• <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
    一级作爱视频免费观看| 欧美一级毛片孕妇| 91九色精品人成在线观看| 天天添夜夜摸| 身体一侧抽搐| 99国产精品一区二区三区| 国产黄色小视频在线观看| 一区二区三区激情视频| 国产成人一区二区三区免费视频网站| 亚洲狠狠婷婷综合久久图片| 一进一出抽搐gif免费好疼| 国产探花在线观看一区二区| 男人的好看免费观看在线视频| 在线视频色国产色| 亚洲一区二区三区不卡视频| 真实男女啪啪啪动态图| 老司机午夜福利在线观看视频| 亚洲国产精品成人综合色| 村上凉子中文字幕在线| 999精品在线视频| 午夜福利高清视频| 日韩中文字幕欧美一区二区| 久久精品国产综合久久久| 精品一区二区三区av网在线观看| 欧美在线一区亚洲| 国产欧美日韩一区二区三| 成人国产一区最新在线观看| 国产亚洲av高清不卡| 成人国产综合亚洲| 757午夜福利合集在线观看| 免费观看精品视频网站| 亚洲国产色片| 精品久久久久久久末码| 一个人免费在线观看的高清视频| 国产乱人视频| 午夜免费观看网址| 久久久色成人| 无人区码免费观看不卡| 嫁个100分男人电影在线观看| 国产成年人精品一区二区| 亚洲成人精品中文字幕电影| 三级国产精品欧美在线观看 | 久久精品夜夜夜夜夜久久蜜豆| 伊人久久大香线蕉亚洲五| 国产三级中文精品| 亚洲av成人不卡在线观看播放网| 伊人久久大香线蕉亚洲五| 久久精品亚洲精品国产色婷小说| 在线看三级毛片| 2021天堂中文幕一二区在线观| 久久精品人妻少妇| 亚洲专区字幕在线| 精品一区二区三区av网在线观看| 免费在线观看日本一区| 日本免费一区二区三区高清不卡| 亚洲18禁久久av| 少妇裸体淫交视频免费看高清| 69av精品久久久久久| 国产精品一及| 2021天堂中文幕一二区在线观| www.自偷自拍.com| 成人国产综合亚洲| 在线a可以看的网站| 欧美不卡视频在线免费观看| av天堂中文字幕网| 伊人久久大香线蕉亚洲五| 亚洲成人免费电影在线观看| 国产探花在线观看一区二区| 最新美女视频免费是黄的| 亚洲欧洲精品一区二区精品久久久| 日本在线视频免费播放| 国产97色在线日韩免费| 天天躁日日操中文字幕| av在线天堂中文字幕| 免费观看的影片在线观看| 丰满人妻熟妇乱又伦精品不卡| 中文字幕av在线有码专区| 久久精品国产综合久久久| 国产成人欧美在线观看| 一本精品99久久精品77| 精品日产1卡2卡| 国产真实乱freesex| 久久天躁狠狠躁夜夜2o2o| 国产成人影院久久av| 久久久久九九精品影院| 日韩av在线大香蕉| 波多野结衣高清作品| 亚洲精品色激情综合| 日韩成人在线观看一区二区三区| 亚洲成人中文字幕在线播放| 欧美高清成人免费视频www| 亚洲第一电影网av| netflix在线观看网站| 悠悠久久av| 巨乳人妻的诱惑在线观看| 日韩欧美 国产精品| 国产黄片美女视频| 成人国产综合亚洲| 国产精品野战在线观看| 啦啦啦韩国在线观看视频| 啦啦啦韩国在线观看视频| www日本在线高清视频| 欧美日韩综合久久久久久 | 国内久久婷婷六月综合欲色啪| 成人一区二区视频在线观看| 欧美日韩精品网址| 欧美日本亚洲视频在线播放| 亚洲性夜色夜夜综合| 午夜福利在线观看吧| xxxwww97欧美| 国产精品电影一区二区三区| 一个人看视频在线观看www免费 | 国产伦在线观看视频一区| 成人一区二区视频在线观看| 亚洲欧美日韩东京热| 国产乱人视频| 久久久成人免费电影| 香蕉丝袜av| 别揉我奶头~嗯~啊~动态视频| 在线观看免费午夜福利视频| 欧美日韩亚洲国产一区二区在线观看| 人妻丰满熟妇av一区二区三区| 91在线观看av| 无限看片的www在线观看| 全区人妻精品视频| 色老头精品视频在线观看| 老司机在亚洲福利影院| 9191精品国产免费久久| 99久久99久久久精品蜜桃| 99热精品在线国产| 成人欧美大片| 国产亚洲精品久久久久久毛片| 久久这里只有精品中国| 中文字幕人妻丝袜一区二区| 88av欧美| 淫秽高清视频在线观看| 国产成人福利小说| 91在线精品国自产拍蜜月 | 亚洲av成人不卡在线观看播放网| 午夜免费成人在线视频| 全区人妻精品视频| 熟妇人妻久久中文字幕3abv| 窝窝影院91人妻| 老熟妇乱子伦视频在线观看| 一区二区三区国产精品乱码| 国产人伦9x9x在线观看| 久久亚洲真实| 禁无遮挡网站| 麻豆成人午夜福利视频| 18禁黄网站禁片午夜丰满| 久久精品91无色码中文字幕| 亚洲黑人精品在线| 欧美日韩乱码在线| 桃红色精品国产亚洲av| 1024手机看黄色片| svipshipincom国产片| 老司机深夜福利视频在线观看| 欧美高清成人免费视频www| 可以在线观看毛片的网站| 两性午夜刺激爽爽歪歪视频在线观看| 一本综合久久免费| 熟妇人妻久久中文字幕3abv| 女同久久另类99精品国产91| 夜夜看夜夜爽夜夜摸| 最好的美女福利视频网| 精品不卡国产一区二区三区| 亚洲最大成人中文| 久久精品国产综合久久久| 韩国av一区二区三区四区| 91在线观看av| 好看av亚洲va欧美ⅴa在| 欧美激情久久久久久爽电影| 少妇丰满av| 一边摸一边抽搐一进一小说| 亚洲精品456在线播放app | 午夜亚洲福利在线播放| 琪琪午夜伦伦电影理论片6080| 日韩欧美免费精品| 我要搜黄色片| 亚洲九九香蕉| 亚洲美女视频黄频| 美女免费视频网站| 精品国产亚洲在线| 国产精品一区二区精品视频观看| 国产毛片a区久久久久| 欧美日本视频| 国产亚洲精品一区二区www| 亚洲av五月六月丁香网| 久久久久国产精品人妻aⅴ院| 看免费av毛片| 高清在线国产一区| av片东京热男人的天堂| av片东京热男人的天堂| 最近在线观看免费完整版| 日本a在线网址| 亚洲五月婷婷丁香| 嫁个100分男人电影在线观看| 男插女下体视频免费在线播放| xxxwww97欧美| 女人被狂操c到高潮| 国产v大片淫在线免费观看| 日本在线视频免费播放| 精品日产1卡2卡| 国产 一区 欧美 日韩| 99精品在免费线老司机午夜| 人人妻人人看人人澡| 又紧又爽又黄一区二区| 在线a可以看的网站| 亚洲国产高清在线一区二区三| 1000部很黄的大片| 日本与韩国留学比较| 91麻豆精品激情在线观看国产| 欧美性猛交╳xxx乱大交人| 亚洲精品久久国产高清桃花| 免费在线观看亚洲国产| 1024手机看黄色片| 在线免费观看不下载黄p国产 | 久久天躁狠狠躁夜夜2o2o| 久久精品91无色码中文字幕| 国产精品久久电影中文字幕| 亚洲第一欧美日韩一区二区三区| 亚洲无线在线观看| 久久久精品欧美日韩精品| 男人和女人高潮做爰伦理| 亚洲乱码一区二区免费版| 国产精品自产拍在线观看55亚洲| 757午夜福利合集在线观看| ponron亚洲| 久久精品国产清高在天天线| 亚洲欧美一区二区三区黑人| 性欧美人与动物交配| 免费看光身美女| 国内精品美女久久久久久| 亚洲欧美日韩无卡精品| a级毛片a级免费在线| 亚洲五月婷婷丁香| 黄色丝袜av网址大全| www日本在线高清视频| 一个人看的www免费观看视频| 男女午夜视频在线观看| АⅤ资源中文在线天堂| 国产成人精品久久二区二区91| 男插女下体视频免费在线播放| 欧美xxxx黑人xx丫x性爽| 亚洲精华国产精华精| 久久午夜亚洲精品久久| 香蕉国产在线看| e午夜精品久久久久久久| 亚洲av成人精品一区久久| 少妇熟女aⅴ在线视频| 国产亚洲精品久久久久久毛片| 男人舔奶头视频| 99热只有精品国产| 亚洲七黄色美女视频| 非洲黑人性xxxx精品又粗又长| 国内久久婷婷六月综合欲色啪| 黑人操中国人逼视频| 变态另类成人亚洲欧美熟女| 又紧又爽又黄一区二区| 亚洲人成伊人成综合网2020| 麻豆国产av国片精品| 亚洲人与动物交配视频| 欧美一级毛片孕妇| 国产精品久久电影中文字幕| 国产精品99久久久久久久久| 日韩大尺度精品在线看网址| 欧美日韩国产亚洲二区| 国内少妇人妻偷人精品xxx网站 | 午夜激情欧美在线| 亚洲欧美激情综合另类| 亚洲国产中文字幕在线视频| 国产av麻豆久久久久久久| 国产乱人伦免费视频| 精品久久久久久,| 欧美黑人欧美精品刺激| 亚洲国产精品成人综合色| av女优亚洲男人天堂 | 国产精品av久久久久免费| 精品久久久久久久久久免费视频| 99re在线观看精品视频| 国产淫片久久久久久久久 | 人妻久久中文字幕网| 黄色 视频免费看| 色播亚洲综合网| 丁香六月欧美| 1024香蕉在线观看| 老司机午夜福利在线观看视频| 麻豆久久精品国产亚洲av| 搡老妇女老女人老熟妇| 国产精品精品国产色婷婷| 欧美国产日韩亚洲一区| 无遮挡黄片免费观看| 99riav亚洲国产免费| 香蕉久久夜色| 国产三级黄色录像| 国产成人av激情在线播放| 精品人妻1区二区| 免费观看的影片在线观看| 国产午夜精品论理片| 美女高潮喷水抽搐中文字幕| 91麻豆av在线| 国产高清视频在线播放一区| 一本一本综合久久| 国产精品亚洲一级av第二区| 性色av乱码一区二区三区2| 成人18禁在线播放| 国产精品亚洲一级av第二区| 露出奶头的视频| 久久午夜综合久久蜜桃| 国产主播在线观看一区二区| 校园春色视频在线观看| av国产免费在线观看| 欧美日韩一级在线毛片| 一个人看的www免费观看视频| 久久中文字幕人妻熟女| 波多野结衣巨乳人妻| 国产精品久久久人人做人人爽| 亚洲人成伊人成综合网2020| 亚洲专区中文字幕在线| 亚洲欧美日韩高清专用| 国产亚洲精品久久久久久毛片| 两个人视频免费观看高清| 亚洲国产欧美网| 免费av毛片视频| 欧美3d第一页| av中文乱码字幕在线| 久9热在线精品视频| 老熟妇乱子伦视频在线观看| 日本免费a在线| 国产精品野战在线观看| 18禁国产床啪视频网站| 久久久久精品国产欧美久久久| 丁香欧美五月| 欧美3d第一页| 最好的美女福利视频网| 18禁黄网站禁片午夜丰满| 在线观看66精品国产| 亚洲av第一区精品v没综合| 丁香六月欧美| АⅤ资源中文在线天堂| 欧美最黄视频在线播放免费| 亚洲av成人av| 久久热在线av| 国产亚洲av高清不卡| 18禁观看日本| 国产99白浆流出| 18禁黄网站禁片免费观看直播| 波多野结衣高清作品| 中文字幕熟女人妻在线| 一本一本综合久久| 国产aⅴ精品一区二区三区波| 亚洲激情在线av| 日韩欧美精品v在线| 欧美一区二区精品小视频在线| 中文字幕人成人乱码亚洲影| 波多野结衣高清作品| 亚洲国产欧美一区二区综合| 国产精华一区二区三区| 人妻久久中文字幕网| 成人欧美大片| 国产黄片美女视频| 精品人妻1区二区| 免费观看人在逋| 美女高潮的动态| 国产精品99久久久久久久久| 天天躁狠狠躁夜夜躁狠狠躁| 欧美性猛交黑人性爽| 在线观看免费午夜福利视频| 免费一级毛片在线播放高清视频| 999久久久国产精品视频| 亚洲国产欧洲综合997久久,| 久久久色成人| 欧美最黄视频在线播放免费| 伊人久久大香线蕉亚洲五| 成在线人永久免费视频| 久久久国产成人精品二区| 国产黄片美女视频| 国产一区二区激情短视频| 1024手机看黄色片| 欧美大码av| 毛片女人毛片| 99精品久久久久人妻精品| 久久久久性生活片| 日本一本二区三区精品| 在线观看66精品国产| 国产免费av片在线观看野外av| 一个人观看的视频www高清免费观看 | 人人妻人人澡欧美一区二区| 91av网站免费观看| 中出人妻视频一区二区| 少妇熟女aⅴ在线视频| 巨乳人妻的诱惑在线观看| 成人午夜高清在线视频| 美女扒开内裤让男人捅视频| 手机成人av网站| 国产精品久久久av美女十八| aaaaa片日本免费| 999久久久国产精品视频| 操出白浆在线播放| 又粗又爽又猛毛片免费看| 99精品久久久久人妻精品| 老汉色∧v一级毛片| 毛片女人毛片| 国内精品美女久久久久久| 毛片女人毛片| 免费在线观看影片大全网站| 真人一进一出gif抽搐免费| 亚洲成人免费电影在线观看| 高清毛片免费观看视频网站| 老汉色∧v一级毛片| av女优亚洲男人天堂 | 欧美中文日本在线观看视频| 美女大奶头视频| 美女高潮的动态| 久久人人精品亚洲av| 美女高潮的动态| 婷婷精品国产亚洲av在线| 国产精品美女特级片免费视频播放器 | 欧美黑人巨大hd| 欧美日韩精品网址| a级毛片在线看网站| 精品福利观看| 国模一区二区三区四区视频 | 成人性生交大片免费视频hd| 国产野战对白在线观看| 夜夜夜夜夜久久久久| 人人妻,人人澡人人爽秒播| 老司机午夜十八禁免费视频| 2021天堂中文幕一二区在线观| 国产视频内射| 亚洲av成人不卡在线观看播放网| 欧美丝袜亚洲另类 | 中出人妻视频一区二区| 一a级毛片在线观看| 成人亚洲精品av一区二区| 日本 av在线| 国产激情久久老熟女| avwww免费| 国产成人啪精品午夜网站| 国产成人av教育| 国产一级毛片七仙女欲春2| 99在线视频只有这里精品首页| 悠悠久久av| 国产成人aa在线观看| 亚洲精品在线观看二区| 99久国产av精品| 日韩欧美一区二区三区在线观看| 久久午夜综合久久蜜桃| 亚洲中文av在线| 91九色精品人成在线观看| 日日干狠狠操夜夜爽| 亚洲专区国产一区二区| 真人一进一出gif抽搐免费| 日韩欧美国产一区二区入口| 色综合欧美亚洲国产小说| 九九久久精品国产亚洲av麻豆 | 男女下面进入的视频免费午夜| 久久午夜综合久久蜜桃| 色综合站精品国产| 99国产精品一区二区三区| 91久久精品国产一区二区成人 | 男女午夜视频在线观看| 国产精品 欧美亚洲| 深夜精品福利| 日韩欧美在线乱码| 69av精品久久久久久| 九九在线视频观看精品| 成人性生交大片免费视频hd| 国产精品久久久av美女十八| 最新美女视频免费是黄的| 琪琪午夜伦伦电影理论片6080| 超碰成人久久| 日韩高清综合在线| 国产精品久久久久久亚洲av鲁大| 蜜桃久久精品国产亚洲av| 深夜精品福利| 亚洲一区二区三区不卡视频| 中国美女看黄片| 久久久久久九九精品二区国产| 成人鲁丝片一二三区免费| 国产精品av视频在线免费观看| 日本一本二区三区精品| 国产精品av久久久久免费| 国产精品1区2区在线观看.| 麻豆国产av国片精品| 午夜福利18| 亚洲国产精品久久男人天堂| 国产高清视频在线观看网站| 韩国av一区二区三区四区| 国产精品久久久久久人妻精品电影| 亚洲人成网站在线播放欧美日韩| 中文字幕精品亚洲无线码一区| 国产精品久久久av美女十八| 国产高清三级在线| 久久中文字幕一级| 久久香蕉精品热| 精品一区二区三区四区五区乱码| 美女大奶头视频| 两个人看的免费小视频| 国产精品av久久久久免费| 久久国产精品影院| 久久这里只有精品19| 国产又色又爽无遮挡免费看| 一级毛片女人18水好多| 精品免费久久久久久久清纯| 精品国产亚洲在线| 色视频www国产| 欧美在线黄色| 国产精品久久电影中文字幕| 草草在线视频免费看| 级片在线观看| 日本黄大片高清| 国产欧美日韩精品亚洲av| xxx96com| 国产成人福利小说| 91九色精品人成在线观看| av在线天堂中文字幕| 欧美最黄视频在线播放免费| 亚洲激情在线av| 一卡2卡三卡四卡精品乱码亚洲| 亚洲av成人不卡在线观看播放网| 成人鲁丝片一二三区免费| 午夜福利欧美成人| 色尼玛亚洲综合影院| 精品国产美女av久久久久小说| 亚洲欧洲精品一区二区精品久久久| 午夜免费观看网址| 日韩欧美国产在线观看| АⅤ资源中文在线天堂| 午夜日韩欧美国产| 亚洲av电影在线进入| 久久久久免费精品人妻一区二区| 90打野战视频偷拍视频| 欧美高清成人免费视频www| 久久中文字幕人妻熟女| 又黄又粗又硬又大视频| 免费看美女性在线毛片视频| 亚洲专区字幕在线| 最近最新中文字幕大全免费视频| 国产精品乱码一区二三区的特点| 亚洲欧美一区二区三区黑人| 老司机在亚洲福利影院| 夜夜爽天天搞| 久久香蕉精品热| 真人一进一出gif抽搐免费| 日韩人妻高清精品专区| 非洲黑人性xxxx精品又粗又长| 日本与韩国留学比较| 久久久国产成人精品二区| 国产不卡一卡二| 国产精品永久免费网站| 色吧在线观看| 国产精品电影一区二区三区| 精品久久久久久久毛片微露脸| 韩国av一区二区三区四区| 亚洲精品中文字幕一二三四区| 精品福利观看| 男人的好看免费观看在线视频| 欧美三级亚洲精品| av视频在线观看入口| 热99re8久久精品国产| 男人舔女人的私密视频| 99riav亚洲国产免费| 国产精品亚洲一级av第二区| 一本久久中文字幕| 国产一区二区三区视频了| 午夜精品在线福利| 悠悠久久av| 老司机午夜十八禁免费视频| 啦啦啦免费观看视频1| 国产久久久一区二区三区| 欧美黄色片欧美黄色片| 一级毛片精品| 免费大片18禁| 国产精品1区2区在线观看.| 国产精华一区二区三区| 999久久久国产精品视频| 美女高潮的动态| 国产精品av视频在线免费观看| 两个人看的免费小视频| 欧美日韩中文字幕国产精品一区二区三区| 国产熟女xx| cao死你这个sao货| 久久精品91蜜桃| 国产精品美女特级片免费视频播放器 | 18禁黄网站禁片免费观看直播| 欧美国产日韩亚洲一区| 一二三四社区在线视频社区8| 一区二区三区国产精品乱码| 欧美成人一区二区免费高清观看 | 国产高清videossex| 91av网站免费观看| 久久久久久九九精品二区国产| 黄色丝袜av网址大全| 午夜亚洲福利在线播放| 欧美一区二区精品小视频在线| 黄色丝袜av网址大全| 黄频高清免费视频| 久久久久久九九精品二区国产| 亚洲欧洲精品一区二区精品久久久| 一个人免费在线观看电影 | 亚洲avbb在线观看| 欧美日韩中文字幕国产精品一区二区三区| 午夜两性在线视频| 一卡2卡三卡四卡精品乱码亚洲| 噜噜噜噜噜久久久久久91| 日本黄大片高清| 久久伊人香网站| 少妇裸体淫交视频免费看高清| 99久久久亚洲精品蜜臀av| 久久久久精品国产欧美久久久| 成年女人永久免费观看视频| 久久精品亚洲精品国产色婷小说| 午夜a级毛片| 别揉我奶头~嗯~啊~动态视频|