• <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XGBoost和改進灰狼優(yōu)化算法的催化裂化汽油精制裝置的辛烷值損失模型分析

    2022-01-14 02:27:48陳延展任紫暢成艾國
    石油學(xué)報(石油加工) 2022年1期
    關(guān)鍵詞:辛烷值灰狼汽油

    陳延展,胡 浩,任紫暢,成艾國

    (湖南大學(xué) 機械與運載工程學(xué)院,湖南 長沙 410000)

    汽油是小型車輛的主要燃料,其燃燒產(chǎn)生的尾氣排放對大氣環(huán)境有重要影響。為此,世界各國都制定了日益嚴(yán)格的汽油質(zhì)量標(biāo)準(zhǔn)。研究法辛烷值(RON)是反映汽油燃燒性能的最重要指標(biāo),并作為汽油的商品牌號(例如89#、92#、95#)?,F(xiàn)有技術(shù)在對催化裂化汽油進行脫硫和降烯烴過程中,普遍降低了汽油辛烷值[1]。辛烷值每降低1個單位,相當(dāng)于損失約150 CNY/t[2]。以一個1000 kt/a催化裂化汽油精制裝置為例,若能降低RON損失0.3個單位,其經(jīng)濟效益將達到45×106CNY。因此,研究汽油的辛烷值,對于保護大氣環(huán)境和提高工廠經(jīng)濟效益具有重要意義。

    實驗測定是目前獲取汽油辛烷值數(shù)據(jù)的最有效方法。根據(jù)ASTM D2699[3]和ASTM D2700[4]的規(guī)定,辛烷值分為研究法辛烷值(RON)和馬達法辛烷值(MON)2種。通過實驗測定來改善調(diào)試汽油樣品的辛烷值從而確定其最佳配比,不僅需要昂貴的實驗儀器及設(shè)備,還需要花費大量的時間及試劑樣品[5]。因此,有必要開展汽油辛烷值的理論預(yù)測研究,建立可靠的理論預(yù)測模型,彌補實驗方法的缺陷與不足。

    目前,分析化學(xué)法是文獻中預(yù)測汽油辛烷值的常見方法。Ghosh等[6]通過色譜分析法來預(yù)測汽油辛烷值,平均誤差值約為4~7個單位。Kardamakis等[7]則通過近紅外光譜法對汽油辛烷值進行預(yù)測研究。分析化學(xué)法的缺陷在于同樣需要用到相應(yīng)分析測試儀器,其運轉(zhuǎn)、維護費用較高,且耗時耗力。因此,采用各種理論算法來建立汽油辛烷值的預(yù)測模型受到廣泛關(guān)注。

    目前為止,基于各種理論方法的汽油辛烷值的化工過程建模一般是通過數(shù)據(jù)關(guān)聯(lián)或機理建模的方法來實現(xiàn)的,取得了一定的成果。但是由于煉油工藝過程的復(fù)雜性以及設(shè)備的多樣性,它們的操作變量(控制變量)之間具有高度非線性和相互強耦聯(lián)的關(guān)系,而且傳統(tǒng)的數(shù)據(jù)關(guān)聯(lián)模型中變量相對較少、機理建模對原料的分析要求較高,對過程優(yōu)化的響應(yīng)不及時,所以效果并不理想。基于此,筆者利用某石化企業(yè)催化裂化汽油精制裝置采集的大量歷史數(shù)據(jù),通過機器學(xué)習(xí)技術(shù)建立汽油研究法辛烷值(RON)損失預(yù)測模型,揭示相應(yīng)的操作變量及其影響規(guī)律;并提出一種改進的差分灰狼優(yōu)化算法對影響汽油辛烷值損失的操作變量進行優(yōu)化,以盡量減少汽油精制過程中的辛烷值損失,為石化企業(yè)和運營商提供決策分析。

    1 模型及算法介紹

    XGBoost(Extreme gradient boosting)是由Zhou等[8]提出的一種支持并行計算的梯度提升樹模型,近些年該模型憑借突出的效率和較高的預(yù)測精度被廣泛應(yīng)用于Kaggle機器學(xué)習(xí)競賽中。實際上XGBoost是一種改進的GBDT(Gradient boosting decision tree)算法[9],兩者本質(zhì)上均由許多用于回歸和分類的決策樹組成,但是XGBoost在以下方面對GBDT算法進行了改進:(1)對于損失函數(shù),GBDT算法只使用了一階泰勒展開,而XGBoost則增加了二階泰勒展開;(2)XGBoost在目標(biāo)函數(shù)中構(gòu)造了正則懲罰項[8]以降低模型復(fù)雜度,從而防止模型過擬合。XGBoost模型的結(jié)構(gòu)如圖1所示。

    圖1 XGBoost算法示意圖Fig.1 Schematic of XGBoost algorithm

    對于一個給定的有n個樣本的數(shù)據(jù)集D={(xi,yi)}(i=1,2…,n),其中xi表示第i個樣本的特征值集合,yi表示第i個樣本的標(biāo)簽值,則基于數(shù)據(jù)集D訓(xùn)練出的具有K個基學(xué)習(xí)器的XGBoost預(yù)測模型為:

    (1)

    F={f(x)=ωq(x)}

    (2)

    (3)

    在對訓(xùn)練數(shù)據(jù)進行學(xué)習(xí)時,每次在保留原有模型不變的基礎(chǔ)上,加入一個新函數(shù)ft,觀察對應(yīng)的目標(biāo)函數(shù)J(ft),若加入的新函數(shù)能使目標(biāo)函數(shù)盡可能減到最小,則把該函數(shù)加到模型中。此時目標(biāo)函數(shù)表示為:

    (4)

    (5)

    式中:L代表損失函數(shù);Ω(ft)則表示模型的復(fù)雜度;T表示葉節(jié)點數(shù);γ和λ表示懲罰項的權(quán)重系數(shù)。之后對目標(biāo)函數(shù)進行二階泰勒展開得到如下近似目標(biāo)函數(shù):Tt為t次迭代后的葉節(jié)點數(shù)。

    (6)

    (7)

    (8)

    式中:gi和hi是關(guān)于損失函數(shù)L的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)。綜上所述,最終求得的目標(biāo)函數(shù)形式如下:

    (9)

    (10)

    (11)

    2 特征工程

    實驗數(shù)據(jù)集來源于某石化企業(yè)催化裂化汽油精制裝置運行4年所采集到的325個樣本數(shù)據(jù),其中每個數(shù)據(jù)樣本都包含7個原料性質(zhì)、2個待生吸附劑性質(zhì)、2個再生吸附劑性質(zhì)、2個產(chǎn)品性質(zhì)等變量以及另外354個操作變量,共計367個特征變量。表1中僅列出367個變量中的前30個具體信息(由于變量太多,此次降為30個)。由于367個特征變量中存在大量的冗余變量,不利于汽油辛烷值損失值預(yù)測模型的建立和求解,所以利用特征工程篩選出建模的主要變量,特征工程的總體流程如圖2所示。

    表1 影響汽油辛烷值損失的特征變量Table 1 Characteristic variables affecting octane loss in gasoline

    MIC—Maximum mutual information coefficient method圖2 特征工程的主要變量選取流程圖Fig.2 Flow chart for selection of key variables

    由圖2可知:首先需要對數(shù)據(jù)集進行歸一化處理,由于各特征的數(shù)值量綱之間存在較大差異,數(shù)據(jù)歸一化可以使所有特征具有零均值和同一階數(shù)上的方差,以方便后續(xù)的機器學(xué)習(xí)模型訓(xùn)練;然后運用方差閾值法的思想進行特征的粗略篩選,計算數(shù)據(jù)特征的方差值,剔除方差較低的特征,得到剔除后的前100個變量特征;然后分別利用Pearson相關(guān)系數(shù)法、最大互信息系數(shù)(MIC)法和基于隨機森林的特征選擇法對各特征進行重要度計算;最終利用3種特征選擇方法的融合進行變量特征的精確篩選。Pearson系數(shù)法僅反映不同變量之間的線性關(guān)系,最大互信息法能同時反映變量間的線性和非線性關(guān)系,基于隨機森林的特征重要度排序方法以包裹式的特征選取方式進行特征重要度計算??紤]到選取的特征應(yīng)具有獨立性、代表性的要求,因此,按照Pearson系數(shù)法權(quán)重∶最大互信息系數(shù)法權(quán)重∶隨機森林法權(quán)重比為2∶3∶5進行特征重要度的融合。各類方法對于特征變量的重要度排序如圖3所示。

    圖3 各方法的特征重要度排序Fig.3 Feature importance ranking sequence of each method(a)Pearson method;(b)Maxmium mutual information coefficient method;(c)Random forest method;(d)Weight coefficient method

    基于權(quán)重法融合結(jié)果的前25項特征的重要度之和占所有特征重要度之和的95%以上,故從得到的前100個特征中選取前25個特征作為建模的主要特征,其特征變量如表2所示。

    表2 建模選取的主要特征變量Table 2 Main characteristic variables

    3 模型應(yīng)用與結(jié)果分析

    以特征工程后的催化裂化汽油精制裝置歷史運行數(shù)據(jù)為訓(xùn)練集,分別采用多個機器學(xué)習(xí)模型建立汽油辛烷值損失值與25個主要特征變量之間的映射函數(shù),并在測試集上利用各種評價指標(biāo)進行模型對比,從而驗證XGBoost模型的預(yù)測性能。

    3.1 模型評價指標(biāo)

    (12)

    (13)

    (14)

    3.2 實驗分析與模型對比

    基于催化裂化汽油精制裝置歷史運行數(shù)據(jù)分別訓(xùn)練了XGBoost汽油辛烷值損失值預(yù)測模型和其他機器學(xué)習(xí)模型,如線性回歸模型[10]、K近鄰模型[11]、支持向量機(SVM)[12]、決策樹(DT)[13]和隨機森林(RF)[14]等。實驗平臺為AMD Ryzen 74800H with Radeon Graphics(2.90 GHz),配置了16.0 GB的RAM內(nèi)存和8 GB的GTX 1070Ti顯卡。其中SVM、DT和RF等模型均在python的第三方庫scikit-learn中實現(xiàn)。表3給出了上述10個機器學(xué)習(xí)模型對于汽油辛烷值(RON)損失值的預(yù)測精度、訓(xùn)練時間和測試時間。

    由表3可見,后6個模型的R2均超過0.97而具有很高的預(yù)測精度,并且其中模型RF和XGBoost的R2均高達0.99以上,遠超其他模型。表現(xiàn)最為突出的XGBoost模型R2值更是高達0.9981,并且MAE和RMSE均處在所有模型的最低值。然而2種線性模型LR和Linear-SVM的預(yù)測精度都很差,其R2均在0.95左右,證明了汽油RON損失值與25 個特征變量之間存在明顯的非線性關(guān)系。其他模型DT和KNN的預(yù)測精度則處于中等水平。

    表3 不同汽油辛烷值(RON)損失值預(yù)測模型的對比Table 3 Comparison of different RON loss value prediction models

    XGBoost模型預(yù)測的汽油辛烷值損失值與真實值的對比曲線如圖4所示。由圖4可以看出XGBoost模型的擬合效果很好,兩條曲線幾乎完全重合。為了進一步說明XGBoost模型的擬合效果,圖5繪制了測試集數(shù)據(jù)中汽油辛烷值損失的真實值與XGBoost模型預(yù)測值之間的散點分布,散點越接近直線則表示模型的預(yù)測能力越強[15]。從圖5可以直觀看出該模型具有良好的汽油辛烷值預(yù)測能力。

    圖4 XGBoost模型汽油辛烷值(RON)損失預(yù)測值與真實值對比Fig.4 Comparison of RON loss predicted values by XGBoost model and actual values

    圖5 XGBoost模型汽油辛烷值(RON)預(yù)測值與真實值的散點分布Fig.5 Distribution of RON loss predicted values by XGBoost model and actual values

    綜上所述,XGBoost模型的R2最高,并且訓(xùn)練時間、預(yù)測時間、MAE以及RMSE均相對較小。所以XGBoost模型在預(yù)測汽油辛烷值損失值的問題上比其他模型更加有效,筆者最終采用XGBoost模型預(yù)測汽油辛烷值的損失值。

    4 基于改進差分灰狼算法的汽油辛烷值損失優(yōu)化模型

    為盡可能降低汽油辛烷值損失,同時由于國六車用汽油標(biāo)準(zhǔn)要求硫質(zhì)量分數(shù)不大于5 μg/g,為了保證汽油產(chǎn)品脫硫效果,對數(shù)據(jù)樣本的25個特征變量進行優(yōu)化,建立了一種單目標(biāo)優(yōu)化模型。約束條件包括硫含量、操作變量的取值范圍等。為了建立硫質(zhì)量分數(shù)不大于5 μg/g的約束條件,同樣采用XGBoost建立了硫含量與這些操作變量的映射函數(shù)關(guān)系,并作為限制條件求解。由于該優(yōu)化模型的變量有25個,維度較高,筆者提出了一種改進的差分灰狼優(yōu)化算法進行求解,可以較大提高模型的求解精度和效率。結(jié)果表明模型的建立與求解過程是合理的。具體的求解思路如圖6所示。

    圖6 基于改進的差分灰狼優(yōu)化算法的汽油辛烷值(RON)損失優(yōu)化模型的建立與求解過程Fig.6 Establishment and solution of RON loss optimization model

    4.1 模型建立

    由數(shù)據(jù)可知,大多數(shù)樣本的汽油辛烷值損失還是偏大的,有必要對其特征變量進行優(yōu)化來減少其損失值。因此,建立了一個優(yōu)化模型,并在保證硫質(zhì)量分數(shù)不大于5 μg/g的條件下,分別對這325個樣本對應(yīng)的操作條件進行優(yōu)化求解。具體的建模過程如下:

    目標(biāo)函數(shù):使辛烷值損失最小,采用XGBoost的汽油辛烷值損失與主要操作變量的映射函數(shù),用f(X)來表示,其中X=[X1,X2,X3,…,XM](M=25),代表影響汽油辛烷值損失的25個主要操作變量,并且下標(biāo)與表2中的排序一一對應(yīng)。

    min(f(X))

    (15)

    硫含量的約束條件:利用XGBoost建立硫含量與25個主要操作變量的映射函數(shù),即利用主要操作變量預(yù)測硫含量,用g(X)表示,并使得其質(zhì)量分數(shù)不大于5 μg/g。

    操作變量的約束條件:每個操作變量的取值范圍如表4所示。于是,最終的優(yōu)化模型如下:

    表4 影響汽油辛烷值損失的25個主要操作變量的取值范圍Table 4 25 main operational variables affecting RON loss

    min(f(X))

    (16)

    4.2 改進的差分灰狼優(yōu)化算法設(shè)計

    對于優(yōu)化問題,傳統(tǒng)的數(shù)學(xué)規(guī)劃方法在求解過程中難以實現(xiàn)全局最優(yōu),且收斂性差。目前,基于種群迭代的智能優(yōu)化算法由于其較快的求解速率在工程上得到了廣泛應(yīng)用?;依莾?yōu)化(Gray Wolf Optimizer,GWO)[16]算法作為一種較新的智能優(yōu)化算法,憑借其結(jié)構(gòu)簡單、需要調(diào)節(jié)的參數(shù)較少和較好的魯棒性的特點,也得到了許多學(xué)者的關(guān)注。但是,與其他智能優(yōu)化算法類似,基本的灰狼優(yōu)化算法也存在著一些缺點,比如對于高維問題容易陷入局部最優(yōu)、求解精度不高等。針對此問題,筆者提出了一種改進的差分灰狼優(yōu)化算法來對模型進行求解。

    4.2.1 基本灰狼優(yōu)化算法

    GWO算法是借鑒大自然中狼群捕食行為和社會領(lǐng)導(dǎo)階層分工的思想而提出的一種新型智能優(yōu)化算法。在一個小型灰狼群體中,有3個最優(yōu)的個體,分別為α狼、β狼和δ狼,它們處于金字塔的上層,其他狼聽從這些狼的指揮。

    這些灰狼在追逐和包圍獵物過程可以抽象為一個數(shù)學(xué)模型,提出了以下公式:

    (17)

    (18)

    (19)

    (20)

    (21)

    (22)

    (23)

    (24)

    式中:umax為最大迭代次數(shù);其他灰狼個體根據(jù)α、β和δ的位置分別更新各自的位置。

    4.2.2 灰狼算法的改進策略

    (1)基于sigmoid函數(shù)的收斂因子調(diào)整

    根據(jù)前面灰狼算法的機理分析可知,A值的大小代表灰狼包圍獵物時的范圍,A越大說明包圍圈越大,反之包圍圈越小,即代表了灰狼的全局勘探和局部精細搜索的能力。而A的取值是隨收斂因子a變化的。也就說明了收斂因子影響著灰狼算法的全局搜索和局部搜索能力。然而,在基本的GWO中,收斂因子是線性遞減的,這種搜索策略在實際尋優(yōu)過程難以適應(yīng)實際情況。為了使得灰狼在開始階段搜索的范圍較廣,并在結(jié)束階段能夠在很小的范圍內(nèi)進行精細搜索,采用sigmod函數(shù)來控制收斂因子的取值,可以使算法的全局勘探和局部搜索能力更強,其收斂因子的更新策略如公式(25)所示,采用這種策略,既有利于加快收斂速率,又能使算法在迭代末期獲得最優(yōu)值。

    (25)

    (2)基于差分變異策略的個體更新

    在基本的GWO算法中,由式(24)可以看出,群體中其他灰狼個體的更新是由α狼、β狼和δ狼這3種狼的位置決定的。如果這3種狼陷入了局部最優(yōu)解的周圍,會導(dǎo)致其他狼的個體的多樣性減少,從而使得算法出現(xiàn)早熟現(xiàn)象,無法跳出局部最優(yōu)的包圍圈,求解效果會變得較差。為了解決這一問題,可以引入變異操作算子,使得算法避免這種陷入局部最優(yōu)的狀況。常見的變異算子有高斯變異、柯西變異等。

    受到差分進化算法的啟發(fā),筆者采用差分變異算子來對其他狼的位置進行調(diào)整。即利用當(dāng)前灰狼個體、最優(yōu)灰狼個體和隨機選擇的灰狼個體進行隨機差分選擇進行位置更新,其表達式如下:

    (26)

    4.2.3 改進差分灰狼優(yōu)化算法的步驟

    4.3 模型求解與結(jié)果分析

    根據(jù)325個樣本數(shù)據(jù)的操作變量的原始值,分別對改進的差分灰狼優(yōu)化算法進行初始化,通過優(yōu)化算法的不斷迭代可以求解每個數(shù)據(jù)樣本對應(yīng)的主要變量優(yōu)化后的操作條件。表5列出了第1個樣本優(yōu)化前后的操作變量和汽油辛烷值損失值的數(shù)據(jù),同時還給出了硫含量的值。由表5可以發(fā)現(xiàn)硫質(zhì)量分數(shù)在5 μg/g以下,滿足國六車用汽油標(biāo)準(zhǔn)要求的硫含量取值范圍。

    表5 第1個樣本操作變量和汽油辛烷值損失優(yōu)化前后結(jié)果Table 5 Operation variables of the first sample and RON loss before and after optimization

    為了進一步驗證改進差分灰狼優(yōu)化算法的效果,對數(shù)據(jù)集前325個樣本優(yōu)化前后的辛烷值損失值大小進行了可視化,如圖7所示。由圖7可知,325個樣本中辛烷值損失值的初始值都較大,大部分超過了1,而優(yōu)化后的值卻在0.4上下波動,證明了改進的差分灰狼算法很大程度上降低了汽油辛烷值損失值,這進一步說明了所建立的模型和設(shè)計的算法的有效性。

    圖7 325個樣本辛烷值損失值優(yōu)化前后結(jié)果對比Fig.7 Result comparison before and after optimization of RON loss of 325 samples

    除此之外,筆者還計算了優(yōu)化后的汽油辛烷值損失值的降幅,其計算公式為:

    采用上述公式對圖7中所有樣本的降幅進行了計算,表6給出了汽油辛烷值損失值降幅的區(qū)間范圍。由表6可以看出,辛烷值損失降幅在30%以下的只有3個樣本,大多數(shù)樣本的損失降幅在60%~80%之間,這也證明優(yōu)化的效果很好

    表6 優(yōu)化后的汽油辛烷值(RON)損失降幅分布Table 6 RON loss range after optimization

    4.4 算法有效性分析

    為了驗證所提出的改進差分灰狼優(yōu)化算法的有效性,分別與差分算法(Differential Evolution Algorithm,DE)和灰狼算法進行了對比,結(jié)果見圖8。

    本實驗采用python編程實現(xiàn),電腦的處理器為:AMD Ryzen 74800H with Radeon Graphics(2.90 GHz),內(nèi)存(RAM)為16 GB,優(yōu)化1個訓(xùn)練樣本所花費的時間為28 s,效率比較高。

    由圖8可知,所提出的改進算法在收斂速率和求解精度上均是最優(yōu)的,這進一步驗證了算法的有效性。

    GWO—Gray wolf optimizer;DE—Differential evolution algorithm圖8 3種優(yōu)化算法的迭代曲線Fig.8 Iterative curve diagrams of three optimization algorithms

    5 結(jié) 論

    基于機器學(xué)習(xí)算法XGBoost建立汽油辛烷值損失值與主要特征變量之間的映射函數(shù),并提出一種改進的差分灰狼算法建立關(guān)于汽油辛烷值損失值最小的單目標(biāo)優(yōu)化模型,最終得出的結(jié)論如下:

    (1)分別采用Pearson系數(shù)、最大互信息系數(shù)和隨機森林特征選擇法計算來篩選主要特征變量,并利用權(quán)重法對各特征重要度進行融合,有效避免了單一特征評價方法的局限性;

    (2)采用XGBoost和多種流行的機器學(xué)習(xí)模型分別預(yù)測汽油辛烷值損失,其中XGBoost算法的RMSE值、MAE值和R2系數(shù)分別為1.3197、0.3581和0.9981,通過對比分析證明XGBoost算法的預(yù)測性能最佳;

    (3)針對具有高維變量的優(yōu)化問題,提出了一種改進的差分灰狼優(yōu)化算法,利用該算法可以將數(shù)據(jù)樣本的辛烷值損失降低至0.4左右。分別與差分進化算法和基本灰狼優(yōu)化算法進行對比,發(fā)現(xiàn)改進的算法在求解速率和精度上有了一定的提升。

    建立的降低汽油辛烷值損失模型可以盡量減少汽油精制過程中的辛烷值損失,為化工企業(yè)和運營商提供決策分析。但是此研究沒有考慮到實際工業(yè)生產(chǎn)過程中汽油辛烷值損失預(yù)測的實時性,未來的研究可以圍繞在線極限學(xué)習(xí)機模型對汽油辛烷值進行預(yù)測,以提高汽油的生產(chǎn)質(zhì)量與效率。

    猜你喜歡
    辛烷值灰狼汽油
    揚州市查處一起非法經(jīng)營汽油案
    黨建+經(jīng)營催化汽油提效
    質(zhì)量比改變壓縮比的辛烷值測定機
    軟件(2020年3期)2020-04-20 01:45:24
    PNNL開發(fā)車載分離技術(shù)將乙醇從汽油中分離出來使辛烷值隨需變化
    谷谷雞和小灰狼
    小太陽畫報(2019年1期)2019-06-11 10:29:48
    灰狼的大大噴嚏
    研究法辛烷值和馬達法辛烷值對直噴汽油機性能的影響
    汽車文摘(2016年8期)2016-12-07 01:05:40
    灰狼和老虎
    快樂語文(2016年15期)2016-11-07 09:46:31
    大數(shù)據(jù)是“原油”,不是“汽油”
    聲屏世界(2015年8期)2015-02-28 15:20:26
    灰狼的幸福
    讀寫算(中)(2015年6期)2015-02-27 08:47:14
    麻豆成人午夜福利视频| 王馨瑶露胸无遮挡在线观看| 久久6这里有精品| 嫩草影院入口| 最近2019中文字幕mv第一页| 国产91av在线免费观看| 国产日韩欧美亚洲二区| 久久毛片免费看一区二区三区| 日韩国内少妇激情av| 黄色配什么色好看| 日韩av不卡免费在线播放| 亚洲熟女精品中文字幕| 2018国产大陆天天弄谢| 男男h啪啪无遮挡| 久久久色成人| 极品教师在线视频| 久久国产精品男人的天堂亚洲 | 成人影院久久| 国精品久久久久久国模美| 一本久久精品| 麻豆乱淫一区二区| 国产一区有黄有色的免费视频| 婷婷色av中文字幕| 中文字幕免费在线视频6| 青春草视频在线免费观看| 亚洲国产精品999| 成人亚洲精品一区在线观看 | 精品久久久久久久末码| 午夜精品国产一区二区电影| 久久久久久久久久久免费av| 哪个播放器可以免费观看大片| 国产视频首页在线观看| 天堂俺去俺来也www色官网| 午夜视频国产福利| 边亲边吃奶的免费视频| 国内揄拍国产精品人妻在线| 成人影院久久| 精品一区二区三区视频在线| 女的被弄到高潮叫床怎么办| 美女中出高潮动态图| 欧美人与善性xxx| 99视频精品全部免费 在线| 91午夜精品亚洲一区二区三区| 最新中文字幕久久久久| 丰满迷人的少妇在线观看| 亚洲国产最新在线播放| 亚洲人与动物交配视频| 国产成人精品一,二区| 精品少妇黑人巨大在线播放| 亚洲精品亚洲一区二区| 一级毛片 在线播放| 日本猛色少妇xxxxx猛交久久| 久久99热这里只频精品6学生| 18禁在线无遮挡免费观看视频| 黄色视频在线播放观看不卡| 中文字幕制服av| 美女中出高潮动态图| h日本视频在线播放| 日产精品乱码卡一卡2卡三| 精品久久久久久电影网| 舔av片在线| 欧美成人一区二区免费高清观看| 亚洲国产成人一精品久久久| 亚洲人成网站在线观看播放| 欧美精品人与动牲交sv欧美| 欧美亚洲 丝袜 人妻 在线| 我的老师免费观看完整版| www.av在线官网国产| 久久6这里有精品| 国产老妇伦熟女老妇高清| 免费观看在线日韩| 99热这里只有精品一区| 视频中文字幕在线观看| 日日啪夜夜爽| 成人无遮挡网站| 国产男女内射视频| 男女下面进入的视频免费午夜| 久久国产精品大桥未久av | 亚洲熟女精品中文字幕| 肉色欧美久久久久久久蜜桃| 少妇人妻精品综合一区二区| 久久6这里有精品| 成人毛片60女人毛片免费| 美女脱内裤让男人舔精品视频| 久久综合国产亚洲精品| 亚洲av二区三区四区| 丰满少妇做爰视频| 国产亚洲91精品色在线| 少妇人妻久久综合中文| av免费在线看不卡| 亚洲怡红院男人天堂| 少妇人妻 视频| 亚洲伊人久久精品综合| 亚洲国产av新网站| 国产 一区精品| 黄片wwwwww| 少妇人妻 视频| 99热网站在线观看| 亚洲精品色激情综合| 我的女老师完整版在线观看| 久久精品久久久久久噜噜老黄| 最黄视频免费看| 国产一区二区三区av在线| 在线观看免费日韩欧美大片 | 97在线视频观看| 亚洲精品国产成人久久av| 麻豆国产97在线/欧美| 精品久久久久久久久av| 国产一区亚洲一区在线观看| 一级毛片 在线播放| 亚洲av男天堂| 爱豆传媒免费全集在线观看| 色婷婷av一区二区三区视频| 我的女老师完整版在线观看| 国产欧美日韩精品一区二区| 国产高清有码在线观看视频| 一级二级三级毛片免费看| 成人18禁高潮啪啪吃奶动态图 | 国内精品宾馆在线| 毛片女人毛片| 亚洲国产色片| 少妇熟女欧美另类| 青春草国产在线视频| 天堂俺去俺来也www色官网| 午夜精品国产一区二区电影| 精品一品国产午夜福利视频| 天堂俺去俺来也www色官网| 秋霞在线观看毛片| 国产亚洲91精品色在线| 日本猛色少妇xxxxx猛交久久| 麻豆国产97在线/欧美| 亚洲欧洲日产国产| av一本久久久久| 欧美另类一区| 九色成人免费人妻av| 黑人猛操日本美女一级片| 777米奇影视久久| 国产精品三级大全| 青春草亚洲视频在线观看| 精品久久久久久久久av| 国产成人91sexporn| 国产精品一及| 一级毛片 在线播放| 国产伦精品一区二区三区视频9| av播播在线观看一区| 亚洲欧美日韩无卡精品| 国产一区二区在线观看日韩| 3wmmmm亚洲av在线观看| 亚洲国产av新网站| 2018国产大陆天天弄谢| 青青草视频在线视频观看| 欧美成人a在线观看| 女性被躁到高潮视频| 久久精品久久久久久久性| 中文字幕制服av| 老熟女久久久| 欧美97在线视频| 久久av网站| 国产成人一区二区在线| 亚洲成色77777| 久久精品人妻少妇| 免费观看a级毛片全部| 精品国产乱码久久久久久小说| 亚洲欧美成人综合另类久久久| 日韩av免费高清视频| 黄色怎么调成土黄色| 欧美成人一区二区免费高清观看| 色婷婷久久久亚洲欧美| 欧美 日韩 精品 国产| 99久久人妻综合| 涩涩av久久男人的天堂| 午夜免费观看性视频| 日韩在线高清观看一区二区三区| 国产探花极品一区二区| 亚洲va在线va天堂va国产| 国产免费视频播放在线视频| 亚洲国产最新在线播放| 亚洲欧美中文字幕日韩二区| 国产精品久久久久久久久免| 国产成人a区在线观看| 中文资源天堂在线| 一级毛片aaaaaa免费看小| 久久精品国产亚洲av涩爱| 亚洲经典国产精华液单| 亚洲av欧美aⅴ国产| 26uuu在线亚洲综合色| 九九久久精品国产亚洲av麻豆| 在线观看三级黄色| 青青草视频在线视频观看| videossex国产| 国产无遮挡羞羞视频在线观看| 乱码一卡2卡4卡精品| 亚洲国产毛片av蜜桃av| 人人妻人人看人人澡| 欧美激情国产日韩精品一区| 最近中文字幕2019免费版| 日韩人妻高清精品专区| 久久久久久久久大av| 青春草亚洲视频在线观看| 少妇猛男粗大的猛烈进出视频| 亚洲欧美一区二区三区国产| 超碰97精品在线观看| av线在线观看网站| 亚洲欧美成人精品一区二区| 最近中文字幕2019免费版| 亚洲美女黄色视频免费看| 一本—道久久a久久精品蜜桃钙片| 国产男女内射视频| 18禁在线播放成人免费| av国产久精品久网站免费入址| 久久久久性生活片| 欧美 日韩 精品 国产| 免费人成在线观看视频色| 亚洲欧美日韩东京热| 亚洲精品aⅴ在线观看| 亚洲国产av新网站| 国产黄片视频在线免费观看| 亚洲精品日本国产第一区| 国产久久久一区二区三区| 日韩成人伦理影院| 日本黄大片高清| 少妇人妻 视频| 美女xxoo啪啪120秒动态图| 在线免费十八禁| 亚洲美女搞黄在线观看| 中国美白少妇内射xxxbb| 国产成人精品久久久久久| 色吧在线观看| 久久6这里有精品| 中文字幕免费在线视频6| 内地一区二区视频在线| 日本欧美视频一区| 精品国产一区二区三区久久久樱花 | 乱系列少妇在线播放| 丝瓜视频免费看黄片| 欧美人与善性xxx| 国产永久视频网站| 国产国拍精品亚洲av在线观看| 一本久久精品| 九九爱精品视频在线观看| 欧美激情国产日韩精品一区| 久久精品人妻少妇| 免费高清在线观看视频在线观看| 精华霜和精华液先用哪个| 我要看日韩黄色一级片| 亚洲av免费高清在线观看| 久久久久久久国产电影| 久久久久精品人妻al黑| 美女大奶头黄色视频| 日韩一卡2卡3卡4卡2021年| 少妇猛男粗大的猛烈进出视频| 亚洲中文字幕日韩| 人妻 亚洲 视频| 99精国产麻豆久久婷婷| 黄色片一级片一级黄色片| 欧美精品av麻豆av| 老司机亚洲免费影院| 999久久久国产精品视频| 一二三四社区在线视频社区8| 这个男人来自地球电影免费观看| 美女扒开内裤让男人捅视频| 美国免费a级毛片| 久久久久久久大尺度免费视频| 国产午夜精品一二区理论片| 国产福利在线免费观看视频| 别揉我奶头~嗯~啊~动态视频 | 最黄视频免费看| 啦啦啦在线观看免费高清www| 亚洲国产欧美网| 欧美日韩黄片免| 久久毛片免费看一区二区三区| 大型av网站在线播放| 午夜久久久在线观看| 亚洲午夜精品一区,二区,三区| 丝袜喷水一区| 国产高清不卡午夜福利| 菩萨蛮人人尽说江南好唐韦庄| 老司机深夜福利视频在线观看 | 丁香六月欧美| av不卡在线播放| av线在线观看网站| 精品人妻熟女毛片av久久网站| 久久精品亚洲av国产电影网| 久久久精品94久久精品| 男人爽女人下面视频在线观看| 亚洲国产看品久久| 天天躁夜夜躁狠狠久久av| 日韩av免费高清视频| 曰老女人黄片| avwww免费| 国产精品 国内视频| 男女边吃奶边做爰视频| 国产亚洲av高清不卡| 久久久精品免费免费高清| 视频在线观看一区二区三区| 一级毛片电影观看| 国产视频一区二区在线看| www.999成人在线观看| 亚洲美女黄色视频免费看| 久久热在线av| 免费看av在线观看网站| 久久久精品免费免费高清| 亚洲av欧美aⅴ国产| 国产精品人妻久久久影院| 咕卡用的链子| 91成人精品电影| 国产精品一区二区在线观看99| bbb黄色大片| 日日爽夜夜爽网站| 久久人人97超碰香蕉20202| 性高湖久久久久久久久免费观看| 免费观看a级毛片全部| 日日夜夜操网爽| 天天躁夜夜躁狠狠躁躁| 久久久国产精品麻豆| 国产一区亚洲一区在线观看| 欧美日韩av久久| 精品国产一区二区三区四区第35| 精品福利永久在线观看| www.熟女人妻精品国产| 黄网站色视频无遮挡免费观看| 男女床上黄色一级片免费看| 一区二区av电影网| 亚洲自偷自拍图片 自拍| 亚洲欧美精品综合一区二区三区| 亚洲av在线观看美女高潮| 最近中文字幕2019免费版| 七月丁香在线播放| 国语对白做爰xxxⅹ性视频网站| 一个人免费看片子| 免费观看人在逋| 十分钟在线观看高清视频www| netflix在线观看网站| 亚洲精品国产区一区二| 老汉色av国产亚洲站长工具| 麻豆国产av国片精品| 国精品久久久久久国模美| 黑人巨大精品欧美一区二区蜜桃| 免费观看av网站的网址| 91麻豆av在线| 亚洲欧美中文字幕日韩二区| 久久精品熟女亚洲av麻豆精品| 久久久久久久久久久久大奶| √禁漫天堂资源中文www| 国产亚洲一区二区精品| 国产欧美日韩精品亚洲av| 亚洲国产av新网站| 一级毛片我不卡| 女人高潮潮喷娇喘18禁视频| 电影成人av| 国产精品三级大全| 一边摸一边抽搐一进一出视频| 久久久国产欧美日韩av| 亚洲黑人精品在线| 一边亲一边摸免费视频| 亚洲欧美激情在线| 亚洲精品美女久久av网站| 日韩制服骚丝袜av| 老司机深夜福利视频在线观看 | 黄网站色视频无遮挡免费观看| 亚洲国产精品999| 精品一区二区三区四区五区乱码 | videos熟女内射| 香蕉丝袜av| 久久久久精品国产欧美久久久 | 一本—道久久a久久精品蜜桃钙片| 日韩免费高清中文字幕av| 久久亚洲精品不卡| 亚洲天堂av无毛| 国产成人免费无遮挡视频| 亚洲图色成人| 久久中文字幕一级| xxx大片免费视频| 亚洲专区国产一区二区| 亚洲男人天堂网一区| 又大又黄又爽视频免费| 亚洲国产精品成人久久小说| h视频一区二区三区| 国产一区二区三区av在线| 王馨瑶露胸无遮挡在线观看| 久久精品国产a三级三级三级| 亚洲七黄色美女视频| 黑人猛操日本美女一级片| 欧美亚洲日本最大视频资源| 国产在线免费精品| 最新在线观看一区二区三区 | 狠狠精品人妻久久久久久综合| 一二三四社区在线视频社区8| 少妇人妻久久综合中文| 精品福利观看| 老汉色av国产亚洲站长工具| 日韩制服骚丝袜av| 美国免费a级毛片| 成人午夜精彩视频在线观看| av福利片在线| 国产在视频线精品| 欧美97在线视频| 99精品久久久久人妻精品| 99久久综合免费| 日韩电影二区| 亚洲精品久久久久久婷婷小说| 国产成人免费无遮挡视频| 日韩视频在线欧美| 亚洲欧洲国产日韩| 看免费av毛片| 丝瓜视频免费看黄片| 久久中文字幕一级| 久久ye,这里只有精品| 在线亚洲精品国产二区图片欧美| 免费观看人在逋| 精品一区二区三区av网在线观看 | 你懂的网址亚洲精品在线观看| 美女扒开内裤让男人捅视频| 丝袜在线中文字幕| 国产精品一区二区在线观看99| 午夜久久久在线观看| 18禁观看日本| 日韩一本色道免费dvd| 色视频在线一区二区三区| 99久久人妻综合| 亚洲精品日韩在线中文字幕| 亚洲成国产人片在线观看| 日韩中文字幕欧美一区二区 | 国精品久久久久久国模美| 亚洲第一av免费看| 午夜av观看不卡| 不卡av一区二区三区| 欧美97在线视频| 亚洲熟女精品中文字幕| 一级毛片我不卡| 久久久欧美国产精品| av片东京热男人的天堂| 久久国产精品影院| 一二三四社区在线视频社区8| 老司机午夜十八禁免费视频| 亚洲一区中文字幕在线| 看免费成人av毛片| av网站在线播放免费| 美女视频免费永久观看网站| 最近中文字幕2019免费版| 精品第一国产精品| 国产精品久久久av美女十八| 天天操日日干夜夜撸| 欧美日韩亚洲国产一区二区在线观看 | 欧美日韩av久久| 日本黄色日本黄色录像| 亚洲精品国产一区二区精华液| 老汉色∧v一级毛片| 国产成人精品久久久久久| 免费一级毛片在线播放高清视频 | 九草在线视频观看| 婷婷丁香在线五月| 亚洲国产成人一精品久久久| 国产黄色免费在线视频| 亚洲欧美中文字幕日韩二区| 99热全是精品| 九草在线视频观看| 精品一区在线观看国产| 99久久人妻综合| 香蕉国产在线看| 欧美日韩国产mv在线观看视频| 成人午夜精彩视频在线观看| 操美女的视频在线观看| 999精品在线视频| 99国产精品一区二区蜜桃av | 一级毛片我不卡| 91麻豆精品激情在线观看国产 | 1024香蕉在线观看| 在线av久久热| 久久久久久人人人人人| 美女大奶头黄色视频| 久久久久久久精品精品| 国产淫语在线视频| 国产欧美日韩综合在线一区二区| 曰老女人黄片| 在线天堂中文资源库| 国产国语露脸激情在线看| 男人爽女人下面视频在线观看| 欧美黑人欧美精品刺激| 在线观看免费午夜福利视频| 手机成人av网站| 夫妻性生交免费视频一级片| 我的亚洲天堂| 国产主播在线观看一区二区 | 欧美日韩黄片免| 18在线观看网站| 色婷婷久久久亚洲欧美| 久久久久精品人妻al黑| 国产97色在线日韩免费| 人妻人人澡人人爽人人| 丝瓜视频免费看黄片| 女性生殖器流出的白浆| 99热国产这里只有精品6| 欧美大码av| 国产精品一区二区精品视频观看| 日韩电影二区| 大陆偷拍与自拍| 夫妻午夜视频| 久久久精品区二区三区| 肉色欧美久久久久久久蜜桃| 久久久久久久精品精品| 另类亚洲欧美激情| 国产男人的电影天堂91| 极品少妇高潮喷水抽搐| 亚洲天堂av无毛| 天堂俺去俺来也www色官网| 欧美xxⅹ黑人| 欧美乱码精品一区二区三区| 亚洲视频免费观看视频| 午夜激情久久久久久久| 91成人精品电影| 国产成人一区二区三区免费视频网站 | 啦啦啦中文免费视频观看日本| 国产又爽黄色视频| 99香蕉大伊视频| 老汉色∧v一级毛片| 色精品久久人妻99蜜桃| 美国免费a级毛片| 老汉色av国产亚洲站长工具| 国产视频首页在线观看| 在线观看免费视频网站a站| 可以免费在线观看a视频的电影网站| 每晚都被弄得嗷嗷叫到高潮| 国产精品国产三级专区第一集| 亚洲欧美精品综合一区二区三区| 男女之事视频高清在线观看 | 亚洲 国产 在线| 国产欧美日韩综合在线一区二区| 性色av一级| 十八禁人妻一区二区| 老司机影院成人| 在线看a的网站| 国产在视频线精品| 国产av精品麻豆| 王馨瑶露胸无遮挡在线观看| www.av在线官网国产| 一区二区三区四区激情视频| 尾随美女入室| svipshipincom国产片| 两个人免费观看高清视频| 大片电影免费在线观看免费| 日本91视频免费播放| 国产97色在线日韩免费| 亚洲伊人色综图| 欧美日韩福利视频一区二区| 悠悠久久av| 制服诱惑二区| 亚洲成人免费电影在线观看 | 国产老妇伦熟女老妇高清| 少妇裸体淫交视频免费看高清 | 美女福利国产在线| 老汉色av国产亚洲站长工具| 亚洲精品久久午夜乱码| 午夜福利,免费看| 久久国产精品人妻蜜桃| 18禁国产床啪视频网站| 国产片内射在线| 丁香六月天网| 在线av久久热| 无遮挡黄片免费观看| 操美女的视频在线观看| 日本91视频免费播放| 亚洲免费av在线视频| 精品亚洲成a人片在线观看| 亚洲伊人久久精品综合| 亚洲av成人不卡在线观看播放网 | 欧美精品一区二区免费开放| 一级黄片播放器| 欧美在线一区亚洲| 亚洲国产最新在线播放| 叶爱在线成人免费视频播放| 天天躁日日躁夜夜躁夜夜| 黑丝袜美女国产一区| 精品国产国语对白av| 免费观看人在逋| 美女国产高潮福利片在线看| 永久免费av网站大全| 亚洲欧美一区二区三区国产| 亚洲av国产av综合av卡| 亚洲成人免费电影在线观看 | 97精品久久久久久久久久精品| 男的添女的下面高潮视频| 少妇 在线观看| 老鸭窝网址在线观看| 一边摸一边抽搐一进一出视频| 最近最新中文字幕大全免费视频 | 大话2 男鬼变身卡| 一边摸一边抽搐一进一出视频| 欧美精品人与动牲交sv欧美| 秋霞在线观看毛片| 香蕉国产在线看| 18禁观看日本| 色婷婷av一区二区三区视频| 天天躁狠狠躁夜夜躁狠狠躁| 91麻豆av在线| 久久精品熟女亚洲av麻豆精品| 国产成人啪精品午夜网站| 蜜桃在线观看..| 精品一区二区三区av网在线观看 | 两人在一起打扑克的视频| 免费在线观看影片大全网站 | 在线观看国产h片| a级片在线免费高清观看视频| 久久热在线av| www.999成人在线观看| 午夜福利视频精品| 中文字幕另类日韩欧美亚洲嫩草| 国产精品久久久久久精品电影小说| 伊人亚洲综合成人网| 麻豆乱淫一区二区| 青草久久国产| 在线亚洲精品国产二区图片欧美| 桃花免费在线播放| 久久精品aⅴ一区二区三区四区| 欧美精品av麻豆av|