• <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 ?

    基于隨機森林的高性能混凝土抗壓強度預測

    2021-12-30 08:22:06崔曉寧王起才張戎令代金鵬
    蘭州交通大學學報 2021年6期
    關鍵詞:機器森林誤差

    崔曉寧,王起才*,2,張戎令,2,代金鵬,2,謝 超

    (1. 蘭州交通大學 土木工程學院,蘭州 730070;2. 蘭州交通大學 道橋工程災害防治技術國家地方聯(lián)合工程實驗室,蘭州 730070)

    高性能混凝土是一種新型高技術混凝土,采用常規(guī)材料和工藝生產(chǎn),根據(jù)需要摻入改善混凝土性能的外摻料,使得混凝土結構具有所要求的各項力學性能,增加高耐久性、高工作性和高體積穩(wěn)定性[1].得益于高性能混凝土的優(yōu)異性能,高性能混凝土被廣泛的應用于建筑行業(yè)各個領域.經(jīng)過養(yǎng)護的混凝土28 d抗壓強度是鋼筋混凝土結構設計的關鍵參數(shù),也是衡量高性能混凝土工程性能的重要指標.因此,對于混凝土抗壓強度的研究具有較高的科研價值[2].

    近幾年,隨著人工智能技術的迅猛發(fā)展,各個行業(yè)都在結合人工智能新技術進行自我賦能[3-4].基于機器學習、深度學習的工程類研究也在如火如荼的進行[4-7].許多機器學習理論已經(jīng)應用到混凝土相關研究中,主要包括:人工神經(jīng)網(wǎng)絡[8],支持向量機[9],集成算法[10]等.Daneshvar等[11]使用隨機森林算法,建立了瀝青混凝土的動彈模預測模型,預測結果精度可達94.62%.周雙喜等基于深度學習理論研究混凝土孔成像分析[12]以及氯離子在混凝土中的擴散模型[13].Ren等[14]基于計算機視覺技術,提出了一種適用于裂縫語義分割的卷積神經(jīng)網(wǎng)絡,為隧道的健康監(jiān)測提供新方法.Cui等[15]將注意力機制引入混凝土裂縫的語義分割任務中,并提出一種Att-Unet的卷積神經(jīng)網(wǎng)絡,實現(xiàn)了裂縫的準確語義分割.Chun等[16]基于隨機森林算法,開展鋼筋混凝土結構內(nèi)部損傷研究,并取得了準確的預測結果.湯志立等[17]基于9種機器學習算法對巖爆進行分類,分類結果表明機器學習算法具有較高的分類精度,其預測結果與現(xiàn)場監(jiān)測結果有較好的一致性.

    基于機器學習的混凝土相關研究已經(jīng)開展并取得一定成果,但對于混凝土抗壓強度的預測研究仍在發(fā)展階段,且應用機器學習算法的研究尚有不足,主要表現(xiàn)為:現(xiàn)有研究多采用單一機器學習算法進行預測,而對于多種算法在同一數(shù)據(jù)上的適用性對比研究較少[18].針對現(xiàn)有研究的不足,基于隨機森林、支持向量回歸分析以及多層感知機3種機器學習算法進行混凝土抗壓強度預測研究,通過多特征輸入構建機器學習模型數(shù)據(jù)集,以訓練、測試、對比不同模型在應用于高性能混凝土抗壓強度預測的精度,甄選適用于混凝土抗壓強度預測的最優(yōu)模型.

    1 數(shù)據(jù)

    科學合理的數(shù)據(jù)集選取是實現(xiàn)混凝土抗壓強度準確預測的關鍵.加州大學歐文分校機器學習實驗室提供的混凝土公共數(shù)據(jù)集涵蓋了混凝土配合比設計中常見的八種變量且數(shù)據(jù)集樣本數(shù)量能夠滿足機器學習的需求,因此,使用該數(shù)據(jù)集進行混凝土抗壓強度的預測研究[19].該數(shù)據(jù)集共有1 030個數(shù)據(jù),每個數(shù)據(jù)都包含八個變量和混凝土抗壓強度實測值,為提高機器學習的泛化能力與預測精度,在進行機器學習模型建立和訓練過程中將八個變量全部作為模型的特征輸入.其中八個特征變量輸入為:水泥用量,齡期,水,粗骨料,細集料,高效減水劑,粉煤灰,礦粉.輸出結果變量為混凝土的抗壓強度值.數(shù)據(jù)集的數(shù)值特征統(tǒng)計如表1所列.Q1,Q2,Q3分別表示下四分位數(shù),中四分位數(shù),上四分位數(shù).

    表1 數(shù)據(jù)集特征統(tǒng)計

    2 多特征輸入算法研究

    2.1 多層感知機(MLP)

    多層感知機由感知機發(fā)展而來.通常情況下,多層感知機由三部分組成,即:輸入層、隱藏層、輸出層,多層感知機神經(jīng)網(wǎng)絡模型的原理如圖1所示.假設輸入樣本個數(shù)為m,每個樣本有n個特征,對于特征輸入層X∈Rm×n,以具有h個神經(jīng)元的隱藏層為例,隱藏層的權重及偏置可表示為Wh∈Rn×h、bh∈R1×h,輸出值有q個特征,則輸出層的權重及偏置分別為WO∈Rh×q、bO∈R1×q.輸入層到隱藏層的激活函數(shù)為σ1,隱藏層到輸出層的激活函數(shù)為σ2.于是多層感知機神經(jīng)網(wǎng)絡模型參數(shù)設定如表2所列.

    圖1 多層感知機原理

    表2 神經(jīng)網(wǎng)絡參數(shù)匯總表

    根據(jù)表2的模型參數(shù)設定可得:

    輸入層到隱藏層:

    (1)

    h=σ1(net1),

    (2)

    隱藏層到輸出層:

    (3)

    (4)

    損失函數(shù)?。?/p>

    (5)

    基于前文的模型設定,多層感知機模型的計算步驟為:

    1) 初始化神經(jīng)網(wǎng)絡模型中的權值和偏置項

    2) 參數(shù)向前傳播,得到各層輸出和損失函數(shù)的期望值

    (6)

    3) 根據(jù)損失函數(shù),計算輸出單元的誤差項和隱藏單元的誤差項.

    輸出單元的誤差項,即計算損失函數(shù)關于輸出單元的梯度值.根據(jù)鏈式法則有:

    (7)

    (8)

    隱藏單元的誤差項,即計算損失函數(shù)關于隱藏單元的梯度值.根據(jù)鏈式法則有:

    (9)

    (10)

    4) 更新神經(jīng)網(wǎng)路中的權值和偏置項

    輸出單元參數(shù)更新:

    (11)

    (12)

    隱藏單元參數(shù)更新:

    (13)

    (14)

    5) 重復步驟2)~4),直到損失函數(shù)小于模型設定的閾值或迭代計算次數(shù),輸出此時的參數(shù)即為模型最佳參數(shù)[20].

    2.2 支持向量回歸(SVR)

    支持向量回歸(SVR)算法的建立基于兩點原則:1) 模型允許預測值f(x)與真實值y之間存在ε的誤差;2) 當f(x)與y絕對值大于ε時,模型的損失函數(shù)才進行參數(shù)更新.因此,SVR模型以f(x)為中心,以±ε為帶寬,構建了一個模型參數(shù)不更新區(qū)域帶,SVR的原理示意如圖2所示.在圖2中,橙色區(qū)域表示允許誤差范圍內(nèi),即參數(shù)不更新區(qū)域,藍色實心點表示落在±ε的參數(shù)不更新區(qū)域條帶中,橙色空心在誤差允許值之外.SVR的優(yōu)化目標函數(shù)式為[20]

    圖2 支持向量回歸示意

    (15)

    式中:ω為法向量;C為正則化常數(shù);L為模型優(yōu)化目標函數(shù);f(xi)為模型的預測值;yi為數(shù)據(jù)真實標簽值.

    2.3 隨機森林(RF)

    Bagging算法是并行集成算法的代表,對于給定的N個樣本原始數(shù)據(jù)集,每次進行有放回的采樣,得到一個由m個樣本組成的數(shù)據(jù)集,同樣的取樣流程進行k次,得到k個訓練集,進而基于每個訓練集訓練一個基學習器.Bagging算法通過訓練k個獨立的基學習器得到每個基學習器的預測結果,進而對k個基學習器的預測結果進行加權得到整個集成算法的預測結果.

    本文的Bagging集成算法采用隨機森林(RF)對數(shù)據(jù)集進行回歸分析.RF是Bagging集成算法的一個變種改良模型.RF以決策樹為基學習器,通過對若干決策樹的集成搭建隨機森林模型,同時RF在決策樹的訓練過程中引入特征屬性的隨機選擇,基于這一機制,RF繼承了Bagging集成算法的樣本擾動優(yōu)點,同時在此基礎上進行改良,引入屬性隨機選擇的擾動策略.因此,對于同一數(shù)據(jù)集,隨機森林的雙重隨機性使其具有更好的泛化能力和抗過擬合能力,隨機森林的算法原理如圖3所示.

    圖3 隨機森林算法原理

    2.4 數(shù)據(jù)集劃分與模型參數(shù)設定

    文中所用混凝土抗壓強度數(shù)據(jù)集包含1 030個數(shù)據(jù)點,將數(shù)據(jù)集按照7∶3的比例劃分成訓練集與測試集,其中訓練集用來訓練和優(yōu)化機器學習模型的參數(shù),測試集用來評估機器學習模型的最終預測精度.為排除模型參數(shù)設置不合理引起的模型次優(yōu)化現(xiàn)象,在機器學習模型訓練與評估之前,先利用GridSearch[21]方法對不同機器學習模型進行參數(shù)優(yōu)化設定.

    3 模型評價與結果

    3.1 模型評價指標

    為對比分析多層感知機(MLP)、支持向量回歸(SVR)以及隨機森林(RF)三種機器學習算法在混凝土抗壓強度數(shù)據(jù)集上的表現(xiàn),選取四個常用的機器學習模型評價指標:R2,MAE,MAPE,RMSE.其中MAE、MAPE、RMSE都是衡量模型誤差的評價指標,三者互為補充,用不同類型的誤差來衡量模型的預測精度,其值越小,模型的預測精度越高;R2是相關系數(shù),表征模型預測值與數(shù)據(jù)真實值之間的接近程度,R2越接近于1,則表示模型的預測精度越高.R2,MAE,MAPE,RMSE數(shù)學表達式如公式(16)~(19)所示.

    (16)

    (17)

    (18)

    (19)

    式中:y為抗壓強度真實值;y′為抗壓強度模型預測值.

    3.2 模型結果對比分析

    在各個模型的預測結果對比前,為使各個模型的預測結果更加準確,采用了GridSearch方法對各種模型的參數(shù)進行最優(yōu)化.基于前文建立的模型評價體系,對各個模型的預測結果進行統(tǒng)計分析,其對比結果如表3所列.

    分析表3可得:1) 總體而言,對于誤差衡量指標(MAE、RMSE、MAPE),隨機森林模型的預測結果為誤差最小的模型,其次是多層感知機模型,預測誤差最大的模型為支持向量回歸模型.2) 就相關系數(shù)R2而言,隨機森林模型達到了0.902,是三種模型中相關系數(shù)最高的,這說明對于多特征輸入高性能混凝土抗壓強度預測任務,隨機森林表現(xiàn)出了較高的預測精度,可以為混凝土抗壓強度的預測提供一定參考.

    表3 三種機器學習模型對比分析

    3.3 隨機森林預測結果分析

    隨機森林模型的混凝土抗壓強度預測結果與測試集實際抗壓強度的統(tǒng)計結果如圖4所示.從圖4(a)可以看出:總體而言,對于混凝土不同抗壓強度大小,隨機森林模型的預測結果與測試集的真實值十分接近,隨機森林預測誤差標準差均值為3.78 MPa,誤差百分比均值為13.73%,體現(xiàn)了隨機森林模型用于多特征輸入混凝土抗壓強度預測的準確預測能力.從圖4(b)可以看出隨機森林的數(shù)據(jù)預測絕大部分在±15%誤差以內(nèi),經(jīng)過統(tǒng)計,測試集上共有309個樣本,其中223個樣本的預測結果在±15%以內(nèi),誤差超過±15%的數(shù)據(jù)點共有86個.以15%為誤差界限,對不同強度區(qū)間內(nèi)的隨機森林預測誤差進行統(tǒng)計,統(tǒng)計結果如表4所列.從表4中可以看出:隨著混凝土抗壓強度的增大,超限點所占的比例逐漸減小,這說明隨機森林模型對混凝土抗壓強度較低時值預測誤差相對較大,但隨著預測強度的增大,隨機森林模型的預測精度逐漸提升,當混凝土抗壓強度達到50 MPa之后,隨機森林模型預測超限點比例僅占14.41%.由此可見,隨機模型對強度較高的數(shù)據(jù)點預測較為準確.

    圖4 隨機森林模型預測結果分析

    表4 隨機森林預測結果超限統(tǒng)計

    3.4 隨機森林結果誤差分析

    為有效評價隨機森林模型的預測誤差,引入誤差貢獻率這一指標EC·EC的定義如公式(20)所示.以混凝土抗壓強度小于30 MPa的集合為例,以誤差±15%為誤差界限值,則在該集合中總樣本數(shù)為55,超限樣本數(shù)為26,訓練集總樣本309,超限點總數(shù)86,該集合以17.80%的樣本占有率貢獻了整體模型30.23%的誤差,誤差貢獻率達1.70,這說明隨機森林模型在強度低于30 MPa的范圍內(nèi)預測誤差相對較大.

    (20)

    對隨機模型測試集上預測結果的誤差統(tǒng)計如圖5所示,從圖5的誤差累積曲線可以看出,當模型誤差累積到50%時,對應的混凝土抗壓強度為28.93 MPa,在誤差累積到50%之后,隨著抗壓強度的提高,誤差累積曲線切線斜率逐漸減小.總體上說明,隨機森林模型對低強度樣本預測誤差大,對高強度樣本預測誤差小.從圖5的誤差貢獻率曲線可以看出:混凝土抗壓強度在0~30 MPa時,誤差貢獻率較高,此時模型對于樣本的預測結果誤差相對較大,混凝土抗壓強度在30~50 MPa時,模型的預測誤差迅速下降,當強度達到50 MPa后,模型的誤差貢獻率趨于收斂,誤差貢獻率基本穩(wěn)定在1.0~1.15之間,這說明模型在抗壓強度低于30 MPa時具有較高的預測誤差,隨著抗壓強度的增大,模型的預測精度逐漸提高.

    圖5 隨機森林模型誤差曲線

    4 結論

    1) 將機器學習算法應用到了多特征輸入高性能混凝土的抗壓強度預測,并取得良好結果,研究結果可為機器學習在混凝土抗壓強度預測相關研究提供一定參考.

    2) 通過對比隨機森林、支持向量回歸、多層感知機三種機器學習算法在同一數(shù)據(jù)集上的表現(xiàn)能力,發(fā)現(xiàn)隨機森林算法預測精度最高,隨機森林算法預測標準差均值為3.78 MPa,誤差百分比均值為13.73%,可以應用于高性能混凝土的抗壓強度預測.

    3) 隨機森林算法對于混凝土強度在低于30 MPa的樣本預測誤差較大,誤差貢獻率為1.5~3.5,隨著混凝土抗壓強度的增大隨機森林模型預測誤差減小,即當混凝土抗壓強度達到30 MPa以上時,模型具有較高的預測精度.

    猜你喜歡
    機器森林誤差
    機器狗
    機器狗
    角接觸球軸承接觸角誤差控制
    哈爾濱軸承(2020年2期)2020-11-06 09:22:26
    Beidou, le système de navigation par satellite compatible et interopérable
    壓力容器制造誤差探究
    未來機器城
    電影(2018年8期)2018-09-21 08:00:06
    哈Q森林
    哈Q森林
    哈Q森林
    九十億分之一的“生死”誤差
    山東青年(2016年2期)2016-02-28 14:25:41
    精品酒店卫生间| 在线免费观看不下载黄p国产| 精品久久久久久久末码| 少妇人妻精品综合一区二区| 直男gayav资源| 精品亚洲乱码少妇综合久久| 特级一级黄色大片| 日韩av在线免费看完整版不卡| 国产成年人精品一区二区| 久久久国产一区二区| 国产高清国产精品国产三级 | 成年人午夜在线观看视频| 精品99又大又爽又粗少妇毛片| 亚洲三级黄色毛片| 大话2 男鬼变身卡| 搡女人真爽免费视频火全软件| 一级二级三级毛片免费看| 国产精品99久久99久久久不卡 | 欧美少妇被猛烈插入视频| 亚洲欧美清纯卡通| 久久久a久久爽久久v久久| 人人妻人人澡人人爽人人夜夜| 91aial.com中文字幕在线观看| 国产成人福利小说| 狂野欧美激情性bbbbbb| 天堂网av新在线| 在线天堂最新版资源| 一区二区av电影网| 男男h啪啪无遮挡| 黄色视频在线播放观看不卡| 欧美97在线视频| 国产熟女欧美一区二区| 搡女人真爽免费视频火全软件| 精品少妇久久久久久888优播| 99热这里只有是精品在线观看| 看黄色毛片网站| 边亲边吃奶的免费视频| 2018国产大陆天天弄谢| 51国产日韩欧美| 亚洲在线观看片| 精品国产一区二区三区久久久樱花 | 亚洲电影在线观看av| 视频区图区小说| 欧美zozozo另类| 国产v大片淫在线免费观看| 久久亚洲国产成人精品v| 亚洲av中文av极速乱| 欧美少妇被猛烈插入视频| 精品国产三级普通话版| av国产精品久久久久影院| 亚洲精品第二区| 青春草视频在线免费观看| 肉色欧美久久久久久久蜜桃 | 观看免费一级毛片| 国产精品一区二区性色av| xxx大片免费视频| 国产精品熟女久久久久浪| 久久久a久久爽久久v久久| 在线a可以看的网站| 男女下面进入的视频免费午夜| 欧美激情在线99| 香蕉精品网在线| 欧美激情国产日韩精品一区| 日韩中字成人| 午夜老司机福利剧场| av线在线观看网站| 夜夜看夜夜爽夜夜摸| 国产精品国产三级国产av玫瑰| 亚洲欧美清纯卡通| 日韩视频在线欧美| 亚洲真实伦在线观看| 中国国产av一级| 一级黄片播放器| 日韩在线高清观看一区二区三区| 免费看a级黄色片| 在线观看国产h片| 亚洲精品成人av观看孕妇| 午夜免费男女啪啪视频观看| 久久国产乱子免费精品| 大片免费播放器 马上看| 蜜桃久久精品国产亚洲av| 五月开心婷婷网| 又大又黄又爽视频免费| 亚洲精品影视一区二区三区av| 亚洲不卡免费看| 亚洲av二区三区四区| 久久精品国产自在天天线| 在线观看免费高清a一片| 欧美高清性xxxxhd video| 网址你懂的国产日韩在线| 精品久久久久久电影网| 在线 av 中文字幕| 久久久欧美国产精品| 国产极品天堂在线| 美女xxoo啪啪120秒动态图| 成人鲁丝片一二三区免费| 日韩,欧美,国产一区二区三区| 男女下面进入的视频免费午夜| 天天躁日日操中文字幕| 免费少妇av软件| 人妻夜夜爽99麻豆av| 啦啦啦在线观看免费高清www| 国内精品宾馆在线| 中文资源天堂在线| 国产精品成人在线| av在线天堂中文字幕| 超碰97精品在线观看| 国产毛片a区久久久久| 3wmmmm亚洲av在线观看| 亚洲四区av| 国产伦精品一区二区三区四那| 交换朋友夫妻互换小说| 少妇裸体淫交视频免费看高清| 极品教师在线视频| 国产男女超爽视频在线观看| 久久人人爽人人爽人人片va| 天堂俺去俺来也www色官网| 在线精品无人区一区二区三 | 天美传媒精品一区二区| 亚洲av在线观看美女高潮| 一级毛片黄色毛片免费观看视频| 亚洲精品国产色婷婷电影| 亚洲成人一二三区av| 国产毛片a区久久久久| 久久久久久伊人网av| 99久国产av精品国产电影| 久久这里有精品视频免费| 日韩av在线免费看完整版不卡| 99九九线精品视频在线观看视频| 97在线人人人人妻| 制服丝袜香蕉在线| 观看美女的网站| 日本三级黄在线观看| 日本免费在线观看一区| 一级毛片电影观看| 国产爽快片一区二区三区| 一级毛片黄色毛片免费观看视频| 欧美性感艳星| 午夜精品国产一区二区电影 | 综合色丁香网| 欧美高清性xxxxhd video| 精品国产一区二区三区久久久樱花 | 97人妻精品一区二区三区麻豆| 丝袜美腿在线中文| 亚洲丝袜综合中文字幕| av免费观看日本| 午夜福利视频精品| 亚洲丝袜综合中文字幕| 在线观看一区二区三区| 国产美女午夜福利| 国产精品一区二区在线观看99| 亚洲综合色惰| 啦啦啦啦在线视频资源| 国产午夜福利久久久久久| 丰满乱子伦码专区| 日日啪夜夜爽| 亚洲精品,欧美精品| 女人十人毛片免费观看3o分钟| 欧美高清性xxxxhd video| 九九在线视频观看精品| 超碰av人人做人人爽久久| 内地一区二区视频在线| 91午夜精品亚洲一区二区三区| 色视频在线一区二区三区| 又爽又黄a免费视频| 我的老师免费观看完整版| 搡老乐熟女国产| 男人狂女人下面高潮的视频| 亚洲av日韩在线播放| 舔av片在线| 成人亚洲精品av一区二区| 最近中文字幕2019免费版| 国产成人福利小说| 别揉我奶头 嗯啊视频| 纵有疾风起免费观看全集完整版| 久久97久久精品| 97在线人人人人妻| 日韩欧美精品v在线| 美女内射精品一级片tv| 日日摸夜夜添夜夜添av毛片| 自拍欧美九色日韩亚洲蝌蚪91 | 日韩亚洲欧美综合| 特级一级黄色大片| 日本猛色少妇xxxxx猛交久久| 色视频www国产| 亚洲成人av在线免费| 国产精品三级大全| 麻豆乱淫一区二区| 99视频精品全部免费 在线| 日本猛色少妇xxxxx猛交久久| 婷婷色av中文字幕| 亚洲欧美精品自产自拍| 久久综合国产亚洲精品| 国产免费又黄又爽又色| av免费观看日本| 亚洲综合精品二区| 免费看光身美女| 国产一区亚洲一区在线观看| 亚洲国产成人一精品久久久| 男女边摸边吃奶| 色播亚洲综合网| 欧美97在线视频| 日本午夜av视频| 毛片女人毛片| 国产成人精品福利久久| 亚洲一级一片aⅴ在线观看| 国产乱来视频区| 亚洲成色77777| 欧美国产精品一级二级三级 | 麻豆乱淫一区二区| av.在线天堂| 听说在线观看完整版免费高清| 亚洲不卡免费看| 亚洲精品视频女| 亚洲aⅴ乱码一区二区在线播放| 国产大屁股一区二区在线视频| 久久久午夜欧美精品| 精品久久久久久久末码| 久久亚洲国产成人精品v| 我的女老师完整版在线观看| 干丝袜人妻中文字幕| 夜夜看夜夜爽夜夜摸| 丰满乱子伦码专区| 男女那种视频在线观看| 亚洲成人精品中文字幕电影| 国产精品99久久99久久久不卡 | 亚洲精华国产精华液的使用体验| 精品久久久久久电影网| 免费看日本二区| 国产午夜福利久久久久久| 久久99热这里只频精品6学生| 国产一区有黄有色的免费视频| 亚洲精品日韩av片在线观看| 少妇 在线观看| 欧美日韩综合久久久久久| 夫妻午夜视频| 精品人妻一区二区三区麻豆| 亚洲成人精品中文字幕电影| 最近的中文字幕免费完整| 黄色日韩在线| 日本爱情动作片www.在线观看| 中文字幕久久专区| av免费在线看不卡| 午夜精品国产一区二区电影 | 毛片女人毛片| h日本视频在线播放| 成人特级av手机在线观看| 尤物成人国产欧美一区二区三区| 美女主播在线视频| 国产精品久久久久久精品电影小说 | 成人亚洲精品一区在线观看 | 一二三四中文在线观看免费高清| 日韩一区二区视频免费看| 精品国产三级普通话版| 欧美 日韩 精品 国产| 纵有疾风起免费观看全集完整版| 能在线免费看毛片的网站| 亚洲,欧美,日韩| xxx大片免费视频| 免费黄网站久久成人精品| 亚洲精品日韩在线中文字幕| 亚洲欧美中文字幕日韩二区| 亚洲欧美精品自产自拍| 一本久久精品| 国产精品.久久久| 久久ye,这里只有精品| 精品亚洲乱码少妇综合久久| 在线观看一区二区三区| 成人二区视频| 男女啪啪激烈高潮av片| 国产淫片久久久久久久久| 免费av不卡在线播放| 国产精品精品国产色婷婷| 国产色婷婷99| 亚州av有码| 高清毛片免费看| 国产午夜精品久久久久久一区二区三区| 亚洲va在线va天堂va国产| 在线精品无人区一区二区三 | 亚洲欧美一区二区三区国产| 国产成人精品久久久久久| 色视频在线一区二区三区| a级一级毛片免费在线观看| 美女国产视频在线观看| 九九爱精品视频在线观看| 一二三四中文在线观看免费高清| 日韩一区二区视频免费看| 美女国产视频在线观看| 久久精品国产亚洲av天美| 久久国产乱子免费精品| 性色av一级| 国产永久视频网站| 老司机影院成人| 亚洲色图av天堂| 少妇裸体淫交视频免费看高清| 精品久久久久久久人妻蜜臀av| 97超视频在线观看视频| 又爽又黄a免费视频| 国产精品成人在线| 天堂俺去俺来也www色官网| av网站免费在线观看视频| 日韩欧美精品免费久久| 黄色配什么色好看| 久久精品久久精品一区二区三区| 国产毛片在线视频| 久久久久久久午夜电影| 成人午夜精彩视频在线观看| 国产精品人妻久久久影院| 高清毛片免费看| 亚洲自拍偷在线| 午夜激情福利司机影院| 午夜福利高清视频| 国产精品久久久久久精品电影小说 | 国产免费福利视频在线观看| 精品久久久精品久久久| 女人久久www免费人成看片| 午夜亚洲福利在线播放| 亚洲在久久综合| a级毛片免费高清观看在线播放| 国产色爽女视频免费观看| 免费播放大片免费观看视频在线观看| 国产精品蜜桃在线观看| 日本色播在线视频| 国产v大片淫在线免费观看| 自拍偷自拍亚洲精品老妇| 国产精品一区www在线观看| 精品熟女少妇av免费看| 热99国产精品久久久久久7| 美女脱内裤让男人舔精品视频| 色播亚洲综合网| 亚洲最大成人中文| 啦啦啦中文免费视频观看日本| 中文资源天堂在线| 青青草视频在线视频观看| 久热这里只有精品99| 老师上课跳d突然被开到最大视频| 日本午夜av视频| 亚洲成人一二三区av| 蜜臀久久99精品久久宅男| 亚洲人与动物交配视频| 日韩av不卡免费在线播放| 老司机影院成人| 精品熟女少妇av免费看| 五月天丁香电影| 寂寞人妻少妇视频99o| 亚洲精品国产av成人精品| 国产精品一区二区在线观看99| 91久久精品国产一区二区成人| 日韩,欧美,国产一区二区三区| 嫩草影院精品99| 人妻 亚洲 视频| 又粗又硬又长又爽又黄的视频| 亚洲人成网站高清观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日韩av在线免费看完整版不卡| 亚洲欧美中文字幕日韩二区| 久久精品人妻少妇| 人妻系列 视频| 日韩人妻高清精品专区| 午夜激情福利司机影院| 亚洲精品,欧美精品| a级毛色黄片| 久久99精品国语久久久| 超碰97精品在线观看| 街头女战士在线观看网站| 国产亚洲一区二区精品| 哪个播放器可以免费观看大片| 欧美丝袜亚洲另类| 日韩欧美精品v在线| 成人鲁丝片一二三区免费| 中文欧美无线码| 青春草国产在线视频| 国产亚洲5aaaaa淫片| 久久人人爽人人片av| freevideosex欧美| 欧美3d第一页| eeuss影院久久| 国产精品蜜桃在线观看| 日韩中字成人| 别揉我奶头 嗯啊视频| 日韩制服骚丝袜av| 真实男女啪啪啪动态图| 久久人人爽人人爽人人片va| 午夜视频国产福利| 国产精品精品国产色婷婷| 中文资源天堂在线| 国产高清有码在线观看视频| 三级经典国产精品| 亚洲va在线va天堂va国产| 亚洲国产高清在线一区二区三| 最近手机中文字幕大全| 永久网站在线| 狂野欧美激情性bbbbbb| 国产精品偷伦视频观看了| 午夜激情福利司机影院| 91aial.com中文字幕在线观看| 免费看日本二区| 97人妻精品一区二区三区麻豆| 欧美日韩亚洲高清精品| 免费av毛片视频| 中文字幕人妻熟人妻熟丝袜美| 97超视频在线观看视频| 秋霞伦理黄片| 深爱激情五月婷婷| 少妇高潮的动态图| 精品久久久精品久久久| 在线看a的网站| 高清欧美精品videossex| 日本黄大片高清| 亚洲国产色片| 久久久午夜欧美精品| 性色av一级| av国产免费在线观看| 国产精品久久久久久久久免| 看非洲黑人一级黄片| 欧美成人午夜免费资源| 亚洲精品色激情综合| 国产探花在线观看一区二区| 日韩强制内射视频| 欧美激情国产日韩精品一区| 六月丁香七月| av在线蜜桃| 乱系列少妇在线播放| 国产极品天堂在线| 亚洲国产成人一精品久久久| 99久久中文字幕三级久久日本| 久久久久久久亚洲中文字幕| 欧美国产精品一级二级三级 | 午夜精品一区二区三区免费看| 一边亲一边摸免费视频| 亚洲无线观看免费| 国产成人a∨麻豆精品| 最近中文字幕2019免费版| 一本一本综合久久| 国产爱豆传媒在线观看| 免费看av在线观看网站| 精品久久久久久电影网| 青春草视频在线免费观看| 久久久精品94久久精品| 精品少妇黑人巨大在线播放| 一个人观看的视频www高清免费观看| 成人亚洲欧美一区二区av| 日本欧美国产在线视频| 神马国产精品三级电影在线观看| 成人鲁丝片一二三区免费| 久久精品国产自在天天线| 国产在线一区二区三区精| 久久久久久久久大av| 男人添女人高潮全过程视频| 99九九线精品视频在线观看视频| 看十八女毛片水多多多| 亚洲最大成人手机在线| 亚洲激情五月婷婷啪啪| 久久久欧美国产精品| 日韩成人av中文字幕在线观看| 成年版毛片免费区| 国内精品宾馆在线| 久久久午夜欧美精品| 晚上一个人看的免费电影| 免费av毛片视频| 成人一区二区视频在线观看| a级毛片免费高清观看在线播放| 中国美白少妇内射xxxbb| 女人十人毛片免费观看3o分钟| 精品国产露脸久久av麻豆| 亚洲欧美中文字幕日韩二区| 少妇人妻一区二区三区视频| 国产乱人偷精品视频| 日韩av免费高清视频| 99久久精品一区二区三区| 综合色丁香网| 国产av码专区亚洲av| 亚洲国产色片| 日本色播在线视频| 真实男女啪啪啪动态图| 舔av片在线| 白带黄色成豆腐渣| 中文乱码字字幕精品一区二区三区| 欧美亚洲 丝袜 人妻 在线| 成人亚洲精品av一区二区| 一本色道久久久久久精品综合| 久热这里只有精品99| 久久久久久久精品精品| 欧美日韩一区二区视频在线观看视频在线 | 99热这里只有是精品50| 激情 狠狠 欧美| 三级经典国产精品| 丝袜脚勾引网站| 欧美日韩在线观看h| 亚洲av在线观看美女高潮| 国产男女内射视频| 国产探花极品一区二区| 插阴视频在线观看视频| 午夜日本视频在线| 蜜桃久久精品国产亚洲av| 啦啦啦在线观看免费高清www| 91狼人影院| 美女内射精品一级片tv| 国产乱人视频| 亚洲久久久久久中文字幕| 午夜激情久久久久久久| 国产探花极品一区二区| 亚洲四区av| av播播在线观看一区| 99久久人妻综合| 国产亚洲午夜精品一区二区久久 | 久久国内精品自在自线图片| 亚洲精品,欧美精品| 亚洲国产精品国产精品| a级毛片免费高清观看在线播放| 黄色一级大片看看| 五月天丁香电影| 欧美日韩在线观看h| 在线观看人妻少妇| 18禁在线播放成人免费| 在线天堂最新版资源| 三级国产精品片| 精品一区二区免费观看| 成人午夜精彩视频在线观看| 国产精品久久久久久av不卡| 成人毛片a级毛片在线播放| 又爽又黄无遮挡网站| 一本色道久久久久久精品综合| 熟女av电影| av国产久精品久网站免费入址| 中文字幕av成人在线电影| 精品99又大又爽又粗少妇毛片| 日韩av免费高清视频| 亚洲国产日韩一区二区| av女优亚洲男人天堂| 3wmmmm亚洲av在线观看| 亚洲丝袜综合中文字幕| 在线观看免费高清a一片| 男的添女的下面高潮视频| 国产欧美日韩一区二区三区在线 | 不卡视频在线观看欧美| 色婷婷久久久亚洲欧美| 久久99热这里只有精品18| a级一级毛片免费在线观看| 久久韩国三级中文字幕| 久久久久久九九精品二区国产| 国产欧美日韩一区二区三区在线 | 久久久久久久久久成人| 亚洲最大成人手机在线| 精华霜和精华液先用哪个| 男人添女人高潮全过程视频| 免费观看无遮挡的男女| 天天躁夜夜躁狠狠久久av| 内地一区二区视频在线| 亚洲精品国产成人久久av| 久久久久久久久久人人人人人人| 97精品久久久久久久久久精品| 99久久精品热视频| 亚洲精品一二三| 午夜老司机福利剧场| 国产精品偷伦视频观看了| 国产色爽女视频免费观看| 色视频在线一区二区三区| 亚洲av日韩在线播放| 亚洲av不卡在线观看| 午夜激情久久久久久久| 女人久久www免费人成看片| 亚洲人与动物交配视频| 久久久成人免费电影| 中文资源天堂在线| 2021少妇久久久久久久久久久| 日本色播在线视频| 成人欧美大片| 一区二区三区免费毛片| 日本与韩国留学比较| 国产高清三级在线| 久久精品久久精品一区二区三区| 国产高潮美女av| 日本三级黄在线观看| 中国国产av一级| 亚洲第一区二区三区不卡| 国产精品久久久久久久久免| 精品久久国产蜜桃| 色网站视频免费| 99热这里只有是精品在线观看| 国产一区亚洲一区在线观看| 国产成人精品福利久久| 在线 av 中文字幕| 日韩不卡一区二区三区视频在线| 欧美高清成人免费视频www| 国语对白做爰xxxⅹ性视频网站| 91aial.com中文字幕在线观看| 亚洲三级黄色毛片| 大片免费播放器 马上看| 免费看a级黄色片| 天堂网av新在线| 午夜福利视频精品| 久久99精品国语久久久| 国产色婷婷99| 18禁在线无遮挡免费观看视频| 亚洲av国产av综合av卡| 国产精品麻豆人妻色哟哟久久| 亚洲精品久久午夜乱码| 午夜福利高清视频| 乱码一卡2卡4卡精品| 久久精品久久精品一区二区三区| 在线观看av片永久免费下载| 国产乱人偷精品视频| 久久久久久久精品精品| 日韩人妻高清精品专区| 国产 一区 欧美 日韩| 日本av手机在线免费观看| 日韩一本色道免费dvd| 观看免费一级毛片| 69av精品久久久久久| 亚洲激情五月婷婷啪啪| 国产精品麻豆人妻色哟哟久久| 国产免费视频播放在线视频| 国产黄色免费在线视频| 精品久久久噜噜|