• <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)
    or卡值多少钱| 正在播放国产对白刺激| 小说图片视频综合网站| av国产免费在线观看| 久久久久久久午夜电影| 嫁个100分男人电影在线观看| 成熟少妇高潮喷水视频| 国产成+人综合+亚洲专区| 18禁观看日本| 国产一区二区在线av高清观看| 麻豆av在线久日| 人妻久久中文字幕网| 搡老熟女国产l中国老女人| 麻豆久久精品国产亚洲av| 精品国产美女av久久久久小说| 国产伦人伦偷精品视频| 欧美成人免费av一区二区三区| 91九色精品人成在线观看| 在线观看免费视频日本深夜| 熟妇人妻久久中文字幕3abv| 久久这里只有精品中国| 亚洲专区国产一区二区| 老熟妇仑乱视频hdxx| 亚洲熟女毛片儿| 日韩国内少妇激情av| 亚洲专区国产一区二区| 18禁观看日本| 国内揄拍国产精品人妻在线| 亚洲精品色激情综合| 变态另类丝袜制服| 亚洲七黄色美女视频| 桃红色精品国产亚洲av| 日本撒尿小便嘘嘘汇集6| 亚洲国产中文字幕在线视频| 精品久久久久久久久久免费视频| 亚洲国产欧美网| 国产黄片美女视频| 中文字幕人成人乱码亚洲影| 久久久久久久精品吃奶| 精品日产1卡2卡| 日韩国内少妇激情av| 日韩欧美精品v在线| 听说在线观看完整版免费高清| 非洲黑人性xxxx精品又粗又长| 国产av麻豆久久久久久久| 色哟哟哟哟哟哟| 99热只有精品国产| 三级毛片av免费| 亚洲av中文字字幕乱码综合| 国产精品影院久久| 欧美性猛交╳xxx乱大交人| 非洲黑人性xxxx精品又粗又长| 精品高清国产在线一区| 少妇人妻一区二区三区视频| a级毛片在线看网站| www.精华液| 激情在线观看视频在线高清| 国产91精品成人一区二区三区| 久久天躁狠狠躁夜夜2o2o| 欧美成人免费av一区二区三区| 黄色毛片三级朝国网站| 成人欧美大片| 国产亚洲av高清不卡| 人人妻人人看人人澡| 欧美乱色亚洲激情| 少妇熟女aⅴ在线视频| 成人特级黄色片久久久久久久| 欧美三级亚洲精品| 久久久久久人人人人人| 亚洲中文av在线| 麻豆国产av国片精品| 中文字幕久久专区| av天堂在线播放| 成在线人永久免费视频| 亚洲免费av在线视频| 国产伦在线观看视频一区| 国产三级在线视频| 国产成人精品无人区| 人妻久久中文字幕网| 欧美日韩精品网址| 免费av毛片视频| 日本一二三区视频观看| 可以在线观看毛片的网站| 日韩欧美 国产精品| 女生性感内裤真人,穿戴方法视频| 别揉我奶头~嗯~啊~动态视频| 脱女人内裤的视频| 欧美日本亚洲视频在线播放| 亚洲一码二码三码区别大吗| 久久热在线av| 国产午夜福利久久久久久| 岛国视频午夜一区免费看| 给我免费播放毛片高清在线观看| 国产av麻豆久久久久久久| 国产精品影院久久| 最近最新免费中文字幕在线| 高潮久久久久久久久久久不卡| 麻豆久久精品国产亚洲av| 色综合站精品国产| 欧美丝袜亚洲另类 | 欧美日韩精品网址| 欧美黑人欧美精品刺激| 亚洲成a人片在线一区二区| 国产伦在线观看视频一区| 国产真人三级小视频在线观看| 欧美zozozo另类| 亚洲国产中文字幕在线视频| 久久精品91蜜桃| АⅤ资源中文在线天堂| 好男人在线观看高清免费视频| 中国美女看黄片| 一进一出抽搐gif免费好疼| 波多野结衣高清无吗| 亚洲真实伦在线观看| 国产一区二区三区视频了| 亚洲 欧美 日韩 在线 免费| 1024香蕉在线观看| 午夜老司机福利片| 欧美 亚洲 国产 日韩一| 男女下面进入的视频免费午夜| 日本a在线网址| 国产激情久久老熟女| 在线a可以看的网站| 欧美黑人欧美精品刺激| 狂野欧美激情性xxxx| 曰老女人黄片| 亚洲成人久久性| 午夜福利欧美成人| 欧美av亚洲av综合av国产av| 久热爱精品视频在线9| 免费无遮挡裸体视频| 久久久国产欧美日韩av| 大型av网站在线播放| 午夜精品久久久久久毛片777| 久久人妻av系列| 黄色成人免费大全| 99精品欧美一区二区三区四区| 青草久久国产| 国产亚洲精品av在线| 亚洲乱码一区二区免费版| 久久99热这里只有精品18| av在线天堂中文字幕| 99久久国产精品久久久| 特级一级黄色大片| 日韩欧美一区二区三区在线观看| 亚洲人成电影免费在线| 老司机深夜福利视频在线观看| 国产成人系列免费观看| 国产精品久久久久久人妻精品电影| 法律面前人人平等表现在哪些方面| 久久久久国产精品人妻aⅴ院| 男女下面进入的视频免费午夜| 亚洲aⅴ乱码一区二区在线播放 | 1024视频免费在线观看| 国产探花在线观看一区二区| 日韩成人在线观看一区二区三区| 母亲3免费完整高清在线观看| 精品一区二区三区四区五区乱码| 午夜福利在线观看吧| 国产精品一及| 国产精品亚洲美女久久久| 美女扒开内裤让男人捅视频| 亚洲av电影不卡..在线观看| 99精品久久久久人妻精品| 最近最新中文字幕大全免费视频| 久久人妻福利社区极品人妻图片| 亚洲精品美女久久久久99蜜臀| 一级a爱片免费观看的视频| 好男人电影高清在线观看| 亚洲精品中文字幕在线视频| 亚洲va日本ⅴa欧美va伊人久久| 亚洲va日本ⅴa欧美va伊人久久| 夜夜躁狠狠躁天天躁| 黄片大片在线免费观看| 色综合站精品国产| 日本 av在线| 女人高潮潮喷娇喘18禁视频| 伊人久久大香线蕉亚洲五| 欧美乱码精品一区二区三区| 欧美久久黑人一区二区| 怎么达到女性高潮| 亚洲欧美日韩高清在线视频| 91老司机精品| 国产精品野战在线观看| 国产在线精品亚洲第一网站| 巨乳人妻的诱惑在线观看| 日本成人三级电影网站| 精品福利观看| 一本综合久久免费| 脱女人内裤的视频| 日本在线视频免费播放| 亚洲一区高清亚洲精品| 亚洲男人的天堂狠狠| 国产精品电影一区二区三区| 免费无遮挡裸体视频| 又粗又爽又猛毛片免费看| 日韩精品免费视频一区二区三区| 99在线人妻在线中文字幕| 最近最新中文字幕大全免费视频| 一级作爱视频免费观看| 色av中文字幕| 久久 成人 亚洲| 国产乱人伦免费视频| 18禁观看日本| 午夜免费观看网址| 国产精品av久久久久免费| 午夜免费激情av| 国产69精品久久久久777片 | 91麻豆av在线| 国产激情欧美一区二区| 激情在线观看视频在线高清| 国内少妇人妻偷人精品xxx网站 | 久久99热这里只有精品18| 国产一区二区三区在线臀色熟女| 老鸭窝网址在线观看| 午夜福利在线观看吧| 国产麻豆成人av免费视频| 国产久久久一区二区三区| 亚洲 欧美一区二区三区| 色老头精品视频在线观看| 999久久久国产精品视频| 亚洲激情在线av| 日本免费a在线| av福利片在线| 久久久久精品国产欧美久久久| 亚洲午夜理论影院| 国产高清视频在线播放一区| 最近最新免费中文字幕在线| 日日摸夜夜添夜夜添小说| 一级a爱片免费观看的视频| 亚洲欧美日韩高清专用| 精品福利观看| 午夜亚洲福利在线播放| 精品国产乱子伦一区二区三区| 色在线成人网| 免费在线观看黄色视频的| 欧美激情久久久久久爽电影| 露出奶头的视频| 成人18禁在线播放| 精华霜和精华液先用哪个| 亚洲色图 男人天堂 中文字幕| 天天一区二区日本电影三级| 欧美一区二区国产精品久久精品 | 亚洲成人精品中文字幕电影| 18禁黄网站禁片午夜丰满| 欧美不卡视频在线免费观看 | 欧美日韩瑟瑟在线播放| 视频区欧美日本亚洲| 亚洲国产精品久久男人天堂| 国产片内射在线| 神马国产精品三级电影在线观看 | 日本免费一区二区三区高清不卡| 桃红色精品国产亚洲av| 白带黄色成豆腐渣| 免费观看人在逋| 国产99久久九九免费精品| 亚洲片人在线观看| 国产亚洲欧美98| 身体一侧抽搐| 18美女黄网站色大片免费观看| 亚洲午夜理论影院| 中文字幕人妻丝袜一区二区| 伦理电影免费视频| 男人舔女人下体高潮全视频| 亚洲一区高清亚洲精品| 一进一出抽搐gif免费好疼| 色精品久久人妻99蜜桃| 亚洲午夜精品一区,二区,三区| 国产精品日韩av在线免费观看| 国产精品永久免费网站| 美女午夜性视频免费| 热99re8久久精品国产| 女同久久另类99精品国产91| 大型av网站在线播放| 黑人操中国人逼视频| www.999成人在线观看| √禁漫天堂资源中文www| 亚洲专区中文字幕在线| 精品欧美国产一区二区三| 国内精品一区二区在线观看| 免费看美女性在线毛片视频| 在线国产一区二区在线| 久久香蕉国产精品| 亚洲第一电影网av| 在线观看一区二区三区| 首页视频小说图片口味搜索| 久久久久亚洲av毛片大全| 久久性视频一级片| 久久国产精品影院| 老鸭窝网址在线观看| 又黄又粗又硬又大视频| 国产精品自产拍在线观看55亚洲| 精品高清国产在线一区| 色综合站精品国产| 精品高清国产在线一区| 欧美性猛交黑人性爽| 国产在线精品亚洲第一网站| 亚洲,欧美精品.| √禁漫天堂资源中文www| 在线视频色国产色| 亚洲一区高清亚洲精品| 久久国产乱子伦精品免费另类| 国产成人av教育| 在线观看免费视频日本深夜| 色精品久久人妻99蜜桃| 三级男女做爰猛烈吃奶摸视频| 久久久精品欧美日韩精品| 啦啦啦观看免费观看视频高清| 国产免费av片在线观看野外av| www国产在线视频色| 神马国产精品三级电影在线观看 | 丁香欧美五月| 99久久综合精品五月天人人| 在线视频色国产色| 久久久久国产一级毛片高清牌| 国产三级中文精品| 亚洲人成伊人成综合网2020| 午夜免费成人在线视频| x7x7x7水蜜桃| 日韩精品青青久久久久久| 欧美乱妇无乱码| 亚洲精品一卡2卡三卡4卡5卡| 午夜亚洲福利在线播放| 国产精品乱码一区二三区的特点| 欧美日韩乱码在线| 日本熟妇午夜| 51午夜福利影视在线观看| 国产亚洲精品综合一区在线观看 | 亚洲va日本ⅴa欧美va伊人久久| 成在线人永久免费视频| 国产熟女xx| 国产亚洲欧美在线一区二区| 丁香六月欧美| 国产一区二区激情短视频| 国产在线精品亚洲第一网站| www.999成人在线观看| 精品第一国产精品| 免费在线观看完整版高清| 国产精品永久免费网站| 国产私拍福利视频在线观看| 亚洲天堂国产精品一区在线| 国产精品一及| 亚洲av成人精品一区久久| 国产免费av片在线观看野外av| 蜜桃久久精品国产亚洲av| 亚洲成人中文字幕在线播放| 国产v大片淫在线免费观看| 精品人妻1区二区| 精品无人区乱码1区二区| 久久久久久九九精品二区国产 | 国产三级在线视频| 欧美黄色淫秽网站| www日本黄色视频网| 欧美黄色淫秽网站| 18禁黄网站禁片免费观看直播| 少妇的丰满在线观看| 免费看a级黄色片| 国产成人一区二区三区免费视频网站| 日本五十路高清| 午夜老司机福利片| 国产精品影院久久| 首页视频小说图片口味搜索| 99re在线观看精品视频| 国产精品 欧美亚洲| 久久精品aⅴ一区二区三区四区| 99热这里只有精品一区 | 欧美黑人欧美精品刺激| 高潮久久久久久久久久久不卡| 国产精品,欧美在线| 正在播放国产对白刺激| 中文字幕人妻丝袜一区二区| 国产精品野战在线观看| 听说在线观看完整版免费高清| 99久久99久久久精品蜜桃| 最近视频中文字幕2019在线8| netflix在线观看网站| 久久久久久大精品| 91九色精品人成在线观看| 亚洲狠狠婷婷综合久久图片| 欧美日韩国产亚洲二区| 搡老妇女老女人老熟妇| 欧美精品亚洲一区二区| 国产精华一区二区三区| 人妻夜夜爽99麻豆av| 在线观看日韩欧美| 女人高潮潮喷娇喘18禁视频| 精品午夜福利视频在线观看一区| 欧美黑人精品巨大| 亚洲欧洲精品一区二区精品久久久| 黄色女人牲交| 淫妇啪啪啪对白视频| 哪里可以看免费的av片| 9191精品国产免费久久| 国产高清有码在线观看视频 | 欧美日韩亚洲综合一区二区三区_| 女人爽到高潮嗷嗷叫在线视频| 黄色视频,在线免费观看| 亚洲一区二区三区不卡视频| cao死你这个sao货| 日韩中文字幕欧美一区二区| 制服诱惑二区| 日韩欧美国产一区二区入口| 欧美丝袜亚洲另类 | 亚洲av电影在线进入| 日韩欧美在线乱码| 亚洲av第一区精品v没综合| 日本熟妇午夜| 中国美女看黄片| 亚洲 欧美 日韩 在线 免费| 久久香蕉激情| 亚洲精品一区av在线观看| 狂野欧美激情性xxxx| 巨乳人妻的诱惑在线观看| 国产成人啪精品午夜网站| 香蕉av资源在线| 观看免费一级毛片| 哪里可以看免费的av片| 欧美乱码精品一区二区三区| 69av精品久久久久久| 国语自产精品视频在线第100页| av超薄肉色丝袜交足视频| 麻豆成人av在线观看| 在线观看免费日韩欧美大片| 精品电影一区二区在线| 最新在线观看一区二区三区| 啦啦啦免费观看视频1| 色尼玛亚洲综合影院| 亚洲av美国av| 国产1区2区3区精品| 成在线人永久免费视频| 曰老女人黄片| 欧美成狂野欧美在线观看| 999久久久国产精品视频| xxxwww97欧美| 亚洲自拍偷在线| 精品日产1卡2卡| 国产av一区二区精品久久| 99精品欧美一区二区三区四区| 草草在线视频免费看| 国产成人啪精品午夜网站| 国产私拍福利视频在线观看| 久久 成人 亚洲| 国内毛片毛片毛片毛片毛片| 亚洲精品一卡2卡三卡4卡5卡| 91国产中文字幕| 少妇粗大呻吟视频| 女人被狂操c到高潮| 精品久久久久久,| 日本三级黄在线观看| 99精品欧美一区二区三区四区| 真人做人爱边吃奶动态| 日韩欧美免费精品| 国产精品98久久久久久宅男小说| 嫁个100分男人电影在线观看| 妹子高潮喷水视频| 中文字幕精品亚洲无线码一区| 在线视频色国产色| 久久午夜综合久久蜜桃| 国产午夜精品久久久久久| 亚洲一区二区三区不卡视频| 中国美女看黄片| 99久久久亚洲精品蜜臀av| 成年免费大片在线观看| 在线永久观看黄色视频| 啦啦啦观看免费观看视频高清| 嫩草影院精品99| 成人高潮视频无遮挡免费网站| 18禁裸乳无遮挡免费网站照片| 三级国产精品欧美在线观看 | 亚洲一区二区三区不卡视频| 国产精品久久视频播放| 日韩免费av在线播放| 可以免费在线观看a视频的电影网站| 日本 av在线| 欧美一级a爱片免费观看看 | 国产亚洲精品久久久久久毛片| 欧美日韩福利视频一区二区| 无遮挡黄片免费观看| 欧洲精品卡2卡3卡4卡5卡区| 19禁男女啪啪无遮挡网站| 久久久久免费精品人妻一区二区| 母亲3免费完整高清在线观看| 身体一侧抽搐| www国产在线视频色| 国产91精品成人一区二区三区| 一级毛片精品| 99国产精品一区二区蜜桃av| 动漫黄色视频在线观看| 亚洲免费av在线视频| 国产免费av片在线观看野外av| 国产av麻豆久久久久久久| 久久人妻福利社区极品人妻图片| 熟女电影av网| 国内精品久久久久久久电影| 国产蜜桃级精品一区二区三区| 成人欧美大片| 51午夜福利影视在线观看| 亚洲电影在线观看av| 在线看三级毛片| 黄色女人牲交| 久久久久久久久中文| 一个人观看的视频www高清免费观看 | 日本 欧美在线| 色哟哟哟哟哟哟| 性欧美人与动物交配| 在线永久观看黄色视频| 亚洲av片天天在线观看| 母亲3免费完整高清在线观看| 99久久久亚洲精品蜜臀av| 成年女人毛片免费观看观看9| 久久天堂一区二区三区四区| 9191精品国产免费久久| 这个男人来自地球电影免费观看| 久久久久亚洲av毛片大全| 久久伊人香网站| 亚洲av日韩精品久久久久久密| 757午夜福利合集在线观看| 午夜福利视频1000在线观看| 亚洲自拍偷在线| 两个人看的免费小视频| 少妇裸体淫交视频免费看高清 | а√天堂www在线а√下载| 亚洲成人免费电影在线观看| 97超级碰碰碰精品色视频在线观看| 久久这里只有精品中国| 国产av麻豆久久久久久久| 久久久久久久精品吃奶| 精品电影一区二区在线| 国产精品 欧美亚洲| 欧美日韩中文字幕国产精品一区二区三区| 国产黄片美女视频| 操出白浆在线播放| 草草在线视频免费看| 精品高清国产在线一区| 国模一区二区三区四区视频 | 听说在线观看完整版免费高清| 在线观看免费视频日本深夜| 桃色一区二区三区在线观看| 国产欧美日韩一区二区三| 亚洲中文日韩欧美视频| 亚洲精品久久国产高清桃花| 婷婷精品国产亚洲av在线| 丰满人妻熟妇乱又伦精品不卡| 淫秽高清视频在线观看| 变态另类成人亚洲欧美熟女| 日本撒尿小便嘘嘘汇集6| 在线永久观看黄色视频| 中文资源天堂在线| 丝袜人妻中文字幕| 亚洲自拍偷在线| 久久久精品大字幕| 99国产精品一区二区蜜桃av| 亚洲全国av大片| 法律面前人人平等表现在哪些方面| 琪琪午夜伦伦电影理论片6080| 国产精品99久久99久久久不卡| 久99久视频精品免费| 午夜a级毛片| 国产精品野战在线观看| 1024视频免费在线观看| 久久人人精品亚洲av| 黄色a级毛片大全视频| 国产伦人伦偷精品视频| 成人av一区二区三区在线看| √禁漫天堂资源中文www| or卡值多少钱| 久久国产精品影院| 首页视频小说图片口味搜索| 天堂√8在线中文| 午夜激情av网站| 热99re8久久精品国产| 国产91精品成人一区二区三区| 一本大道久久a久久精品| 真人一进一出gif抽搐免费| 亚洲成人中文字幕在线播放| 国产激情偷乱视频一区二区| 麻豆av在线久日| 无遮挡黄片免费观看| 欧美最黄视频在线播放免费| 人成视频在线观看免费观看| 波多野结衣高清无吗| 久久热在线av| 18禁美女被吸乳视频| 身体一侧抽搐| 国产精品 欧美亚洲| 久久中文字幕一级| 悠悠久久av| 在线播放国产精品三级| 国产精品av久久久久免费| 麻豆久久精品国产亚洲av| 成熟少妇高潮喷水视频| 琪琪午夜伦伦电影理论片6080| 女同久久另类99精品国产91| 免费看日本二区| 久久精品综合一区二区三区| 一边摸一边做爽爽视频免费| 国产v大片淫在线免费观看| 色综合站精品国产| 亚洲 欧美 日韩 在线 免费| 欧美极品一区二区三区四区| 嫩草影院精品99| 久久婷婷成人综合色麻豆| 成人18禁在线播放| 午夜亚洲福利在线播放| 男人舔女人的私密视频| 两个人看的免费小视频| 亚洲黑人精品在线| 久久人人精品亚洲av| 日日摸夜夜添夜夜添小说| 十八禁人妻一区二区| 亚洲国产看品久久| 在线国产一区二区在线| 欧美乱妇无乱码| 99久久精品热视频| 国产精品亚洲美女久久久|