• <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SVM-MCD的大壩變形監(jiān)測數(shù)據(jù)異常值判定

    2022-04-16 13:55:31楊承志魏博文徐鎮(zhèn)凱
    人民長江 2022年3期
    關(guān)鍵詞:監(jiān)測數(shù)據(jù)殘差大壩

    楊承志 魏博文 徐鎮(zhèn)凱

    摘要: 變形是最能直觀反映混凝土壩運行性能的宏觀效應(yīng)量。考慮到監(jiān)測數(shù)據(jù)異常值對監(jiān)控模型精度與大壩安全性態(tài)診斷的不利影響,提出了一種基于支持向量機的混凝土壩變形監(jiān)測數(shù)據(jù)異常值判定方法。在分析混凝土壩原型變形監(jiān)測數(shù)據(jù)顯性異常點的基礎(chǔ)上,通過構(gòu)建基于支持向量機理論(SVM)的高精度計算體系,充分利用結(jié)果效應(yīng)量與驅(qū)動環(huán)境量之間的映射交互關(guān)系,結(jié)合最小協(xié)方差矩陣(MCD)穩(wěn)健估計理論對殘差序列進行異常值判定,而后將其異常確定值進行有機性替代處理,解決了內(nèi)蘊復雜環(huán)境干預的監(jiān)測信息挖掘難點。工程實例分析表明:所建判定系統(tǒng)的精準性及泛化能力均得以提升,相比于傳統(tǒng)方法具有較好的實用性和魯棒性,能有效地避免變形監(jiān)測數(shù)據(jù)預處理中的誤判漏判等困擾。此外,所提出的判定方法經(jīng)一定的優(yōu)化和拓展,亦可推廣應(yīng)用于其他水工建筑物的數(shù)據(jù)異常值判定分析。

    關(guān) 鍵 詞: 安全監(jiān)測; 異常值判定; 支持向量機; 最小協(xié)方差矩陣; 混凝土壩

    中圖法分類號: ?TV698

    文獻標志碼: ?A

    DOI: 10.16232/j.cnki.1001-4179.2022.03.033

    0 引 言

    隨著大壩安全監(jiān)測自動化監(jiān)控水平的提高,測點增多、測頻加密,觀測數(shù)據(jù)量大大增加,對監(jiān)測數(shù)據(jù)的準確性和可靠性的要求也越來越高,在數(shù)據(jù)的采集、傳輸過程中,不可避免的會存在異常的數(shù)據(jù)? [1] 。這些異常值會對大壩安全監(jiān)測工作帶來諸多不良影響,一方面,如果這些異常測值是錯誤的,將會對大壩監(jiān)控模型有較大的干擾,影響大壩安全分析,甚至引發(fā)大壩安全事故誤報,導致巨大的經(jīng)濟安全資源浪費;另一方面,如果這些異常值是大壩工作運行狀態(tài)的實際反映,那么它蘊含著大量的大壩安全信息,需要對其進行詳細認真的分析,以尋找其異常原因? [2] 。因此,在大壩安全監(jiān)測數(shù)據(jù)預處理工作中,尋求一種可靠性較高的處理異常值方案具有重要意義。

    傳統(tǒng)的異常值識別辦法主要有拉依達準則、羅曼諾夫斯基準則、格拉布斯準則及狄克松準則等? [3] 。這些準則都是基于統(tǒng)計數(shù)學理論,只是單純地對大壩觀測數(shù)據(jù)進行處理,并未涉及大壩環(huán)境量變化對觀測數(shù)據(jù)的影響,不能很好地區(qū)分異常值到底是錯誤值還是反映大壩安全實況的真實值,容易出現(xiàn)誤判? [4] 。因此,通過引入數(shù)學模型獲得殘差序列,再結(jié)合常用異常值識別方法對殘差序列加以識別,進而判斷原始監(jiān)測序列中異常值的方法? [5] ,能夠較好地解決混凝土壩監(jiān)測數(shù)據(jù)與外界環(huán)境脫離的問題。為此,何金平等? [6] 分析了白塞爾公式在大壩變形監(jiān)測中的適用條件,并將其應(yīng)用在異常值識別工作中;顧沖時等? [7] 利用程序設(shè)計語言,采用圖像處理技術(shù)對大壩監(jiān)測資料自動化識別;李明超等? [8] 針對野值識別問題,提出了以改進局部異常系數(shù)算法為基礎(chǔ)的密度分簇局部異常識別方法;陶家祥等? [9] 采用多元線性回歸、格拉布斯判別法與現(xiàn)場工況相結(jié)合的方法對監(jiān)測數(shù)據(jù)異常值加以判別;趙澤鵬等? [10] 將穩(wěn)健估計方法引入到粗差識別的建模工作中,使得識別結(jié)果更加可靠。但是由于回歸類方法本身存在的問題? [11] ,在建模擬合的過程中,原本的異常數(shù)據(jù)會導致擬合過程線靠近,影響結(jié)果的精確性;陶園等? [12] 借鑒人工免疫的工作模式,設(shè)計出基于該模式下的多層粗差檢驗法,可對大容量、長時間序列的數(shù)據(jù)進行快速的粗差識別,但是缺乏大量時間數(shù)據(jù)的論證和完善。

    針對以上方法在運用過程中的不足,本文采用魯棒性和泛化能力更優(yōu)的支持向量機(Support Vector Machine,SVM)處理混凝土壩效應(yīng)量和環(huán)境量之間的交互關(guān)系,并利用抗差性能較好的最小協(xié)方差矩陣(Minimum Covariance Determinant,MCD)穩(wěn)健估計對殘差序列進行異常值判定,據(jù)此建立一套基于SVM-MCD的混凝土壩變形監(jiān)測數(shù)據(jù)異常值判定方案,以期提高混凝土壩原位監(jiān)測數(shù)據(jù)預處理工作中異常值檢測的可靠性。

    1 混凝土壩監(jiān)測數(shù)據(jù)異常值判定方法

    異常值通常分為隨機誤差、粗差和系統(tǒng)誤差,其中粗差是與混凝土壩實際情況無關(guān),在數(shù)據(jù)讀取或者傳輸過程中受外部環(huán)境干擾而意外失靈造成的誤差,包括缺失值、不變數(shù)據(jù)值、孤立噪聲值和短時郵編數(shù)據(jù)值,是大壩安全異常值檢測的主要內(nèi)容? [13] 。而異常值很難通過一般的檢測方法去識別它。因此,本文擬提出基于SVM和MCD穩(wěn)健估計方法對混凝土壩變形監(jiān)測數(shù)據(jù)異常值進行判定。

    1.1 混凝土壩變形監(jiān)測數(shù)學模型

    考慮到混凝土壩監(jiān)測數(shù)據(jù)異常值檢測受環(huán)境影響較大,通過建立混凝土壩監(jiān)測數(shù)學模型模擬環(huán)境量與效應(yīng)量之間的關(guān)系,消除因內(nèi)蘊復雜環(huán)境引起的混凝土壩監(jiān)測數(shù)據(jù)異常的情況。

    混凝土壩變形的影響因素較多,根據(jù)經(jīng)典混凝土壩變形監(jiān)測模型可知,混凝土壩變形主要是由水位、溫度變化引起的可逆變形與筑壩材料隨時間響應(yīng)引起的不可逆變形組成? [14] ,因此,其數(shù)學模型可寫為

    δ=δ H+δ T+δ θ (1)

    式中: δ? H 為水壓分量;δ? T 為溫度分量;δ θ 為時效分量。

    水壓分量 δ? H? 代表壩體和水庫地基在水庫水荷載和壩體重量作用下的變形,其變化主要與上游水深有關(guān)? [15] ,可表示為

    δ H=? n ?i=1? α iH i (2)

    式中: α? i 為統(tǒng)計系數(shù);H 為上游水深,m;對于重力壩而言, n=3;對于拱壩而言,n=4,5 。

    溫度分量 δ? T? 描述了壩體和環(huán)境溫度變化引起的變形。大壩在服役多年后,其內(nèi)部溫度場可視為穩(wěn)態(tài)? [16] ,可用多周期諧波函數(shù)表示為

    δ T=? 2 ?i=1? ?b? 1i? sin? 2 π it 365 +b? 2i? cos? 2 π it 365?? (3)

    式中: t為監(jiān)測日至初始監(jiān)測日的時間, d ;i=1為年周期;i=2為半年周期;b? 1?? i ,b? 2?? i? 為統(tǒng)計系數(shù)。

    時效分量 δ θ 是由大壩混凝土和基巖的蠕變和塑性變形引起的。大壩正常運行時,各組成部分在初期迅速變化,后期趨于穩(wěn)定? [17] 。通常用如下組合形式表示:

    δ θ=c 1θ+c 2 ln θ (4)

    式中: c? 1 ,c? 2 為統(tǒng)計系數(shù);θ=t/100。

    所以,式(1)又可寫為

    δ= α 0+? n ?i=1? α iH i+? 2 ?i=1? (b? 1i? sin? 2 π it 365 +b? 2i? cos? 2 π it 365 )+? c 1θ+c 2 ln θ (5)

    式中: α? 0為常數(shù)項。

    1.2 混凝土壩變形監(jiān)測異常值計算體系

    混凝土壩變形與各環(huán)境因子之間的關(guān)系比較復雜,回歸方法在求解這種復雜關(guān)系的時候結(jié)果往往不盡人意。由于支持向量機在求解分類擬合問題上有較高的精度,且其最后的結(jié)果是由小部分的支持向量確定,消除了大量不必要的試料? [18] ,因而采用其來求解數(shù)學模型?;舅枷胫饕袃牲c:① 基于結(jié)構(gòu)最小化理論,尋找最優(yōu)超平面使得正、負向量間隔最大;② 用核函數(shù)將低維線性不可分問題轉(zhuǎn)化為高維空間線性問題,代替計算? [19-20] 。

    假設(shè)一組混凝土壩環(huán)境量訓練樣本集? x ={x 1,x 2,…,x n},其中 x i = {x? i1 ,x? i2 ,…,x? in }?? T代表模型中的因子項(水位、溫度、時效因子的組合形式)。如圖1所示,其最優(yōu)超平面可以被定義為

    f(x)= w ??T · x +b (6)

    式中:? w 為權(quán)重向量,決定了超平面的方向;b 為常數(shù),決定了超平面與原子之間的距離。

    考慮到混凝土壩變形監(jiān)測序列樣本中存在離群值,通過引入了松弛因子 ξ和懲罰系數(shù)C ,通過凸二次規(guī)劃將目標函數(shù)轉(zhuǎn)化為

    min? 1 2 ?‖ w ‖? 2+C? n ?i=1? ξ i? s.t.y i? w ??T · x +b ≥1-ξ i, ξ i≥0? (7)

    在低維特征空間中,通常難以找到一個合適的超平面對有效成分進行分割,即難以找到混凝土壩效應(yīng)量與環(huán)境量之間的交互關(guān)系。因此,通過引入Lagrange乘子 α? i 和核函數(shù)K x i·x j ?將各環(huán)境因子與大壩效應(yīng)因子變換到高維特征空間,上述目標函數(shù)轉(zhuǎn)化為

    f x = sgn??? n ?i=1? y iα iK? x ?i· x ?j +b? (8)

    式中: x? j 為待測樣本的特征向量,j=1,2,…,n。

    由于核函數(shù)類型對SVM模型的性能影響較大,選擇合適的核函數(shù)極為重要。本文采用混凝土壩部分原位監(jiān)測數(shù)據(jù)進行擬合試驗,對比分析在相同數(shù)據(jù)條件下不同核函數(shù)的擬合結(jié)果,如圖2所示。對于不同的數(shù)據(jù)類型,核函數(shù)主要分為? [21]

    線性核:

    K? x ?i· x ?j = x ?i??? T? x ?j (9)

    多項式核:

    K? x ?i· x ?j =? ?x ?i??? T? x ?j ??n (10)

    高斯徑向基核:

    K? x ?i· x ?j = exp? - ‖x i-x j‖? 2/ 2σ 2?? (11)

    Sigmoid核:

    K? x ?i· x ?j = tanh? a? x ?i??? T · x ?j -b ,a>0,b>0 (12)

    由圖2可以看出:高斯RBF核SVM模型擬合結(jié)果明顯優(yōu)于線性核和多項式核SVM模型,并且比Sigmoid核SVM模型擬合誤差低。因此,本文采用高斯RBF核作為SVM模型的核函數(shù)。因此,目標函數(shù)轉(zhuǎn)化為

    f x = sgn??? n ?i=1? y iα i exp? - ?‖x i·x j‖? 2 2σ 2? +b? (13)

    式中: σ 為核函數(shù)參數(shù)。

    1.3 混凝土壩變形監(jiān)測數(shù)據(jù)異常值識別方法

    3 σ 準則、Grubbs準則和Dixon準則等是數(shù)據(jù)異常值識別的常用統(tǒng)計檢驗方法。相關(guān)研究指出:格拉布斯準則和狄克松準則僅適用于混凝土壩監(jiān)測數(shù)據(jù)小樣本容量的異常數(shù)據(jù)鑒別,而3 σ 準則較為適用于樣本量較為豐富的數(shù)據(jù)異常值識別? [22-23] 。因此,在混凝土壩長期監(jiān)測資料異常值診斷中,格拉布斯準則和狄克松準則將不再適用,而3 σ 準則在使用過程中比較容易受到異常值的影響而向其偏移,這對處理粗差問題顯然存在矛盾,故在此引入最小協(xié)方差矩陣穩(wěn)健估計算法。

    MCD穩(wěn)健估計算法是一種魯棒性很強的位置和分布估算法? [24-25] ,其主要是利用馬氏距離和迭代思想構(gòu)建一個穩(wěn)健的協(xié)方差行列式估計量? [26-27] 。對于一個 m×n維矩陣 X ??m×n? ,找到一個樣本量為 h 的子集,根據(jù)MCD均值和協(xié)方差估計公式計算 T? i 和S? i? ,而后得出樣本與中心之間的馬氏距離 MD ,通過不斷迭代,直至找到一個子集,使得它在所有大小為 h 的子集中,該子集的協(xié)方差矩陣的行列式是最小的。在異常值的探測中,為了得到盡可能高的崩潰點, h 常取? [28-29] :

    h=? m+n+1 2? ≈ m 2? (14)

    MD x = ??x- x? ???t S ??-1? x- x? ???(15)

    MD x = X 2? n,0.975? ?(16)

    式中: x? 為均值,? S ?是協(xié)方差矩陣, MD 是馬氏距離,用于反映一個數(shù)據(jù)點 x i 距離數(shù)據(jù)集整體的距離;本文采用PL6測點2018年1月1日至12月31日的混凝土壩變形原型監(jiān)測數(shù)據(jù),所以 m =365, n =1,則 h =183。計算得出 T?? MCD 和 S?? MCD ,構(gòu)建控制函數(shù),即:

    T i=X i-T?? MCD? ≤3S?? MCD? ,i=1,2,…,n (17)

    式中:? T i ≤3S?? MCD? 時,數(shù)據(jù)位于置信區(qū)間;反之,當 T i >3S?? MCD?? 時,此為小概率事件,則認為該數(shù)據(jù)異常? [26] 。

    1.4 混凝土壩變形監(jiān)測數(shù)據(jù)異常值判定步驟

    基于上述方法的介紹,本文融合支持向量機良好的分類準確性與最小協(xié)方差矩陣穩(wěn)健估計算法數(shù)據(jù)抗差能力強的特點,提出了一種基于支持SVM-MCD的混凝土壩變形監(jiān)測數(shù)據(jù)異常值判定方案,其流程如圖3所示,步驟如下。

    步驟1:依據(jù)剔除顯性異常值后的混凝土壩變形監(jiān)測數(shù)據(jù)計算其水壓、溫度、時效分量值;

    步驟2:利用支持向量機求解數(shù)學模型;

    步驟3:計算數(shù)學模型的擬合值和實測值之間差值,得到殘差序列;

    步驟4:初始化均值 T? i 和協(xié)方差S? i ,并計算出馬氏 距離d(i) ;

    步驟5:利用最小協(xié)方差矩陣穩(wěn)健估計算法輸出最優(yōu)位置參數(shù) T?? MCD 和尺度參數(shù) S?? MCD ;

    步驟6:對殘差序列進行異常值識別,重復該步驟直至篩選出所有異常值。

    2 實例分析

    2.1 混凝土重力壩

    棉花灘碾壓混凝土重力壩壩頂高程179.0 m,最大壩高113.0 m,壩頂全長為308.5 m,水庫總庫容為20.35億m? 3 。為監(jiān)測該壩的水平變形,該壩布置了正垂與倒垂監(jiān)測儀器,如圖4所示。

    與溢流壩段相比,非溢流壩段的監(jiān)測數(shù)據(jù)受外界環(huán)境如流激振動等干擾較小,其測值的可靠性和準確性相對較高。本文取PL6測點2018年1月1日至12月31日自動化監(jiān)測數(shù)據(jù)作為分析對象,每日監(jiān)測的環(huán)境變量(氣溫、庫水位)和實測變形的過程線如圖5所示。

    由圖5可知,PL6測點上游水位變化與實測 變形規(guī)律一致,庫水位升高,大壩 向下游方向水平變形增大;氣溫與實測變形規(guī)律相反,溫度升高,壩頂向上游變形,符合大壩安全監(jiān)測的普遍規(guī)律。

    2.1.1 混凝土重力壩內(nèi)蘊監(jiān)測信息挖掘

    首先利用SVM構(gòu)建該重力壩水平變形監(jiān)控模型,為檢驗SVM模型的精度,同時采用逐步回歸方法建立了該測點的監(jiān)控模型,模型擬合結(jié)果如圖6所示,殘差序列如圖7所示。

    由圖6可知,2種模型的擬合值與實測值變化趨勢大體一致,說明本次研究建立的模型是有效的。與逐步回歸模型后半段擬合值稍微偏離實測值相比,基于SVM-MCD的數(shù)學模型其擬合值更接近變形實測值,說明基于SVM所建模型的效果更佳。由圖7可知,基于SVM-MCD的重力壩變形監(jiān)測數(shù)據(jù)殘差序列表現(xiàn)出明顯的高頻特性,在0附近振動;而逐步回歸方法的殘差則是來回擺動,表現(xiàn)不如前述方法穩(wěn)定。

    為進一步說明所建模型的擬合精度,分別計算了兩種模型的復相關(guān)系數(shù)( R?? 2 )、平均誤差百分比( MAPE )、均值(? X?? )和標準差( σ )(見表1)。

    表1中的統(tǒng)計指標更進一步說明基于SVM-MCD的監(jiān)控模型相比于回歸模型的誤差更小,其模型精度更高。分析其原因,主要有兩點:① SVM算法因為有松弛因子 ξ 和懲罰系數(shù) C 的存在,抗干擾能力強,不易受異常值的影響,而傳統(tǒng)回歸模型擬合效果受到異常值的影響,回歸線向異常值發(fā)生偏離;② SVM算法在求解的過程中通過核技巧將低維的數(shù)據(jù)映射到高維空間,能夠更為有效地挖掘出混凝土壩的變形與各影響因素之間的的復雜非線性關(guān)系。

    2.1.2 混凝土重力壩異常值判定

    對回歸建模方法和支持向量機建模方法所得殘差序列分別使用3 σ 準則和MCD穩(wěn)健估計算法進行控制閾值的確定,結(jié)果如表2和圖7所示。

    由表2可知,不管是回歸方法還是支持向量機方法所得殘差序列,用MCD穩(wěn)健估計算法改進后的控制域都比用3 σ 準則得到的更小,因為在計算過程中,MCD方法能夠抵抗監(jiān)測序列中原本異常值的影響,從而得到更加可靠的控制閾值。結(jié)合圖7中的控制閾值線,對于變化波動較大的監(jiān)測序列,3 σ 準則不能很好地識別異常點,甚至出現(xiàn)判別不了的情況。而不同方法模型所得殘差用同一種控制函數(shù)得到的控制域也不一樣,由于回歸方法的擬合效果不好,可以認為其挖掘混凝土內(nèi)蘊信息的能力差,即擬合線不能很好地反映大壩的安全監(jiān)測信息,雖然可以識別出異常值,但是和前述方法有一定的差別,其可靠性相對較低。與之相比,本文提出的基于SVM的穩(wěn)健估計方法控制閾更合理,能夠有效識別混凝土壩監(jiān)測數(shù)據(jù)的異常值,大幅減少誤判漏判的現(xiàn)象,使得混凝土壩安全監(jiān)測能夠安全的進行。

    基于SVM算法得到的結(jié)果,利用MCD穩(wěn)健估計算法進行異常值判定,共計識別出11個粗差點,如表3所列。結(jié)合圖6可知,這些異常值并沒有出現(xiàn)在實測值序列的最大值或者最小值處,而是在某處的突變點,比較符合異常值的分布規(guī)律。通過分析工程實測資料,未發(fā)現(xiàn)這些值對應(yīng)的日期與鄰近幾天的天氣和水位有突變情況,而且也沒有大型工程施工。對識別出來的異常值用擬合值代替,再對修改后的重力壩變形監(jiān)測數(shù)據(jù)建立基于SVM-MCD的大壩變形監(jiān)測數(shù)據(jù)擬合數(shù)學模型,殘差分析時不再有新的異常值被識別出來,因此,所識別出來的11個點均為異常值。

    2.2 混凝土拱壩

    二灘混凝土拱壩最大壩高240 m,壩頂弧長 774.69 ?m,總庫容59億m? 3 ,該壩的垂線監(jiān)測儀器布設(shè)方案如圖8所示。

    選取拱冠梁處PL08測點2017年5月1日至2018年4月30日變形監(jiān)測數(shù)據(jù),共365組,由于該數(shù)據(jù)實測精度較高,沒有明顯的異常值,所以本文在其中隨機加入6個粗差(見表4),加入粗差后的變形過程線如圖9所示。

    對加入粗差后的數(shù)據(jù)分別建立SVM模型和逐步回歸模型,然后利用3 σ 準則和MCD穩(wěn)健估計算法對殘差序列進行異常值識別,結(jié)果如圖9所示。由于數(shù)據(jù)的規(guī)律性比較好,所以兩種方法建立的模型精度都較高,但是對比同樣是SVM模型的建模結(jié)果進行異常值判定發(fā)現(xiàn),3 σ 準則只能識別出2個異常值,而本文所用方法能夠把所有的異常值都識別出來,同時也沒有新的測值被判定為異常值,說明本文所用方法不容易造成誤判結(jié)果,性能優(yōu)越。

    3 結(jié) 論

    (1) 考慮到混凝土壩原型監(jiān)測數(shù)據(jù)中蘊含復雜環(huán)境干預的監(jiān)測信息挖掘難點,利用支持向量機良好的的求解分類擬合問題能力,有效探尋出結(jié)果效應(yīng)量與驅(qū)動環(huán)境量之間的映射交互關(guān)系。

    (2) 本文提出了一種混凝土壩變形原位監(jiān)測資料異常值判定方法,發(fā)揮了MCD穩(wěn)健估計抗差能力強的優(yōu)勢,從而得出更合理的控制閾,解決了傳統(tǒng)回歸方法的漏判誤判現(xiàn)象,可有效判定原始序列中的異常值。實例分析可以看出,本文所建模型擬合精度得到較好的提升,異常值判定結(jié)果更可靠。

    (3) 本文提出基于SVM-MCD的異常點判定方法,亦為其他水工建筑物數(shù)據(jù)(如滲流、應(yīng)力)的處理提供了一種新的思路。

    參考文獻:

    [1]? 謝中凱,王良,蘇玉杰,等.考慮不確定性的大壩監(jiān)測信息異常診斷方法及應(yīng)用[J].水電能源科學,2020,38(10):59-62.

    [2] CHEN X Y,ZHANG B,WANG T,et al.Robust principal component analysis for accurate outlier sample detection in RNA-Seq data[J].BMC Bioinformatics,2020,21(1):1141-1152.

    [3] NEZAM B,RICHARD J B.Bayesian model checking,comparison and selection with emphasis on outlier detection for geotechnical reliability-based design[J].Computers and Geotechnics,2019,116:71-79.

    [4] LIU Q,WANG Z,LIU X D,et al.Outlier detection of time series with a novel hybrid method in cloud computing[J].International Journal of High Performance Computing and Networking,2019,14(4):39-46.

    [5] 李嘯嘯,蔣敏,吳震宇,等.大壩安全監(jiān)測數(shù)據(jù)粗差識別方法的比較與改進[J].中國農(nóng)村水利水電,2011(3):102-105,112.

    [6] 何金平,施玉群,張博.測值異常條件下變形監(jiān)測中誤差估計[J].水電能源科學,2010,28(7):67-69,22.

    [7] 鄭森,顧沖時,邵晨飛.基于圖像處理技術(shù)的大壩監(jiān)測數(shù)據(jù)粗差識別[J].南水北調(diào)與水利科技(中英文),2020,18(5):123-129.

    [8] 李明超,李明昊,任秋兵,等.基于密度分簇的長周期監(jiān)測數(shù)據(jù)異常識別方法[J].水力發(fā)電學報,2021,40(3):124-133.

    [9] 陶家祥,熊紅陽,胡波.論大壩安全監(jiān)測數(shù)據(jù)異常值的判斷方法[J].三峽大學學報(自然科學版),2016,38(6):15-17.

    [10]? 趙澤鵬,陳建康,張瀚,等.基于穩(wěn)健估計的大壩監(jiān)測數(shù)據(jù)粗差識別方法[J].水電能源科學,2018,36(12):68-71.

    [11] WEI B,LIU B,YUAN D Y,et al.Spatiotemporal hybrid model for concrete arch dam deformation monitoring considering chaotic effect of residual series[J].Engineering Structures,2021,228:339-353.

    [12] 陶園,劉曉青.基于人工免疫模式的大壩監(jiān)測數(shù)據(jù)粗差識別[J].水利水電技術(shù),2019,50(3):66-71.

    [13] 高熠飛,王建平,李林峰.基于柯西分布的水文序列異常值檢測方法[J].河海大學學報(自然科學版),2020,48(4):307-313.

    [14] 吳中如.水工建筑物安全監(jiān)控理論及其應(yīng)用[M].北京:高等教育出版社,2003.

    [15] WEI B W,YUAN D Y,XU Z K,et al.Modified hybrid forecast model considering chaotic residual errors for dam deformation[J].Structural Control and Health Monitoring,2017,25(8):2188-2204.

    [16] WEI B W,CHEN L J,LI H K,et al.Optimized prediction model for concrete dam displacement based on signal residual amendment[J].Applied Mathematical Modelling,2020,78:1441-1462.

    [17] WEI B W,YUAN D Y,LI H K,et al.Combination forecast model for concrete dam displacement considering residual correction[J].Structural Health Monitoring,2019,18(1):232-244.

    [18] 溫勇兵,徐鎮(zhèn)凱,魏博文,等.基于逐步回歸和GDCS-SVM的大壩變形預測組合模型[J].水電能源科學,2017,35(5):92-94.

    [19] 郭保蘇,吳文文,付強,等.基于支持向量機分類策略的多晶硅電池片色差檢測[J].計量學報,2019,40(6):1013-1019.

    [20] 蘇懷智,溫志萍,吳中如.基于SVM理論的大壩安全預警模型研究[J].應(yīng)用基礎(chǔ)與工程科學學報,2009,17(1):40-48.

    [21] 王坤,侯樹賢,王力.基于自適應(yīng)變異PSO-SVM的APU性能參數(shù)預測模型[J].系統(tǒng)工程與電子技術(shù),2021,43(2):526-536.

    [22] 張蓓,王順芳.基于MCD穩(wěn)健估計的PCA人臉識別算法[J].計算機工程與設(shè)計,2015(3):778-782.

    [23] YOSHINAO I,MASAKI T.Low-cost unsupervised outlier detection by autoencoders with robust estimation[J].Journal of Information Processing,2019,27:1071-1097.

    [24] MSAYIB Y,CRAIG M,SIMARD M A,et al.Robust estimation of quantitative perfusion from multi‐phase pseudo‐continuous arterial spin labeling[J].Magnetic Resonance in Medicine,2020,83(3):562-591.

    [25] LIU J,DANIEL P P.Regularized robust estimation of mean and covariance matrix for incomplete data[J].Signal Processing,2019,165:38-61.

    [26] 吳國慶,顏學峰.基于改進MCD的粗差判別方法及性能分析[J].華東理工大學學報(自然科學版),2008(2):267-272.

    [27] 花勝強,李永紅,高磊,等.基于離差和改進的大壩變形監(jiān)測粗差判別方法[J].水電能源科學,2020,38(6):67-69.

    [28] MIA H,MICHIEL D,PETER J R.Minimum covariance determinant and extensions[J].Wiley Interdisciplinary Reviews:Computational Statistics,2018,10(3):117-131.

    [29] GUSRIANI N F.Linear regression based on Minimum Covariance Determinant(MCD)and TELBS methods on the productivity of phytoplankton[J].IOP Conference Series:Materials Science and Engineering,2018,332(1):321-339.

    (編輯:胡旭東)

    Abnormal values determination of concrete dam deformation monitoring ?data based on SVM-MCD

    YANG Chengzhi,Wei Bowen,XU Zhenkai

    ( School of Civil Engineering and Architecture,Nanchang University,Nanchang 330031,China )

    Abstract:

    Deformation is the macroscopic effect that can most directly reflect the operation performance of concrete dams.Considering the adverse effects of abnormal monitoring data on the accuracy of monitoring model and diagnosis of dam safety state,this paper proposed a method for determining abnormal values of concrete dam deformation monitoring data based on support vector machine and minimum covariance matrix theory.Firstly based on the analysis of the dominant abnormal points in the deformation monitoring data,a high-precision calculation system based on the support vector machine theory (SVM) was constructed,and the mapping interaction between the result effect and the driving environment was fully utilized.Then combined with the minimum covariance matrix( MCD ) robust estimation theory,the abnormal values of the residual sequence were determined,and then the abnormal determined values were organically substituted,so as to solve the difficulty of monitoring information mining in the intervention of complex environment.The analysis of engineering examples showed that the accuracy and generalization ability of the judgment system constructed in this paper were improved.Compared with the traditional method,it has better practicability and robustness,and can effectively avoid the misjudgment and omission in the preprocessing of deformation monitoring data.In addition,the proposed method can also be applied to the determination and analysis of abnormal data of other hydraulic structures after certain optimization and expansion.

    Key words:

    safety monitoring;abnormal values determination;support vector machine;minimum covariance matrix;concrete dam

    猜你喜歡
    監(jiān)測數(shù)據(jù)殘差大壩
    一種改進的殘差χ2故障檢測算法
    基于殘差學習的自適應(yīng)無人機目標跟蹤算法
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    自動化學報(2019年6期)2019-07-23 01:18:32
    GSM-R接口監(jiān)測數(shù)據(jù)精確地理化方法及應(yīng)用
    大壩:力與美的展現(xiàn)
    百科知識(2018年6期)2018-04-03 15:43:54
    幫海貍建一座大壩
    大壩
    平穩(wěn)自相關(guān)過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    GPS異常監(jiān)測數(shù)據(jù)的關(guān)聯(lián)負選擇分步識別算法
    基于小波函數(shù)對GNSS監(jiān)測數(shù)據(jù)降噪的應(yīng)用研究
    男人舔奶头视频| 伦理电影大哥的女人| 赤兔流量卡办理| 黄色欧美视频在线观看| 国产一区有黄有色的免费视频 | 婷婷六月久久综合丁香| 亚洲欧洲国产日韩| 搡女人真爽免费视频火全软件| 久久久久久伊人网av| 亚州av有码| 一边亲一边摸免费视频| 中国国产av一级| 一二三四中文在线观看免费高清| 春色校园在线视频观看| 非洲黑人性xxxx精品又粗又长| 极品教师在线视频| 国产精品电影一区二区三区| 在线观看av片永久免费下载| 欧美性猛交黑人性爽| 国产精品熟女久久久久浪| 天堂影院成人在线观看| 你懂的网址亚洲精品在线观看 | 熟妇人妻久久中文字幕3abv| av免费观看日本| 日韩强制内射视频| 欧美丝袜亚洲另类| 赤兔流量卡办理| 中文天堂在线官网| 国产成人福利小说| 99热全是精品| 小蜜桃在线观看免费完整版高清| 波多野结衣高清无吗| 久久久久久国产a免费观看| 老司机影院成人| 男女那种视频在线观看| 欧美日韩一区二区视频在线观看视频在线 | 极品教师在线视频| 亚洲经典国产精华液单| 久久久久久伊人网av| videossex国产| 女的被弄到高潮叫床怎么办| 女人久久www免费人成看片 | 18+在线观看网站| 国产高潮美女av| 亚洲精品色激情综合| 一边摸一边抽搐一进一小说| 久久精品国产鲁丝片午夜精品| 国产白丝娇喘喷水9色精品| 久久精品国产自在天天线| 日本爱情动作片www.在线观看| 色视频www国产| a级一级毛片免费在线观看| 成人毛片60女人毛片免费| 又粗又硬又长又爽又黄的视频| 一本久久精品| 中文字幕久久专区| 91久久精品电影网| 91久久精品国产一区二区三区| 国产精品一区www在线观看| 亚洲丝袜综合中文字幕| 久久热精品热| 激情 狠狠 欧美| 99热6这里只有精品| 午夜视频国产福利| 欧美日韩在线观看h| 偷拍熟女少妇极品色| 日韩一区二区三区影片| 国产精品乱码一区二三区的特点| 草草在线视频免费看| 国产精品久久视频播放| 国产成人a区在线观看| 国产极品精品免费视频能看的| 日韩三级伦理在线观看| 乱系列少妇在线播放| 免费一级毛片在线播放高清视频| av播播在线观看一区| 99九九线精品视频在线观看视频| 嘟嘟电影网在线观看| 国产免费男女视频| 久久久成人免费电影| videossex国产| 国产大屁股一区二区在线视频| 精品不卡国产一区二区三区| 五月玫瑰六月丁香| 韩国高清视频一区二区三区| 免费无遮挡裸体视频| 国产伦精品一区二区三区视频9| 天天躁日日操中文字幕| 在线播放国产精品三级| 中文天堂在线官网| 日本av手机在线免费观看| 晚上一个人看的免费电影| 白带黄色成豆腐渣| 亚洲av成人av| 中文字幕精品亚洲无线码一区| 国产精品人妻久久久久久| 2022亚洲国产成人精品| 国产成人a∨麻豆精品| 在线播放国产精品三级| 久久精品人妻少妇| 日日干狠狠操夜夜爽| 亚洲av电影不卡..在线观看| av.在线天堂| 精品午夜福利在线看| 成人av在线播放网站| 少妇的逼水好多| 神马国产精品三级电影在线观看| 亚洲av熟女| 国产久久久一区二区三区| 全区人妻精品视频| 乱人视频在线观看| 99热这里只有精品一区| 国产免费一级a男人的天堂| 国产成人福利小说| 中文字幕制服av| 国语自产精品视频在线第100页| 久久99热这里只有精品18| 性色avwww在线观看| 国产色婷婷99| 欧美又色又爽又黄视频| 毛片一级片免费看久久久久| 国产成人a区在线观看| 国产乱人视频| 国产精品女同一区二区软件| 国产在视频线在精品| 日本-黄色视频高清免费观看| 久久久久久国产a免费观看| 久久99热6这里只有精品| 亚洲欧美日韩东京热| 热99在线观看视频| 人妻少妇偷人精品九色| 亚洲国产精品合色在线| 久久人人爽人人爽人人片va| 亚洲精品456在线播放app| 日韩国内少妇激情av| 国内揄拍国产精品人妻在线| av女优亚洲男人天堂| 91精品一卡2卡3卡4卡| av国产免费在线观看| 亚洲婷婷狠狠爱综合网| 秋霞伦理黄片| 久久这里只有精品中国| 日韩亚洲欧美综合| 国产探花极品一区二区| 丰满人妻一区二区三区视频av| 亚洲欧美日韩高清专用| 精品少妇黑人巨大在线播放 | 可以在线观看毛片的网站| 日产精品乱码卡一卡2卡三| 免费观看性生交大片5| 亚洲国产精品国产精品| 久久久久久九九精品二区国产| 日韩强制内射视频| 级片在线观看| 久久99精品国语久久久| 久久精品久久精品一区二区三区| 丝袜喷水一区| 日本免费一区二区三区高清不卡| 两个人视频免费观看高清| 高清在线视频一区二区三区 | 中文字幕人妻熟人妻熟丝袜美| 麻豆久久精品国产亚洲av| 亚洲精品国产成人久久av| 老司机福利观看| 精品国产露脸久久av麻豆 | 国产欧美另类精品又又久久亚洲欧美| 精品欧美国产一区二区三| 日韩视频在线欧美| 亚洲av成人精品一二三区| 春色校园在线视频观看| kizo精华| 久久久久久久久久黄片| 麻豆av噜噜一区二区三区| 黄色日韩在线| 综合色av麻豆| 国产在视频线在精品| 又粗又爽又猛毛片免费看| 精品免费久久久久久久清纯| 99热精品在线国产| 久久这里只有精品中国| 人妻少妇偷人精品九色| 老司机影院毛片| 国国产精品蜜臀av免费| 免费黄网站久久成人精品| 永久网站在线| 色播亚洲综合网| 免费人成在线观看视频色| 黄片无遮挡物在线观看| 在现免费观看毛片| 欧美人与善性xxx| 色综合亚洲欧美另类图片| 熟女人妻精品中文字幕| 波野结衣二区三区在线| 综合色av麻豆| 午夜精品一区二区三区免费看| 91aial.com中文字幕在线观看| 少妇猛男粗大的猛烈进出视频 | 超碰97精品在线观看| 成人亚洲欧美一区二区av| 久久久久久大精品| 老师上课跳d突然被开到最大视频| 两个人的视频大全免费| 亚洲av成人av| 欧美xxxx性猛交bbbb| 直男gayav资源| kizo精华| 国内精品美女久久久久久| av在线观看视频网站免费| 久久久久久久久大av| 中文字幕熟女人妻在线| 六月丁香七月| 最近2019中文字幕mv第一页| 国产成人aa在线观看| 欧美高清性xxxxhd video| 国产精品电影一区二区三区| 国产精品1区2区在线观看.| 深夜a级毛片| 国产精品爽爽va在线观看网站| 亚洲国产色片| 久久这里有精品视频免费| 久久久亚洲精品成人影院| 精品久久久久久久久av| 熟女人妻精品中文字幕| 成人午夜精彩视频在线观看| 日本免费一区二区三区高清不卡| 国国产精品蜜臀av免费| 国产麻豆成人av免费视频| 99久久精品一区二区三区| 国产三级中文精品| 国产高清国产精品国产三级 | 国产在线一区二区三区精 | 亚洲aⅴ乱码一区二区在线播放| 亚洲丝袜综合中文字幕| 国产精品,欧美在线| 啦啦啦啦在线视频资源| 人妻夜夜爽99麻豆av| 欧美zozozo另类| 国产在线男女| 国产欧美另类精品又又久久亚洲欧美| 亚洲图色成人| 婷婷色综合大香蕉| a级毛色黄片| 精品熟女少妇av免费看| 一个人观看的视频www高清免费观看| 欧美潮喷喷水| 色吧在线观看| 亚洲不卡免费看| 婷婷色麻豆天堂久久 | 2022亚洲国产成人精品| 亚洲国产精品成人久久小说| 国产熟女欧美一区二区| 亚洲五月天丁香| 亚洲欧美成人精品一区二区| 精品久久久久久久久av| 成人美女网站在线观看视频| 草草在线视频免费看| 韩国高清视频一区二区三区| 亚洲精品自拍成人| 精品一区二区三区视频在线| 最近中文字幕2019免费版| 亚洲av电影在线观看一区二区三区 | 国产成人a∨麻豆精品| 国产精品人妻久久久久久| 亚洲精品乱久久久久久| 国产av一区在线观看免费| 免费看a级黄色片| 免费观看的影片在线观看| 亚洲性久久影院| 五月玫瑰六月丁香| 丝袜喷水一区| 色吧在线观看| 精品久久久久久久久久久久久| 亚洲精品,欧美精品| 在线免费十八禁| 人体艺术视频欧美日本| 久久精品久久精品一区二区三区| 国产精品不卡视频一区二区| 亚洲国产欧美在线一区| 中文在线观看免费www的网站| 亚洲精品日韩av片在线观看| 国产亚洲一区二区精品| 亚洲精品久久久久久婷婷小说 | 夫妻性生交免费视频一级片| 免费搜索国产男女视频| 97超碰精品成人国产| 97超视频在线观看视频| 精品人妻一区二区三区麻豆| 亚洲怡红院男人天堂| 一级av片app| 国内少妇人妻偷人精品xxx网站| 插阴视频在线观看视频| 国语自产精品视频在线第100页| 免费观看人在逋| 欧美潮喷喷水| 一边亲一边摸免费视频| 青春草视频在线免费观看| 日韩制服骚丝袜av| 超碰97精品在线观看| 又粗又爽又猛毛片免费看| 一本一本综合久久| 国产成人精品久久久久久| 国产精品久久久久久av不卡| 国内精品一区二区在线观看| 一级毛片久久久久久久久女| 日韩成人伦理影院| 久久久精品欧美日韩精品| 久久精品熟女亚洲av麻豆精品 | 听说在线观看完整版免费高清| 欧美潮喷喷水| 国产男人的电影天堂91| 十八禁国产超污无遮挡网站| 日日撸夜夜添| 亚洲精品乱码久久久v下载方式| 国产精品无大码| 一级黄片播放器| 国产av码专区亚洲av| 欧美激情在线99| 国产精品99久久久久久久久| 超碰av人人做人人爽久久| 久久久久久久久中文| 中文精品一卡2卡3卡4更新| 老司机福利观看| 91aial.com中文字幕在线观看| 热99re8久久精品国产| 麻豆久久精品国产亚洲av| 春色校园在线视频观看| 高清午夜精品一区二区三区| 亚洲综合精品二区| 精品国产一区二区三区久久久樱花 | 91精品国产九色| 日本与韩国留学比较| 中文字幕精品亚洲无线码一区| 边亲边吃奶的免费视频| 午夜爱爱视频在线播放| 亚洲av日韩在线播放| 国产亚洲av嫩草精品影院| 免费av不卡在线播放| 卡戴珊不雅视频在线播放| 免费看光身美女| 视频中文字幕在线观看| 色5月婷婷丁香| 淫秽高清视频在线观看| 91精品一卡2卡3卡4卡| 欧美一区二区国产精品久久精品| 波多野结衣巨乳人妻| 国产一区二区在线av高清观看| av在线老鸭窝| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 毛片一级片免费看久久久久| 亚洲av二区三区四区| 亚洲aⅴ乱码一区二区在线播放| 搞女人的毛片| 我要搜黄色片| 日本熟妇午夜| 国产黄片视频在线免费观看| 日韩,欧美,国产一区二区三区 | 小说图片视频综合网站| 插阴视频在线观看视频| 亚洲国产高清在线一区二区三| 亚洲精品影视一区二区三区av| 国产毛片a区久久久久| 在线观看美女被高潮喷水网站| 久久久欧美国产精品| 亚洲国产欧美人成| 18+在线观看网站| 一级毛片电影观看 | 丰满人妻一区二区三区视频av| 99久久成人亚洲精品观看| 午夜a级毛片| 如何舔出高潮| 精品国产三级普通话版| 亚洲美女搞黄在线观看| 国产精品av视频在线免费观看| 亚洲国产成人一精品久久久| 热99在线观看视频| 老师上课跳d突然被开到最大视频| 99热网站在线观看| 国产精品麻豆人妻色哟哟久久 | 好男人在线观看高清免费视频| av.在线天堂| 99久久精品国产国产毛片| 久久精品91蜜桃| 2021少妇久久久久久久久久久| 亚洲第一区二区三区不卡| 亚洲综合精品二区| 三级国产精品欧美在线观看| 国产淫片久久久久久久久| 久久精品91蜜桃| 2021少妇久久久久久久久久久| 成年女人看的毛片在线观看| 久久久久网色| 成人毛片a级毛片在线播放| 亚洲最大成人手机在线| 男的添女的下面高潮视频| 老司机影院成人| 国产高潮美女av| 乱系列少妇在线播放| 在线观看av片永久免费下载| 人妻系列 视频| 汤姆久久久久久久影院中文字幕 | 在线播放国产精品三级| 黑人高潮一二区| 夜夜爽夜夜爽视频| 国国产精品蜜臀av免费| 中国美白少妇内射xxxbb| 欧美性感艳星| 不卡视频在线观看欧美| 亚洲aⅴ乱码一区二区在线播放| 国产白丝娇喘喷水9色精品| av卡一久久| av福利片在线观看| 在现免费观看毛片| 神马国产精品三级电影在线观看| 蜜桃亚洲精品一区二区三区| 亚洲伊人久久精品综合 | 看非洲黑人一级黄片| 中文字幕制服av| 九九久久精品国产亚洲av麻豆| 国产大屁股一区二区在线视频| 国产精品一区二区三区四区久久| 久久久欧美国产精品| 我要搜黄色片| .国产精品久久| 午夜福利视频1000在线观看| 日本黄色视频三级网站网址| 最近2019中文字幕mv第一页| 村上凉子中文字幕在线| 欧美极品一区二区三区四区| 亚洲av.av天堂| 欧美一级a爱片免费观看看| 久久久久久国产a免费观看| 欧美高清成人免费视频www| 最近视频中文字幕2019在线8| 国产伦在线观看视频一区| 狠狠狠狠99中文字幕| 亚洲色图av天堂| 国语对白做爰xxxⅹ性视频网站| av.在线天堂| 熟女人妻精品中文字幕| 国产 一区精品| 亚洲图色成人| 天堂√8在线中文| 亚洲人成网站在线观看播放| 69人妻影院| 国产精品一区二区在线观看99 | 亚洲欧美中文字幕日韩二区| 中文欧美无线码| 内地一区二区视频在线| 五月玫瑰六月丁香| 午夜免费男女啪啪视频观看| 一级毛片久久久久久久久女| 国产老妇女一区| 久久午夜福利片| 最近中文字幕2019免费版| 99在线视频只有这里精品首页| 午夜福利高清视频| 一级av片app| 国产精品av视频在线免费观看| 又黄又爽又刺激的免费视频.| 长腿黑丝高跟| 亚洲国产日韩欧美精品在线观看| 日韩av在线大香蕉| 国产精品一区二区性色av| 久久久久性生活片| 男人舔女人下体高潮全视频| 丝袜喷水一区| 日韩强制内射视频| 免费无遮挡裸体视频| 99久久精品国产国产毛片| 22中文网久久字幕| 亚洲av不卡在线观看| 亚洲综合色惰| 欧美变态另类bdsm刘玥| 久久99热这里只频精品6学生 | 午夜亚洲福利在线播放| 精品国产露脸久久av麻豆 | 久久久久久久国产电影| 亚洲国产欧洲综合997久久,| 国产午夜精品论理片| 亚洲国产精品成人综合色| 全区人妻精品视频| 久久久久性生活片| 菩萨蛮人人尽说江南好唐韦庄 | 国产精品爽爽va在线观看网站| 成人高潮视频无遮挡免费网站| 能在线免费看毛片的网站| 午夜福利高清视频| 成人亚洲精品av一区二区| 爱豆传媒免费全集在线观看| 国产精品不卡视频一区二区| 精品久久久久久久末码| 国产乱人视频| 蜜桃久久精品国产亚洲av| 久久人人爽人人爽人人片va| 欧美人与善性xxx| 丰满少妇做爰视频| 欧美又色又爽又黄视频| 国产在线一区二区三区精 | 国产亚洲av片在线观看秒播厂 | 久久6这里有精品| 精品国产露脸久久av麻豆 | 99久国产av精品| 亚洲一级一片aⅴ在线观看| 99热精品在线国产| 综合色丁香网| 中文亚洲av片在线观看爽| 最近的中文字幕免费完整| 午夜a级毛片| 99热精品在线国产| av在线播放精品| 身体一侧抽搐| 婷婷色av中文字幕| 亚洲av.av天堂| 成人午夜精彩视频在线观看| 久久韩国三级中文字幕| 国产精品综合久久久久久久免费| 欧美极品一区二区三区四区| 有码 亚洲区| 岛国毛片在线播放| 国产人妻一区二区三区在| 婷婷色综合大香蕉| 精品国内亚洲2022精品成人| 国产高清有码在线观看视频| 两个人的视频大全免费| 国产一级毛片在线| 美女黄网站色视频| 国产成人一区二区在线| 禁无遮挡网站| 汤姆久久久久久久影院中文字幕 | 又爽又黄a免费视频| 男女边吃奶边做爰视频| 一个人看的www免费观看视频| 亚洲成人久久爱视频| 国内揄拍国产精品人妻在线| 精品久久久久久久人妻蜜臀av| 99国产精品一区二区蜜桃av| 国产爱豆传媒在线观看| 高清毛片免费看| 一级毛片电影观看 | 久久99热这里只频精品6学生 | 欧美成人一区二区免费高清观看| 国产三级中文精品| 中文字幕人妻熟人妻熟丝袜美| 最近视频中文字幕2019在线8| 人体艺术视频欧美日本| 美女高潮的动态| 国产欧美另类精品又又久久亚洲欧美| 亚洲在久久综合| 好男人在线观看高清免费视频| 国产精品福利在线免费观看| 十八禁国产超污无遮挡网站| 亚洲av一区综合| 国产午夜福利久久久久久| 三级国产精品片| 菩萨蛮人人尽说江南好唐韦庄 | 国产亚洲91精品色在线| 九草在线视频观看| 亚洲国产精品成人久久小说| 亚洲av成人精品一二三区| 成人一区二区视频在线观看| 最近视频中文字幕2019在线8| 国产精品久久久久久久电影| 国产美女午夜福利| 久久亚洲精品不卡| 亚洲欧美成人精品一区二区| 免费观看的影片在线观看| 91av网一区二区| 可以在线观看毛片的网站| 亚洲五月天丁香| 国产亚洲5aaaaa淫片| 午夜久久久久精精品| 我要搜黄色片| 国产高潮美女av| 蜜桃久久精品国产亚洲av| 久久久精品94久久精品| 黄色日韩在线| 最近的中文字幕免费完整| 日日撸夜夜添| 日韩国内少妇激情av| 国产人妻一区二区三区在| 久久这里只有精品中国| 尾随美女入室| 午夜福利视频1000在线观看| av播播在线观看一区| 国产在视频线在精品| 一个人免费在线观看电影| 成人毛片a级毛片在线播放| 国产在线一区二区三区精 | 联通29元200g的流量卡| 性插视频无遮挡在线免费观看| 日日啪夜夜撸| 真实男女啪啪啪动态图| 日韩成人av中文字幕在线观看| 永久网站在线| 内地一区二区视频在线| av在线天堂中文字幕| 人妻夜夜爽99麻豆av| 高清毛片免费看| 嫩草影院精品99| 国产成人精品久久久久久| 成人二区视频| 丰满人妻一区二区三区视频av| 黄色配什么色好看| 久久人人爽人人片av| av又黄又爽大尺度在线免费看 | 最近视频中文字幕2019在线8| 午夜福利在线观看免费完整高清在| 18禁动态无遮挡网站| or卡值多少钱| av在线蜜桃| 国产av一区在线观看免费| 午夜亚洲福利在线播放| 中文字幕av成人在线电影| 又黄又爽又刺激的免费视频.| 色播亚洲综合网|