国产精品免费一区二区三区在线| 亚洲在线观看片| 国产高清视频在线观看网站| 成人综合一区亚洲| 床上黄色一级片| 免费人成在线观看视频色| 哪里可以看免费的av片| 国产午夜精品一二区理论片| 99九九线精品视频在线观看视频| 麻豆成人av视频| 免费观看人在逋| 国产免费男女视频| 成人午夜高清在线视频| 国产伦精品一区二区三区四那| 久久99热这里只有精品18| 少妇熟女欧美另类| 黄色一级大片看看| 我的女老师完整版在线观看| 深爱激情五月婷婷| 性插视频无遮挡在线免费观看| 亚洲三级黄色毛片| 99国产极品粉嫩在线观看| 久久午夜福利片| 看黄色毛片网站| 99久久中文字幕三级久久日本| 久久精品久久久久久久性| 高清午夜精品一区二区三区 | 国产高清三级在线| av国产免费在线观看| 国产成人aa在线观看| 成人亚洲欧美一区二区av| 成人漫画全彩无遮挡| 天堂网av新在线| 黄片wwwwww| 国产中年淑女户外野战色| 天堂中文最新版在线下载 | 99热这里只有是精品在线观看| 国产三级在线视频| 一卡2卡三卡四卡精品乱码亚洲| 亚洲美女视频黄频| 国产综合懂色| 色哟哟·www| 97超碰精品成人国产| 免费大片18禁| 网址你懂的国产日韩在线| av卡一久久| 美女脱内裤让男人舔精品视频 | 老熟妇乱子伦视频在线观看| 一级毛片我不卡| 国产一级毛片七仙女欲春2| 在线免费十八禁| 日韩人妻高清精品专区| 热99re8久久精品国产| 欧美又色又爽又黄视频| 男人狂女人下面高潮的视频| 日韩制服骚丝袜av| 99热这里只有是精品50| a级毛片免费高清观看在线播放| 中文资源天堂在线| 卡戴珊不雅视频在线播放| 精品不卡国产一区二区三区| 在线免费十八禁| 久久久午夜欧美精品| 免费看日本二区| 成人国产麻豆网| 乱码一卡2卡4卡精品| 亚洲av成人av| av在线亚洲专区| 99国产精品一区二区蜜桃av| 欧美区成人在线视频| 好男人在线观看高清免费视频| 1000部很黄的大片| 亚洲人与动物交配视频| av国产免费在线观看| 在线播放国产精品三级| 亚洲内射少妇av| 中文字幕av在线有码专区| 欧美日韩乱码在线| 国产黄片美女视频| 1024手机看黄色片| 蜜臀久久99精品久久宅男| 中出人妻视频一区二区| 久久婷婷人人爽人人干人人爱| 亚洲久久久久久中文字幕| 久久99热这里只有精品18| av在线老鸭窝| 97人妻精品一区二区三区麻豆| 国产视频内射| 久久精品国产自在天天线| 别揉我奶头 嗯啊视频| 99热网站在线观看| 大又大粗又爽又黄少妇毛片口| 激情 狠狠 欧美| 日韩国内少妇激情av| 中国美女看黄片| 边亲边吃奶的免费视频| 麻豆av噜噜一区二区三区| 国内揄拍国产精品人妻在线| 欧美一级a爱片免费观看看| 久久久久久国产a免费观看| 国产精品99久久久久久久久| 亚洲精品久久国产高清桃花| 国内少妇人妻偷人精品xxx网站| 美女高潮的动态| 久久精品久久久久久噜噜老黄 | av在线蜜桃| a级毛色黄片| 国内揄拍国产精品人妻在线| 成人综合一区亚洲| 我要搜黄色片| 全区人妻精品视频| 麻豆成人午夜福利视频| 97人妻精品一区二区三区麻豆| 精品久久久久久久久久久久久| 亚洲18禁久久av| 国产亚洲精品av在线| 男女视频在线观看网站免费| 亚洲成人久久性| 美女 人体艺术 gogo| 哪个播放器可以免费观看大片| 天堂影院成人在线观看| 久久精品影院6| 国产精品麻豆人妻色哟哟久久 | 国产精品一区二区三区四区久久| 色5月婷婷丁香| 好男人视频免费观看在线| 亚洲中文字幕一区二区三区有码在线看| 国产精品美女特级片免费视频播放器| 欧美日韩精品成人综合77777| 国产高清三级在线| 欧美一区二区亚洲| 国产亚洲精品久久久久久毛片| 午夜激情欧美在线| 草草在线视频免费看| 亚洲丝袜综合中文字幕| 久久6这里有精品| 日本黄大片高清| 欧美3d第一页| 国产精品一及| 日日摸夜夜添夜夜添av毛片| 亚洲精品久久国产高清桃花| 午夜福利在线在线| 99久久成人亚洲精品观看| 国产一区二区激情短视频| 久久久久国产网址| 最近手机中文字幕大全| 欧美日本亚洲视频在线播放| 国产乱人偷精品视频| 一级毛片电影观看 | 91久久精品电影网| 亚洲av电影不卡..在线观看| 国产成人福利小说| 成人午夜精彩视频在线观看| 亚洲最大成人av| 中文资源天堂在线| 午夜亚洲福利在线播放| 好男人在线观看高清免费视频| 国产探花极品一区二区| 观看美女的网站| 99久久九九国产精品国产免费| 男女视频在线观看网站免费| 欧美三级亚洲精品| 国产精品久久久久久精品电影小说 | 美女cb高潮喷水在线观看| 中文亚洲av片在线观看爽| 1024手机看黄色片| 男女啪啪激烈高潮av片| 欧美色欧美亚洲另类二区| 精品久久久久久久久亚洲| 高清在线视频一区二区三区 | 欧美区成人在线视频| 久久九九热精品免费| 久久热精品热| 亚洲一区高清亚洲精品| 亚洲欧美成人综合另类久久久 | 18+在线观看网站| 久久综合国产亚洲精品| 精品少妇黑人巨大在线播放 | a级毛片a级免费在线| 国产激情偷乱视频一区二区| 欧美一区二区国产精品久久精品| 国产午夜精品一二区理论片| 国产精品日韩av在线免费观看| 成人午夜精彩视频在线观看| 国产一区二区亚洲精品在线观看| 国产激情偷乱视频一区二区| 亚洲国产欧美人成| 免费一级毛片在线播放高清视频| 超碰av人人做人人爽久久| 看免费成人av毛片| 天天躁日日操中文字幕| 日本-黄色视频高清免费观看| 国产亚洲精品久久久com| 91久久精品电影网| 在线免费观看不下载黄p国产| 国产极品天堂在线| 免费在线观看成人毛片| 99国产极品粉嫩在线观看| 婷婷色av中文字幕| 在线观看一区二区三区| 久久久久久久久久久丰满| 99热网站在线观看| 亚洲欧美日韩高清在线视频| 99在线人妻在线中文字幕| 国产成人午夜福利电影在线观看| 少妇裸体淫交视频免费看高清| 欧美日韩国产亚洲二区| 嫩草影院新地址| 夫妻性生交免费视频一级片| 老司机影院成人| 男女啪啪激烈高潮av片| 成人二区视频| 久久99热这里只有精品18| 精品久久久噜噜| 国产一区二区三区在线臀色熟女| 国产成人freesex在线| 国产精品久久视频播放| 美女脱内裤让男人舔精品视频 | 国产激情偷乱视频一区二区| 六月丁香七月| 国产精品福利在线免费观看| 大又大粗又爽又黄少妇毛片口| 国产成人a∨麻豆精品| 蜜臀久久99精品久久宅男| 亚洲在线自拍视频| 卡戴珊不雅视频在线播放| 99国产极品粉嫩在线观看| 亚洲人成网站高清观看| 欧美在线一区亚洲| 日产精品乱码卡一卡2卡三| 精品久久久久久久久久免费视频| 69人妻影院| 亚洲精品乱码久久久久久按摩| 高清在线视频一区二区三区 | 日本一二三区视频观看| 3wmmmm亚洲av在线观看| 国产成人午夜福利电影在线观看| 毛片女人毛片| 亚洲欧美成人综合另类久久久 | 日本色播在线视频| 赤兔流量卡办理| 午夜老司机福利剧场| av国产免费在线观看| 久久久欧美国产精品| 一本一本综合久久| 99久久精品热视频| 国产探花极品一区二区| 三级毛片av免费| av又黄又爽大尺度在线免费看 | 精品人妻偷拍中文字幕| 中文在线观看免费www的网站| 午夜亚洲福利在线播放| 日韩av不卡免费在线播放| 乱码一卡2卡4卡精品| 丝袜美腿在线中文| 亚洲乱码一区二区免费版|