• <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 ?

    進(jìn)化算法優(yōu)化GBDT的帶鋼卷取溫度預(yù)測(cè)

    2022-03-14 08:58:40皮理想崔桂梅
    關(guān)鍵詞:模型

    皮理想, 崔桂梅

    (內(nèi)蒙古科技大學(xué)信息工程學(xué)院, 包頭 014010)

    熱軋后帶鋼的冷卻控制是熱軋生產(chǎn)的重要環(huán)節(jié),層流冷卻過程溫度和卷取溫度的控制精度將直接影響帶鋼的組織性能和力學(xué)性能,同時(shí)也是帶鋼能否順利卷取、安全下線的決定因素[1-2]。熱軋帶鋼卷取溫度預(yù)報(bào)是帶鋼質(zhì)量控制的重要基礎(chǔ),準(zhǔn)確的溫度預(yù)報(bào)模型為卷取溫度的前饋補(bǔ)償控制提供可靠的參考數(shù)據(jù),對(duì)提高卷取溫度的控制精度具有重要意義[3]。

    目前的層流冷卻控制系統(tǒng)主要通過經(jīng)典數(shù)學(xué)模型對(duì)卷取溫度進(jìn)行預(yù)測(cè),但是冷卻過程是一個(gè)非常復(fù)雜的時(shí)變非線性過程,在目標(biāo)卷取溫度允許公差范圍內(nèi),機(jī)理預(yù)測(cè)模型的命中率往往并不理想。隨著人工智能技術(shù)的發(fā)展,有學(xué)者將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于卷取溫度方面,以提高其預(yù)測(cè)精度,如:馬麗坤等[4]利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)數(shù)學(xué)模型中的綜合換熱因子,大幅提高了卷取溫度的預(yù)測(cè)精度;石孝武和申群太[5]將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,建立了遺傳神經(jīng)網(wǎng)絡(luò)卷取溫度預(yù)測(cè)模型,具有較好的應(yīng)用前景;郭強(qiáng)等[6]建立人工魚群神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,利用魚群算法訓(xùn)練BP網(wǎng)絡(luò)權(quán)值,建立了人工魚群神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,具有較強(qiáng)的自適應(yīng)能力。然而,基于BP神經(jīng)網(wǎng)絡(luò)建立的預(yù)測(cè)模型雖然取得了較好的預(yù)測(cè)精度,但由于BP神經(jīng)網(wǎng)絡(luò)自身結(jié)構(gòu)的局限性,導(dǎo)致在有限的訓(xùn)練樣本下泛化性能較差,容易陷入局部最優(yōu),限制了BP神經(jīng)網(wǎng)絡(luò)模型在卷取溫度方面的應(yīng)用。

    梯度提升決策樹(Gradient Boosting Decision Tree,GBDT)作為集成學(xué)習(xí)[7]中一個(gè)的重要算法,具有防止過擬合和泛化能力較強(qiáng)等優(yōu)點(diǎn),在回歸預(yù)測(cè)方面具有廣泛應(yīng)用。如:王偉等[8]利用GBDT對(duì)熱鍍鋅剛力學(xué)性能預(yù)報(bào),模型具有較高的預(yù)測(cè)精度;谷云東等[9]將梯度提升決策樹應(yīng)用于電力負(fù)荷預(yù)測(cè),其預(yù)測(cè)誤差明顯低于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的。 針對(duì)B鋼廠層流冷卻系統(tǒng)卷取溫度預(yù)報(bào)精度低且人工調(diào)參過程具有經(jīng)驗(yàn)性和不確定性的問題,本文探索將集成學(xué)習(xí)中的梯度提升決策樹算法應(yīng)用于帶鋼卷取溫度預(yù)測(cè),利用差分進(jìn)化(Differential Evolution,DE)算法的全局尋優(yōu)能力獲取模型最優(yōu)參數(shù),建立基于差分進(jìn)化優(yōu)化梯度提升決策樹的卷取溫度預(yù)測(cè)模型(DE-GBDT)。同時(shí),與3個(gè)基礎(chǔ)預(yù)測(cè)模型(梯度提升決策樹(GBDT)[10]、支持向量機(jī)(SVM)[11]、小波神經(jīng)網(wǎng)絡(luò)(WNN)[12])以及差分進(jìn)化優(yōu)化后的支持向量機(jī)(DE-SVM)、小波神經(jīng)網(wǎng)絡(luò)(DE-WNN)預(yù)測(cè)模型進(jìn)行對(duì)比實(shí)驗(yàn),以驗(yàn)證DE-GBDT預(yù)測(cè)模型的有效性,擬為前饋補(bǔ)償控制提供準(zhǔn)確的參考數(shù)據(jù),為進(jìn)一步提高卷取溫度的控制精度提供新方法。

    1 DE-GBDT預(yù)測(cè)模型

    1.1 數(shù)據(jù)的標(biāo)準(zhǔn)化處理

    根據(jù)鋼廠實(shí)際歷史生產(chǎn)數(shù)據(jù),通過對(duì)帶鋼層流冷卻段的生產(chǎn)工藝特點(diǎn)和歷史數(shù)據(jù)分析,確定以下生產(chǎn)過程中的關(guān)鍵因素作為模型訓(xùn)練的數(shù)據(jù)特征:目標(biāo)卷取溫度、終軋溫度、帶鋼厚度、帶鋼速度、冷卻水溫度和實(shí)測(cè)卷取溫度。由于上述不同特征量綱差別較大,如帶鋼厚度為2~6 mm,而帶鋼溫度區(qū)間為600~800 ℃,需根據(jù)下式對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,以消除量綱:

    (1)

    其中,z為標(biāo)準(zhǔn)化后的數(shù)據(jù),x為原始數(shù)據(jù),μ為樣本均值,σ為樣本標(biāo)準(zhǔn)差。經(jīng)數(shù)據(jù)標(biāo)準(zhǔn)化處理后,可以提高模型精度及收斂速度。

    1.2 GBDT預(yù)測(cè)模型的建模過程

    GBDT 是以分類回歸樹(Classification and Regression Tree,CART)為基模型的集成學(xué)習(xí)算法,該算法基于Boosting 迭代的思想,利用原始訓(xùn)練集獲取第一棵決策樹,此后每一輪迭代中的目標(biāo)都是擬合上一輪弱學(xué)習(xí)器的殘差。GBDT建模過程以當(dāng)前學(xué)習(xí)器的損失函數(shù)最小為目標(biāo),損失函數(shù)選用平方損失函數(shù),通過多次迭代以減小訓(xùn)練殘差,最后將所有訓(xùn)練好的回歸樹的結(jié)果進(jìn)行求和,從而獲得最終的預(yù)測(cè)結(jié)果[13-15]。本文將帶鋼目標(biāo)卷取溫度、冷卻水溫度以及帶鋼在精軋出口實(shí)時(shí)的厚度、速度、溫度等條件屬性作為GBDT預(yù)測(cè)模型的輸入特征,將帶鋼實(shí)測(cè)卷取溫度作為輸出特征:輸入為訓(xùn)練數(shù)據(jù)集T={(x1,y1),(x2,y2),…,(xN,yN)},其中,xi(xiX?n)為影響帶鋼實(shí)測(cè)卷取溫度的條件屬性,X為輸入樣本空間;yi(yiY?)為帶鋼實(shí)測(cè)卷取溫度,Y為輸出樣本空間;損失函數(shù)為L(zhǎng)(yi,f(xi)),輸出為回歸樹fM(xi)。GBDT預(yù)測(cè)模型的建模過程如下:

    (1)初始化:估計(jì)使損失函數(shù)極小化的常數(shù)值c,f0(x)是只有1個(gè)根節(jié)點(diǎn)的樹:

    (2)

    (2)對(duì)建立的M棵回歸樹:

    ① 對(duì)i=1,2,…,N,計(jì)算第m(m=1,2,…,M)棵樹對(duì)應(yīng)的損失函數(shù)的負(fù)梯度,即偽殘差:

    (3)

    ② 利用CART回歸時(shí)擬合數(shù)據(jù)(xi,rmi),從而得到第m棵回歸樹,其對(duì)應(yīng)葉子節(jié)點(diǎn)區(qū)域?yàn)镽mj,其中j=1,2,…,J,J為第m(m=1,2,…,M)棵回歸樹葉子節(jié)點(diǎn)的個(gè)數(shù);

    ③ 對(duì)于j(j=1,2,…,J)個(gè)葉子節(jié)點(diǎn)區(qū)域,計(jì)算最佳擬合值:

    (4)

    ④ 更新學(xué)習(xí)器fm(x):

    (5)

    (3)得到回歸樹fM(x):

    (6)

    1.3 DE-GBDT預(yù)測(cè)模型的建模過程

    在GBDT算法模型中,模型參數(shù)較多,人工調(diào)參需耗費(fèi)大量時(shí)間且存在不確定性,目前關(guān)于如何選擇和調(diào)節(jié)模型參數(shù)理論尚未建立,因此,本文利用DE算法的全局尋優(yōu)能力獲取模型最優(yōu)參數(shù)。

    DE算法[16]是基于群體差異的啟發(fā)式并行搜索方法,主要包括種群初始化、變異、交叉和選擇等操作。主要的控制參數(shù)包括:種群規(guī)模NP、縮放因子F和交叉概率CR,其中,NP主要影響種群多樣性以及收斂速度,F(xiàn)主要影響搜索步長(zhǎng),CR主要影響進(jìn)化信息的調(diào)整權(quán)重[17-18]。差分進(jìn)化算法主要操作如下:

    (1)初始化操作:本文采用實(shí)數(shù)編碼方式(RI)構(gòu)建種群,個(gè)體維數(shù)D由尋優(yōu)模型參數(shù)個(gè)數(shù)決定。個(gè)體定義如下:

    (i=1,2,…,NP;g=0,1,…,G),

    (7)

    其中,Xi(g)為第g代迭代的第i個(gè)個(gè)體,G為種群最大迭代次數(shù)。設(shè)定好控制參數(shù),由下式即可隨機(jī)生成滿足約束條件的0代種群(即初始種群):

    (8)

    (2)變異操作:首先,從第g代種群中隨機(jī)選取3個(gè)個(gè)體Xr1(g)、Xr2(g)、Xr3(g),選擇其中2個(gè)個(gè)體Xr1(g)、Xr2(g)進(jìn)行差分操作;然后進(jìn)行加權(quán),再與另一個(gè)體Xr3(g)進(jìn)行求和,從而生成變異個(gè)體。計(jì)算公式如下:

    V(g)=Xr3(g)+F·(Xr1(g)-Xr2(g))。

    (9)

    (10)

    其中,rand(j)[0,1]為第j維分量對(duì)應(yīng)的隨機(jī)數(shù)。

    (4)選擇操作:對(duì)個(gè)體Ui(g)、Xi(g)進(jìn)行適應(yīng)度評(píng)價(jià),f(·)為適應(yīng)度函數(shù),對(duì)中間個(gè)體和當(dāng)代個(gè)體對(duì)應(yīng)的適應(yīng)度值進(jìn)行比較,選擇適應(yīng)度值更優(yōu)的個(gè)體進(jìn)入下一代,計(jì)算公式如下:

    (11)

    依次執(zhí)行以上操作,可以獲得新一代種群Xi(g+1)。通過不斷對(duì)新種群Xi(g+1)執(zhí)行變異、交叉和選擇等操作,可以不斷更新種群,直至達(dá)到最大種群迭代次數(shù)G,算法結(jié)束。

    GBDT模型主要考慮弱學(xué)習(xí)器的最大迭代次數(shù)、弱學(xué)習(xí)器的權(quán)重縮減系數(shù)、子采樣比例和決策樹最大深度。其中,最大迭代次數(shù)和權(quán)重縮減系數(shù)相互影響:若最大迭代次數(shù)(即弱學(xué)習(xí)器的個(gè)數(shù))太小則容易欠擬合,太大則容易過擬合;對(duì)于同樣的訓(xùn)練集擬合效果,較小的權(quán)重縮減系數(shù)(即步長(zhǎng))表明需要的最大迭代次數(shù)更多;子采樣比例小于1可以防止過擬合,但是會(huì)增加樣本擬合的偏差;決策樹最大深度太小則可能會(huì)簡(jiǎn)單地過擬合訓(xùn)練數(shù)據(jù),太大則會(huì)使決策樹結(jié)構(gòu)過于復(fù)雜,容易過擬合,導(dǎo)致測(cè)試誤差增大。

    針對(duì)上述模型的參數(shù)特性,GBDT預(yù)測(cè)模型的參數(shù)范圍設(shè)置如下:最大迭代次數(shù)、權(quán)重縮減系數(shù)、子采樣比例、決策樹最大深度的取值區(qū)間分別為[10,1 000]、[0.001,0.1]、[0.1,1]、[1,100]。然后,根據(jù)這些區(qū)間初始化種群,通過個(gè)體參數(shù)訓(xùn)練GBDT模型。其次,計(jì)算每個(gè)個(gè)體的適應(yīng)度,并根據(jù)當(dāng)前種群迭代次數(shù)和種群收斂情況判斷是否滿足終止條件:若不滿足,則根據(jù)交叉、變異和選擇等操作更新種群,重新訓(xùn)練GBDT模型;若滿足,則根據(jù)當(dāng)前種群最優(yōu)個(gè)體獲取模型最優(yōu)參數(shù)組合。最后,根據(jù)此最優(yōu)參數(shù)組合訓(xùn)練GBDT模型,從而建立DE-GBDT預(yù)測(cè)模型(圖1)。

    圖1 DE-GBDT預(yù)測(cè)模型的建模流程

    2 仿真實(shí)驗(yàn)

    利用B鋼廠2020年8月份歷史數(shù)據(jù)進(jìn)行建模,訓(xùn)練并驗(yàn)證卷取溫度預(yù)測(cè)模型。模型輸入特征包括帶鋼厚度、帶鋼速度、帶鋼溫度、冷卻水溫度和目標(biāo)卷取溫度,輸出特征為實(shí)際卷取溫度,實(shí)驗(yàn)仿真工具為Python。實(shí)驗(yàn)共采集了190卷帶鋼數(shù)據(jù),依樣本段提取帶鋼數(shù)據(jù)并經(jīng)數(shù)據(jù)處理后,共獲取11 000組高質(zhì)量數(shù)據(jù),其中10 000組數(shù)據(jù)構(gòu)成訓(xùn)練集,1 000組數(shù)據(jù)構(gòu)成測(cè)試集。由于目前鋼廠中有70%的帶鋼是以相對(duì)誤差在20 ℃范圍內(nèi)計(jì)算預(yù)測(cè)命中率,其余帶鋼以相對(duì)誤差在15 ℃范圍內(nèi)計(jì)算命中率,因此,實(shí)驗(yàn)以15 ℃的相對(duì)誤差計(jì)算模型預(yù)測(cè)命中率。模型預(yù)測(cè)誤差評(píng)價(jià)指標(biāo)采用均方誤差(MSE)、均方根誤差(RMSE),計(jì)算公式如下:

    (12)

    其中,n為樣本數(shù),ytrue,i、ypre,i分別為帶鋼卷取溫度實(shí)際值、預(yù)測(cè)模型輸出值。

    2.1 差分進(jìn)化算法參數(shù)選擇

    在GBDT模型中,針對(duì)DE算法中的種群規(guī)模NP和最大迭代次數(shù)G進(jìn)行超參數(shù)選取實(shí)驗(yàn),將G初始化為20,NP分別設(shè)置為10、30、50、70,分析不同的參數(shù)設(shè)置對(duì)模型預(yù)測(cè)效果的影響。

    由實(shí)驗(yàn)結(jié)果(表1)可知:當(dāng)種群最大迭代次數(shù)G為20、種群規(guī)模NP為50時(shí),效果最佳。此時(shí)的GBDT模型的最優(yōu)參數(shù)取值如下:弱學(xué)習(xí)器的最大迭代次數(shù)為906,權(quán)重縮減系數(shù)為0.019,子采樣比例為0.776,決策樹最大深度為16。同時(shí)為后續(xù)對(duì)比實(shí)驗(yàn)做準(zhǔn)備,利用該進(jìn)化算法參數(shù)設(shè)計(jì)分別對(duì)小波神經(jīng)網(wǎng)絡(luò)模型中的學(xué)習(xí)率、最大訓(xùn)練次數(shù)和支持向量機(jī)模型中的懲罰系數(shù)C、核函數(shù)參數(shù)γ進(jìn)行參數(shù)尋優(yōu),得到模型的最優(yōu)參數(shù):學(xué)習(xí)率為0.1、最大訓(xùn)練次數(shù)為17 703,C為234.092 8,γ為2.699 7。

    2.2 3個(gè)優(yōu)化后模型的效果對(duì)比

    利用差分進(jìn)化算法分別對(duì)SVM、WNN預(yù)測(cè)模型的模型參數(shù)進(jìn)行尋優(yōu),從而得到DE-SVM、DE-WNN預(yù)測(cè)模型,并與DE-GBDT預(yù)測(cè)模型進(jìn)行效果對(duì)比。由對(duì)比結(jié)果(圖2)可知:DE-WNN預(yù)測(cè)模型在740~800 ℃范圍內(nèi)的數(shù)據(jù)點(diǎn)預(yù)測(cè)偏差較大,DE-GBDT、DE-SVM預(yù)測(cè)模型的誤差基本都分布在±15 ℃誤差帶范圍內(nèi),且DE-GBDT預(yù)測(cè)模型的離群點(diǎn)最少。

    同時(shí),由3個(gè)預(yù)測(cè)模型的評(píng)價(jià)指標(biāo)(表2)可知: DE-GBDT預(yù)測(cè)模型的預(yù)測(cè)命中率最高,且DE-GBDT預(yù)測(cè)模型的各項(xiàng)評(píng)價(jià)指標(biāo)均最小(MSE為18.232、RMSE為4.269),表明DE-GBDT預(yù)測(cè)模型在帶鋼卷取溫度預(yù)測(cè)方面的應(yīng)用效果最好。

    表2 3個(gè)優(yōu)化后的預(yù)測(cè)模型的評(píng)價(jià)指標(biāo)

    隨機(jī)選取一卷帶鋼數(shù)據(jù),利用DE-GBDT預(yù)測(cè)模型對(duì)該鋼卷樣本點(diǎn)的卷取溫度進(jìn)行預(yù)測(cè)。由預(yù)測(cè)效果(圖3)可知:DE-GBDT預(yù)測(cè)模型的預(yù)測(cè)值與實(shí)際值高度擬合,符合實(shí)際工藝要求。

    圖3 DE-GBDT預(yù)測(cè)模型的卷取溫度擬合效果

    2.3 DE-GBDT預(yù)測(cè)模型與3個(gè)基礎(chǔ)預(yù)測(cè)模型的效果對(duì)比

    將DE-GBDT預(yù)測(cè)模型與3個(gè)基礎(chǔ)預(yù)測(cè)模型(GBDT、SVM、WNN)進(jìn)行對(duì)比。由4個(gè)模型預(yù)測(cè)誤差分布(圖2A、圖4)可知:3個(gè)基礎(chǔ)預(yù)測(cè)模型的預(yù)測(cè)誤差較大,DE-GBDT預(yù)測(cè)模型的離群點(diǎn)明顯少于3個(gè)基礎(chǔ)預(yù)測(cè)模型。

    圖4 3個(gè)基礎(chǔ)預(yù)測(cè)模型的誤差分布

    由4個(gè)預(yù)測(cè)模型的評(píng)價(jià)指標(biāo)結(jié)果(表2,表3)可知:DE-GBDT預(yù)測(cè)模型的各項(xiàng)誤差指標(biāo)均最小,預(yù)測(cè)命中率最高,其中,與GBDT預(yù)測(cè)模型對(duì)比,DE-GBDT預(yù)測(cè)模型的MSE、RMSE分別降低了40.294、3.388,預(yù)測(cè)命中率提高了2.9%,說明差分進(jìn)化算法能明顯提升模型性能。

    表3 3個(gè)基礎(chǔ)預(yù)測(cè)模型的評(píng)價(jià)指標(biāo)

    3 結(jié)論

    本文以B鋼廠2 250 mm熱軋生產(chǎn)線實(shí)際生產(chǎn)數(shù)據(jù),結(jié)合差分進(jìn)化算法的全局尋優(yōu)能力和梯度提升決策樹的魯棒性優(yōu)點(diǎn),建立基于差分進(jìn)化算法優(yōu)化梯度提升決策樹的卷取溫度預(yù)測(cè)模型(DE-GBDT)。與DE-SVM、DE-WNN、GBDT、SVM、WNN預(yù)測(cè)模型的對(duì)比仿真結(jié)果表明:

    (1)DE-GBDT預(yù)測(cè)模型的各項(xiàng)誤差指標(biāo)均小于DE-SVM、DE-WNN預(yù)測(cè)模型的,說明DE-GBDT預(yù)測(cè)模型在卷取溫度預(yù)測(cè)方面泛化性能更好,能為層流冷卻前饋控制系統(tǒng)提供更可靠的參考數(shù)據(jù)。

    (2)DE-GBDT預(yù)測(cè)模型的離群點(diǎn)明顯少于3個(gè)基礎(chǔ)預(yù)測(cè)模型(GBDT、SVM、WNN)的,各項(xiàng)誤差指標(biāo)均最小,預(yù)測(cè)命中率最高。其中,與GBDT預(yù)測(cè)模型對(duì)比,DE-GBDT預(yù)測(cè)模型的MSE、RMSE分別降低了40.294、3.388,預(yù)測(cè)命中率提高了2.9%,說明差分進(jìn)化算法能明顯提升模型性能。

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機(jī)模型
    提煉模型 突破難點(diǎn)
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達(dá)及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    3D打印中的模型分割與打包
    国产精品国产三级国产av玫瑰| 国产精品日韩av在线免费观看| 欧美一区二区亚洲| 少妇熟女欧美另类| 免费一级毛片在线播放高清视频| 精品一区二区三区人妻视频| 国产精品,欧美在线| av在线播放精品| 国产日本99.免费观看| 国产av麻豆久久久久久久| 熟女电影av网| 九九久久精品国产亚洲av麻豆| 69人妻影院| 麻豆精品久久久久久蜜桃| 国产精品野战在线观看| 日韩欧美 国产精品| 国产私拍福利视频在线观看| 日本爱情动作片www.在线观看| 日韩亚洲欧美综合| 在线播放国产精品三级| 少妇高潮的动态图| 自拍偷自拍亚洲精品老妇| 中文精品一卡2卡3卡4更新| 免费人成视频x8x8入口观看| 国产黄色视频一区二区在线观看 | 国内精品久久久久精免费| 日韩欧美在线乱码| 1000部很黄的大片| 久久精品国产自在天天线| 精品久久久久久久久av| 亚洲精品久久国产高清桃花| 女的被弄到高潮叫床怎么办| 欧美高清成人免费视频www| av天堂中文字幕网| 亚洲美女视频黄频| 91久久精品国产一区二区成人| 亚洲成a人片在线一区二区| 日韩大尺度精品在线看网址| 高清午夜精品一区二区三区 | 如何舔出高潮| 中文字幕av在线有码专区| 人人妻人人澡人人爽人人夜夜 | 91在线精品国自产拍蜜月| 久久久色成人| 乱码一卡2卡4卡精品| 看十八女毛片水多多多| 村上凉子中文字幕在线| 97在线视频观看| 国产淫片久久久久久久久| 精品人妻一区二区三区麻豆| h日本视频在线播放| 成人三级黄色视频| 欧美性猛交╳xxx乱大交人| 亚洲人与动物交配视频| 国产欧美日韩精品一区二区| 国产爱豆传媒在线观看| 亚洲精品国产成人久久av| 国产片特级美女逼逼视频| 国产色婷婷99| 日韩欧美 国产精品| 变态另类丝袜制服| 三级毛片av免费| 欧美变态另类bdsm刘玥| 日本与韩国留学比较| 国国产精品蜜臀av免费| 少妇人妻精品综合一区二区 | 最新中文字幕久久久久| 一个人免费在线观看电影| 青春草国产在线视频 | 国产精品国产三级国产av玫瑰| 亚洲精品久久国产高清桃花| 久久久精品大字幕| ponron亚洲| 男女边吃奶边做爰视频| 国产精品一二三区在线看| 久久九九热精品免费| 高清在线视频一区二区三区 | 日韩人妻高清精品专区| 久久久精品94久久精品| 99热全是精品| 日韩一区二区视频免费看| 亚洲中文字幕一区二区三区有码在线看| 美女黄网站色视频| 国产精华一区二区三区| 99热精品在线国产| 久久精品人妻少妇| 久久综合国产亚洲精品| 国产精品久久久久久久久免| 人人妻人人澡人人爽人人夜夜 | 亚洲性久久影院| 人人妻人人澡欧美一区二区| 日日干狠狠操夜夜爽| 欧美成人精品欧美一级黄| 免费看光身美女| 亚洲av中文av极速乱| 欧美性猛交╳xxx乱大交人| 欧美丝袜亚洲另类| 大香蕉久久网| 亚洲av免费在线观看| 久久午夜亚洲精品久久| 久久久久久久久中文| 亚洲精品日韩在线中文字幕 | 国产精品一区二区在线观看99 | 在线a可以看的网站| 99久久精品热视频| 亚洲四区av| 联通29元200g的流量卡| 国产av在哪里看| 超碰av人人做人人爽久久| 婷婷色av中文字幕| 看十八女毛片水多多多| 爱豆传媒免费全集在线观看| 亚洲人与动物交配视频| 中文资源天堂在线| 精品国产三级普通话版| 国产亚洲精品久久久com| 国产 一区 欧美 日韩| 永久网站在线| or卡值多少钱| 国产精品久久电影中文字幕| 欧美区成人在线视频| 国产亚洲91精品色在线| 麻豆精品久久久久久蜜桃| 伊人久久精品亚洲午夜| 国产私拍福利视频在线观看| 成人性生交大片免费视频hd| 国产精品99久久久久久久久| 国产蜜桃级精品一区二区三区| 男人的好看免费观看在线视频| 日韩大尺度精品在线看网址| 久久人人精品亚洲av| 久久6这里有精品| 别揉我奶头 嗯啊视频| av.在线天堂| 亚洲欧洲日产国产| 老司机福利观看| 精品不卡国产一区二区三区| 色哟哟·www| 日本黄色片子视频| 九九在线视频观看精品| 丰满乱子伦码专区| 欧美色欧美亚洲另类二区| 两性午夜刺激爽爽歪歪视频在线观看| 色吧在线观看| 狂野欧美白嫩少妇大欣赏| 久久久久久久久久成人| 99久久中文字幕三级久久日本| 久久久国产成人免费| 国产亚洲精品av在线| 看非洲黑人一级黄片| 久久久久九九精品影院| 少妇的逼水好多| 日韩欧美精品v在线| 搡老妇女老女人老熟妇| 别揉我奶头 嗯啊视频| 色哟哟哟哟哟哟| 我要看日韩黄色一级片| 国产久久久一区二区三区| 中文亚洲av片在线观看爽| 国产国拍精品亚洲av在线观看| 非洲黑人性xxxx精品又粗又长| 天天一区二区日本电影三级| 国产成年人精品一区二区| 非洲黑人性xxxx精品又粗又长| 成人高潮视频无遮挡免费网站| 高清日韩中文字幕在线| 在线免费观看不下载黄p国产| 欧美激情国产日韩精品一区| 久久久久久久久久黄片| 欧美3d第一页| 欧美日韩一区二区视频在线观看视频在线 | 男人舔女人下体高潮全视频| 国产淫片久久久久久久久| 国产成人一区二区在线| 亚洲av男天堂| 国产69精品久久久久777片| 人人妻人人澡人人爽人人夜夜 | 91久久精品电影网| 亚洲aⅴ乱码一区二区在线播放| 老女人水多毛片| 日本免费一区二区三区高清不卡| 久久精品国产99精品国产亚洲性色| 内射极品少妇av片p| 色综合亚洲欧美另类图片| 乱系列少妇在线播放| 欧美激情国产日韩精品一区| 国产男人的电影天堂91| 秋霞在线观看毛片| 全区人妻精品视频| 久久久精品欧美日韩精品| 九九爱精品视频在线观看| 国产精品一区二区性色av| 综合色丁香网| 大又大粗又爽又黄少妇毛片口| 日韩欧美精品v在线| 18禁裸乳无遮挡免费网站照片| 赤兔流量卡办理| 日韩精品有码人妻一区| 欧美xxxx性猛交bbbb| 欧美不卡视频在线免费观看| 九九热线精品视视频播放| 亚洲人成网站在线播| 日韩欧美 国产精品| 国产高清有码在线观看视频| 亚洲在线观看片| 亚洲欧美日韩无卡精品| 99久国产av精品国产电影| 亚洲无线观看免费| 久久久久久国产a免费观看| 精品无人区乱码1区二区| 黄色日韩在线| a级毛片免费高清观看在线播放| 极品教师在线视频| 1000部很黄的大片| 久久6这里有精品| 精品国内亚洲2022精品成人| av国产免费在线观看| 国产精华一区二区三区| 免费看光身美女| 长腿黑丝高跟| 亚洲国产精品久久男人天堂| 国产极品天堂在线| 亚洲精品影视一区二区三区av| 亚洲av中文字字幕乱码综合| 搡女人真爽免费视频火全软件| 久99久视频精品免费| 黄色配什么色好看| or卡值多少钱| 久久久精品大字幕| 热99在线观看视频| 少妇熟女欧美另类| 日本-黄色视频高清免费观看| 免费看美女性在线毛片视频| 黄色欧美视频在线观看| 久久亚洲精品不卡| 男人和女人高潮做爰伦理| 天天一区二区日本电影三级| 久久精品影院6| 欧美极品一区二区三区四区| 国产亚洲5aaaaa淫片| 男人的好看免费观看在线视频| 成人永久免费在线观看视频| 亚洲国产欧美人成| 中文在线观看免费www的网站| 日本与韩国留学比较| 日本欧美国产在线视频| 国产精品一区二区三区四区免费观看| 久久精品综合一区二区三区| 亚洲在线自拍视频| 亚洲欧洲国产日韩| 干丝袜人妻中文字幕| 成年女人看的毛片在线观看| 两个人视频免费观看高清| 国产欧美日韩精品一区二区| 午夜a级毛片| 亚洲成人久久爱视频| 国产精品1区2区在线观看.| 亚洲无线在线观看| 国产精品永久免费网站| 亚洲乱码一区二区免费版| 欧美激情在线99| 久久草成人影院| 麻豆久久精品国产亚洲av| 久久久久久大精品| 如何舔出高潮| 日韩av不卡免费在线播放| 日韩高清综合在线| 99久久九九国产精品国产免费| 麻豆国产97在线/欧美| 色尼玛亚洲综合影院| 日本与韩国留学比较| 久久久久网色| 国产精品一区二区在线观看99 | 神马国产精品三级电影在线观看| 久久久色成人| 国产精品久久久久久久电影| 一区二区三区免费毛片| 伦理电影大哥的女人| 我要看日韩黄色一级片| 赤兔流量卡办理| 国产一区亚洲一区在线观看| 在线播放国产精品三级| 搡女人真爽免费视频火全软件| 色视频www国产| 永久网站在线| 一边摸一边抽搐一进一小说| 免费无遮挡裸体视频| 久久精品综合一区二区三区| 久久久精品大字幕| 久久久成人免费电影| 美女高潮的动态| 国产爱豆传媒在线观看| 日本欧美国产在线视频| 九九在线视频观看精品| 久久6这里有精品| 亚洲国产日韩欧美精品在线观看| 欧美一区二区国产精品久久精品| 国产色爽女视频免费观看| 男女下面进入的视频免费午夜| 免费在线观看成人毛片| 12—13女人毛片做爰片一| 亚洲高清免费不卡视频| 岛国毛片在线播放| 日日干狠狠操夜夜爽| 91精品一卡2卡3卡4卡| 精品午夜福利在线看| 亚洲国产精品久久男人天堂| 国产一区二区三区av在线 | 国产午夜精品久久久久久一区二区三区| 午夜老司机福利剧场| 国产精品国产高清国产av| 嫩草影院精品99| 大又大粗又爽又黄少妇毛片口| 美女国产视频在线观看| 精品人妻一区二区三区麻豆| 91aial.com中文字幕在线观看| 久99久视频精品免费| 永久网站在线| 亚洲四区av| 欧美日韩综合久久久久久| 亚洲aⅴ乱码一区二区在线播放| 91狼人影院| 久久久久久大精品| 国产精品野战在线观看| 成年女人永久免费观看视频| 中文字幕久久专区| 长腿黑丝高跟| 精品久久久噜噜| 国产私拍福利视频在线观看| 亚洲天堂国产精品一区在线| 日韩制服骚丝袜av| 尤物成人国产欧美一区二区三区| 国产成人91sexporn| 成年av动漫网址| 精华霜和精华液先用哪个| 啦啦啦啦在线视频资源| 中文欧美无线码| 韩国av在线不卡| 成人毛片a级毛片在线播放| 一级毛片我不卡| 婷婷亚洲欧美| 国产精品久久久久久av不卡| 人人妻人人澡人人爽人人夜夜 | 亚洲成人中文字幕在线播放| 国产v大片淫在线免费观看| 亚洲精品日韩在线中文字幕 | 日韩欧美精品v在线| 久久精品国产亚洲网站| 久久99蜜桃精品久久| 韩国av在线不卡| 欧美+亚洲+日韩+国产| 午夜爱爱视频在线播放| 日韩av不卡免费在线播放| 国产真实乱freesex| 国产精品一区二区性色av| 国产亚洲av嫩草精品影院| 在线天堂最新版资源| 99riav亚洲国产免费| 人人妻人人澡人人爽人人夜夜 | 国产真实伦视频高清在线观看| 韩国av在线不卡| 波多野结衣高清无吗| 久99久视频精品免费| 国产高潮美女av| 99在线视频只有这里精品首页| 亚洲中文字幕一区二区三区有码在线看| 春色校园在线视频观看| 国产精品一区二区性色av| 精品欧美国产一区二区三| 亚洲国产高清在线一区二区三| 性色avwww在线观看| 亚洲成人av在线免费| 天天躁日日操中文字幕| 人体艺术视频欧美日本| 99久国产av精品国产电影| 免费观看在线日韩| 亚洲国产色片| 12—13女人毛片做爰片一| 麻豆国产av国片精品| 成人毛片60女人毛片免费| 日韩视频在线欧美| 男女边吃奶边做爰视频| 国产在线男女| 99九九线精品视频在线观看视频| 亚洲,欧美,日韩| 免费大片18禁| 欧美激情久久久久久爽电影| 丝袜美腿在线中文| 国产毛片a区久久久久| 国产成人精品婷婷| 亚洲不卡免费看| av天堂在线播放| 亚洲最大成人手机在线| 国产精品一区二区在线观看99 | 99热这里只有精品一区| 亚洲精品自拍成人| 一个人观看的视频www高清免费观看| 欧美激情国产日韩精品一区| or卡值多少钱| 亚洲人成网站在线观看播放| 亚洲自偷自拍三级| 乱码一卡2卡4卡精品| 国产伦精品一区二区三区视频9| 免费看av在线观看网站| 久久精品人妻少妇| 嫩草影院入口| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲国产欧美在线一区| 国产精品久久电影中文字幕| 村上凉子中文字幕在线| 99热全是精品| 欧美又色又爽又黄视频| 午夜激情福利司机影院| 亚洲精品乱码久久久久久按摩| 亚洲成人久久爱视频| 午夜福利高清视频| 精品人妻熟女av久视频| 久久久久久九九精品二区国产| 久久久国产成人免费| 国产女主播在线喷水免费视频网站 | 三级国产精品欧美在线观看| 一本久久精品| 你懂的网址亚洲精品在线观看 | 中文字幕精品亚洲无线码一区| 亚洲国产高清在线一区二区三| 免费搜索国产男女视频| av专区在线播放| 亚洲精品色激情综合| 国产成人精品一,二区 | 麻豆一二三区av精品| 亚洲欧洲日产国产| 国产激情偷乱视频一区二区| 麻豆国产97在线/欧美| 久久这里有精品视频免费| 国产一区二区激情短视频| 国产精品野战在线观看| 国产一区二区激情短视频| 99久久精品一区二区三区| 国产精品日韩av在线免费观看| 国产激情偷乱视频一区二区| 97在线视频观看| 18+在线观看网站| 听说在线观看完整版免费高清| 中国美白少妇内射xxxbb| 99九九线精品视频在线观看视频| 久久亚洲国产成人精品v| 欧美一区二区亚洲| 特级一级黄色大片| 嫩草影院新地址| 九草在线视频观看| av在线天堂中文字幕| 免费观看精品视频网站| 国产精品,欧美在线| 乱码一卡2卡4卡精品| 久久精品久久久久久噜噜老黄 | 国产av一区在线观看免费| 精品久久久久久久久亚洲| 久久99热6这里只有精品| 日韩一本色道免费dvd| 日本一二三区视频观看| 波野结衣二区三区在线| 99久久无色码亚洲精品果冻| 亚洲在久久综合| 免费看美女性在线毛片视频| 赤兔流量卡办理| 九色成人免费人妻av| 亚洲在线自拍视频| 免费电影在线观看免费观看| 精品久久久久久久久久久久久| 26uuu在线亚洲综合色| 欧美成人精品欧美一级黄| 亚洲国产精品sss在线观看| 欧美3d第一页| 2021天堂中文幕一二区在线观| 美女 人体艺术 gogo| 12—13女人毛片做爰片一| 精品欧美国产一区二区三| 久久精品91蜜桃| 性色avwww在线观看| 亚洲人成网站在线播放欧美日韩| 久久韩国三级中文字幕| 日本-黄色视频高清免费观看| 非洲黑人性xxxx精品又粗又长| 黄片wwwwww| 亚洲av成人精品一区久久| 亚洲最大成人av| 国产精品.久久久| 1024手机看黄色片| 久久国产乱子免费精品| 国产精品麻豆人妻色哟哟久久 | 久久精品影院6| 麻豆成人av视频| 最后的刺客免费高清国语| 日韩一本色道免费dvd| 欧美成人免费av一区二区三区| 免费不卡的大黄色大毛片视频在线观看 | 成人性生交大片免费视频hd| 精华霜和精华液先用哪个| 国产高清三级在线| 欧美一区二区亚洲| 熟女电影av网| 国产亚洲欧美98| 免费av毛片视频| 赤兔流量卡办理| 色播亚洲综合网| 一区二区三区高清视频在线| 亚洲av不卡在线观看| 波多野结衣高清作品| 久久久久久久久久成人| 久久国内精品自在自线图片| 亚洲成人精品中文字幕电影| 日本一本二区三区精品| 综合色丁香网| 精品熟女少妇av免费看| 婷婷色av中文字幕| 亚洲18禁久久av| 欧美激情国产日韩精品一区| 国产亚洲精品久久久com| 日本与韩国留学比较| 午夜久久久久精精品| 舔av片在线| 人体艺术视频欧美日本| 国产视频内射| 日韩欧美三级三区| 特级一级黄色大片| 国产精品嫩草影院av在线观看| 亚洲欧美日韩无卡精品| 精品久久久噜噜| 嫩草影院新地址| 国内精品美女久久久久久| 国产一级毛片在线| 国产精品一区二区三区四区久久| 伊人久久精品亚洲午夜| 精品一区二区三区视频在线| 少妇被粗大猛烈的视频| 99久久精品一区二区三区| 99久久无色码亚洲精品果冻| 91午夜精品亚洲一区二区三区| 国产久久久一区二区三区| 成人特级av手机在线观看| 人人妻人人澡人人爽人人夜夜 | 18禁在线播放成人免费| 夜夜看夜夜爽夜夜摸| 亚洲一区高清亚洲精品| av又黄又爽大尺度在线免费看 | 日本-黄色视频高清免费观看| 非洲黑人性xxxx精品又粗又长| 色综合亚洲欧美另类图片| 在线播放无遮挡| 春色校园在线视频观看| 美女大奶头视频| 大又大粗又爽又黄少妇毛片口| 久久6这里有精品| 22中文网久久字幕| 亚洲第一电影网av| av在线天堂中文字幕| 久久精品91蜜桃| 91精品国产九色| 国产成人福利小说| .国产精品久久| 久久精品国产亚洲网站| 99热只有精品国产| 久久久久国产网址| 国产麻豆成人av免费视频| 精品一区二区免费观看| 欧美日韩国产亚洲二区| 中文欧美无线码| av在线老鸭窝| 国产高清有码在线观看视频| 22中文网久久字幕| 精品人妻一区二区三区麻豆| 欧美一区二区亚洲| 人妻夜夜爽99麻豆av| 亚洲人成网站在线播| 九九热线精品视视频播放| 国产老妇女一区| 久久久国产成人精品二区| 久久人人爽人人爽人人片va| 婷婷亚洲欧美| 免费在线观看成人毛片| 亚洲精品色激情综合| 人妻制服诱惑在线中文字幕| 老师上课跳d突然被开到最大视频| 亚洲自偷自拍三级| 欧美一级a爱片免费观看看| 久久人人爽人人爽人人片va| 看黄色毛片网站| 日本av手机在线免费观看| 亚洲人成网站在线播放欧美日韩| 国产麻豆成人av免费视频| 男人舔女人下体高潮全视频| 日韩大尺度精品在线看网址| 少妇裸体淫交视频免费看高清| 插逼视频在线观看| 在线免费观看不下载黄p国产| 精品国产三级普通话版| 啦啦啦观看免费观看视频高清| 我要搜黄色片| 一级黄色大片毛片| 国产人妻一区二区三区在| 国产 一区精品| 久久精品国产亚洲av天美| 精品久久久久久久久av| 精品少妇黑人巨大在线播放 | 麻豆成人午夜福利视频| 精品人妻视频免费看| 国产av一区在线观看免费| 精品久久久久久久久av| 搞女人的毛片| 插阴视频在线观看视频| 日韩精品青青久久久久久| 色尼玛亚洲综合影院| 综合色av麻豆| 日本成人三级电影网站| 少妇熟女欧美另类|