• <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GRA-LSTM 與SARIMA 組合模型的季節(jié)性時間序列預測

    2021-12-17 00:56:52羅廣誠郜家玨蔡文學
    智能計算機與應用 2021年6期
    關鍵詞:元組關聯(lián)度預測

    羅廣誠,郜家玨,蔡文學

    (華南理工大學 電子商務系,廣州 510000)

    0 引言

    時間序列預測是通過歷史觀測數據建立模型以解釋數據變化規(guī)律,并對未來進行預測的技術,廣泛應用在水文氣象、信號處理以及金融經濟等許多領域。時間序列數據分為平穩(wěn)性時間序列和非平穩(wěn)性時間序列。對于平穩(wěn)時間序列,尤其是線性模型的建模和預測,已有許多成熟的技術和方法。但在實際問題中,大多數序列并非平穩(wěn)、線性的,而目前對于這類時間序列的分析和處理上沒有較為完善的方法。

    隨著人工智能技術的發(fā)展,神經網絡、支持向量機等模型以其良好的非線性預測和實用性,被廣泛應用在時間序列預測中。其中長短期記憶網絡(Long Short-term Memory,LSTM)是應用最廣泛的預測方法之一,主要應用方面有交通流預測、故障時間預測、語義關系分類、文本分類、情感分類、股票預測等方面[1-5]。LSTM 模型是一種時間遞歸神經網絡,對于時間序列的數據而言預測精度高,并且LSTM 模型擁有大量的非線性傳輸層,不僅可以依據歷史數據對未來變化趨勢進行預測,還可以通過輸入影響因素等非線性數據敏銳捕捉非線性因素影響下的未來變化;基于灰色關聯(lián)度分析(Grey Relation Analysis,GRA)進行LSTM 模型中非線性輸入因素的選擇是常用的方式[6]。但其也存在對季節(jié)性時間序列中的周期、趨勢性變化不敏感的特點[7]。而季節(jié)性差分自回歸移動平均模型(Seasonal Autoregressive Integrated Moving Average,SARIMA)對于包含周期、趨勢性變化的季節(jié)性時間序列預測具有良好的效果,目前被廣泛應用在城市交通流預測、價格預測、疾病預測、CPI 和GDP指數預測等方面[8-10]。然而SARIMA 模型僅適用于短期線性時間序列的預測并且預測精度較低[11]。

    綜上所述,若采用組合思想則能夠充分利用二者的優(yōu)勢,實現(xiàn)對序列更為準確的預測。針對SARIMA 模型和LSTM 模型的組合,文獻[12]中提出將兩種模型進行串聯(lián)組合,將SARIMA 模型預測后的結果作為輸入層數據,重新輸入到LSTM 模型中,得到最終結果。而本文針對兩種模型預測上的優(yōu)劣勢,提出采用并聯(lián)方式將兩種模型進行組合,即將數據分別輸入SARIMA 模型與LSTM 模型,然后再對兩種預測結果進行合理并聯(lián),以實現(xiàn)將SARIMA 對周期、趨勢性變化敏感的優(yōu)點及LSTM預測精度高且可以用來非線性數據進行預測的優(yōu)點相組合,提高季節(jié)性時間序列預測精度。其中GRA-LSTM 模型的輸入數據需要基于GRA 法選取關鍵影響因素作為非線性數據輸入。本文以某民航公司春運數據為例,對組合模型進行了驗證。結果表明,組合模型的預測精度高于支持向量機、灰色預測、GRA-LSTM 單模型以及SARIMA 單模型。

    1 GRA-LSTM 模型

    GRA—LSTM 模型是由GRA 和LSTM 模型組合而成,基本原理是先根據GRA 法結果,選擇相關性高的因素作為關鍵影響因素,然后將其作為非線性輸入量輸入到LSTM 模型中進行預測。

    1.1 GRA法

    GRA 法是一種基于各影響因素數據分析,用灰色關聯(lián)度來描述因素間關系的多因素統(tǒng)計分析方法。GRA 法原理簡單,不需要大量數據作為基礎,計算量小、運行速度快,適用于分析各種影響因素與客流量之間存在的相關關系。因此,采用GRA 法求得各影響因素與民航客流量之間序列變化趨勢的相似或相異程度,從而刪選出影響民航客流量的關鍵影響因素,并作為LSTM 模型的輸入進行預測。

    灰色關聯(lián)度分析法具體步驟如下:

    (1)確定反映系統(tǒng)行為特征的參考序列X0;影響系統(tǒng)行為的比較序列X1,X2,...,Xn;其中Xi={Xi(k)|k=1,2,...,m}。

    (2)對參考序列和比較序列進行無量綱化處理:

    其中,ρ為分辨系數,取值區(qū)間為(0,1),具體取值視情況而定,ρ值越小,分辨力越大。當ρ≤0.546 3時,分辨力最好,通常取ρ=0.5。

    (4)計算X0序列和Xi序列的關聯(lián)度ri:

    基于GRA 法分析結果,對灰色關聯(lián)度ri=1,2,...,p按從大到小進行排序。若設灰色關聯(lián)序列為r1>r2>...>rp,則表明第一個比較序列對應的影響因素對參考序列影響最大,第p個因素影響最小。對設定的最小關聯(lián)度閾值σ,取σ∈(0,1),對滿足ri <σ的比較序列則認為這些序列對網絡輸出的影響較小,將其刪除從而優(yōu)化輸入數據,將余下的比較序列對應的影響因素作為關鍵影響因素輸入到LSTM 模型中。

    1.2 LSTM 模型

    LSTM 深度神經網絡通過復雜的非線性單元構建,具有長期記憶效應和深度學習能力。LSTM 網絡由1 個輸入層、1 個輸出層以及多個隱藏層構成。其中隱藏層由記憶元組組成,每個元組包含輸入門、遺忘門和輸出門,門控制著元組和網絡之間的信息流動,其基本結構如圖1 所示。

    圖1 LSTM 網絡元組結構Fig.1 Tuple structure of LSTM network

    圖1 中,Ct-1和Ct表示細胞的舊狀態(tài)和新狀態(tài),細胞狀態(tài)是LSTM 網絡的關鍵,像傳送帶一樣在整個鏈上運行。在LSTM 中,門結構可以決定信息是否通過,以對細胞狀態(tài)信息有選擇地進行增刪。其主要計算步驟如下:

    第一步:用來決定什么信息可以通過,即遺忘門。其中,輸入為當前層的輸入xt和上一層的輸出ht-1,遺忘門狀態(tài)輸出ft為:

    第二步:產生需要更新的新信息并存儲于細胞狀態(tài)中,即輸入門。新的細胞狀態(tài)Ct首先通過舊的細胞狀態(tài)Ct-1乘以ft來忘記不需要的信息,然后加上新的候選信息it·。其中,it為輸入門狀態(tài)。

    第三步:輸出門用來決定模型的輸出。首先,通過sigmoid 層得到初始輸出狀態(tài)值ot后,使用tanh層將細胞狀態(tài)的值縮放到[-1,1]之間,相乘得到輸出值ht。

    其中,ft、it、ot分別表征遺忘門、輸入門和輸出門的狀態(tài)值;為溝通輸入xt與元組的遺忘門、輸入門、輸出門以及元組輸入的權重矩陣;為連接上一層輸出ht-1與元組的遺忘門、輸入門和輸出門以及元組輸入的權重矩陣;bf、bi、bo、bc為遺忘門、輸入門、輸出門和元組輸入的偏置向量;σ為sigmoid激活函數。

    1.3 GRA-LSTM 模型預測流程

    首先,根據GRA法的分析結果選擇合適的影響因素作為關鍵影響因素,然后對歷史客流量數據和關鍵影響因素數據進行歸一化處理后,構成輸入量輸入到LSTM網絡模型中。PCA-LSTM預測模型的表達式如下:

    其中,ht+1為預測值;ht,ht-1,...,ht-n是歷史數據;是通過GRA法選出的m個關鍵影響因素數據。其中包括歷史數據及預測值ht+1對應的當前輸入值。根據設定目標誤差不斷訓練模型,直至誤差小于目標誤差,此時輸出預測結果。

    2 SARIMA 模型

    SARIMA模型又稱季節(jié)性差分自回歸滑動平均模型,是在ARIMA模型的基礎上演化出的一種針對具有季節(jié)性或周期性規(guī)律變化數據的預測模型,是時間序列預測領域中的主要預測模型之一。該模型的通用表達式為:

    其中,p為自回歸階數;q為移動平均階數;d為差分階數;P、Q、D分別為季節(jié)求和自回歸移動平均模型中的自回歸、移動平均和差分的值;S為季節(jié)周期和循環(huán)長度。

    SARIMA模型的主要處理步驟為:

    (1)判定數據平穩(wěn)性

    首先將初始數據進行預處理,對處理后的數據構造時間序列折線圖進行可視化,通過觀察折線圖對數據的平穩(wěn)性進行初步判斷。

    (2)數據差分

    若初步判定為非平穩(wěn)數據,則需要對數據進行差分,不斷進行差分操作直到數據變?yōu)槠椒€(wěn)時間序列。

    (3)通過ACF(自相關函數)和PACF(偏自相關函數)圖形確定參數值引入ACF和PACF圖形,通過判斷可視化的圖形是截尾還是拖尾來確定模型參數中p、P、q和Q的值。判定規(guī)則如下:若ACF拖尾且PACF截尾,通過可視化的階數確定p和P;若ACF截尾且PACF拖尾,通過可視化階數確定q和Q;若ACF和PACF均為拖尾,則通過可視化階數可以確定p和P、q和Q。

    (4)確定S值

    通過對季節(jié)性時間序列數據進行平均法、移動平均趨勢剔除法等方法分解來確定S的值。

    (5)模型確定

    得到所有參數后,需要使用參數估計對模型進行校驗,直至確定最終模型。

    3 組合模型設計

    組合模型是在SARIMA和LSTM單模型預測結果的基礎上設計了組合層,即基于SARIMA模型預測結果中提取的包含周期、趨勢信息的單位節(jié)點比例序列,對LSTM得到的初步預測結果進行修正得到最終預測結果,實現(xiàn)了將SARIMA對周期、趨勢性變化敏感的優(yōu)點及LSTM預測精度高且可以用來對非線性數據進行預測的優(yōu)點相結合。設計思路為:

    (1)LSTM單模型預測

    將歷史數據以及根據GRA法確定的關鍵影響因素數據輸入LSTM模型,得到初步預測結果Li(i=1,2,...,n)。其中,n為最小時間節(jié)點個數。

    (2)SARIMA單模型預測

    將歷史數據輸入到SARIMA模型得到預測結果Si(i=1,2,...,n)。

    (3)組合設計

    根據SARIMA模型中的預測結果si抽取包含周期、趨勢信息的單位節(jié)點比例序列θi,對LSTM得到的初步預測結果進行修正以得到最終預測結果。

    ①首先根據LSTM模型初步預測結果,得到總時段預測結果數值總和L總:

    ②提取SARIMA預測結果中單位節(jié)點Si比例序列θi(i=1,2,...,n),以抽取時間序列中周期、趨勢信息,具體計算公式如下:

    ③將SARIMA模型中的單位節(jié)點比例序列θi與總時段預測結果數值總和L總相乘,得到最終預測結果fi(i=1,2,...,n)。計算公式為:

    通過組合使得預測結果既可以很好地擬合時間序列中的周期、趨勢性變化,也可以敏銳捕捉非線性因素影響下的變化。fi的完整表達式為:

    組合模型處理步驟如圖2 所示。

    圖2 組合模型處理步驟Fig.2 Processing steps of combined model

    4 實例分析

    實例以某民航公司2016~2018 年春運客流量數據作為測試數據,用于對模型進行訓練;將2019年春運客流量數據作為預測數據判斷模型預測準確度。

    4.1 基于GRA 法選取客流量關鍵影響因素

    影響客運量的因素多種多樣,為了更好地研究客運量的關鍵影響因素,參考相關文獻[13-14],提出以下影響航運客運量因素,見表1。

    表1 民航春運客流量影響因素Tab.1 Influencing Factors of Air Spring Festival travel rush Passenger Flow

    從統(tǒng)計局官網上收集了2016~2018 年春運典型日民航日出港旅客數以及影響因素數據,對其進行灰色關聯(lián)度分析后,得到的分析結果見表2。

    表2 關聯(lián)度分析結果Tab.2 Correlation Analysis Results

    根據關聯(lián)度分析結果可以得出:

    (1)經濟社會發(fā)展、旅游發(fā)展、自身的發(fā)展以及其它相關運輸方式的發(fā)展這4 方面,對航運客流的影響因素均在0.9 以上。

    (2)其它因素中,只有節(jié)假日屬性對航運客流的影響因素大于0.9;天氣因素、周六日屬性航運客流的影響因素均小于0.7。因此選取影響程度大于0.7 的13 項因素作為關鍵影響因素。

    4.2 模型預測

    將2016~2018 年民航春運日出港旅客數以及2016~2019 年關鍵影響因素數據輸入到LSTM 模型中,得到圖3 預測結果。

    圖3 LSTM 單模型預測結果Fig.3 LSTM single model prediction results

    由圖3 可以看出,LSTM 模型預測結果與真實值擬合度較高,但與真實值相比預測趨勢存在延遲。將2016~2018 年民航春運日出港旅客數輸入到SARIMA 模型中,得到圖4 預測結果:

    圖4 SARIMA 單模型預測結果Fig.4 Prediction results of single ARIMA model

    SARIMA 模型的預測結果在趨勢上與真實值基本吻合,但預測精度不甚滿意。根據組合模型設計思想,將兩種模型進行組合后,得到的預測結果如圖5 所示。

    圖5 組合模型預測結果Fig.5 Prediction results of combined model

    可以看到組合模型無論是在預測精度和趨勢變化上都比單模型效果要好。根據表3 可知組合模型預測平均絕對百分比誤差為3.9%。

    表3 組合模型預測誤差Tab.3 Prediction error of hybrid model

    4.3 與其它預測模型的對比

    為檢驗和說明組合模型的預測性能,采用支持向量機、灰色預測、GRA-LSTM 單模型以及SARIMA單模型等經典的預測模型與之進行對比,其預測曲線如圖6 所示。同時采用MAE(平均絕對誤差)、RMSE(均方根誤差)以及MAPE(平均絕對百分比誤差)作為誤差衡量指標,幾種模型的預測誤差見表4。

    圖6 幾種模型預測結果Fig.6 Prediction results of several models

    由表4 和圖6 可知,本文提出的GRA-LSTM+SARIMA 組合模型與真實值的擬合程度是最好的,預測誤差也是幾種模型中最低的。其中,MAPE 比支持向量機、灰色預測、GRA-LSTM 單模型以及SARIMA單模型分別降低了2.1%、1.1%、0.7%、6.7%。

    表4 幾種模型預測誤差Tab.4 Prediction errors of several models

    5 結束語

    通過評估LSTM 模型和SARIMA 模型的優(yōu)劣勢,提出將兩種模型進行組合。通過實驗表明,組合模型在預測上比單模型具有優(yōu)越性。其次組合模型之一的LSTM 模型的輸入層不僅僅是歷史數據,還有基于GRA 法選取的關鍵影響因素,因此組合模型能夠捕捉非線性時間序列的變化,更好地針對實際變化進行預測。

    猜你喜歡
    元組關聯(lián)度預測
    無可預測
    黃河之聲(2022年10期)2022-09-27 13:59:46
    選修2-2期中考試預測卷(A卷)
    選修2-2期中考試預測卷(B卷)
    Python核心語法
    電腦報(2021年14期)2021-06-28 10:46:22
    海量數據上有效的top-kSkyline查詢算法*
    基于減少檢索的負表約束優(yōu)化算法
    基于灰色關聯(lián)度的水質評價分析
    不必預測未來,只需把握現(xiàn)在
    基于灰關聯(lián)度的鋰電池組SOH評價方法研究
    電源技術(2015年11期)2015-08-22 08:50:18
    基于灰色關聯(lián)度的公交線網模糊評價
    河南科技(2014年16期)2014-02-27 14:13:25
    亚洲avbb在线观看| 精品99又大又爽又粗少妇毛片 | 国产野战对白在线观看| 国产亚洲欧美98| 国产国拍精品亚洲av在线观看 | 少妇丰满av| 中文字幕久久专区| 亚洲国产色片| 淫秽高清视频在线观看| 日韩欧美精品v在线| 成人国产综合亚洲| 精品国内亚洲2022精品成人| 欧美丝袜亚洲另类 | 法律面前人人平等表现在哪些方面| 一本久久中文字幕| 舔av片在线| av欧美777| 午夜两性在线视频| 午夜免费男女啪啪视频观看 | 精品欧美国产一区二区三| 亚洲狠狠婷婷综合久久图片| 18禁黄网站禁片免费观看直播| 免费看光身美女| 99精品在免费线老司机午夜| 国产97色在线日韩免费| 男人的好看免费观看在线视频| 久久久久久久午夜电影| 又黄又爽又免费观看的视频| 1000部很黄的大片| 日韩欧美精品v在线| 日韩精品青青久久久久久| 大型黄色视频在线免费观看| 日本五十路高清| 女同久久另类99精品国产91| 怎么达到女性高潮| 成人精品一区二区免费| av福利片在线观看| 男女午夜视频在线观看| 亚洲精品色激情综合| 日本 av在线| 欧美午夜高清在线| 国产成年人精品一区二区| 天天添夜夜摸| 欧美性猛交╳xxx乱大交人| 91av网一区二区| www.色视频.com| 女人高潮潮喷娇喘18禁视频| 最新中文字幕久久久久| 国产精品三级大全| 亚洲aⅴ乱码一区二区在线播放| 99国产综合亚洲精品| 国产精品三级大全| 国产精品日韩av在线免费观看| 亚洲av电影在线进入| 久久亚洲真实| 成人无遮挡网站| 一个人观看的视频www高清免费观看| 一边摸一边抽搐一进一小说| 一级作爱视频免费观看| 中文字幕av在线有码专区| 精品99又大又爽又粗少妇毛片 | 无人区码免费观看不卡| 久久久久国内视频| 亚洲精品久久国产高清桃花| 午夜老司机福利剧场| 69人妻影院| 禁无遮挡网站| 99国产精品一区二区蜜桃av| 欧美黑人欧美精品刺激| 免费av毛片视频| or卡值多少钱| 好男人在线观看高清免费视频| 国产精品美女特级片免费视频播放器| 国产精品美女特级片免费视频播放器| 狂野欧美激情性xxxx| 欧美极品一区二区三区四区| 国产精品野战在线观看| 99久久无色码亚洲精品果冻| 欧美日韩一级在线毛片| 最新美女视频免费是黄的| 亚洲va日本ⅴa欧美va伊人久久| 欧美日韩黄片免| www日本黄色视频网| 国产蜜桃级精品一区二区三区| 少妇的逼好多水| 欧美性猛交╳xxx乱大交人| 亚洲国产精品成人综合色| 国产亚洲欧美在线一区二区| 十八禁人妻一区二区| 少妇的丰满在线观看| 国产精品嫩草影院av在线观看 | 岛国在线免费视频观看| 性色avwww在线观看| 国产v大片淫在线免费观看| 高清在线国产一区| av专区在线播放| 欧美日韩综合久久久久久 | 又紧又爽又黄一区二区| 亚洲国产欧美网| 99久久99久久久精品蜜桃| 又黄又粗又硬又大视频| 中文亚洲av片在线观看爽| 99视频精品全部免费 在线| 欧美日韩瑟瑟在线播放| 久久久久久人人人人人| 欧美+亚洲+日韩+国产| 国产一级毛片七仙女欲春2| 亚洲专区国产一区二区| 我的老师免费观看完整版| 亚洲精品一区av在线观看| 亚洲美女视频黄频| 国产精品爽爽va在线观看网站| a在线观看视频网站| 国产单亲对白刺激| 欧美国产日韩亚洲一区| 免费在线观看成人毛片| 亚洲一区高清亚洲精品| 欧美极品一区二区三区四区| 欧美极品一区二区三区四区| 成人欧美大片| 国产精品98久久久久久宅男小说| 999久久久精品免费观看国产| 国产高潮美女av| 三级男女做爰猛烈吃奶摸视频| 亚洲自拍偷在线| 国产欧美日韩一区二区三| 国产91精品成人一区二区三区| 97超视频在线观看视频| 午夜亚洲福利在线播放| 嫁个100分男人电影在线观看| 热99re8久久精品国产| 亚洲国产中文字幕在线视频| 校园春色视频在线观看| 久久久精品大字幕| 亚洲国产精品合色在线| 99久久久亚洲精品蜜臀av| 亚洲国产精品sss在线观看| 久久香蕉国产精品| www.www免费av| 日本撒尿小便嘘嘘汇集6| av黄色大香蕉| 小蜜桃在线观看免费完整版高清| 色综合婷婷激情| 国产探花极品一区二区| 欧美+日韩+精品| 日韩欧美在线乱码| 高潮久久久久久久久久久不卡| 一卡2卡三卡四卡精品乱码亚洲| 国产亚洲av嫩草精品影院| 免费高清视频大片| 19禁男女啪啪无遮挡网站| 少妇裸体淫交视频免费看高清| а√天堂www在线а√下载| 日本一二三区视频观看| 亚洲成a人片在线一区二区| 国产综合懂色| svipshipincom国产片| 很黄的视频免费| 麻豆国产av国片精品| 制服丝袜大香蕉在线| 男女之事视频高清在线观看| 久久久色成人| 国产又黄又爽又无遮挡在线| 久久久久免费精品人妻一区二区| 精品国产超薄肉色丝袜足j| 国产国拍精品亚洲av在线观看 | 国产野战对白在线观看| 久久精品影院6| 高清毛片免费观看视频网站| 久久久久精品国产欧美久久久| 757午夜福利合集在线观看| 成人国产一区最新在线观看| 长腿黑丝高跟| 母亲3免费完整高清在线观看| 在线看三级毛片| svipshipincom国产片| 国产精品1区2区在线观看.| 最新中文字幕久久久久| 日本a在线网址| 很黄的视频免费| 欧美另类亚洲清纯唯美| 亚洲天堂国产精品一区在线| 757午夜福利合集在线观看| 午夜免费成人在线视频| 亚洲熟妇熟女久久| 久久久久久久精品吃奶| 精品一区二区三区视频在线 | 精品熟女少妇八av免费久了| 十八禁网站免费在线| www日本在线高清视频| 又紧又爽又黄一区二区| 伊人久久大香线蕉亚洲五| 国产男靠女视频免费网站| 精华霜和精华液先用哪个| 国产伦精品一区二区三区视频9 | 此物有八面人人有两片| 最好的美女福利视频网| 男女做爰动态图高潮gif福利片| 久久99热这里只有精品18| 免费高清视频大片| 国产黄色小视频在线观看| 欧美zozozo另类| 欧美激情在线99| 国产精品女同一区二区软件 | 免费观看的影片在线观看| 在线看三级毛片| 一级毛片女人18水好多| h日本视频在线播放| 最新中文字幕久久久久| 午夜福利在线观看吧| www.熟女人妻精品国产| 国产视频一区二区在线看| av国产免费在线观看| 黑人欧美特级aaaaaa片| 一本综合久久免费| 在线观看av片永久免费下载| 啦啦啦免费观看视频1| 欧美在线黄色| 国产精品日韩av在线免费观看| 久久性视频一级片| 99久国产av精品| 99精品在免费线老司机午夜| 在线观看免费视频日本深夜| 97碰自拍视频| 男人舔奶头视频| 一区福利在线观看| 中文字幕人妻丝袜一区二区| 少妇的逼好多水| а√天堂www在线а√下载| 两个人视频免费观看高清| 亚洲国产色片| 亚洲黑人精品在线| 俄罗斯特黄特色一大片| tocl精华| 人妻久久中文字幕网| 亚洲第一欧美日韩一区二区三区| 狠狠狠狠99中文字幕| 日韩亚洲欧美综合| 狂野欧美激情性xxxx| 99精品在免费线老司机午夜| 亚洲人成网站在线播放欧美日韩| 国产真实伦视频高清在线观看 | 国产精品日韩av在线免费观看| 老鸭窝网址在线观看| bbb黄色大片| 老司机福利观看| 一区二区三区国产精品乱码| 麻豆成人av在线观看| 无遮挡黄片免费观看| 国产三级黄色录像| 91久久精品国产一区二区成人 | 99久久精品国产亚洲精品| 国产v大片淫在线免费观看| 欧美日韩亚洲国产一区二区在线观看| 国产成人啪精品午夜网站| 精品久久久久久久人妻蜜臀av| 激情在线观看视频在线高清| 亚洲 国产 在线| 亚洲激情在线av| 久久久久久国产a免费观看| 99国产精品一区二区蜜桃av| 亚洲成人久久爱视频| 中出人妻视频一区二区| 国产探花在线观看一区二区| 一级毛片高清免费大全| 中文字幕久久专区| 国产综合懂色| 亚洲国产精品久久男人天堂| 国产视频内射| 一本一本综合久久| 啪啪无遮挡十八禁网站| 国产成人福利小说| 国产主播在线观看一区二区| 中文字幕人成人乱码亚洲影| 国产伦精品一区二区三区视频9 | 国产av一区在线观看免费| 亚洲人成网站在线播| 国内久久婷婷六月综合欲色啪| 精品人妻一区二区三区麻豆 | 嫩草影视91久久| 2021天堂中文幕一二区在线观| 五月伊人婷婷丁香| 亚洲av成人av| 久久亚洲真实| 国产v大片淫在线免费观看| 成人欧美大片| 久久国产精品影院| 男女午夜视频在线观看| 亚洲激情在线av| 制服丝袜大香蕉在线| 午夜精品久久久久久毛片777| 国产单亲对白刺激| 天堂网av新在线| 亚洲专区国产一区二区| 国产精品影院久久| 亚洲国产精品999在线| 女生性感内裤真人,穿戴方法视频| 免费人成视频x8x8入口观看| 国产亚洲精品久久久com| 国产日本99.免费观看| 成人一区二区视频在线观看| 变态另类成人亚洲欧美熟女| 亚洲成人精品中文字幕电影| 免费观看人在逋| 热99re8久久精品国产| 国内精品久久久久精免费| 精品一区二区三区人妻视频| 亚洲精品色激情综合| 狠狠狠狠99中文字幕| 两人在一起打扑克的视频| 一级毛片高清免费大全| 欧美日韩综合久久久久久 | 草草在线视频免费看| 国产高清有码在线观看视频| aaaaa片日本免费| 国产精品电影一区二区三区| 亚洲专区国产一区二区| 日韩成人在线观看一区二区三区| 在线观看一区二区三区| 午夜免费观看网址| 日韩av在线大香蕉| 亚洲第一电影网av| 日韩精品中文字幕看吧| 国产一区在线观看成人免费| 制服丝袜大香蕉在线| 色尼玛亚洲综合影院| 内射极品少妇av片p| 一进一出抽搐gif免费好疼| 露出奶头的视频| 久久久久性生活片| 一区二区三区国产精品乱码| 悠悠久久av| 欧美黑人欧美精品刺激| 男女之事视频高清在线观看| 国产成人aa在线观看| 观看免费一级毛片| 亚洲精品在线美女| АⅤ资源中文在线天堂| 给我免费播放毛片高清在线观看| 国产成人a区在线观看| av在线蜜桃| 精品午夜福利视频在线观看一区| 国产午夜精品论理片| 一进一出抽搐gif免费好疼| 香蕉av资源在线| 久久九九热精品免费| 天堂网av新在线| 国产高潮美女av| 国产精品日韩av在线免费观看| 成人性生交大片免费视频hd| 成人av在线播放网站| 国产亚洲精品久久久com| 亚洲国产欧美网| 久久这里只有精品中国| 亚洲成av人片免费观看| 亚洲国产欧美网| 久久久成人免费电影| 麻豆成人午夜福利视频| 伊人久久精品亚洲午夜| 岛国视频午夜一区免费看| 久久草成人影院| 国产精品综合久久久久久久免费| 免费人成视频x8x8入口观看| 国产激情欧美一区二区| 又粗又爽又猛毛片免费看| 成人特级av手机在线观看| 亚洲成av人片免费观看| 最近最新中文字幕大全电影3| 女同久久另类99精品国产91| 亚洲熟妇中文字幕五十中出| 亚洲五月天丁香| 亚洲av一区综合| 色视频www国产| 亚洲色图av天堂| 99热只有精品国产| 桃红色精品国产亚洲av| 蜜桃久久精品国产亚洲av| 老熟妇乱子伦视频在线观看| 亚洲av免费在线观看| 很黄的视频免费| 一本综合久久免费| av欧美777| 欧美激情在线99| www.熟女人妻精品国产| 免费无遮挡裸体视频| 搡老岳熟女国产| 久久精品91无色码中文字幕| 国产又黄又爽又无遮挡在线| 亚洲一区二区三区色噜噜| 99热只有精品国产| 黄片大片在线免费观看| 免费人成在线观看视频色| 午夜影院日韩av| 嫩草影院入口| 真实男女啪啪啪动态图| 一区二区三区高清视频在线| 床上黄色一级片| 欧美丝袜亚洲另类 | 欧美区成人在线视频| 国产欧美日韩一区二区三| 给我免费播放毛片高清在线观看| 99热这里只有是精品50| 国产精品影院久久| 我要搜黄色片| 久久草成人影院| 成人特级黄色片久久久久久久| 国产一区二区亚洲精品在线观看| 美女 人体艺术 gogo| 熟妇人妻久久中文字幕3abv| eeuss影院久久| 免费观看人在逋| 精品99又大又爽又粗少妇毛片 | 亚洲国产欧洲综合997久久,| 国产成人av教育| 亚洲欧美日韩东京热| 搡女人真爽免费视频火全软件 | 少妇人妻一区二区三区视频| 久久6这里有精品| 国产在视频线在精品| 91久久精品电影网| 欧美一区二区亚洲| 一卡2卡三卡四卡精品乱码亚洲| 欧美激情久久久久久爽电影| 男女床上黄色一级片免费看| 国产日本99.免费观看| 欧美激情久久久久久爽电影| 久久这里只有精品中国| 久9热在线精品视频| 午夜日韩欧美国产| 无遮挡黄片免费观看| 国内毛片毛片毛片毛片毛片| 99热这里只有精品一区| av天堂中文字幕网| 亚洲熟妇熟女久久| 欧美一级毛片孕妇| 成年女人看的毛片在线观看| 舔av片在线| 欧美中文日本在线观看视频| 国产毛片a区久久久久| 99热只有精品国产| 久久久国产成人免费| 无限看片的www在线观看| 亚洲激情在线av| 亚洲av免费高清在线观看| 少妇的逼水好多| 亚洲国产精品sss在线观看| 美女cb高潮喷水在线观看| 午夜日韩欧美国产| 中文字幕人成人乱码亚洲影| 别揉我奶头~嗯~啊~动态视频| 国产亚洲精品久久久久久毛片| 丝袜美腿在线中文| 无限看片的www在线观看| 亚洲av电影在线进入| 脱女人内裤的视频| 国产91精品成人一区二区三区| 一边摸一边抽搐一进一小说| 国产精品电影一区二区三区| 亚洲自拍偷在线| 夜夜爽天天搞| 中文字幕高清在线视频| avwww免费| 久久久色成人| 日韩国内少妇激情av| 久久久久久久久大av| 欧美日韩一级在线毛片| 无限看片的www在线观看| 成熟少妇高潮喷水视频| 成年人黄色毛片网站| 韩国av一区二区三区四区| 久久久久久久久久黄片| 亚洲人成伊人成综合网2020| 色老头精品视频在线观看| 在线免费观看的www视频| 久久草成人影院| 亚洲 国产 在线| 日韩欧美精品免费久久 | 18禁黄网站禁片午夜丰满| 国产精品99久久99久久久不卡| 欧美性猛交黑人性爽| 国产单亲对白刺激| 国产黄片美女视频| 99在线人妻在线中文字幕| 色视频www国产| 国产视频一区二区在线看| or卡值多少钱| 男女那种视频在线观看| 一区福利在线观看| 免费在线观看成人毛片| 国产精品久久久久久久电影 | 级片在线观看| 欧美又色又爽又黄视频| 日本 欧美在线| 亚洲成av人片在线播放无| 男女做爰动态图高潮gif福利片| 18禁黄网站禁片午夜丰满| 国产精品亚洲美女久久久| 久久中文看片网| 国产日本99.免费观看| 国产精品一区二区三区四区免费观看 | 日韩欧美三级三区| 久久久国产成人精品二区| 免费在线观看影片大全网站| 母亲3免费完整高清在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲国产欧洲综合997久久,| 欧美一级毛片孕妇| 久久精品人妻少妇| 成年人黄色毛片网站| 久久久久国产精品人妻aⅴ院| 综合色av麻豆| 熟女少妇亚洲综合色aaa.| 老司机深夜福利视频在线观看| 琪琪午夜伦伦电影理论片6080| 成熟少妇高潮喷水视频| 亚洲国产中文字幕在线视频| 欧美不卡视频在线免费观看| 国产国拍精品亚洲av在线观看 | 久久久久性生活片| 三级国产精品欧美在线观看| 一边摸一边抽搐一进一小说| av福利片在线观看| 天天躁日日操中文字幕| 日韩精品中文字幕看吧| 一个人免费在线观看的高清视频| 夜夜躁狠狠躁天天躁| 国产私拍福利视频在线观看| 尤物成人国产欧美一区二区三区| 男女下面进入的视频免费午夜| 精品午夜福利视频在线观看一区| 91av网一区二区| 少妇的丰满在线观看| 亚洲成人精品中文字幕电影| 毛片女人毛片| 亚洲一区高清亚洲精品| 精品人妻1区二区| 女警被强在线播放| 12—13女人毛片做爰片一| 成人无遮挡网站| 亚洲va日本ⅴa欧美va伊人久久| 长腿黑丝高跟| 日本在线视频免费播放| 久久国产乱子伦精品免费另类| 成人性生交大片免费视频hd| 女同久久另类99精品国产91| 丝袜美腿在线中文| 色综合婷婷激情| 天堂√8在线中文| 亚洲男人的天堂狠狠| av天堂在线播放| 日韩亚洲欧美综合| 变态另类成人亚洲欧美熟女| 国产伦人伦偷精品视频| 成人精品一区二区免费| 亚洲精品美女久久久久99蜜臀| 色av中文字幕| 亚洲真实伦在线观看| 狂野欧美白嫩少妇大欣赏| 在线天堂最新版资源| av视频在线观看入口| 日本熟妇午夜| 深爱激情五月婷婷| 好看av亚洲va欧美ⅴa在| 久久精品综合一区二区三区| 男女那种视频在线观看| 香蕉av资源在线| 日韩欧美在线二视频| avwww免费| 欧美日韩亚洲国产一区二区在线观看| 国产成人系列免费观看| 亚洲成a人片在线一区二区| 91字幕亚洲| 美女 人体艺术 gogo| av在线蜜桃| 免费观看的影片在线观看| 亚洲 欧美 日韩 在线 免费| 亚洲精品久久国产高清桃花| 国产熟女xx| 精品久久久久久久毛片微露脸| 麻豆一二三区av精品| 国产国拍精品亚洲av在线观看 | 亚洲国产精品久久男人天堂| 国产真人三级小视频在线观看| 欧美日韩福利视频一区二区| 国产99白浆流出| 一本久久中文字幕| 99视频精品全部免费 在线| 欧美成人a在线观看| 网址你懂的国产日韩在线| 国产高清有码在线观看视频| 国产探花极品一区二区| 叶爱在线成人免费视频播放| 亚洲国产欧美网| 最近视频中文字幕2019在线8| 亚洲成av人片在线播放无| 精品久久久久久久毛片微露脸| 中文字幕高清在线视频| 淫秽高清视频在线观看| 人人妻人人看人人澡| 噜噜噜噜噜久久久久久91| 久久精品国产综合久久久| 亚洲精品粉嫩美女一区| 国内精品久久久久精免费| 国产国拍精品亚洲av在线观看 | 国产欧美日韩精品一区二区| 高清日韩中文字幕在线| 精品99又大又爽又粗少妇毛片 | av女优亚洲男人天堂| 精品国产亚洲在线| 亚洲五月天丁香| 亚洲色图av天堂| 欧美黑人巨大hd| 天天一区二区日本电影三级| 久久6这里有精品| 国产精品国产高清国产av|