• <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
    久久综合国产亚洲精品| 亚洲国产精品成人久久小说| 天天躁狠狠躁夜夜躁狠狠躁| 制服丝袜香蕉在线| 免费不卡的大黄色大毛片视频在线观看| 亚洲,一卡二卡三卡| 亚洲精品第二区| 亚洲国产毛片av蜜桃av| 亚洲欧美精品自产自拍| 日韩一卡2卡3卡4卡2021年| 啦啦啦在线免费观看视频4| 久久精品久久久久久久性| 人妻 亚洲 视频| 国产成人精品久久久久久| 精品一区二区免费观看| 亚洲色图综合在线观看| 精品国产超薄肉色丝袜足j| 男人添女人高潮全过程视频| 国产成人精品久久久久久| 亚洲欧美一区二区三区黑人 | 精品第一国产精品| 久久国内精品自在自线图片| 精品一区二区三卡| 免费女性裸体啪啪无遮挡网站| 亚洲美女视频黄频| 丝袜美足系列| 亚洲伊人色综图| 大香蕉久久网| 视频区图区小说| 日日爽夜夜爽网站| 三上悠亚av全集在线观看| 亚洲在久久综合| 国产精品成人在线| 国产成人免费无遮挡视频| 丝袜在线中文字幕| 欧美最新免费一区二区三区| 十分钟在线观看高清视频www| 99九九在线精品视频| 男人舔女人的私密视频| 国产高清不卡午夜福利| 精品福利永久在线观看| 国产av精品麻豆| 久久精品国产亚洲av高清一级| 日韩精品有码人妻一区| 天天躁日日躁夜夜躁夜夜| 免费黄网站久久成人精品| 欧美日本中文国产一区发布| 最黄视频免费看| 看免费av毛片| 久久精品国产亚洲av天美| 大香蕉久久网| 各种免费的搞黄视频| 精品久久久精品久久久| 一区福利在线观看| 午夜日本视频在线| 国产精品女同一区二区软件| 黄网站色视频无遮挡免费观看| 18+在线观看网站| 亚洲精品自拍成人| 我的亚洲天堂| www.自偷自拍.com| 欧美激情高清一区二区三区 | 日韩欧美精品免费久久| 国产又爽黄色视频| 久久99一区二区三区| 午夜激情久久久久久久| 少妇熟女欧美另类| 亚洲国产日韩一区二区| av片东京热男人的天堂| 亚洲精品日本国产第一区| 亚洲三级黄色毛片| 日韩av不卡免费在线播放| 欧美中文综合在线视频| 久久久精品区二区三区| 女性生殖器流出的白浆| 一本色道久久久久久精品综合| 久久国内精品自在自线图片| 蜜桃在线观看..| 18在线观看网站| 亚洲情色 制服丝袜| 亚洲av综合色区一区| 十八禁网站网址无遮挡| 亚洲av.av天堂| av不卡在线播放| 日韩视频在线欧美| 亚洲精品日韩在线中文字幕| 亚洲色图综合在线观看| 丝瓜视频免费看黄片| 国产成人精品在线电影| 国产成人精品婷婷| 在线观看www视频免费| 欧美人与善性xxx| 成人黄色视频免费在线看| 啦啦啦中文免费视频观看日本| 女的被弄到高潮叫床怎么办| 日本-黄色视频高清免费观看| 亚洲国产欧美在线一区| 建设人人有责人人尽责人人享有的| 欧美黄色片欧美黄色片| 国产精品秋霞免费鲁丝片| 亚洲综合精品二区| 国产av一区二区精品久久| 18在线观看网站| 精品少妇久久久久久888优播| 欧美成人精品欧美一级黄| 美女高潮到喷水免费观看| 亚洲美女视频黄频| 国产精品久久久久成人av| 精品一品国产午夜福利视频| 日本色播在线视频| 高清欧美精品videossex| 欧美在线黄色| 黄片无遮挡物在线观看| 国语对白做爰xxxⅹ性视频网站| 天天躁狠狠躁夜夜躁狠狠躁| 91国产中文字幕| 91在线精品国自产拍蜜月| 女的被弄到高潮叫床怎么办| 永久网站在线| 人人妻人人添人人爽欧美一区卜| 亚洲国产成人一精品久久久| 国产免费福利视频在线观看| 青青草视频在线视频观看| 女的被弄到高潮叫床怎么办| 制服丝袜香蕉在线| 精品少妇久久久久久888优播| 久久久久久人妻| 美女脱内裤让男人舔精品视频| 大码成人一级视频| 亚洲精品中文字幕在线视频| 日本-黄色视频高清免费观看| 97在线视频观看| 黄网站色视频无遮挡免费观看| 亚洲国产日韩一区二区| 一级毛片 在线播放| 亚洲av免费高清在线观看| 日韩欧美一区视频在线观看| 国产极品粉嫩免费观看在线| 老司机亚洲免费影院| 国产又色又爽无遮挡免| 国产麻豆69| 免费日韩欧美在线观看| 久久久久国产网址| 欧美日韩亚洲国产一区二区在线观看 | 韩国高清视频一区二区三区| 女人久久www免费人成看片| av片东京热男人的天堂| 激情视频va一区二区三区| 久久女婷五月综合色啪小说| www.精华液| 国产精品久久久久久精品古装| 久久女婷五月综合色啪小说| 国产精品一区二区在线不卡| 亚洲精品一区蜜桃| 成人亚洲精品一区在线观看| av片东京热男人的天堂| 精品少妇一区二区三区视频日本电影 | 国产精品99久久99久久久不卡 | 日本色播在线视频| 9热在线视频观看99| 99re6热这里在线精品视频| 精品久久久久久电影网| 欧美日韩av久久| 人妻一区二区av| 国产精品秋霞免费鲁丝片| 在现免费观看毛片| 国产在线免费精品| 国产精品欧美亚洲77777| 丝袜在线中文字幕| 天天躁夜夜躁狠狠久久av| 综合色丁香网| 亚洲三级黄色毛片| 久久这里只有精品19| 色婷婷久久久亚洲欧美| av有码第一页| av天堂久久9| 国产深夜福利视频在线观看| 超色免费av| 满18在线观看网站| 少妇人妻 视频| 国精品久久久久久国模美| 久久久久久久大尺度免费视频| 欧美激情极品国产一区二区三区| 日本午夜av视频| 久久青草综合色| 纯流量卡能插随身wifi吗| www.av在线官网国产| 日本色播在线视频| 亚洲精品av麻豆狂野| 欧美 日韩 精品 国产| 欧美日本中文国产一区发布| 看非洲黑人一级黄片| 午夜福利视频精品| 久久精品国产a三级三级三级| 国产精品.久久久| 99香蕉大伊视频| 日日爽夜夜爽网站| 欧美av亚洲av综合av国产av | 天堂8中文在线网| 久久精品国产a三级三级三级| 国产精品 国内视频| 高清不卡的av网站| 男人添女人高潮全过程视频| 色婷婷av一区二区三区视频| 韩国av在线不卡| 人体艺术视频欧美日本| 欧美另类一区| tube8黄色片| 久久精品亚洲av国产电影网| 曰老女人黄片| 欧美日韩综合久久久久久| 男女国产视频网站| 波多野结衣av一区二区av| 超色免费av| 国产在视频线精品| 人妻一区二区av| 国产一区亚洲一区在线观看| 丝瓜视频免费看黄片| 麻豆av在线久日| 嫩草影院入口| 国产在线视频一区二区| 搡老乐熟女国产| 久久久国产欧美日韩av| 国产极品粉嫩免费观看在线| 啦啦啦啦在线视频资源| 美女大奶头黄色视频| 午夜福利视频精品| 精品人妻熟女毛片av久久网站| 中文精品一卡2卡3卡4更新| 欧美成人精品欧美一级黄| 欧美精品一区二区大全| 日韩免费高清中文字幕av| 深夜精品福利| av一本久久久久| 老熟女久久久| 欧美日韩一级在线毛片| 激情视频va一区二区三区| 亚洲国产精品一区二区三区在线| 丝袜美足系列| 国产在线免费精品| 日韩成人av中文字幕在线观看| 国产日韩欧美在线精品| av片东京热男人的天堂| 亚洲美女搞黄在线观看| 国产一区二区三区av在线| 99久国产av精品国产电影| 久久精品国产亚洲av涩爱| 日韩av免费高清视频| 欧美成人午夜免费资源| 中文字幕人妻熟女乱码| 国产精品一二三区在线看| 狠狠婷婷综合久久久久久88av| 观看美女的网站| 青春草视频在线免费观看| 免费在线观看黄色视频的| 777久久人妻少妇嫩草av网站| 色94色欧美一区二区| 丰满迷人的少妇在线观看| 欧美av亚洲av综合av国产av | 色播在线永久视频| 美女高潮到喷水免费观看| 亚洲精品国产色婷婷电影| 久久久久久久亚洲中文字幕| 精品久久久久久电影网| 国产爽快片一区二区三区| 日韩人妻精品一区2区三区| 国产免费一区二区三区四区乱码| 国产在线视频一区二区| 国产成人av激情在线播放| 精品国产一区二区三区四区第35| 一本色道久久久久久精品综合| 纯流量卡能插随身wifi吗| 2022亚洲国产成人精品| 午夜激情av网站| 免费高清在线观看日韩| 精品少妇内射三级| 亚洲中文av在线| 制服人妻中文乱码| 久久毛片免费看一区二区三区| 免费不卡的大黄色大毛片视频在线观看| 18禁动态无遮挡网站| 欧美亚洲 丝袜 人妻 在线| 国产老妇伦熟女老妇高清| 色94色欧美一区二区| 久久久久久久久免费视频了| 国产伦理片在线播放av一区| 久久久久人妻精品一区果冻| 赤兔流量卡办理| 99久久中文字幕三级久久日本| 久久久久久人人人人人| 欧美人与性动交α欧美精品济南到 | 一区福利在线观看| 熟女少妇亚洲综合色aaa.| 丁香六月天网| 日韩一卡2卡3卡4卡2021年| 飞空精品影院首页| 69精品国产乱码久久久| 免费看av在线观看网站| 黄片无遮挡物在线观看| 热re99久久精品国产66热6| 交换朋友夫妻互换小说| av女优亚洲男人天堂| 中文字幕另类日韩欧美亚洲嫩草| 国产成人免费无遮挡视频| 亚洲,欧美,日韩| 男女国产视频网站| 热99久久久久精品小说推荐| 精品一区在线观看国产| 国产成人午夜福利电影在线观看| 欧美中文综合在线视频| 一区二区日韩欧美中文字幕| 免费av中文字幕在线| 久久久久久久亚洲中文字幕| 国产一区亚洲一区在线观看| 亚洲第一av免费看| 中文字幕色久视频| 日本欧美视频一区| av网站在线播放免费| 极品少妇高潮喷水抽搐| 99热网站在线观看| 亚洲伊人色综图| 国产欧美日韩综合在线一区二区| 欧美 日韩 精品 国产| 青草久久国产| 蜜桃国产av成人99| 五月伊人婷婷丁香| 久久久久久久国产电影| 最新中文字幕久久久久| 天天躁夜夜躁狠狠躁躁| 国产麻豆69| 天天躁夜夜躁狠狠躁躁| 成人国产麻豆网| 欧美 日韩 精品 国产| 亚洲美女黄色视频免费看| 免费黄色在线免费观看| 免费高清在线观看视频在线观看| 韩国高清视频一区二区三区| 国产一区二区三区av在线| 黄网站色视频无遮挡免费观看| 亚洲一区二区三区欧美精品| 麻豆乱淫一区二区| 成人手机av| 国产精品国产三级国产专区5o| 天天操日日干夜夜撸| 亚洲av免费高清在线观看| 肉色欧美久久久久久久蜜桃| 免费日韩欧美在线观看| 亚洲av欧美aⅴ国产| 亚洲国产色片| 欧美精品人与动牲交sv欧美| 日本欧美国产在线视频| 1024香蕉在线观看| 99久久中文字幕三级久久日本| 最近2019中文字幕mv第一页| 看十八女毛片水多多多| 午夜久久久在线观看| 久久久久久人妻| 国产精品 国内视频| 久久国产亚洲av麻豆专区| h视频一区二区三区| 国产一区二区在线观看av| 在线观看www视频免费| 永久免费av网站大全| av卡一久久| 国产又色又爽无遮挡免| 十分钟在线观看高清视频www| 天堂俺去俺来也www色官网| 国产熟女欧美一区二区| 国产日韩一区二区三区精品不卡| av在线app专区| 国产精品成人在线| 婷婷色综合www| 黄片小视频在线播放| 日日撸夜夜添| 国产精品免费视频内射| 国产高清不卡午夜福利| 在线观看国产h片| 91成人精品电影| 午夜av观看不卡| 亚洲国产色片| 亚洲成色77777| 中国国产av一级| 国产精品久久久av美女十八| 日本色播在线视频| 国产精品久久久久久精品电影小说| 国产精品二区激情视频| 在线观看三级黄色| 丝瓜视频免费看黄片| 欧美日韩成人在线一区二区| 99久国产av精品国产电影| 成年人免费黄色播放视频| 国产精品免费大片| 男人舔女人的私密视频| 日韩一本色道免费dvd| 精品久久久精品久久久| 老汉色av国产亚洲站长工具| 亚洲欧洲日产国产| 女人高潮潮喷娇喘18禁视频| 久久精品亚洲av国产电影网| 国产精品嫩草影院av在线观看| 看免费成人av毛片| 伦理电影免费视频| 天天躁狠狠躁夜夜躁狠狠躁| 69精品国产乱码久久久| 日韩 亚洲 欧美在线| 在线天堂最新版资源| 成人漫画全彩无遮挡| 一级爰片在线观看| 成人国产麻豆网| 一级黄片播放器| 亚洲第一区二区三区不卡| 亚洲精品av麻豆狂野| 欧美黄色片欧美黄色片| 久久久国产一区二区| 久久人人97超碰香蕉20202| 亚洲av日韩在线播放| 国产1区2区3区精品| 蜜桃在线观看..| 在线观看三级黄色| av在线app专区| 看非洲黑人一级黄片| 国产无遮挡羞羞视频在线观看| 男女边摸边吃奶| 亚洲精品国产av成人精品| 国产一区二区三区综合在线观看| 国产精品免费大片| 女的被弄到高潮叫床怎么办| freevideosex欧美| 成年人午夜在线观看视频| 免费高清在线观看日韩| 亚洲精品久久午夜乱码| 久久久精品免费免费高清| 免费不卡的大黄色大毛片视频在线观看| 三上悠亚av全集在线观看| 亚洲美女黄色视频免费看| 亚洲精品成人av观看孕妇| 日本-黄色视频高清免费观看| 91精品伊人久久大香线蕉| 亚洲国产精品999| www.熟女人妻精品国产| 国产精品久久久av美女十八| 日韩制服骚丝袜av| 美女视频免费永久观看网站| 国产精品国产三级专区第一集| 国产精品嫩草影院av在线观看| 精品国产一区二区三区久久久樱花| 久久99热这里只频精品6学生| 少妇的逼水好多| 可以免费在线观看a视频的电影网站 | av在线播放精品| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日韩免费高清中文字幕av| 亚洲成人手机| 欧美97在线视频| 色吧在线观看| 欧美成人午夜免费资源| 26uuu在线亚洲综合色| 激情视频va一区二区三区| freevideosex欧美| 少妇 在线观看| 母亲3免费完整高清在线观看 | 国产色婷婷99| 日韩精品有码人妻一区| 婷婷成人精品国产| 日本av免费视频播放| 一边摸一边做爽爽视频免费| 成人毛片a级毛片在线播放| 超碰成人久久| 香蕉丝袜av| 精品卡一卡二卡四卡免费| 亚洲精品美女久久av网站| 美女xxoo啪啪120秒动态图| 日韩欧美一区视频在线观看| 成年女人毛片免费观看观看9 | 两个人免费观看高清视频| 久久久久视频综合| 极品少妇高潮喷水抽搐| av片东京热男人的天堂| 亚洲伊人色综图| 菩萨蛮人人尽说江南好唐韦庄| 成年av动漫网址| 国产国语露脸激情在线看| 午夜精品国产一区二区电影| 少妇被粗大猛烈的视频| 国产一级毛片在线| 街头女战士在线观看网站| 亚洲三区欧美一区| 亚洲精品视频女| 亚洲国产精品成人久久小说| 亚洲av日韩在线播放| 不卡av一区二区三区| 肉色欧美久久久久久久蜜桃| 欧美日韩国产mv在线观看视频| 看十八女毛片水多多多| av国产精品久久久久影院| 亚洲,欧美,日韩| 欧美日韩视频高清一区二区三区二| 人妻一区二区av| 日韩成人av中文字幕在线观看| 十八禁网站网址无遮挡| 午夜福利在线观看免费完整高清在| 午夜福利影视在线免费观看| 99国产综合亚洲精品| 午夜福利影视在线免费观看| 在线天堂最新版资源| 春色校园在线视频观看| 欧美激情高清一区二区三区 | 青春草国产在线视频| 国产黄色免费在线视频| 99久久精品国产国产毛片| 国产熟女欧美一区二区| 日韩免费高清中文字幕av| 一级毛片黄色毛片免费观看视频| 国产在视频线精品| 黄频高清免费视频| 中文字幕精品免费在线观看视频| 国产极品天堂在线| 新久久久久国产一级毛片| www.熟女人妻精品国产| 亚洲av电影在线进入| 亚洲欧美精品综合一区二区三区 | 一区二区三区激情视频| 一级毛片 在线播放| 亚洲精品一二三| 99久久综合免费| 日韩av在线免费看完整版不卡| 欧美成人午夜免费资源| 男女高潮啪啪啪动态图| 免费高清在线观看日韩| 韩国av在线不卡| 99热网站在线观看| 熟女av电影| 亚洲精品国产av成人精品| 在线观看免费日韩欧美大片| 在线观看人妻少妇| 国产成人av激情在线播放| 成年美女黄网站色视频大全免费| 老汉色∧v一级毛片| 中文精品一卡2卡3卡4更新| 日本黄色日本黄色录像| 久久久久精品性色| 国产极品粉嫩免费观看在线| 两个人免费观看高清视频| 嫩草影院入口| 2022亚洲国产成人精品| 日本91视频免费播放| 黄片播放在线免费| 在线看a的网站| 999精品在线视频| 成年女人毛片免费观看观看9 | 自线自在国产av| 丰满乱子伦码专区| 国产av精品麻豆| 精品国产超薄肉色丝袜足j| 可以免费在线观看a视频的电影网站 | 国产精品一区二区在线观看99| 国产精品免费视频内射| 99热网站在线观看| 人人妻人人爽人人添夜夜欢视频| 欧美国产精品va在线观看不卡| 一级,二级,三级黄色视频| 丝袜在线中文字幕| 久久这里只有精品19| 美女中出高潮动态图| 伦理电影大哥的女人| 大片免费播放器 马上看| 国产在线免费精品| 欧美 亚洲 国产 日韩一| 亚洲一区二区三区欧美精品| 午夜精品国产一区二区电影| 日韩中文字幕视频在线看片| 日韩一区二区视频免费看| 国产精品女同一区二区软件| 亚洲av电影在线进入| 在线 av 中文字幕| 亚洲人成电影观看| 久热久热在线精品观看| 免费在线观看黄色视频的| 日本欧美视频一区| 成人影院久久| 人人妻人人澡人人爽人人夜夜| 不卡av一区二区三区| 亚洲人成电影观看| 18禁观看日本| 各种免费的搞黄视频| 久久精品aⅴ一区二区三区四区 | 最近中文字幕高清免费大全6| 国产精品一区二区在线观看99| 超碰成人久久| a级毛片在线看网站| 婷婷成人精品国产| 久久久久久伊人网av| 日韩精品免费视频一区二区三区| 国产一区二区 视频在线| videosex国产| 99久国产av精品国产电影| 最新的欧美精品一区二区| 美女视频免费永久观看网站| 日韩一卡2卡3卡4卡2021年| 精品视频人人做人人爽| 国产综合精华液| 成人亚洲欧美一区二区av| 亚洲精品日本国产第一区| 国产黄频视频在线观看| 久久精品国产亚洲av天美| 大片电影免费在线观看免费| 国产毛片在线视频| 国产免费一区二区三区四区乱码| 国产成人精品久久二区二区91 | 亚洲av免费高清在线观看| 亚洲av中文av极速乱| 伊人久久国产一区二区| 最近中文字幕高清免费大全6| 1024视频免费在线观看| 免费少妇av软件|