• <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 ?

    概率積分預(yù)計(jì)參數(shù)的ENN優(yōu)化算法

    2022-05-30 01:27:52張勁滿閻躍觀李杰衛(wèi)徐瑞瑞王芷馨岳彩亞
    金屬礦山 2022年5期
    關(guān)鍵詞:權(quán)值閾值概率

    張勁滿 閻躍觀 李杰衛(wèi) 徐瑞瑞 王芷馨 張 坤 岳彩亞

    (1.中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院,北京 100083;2.浙江省地質(zhì)勘查局浙江省地礦建設(shè)有限公司,浙江 杭州 310052;3.安徽省煤田地質(zhì)局,安徽 合肥 230088;4.安徽理工大學(xué)空間信息與測繪工程學(xué)院,安徽 淮南 232001;5.聊城大學(xué)地理與環(huán)境學(xué)院,山東 聊城 252000)

    地下煤炭資源開采后會導(dǎo)致一系列地質(zhì)災(zāi)害,如 下沉盆地、塌陷坑及臺階裂縫等,給礦區(qū)人民的生產(chǎn)生活和生態(tài)環(huán)境帶來了一系列危害[1-3]。為了最大限度降低開采沉陷引起的礦區(qū)地質(zhì)災(zāi)害,以便提前采取合理的防范措施,對煤炭資源采出后引起的地表移動變形進(jìn)行精準(zhǔn)預(yù)計(jì)顯得尤為重要[4]。概率積分法預(yù)計(jì)模型作為我國礦山開采沉陷領(lǐng)域應(yīng)用最為廣泛且較為成熟的方法,近年來不少學(xué)者圍繞其預(yù)計(jì)參數(shù)解算精度進(jìn)行了深入研究[5-9]。賈新果[5]針對開采沉陷參數(shù)反演方法存在收斂過早現(xiàn)象采用蟻群算法求解,提高了抗干擾能力和求參精度;張勁滿等[6-7]采用雙參數(shù)Knothe時間函數(shù)建立了動態(tài)下沉模型,模型參數(shù)采用最小二乘擬合方法求解,工作面開采沉陷全過程預(yù)計(jì)精度較可靠;李培現(xiàn)等[8]采用地表空間移動矢量并結(jié)合遺傳算法建立了參數(shù)反演方法,解決了初值依賴和多工作面難以精確反演的難題。近年來隨著計(jì)算機(jī)技術(shù)快速發(fā)展,各種智能優(yōu)化算法在概率積分參數(shù)獲取中得到廣泛應(yīng)用[10-13]。利用智能優(yōu)化算法獲取概率積分預(yù)計(jì)參數(shù)具有計(jì)算機(jī)編程易實(shí)現(xiàn)且預(yù)測精度高的特點(diǎn)[14-18],其中常用的智能優(yōu)化方法有BP神經(jīng)網(wǎng)絡(luò)和ENN神經(jīng)網(wǎng)絡(luò)。

    BP神經(jīng)網(wǎng)絡(luò)是一種前饋型的網(wǎng)絡(luò),達(dá)到全局優(yōu)化的時間較長且容易陷入局部最優(yōu)解,ENN網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)多了一個記憶層,會使得整個網(wǎng)絡(luò)具有更為豐富的動態(tài)性和更強(qiáng)的魯棒性,參數(shù)預(yù)計(jì)精度也會得到較大提升?;诖?本研究將蟻群算法(ACO)與ENN神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種基于ACOENN的概率積分預(yù)計(jì)參數(shù)計(jì)算模型,該模型有助于解決ENN神經(jīng)網(wǎng)絡(luò)初始權(quán)值與閾值選擇依據(jù)不充分的難題,使得模型預(yù)測精度更高、可靠性更強(qiáng)。

    1 ACO優(yōu)化ENN神經(jīng)網(wǎng)絡(luò)

    1.1 ENN神經(jīng)網(wǎng)絡(luò)

    ENN神經(jīng)網(wǎng)絡(luò)是一種前饋式神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)中的延時算子具有記憶功能,使得系統(tǒng)具有較強(qiáng)的適應(yīng)時變特性的能力,進(jìn)而具備反映動態(tài)過程系統(tǒng)的能力。ENN神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成,其中隱含層中加入了一個承接層,增強(qiáng)了ENN神經(jīng)網(wǎng)絡(luò)對歷史信息的敏感性,并提高了神經(jīng)網(wǎng)絡(luò)應(yīng)對突變的能力。ENN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 ENN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 ENN neural network structure

    首先構(gòu)建ENN神經(jīng)網(wǎng)格并對其進(jìn)行訓(xùn)練,使其具有歷史信息記憶和動態(tài)反饋機(jī)制,提高ENN神經(jīng)網(wǎng)絡(luò)處理動態(tài)信息的能力。ENN神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)表達(dá)式為

    式中,w1為承接層至中間層的連接權(quán)值;w2為輸入層至中間層的連接權(quán)值;w3為中間層至輸出層的連接權(quán)值;u(t-1)為輸入量;b1為輸入層閾值;b2為隱含層閾值;g(·)為輸出神經(jīng)元的傳遞函數(shù),一般采用purelin函數(shù);f(·)為中間層神經(jīng)元的傳遞函數(shù),一般采用tansig函數(shù)。

    ENN神經(jīng)網(wǎng)絡(luò)采用誤差反傳法使得輸出層的實(shí)際值與期望值之間的誤差值達(dá)到設(shè)定的最優(yōu)值,誤差公式為

    式中,yd(t)為第t個節(jié)點(diǎn)的實(shí)際輸出值;y( t)為第t個節(jié)點(diǎn)的期望輸出值。

    在ENN神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程中需要不斷地優(yōu)化權(quán)值并獲取最優(yōu)閾值。一般采用梯度下降算法實(shí)現(xiàn)權(quán)值尋優(yōu),其權(quán)值更新公式為

    式中,E為誤差函數(shù);η為學(xué)習(xí)率;ΔW為隱含層權(quán)重修正量。

    此外,ENN神經(jīng)網(wǎng)絡(luò)閾值尋優(yōu)一般采用激勵函數(shù)實(shí)現(xiàn),其閾值更新公式為

    式中,Δb為隱含層閾值修正量;b為閾值。

    1.2 ACO算法

    ACO是一種模擬生物群體覓食的正反饋、啟發(fā)式隨機(jī)搜索算法,具有魯棒性好、全局搜索能力強(qiáng)等優(yōu)點(diǎn),對非線性問題求解具有較好的適應(yīng)性。在蟻群算法正反饋?zhàn)饔孟?螞蟻選擇路徑的概率表達(dá)式為

    信息素更新在螞蟻尋路過程中起著至關(guān)重要的作用,信息素會揮發(fā)和疊加,其更新的數(shù)學(xué)表達(dá)式為

    式中,τij(t+1)為t+1時刻位置i至位置j的信息素濃度;Δτij(t)為螞蟻種群I在時間段(t,t+1)位置i至位置j的信息素濃度增加量;ρ為信息素的揮發(fā)系數(shù);I為螞蟻種群數(shù);(t)為螞蟻k在t時刻位置i至位置j的信息素濃度。

    1.3 ACO-ENN模型構(gòu)建

    本研究采用ACO算法優(yōu)化ENN神經(jīng)網(wǎng)絡(luò),構(gòu)建了ACO-ENN優(yōu)化模型用于解算概率積分預(yù)計(jì)參數(shù),流程見圖2。具體步驟為:①確定輸入層、輸出層及隱含層的節(jié)點(diǎn)個數(shù),確定ENN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),初始化ENN神經(jīng)網(wǎng)絡(luò)并對網(wǎng)絡(luò)參數(shù)進(jìn)行配置;②初始化ACO參數(shù)并構(gòu)造信息素矩陣,利用ACO算法對ENN神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化,獲取ENN神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值。③采用優(yōu)化后的權(quán)值和閾值進(jìn)行ENN神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)預(yù)測。

    圖2 ACO-ENN模型優(yōu)化流程Fig.2 Optimization flow of ACO-ENN model

    2 試驗(yàn)分析

    2.1 試驗(yàn)數(shù)據(jù)選取

    本研究選取我國典型礦區(qū)的30個地表移動觀測站實(shí)測資料作為訓(xùn)練和測試的樣本數(shù)據(jù)[13],每組樣本數(shù)據(jù)由地質(zhì)采礦條件和概率積分預(yù)計(jì)參數(shù)兩部分組成。地質(zhì)采礦條件包括覆巖堅(jiān)固系數(shù)、采深、采厚、松散層厚度、煤層傾角及采動程度,概率積分預(yù)計(jì)參數(shù)包括下沉系數(shù)、水平移動系數(shù)、主要影響角正切及拐點(diǎn)偏移距。選取的樣本數(shù)據(jù)見表1。

    表1 實(shí)測樣本數(shù)據(jù)Table 1 Measured sample data

    2.2 ACO-ENN模型參數(shù)設(shè)置

    為了精確獲取概率積分預(yù)計(jì)參數(shù),本研究將地質(zhì)采礦條件因素作為ACO-ENN模型的輸入節(jié)點(diǎn),即輸入層由6個神經(jīng)元組成,對應(yīng)6個影響因素,概率積分預(yù)計(jì)參數(shù)的各個參數(shù)分別作為ACO-ENN模型的輸出節(jié)點(diǎn),即輸出層1個神經(jīng)元,對應(yīng)概率積分預(yù)計(jì)參數(shù)的各個參數(shù)。經(jīng)過不斷優(yōu)化訓(xùn)練可得各個模型的隱含層最優(yōu)神經(jīng)元個數(shù)分別為:下沉系數(shù)網(wǎng)絡(luò)模型神經(jīng)元10個,水平移動系數(shù)網(wǎng)絡(luò)模型神經(jīng)元8個,主要影響角正切網(wǎng)絡(luò)模型神經(jīng)元11個,拐點(diǎn)偏移距網(wǎng)絡(luò)模型神經(jīng)元11個。初始種群數(shù)為I為30,信息素的揮發(fā)系數(shù)ρ為0.9,重要程度系數(shù)α為0.3,啟發(fā)式的重要程度系數(shù)β為0.5。

    2.3 數(shù)據(jù)預(yù)處理

    由于現(xiàn)場觀測環(huán)境往往十分復(fù)雜,數(shù)據(jù)采集過程中難免會有一定的誤差,此外,訓(xùn)練樣本數(shù)據(jù)和測試樣本數(shù)據(jù)常存在不同程度的差異性。為降低數(shù)據(jù)采集誤差和訓(xùn)練樣本輸入層數(shù)據(jù)與測試樣本輸入層數(shù)據(jù)的差異性,在數(shù)據(jù)訓(xùn)練之前需要將輸入層的樣本數(shù)據(jù)進(jìn)行降噪處理。RW是一種基于加權(quán)最小二乘算法對離散數(shù)據(jù)進(jìn)行多項(xiàng)式擬合的降噪方法,采用穩(wěn)健的擬合處理方式以防止偏離點(diǎn)扭曲了平滑的數(shù)據(jù)點(diǎn)。本研究采用RW方法對實(shí)測數(shù)據(jù)進(jìn)行降噪處理,降噪后的數(shù)據(jù)與實(shí)測數(shù)據(jù)對比如圖3所示。

    由圖3可知:經(jīng)過RW降噪處理后數(shù)據(jù)的上下波動范圍明顯降低,處理后的數(shù)據(jù)曲線更加平滑。對一些波動范圍較大的數(shù)據(jù)點(diǎn)進(jìn)行降噪處理有助于降低數(shù)據(jù)測量誤差和選擇不合適訓(xùn)練樣本數(shù)據(jù)帶來的誤差影響。

    圖3 實(shí)測樣本數(shù)據(jù)與RW降噪處理后的結(jié)果Fig.3 Measured sample data and results after RW noise reduction processing

    2.4 解算結(jié)果及分析

    將前25組實(shí)測樣本數(shù)據(jù)作為訓(xùn)練樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練,剩余5組實(shí)測樣本數(shù)據(jù)作為測試樣本。采用ACO-ENN模型對RW降噪處理前后的數(shù)據(jù)進(jìn)行訓(xùn)練并求取概率積分預(yù)計(jì)參數(shù),實(shí)測數(shù)據(jù)和降噪處理前后ACO-ENN模型預(yù)測的概率積分參數(shù)如圖4所示。由圖4可知:采用RW方法預(yù)先進(jìn)行了預(yù)處理后,再進(jìn)行ACO-ENN預(yù)測,獲取的概率積分參數(shù)預(yù)計(jì)值精度優(yōu)于ACO-ENN模型預(yù)計(jì)值,反映出采用RW法對原始樣本數(shù)據(jù)進(jìn)行預(yù)處理有助于提高數(shù)據(jù)質(zhì)量。

    圖4 概率積分參數(shù)預(yù)測值與實(shí)測值對比Fig.4 Comparison of the predicted and measured values of expected parameters

    基于RW方法進(jìn)行降噪預(yù)處理后的樣本數(shù)據(jù)分別采用ACO-ENN模型和傳統(tǒng)的ENN神經(jīng)網(wǎng)絡(luò)對下沉系數(shù)、水平移動系數(shù)、主要影響角正切和拐點(diǎn)偏移距進(jìn)行預(yù)測,預(yù)測結(jié)果如圖5所示。由圖5可知:在下沉系數(shù)和水平移動系數(shù)預(yù)測過程中ACO-ENN模型的預(yù)測精度優(yōu)于ENN神經(jīng)網(wǎng)絡(luò),可靠性更強(qiáng),在主要影響角正切和拐點(diǎn)偏移距的預(yù)測過程中ACO-ENN模型的預(yù)測誤差絕對值整體小于ENN神經(jīng)網(wǎng)絡(luò),預(yù)測精度較高。概率積分各預(yù)計(jì)參數(shù)的平均預(yù)測相對誤差和均方根誤差見表2。由表2可知:利用ACOENN模型解算下沉系數(shù)、水平移動系數(shù)、主要影響角正切及拐點(diǎn)偏移距的平均相對誤差分別為2.41%、3.48%、6.11%和1.67%,ACO-ENN模型解算結(jié)果的平均相對誤差和均方根誤差均優(yōu)于傳統(tǒng)ENN神經(jīng)網(wǎng)絡(luò),表明ACO-ENN模型解算精度更高、可靠性更強(qiáng)。

    圖5 概率積分法預(yù)計(jì)參數(shù)絕對值誤差Fig.5 Absolute value error of parameters expected by probability integration method

    表2 各模型預(yù)測結(jié)果精度對比Table 2 Comparison of the accuracy of prediction results by models

    3 結(jié) 論

    (1)針對傳統(tǒng)ENN神經(jīng)網(wǎng)絡(luò)初始權(quán)重與閾值選擇缺乏依據(jù)的不足,采用ACO算法對ENN神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化,優(yōu)化后ENN神經(jīng)網(wǎng)絡(luò)輸入層數(shù)據(jù)采用RW進(jìn)行預(yù)處理,建立了ACO-ENN概率積分預(yù)計(jì)參數(shù)解算模型。

    (2)利用ACO-ENN模型分別學(xué)習(xí)經(jīng)過RW降噪處理和未經(jīng)RW降噪處理的實(shí)測樣本數(shù)據(jù),解算結(jié)果表明:RW降噪處理顯著提高了ACO-ENN模型輸入層的數(shù)據(jù)質(zhì)量;利用ACO-ENN模型和ENN神經(jīng)網(wǎng)絡(luò)分別解算經(jīng)過RW處理的樣本數(shù)據(jù),表明ACO-ENN模型解算精度明顯優(yōu)于ENN神經(jīng)網(wǎng)絡(luò)。

    (3)ACO-ENN模型求取的下沉系數(shù)、水平移動系數(shù)及拐點(diǎn)偏移距平均相對誤差偏差較小,但主要影響角正切的平均相對誤差偏差較大,基于ACO-ENN模型構(gòu)建概率積分預(yù)計(jì)參數(shù)的組合解算模型是下一步研究方向。

    猜你喜歡
    權(quán)值閾值概率
    一種融合時間權(quán)值和用戶行為序列的電影推薦模型
    第6講 “統(tǒng)計(jì)與概率”復(fù)習(xí)精講
    第6講 “統(tǒng)計(jì)與概率”復(fù)習(xí)精講
    概率與統(tǒng)計(jì)(一)
    概率與統(tǒng)計(jì)(二)
    CONTENTS
    小波閾值去噪在深小孔鉆削聲發(fā)射信號處理中的應(yīng)用
    基于自適應(yīng)閾值和連通域的隧道裂縫提取
    比值遙感蝕變信息提取及閾值確定(插圖)
    河北遙感(2017年2期)2017-08-07 14:49:00
    基于權(quán)值動量的RBM加速學(xué)習(xí)算法研究
    人人妻人人爽人人添夜夜欢视频 | 十分钟在线观看高清视频www | 久久国产亚洲av麻豆专区| 欧美少妇被猛烈插入视频| 一级片'在线观看视频| 国精品久久久久久国模美| 噜噜噜噜噜久久久久久91| 男女国产视频网站| 黑人猛操日本美女一级片| 国产亚洲最大av| 亚洲欧美日韩卡通动漫| 亚洲精品国产av蜜桃| 欧美变态另类bdsm刘玥| 国产精品国产三级专区第一集| 有码 亚洲区| 亚洲成人手机| av黄色大香蕉| 天堂中文最新版在线下载| 色婷婷av一区二区三区视频| 热re99久久国产66热| 色视频www国产| 亚洲人成网站在线观看播放| 久久久久久久久久久久大奶| 午夜久久久在线观看| 男人和女人高潮做爰伦理| 97在线人人人人妻| 欧美日韩综合久久久久久| 国内揄拍国产精品人妻在线| 美女内射精品一级片tv| av在线app专区| 黄色日韩在线| 国产欧美另类精品又又久久亚洲欧美| 国产精品久久久久久精品电影小说| 久久久国产欧美日韩av| 国产免费福利视频在线观看| 高清av免费在线| 在线 av 中文字幕| av专区在线播放| 成人毛片60女人毛片免费| 国产一区亚洲一区在线观看| 亚洲国产精品成人久久小说| 99久久精品一区二区三区| 国产成人精品无人区| 大码成人一级视频| 人妻少妇偷人精品九色| 久久亚洲国产成人精品v| 男人舔奶头视频| 亚洲欧洲日产国产| 三级国产精品片| 午夜免费男女啪啪视频观看| 中文欧美无线码| 偷拍熟女少妇极品色| 免费在线观看成人毛片| 国产在线视频一区二区| 视频区图区小说| 在线观看免费高清a一片| 三上悠亚av全集在线观看 | 国产亚洲精品久久久com| 精品亚洲成国产av| 亚洲av日韩在线播放| 国产一区亚洲一区在线观看| 最近的中文字幕免费完整| 80岁老熟妇乱子伦牲交| 日日啪夜夜撸| 黄色毛片三级朝国网站 | 少妇的逼好多水| 久久久久网色| 久久久欧美国产精品| 亚洲激情五月婷婷啪啪| 观看美女的网站| 美女视频免费永久观看网站| .国产精品久久| 国内揄拍国产精品人妻在线| 免费观看的影片在线观看| 国产精品麻豆人妻色哟哟久久| 免费观看av网站的网址| 各种免费的搞黄视频| 亚洲四区av| 亚洲第一av免费看| av在线观看视频网站免费| 亚洲情色 制服丝袜| 啦啦啦啦在线视频资源| 国产白丝娇喘喷水9色精品| 国产精品秋霞免费鲁丝片| 国产精品久久久久久av不卡| 涩涩av久久男人的天堂| 你懂的网址亚洲精品在线观看| 18禁裸乳无遮挡动漫免费视频| 大香蕉97超碰在线| 国产伦精品一区二区三区四那| 亚洲精品视频女| 国产精品一区二区在线不卡| 性色av一级| 欧美激情国产日韩精品一区| 欧美日韩视频精品一区| 欧美日韩国产mv在线观看视频| 精品亚洲成国产av| 成人毛片60女人毛片免费| 黑人猛操日本美女一级片| 99热这里只有是精品在线观看| 蜜桃在线观看..| 国产成人精品福利久久| 日韩人妻高清精品专区| a级毛片免费高清观看在线播放| 亚洲精品成人av观看孕妇| 亚洲性久久影院| 日韩中字成人| 2021少妇久久久久久久久久久| 日韩视频在线欧美| 免费观看a级毛片全部| 国产免费视频播放在线视频| 免费少妇av软件| 天天躁夜夜躁狠狠久久av| 美女xxoo啪啪120秒动态图| 亚洲av不卡在线观看| 十八禁网站网址无遮挡 | 国产日韩欧美在线精品| av播播在线观看一区| 一级毛片久久久久久久久女| 婷婷色av中文字幕| 夫妻性生交免费视频一级片| 97在线视频观看| 热re99久久精品国产66热6| 亚洲中文av在线| 国产精品秋霞免费鲁丝片| 国产精品久久久久成人av| 免费人成在线观看视频色| 亚洲av中文av极速乱| 久久综合国产亚洲精品| 久久久久久人妻| 插逼视频在线观看| 国产精品三级大全| 美女视频免费永久观看网站| 插逼视频在线观看| 久久午夜综合久久蜜桃| 国产深夜福利视频在线观看| 天天操日日干夜夜撸| 国产亚洲最大av| 精品酒店卫生间| 草草在线视频免费看| 免费观看的影片在线观看| 国产午夜精品一二区理论片| 欧美bdsm另类| 国产淫片久久久久久久久| 国产又色又爽无遮挡免| 制服丝袜香蕉在线| 99热网站在线观看| 曰老女人黄片| 精品人妻熟女毛片av久久网站| 成人黄色视频免费在线看| 美女福利国产在线| 国产一区有黄有色的免费视频| 美女大奶头黄色视频| 国产亚洲最大av| 丝袜在线中文字幕| 看十八女毛片水多多多| 丰满人妻一区二区三区视频av| 日韩亚洲欧美综合| 熟女av电影| 99久久精品热视频| 午夜激情福利司机影院| 内射极品少妇av片p| 九九久久精品国产亚洲av麻豆| 老司机影院成人| 在线播放无遮挡| 日韩伦理黄色片| 国产亚洲精品久久久com| 亚洲欧美成人精品一区二区| 菩萨蛮人人尽说江南好唐韦庄| 国产片特级美女逼逼视频| 人妻一区二区av| 极品人妻少妇av视频| 精品人妻熟女av久视频| 人人妻人人澡人人爽人人夜夜| 18禁裸乳无遮挡动漫免费视频| 久久精品国产亚洲网站| 国产av码专区亚洲av| 91久久精品国产一区二区三区| 久久久久久久大尺度免费视频| 全区人妻精品视频| 在线观看美女被高潮喷水网站| 日日啪夜夜爽| 国产精品国产三级专区第一集| 午夜福利视频精品| 另类亚洲欧美激情| www.色视频.com| 99热6这里只有精品| 亚洲经典国产精华液单| 中国国产av一级| 蜜桃久久精品国产亚洲av| 亚洲av日韩在线播放| 少妇裸体淫交视频免费看高清| 国产日韩欧美亚洲二区| 深夜a级毛片| 午夜福利影视在线免费观看| 中国美白少妇内射xxxbb| 亚洲伊人久久精品综合| 国产日韩欧美视频二区| 我的老师免费观看完整版| 日本av手机在线免费观看| 国产色爽女视频免费观看| 免费高清在线观看视频在线观看| 国产亚洲精品久久久com| 国产成人一区二区在线| 五月伊人婷婷丁香| 在线观看美女被高潮喷水网站| 夜夜骑夜夜射夜夜干| 黄色怎么调成土黄色| 狂野欧美白嫩少妇大欣赏| 欧美日本中文国产一区发布| 国产欧美亚洲国产| 一级毛片 在线播放| 女性被躁到高潮视频| 日韩成人伦理影院| 国产 一区精品| 国产视频首页在线观看| 成人无遮挡网站| 特大巨黑吊av在线直播| 不卡视频在线观看欧美| 国产午夜精品久久久久久一区二区三区| 青春草亚洲视频在线观看| 欧美精品亚洲一区二区| 久久av网站| 成人国产麻豆网| 嫩草影院入口| 亚洲国产毛片av蜜桃av| 午夜福利在线观看免费完整高清在| 亚洲自偷自拍三级| 国产 精品1| 国产精品国产av在线观看| 亚洲欧美精品专区久久| 观看美女的网站| 亚洲不卡免费看| 精品国产一区二区三区久久久樱花| 成人国产av品久久久| 欧美日韩亚洲高清精品| 国产欧美亚洲国产| 国产欧美日韩综合在线一区二区 | 十八禁高潮呻吟视频 | 毛片一级片免费看久久久久| 午夜精品国产一区二区电影| 日本黄色日本黄色录像| 五月伊人婷婷丁香| 久久 成人 亚洲| 亚洲国产精品国产精品| 久久女婷五月综合色啪小说| 七月丁香在线播放| 一区二区三区免费毛片| 亚洲美女搞黄在线观看| 国产男女超爽视频在线观看| 亚洲怡红院男人天堂| 王馨瑶露胸无遮挡在线观看| 久久精品国产鲁丝片午夜精品| 免费av不卡在线播放| 国产伦精品一区二区三区视频9| 王馨瑶露胸无遮挡在线观看| 99久久人妻综合| 成人亚洲精品一区在线观看| 街头女战士在线观看网站| 国产亚洲午夜精品一区二区久久| 一本一本综合久久| 国产色婷婷99| 一级,二级,三级黄色视频| 一级毛片电影观看| 国产日韩欧美视频二区| 午夜福利,免费看| 欧美日韩在线观看h| 在线观看国产h片| 在线 av 中文字幕| 中文在线观看免费www的网站| 插逼视频在线观看| 亚洲av.av天堂| 最近手机中文字幕大全| 在线免费观看不下载黄p国产| 精品亚洲乱码少妇综合久久| 麻豆成人av视频| 国产精品无大码| av在线播放精品| 久久精品国产a三级三级三级| 国产精品.久久久| 久久久久精品久久久久真实原创| 国产成人a∨麻豆精品| av在线app专区| 欧美xxⅹ黑人| 亚洲av福利一区| 97精品久久久久久久久久精品| 色5月婷婷丁香| 精华霜和精华液先用哪个| 美女xxoo啪啪120秒动态图| 免费看av在线观看网站| 99国产精品免费福利视频| 街头女战士在线观看网站| 中国国产av一级| a级毛色黄片| 黄色一级大片看看| 搡女人真爽免费视频火全软件| 日韩免费高清中文字幕av| 免费人成在线观看视频色| 亚洲av国产av综合av卡| 天堂8中文在线网| 91精品国产九色| 女人久久www免费人成看片| 亚洲欧美成人综合另类久久久| 丰满少妇做爰视频| 一级爰片在线观看| 欧美日韩一区二区视频在线观看视频在线| 免费不卡的大黄色大毛片视频在线观看| 在线 av 中文字幕| 蜜桃在线观看..| 中文欧美无线码| 91精品国产国语对白视频| 国产乱人偷精品视频| 午夜福利在线观看免费完整高清在| 亚洲精品国产色婷婷电影| 国产视频内射| 在线精品无人区一区二区三| 日韩制服骚丝袜av| 欧美精品亚洲一区二区| 亚洲欧美日韩东京热| 亚洲国产精品专区欧美| 国产精品熟女久久久久浪| 如何舔出高潮| 99热这里只有是精品50| 99精国产麻豆久久婷婷| 国产男人的电影天堂91| 国产美女午夜福利| 大又大粗又爽又黄少妇毛片口| 日韩欧美 国产精品| 国产精品三级大全| 一级黄片播放器| 麻豆成人av视频| 国产极品天堂在线| 91精品国产国语对白视频| 高清在线视频一区二区三区| 大话2 男鬼变身卡| 高清av免费在线| 免费黄色在线免费观看| 少妇的逼水好多| 国产永久视频网站| 中国国产av一级| 国产亚洲一区二区精品| 国产欧美亚洲国产| av免费观看日本| 中文字幕av电影在线播放| 亚洲图色成人| 夫妻性生交免费视频一级片| 中文精品一卡2卡3卡4更新| 女的被弄到高潮叫床怎么办| 欧美xxⅹ黑人| 久久人人爽av亚洲精品天堂| 丝瓜视频免费看黄片| 国产女主播在线喷水免费视频网站| 少妇裸体淫交视频免费看高清| 成人美女网站在线观看视频| 深夜a级毛片| 免费观看的影片在线观看| 人人妻人人爽人人添夜夜欢视频 | 午夜91福利影院| av在线老鸭窝| 亚洲欧美精品专区久久| 亚洲精品国产av成人精品| 亚洲,欧美,日韩| 欧美精品国产亚洲| 久久久久久久大尺度免费视频| 高清黄色对白视频在线免费看 | 亚洲欧美日韩东京热| 我的女老师完整版在线观看| 99热全是精品| 精品国产一区二区三区久久久樱花| 有码 亚洲区| 99久久人妻综合| 男人舔奶头视频| 亚洲综合精品二区| 国产毛片在线视频| 一本色道久久久久久精品综合| 久久99热6这里只有精品| 日本-黄色视频高清免费观看| 成人漫画全彩无遮挡| 观看免费一级毛片| av播播在线观看一区| 在线 av 中文字幕| 久久久久国产网址| 中文精品一卡2卡3卡4更新| 国产一级毛片在线| 国产成人精品无人区| 久久97久久精品| 人人妻人人看人人澡| 桃花免费在线播放| 中文乱码字字幕精品一区二区三区| 能在线免费看毛片的网站| 高清视频免费观看一区二区| 久久久久视频综合| 91精品国产九色| 国产永久视频网站| 日韩免费高清中文字幕av| 中文资源天堂在线| 国产成人91sexporn| 狂野欧美激情性bbbbbb| 五月开心婷婷网| 国产精品欧美亚洲77777| 亚洲精品中文字幕在线视频 | 国产av精品麻豆| 天堂中文最新版在线下载| 视频区图区小说| 女性被躁到高潮视频| 久久久久久久久久人人人人人人| 日韩av免费高清视频| 自线自在国产av| 3wmmmm亚洲av在线观看| 国产精品国产三级国产专区5o| 久久久久久久久久久久大奶| 性色avwww在线观看| 亚洲国产日韩一区二区| 国产亚洲最大av| 国产淫语在线视频| 免费不卡的大黄色大毛片视频在线观看| 欧美日韩亚洲高清精品| 一二三四中文在线观看免费高清| 国产午夜精品一二区理论片| 日韩中文字幕视频在线看片| 97在线人人人人妻| 久久精品国产自在天天线| 最近的中文字幕免费完整| 高清黄色对白视频在线免费看 | 国产av一区二区精品久久| 成人国产av品久久久| 国产免费福利视频在线观看| 卡戴珊不雅视频在线播放| 91精品一卡2卡3卡4卡| 99热网站在线观看| 中文字幕制服av| 91aial.com中文字幕在线观看| 国产精品一区www在线观看| h日本视频在线播放| 亚洲色图综合在线观看| 人妻一区二区av| 成人特级av手机在线观看| 国产色婷婷99| 桃花免费在线播放| 纯流量卡能插随身wifi吗| 日韩av在线免费看完整版不卡| 欧美 亚洲 国产 日韩一| 日韩熟女老妇一区二区性免费视频| 噜噜噜噜噜久久久久久91| 一级爰片在线观看| 亚洲综合色惰| 99热这里只有精品一区| 日韩av在线免费看完整版不卡| 在线 av 中文字幕| 老司机影院毛片| 91精品国产国语对白视频| 十八禁网站网址无遮挡 | 日日摸夜夜添夜夜添av毛片| 国国产精品蜜臀av免费| 久久久a久久爽久久v久久| 26uuu在线亚洲综合色| 国产精品伦人一区二区| av在线观看视频网站免费| 少妇人妻精品综合一区二区| 亚洲国产精品一区二区三区在线| 成人无遮挡网站| 免费av不卡在线播放| 黄色毛片三级朝国网站 | 久久精品久久精品一区二区三区| 色5月婷婷丁香| 丰满迷人的少妇在线观看| 精品久久久噜噜| 亚洲欧美一区二区三区国产| 在线观看www视频免费| 日本黄大片高清| 99久久综合免费| 亚洲在久久综合| 人人妻人人添人人爽欧美一区卜| 欧美老熟妇乱子伦牲交| 久久午夜综合久久蜜桃| 亚洲精华国产精华液的使用体验| 一级片'在线观看视频| 日本欧美视频一区| 一本色道久久久久久精品综合| 中文字幕人妻熟人妻熟丝袜美| 极品人妻少妇av视频| 丝瓜视频免费看黄片| 国产熟女午夜一区二区三区 | 国产无遮挡羞羞视频在线观看| 国产精品国产三级专区第一集| 中文乱码字字幕精品一区二区三区| 国产精品一区二区在线观看99| av国产精品久久久久影院| 亚洲在久久综合| 免费观看性生交大片5| 国产精品99久久久久久久久| 日韩强制内射视频| 午夜视频国产福利| a级毛片免费高清观看在线播放| 亚洲av在线观看美女高潮| 日韩制服骚丝袜av| 亚洲国产精品国产精品| 少妇人妻久久综合中文| 妹子高潮喷水视频| 少妇人妻一区二区三区视频| 亚洲精品第二区| 国产精品偷伦视频观看了| 亚洲精品成人av观看孕妇| 这个男人来自地球电影免费观看 | 一级二级三级毛片免费看| 中文字幕久久专区| 久久人人爽人人爽人人片va| 精品亚洲成a人片在线观看| 日日撸夜夜添| 亚洲精品一区蜜桃| 亚洲av男天堂| 亚洲人成网站在线播| 久久精品国产自在天天线| 熟妇人妻不卡中文字幕| 国产一区二区在线观看日韩| 狠狠精品人妻久久久久久综合| 免费观看a级毛片全部| 91精品国产九色| 国产真实伦视频高清在线观看| 国产一级毛片在线| 国产真实伦视频高清在线观看| 久热久热在线精品观看| 亚洲欧美精品专区久久| 建设人人有责人人尽责人人享有的| 国产真实伦视频高清在线观看| 国产精品一二三区在线看| 亚洲美女黄色视频免费看| 另类精品久久| 亚洲熟女精品中文字幕| 另类精品久久| 最新中文字幕久久久久| 久久久久国产精品人妻一区二区| 男女啪啪激烈高潮av片| 2021少妇久久久久久久久久久| 成人免费观看视频高清| 好男人视频免费观看在线| 成年人免费黄色播放视频 | 欧美 日韩 精品 国产| 欧美日本中文国产一区发布| 亚洲色图综合在线观看| 亚洲成色77777| 久久午夜福利片| 日本-黄色视频高清免费观看| 插阴视频在线观看视频| 欧美xxⅹ黑人| 亚洲国产精品成人久久小说| 伊人亚洲综合成人网| 麻豆乱淫一区二区| 亚洲av中文av极速乱| 超碰97精品在线观看| 99热国产这里只有精品6| 亚洲精品国产av蜜桃| 国产成人91sexporn| 日本91视频免费播放| 国产成人精品婷婷| a级一级毛片免费在线观看| 久久久精品94久久精品| 亚洲国产精品999| 久久人人爽av亚洲精品天堂| 大香蕉久久网| 日日爽夜夜爽网站| 国产av精品麻豆| 国产成人a∨麻豆精品| 在线天堂最新版资源| 老司机影院成人| 美女国产视频在线观看| 午夜精品国产一区二区电影| 国产伦精品一区二区三区视频9| 91成人精品电影| 国产成人免费观看mmmm| 男人添女人高潮全过程视频| 伦理电影免费视频| 亚洲性久久影院| 亚洲婷婷狠狠爱综合网| 欧美日韩综合久久久久久| 国内精品宾馆在线| 永久免费av网站大全| 人妻系列 视频| 欧美日韩视频精品一区| 十八禁高潮呻吟视频 | 久久久a久久爽久久v久久| 国产亚洲91精品色在线| 另类亚洲欧美激情| 久久精品久久精品一区二区三区| 亚洲成色77777| 日韩欧美精品免费久久| 交换朋友夫妻互换小说| 免费在线观看成人毛片| 日韩中字成人| av在线老鸭窝| 国产精品欧美亚洲77777| 十八禁网站网址无遮挡 | 国产成人精品福利久久| 国模一区二区三区四区视频| av网站免费在线观看视频| 国产日韩欧美视频二区| 久久精品久久久久久噜噜老黄| 丝袜喷水一区| 欧美国产精品一级二级三级 | 狂野欧美激情性xxxx在线观看| 精品人妻熟女毛片av久久网站| 美女福利国产在线| 亚洲欧美精品自产自拍| 少妇人妻精品综合一区二区| 一区在线观看完整版| 乱人伦中国视频| 人妻久久中文字幕网| 高清视频免费观看一区二区| 中文字幕高清在线视频| 欧美在线一区亚洲| 久久久久国产精品人妻一区二区| av福利片在线| 搡老岳熟女国产| 欧美精品av麻豆av| 国产成人精品在线电影|