• <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LSTM的智能家庭用電預(yù)測模型研究

    2022-03-09 01:22:50周游徐丹趙燦譚宇渲
    軟件工程 2022年2期
    關(guān)鍵詞:時間序列特征選擇

    周游 徐丹 趙燦 譚宇渲

    文章編號:2096-1472(2022)-02-39-03

    DOI:10.19644/j.cnki.issn2096-1472.2022.002.009

    摘? 要:家庭用電是能源市場的一個重要組成部分,預(yù)測家庭用電需求能夠?qū)崿F(xiàn)智能供電,可以有效地提高供給率,但目前預(yù)測方法大多效果不佳。針對此,提出了一種基于LSTM的面向家庭智能用電預(yù)測算法,建立了端到端的智能家庭用電預(yù)測模型。其在Boruta特征篩選的基礎(chǔ)上設(shè)計了特征選擇方法,對多個特征進行重要性計算,選取其中重要性高的部分進行建模,然后利用LSTM網(wǎng)絡(luò)與全連接層對時間序列數(shù)據(jù)進行訓(xùn)練,得到預(yù)測模型。實驗結(jié)果表明,所提方法的預(yù)測效果明顯優(yōu)于其他三種模型,能與真實數(shù)據(jù)較好地擬合。

    關(guān)鍵詞:智慧能源;用電預(yù)測;特征選擇;時間序列;LSTM網(wǎng)絡(luò)

    中圖分類號:TP399? ? ?文獻標(biāo)識碼:A

    Research on Smart Power Consumption Prediction?Model of Smart Home based on LSTM

    ZHOU You, XU Dan, ZHAO Can, TAN Yuxuan

    (Suzhou Power Supply Branch, State Grid Jiangsu Electric Power Limited Company, Suzhou 215004, China)

    542790714@qq.com; xudan19870725@126.com; 342677492@qq.com; 852901313@qq.com

    Abstract: Household power consumption is an important part of the energy market. Predicting household power demand can effectively improve energy supply efficiency, but most of the current prediction methods are not effective. To address the problem, this paper proposes an LSTM (Long Short-term Memory)-based power consumption prediction algorithm for smart home, where an end-to-end smart home power prediction model is established based on LSTM. A feature selection method that utilizes Boruta feature screening is also designed. The importance of multiple features is calculated, the most important part of those features is selected for modeling, and then LSTM network and the full connection layer are used to train the time series data to obtain the prediction model. The experimental results show that the prediction effect of the proposed method is significantly better than the other three models, and it can fit the real data well.

    Keywords: smart energy; power consumption prediction; feature selection; time series; LSTM network

    1? ?引言(Introduction)

    近年來,能源產(chǎn)業(yè)正迎來一個新的發(fā)展,智慧能源與能源互聯(lián)網(wǎng)等概念越來越得到重視。智慧能源就是結(jié)合信息技術(shù)、人工智能技術(shù)、大數(shù)據(jù)技術(shù)的新能源模型形態(tài),是能源互聯(lián)網(wǎng)的基礎(chǔ)架構(gòu)。作為能源市場的主要組成部分,家庭用電的穩(wěn)定關(guān)系著民生問題。對用電量進行全面的理解有助于減少家庭的電費支出,也有利于進行能源合理分配。

    物聯(lián)網(wǎng)與人工智能等技術(shù)的興起,以及家庭傳感器的廣泛采用,積累了大量的時間序列特征數(shù)據(jù),可以用來對家庭用電模式進行分析。長短時記憶網(wǎng)絡(luò)(Long Short Term Memory, LSTM)在處理時間序列預(yù)測問題上有明顯的優(yōu)勢,可以獲得較佳的預(yù)測效果。

    2? ?相關(guān)工作(Related work)

    進行家庭用電預(yù)測常用的預(yù)測方法主要包括隨機森林(Random Forest, RF)、極限樹(ExtraTrees, ET)、差分自回歸移動平均模型(Auto Regressive Integrated Moving Average Model, ARIMA)等。

    2.1? ?常用預(yù)測方法

    隨機森林算法先使用T 個弱分類器分別對T 個由隨機采樣而來的訓(xùn)練集進行訓(xùn)練,然后對多個弱分類器進行組合,最后由投票或取均值得出最終結(jié)果。大量實驗表明,隨機森林算法通過這種方式使得模型整體的泛化能力及準(zhǔn)確度明顯優(yōu)于其他Bagging算法。

    極限樹算法也稱為極限森林,意為極其隨機的森林。在隨機森林算法中,為了對需要劃分的節(jié)點進行選擇,需要在特征子集上隨機進行尋找,以找出最優(yōu)劃分特征。極限樹算法直接使用隨機的特征和閾值來進行劃分,這樣可以得到形狀更隨機、差異更大的決策樹,可見極限樹算法比隨機森林更激進。

    ARIMA是一種基于平穩(wěn)時間序列來進行預(yù)測的算法,用于電力序列模型預(yù)測,可以使用三元組(p,d,q)來建模。在模型構(gòu)建過程中,主要根據(jù)PACF圖和ACF圖來分別確定p和q的取值,其中的d代表使序列數(shù)據(jù)成為平穩(wěn)時間序列所做的差分次數(shù)。

    2.2? ?長短時記憶網(wǎng)絡(luò)

    LSTM是一種特殊的循環(huán)神經(jīng)網(wǎng)(Recurrent Neural Network, RNN)結(jié)構(gòu),用來處理RNN面臨的一個無法解決的長期依賴問題。在標(biāo)準(zhǔn)RNN中,內(nèi)部是一種重復(fù)神經(jīng)網(wǎng)絡(luò)模塊的簡單鏈?zhǔn)浇Y(jié)構(gòu)。由于這種結(jié)構(gòu)過于簡單,因此在經(jīng)過t 個時刻之后會導(dǎo)致0時刻的信息幾乎被遺忘。

    整體上看,LSTM與其結(jié)構(gòu)相同,但LSTM中重復(fù)的模塊結(jié)構(gòu)與RNN不同。對比可發(fā)現(xiàn),RNN中的神經(jīng)網(wǎng)絡(luò)層只有單一的一個,而LSTM中有四個,并且以一種非常特殊的方式進行交互。通過這種復(fù)雜的結(jié)構(gòu),可以使以前時刻的重要信息得以保存,避免發(fā)生遺忘。

    3? ?數(shù)據(jù)處理(Data processing)

    3.1? ?數(shù)據(jù)描述

    本文實驗采用美國某家庭從2016 年1 月11 日17 時到2016 年5 月27 日18 時之間,每隔10 分鐘所記錄下的共19,736 條數(shù)據(jù)作為訓(xùn)練樣本。每個樣本由時間(date)、氣溫(T)、濕度(RH)、天氣(weather)、光線(lights)、隨機變量(rv1、rv2)等共28 組特征數(shù)據(jù)所組成。其中,氣溫和濕度由該家庭所安裝的9 個溫度傳感器所獲取;天氣由室外溫度(T_out)、露點(Tdewpoint)、室外濕度(RH_out)、大氣壓(Press_mm_hg)、風(fēng)速(Windspeed)、可見度(Visibility)組成。本文希望通過這28 組數(shù)據(jù)組成的特征來實現(xiàn)對某家庭用電量的準(zhǔn)確預(yù)測。某家庭各時刻用電量詳情如圖1所示。

    3.2? ?特征篩選

    除日期和需要預(yù)測的用電量之外,采集到的數(shù)據(jù)共包括27 個特征數(shù)據(jù)。對于實際的模型構(gòu)建來說,數(shù)據(jù)集中的變量太多,而大多數(shù)變量與目標(biāo)問題無關(guān)。當(dāng)數(shù)據(jù)集的特征過多時會有缺點:首先,特征過多會占用過多資源,導(dǎo)致算法速度慢,使用起來很不方便;其次,當(dāng)變量的數(shù)量顯著高于最優(yōu)時,會導(dǎo)致很多機器學(xué)習(xí)算法的準(zhǔn)確率下降,降低模型的性能。

    針對上述問題,本文采用Boruta算法來對特征進行篩選,通過對各個無偏的弱分類器—決策樹的投票來進行分類,對各個特征的重要性給出數(shù)值估計,并使用Z-Score來計算特征重要度,從而選擇出對因變量影響較為重要的特征。

    式中,avg_loss為平均損失,為標(biāo)準(zhǔn)差。

    經(jīng)過100 輪迭代,Boruta特征篩選模型成功地從28 個特征中篩選出21 個重要特征,分別為T1、T2、T3、T4、T5、T7、T8、RH_1、RH_2、RH_3、RH_4、RH_5、RH_6、RH_7、RH_8、RH_9、T_out、Tdewpoint、RH_out、Press_mm_hg、Windspeed。所選取的21 個特征重要度排名如圖2所示。

    4? ?預(yù)測算法(Prediction algorithm)

    4.1? ?處理流程

    為了建立面向智能家庭用電預(yù)測模型,在篩選完特征后,還需將樣本數(shù)據(jù)序列化,以滿足LSTM模型的訓(xùn)練要求。預(yù)測模型建立的主要步驟包括采集數(shù)據(jù)、選取特征、特征篩選、樣本數(shù)據(jù)序列化、特征數(shù)據(jù)歸一化、LSTM數(shù)據(jù)輸入、模型參數(shù)調(diào)優(yōu)、用電預(yù)測建模、訓(xùn)練并保存模型等,具體流程如圖3所示。

    4.2? ?算法

    基于LSTM的面向家庭智能用電預(yù)測算法如下。

    算法1 基于LSTM的面向家庭智能用電預(yù)測算法

    輸入:數(shù)據(jù)集I,特征矩陣X

    輸出:預(yù)測模型

    1: Boruta_selector(X):

    2: Repeat:

    3:? ?shadow_features=shuffle(X)

    4: new_features=shadow_features+real_features

    5: Z_Score_real=score(real_features)

    6:? ?Z_Score_shadow=score(shadow_features)

    7:? ?Zmax=max( Z_Score_shadow)

    8:? ?if Z_Score_real > Zmax then

    選擇該特征

    9: series_to_supervised()

    10: StandardScaler()

    11: for k=1 to 70 do

    12:? ?訓(xùn)練得到LSTM模型

    13: Return 預(yù)測模型

    5? ?實驗及分析(Experiment and analysis)

    5.1? ?模型訓(xùn)練

    訓(xùn)練前,將樣本數(shù)據(jù)集按7∶3的比例劃分為訓(xùn)練集和測試集。模型訓(xùn)練過程中訓(xùn)練集損失值和測試集損失值的變化過程如圖4所示。從圖4可以看出在訓(xùn)練過程中,訓(xùn)練集損失值和測試集損失值不斷下降,最終收斂于一個較低值,表明本文實驗?zāi)P陀?xùn)練效果良好。

    5.2? ?模型訓(xùn)練結(jié)果分析

    訓(xùn)練結(jié)束后,在樣本數(shù)據(jù)集中進行隨機采樣,獲取6,000 個樣本數(shù)據(jù)。將隨機選取的數(shù)據(jù)傳入最終預(yù)測模型,觀察其預(yù)測結(jié)果的準(zhǔn)確度。本文所提出模型的預(yù)測結(jié)果與實際數(shù)據(jù)擬合情況如圖5所示。從圖5可發(fā)現(xiàn),本文所提出的預(yù)測模型可對真實值進行較好地擬合。

    5.3? ?對比試驗分析

    為進一步對本文所提出的預(yù)測模型進行評估,另外選取了當(dāng)前常用的隨機森林算法、極限樹算法、ARIMA算法對同一樣本數(shù)據(jù)進行實驗,并以R2_SCORE(R方值:取值范圍為[0,1],越接近1表示預(yù)測效果越好)和RMSE(均方根誤差)的值(越小表示效果越好)作為算法的評估指標(biāo)。四種方法的評估結(jié)果如表1所示。

    通過對實驗數(shù)據(jù)對比發(fā)現(xiàn),本文所提出的基于LSTM預(yù)測模型與隨機森林、極限樹、ARIMA算法預(yù)測結(jié)果相比,R2_Score最大并且RMSE值最小,表明該模型在面對本文所提供的數(shù)據(jù)進行預(yù)測時效果明顯優(yōu)于其他三種模型,可對真實數(shù)據(jù)進行較好的擬合,預(yù)測結(jié)果與真實值非常接近。

    6? ?結(jié)論(Conclusion)

    本文主要研究了單一家庭的用電模式與數(shù)據(jù),并提出了一種基于LSTM的面向家庭智能用電預(yù)測算法。該算法希望通過由家庭傳感器所采集的溫度、濕度、天氣、光線等數(shù)據(jù)來對該時刻家庭所需消耗的電量進行預(yù)測,并通過與其他三種常用的預(yù)測方法進行對比,展現(xiàn)出本文所提出算法的預(yù)測性能。本文所提出的算法可以與能源管理系統(tǒng)相結(jié)合,通過大數(shù)據(jù)來對每一時刻家庭所需電量進行預(yù)測,不僅可以降低各家庭電力成本,還有利于能源的合理分配,避免因能源分配不均而可能出現(xiàn)的問題。

    參考文獻(References)

    [1] 曲朝陽,張率,劉洪濤.基于用電影響因素回歸的小區(qū)用電預(yù)測模型[J].東北電力大學(xué)學(xué)報,2015,35(1):73-77.

    [2] 王永偉,李新龍,田斐,等.基于人群搜索算法的電網(wǎng)短期用電負荷預(yù)測研究[J].電網(wǎng)與清潔能源,2020,36(12):35-40.

    [3] 谷云東,馬冬芬,程紅超.基于相似數(shù)據(jù)選取和改進梯度提升決策樹的電力負荷預(yù)測[J].電力系統(tǒng)及其自動化學(xué)報,2019,31(5):64-69.

    [4] 范繼鋒,王瀚霆,薄宏斌,等.大數(shù)據(jù)技術(shù)在電力行業(yè)中的應(yīng)用研究[J].電力設(shè)備管理,2020(12):55-59.

    [5] 唐靜,李瑞軒,黃宇航,等.基于多維特征分析的月用電量精準(zhǔn)預(yù)測研究[J].電力系統(tǒng)保護與控制,2017,45(16):145-150.

    [6] 鄧婷,范潤宇.遠程電力抄表系統(tǒng)的網(wǎng)關(guān)通信設(shè)計與實現(xiàn)[J].軟件工程,2020,23(3):60-62.

    [7] 朱家貽,劉思蕊,潘楠,等.一種基于LSTM神經(jīng)網(wǎng)絡(luò)的短期用電負荷預(yù)測方法[J].中國新通信,2021,23(1):167-168.

    [8] 李婉華,陳宏,郭昆,等.基于隨機森林算法的用電負荷預(yù)測研究[J].計算機工程與應(yīng)用,2016,52(23):236-243.

    [9] 杜曉明,湯立,蔡李花,等.基于極限學(xué)習(xí)機與旋轉(zhuǎn)森林相結(jié)合的棧式深度學(xué)習(xí)分類方法[J].江蘇科技大學(xué)學(xué)報(自然科學(xué)版),2019,33(6):82-87.

    [10] 王斌.基于時間序列ARIMA模型的電力負荷短期預(yù)測分析[J].石河子科技,2019(3):43-47.

    [11] 郭冰楠,吳廣潮.改進的隨機平衡采樣Bagging算法的網(wǎng)絡(luò)貸款研究[J].計算機與現(xiàn)代化,2019,284(04):15-20.

    [12] 楊永嬌,肖建毅,趙創(chuàng)業(yè),等.基于Isolation Forest和Random Forest相結(jié)合的智能電網(wǎng)時間序列數(shù)據(jù)異常檢測算法[J].計算機與現(xiàn)代化,2020,295(03):103-106,130.

    [13] 豐瑞,羅思煩,李前洋.基于特征選擇的極限隨機森林算法研究[J].計算機應(yīng)用研究,2020,37(9):2625-2628,2633.

    [14] SZUL T, TABOR S, PANCERZ K. Application of the BORUTA algorithm to input data selection for a model based on rough set theory (RST) to prediction energy consumption for building heating[J]. Energies, 2021,14(10):1-13.

    [15] 陸冰鑒,周鵬,王興,等.基于EEMD和LSTM的短期風(fēng)速預(yù)測模型研究[J].軟件工程,2020,23(3):43-48.

    作者簡介:

    周? 游(1987-),男,本科,高級工程師.研究領(lǐng)域:軟件開發(fā),能源互聯(lián)網(wǎng),工業(yè)互聯(lián)網(wǎng).

    徐? 丹(1987-),女,本科,工程師.研究領(lǐng)域:智能電力,信息研究.

    趙? 燦(1993-),女,碩士,工程師.研究領(lǐng)域:智能配電網(wǎng)運行.

    譚宇渲(1995-),男,本科,助理工程師.研究領(lǐng)域:電力自動化.

    2597500520254

    猜你喜歡
    時間序列特征選擇
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    上證綜指收益率的影響因素分析
    時代金融(2016年27期)2016-11-25 17:21:02
    基于指數(shù)平滑的電站設(shè)備故障時間序列預(yù)測研究
    基于時間序列的我國人均GDP分析與預(yù)測
    商(2016年32期)2016-11-24 16:20:57
    基于線性散列索引的時間序列查詢方法研究
    軟件工程(2016年8期)2016-10-25 15:43:57
    基于組合模型的能源需求預(yù)測
    公眾預(yù)期與不良貸款
    商情(2016年11期)2016-04-15 20:25:31
    基于GA和ELM的電能質(zhì)量擾動識別特征選擇方法
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    基于特征選擇聚類方法的稀疏TSK模糊系統(tǒng)
    欧美人与性动交α欧美软件| 亚洲av成人一区二区三| 母亲3免费完整高清在线观看| 亚洲av熟女| 亚洲av日韩在线播放| 少妇裸体淫交视频免费看高清 | 欧美精品一区二区免费开放| 天天操日日干夜夜撸| 日韩视频一区二区在线观看| 国产精品一区二区在线观看99| 免费观看人在逋| 久久人妻熟女aⅴ| 国产精品久久久久久人妻精品电影| 夜夜爽天天搞| 黄片大片在线免费观看| 在线观看免费日韩欧美大片| 久久久久久久久久久久大奶| 国产成人影院久久av| 女警被强在线播放| 欧美丝袜亚洲另类 | 久久狼人影院| 日韩欧美一区视频在线观看| videos熟女内射| 精品人妻1区二区| 亚洲成人免费av在线播放| 91成人精品电影| 在线视频色国产色| 极品少妇高潮喷水抽搐| 黑人巨大精品欧美一区二区蜜桃| 好男人电影高清在线观看| 久久精品国产a三级三级三级| 亚洲伊人色综图| 人人妻,人人澡人人爽秒播| 亚洲专区中文字幕在线| 黄色 视频免费看| 日韩免费av在线播放| 自线自在国产av| 午夜精品国产一区二区电影| 欧美+亚洲+日韩+国产| 极品少妇高潮喷水抽搐| 国产日韩欧美亚洲二区| 乱人伦中国视频| 久久国产乱子伦精品免费另类| 巨乳人妻的诱惑在线观看| 在线永久观看黄色视频| 19禁男女啪啪无遮挡网站| 亚洲av电影在线进入| 51午夜福利影视在线观看| 亚洲黑人精品在线| 69av精品久久久久久| 满18在线观看网站| 狠狠婷婷综合久久久久久88av| 久久人妻熟女aⅴ| 一级,二级,三级黄色视频| 成人手机av| 操出白浆在线播放| 视频在线观看一区二区三区| 欧美成狂野欧美在线观看| 一级,二级,三级黄色视频| 99热国产这里只有精品6| 十分钟在线观看高清视频www| 交换朋友夫妻互换小说| 在线观看免费日韩欧美大片| 极品人妻少妇av视频| 亚洲第一欧美日韩一区二区三区| 午夜久久久在线观看| 高潮久久久久久久久久久不卡| 亚洲专区字幕在线| 亚洲精品久久午夜乱码| 色综合婷婷激情| 欧美日韩精品网址| 黄色 视频免费看| 精品电影一区二区在线| 日韩成人在线观看一区二区三区| 国产真人三级小视频在线观看| 欧美午夜高清在线| 91成年电影在线观看| 黑丝袜美女国产一区| 国产精品 国内视频| 两性夫妻黄色片| 热re99久久国产66热| 一本大道久久a久久精品| 一二三四在线观看免费中文在| 欧美+亚洲+日韩+国产| 1024香蕉在线观看| 视频区欧美日本亚洲| 69av精品久久久久久| 在线观看免费午夜福利视频| 女人被狂操c到高潮| 色综合欧美亚洲国产小说| 777米奇影视久久| 男女高潮啪啪啪动态图| 一进一出抽搐动态| 亚洲成a人片在线一区二区| 十八禁人妻一区二区| 中文欧美无线码| 国产极品粉嫩免费观看在线| 老司机午夜十八禁免费视频| 亚洲国产中文字幕在线视频| 久久影院123| 午夜91福利影院| 老司机在亚洲福利影院| 国产精品一区二区精品视频观看| 欧美不卡视频在线免费观看 | 久久久精品国产亚洲av高清涩受| 国产精品久久电影中文字幕 | 亚洲中文字幕日韩| 国产一区二区三区视频了| 91字幕亚洲| 久久久精品免费免费高清| 丝袜美腿诱惑在线| 国产91精品成人一区二区三区| 国产蜜桃级精品一区二区三区 | 狂野欧美激情性xxxx| 免费在线观看日本一区| 欧美乱色亚洲激情| 国产高清视频在线播放一区| 80岁老熟妇乱子伦牲交| 俄罗斯特黄特色一大片| 欧美日韩成人在线一区二区| 精品久久久久久电影网| 国产片内射在线| 香蕉久久夜色| 久久久久久免费高清国产稀缺| 久久国产精品男人的天堂亚洲| 亚洲熟妇中文字幕五十中出 | 19禁男女啪啪无遮挡网站| 国产精品一区二区在线观看99| 老鸭窝网址在线观看| 免费在线观看黄色视频的| 成年女人毛片免费观看观看9 | 国产99白浆流出| 在线观看一区二区三区激情| 99热只有精品国产| 狠狠婷婷综合久久久久久88av| 欧美日韩视频精品一区| 免费在线观看亚洲国产| 久久ye,这里只有精品| 黑人操中国人逼视频| 亚洲欧美激情在线| 国产xxxxx性猛交| 女性生殖器流出的白浆| 这个男人来自地球电影免费观看| 夜夜夜夜夜久久久久| 日日夜夜操网爽| 国产视频一区二区在线看| 91字幕亚洲| 国产一卡二卡三卡精品| 视频区欧美日本亚洲| 亚洲国产精品一区二区三区在线| 久久午夜亚洲精品久久| 日本撒尿小便嘘嘘汇集6| 50天的宝宝边吃奶边哭怎么回事| 热99国产精品久久久久久7| 亚洲三区欧美一区| 亚洲美女黄片视频| 国产三级黄色录像| 69av精品久久久久久| 久99久视频精品免费| 成人18禁高潮啪啪吃奶动态图| 搡老熟女国产l中国老女人| 97人妻天天添夜夜摸| 国产日韩欧美亚洲二区| 亚洲精品美女久久av网站| 男人的好看免费观看在线视频 | 精品久久久久久久毛片微露脸| 十八禁人妻一区二区| 大码成人一级视频| 午夜免费鲁丝| 亚洲午夜精品一区,二区,三区| 好男人电影高清在线观看| 久久精品国产亚洲av香蕉五月 | av国产精品久久久久影院| 侵犯人妻中文字幕一二三四区| 国产精品影院久久| 日韩欧美三级三区| 丝袜人妻中文字幕| 狂野欧美激情性xxxx| 91精品国产国语对白视频| 久久久久久免费高清国产稀缺| 国产不卡一卡二| 老司机影院毛片| 男人操女人黄网站| 9热在线视频观看99| 亚洲欧美精品综合一区二区三区| 搡老岳熟女国产| 天堂动漫精品| 最近最新中文字幕大全免费视频| 一区在线观看完整版| av天堂久久9| 欧美 亚洲 国产 日韩一| 91字幕亚洲| 亚洲成人国产一区在线观看| 国产精品av久久久久免费| 超色免费av| 在线播放国产精品三级| 欧美人与性动交α欧美软件| 成人国产一区最新在线观看| 国产免费av片在线观看野外av| 天堂中文最新版在线下载| 国产欧美日韩综合在线一区二区| 欧美大码av| 国产精品99久久99久久久不卡| 国产精品久久久av美女十八| 亚洲av日韩精品久久久久久密| 一区在线观看完整版| 国产片内射在线| 国产精品99久久99久久久不卡| 亚洲美女黄片视频| videosex国产| 成人黄色视频免费在线看| 亚洲精品国产一区二区精华液| 精品久久久精品久久久| 18禁观看日本| 亚洲熟妇中文字幕五十中出 | 桃红色精品国产亚洲av| 国产精品亚洲av一区麻豆| 久久午夜亚洲精品久久| 热99re8久久精品国产| 最新在线观看一区二区三区| 中文欧美无线码| 黄色视频不卡| 亚洲欧美日韩另类电影网站| 天堂√8在线中文| 日韩大码丰满熟妇| 久久亚洲真实| 久久香蕉激情| 精品一区二区三区av网在线观看| 国产精品一区二区精品视频观看| 精品一品国产午夜福利视频| 精品免费久久久久久久清纯 | 国产在线一区二区三区精| 亚洲中文av在线| 在线观看免费午夜福利视频| 国精品久久久久久国模美| 一二三四在线观看免费中文在| 日韩成人在线观看一区二区三区| 久久久水蜜桃国产精品网| 久久久久久久久久久久大奶| 国产单亲对白刺激| 国精品久久久久久国模美| 久久久久久免费高清国产稀缺| 国产不卡av网站在线观看| 免费人成视频x8x8入口观看| 久久久久久亚洲精品国产蜜桃av| 亚洲精品av麻豆狂野| 999精品在线视频| 亚洲成人国产一区在线观看| 亚洲一码二码三码区别大吗| 无人区码免费观看不卡| 正在播放国产对白刺激| 久久精品亚洲精品国产色婷小说| 韩国精品一区二区三区| 亚洲久久久国产精品| 18在线观看网站| svipshipincom国产片| 午夜日韩欧美国产| 婷婷成人精品国产| 两个人免费观看高清视频| 最近最新中文字幕大全免费视频| av片东京热男人的天堂| 精品高清国产在线一区| ponron亚洲| av视频免费观看在线观看| 欧美激情高清一区二区三区| 三级毛片av免费| 国产成人免费无遮挡视频| 精品电影一区二区在线| 黑丝袜美女国产一区| 成人国语在线视频| www日本在线高清视频| 国产在线观看jvid| 国产精品久久久久久人妻精品电影| 男女高潮啪啪啪动态图| 一边摸一边做爽爽视频免费| 99re6热这里在线精品视频| 欧美日韩一级在线毛片| 真人做人爱边吃奶动态| 亚洲av成人不卡在线观看播放网| 国产精品一区二区在线观看99| 国产精品亚洲av一区麻豆| 老熟妇乱子伦视频在线观看| 欧美午夜高清在线| 制服诱惑二区| 黄色毛片三级朝国网站| 99久久人妻综合| 黄色视频,在线免费观看| 亚洲欧美激情综合另类| 亚洲专区字幕在线| 精品视频人人做人人爽| 视频在线观看一区二区三区| 两个人看的免费小视频| 女人被躁到高潮嗷嗷叫费观| 免费高清在线观看日韩| 国产精品亚洲av一区麻豆| 下体分泌物呈黄色| 黄色女人牲交| 嫁个100分男人电影在线观看| 丰满迷人的少妇在线观看| 一进一出抽搐gif免费好疼 | 黄色视频,在线免费观看| 亚洲中文日韩欧美视频| 午夜福利视频在线观看免费| 欧美精品人与动牲交sv欧美| 黄片播放在线免费| 韩国精品一区二区三区| 高清黄色对白视频在线免费看| 亚洲国产中文字幕在线视频| 激情视频va一区二区三区| 久久久久久久午夜电影 | 大片电影免费在线观看免费| 一级黄色大片毛片| 成年人免费黄色播放视频| 精品一区二区三区四区五区乱码| 中文字幕精品免费在线观看视频| 国产真人三级小视频在线观看| 男人的好看免费观看在线视频 | 国产麻豆69| 欧美激情久久久久久爽电影 | 9色porny在线观看| 国产高清视频在线播放一区| 精品久久久久久久毛片微露脸| 在线av久久热| 不卡av一区二区三区| 欧美av亚洲av综合av国产av| 一级片免费观看大全| 亚洲在线自拍视频| 日韩制服丝袜自拍偷拍| 久久人妻福利社区极品人妻图片| 熟女少妇亚洲综合色aaa.| 亚洲欧美激情在线| 女性生殖器流出的白浆| 大码成人一级视频| 少妇 在线观看| 日韩三级视频一区二区三区| 亚洲精品乱久久久久久| 激情在线观看视频在线高清 | 成熟少妇高潮喷水视频| 成年版毛片免费区| 天堂动漫精品| 三级毛片av免费| 黑人操中国人逼视频| 一a级毛片在线观看| av网站免费在线观看视频| 色尼玛亚洲综合影院| 精品国产超薄肉色丝袜足j| 亚洲久久久国产精品| 三级毛片av免费| 757午夜福利合集在线观看| 国产精品国产av在线观看| 亚洲人成电影免费在线| 亚洲欧美一区二区三区久久| a在线观看视频网站| 精品一区二区三区av网在线观看| av线在线观看网站| 国产成人精品久久二区二区91| 国产aⅴ精品一区二区三区波| 12—13女人毛片做爰片一| 亚洲av熟女| 最近最新中文字幕大全电影3 | xxxhd国产人妻xxx| 天天躁夜夜躁狠狠躁躁| 久久中文字幕人妻熟女| 亚洲国产中文字幕在线视频| 一进一出抽搐gif免费好疼 | 1024视频免费在线观看| 久久青草综合色| 久久久国产欧美日韩av| 亚洲精华国产精华精| 精品卡一卡二卡四卡免费| 日韩欧美一区二区三区在线观看 | 久久国产精品人妻蜜桃| 99久久人妻综合| 高清黄色对白视频在线免费看| 高潮久久久久久久久久久不卡| 男女午夜视频在线观看| 久久精品91无色码中文字幕| 色播在线永久视频| 日韩欧美一区二区三区在线观看 | 久久青草综合色| 午夜福利欧美成人| 欧美亚洲 丝袜 人妻 在线| 丁香六月欧美| 无遮挡黄片免费观看| av网站免费在线观看视频| 啦啦啦在线免费观看视频4| 搡老岳熟女国产| 久9热在线精品视频| 亚洲专区字幕在线| 国产91精品成人一区二区三区| 18禁黄网站禁片午夜丰满| 超碰成人久久| 在线免费观看的www视频| 亚洲人成伊人成综合网2020| 老司机在亚洲福利影院| 国产精品九九99| 亚洲精品乱久久久久久| 精品一区二区三区视频在线观看免费 | 视频区图区小说| 757午夜福利合集在线观看| 亚洲熟妇中文字幕五十中出 | 亚洲综合色网址| 国产一区二区三区视频了| а√天堂www在线а√下载 | 久久精品熟女亚洲av麻豆精品| 中文欧美无线码| 搡老熟女国产l中国老女人| 日韩精品免费视频一区二区三区| 又大又爽又粗| 国产在视频线精品| 一二三四社区在线视频社区8| 婷婷丁香在线五月| 妹子高潮喷水视频| 男女免费视频国产| 中文字幕av电影在线播放| avwww免费| 国产精品美女特级片免费视频播放器 | 国产激情欧美一区二区| 国产在线观看jvid| 亚洲色图 男人天堂 中文字幕| 亚洲专区字幕在线| 十八禁网站免费在线| 亚洲一区高清亚洲精品| 一级a爱视频在线免费观看| 午夜精品在线福利| 中文字幕精品免费在线观看视频| www.999成人在线观看| 中文字幕色久视频| 天堂俺去俺来也www色官网| 精品免费久久久久久久清纯 | 美女高潮喷水抽搐中文字幕| 久久精品国产99精品国产亚洲性色 | 日韩熟女老妇一区二区性免费视频| 免费在线观看黄色视频的| 国产成+人综合+亚洲专区| 亚洲,欧美精品.| 久久久久视频综合| 亚洲精品中文字幕在线视频| 老鸭窝网址在线观看| 久久精品国产综合久久久| 一本一本久久a久久精品综合妖精| 成熟少妇高潮喷水视频| 三上悠亚av全集在线观看| 亚洲国产欧美一区二区综合| 亚洲av片天天在线观看| 国产蜜桃级精品一区二区三区 | 久久人人97超碰香蕉20202| 99riav亚洲国产免费| 不卡av一区二区三区| 国产精品九九99| 国产精品永久免费网站| 久久国产乱子伦精品免费另类| 一级作爱视频免费观看| 欧美成人午夜精品| av网站免费在线观看视频| 在线国产一区二区在线| 欧美老熟妇乱子伦牲交| 国产精品亚洲av一区麻豆| 999久久久国产精品视频| 久久久久国内视频| 欧美激情久久久久久爽电影 | 国产精品1区2区在线观看. | 免费不卡黄色视频| 国产成人欧美| 国产精品 国内视频| 精品国产国语对白av| 国产精品二区激情视频| 国产男女内射视频| 亚洲美女黄片视频| 99热国产这里只有精品6| 中文亚洲av片在线观看爽 | 在线十欧美十亚洲十日本专区| 久久久久久久午夜电影 | 国精品久久久久久国模美| 国产精品久久久人人做人人爽| 夜夜夜夜夜久久久久| 亚洲精品国产区一区二| 电影成人av| 欧美日韩瑟瑟在线播放| 色94色欧美一区二区| 黑人欧美特级aaaaaa片| 国产蜜桃级精品一区二区三区 | 丝瓜视频免费看黄片| 男人操女人黄网站| 建设人人有责人人尽责人人享有的| cao死你这个sao货| 成人精品一区二区免费| 亚洲男人天堂网一区| av一本久久久久| av欧美777| 亚洲人成伊人成综合网2020| 国产高清视频在线播放一区| 国产精品偷伦视频观看了| 成年人午夜在线观看视频| 黄色视频,在线免费观看| 啦啦啦视频在线资源免费观看| 国产91精品成人一区二区三区| 亚洲精品国产一区二区精华液| videos熟女内射| 99久久精品国产亚洲精品| 999久久久精品免费观看国产| 麻豆av在线久日| 一边摸一边抽搐一进一出视频| 国产有黄有色有爽视频| 色综合婷婷激情| 大香蕉久久网| 亚洲 欧美一区二区三区| 99re6热这里在线精品视频| 黑人猛操日本美女一级片| 搡老岳熟女国产| 狂野欧美激情性xxxx| 亚洲少妇的诱惑av| 很黄的视频免费| 日韩制服丝袜自拍偷拍| 国产国语露脸激情在线看| 久久人人97超碰香蕉20202| 免费在线观看黄色视频的| 久久婷婷成人综合色麻豆| 制服诱惑二区| 在线观看www视频免费| 久久精品亚洲av国产电影网| 久久久精品区二区三区| 久久精品成人免费网站| 国产精品99久久99久久久不卡| 最近最新中文字幕大全免费视频| 亚洲va日本ⅴa欧美va伊人久久| 性色av乱码一区二区三区2| 久久精品亚洲精品国产色婷小说| 国产精品av久久久久免费| 亚洲成人手机| 精品久久久久久久毛片微露脸| 精品卡一卡二卡四卡免费| 人人妻人人澡人人爽人人夜夜| 久久 成人 亚洲| 日本黄色日本黄色录像| 久久人人爽av亚洲精品天堂| 免费在线观看完整版高清| 亚洲欧洲精品一区二区精品久久久| 精品人妻在线不人妻| 亚洲avbb在线观看| 国产野战对白在线观看| 国产麻豆69| 丝瓜视频免费看黄片| 99久久国产精品久久久| 亚洲 国产 在线| 国产极品粉嫩免费观看在线| 久久人人97超碰香蕉20202| x7x7x7水蜜桃| 免费看a级黄色片| 欧美黄色淫秽网站| 亚洲国产精品sss在线观看 | 69av精品久久久久久| 色婷婷久久久亚洲欧美| 久久久久久久精品吃奶| 国产乱人伦免费视频| 久久精品91无色码中文字幕| 一级黄色大片毛片| 桃红色精品国产亚洲av| 国产视频一区二区在线看| 国产av又大| 日韩制服丝袜自拍偷拍| 日本撒尿小便嘘嘘汇集6| 十八禁高潮呻吟视频| 女人精品久久久久毛片| 国产在线观看jvid| 99久久综合精品五月天人人| 在线观看免费视频网站a站| 夫妻午夜视频| 国产精品免费一区二区三区在线 | 在线观看www视频免费| 国产av又大| 伊人久久大香线蕉亚洲五| 淫妇啪啪啪对白视频| 啦啦啦免费观看视频1| 91麻豆av在线| 在线观看免费视频网站a站| 国内久久婷婷六月综合欲色啪| 丰满的人妻完整版| 淫妇啪啪啪对白视频| 在线天堂中文资源库| 一级毛片精品| 人人妻人人澡人人爽人人夜夜| 亚洲国产欧美网| 国产有黄有色有爽视频| 两性午夜刺激爽爽歪歪视频在线观看 | 国产高清videossex| 精品国产美女av久久久久小说| 黄色丝袜av网址大全| 午夜福利一区二区在线看| 淫妇啪啪啪对白视频| 国产午夜精品久久久久久| 香蕉久久夜色| 亚洲av熟女| 午夜两性在线视频| 中文欧美无线码| 纯流量卡能插随身wifi吗| aaaaa片日本免费| 久久国产乱子伦精品免费另类| 亚洲国产中文字幕在线视频| 精品乱码久久久久久99久播| 日日夜夜操网爽| 成在线人永久免费视频| 超碰成人久久| 电影成人av| 美女视频免费永久观看网站| 国产成人av教育| videos熟女内射| 欧美中文综合在线视频| 国产精品免费一区二区三区在线 | 国产欧美日韩一区二区三区在线| 日本撒尿小便嘘嘘汇集6| 国产精品久久久av美女十八| 国产精品 欧美亚洲| 亚洲精品美女久久久久99蜜臀| 国产成人精品久久二区二区免费|