• <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 ?

    基于粒子群優(yōu)化和長短期記憶神經(jīng)網(wǎng)絡(luò)的氣井生產(chǎn)動態(tài)預(yù)測

    2022-01-04 03:18:22薛亮顧少華王嘉寶劉月田涂彬
    石油鉆采工藝 2021年4期
    關(guān)鍵詞:氣井粒子神經(jīng)網(wǎng)絡(luò)

    薛亮 顧少華 王嘉寶 劉月田 涂彬

    1. 中國石油大學(xué) ( 北京 ) 石油工程學(xué)院;2. 中國石油化工股份有限公司石油勘探開發(fā)研究院

    0 引言

    氣井生產(chǎn)動態(tài)分析是油藏工程研究的主要內(nèi)容之一,是氣井產(chǎn)量規(guī)劃、開發(fā)方案編制及生產(chǎn)制度動態(tài)調(diào)整的重要依據(jù),對于認識油藏、改造油藏,科學(xué)開發(fā)氣藏具有重要的指導(dǎo)意義。目前主要有3種產(chǎn)能評價方法:第1種是基于統(tǒng)計分析的典型曲線方法[1],例如 Arps 產(chǎn)量遞減分析方法,該類方法一般通過統(tǒng)計分析油氣井生產(chǎn)數(shù)據(jù)得到,簡單明了,但一般都建立在一定的假設(shè)條件上,適用條件苛刻,且不能考慮到開發(fā)后期生產(chǎn)情況的變化,具有一定局限性[2];第2種是基于流體滲流原理的數(shù)值解析方法,這種方法將實際油藏轉(zhuǎn)化為物理模型,再轉(zhuǎn)化為數(shù)學(xué)模型并對模型進行求解,數(shù)值解析方法一般適用于模型較為簡單的油氣藏;第3種是數(shù)值模擬方法,數(shù)值模擬方法依靠計算機的運算能力來模擬油氣藏的實際生產(chǎn)情況和流體滲流規(guī)律,這需要地層資料、巖石流體資料、生產(chǎn)動態(tài)資料等來建立地質(zhì)模型、數(shù)值模型并進行歷史匹配等工作。如果想要得到一個符合實際生產(chǎn)情況的數(shù)值模擬結(jié)果,就需要建立一個精確的數(shù)值模型,但精確的數(shù)值模型往往是十分復(fù)雜的,建立模型耗費時間長,工作量大。

    目前實際工程應(yīng)用中最常使用的是油藏數(shù)值模擬方法和典型曲線方法[3-4],但復(fù)雜的氣水井產(chǎn)量變化以及現(xiàn)場生產(chǎn)措施的調(diào)整,使得目前的常規(guī)方法難以精準(zhǔn)描述產(chǎn)量變化。近年來,機器學(xué)習(xí)理論得到了迅速發(fā)展,出現(xiàn)了許多種新的機器學(xué)習(xí)算法,包括BP神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、支持向量機、自回歸模型等算法,并且在搜索技術(shù)、機器翻譯、自然語言處理、圖形識別等各個技術(shù)領(lǐng)域取得了很大的進展,也逐漸受到了石油領(lǐng)域的關(guān)注。機器學(xué)習(xí)方法由于其能夠很好地處理非線性問題,通過對數(shù)據(jù)進行深度學(xué)習(xí),捕捉生產(chǎn)數(shù)據(jù)與產(chǎn)量之間的隱藏規(guī)律,能夠克服常規(guī)生產(chǎn)動態(tài)分析方法的缺點,依靠現(xiàn)場易獲得的油氣生產(chǎn)動態(tài)數(shù)據(jù)實現(xiàn)產(chǎn)量的準(zhǔn)確預(yù)測,與傳統(tǒng)方法相比預(yù)測結(jié)果更加可靠。

    目前,許多學(xué)者通過使用BP神經(jīng)網(wǎng)絡(luò)方法實現(xiàn)油氣產(chǎn)量的預(yù)測[5-7],此外,諸多學(xué)者也采用了支持向量機(SVM)、自回歸模型(AR)和滑動平均自回歸模型(ARIMA)等算法[8-10]來預(yù)測油氣產(chǎn)量,且都得到了較為準(zhǔn)確的預(yù)測結(jié)果,說明了此類基于機器學(xué)習(xí)的產(chǎn)量預(yù)測方法具有可行性。但應(yīng)用這些方法處理數(shù)據(jù)時,都是對某個時間點產(chǎn)量的計算,沒有充分考慮到各時間點產(chǎn)量的前后關(guān)系及變化趨勢。基于油氣產(chǎn)量具有時間序列的關(guān)系,且近幾年發(fā)展的長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)可以很好地處理時間序列數(shù)據(jù)的前后關(guān)系,提出使用長短期記憶神經(jīng)網(wǎng)絡(luò)模型對天然氣藏產(chǎn)量進行預(yù)測。長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)是基于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)改進而來的[11],它具有自循環(huán)的網(wǎng)絡(luò)結(jié)構(gòu),將上一時間步的信息傳遞至當(dāng)前時間步,并通過LSTM的輸入門、輸出門和遺忘門來控制信息的輸入輸出以及哪些不重要的信息將被遺忘,以保持神經(jīng)網(wǎng)絡(luò)在較長時間內(nèi)具有對數(shù)據(jù)的記憶功能。長短期記憶神經(jīng)網(wǎng)絡(luò)不僅可以考慮相關(guān)因素對產(chǎn)量的影響,還能反映出產(chǎn)量數(shù)據(jù)的變化趨勢,預(yù)測精度高,更適用于油氣產(chǎn)量時序預(yù)測。粒子群算法具有全局尋優(yōu)能力強、收斂速度快的特點,使用粒子群算法對LSTM模型超參數(shù)進行優(yōu)化,既能夠提高模型預(yù)測精度,也可以避免繁瑣的、專業(yè)性強的模型調(diào)參過程,便于現(xiàn)場工作人員使用。

    1 原理與方法

    1.1 循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)

    循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)是長短期記憶神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)只能對輸入和輸出構(gòu)建直接的映射關(guān)系,而循環(huán)神經(jīng)網(wǎng)絡(luò)在每個循環(huán)神經(jīng)網(wǎng)絡(luò)隱藏層單元中可以將上一步計算的狀態(tài)信息加入到當(dāng)前時間步的運算中,使得神經(jīng)網(wǎng)絡(luò)可以保留先前時間步的信息,即具有記憶能力。其中循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。圖1中,xt為t時刻的輸入數(shù)據(jù);ht為t時刻包含隱藏層狀態(tài)信息的數(shù)據(jù);yt為t時刻的輸出數(shù)據(jù);W、V、U分別為各層權(quán)重參數(shù)。與傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)相比,循環(huán)神經(jīng)網(wǎng)絡(luò)在計算過程中共享相同的權(quán)重參數(shù),極大地減少了需要學(xué)習(xí)的網(wǎng)絡(luò)參數(shù)。在前向傳播過程中,t時刻隱含層的狀態(tài)信息為

    圖1 循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig. 1 Structure of recurrent neural network

    輸出層的輸出值為式中,W、V、U分別為RNN輸入層、隱藏層和輸出層的權(quán)重參數(shù);b、c為RNN隱藏層和輸出層的偏置項;f為激活函數(shù),一般采用tanh函數(shù)或Relu函數(shù)。

    循環(huán)神經(jīng)網(wǎng)絡(luò)的權(quán)值更新采用隨時間反向傳播(Back-propagation through time, BPTT)的方法,基于梯度下降法,沿著權(quán)值的負梯度方向不斷尋優(yōu)直至收斂。在循環(huán)神經(jīng)網(wǎng)絡(luò)中,在誤差的反向傳播計算過程中會出現(xiàn)早期時間步的梯度消失或者梯度爆炸現(xiàn)象,即循環(huán)神經(jīng)網(wǎng)絡(luò)對較早時期的數(shù)據(jù)無法學(xué)習(xí),導(dǎo)致預(yù)測誤差增大[12],使其不適用于處理長時間的序列數(shù)據(jù)。在建立氣藏產(chǎn)量預(yù)測模型時,輸入數(shù)據(jù)往往是數(shù)年,甚至數(shù)十年的每日生產(chǎn)數(shù)據(jù),大量數(shù)據(jù)點的輸入使得循環(huán)神經(jīng)網(wǎng)絡(luò)不適用于氣藏的產(chǎn)量預(yù)測問題。

    1.2 長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)

    為了解決循環(huán)神經(jīng)網(wǎng)絡(luò)的梯度問題,有學(xué)者提出了RNN的改進結(jié)構(gòu)——長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM),它是循環(huán)神經(jīng)網(wǎng)絡(luò)的一種變體,能夠解決RNN的梯度問題。與RNN相比,LSTM在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中引入了記憶單元和控制神經(jīng)網(wǎng)絡(luò)隱藏層之間信息傳遞的控制門,其網(wǎng)絡(luò)結(jié)構(gòu)見圖2。

    圖2 長短期記憶神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig. 2 Structure of LSTM

    在LSTM的神經(jīng)網(wǎng)絡(luò)隱藏層中,加入了輸入門、輸出門和遺忘門以控制記憶單元,t時刻時,首先通過輸入門輸入數(shù)據(jù)xt和上一時間步輸出數(shù)據(jù)ht-1計算記憶單元遺忘門的值,輸出一個0~1之間的值傳遞給單元狀態(tài)信息Ct?1,確定前期單元狀態(tài)Ct?1應(yīng)該丟棄哪些信息(0表示完全舍棄,1表示完全保留)

    更新輸入信息it和候選單元狀態(tài)

    式中,ft為t時間步時的遺忘門信息;σ為sigmoid函數(shù);it為t時間 步時 的 輸 入 信 息;Wf、Uf為LSTM遺忘門的權(quán)重參數(shù);bf為LSTM遺忘門的偏置項;Wi、Ui為LSTM輸入門的權(quán)重參數(shù);bi為LSTM輸入門的偏置項;Wc、Uc為LSTM單元狀態(tài)的權(quán)重參數(shù);bc為LSTM單元狀態(tài)的偏置項;為t時間步時的候選單元狀態(tài)。

    此時,根據(jù)更新得到的候選單元狀態(tài)和上一時間步的單元狀態(tài)Ct?1, 更新得到t時間步的單元狀態(tài)Ct

    最后在輸出門中使用輸出門ot輸出單元狀態(tài)Ct和輸出數(shù)據(jù)ht

    式中,Ct為t時間步時的單元狀態(tài);Wo、Uo為LSTM輸出門的權(quán)重參數(shù);bo為LSTM輸出門的偏置項;ot為輸出門信息; tanh為雙曲正切函數(shù)。

    圖2中,σ為輸入門、輸出門和遺忘門3個門的主動函數(shù),是變量在0~1之間的sigmoid函數(shù)。激活函數(shù)tanh是將值壓縮在?1~1之間的雙曲正切函數(shù)。利用這兩個激活函數(shù)來增強網(wǎng)絡(luò)的非線性

    根據(jù)長短期記憶神經(jīng)網(wǎng)絡(luò)的運算結(jié)構(gòu),采用LSTM神經(jīng)網(wǎng)絡(luò)對時間序列數(shù)據(jù)進行學(xué)習(xí)并捕獲、提取數(shù)據(jù)特征,可以得到更加精準(zhǔn)的預(yù)測模型。

    1.3 粒子群優(yōu)化算法(PSO)

    構(gòu)建基于長短期記憶神經(jīng)網(wǎng)絡(luò)的產(chǎn)量預(yù)測模型時,模型超參數(shù)對產(chǎn)量預(yù)測的準(zhǔn)確性有很大的影響,超參數(shù)影響著產(chǎn)量預(yù)測模型準(zhǔn)確性和模型訓(xùn)練時的收斂速度,需要避免模型訓(xùn)練時陷入局部最優(yōu)解。粒子群優(yōu)化算法具有良好的自我學(xué)習(xí)能力,對最優(yōu)參數(shù)的全局搜索能力很強,因此在建立預(yù)測模型時,使用粒子群算法對長短期記憶神經(jīng)網(wǎng)絡(luò)算法模型的超參數(shù)進行優(yōu)選。

    粒子群算法是由Kennedy和Eberhart提出的啟發(fā)式優(yōu)化算法,該算法通過模仿鳥群的覓食過程尋找最優(yōu)解。在粒子群優(yōu)化過程中,通過個體極值和群體極值更新粒子本身的位置和速度,粒子位置記為,個體極值即為單個粒子在自身移動軌跡中誤差最小時所處位置,記為,群體極值即為所有粒子在移動軌跡中誤差最小時某一個粒子的所處位置,記為g*。迭代更新粒子自身的更新速度和更新位置

    通過迭代更新粒子位置,直到達到最小誤差標(biāo)準(zhǔn)或達到粒子更新的最大迭代次數(shù)為止。

    2 建立生產(chǎn)動態(tài)分析模型

    在氣藏開采中,隨著地層壓力的不斷下降,氣藏物性和驅(qū)動能量逐漸發(fā)生變化,從而使得氣井開發(fā)方式也隨之改變,因此,根據(jù)氣井生產(chǎn)階段分別設(shè)計氣井穩(wěn)產(chǎn)期生產(chǎn)動態(tài)預(yù)測模型和氣井遞減期生產(chǎn)動態(tài)預(yù)測模型,采用python進行代碼編寫。根據(jù)氣井油壓自動識別氣井生產(chǎn)階段,并應(yīng)用相應(yīng)的生產(chǎn)動態(tài)預(yù)測模型。

    根據(jù)國內(nèi)氣井實際生產(chǎn)情況,氣井在穩(wěn)產(chǎn)期時一般采用配產(chǎn)降壓方式進行開發(fā),因此選擇天然氣累計產(chǎn)量的時間序列數(shù)據(jù)為LSTM神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù),預(yù)測未來井底壓力隨天然氣累計產(chǎn)量的變化規(guī)律;氣井在遞減期時一般采取定壓降產(chǎn)方式進行開發(fā),氣井日產(chǎn)量的主控因素是自身的遞減趨勢,因此以氣井日產(chǎn)量的時間序列數(shù)據(jù)預(yù)測未來氣井日產(chǎn)量數(shù)據(jù)。

    2.1 數(shù)據(jù)預(yù)處理

    氣井生產(chǎn)過程中往往會由于各種因素而使得氣井的產(chǎn)量、壓力等動態(tài)參數(shù)數(shù)值產(chǎn)生震蕩波動,所以需要對原始數(shù)據(jù)進行處理以去除數(shù)據(jù)的噪音影響。

    首先采用Savitzky-Golay濾波器對數(shù)據(jù)進行處理,Savitzky-Golay濾波器(通常簡稱為S-G濾波器)最初由Savitzky和Golay于1964年提出,之后被廣泛運用于數(shù)據(jù)流平滑除噪,是一種在時域內(nèi)基于多項式最小二乘法擬合的濾波方法。這種濾波器的最大特點在于濾除噪聲的同時可以確保信號的形狀、寬度不變。

    S-G濾波器基本公式為

    式中,Yi、分別為原始數(shù)據(jù)、平滑后數(shù)值;Ci為SG多項式擬合系數(shù);N為濾波器長度,取值2m+1。

    將需要預(yù)測的目標(biāo)參數(shù)和其他相關(guān)參數(shù)的生產(chǎn)歷史數(shù)據(jù)進行歸一化處理。歸一化是一種無量綱處理手段,使物理系統(tǒng)數(shù)值的絕對值變成某種相對值關(guān)系。歸一化是簡化計算、縮小量值的有效辦法,其實質(zhì)是一種線性變換。線性變換有很多良好的性質(zhì),這些性質(zhì)決定了對數(shù)據(jù)轉(zhuǎn)換后不會造成“失效”,反而能提高數(shù)據(jù)在模型中的預(yù)測效果。

    歸一化的作用有以下幾點:(1)把數(shù)據(jù)映射到0~1范圍之內(nèi)處理,可以使數(shù)據(jù)處理更加便捷快速;(2)把有量綱表達式變成無量綱表達式,便于不同單位或量級的指標(biāo)能夠進行比較和加權(quán)計算;(3)避免太大的數(shù)在計算中引發(fā)數(shù)值問題。

    歸一化的計算公式如下

    式中,xnew為歸一化后的數(shù)值;xold為原始數(shù)值;xmin為數(shù)據(jù)最小值;xmax為數(shù)據(jù)最大值。

    將歸一化的生產(chǎn)數(shù)據(jù)轉(zhuǎn)化為序列數(shù)據(jù),也就是將生產(chǎn)數(shù)據(jù)轉(zhuǎn)化為多個短時間序列的歷史生產(chǎn)數(shù)據(jù)和對應(yīng)的已知目標(biāo)值,每一個短時間序列數(shù)據(jù)即一個樣本,每個樣本內(nèi)包含的時間步的數(shù)量即時間窗口的長度,最后轉(zhuǎn)換為三維矩陣(樣本數(shù)×?xí)r間窗口×特征數(shù)量)作為長短期記憶深度神經(jīng)網(wǎng)絡(luò)模型的輸入?yún)?shù),并利用長短期記憶深度神經(jīng)網(wǎng)絡(luò)算法計算得到需要預(yù)測的生產(chǎn)動態(tài)數(shù)據(jù)。

    式中,Y(t)為第t個時間步需要預(yù)測的生產(chǎn)動態(tài)數(shù)據(jù);X(t)為第t個時間步的生產(chǎn)控制參數(shù);n為時間窗口長度,即每個樣本包含的時間步數(shù)量。

    2.2 長短期記憶神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和優(yōu)化

    將預(yù)處理好的數(shù)據(jù)分為兩部分,前70%的數(shù)據(jù)用作訓(xùn)練集,對模型進行訓(xùn)練;之后10%的數(shù)據(jù)用作測試集,在測試集上對模型進行測試,驗證模型的效果并根據(jù)測試結(jié)果優(yōu)化模型;最后20%的數(shù)據(jù)作為模型預(yù)測集。在完成模型訓(xùn)練后,根據(jù)模型訓(xùn)練集上的擬合效果和模型在測試集上的預(yù)測誤差,使用粒子群算法優(yōu)化時間窗口長度和長短期記憶網(wǎng)絡(luò)層的神經(jīng)元數(shù)量,最后將訓(xùn)練并優(yōu)化好的模型應(yīng)用在預(yù)測集,對未來生產(chǎn)動態(tài)進行預(yù)測。

    設(shè)置粒子群算法的適應(yīng)度函數(shù)為預(yù)測值與實際值的均方根誤差,將搜索維度設(shè)置為4,4個維度分別為時間窗口長度、第1層長短期記憶網(wǎng)絡(luò)層的神經(jīng)元數(shù)量、第2層長短期記憶網(wǎng)絡(luò)層的神經(jīng)元數(shù)量和長短期記憶神經(jīng)網(wǎng)絡(luò)模型的迭代次數(shù),根據(jù)粒子群計算公式不斷迭代尋優(yōu),可以使該點所對應(yīng)的損失函數(shù)不斷變小,在粒子群的搜索空間內(nèi)損失函數(shù)達到最小值,這樣便同時得到了最優(yōu)長短期記憶深度學(xué)習(xí)模型超參數(shù),其所對應(yīng)的LSTM神經(jīng)網(wǎng)絡(luò),即為訓(xùn)練得到的最優(yōu)生產(chǎn)動態(tài)分析模型。

    2.3 長短期記憶神經(jīng)網(wǎng)絡(luò)模型的循環(huán)預(yù)測

    生產(chǎn)動態(tài)分析模型是利用歷史生產(chǎn)動態(tài)來預(yù)測未來某個或某段時期的氣層壓力或日產(chǎn)油數(shù)據(jù)。預(yù)測時由于t時間步后面的日產(chǎn)油量未知,因此,后面每預(yù)測一個時間步,需要將該時間步的預(yù)測值Y(t)更新加入到下一個時間步的預(yù)測模型輸入數(shù)據(jù),使用預(yù)測值Y(t)去預(yù)測下一時刻的值Y(t+1),實現(xiàn)對后續(xù)產(chǎn)量的預(yù)測。

    2.4 模型評估標(biāo)準(zhǔn)

    為了驗證模型的可靠性,使用平均絕對百分比誤差e1、 平均絕對誤差e2和 均方根誤差e3評價模型。平均絕對百分比誤差以百分比的方式表示誤差,平均絕對誤差則給出預(yù)測值與實際值的平均差值,均方根誤差表示誤差結(jié)果的穩(wěn)定性,均方根誤差越小表示模型性能越好,其計算方法如下。

    式 中,yi,y?i分別為第i個實際值和預(yù)測值。

    3 應(yīng)用實例

    3.1 1號井生產(chǎn)動態(tài)分析

    1號井目前油壓12 MPa,處于穩(wěn)產(chǎn)期,氣井采用配產(chǎn)降壓的方式開發(fā),因此采用穩(wěn)產(chǎn)期產(chǎn)量預(yù)測模型,通過預(yù)測未來井底壓力隨天然氣累計產(chǎn)量的變化規(guī)律來指導(dǎo)未來生產(chǎn)措施調(diào)整。采用2010年3月24日—2020年3月31日未關(guān)井有效數(shù)據(jù)輸入模型,其中2018年2月10日—5月30日數(shù)據(jù)作為訓(xùn)練集和測試集,2018年5月31日—2020年3月31日數(shù)據(jù)作為預(yù)測集進行未來生產(chǎn)動態(tài)預(yù)測。

    采用未經(jīng)粒子群優(yōu)化時的模型預(yù)測效果和經(jīng)過粒子群優(yōu)化時的模型預(yù)測效果如圖3所示,虛線左側(cè)為訓(xùn)練段和測試段,虛線右側(cè)為預(yù)測段。

    從圖3(a)中可看出,采用未經(jīng)粒子群優(yōu)化時的模型在預(yù)測段擬合效果不佳,預(yù)測值普遍低于實際值,模型在預(yù)測段的預(yù)測誤差隨著累計產(chǎn)量的增加慢慢擴大,預(yù)測效果較差。模型超參數(shù)未經(jīng)粒子群優(yōu)化時,超參數(shù)主要依靠經(jīng)驗選擇,而依靠經(jīng)驗選擇的超參數(shù)很難直接適用于模型,往往需要繁瑣的調(diào)參過程。經(jīng)過粒子群優(yōu)化后,選擇時間窗口大小為10個時間步,第1層LSTM神經(jīng)網(wǎng)絡(luò)神經(jīng)元數(shù)量為11,第2層LSTM神經(jīng)網(wǎng)絡(luò)神經(jīng)元數(shù)量為10,LSTM模型迭代次數(shù)為83。從圖3(b)中可看出經(jīng)過粒子群優(yōu)化的模型預(yù)測效果良好。

    圖3 粒子群優(yōu)化前后的1號井模型預(yù)測結(jié)果對比Fig. 3 Comparison of prediction result of No.1 well model before and after particle swarm optimization

    對模型在預(yù)測集上的預(yù)測結(jié)果進行了進一步分析。圖4為2種預(yù)測模型預(yù)測值偏離實際值的分布情況,可以看出,經(jīng)過粒子群優(yōu)化后的模型預(yù)測值更加接近斜率為1的直線,說明預(yù)測值更加接近實際值,而未經(jīng)過粒子群優(yōu)化后的模型預(yù)測值更加偏離實際值,預(yù)測效果較差。

    圖4 模型預(yù)測值和實際值的偏離情況Fig. 4 Deviation of model prediction from actual value

    可以觀察到計算模型在預(yù)測集上的預(yù)測結(jié)果與實際值的均方根誤差、平均絕對誤差和平均絕對百分比誤差在粒子群優(yōu)化后都發(fā)生下降,均方根誤差從1.72256降至0.52508,平均絕對誤差從1.56841降至0.38646,平均絕對百分比誤差從11.857%降至2.911%。研究認為,經(jīng)過粒子群優(yōu)化的LSTM模型預(yù)測效果更好,且能很好地預(yù)測未來生產(chǎn)動態(tài)。

    3.2 2號井生產(chǎn)動態(tài)分析

    2號井目前油壓8.3 MPa,處于遞減期,氣井采用定壓降產(chǎn)的方式開發(fā),因此采用遞減期產(chǎn)量預(yù)測模型,預(yù)測未來日產(chǎn)氣量隨生產(chǎn)時間的變化規(guī)律,以指導(dǎo)未來生產(chǎn)措施調(diào)整。采用2017年8月31日—2019年5月12日中的未關(guān)井的有效數(shù)據(jù)作為輸入數(shù)據(jù),其中2017年8月31日—2018年10月18日的數(shù)據(jù)作為訓(xùn)練集和測試集,訓(xùn)練并優(yōu)化模型,2018年10月19日—2019年5月12日的數(shù)據(jù)作為預(yù)測集對氣井未來生產(chǎn)動態(tài)進行預(yù)測。

    采用未經(jīng)粒子群優(yōu)化的模型預(yù)測效果和經(jīng)過粒子群優(yōu)化的模型預(yù)測效果如圖5所示,虛線左側(cè)為訓(xùn)練段和測試段,虛線右側(cè)為預(yù)測段。

    圖5 粒子群優(yōu)化前后的2號井模型預(yù)測結(jié)果對比Fig. 5 Comparison of prediction result of No.2 well model before and after particle swarm optimization

    從圖5可以看出,應(yīng)用未經(jīng)粒子群優(yōu)化時的模型在訓(xùn)練集擬合效果較好,但在預(yù)測段預(yù)測效果較差,說明模型的泛化能力較弱,而采用經(jīng)過粒子群優(yōu)化的模型預(yù)測值更貼合實際值。經(jīng)過粒子群優(yōu)化后,優(yōu)化的時間窗大小為4個時間步,第1層LSTM神經(jīng)網(wǎng)絡(luò)神經(jīng)元數(shù)量為6,第2層LSTM神經(jīng)網(wǎng)絡(luò)神經(jīng)元數(shù)量為3,LSTM模型迭代次數(shù)為272次??梢园l(fā)現(xiàn)優(yōu)化的參數(shù)值除迭代次數(shù)外都相對較小,且從圖5中可以看到模型的預(yù)測值在訓(xùn)練集和測試集上的極值點表現(xiàn)較差,分析數(shù)據(jù)后得出結(jié)論,由于2號井已進入見水期,氣井見水后產(chǎn)量波動較大,使模型很難預(yù)測到精確的產(chǎn)氣量,而粒子群優(yōu)化后選擇的較小的超參數(shù),降低了模型的復(fù)雜程度,可以使預(yù)測模型具有更好的泛化能力,從而使預(yù)測效果在整體上表現(xiàn)更加良好。

    計算在預(yù)測集上實際值與預(yù)測值的均方根誤差、平均絕對誤差和平均絕對百分比誤差后發(fā)現(xiàn),由于2號井見水后產(chǎn)量波動較大,數(shù)據(jù)的不穩(wěn)定程度大幅度增加,導(dǎo)致誤差增大,但在粒子群優(yōu)化后,均方根誤差從2.12160降至1.14898,平均絕對誤差從1.76625降至0.77692,平均絕對百分比誤差從21.153%降至9.425%。分析兩種條件下在預(yù)測段的誤差大小,可以明顯觀察到經(jīng)過粒子群優(yōu)化后的LSTM模型預(yù)測效果更好,且能夠很好地預(yù)測未來生產(chǎn)動態(tài)。

    4 結(jié)論

    (1)將機器學(xué)習(xí)中的長短期記憶神經(jīng)網(wǎng)絡(luò)應(yīng)用到生產(chǎn)動態(tài)分析中,并采用粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò),實現(xiàn)了對氣井生產(chǎn)動態(tài)的準(zhǔn)確預(yù)測。

    (2)使用粒子群優(yōu)化算法對建立的長短期記憶神經(jīng)網(wǎng)絡(luò)模型進行優(yōu)化,實現(xiàn)了神經(jīng)網(wǎng)絡(luò)超參數(shù)的自動優(yōu)化,避免了常規(guī)神經(jīng)網(wǎng)絡(luò)繁瑣的調(diào)參過程,大幅度簡化了預(yù)測模型的優(yōu)化過程,操作簡單,便于實現(xiàn)自動化和現(xiàn)場人員使用。

    (3)實例應(yīng)用說明,建立的產(chǎn)量預(yù)測模型可以精準(zhǔn)地預(yù)測未來生產(chǎn)動態(tài)變化,平均絕對百分比誤差小于10%,預(yù)測精度符合現(xiàn)場要求。

    猜你喜歡
    氣井粒子神經(jīng)網(wǎng)絡(luò)
    氣井用水合物自生熱解堵劑解堵效果數(shù)值模擬
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    基于粒子群優(yōu)化的橋式起重機模糊PID控制
    基于STM32F207的便攜式氣井出砂監(jiān)測儀設(shè)計
    電子制作(2018年9期)2018-08-04 03:31:16
    氣井出砂動態(tài)監(jiān)測技術(shù)研究
    電子制作(2018年2期)2018-04-18 07:13:33
    基于粒子群優(yōu)化極點配置的空燃比輸出反饋控制
    氣井節(jié)點分析技術(shù)在橋口井區(qū)的應(yīng)用
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于支持向量機回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    又大又黄又爽视频免费| 精品国产露脸久久av麻豆| 国产福利在线免费观看视频| 青草久久国产| 国产亚洲午夜精品一区二区久久| 美国免费a级毛片| 女人被躁到高潮嗷嗷叫费观| 日韩,欧美,国产一区二区三区| 日韩av不卡免费在线播放| 精品国产乱码久久久久久小说| 男女边吃奶边做爰视频| av女优亚洲男人天堂| 在线亚洲精品国产二区图片欧美| 国产精品蜜桃在线观看| a 毛片基地| 亚洲四区av| 人妻人人澡人人爽人人| videossex国产| 黄色毛片三级朝国网站| 国产精品一区二区在线不卡| 看免费av毛片| 毛片一级片免费看久久久久| www.熟女人妻精品国产| 一级毛片电影观看| 久久久久国产一级毛片高清牌| 少妇被粗大猛烈的视频| 国产极品粉嫩免费观看在线| a级毛片在线看网站| 在线天堂中文资源库| 国产伦理片在线播放av一区| 十八禁高潮呻吟视频| 亚洲三区欧美一区| 我要看黄色一级片免费的| 中文字幕精品免费在线观看视频| 一本久久精品| 曰老女人黄片| 久久久久久人妻| tube8黄色片| 精品人妻在线不人妻| 午夜福利,免费看| 亚洲av电影在线进入| 日本-黄色视频高清免费观看| 母亲3免费完整高清在线观看 | 欧美精品人与动牲交sv欧美| 两性夫妻黄色片| 69精品国产乱码久久久| 久久久精品国产亚洲av高清涩受| 免费高清在线观看视频在线观看| 日韩av不卡免费在线播放| 久久99精品国语久久久| 国产极品粉嫩免费观看在线| 18禁裸乳无遮挡动漫免费视频| 有码 亚洲区| 亚洲国产精品一区三区| 卡戴珊不雅视频在线播放| 天天躁日日躁夜夜躁夜夜| 亚洲精品日本国产第一区| 99热全是精品| 黑人巨大精品欧美一区二区蜜桃| 日韩精品免费视频一区二区三区| 亚洲成av片中文字幕在线观看 | 精品少妇久久久久久888优播| 另类精品久久| 女人久久www免费人成看片| 哪个播放器可以免费观看大片| 秋霞伦理黄片| 成人亚洲精品一区在线观看| 日韩制服骚丝袜av| 久久 成人 亚洲| 18禁动态无遮挡网站| 中文字幕人妻丝袜一区二区 | 国产日韩一区二区三区精品不卡| 亚洲av综合色区一区| 欧美老熟妇乱子伦牲交| 日本av免费视频播放| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲国产欧美网| 黄色 视频免费看| 在线精品无人区一区二区三| 国产极品粉嫩免费观看在线| 一级毛片我不卡| 欧美av亚洲av综合av国产av | 十分钟在线观看高清视频www| 春色校园在线视频观看| 在线观看人妻少妇| 纵有疾风起免费观看全集完整版| 免费久久久久久久精品成人欧美视频| 免费黄色在线免费观看| kizo精华| 免费观看a级毛片全部| 最近中文字幕高清免费大全6| 久热久热在线精品观看| 老司机影院毛片| 久久久久久伊人网av| 超碰成人久久| 久久毛片免费看一区二区三区| 亚洲精品日韩在线中文字幕| 校园人妻丝袜中文字幕| 亚洲图色成人| 欧美精品人与动牲交sv欧美| 综合色丁香网| 欧美成人午夜免费资源| 亚洲欧美一区二区三区黑人 | 久久精品国产亚洲av涩爱| 汤姆久久久久久久影院中文字幕| 国产欧美日韩综合在线一区二区| 国产97色在线日韩免费| 91久久精品国产一区二区三区| av国产久精品久网站免费入址| 一边摸一边做爽爽视频免费| 91成人精品电影| 亚洲精品美女久久久久99蜜臀 | 成年av动漫网址| 另类亚洲欧美激情| 欧美日韩一区二区视频在线观看视频在线| 国产黄频视频在线观看| 亚洲成国产人片在线观看| 亚洲色图综合在线观看| 亚洲图色成人| 国产av码专区亚洲av| 久久久久视频综合| 男人爽女人下面视频在线观看| 丁香六月天网| 亚洲欧美一区二区三区黑人 | 国精品久久久久久国模美| 色哟哟·www| 国产av精品麻豆| 日本wwww免费看| 午夜91福利影院| 国产精品蜜桃在线观看| 两个人免费观看高清视频| 免费观看av网站的网址| 99热网站在线观看| 9热在线视频观看99| 涩涩av久久男人的天堂| 日韩熟女老妇一区二区性免费视频| 日日撸夜夜添| 王馨瑶露胸无遮挡在线观看| 久久人人97超碰香蕉20202| 久久久久久久久久久免费av| 制服诱惑二区| 午夜免费鲁丝| 精品亚洲成国产av| 人体艺术视频欧美日本| 精品一区二区免费观看| 9热在线视频观看99| 一级爰片在线观看| 久热这里只有精品99| 日产精品乱码卡一卡2卡三| 一级片'在线观看视频| 丰满迷人的少妇在线观看| 一本色道久久久久久精品综合| av免费观看日本| 日本午夜av视频| 视频区图区小说| 桃花免费在线播放| 可以免费在线观看a视频的电影网站 | 热99国产精品久久久久久7| 在线 av 中文字幕| 麻豆精品久久久久久蜜桃| 久热久热在线精品观看| 欧美av亚洲av综合av国产av | 少妇 在线观看| 亚洲精品国产色婷婷电影| 麻豆精品久久久久久蜜桃| 男女无遮挡免费网站观看| 性少妇av在线| 熟女电影av网| 久久久欧美国产精品| 免费黄频网站在线观看国产| 999久久久国产精品视频| 久久久久久久亚洲中文字幕| 丰满饥渴人妻一区二区三| 久久久精品区二区三区| 丝瓜视频免费看黄片| 国产精品久久久av美女十八| 精品国产一区二区三区四区第35| 波野结衣二区三区在线| 岛国毛片在线播放| 制服丝袜香蕉在线| 多毛熟女@视频| 欧美日韩av久久| 日韩电影二区| 日韩av在线免费看完整版不卡| 色哟哟·www| 亚洲综合精品二区| 十八禁高潮呻吟视频| 人人澡人人妻人| 麻豆av在线久日| 久久99蜜桃精品久久| av免费观看日本| 高清av免费在线| 国产精品三级大全| 黑丝袜美女国产一区| av免费观看日本| 99久久中文字幕三级久久日本| 91久久精品国产一区二区三区| 国产日韩一区二区三区精品不卡| 在线观看免费高清a一片| 久久久久精品性色| 如何舔出高潮| 免费在线观看完整版高清| 永久免费av网站大全| 国产极品天堂在线| 国产综合精华液| 在线亚洲精品国产二区图片欧美| 这个男人来自地球电影免费观看 | 亚洲美女视频黄频| 一本久久精品| 国产精品.久久久| 免费播放大片免费观看视频在线观看| 高清不卡的av网站| 在线观看免费视频网站a站| 丝袜人妻中文字幕| 伦理电影免费视频| 欧美成人午夜免费资源| 在线观看免费视频网站a站| 欧美人与性动交α欧美精品济南到 | av天堂久久9| 九九爱精品视频在线观看| 亚洲av电影在线进入| 国产成人免费观看mmmm| 999久久久国产精品视频| 国产成人精品在线电影| 亚洲国产av新网站| 色婷婷av一区二区三区视频| 黑人猛操日本美女一级片| 国产深夜福利视频在线观看| 视频在线观看一区二区三区| 亚洲,一卡二卡三卡| 亚洲av在线观看美女高潮| 久久精品人人爽人人爽视色| 人人妻人人添人人爽欧美一区卜| 三上悠亚av全集在线观看| 边亲边吃奶的免费视频| 精品第一国产精品| 熟妇人妻不卡中文字幕| 最新的欧美精品一区二区| 久久久久久久久免费视频了| 18禁观看日本| 亚洲精品,欧美精品| 黄色怎么调成土黄色| 亚洲国产毛片av蜜桃av| 亚洲精品自拍成人| 国产高清国产精品国产三级| 亚洲精品中文字幕在线视频| 一个人免费看片子| 亚洲精品久久成人aⅴ小说| 国产成人精品久久久久久| 一边亲一边摸免费视频| 亚洲欧美精品综合一区二区三区 | 国产精品秋霞免费鲁丝片| 丝袜美足系列| 尾随美女入室| 一级毛片 在线播放| 国产精品久久久久久精品古装| 亚洲精品美女久久av网站| 日本午夜av视频| 国产成人aa在线观看| 欧美黄色片欧美黄色片| 满18在线观看网站| 在线观看三级黄色| 国产男女内射视频| 日本av手机在线免费观看| 99久久精品国产国产毛片| 激情视频va一区二区三区| 波多野结衣av一区二区av| 欧美黄色片欧美黄色片| 日本av免费视频播放| 亚洲精品国产一区二区精华液| av在线播放精品| 久久久久国产精品人妻一区二区| 日日啪夜夜爽| 熟女电影av网| 国产熟女午夜一区二区三区| 国产视频首页在线观看| 丝瓜视频免费看黄片| 香蕉国产在线看| 91精品国产国语对白视频| 涩涩av久久男人的天堂| 日本vs欧美在线观看视频| 欧美国产精品va在线观看不卡| 午夜影院在线不卡| 菩萨蛮人人尽说江南好唐韦庄| 一本大道久久a久久精品| 久久狼人影院| 色婷婷av一区二区三区视频| 秋霞在线观看毛片| 国产一区二区激情短视频 | 久热久热在线精品观看| 国产黄频视频在线观看| 99久国产av精品国产电影| 国产日韩欧美在线精品| 亚洲国产精品成人久久小说| 亚洲 欧美一区二区三区| 亚洲欧美清纯卡通| 女性生殖器流出的白浆| 国产成人av激情在线播放| 精品亚洲乱码少妇综合久久| 亚洲国产av影院在线观看| 国产精品嫩草影院av在线观看| 老司机影院毛片| 日本猛色少妇xxxxx猛交久久| 国产无遮挡羞羞视频在线观看| 人成视频在线观看免费观看| 久久精品久久精品一区二区三区| 妹子高潮喷水视频| 街头女战士在线观看网站| videossex国产| 999久久久国产精品视频| 久久精品国产亚洲av高清一级| 在线观看美女被高潮喷水网站| 国产乱来视频区| 亚洲成人av在线免费| 国产免费视频播放在线视频| 另类亚洲欧美激情| 美女主播在线视频| 一二三四在线观看免费中文在| 国产精品久久久av美女十八| 国产黄色免费在线视频| 婷婷色综合www| 乱人伦中国视频| 制服诱惑二区| 亚洲欧美中文字幕日韩二区| 国产福利在线免费观看视频| 免费av中文字幕在线| 晚上一个人看的免费电影| 18在线观看网站| 91在线精品国自产拍蜜月| 国产精品二区激情视频| 熟女少妇亚洲综合色aaa.| 免费在线观看黄色视频的| 久久久久精品性色| 女性生殖器流出的白浆| 国产精品欧美亚洲77777| 精品国产超薄肉色丝袜足j| 国产在线一区二区三区精| 国产av一区二区精品久久| 777米奇影视久久| videos熟女内射| 日本vs欧美在线观看视频| 韩国精品一区二区三区| 你懂的网址亚洲精品在线观看| 国产成人a∨麻豆精品| 国产成人一区二区在线| 免费不卡的大黄色大毛片视频在线观看| 十八禁高潮呻吟视频| 丝袜人妻中文字幕| 热re99久久精品国产66热6| 成人毛片a级毛片在线播放| 日本爱情动作片www.在线观看| 黄片小视频在线播放| 久久久久久伊人网av| 十八禁高潮呻吟视频| 男女啪啪激烈高潮av片| 一级a爱视频在线免费观看| 男女下面插进去视频免费观看| av在线播放精品| 亚洲在久久综合| 可以免费在线观看a视频的电影网站 | 亚洲精品av麻豆狂野| 熟女av电影| 欧美日韩精品成人综合77777| 黄色 视频免费看| 男女下面插进去视频免费观看| 2021少妇久久久久久久久久久| 一区二区日韩欧美中文字幕| 搡老乐熟女国产| 久久亚洲国产成人精品v| 日本wwww免费看| 自线自在国产av| 交换朋友夫妻互换小说| 水蜜桃什么品种好| 日韩av不卡免费在线播放| 午夜老司机福利剧场| 黄色一级大片看看| 成人漫画全彩无遮挡| 男男h啪啪无遮挡| 久久精品国产亚洲av天美| 如日韩欧美国产精品一区二区三区| 男男h啪啪无遮挡| 蜜桃在线观看..| √禁漫天堂资源中文www| 国产一级毛片在线| 99热国产这里只有精品6| 免费日韩欧美在线观看| 男的添女的下面高潮视频| 欧美 亚洲 国产 日韩一| 久久精品国产亚洲av天美| 男女午夜视频在线观看| 99久久中文字幕三级久久日本| 日本91视频免费播放| 成人国语在线视频| 水蜜桃什么品种好| 母亲3免费完整高清在线观看 | 免费黄频网站在线观看国产| 国产一区亚洲一区在线观看| 少妇人妻精品综合一区二区| 中文字幕人妻丝袜制服| a级毛片黄视频| 99精国产麻豆久久婷婷| 美国免费a级毛片| 国产成人精品福利久久| 午夜老司机福利剧场| 日本91视频免费播放| 亚洲熟女精品中文字幕| 欧美国产精品一级二级三级| 亚洲精品中文字幕在线视频| 欧美+日韩+精品| 日本vs欧美在线观看视频| 日韩免费高清中文字幕av| 国产精品不卡视频一区二区| 久久精品国产自在天天线| 亚洲国产精品成人久久小说| 亚洲视频免费观看视频| 色婷婷av一区二区三区视频| 超碰成人久久| 国产欧美亚洲国产| 女人精品久久久久毛片| 妹子高潮喷水视频| 人人妻人人澡人人爽人人夜夜| 成人影院久久| 久久久久久久国产电影| 男女啪啪激烈高潮av片| 亚洲精品久久午夜乱码| 亚洲精品久久成人aⅴ小说| 波多野结衣一区麻豆| 亚洲精品成人av观看孕妇| 国产成人精品福利久久| 国产成人精品婷婷| 十分钟在线观看高清视频www| 韩国av在线不卡| 国产精品一区二区在线观看99| 两个人看的免费小视频| 极品少妇高潮喷水抽搐| 欧美日韩精品成人综合77777| 亚洲av免费高清在线观看| 九草在线视频观看| 久久久久视频综合| 亚洲婷婷狠狠爱综合网| 日韩一区二区视频免费看| 亚洲精品乱久久久久久| 曰老女人黄片| 免费高清在线观看日韩| av电影中文网址| 18禁国产床啪视频网站| 欧美日韩一级在线毛片| 少妇熟女欧美另类| 午夜老司机福利剧场| 久久人人97超碰香蕉20202| 日韩av在线免费看完整版不卡| 国产亚洲一区二区精品| 一区二区av电影网| 可以免费在线观看a视频的电影网站 | 日本av手机在线免费观看| 伦理电影大哥的女人| 一边亲一边摸免费视频| 国产xxxxx性猛交| 国产精品成人在线| 人妻人人澡人人爽人人| 2021少妇久久久久久久久久久| 欧美精品亚洲一区二区| 欧美日本中文国产一区发布| 亚洲精品国产一区二区精华液| 午夜影院在线不卡| 国产精品二区激情视频| 亚洲国产精品一区三区| av在线老鸭窝| 国产精品秋霞免费鲁丝片| 精品久久久精品久久久| 久久国产精品大桥未久av| 成人漫画全彩无遮挡| 亚洲第一青青草原| 日韩制服骚丝袜av| 十八禁高潮呻吟视频| 欧美激情极品国产一区二区三区| 青春草亚洲视频在线观看| 99久久综合免费| 99国产精品免费福利视频| 午夜av观看不卡| 亚洲,一卡二卡三卡| 久久久久久久亚洲中文字幕| 亚洲美女视频黄频| 97精品久久久久久久久久精品| 午夜福利在线观看免费完整高清在| 亚洲精品国产色婷婷电影| 美女中出高潮动态图| 波多野结衣一区麻豆| 一区二区三区激情视频| 国产精品av久久久久免费| 亚洲成人手机| 久久久欧美国产精品| 欧美国产精品一级二级三级| 极品少妇高潮喷水抽搐| 国产麻豆69| 狂野欧美激情性bbbbbb| 亚洲精品aⅴ在线观看| 久久 成人 亚洲| 91精品三级在线观看| 一级片'在线观看视频| 天天躁狠狠躁夜夜躁狠狠躁| 欧美精品一区二区免费开放| 亚洲精品第二区| www.自偷自拍.com| 久久亚洲国产成人精品v| 亚洲美女黄色视频免费看| 看免费av毛片| 青春草视频在线免费观看| 日韩伦理黄色片| 999精品在线视频| 亚洲一码二码三码区别大吗| 超碰成人久久| 99国产精品免费福利视频| 久久久久久久久免费视频了| 少妇精品久久久久久久| 亚洲美女视频黄频| 国产黄色视频一区二区在线观看| 久久99一区二区三区| 人人妻人人添人人爽欧美一区卜| 尾随美女入室| 夫妻午夜视频| 亚洲少妇的诱惑av| 成人国产av品久久久| 一本—道久久a久久精品蜜桃钙片| 免费播放大片免费观看视频在线观看| 老司机亚洲免费影院| 亚洲精品美女久久av网站| 在线观看美女被高潮喷水网站| 波多野结衣av一区二区av| 十分钟在线观看高清视频www| 亚洲国产精品成人久久小说| 在线精品无人区一区二区三| 久久久精品94久久精品| 香蕉精品网在线| 99国产综合亚洲精品| 精品久久久精品久久久| 免费少妇av软件| 国产成人精品婷婷| 女人被躁到高潮嗷嗷叫费观| 制服丝袜香蕉在线| 欧美日韩精品网址| 国产白丝娇喘喷水9色精品| 人人妻人人添人人爽欧美一区卜| h视频一区二区三区| 97在线视频观看| 亚洲少妇的诱惑av| av免费在线看不卡| 欧美日韩亚洲高清精品| 99香蕉大伊视频| 一边摸一边做爽爽视频免费| 超色免费av| 日本欧美国产在线视频| 久久精品国产亚洲av高清一级| 亚洲av电影在线观看一区二区三区| 国产高清不卡午夜福利| 在线观看www视频免费| 亚洲精品久久久久久婷婷小说| 亚洲精品一区蜜桃| 亚洲精品国产色婷婷电影| 国产伦理片在线播放av一区| 欧美 亚洲 国产 日韩一| 免费观看a级毛片全部| 伊人久久大香线蕉亚洲五| 精品一区在线观看国产| 国产精品一区二区在线观看99| 我要看黄色一级片免费的| 哪个播放器可以免费观看大片| 欧美在线黄色| 搡老乐熟女国产| 中文字幕人妻丝袜制服| 如何舔出高潮| 精品一区二区免费观看| 国产精品不卡视频一区二区| 2021少妇久久久久久久久久久| av网站免费在线观看视频| 天天躁夜夜躁狠狠躁躁| 亚洲精品国产一区二区精华液| 熟女av电影| 在现免费观看毛片| 少妇被粗大猛烈的视频| 97在线人人人人妻| 校园人妻丝袜中文字幕| 电影成人av| 在线观看www视频免费| 国产成人精品婷婷| 国产成人精品在线电影| 欧美老熟妇乱子伦牲交| 久久午夜综合久久蜜桃| 寂寞人妻少妇视频99o| 999久久久国产精品视频| 久久ye,这里只有精品| 久久人妻熟女aⅴ| 女人被躁到高潮嗷嗷叫费观| 又大又黄又爽视频免费| 亚洲第一青青草原| 久久久久网色| 丝袜美腿诱惑在线| 在现免费观看毛片| 菩萨蛮人人尽说江南好唐韦庄| 女的被弄到高潮叫床怎么办| 国产视频首页在线观看| 久久精品国产亚洲av高清一级| 制服人妻中文乱码| 国产成人精品福利久久| 99久久精品国产国产毛片| 日日啪夜夜爽| 精品国产超薄肉色丝袜足j| 欧美日韩成人在线一区二区| 天堂俺去俺来也www色官网| 欧美bdsm另类| 香蕉精品网在线| 又粗又硬又长又爽又黄的视频| 欧美在线黄色| 2018国产大陆天天弄谢| 亚洲精华国产精华液的使用体验|