• <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 ?

    基于混合采樣與Stacking集成的半潛式平臺(tái)警報(bào)預(yù)測(cè)模型

    2022-07-06 08:37:48李至立劉興惠李媛盧緒迪
    現(xiàn)代信息科技 2022年6期
    關(guān)鍵詞:集成學(xué)習(xí)警報(bào)

    李至立?劉興惠?李媛?盧緒迪

    摘? 要:文章旨在基于半潛式平臺(tái)系統(tǒng)故障警報(bào)分類數(shù)據(jù)集構(gòu)建故障警報(bào)預(yù)測(cè)模型。采用SMOTE過采樣與隨機(jī)欠采樣相結(jié)合的混合采樣方法對(duì)訓(xùn)練集進(jìn)行采樣,實(shí)驗(yàn)結(jié)果表明,最佳采樣率為過采樣率0.3、欠采樣率0.6,此時(shí)隨機(jī)森林在采樣后訓(xùn)練集上采用五折交叉驗(yàn)證訓(xùn)練后得到的AUC得分均值最高。同時(shí)說明了該混合采樣方法在采用了最佳的采樣率后可以較好地改善訓(xùn)練集類別不平衡問題,較大地提高模型的泛化能力。

    關(guān)鍵詞:半潛式平臺(tái);警報(bào);混合采樣;集成學(xué)習(xí)

    中圖分類號(hào):TP18;U661? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):2096-4706(2022)06-0079-03

    Alarm Prediction Model of Semi Submersible Platform Based on Composite Sampling and Stacking Integration

    LI Zhili1, LIU Xinghui1, LI Yuan1, LU Xudi2

    (1.Shandong Vheng Data Technology Co., Ltd., Yantai? 264003, China; 2.CIMC Offshore Engineering Institute Co., Ltd, Yantai? 264003, China)

    Abstract: The purpose of this paper is to build a fault alarm prediction model based on the fault alarm classification data set of semi submersible platform system. The composite sampling method combining SMOTE with random under sampling is used to sample the training set. The experimental results show that the optimal sampling rate is 0.3 for over sampling and 0.6 for under sampling. At this time, the random forest is trained on the training set after sampling using five fold cross validation, and the mean value of AUC scores is highest. At the same time, it shows that the composite sampling method after using the best sampling rate can improve the class imbalance problem of training set and greatly improve boost the generalization ability of the model.

    Keywords: semi submersible platform; alarm; composite sampling; Ensemble Learning

    0? 引? 言

    作為資源開發(fā)的重要海洋工程裝備[1,2],半潛式平臺(tái)一般作業(yè)于環(huán)境惡劣多變的深海區(qū),平臺(tái)系統(tǒng)運(yùn)行穩(wěn)定性受到嚴(yán)峻挑戰(zhàn),故障警報(bào)信號(hào)頻發(fā)[3-7]。根據(jù)故障的嚴(yán)重性和緊急程度,警報(bào)信號(hào)分為低、中、高三個(gè)級(jí)別,其中低級(jí)警報(bào)信號(hào)數(shù)量占比98%,中高級(jí)警報(bào)信號(hào)數(shù)量?jī)H占2%。由于不同等級(jí)的警報(bào)信號(hào)數(shù)量差異巨大,收集到的故障警報(bào)分類數(shù)據(jù)集存在類別極度不均衡的問題,使分類模型具有很嚴(yán)重的偏向性,因此難以構(gòu)建泛化能力強(qiáng)的警報(bào)信號(hào)分類預(yù)測(cè)模型。機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能算法基于大數(shù)據(jù)可進(jìn)行復(fù)雜的關(guān)聯(lián)映射,構(gòu)建故障警報(bào)信號(hào)與其誘發(fā)因素間的關(guān)聯(lián)模型。本文首先采用混合采樣方法將故障警報(bào)類別不平衡訓(xùn)練數(shù)據(jù)集轉(zhuǎn)換為類別平衡訓(xùn)練數(shù)據(jù)集,然后基于該類別平衡訓(xùn)練數(shù)據(jù)集采用機(jī)器學(xué)習(xí)算法構(gòu)建平臺(tái)系統(tǒng)故障警報(bào)預(yù)測(cè)模型。

    1? 類別不平衡數(shù)據(jù)集的混合采樣方法研究

    目前解決類別不平衡問題一般采用預(yù)處理方法、算法中心方法、代價(jià)敏感方法和混合方法四種,其中預(yù)處理方法又可以細(xì)分為特征選擇方法、欠采樣方法、過采樣方法和混合采樣方法[8-10]。單一的過采樣方法容易產(chǎn)生過擬合,而僅通過欠采樣來使類別平衡容易丟失大量信息,造成欠擬合,因此本文采用將過采樣與欠采樣相結(jié)合的混合采樣方法來產(chǎn)生類別平衡訓(xùn)練數(shù)據(jù)集,設(shè)置合適的采樣率,降低類別不平衡比,既能合成少數(shù)類新樣本,彌補(bǔ)少數(shù)類樣本數(shù)量的不足,又能防止過度欠采樣,使多數(shù)類損失大量有用的信息。

    本文將配電盤綜合負(fù)載功率、綜合負(fù)載電壓、綜合負(fù)載電流、發(fā)電機(jī)功率、風(fēng)速與推進(jìn)器功率等六個(gè)因素作為建模輸入特征,將中高級(jí)故障警報(bào)信號(hào)標(biāo)記為1,低級(jí)信號(hào)標(biāo)記為0,共收集樣本20 771個(gè),其中類別1為619個(gè),類別0為20 152個(gè)。數(shù)據(jù)集劃分比例為訓(xùn)練集70%,測(cè)試集30%,測(cè)試集數(shù)據(jù)用于評(píng)估模型的泛化能力。采用SMOTE過采樣與隨機(jī)欠采樣相結(jié)合的混合采樣方法來減輕訓(xùn)練數(shù)據(jù)集的類別不平衡問題。

    采用單一的過采樣或欠采樣方法默認(rèn)將類別比例轉(zhuǎn)變?yōu)?:1,但往往不是最合適的類別比例,分類模型性能并不理想。為了獲得最佳的采樣率,本文設(shè)計(jì)了不同的過采樣率與欠采樣率組合,得到不同的混合采樣訓(xùn)練集,然后分別在不同混合采樣訓(xùn)練集上采用隨機(jī)森林算法通過五折交叉驗(yàn)證的方式以ROC_AUC作為模型的評(píng)估指標(biāo),通過比較驗(yàn)證集ROC_AUC均值的大小來獲得最佳的采樣率。SMOTE過采樣與隨機(jī)欠采樣分別通過調(diào)用類別不平衡處理庫(kù)imblearn庫(kù)中的SMOTE與RandomUnderSampler包來實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果如表1所示。E79B5F08-E8C1-4FB6-BEB0-3E7CA3828A31

    由表1可看出,隨機(jī)森林算法在由采樣組合2得到的混合采樣訓(xùn)練集上采用五折交叉驗(yàn)證訓(xùn)練后得到的驗(yàn)證集AUC得分均值最高,因此最佳采樣率是過采樣率0.3,欠采樣率0.6,即首先應(yīng)用SMOTE,將少數(shù)類別1的分布提高到多數(shù)類別0的30%,然后使用欠采樣將多數(shù)類別0的比例降低到少數(shù)類別1的60%。采樣前訓(xùn)練數(shù)據(jù)集中類別1樣本個(gè)數(shù)為440,類別0樣本個(gè)數(shù)為14 099,不平衡比為32.0;混合采樣后訓(xùn)練數(shù)據(jù)集中類別1樣本個(gè)數(shù)為4 229,類別0樣本個(gè)數(shù)為7 048,不平衡比降為0.7。

    2? 基于Stacking集成的RBXS平臺(tái)系統(tǒng)故障警報(bào)預(yù)測(cè)模型

    集成學(xué)習(xí)方法是一種通過構(gòu)建并結(jié)合多個(gè)基學(xué)習(xí)器來完成學(xué)習(xí)任務(wù)的機(jī)器學(xué)習(xí)方法。集成學(xué)習(xí)根據(jù)基學(xué)習(xí)器集成的方式方法的不同主要分為Boosting、Bagging、Stacking以及均值法、投票法等常規(guī)結(jié)合方法。本文主要涉及Boosting、Bagging、Stacking集成方法。

    2.1? 模型設(shè)計(jì)

    單一的分類器往往并不能獲得理想的擬合效果和泛化能力,因此本文提出了基于Stacking 集成的RBXS(RF-Bagging-XGBoost Stacking)模型。其中Stacking集成的第一層基分類器主要采用 RF、Bagging和XGBoost三個(gè)強(qiáng)分類模型,每一個(gè)模型都采用五折交叉驗(yàn)證的方法訓(xùn)練并輸出預(yù)測(cè)結(jié)果到第二層元分類器。第二層元分類器過于復(fù)雜易造成過擬合,所以選擇簡(jiǎn)單的邏輯回歸作為元分類器,利用第一層得到的預(yù)測(cè)數(shù)據(jù)進(jìn)行訓(xùn)練并得出最終的預(yù)測(cè)結(jié)果。模型基本結(jié)構(gòu)如圖1所示。

    2.2? 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

    本文首先采用隨機(jī)森林(Random Forest, RF)、引導(dǎo)聚集算法(Bootstrap aggregating, Bagging)、梯度提升決策樹(Gradient Boosting Decision Tree, GBDT)、自適應(yīng)提升(Adaptive Boost, Adaboost)、XGBoost(Extreme Gradient Boosting)、LightGBM(Light Gradient Boosting Machine)等單分類器建模,在混合采樣訓(xùn)練數(shù)據(jù)集上用網(wǎng)格搜索結(jié)合五折交叉驗(yàn)證的方式進(jìn)行調(diào)參。最優(yōu)參數(shù)組合如表2所示。

    為了獲得分類效果最好的Stacking集成分類器,本文設(shè)計(jì)了四種Stacking第一層基分類器組合,具體如表3所示,使用邏輯回歸作為第二層分類器。采用5折交叉驗(yàn)證訓(xùn)練這些Stacking集成模型,AUC得分取5次訓(xùn)練后驗(yàn)證集得分的均值,對(duì)比采用不同分類器組合的Stacking集成模型及各個(gè)單分類器的AUC得分。

    由表3可知,第一個(gè)基分類器組合都屬于Boosting類算法,采用Stacking集成后產(chǎn)生了過擬合,集成模型AUC得分相比單模型XGBoost及LightGBM得分有一定程度下降;第二個(gè)基分類器組合都屬于Bagging類算法,Stacking集成后相比單一基分類器的泛化能力有較大提高;第三個(gè)基分類器組合是在第二個(gè)基分類器組合基礎(chǔ)上加入泛化能力最好的單一基分類器XGBoost后,Stacking模型AUC得分略有提高;若將所有基分類器進(jìn)行Stacking集成,泛化能力反而下降。因此本文提出的Stacking集成的第一層基分類器采用 RF、Bagging和XGBoost,并選擇邏輯回歸作為元分類器。

    2.3? 模型評(píng)估

    首先在測(cè)試集上使用ROC_AUC評(píng)估指標(biāo)對(duì)采用了最優(yōu)基分類器組合的RBXS模型進(jìn)行評(píng)估,然后采用RBXS模型在原始訓(xùn)練數(shù)據(jù)集上訓(xùn)練并使用相同的測(cè)試集進(jìn)行評(píng)估,對(duì)比采樣前后模型在測(cè)試集上的泛化能力,同時(shí)繪制ROC曲線如圖2所示。

    由圖2可知,RBXS模型在未混合采樣的原始訓(xùn)練集上訓(xùn)練后,在測(cè)試集上的AUC得分為0.857(藍(lán)色虛線所示);經(jīng)過混合采樣的訓(xùn)練集上訓(xùn)練后,在相同測(cè)試集上的AUC得分提高至0.903(紅色實(shí)線所示),AUC得分提高了5.4%。由此說明SMOTE過采樣與隨機(jī)欠采樣相結(jié)合的混合采樣方法較好地改善了訓(xùn)練集類別不平衡問題,增強(qiáng)了模型對(duì)少數(shù)類別的分類效果,較大地提高了模型的泛化能力。

    3? 結(jié)? 論

    鑒于收集到的半潛式平臺(tái)系統(tǒng)故障警報(bào)數(shù)據(jù)集類別極度不均衡,難以訓(xùn)練出泛化能力強(qiáng)的警報(bào)信號(hào)分類預(yù)測(cè)模型,本文首先采用將SMOTE過采樣與隨機(jī)欠采樣相結(jié)合的混合采樣方法改善訓(xùn)練集的類別不均衡問題,然后提出了基于Stacking 集成的RBXS平臺(tái)系統(tǒng)故障警報(bào)預(yù)測(cè)模型,在混合采樣訓(xùn)練集訓(xùn)練后經(jīng)測(cè)試集評(píng)估,該模型的AUC得分達(dá)到0.903,較訓(xùn)練集未經(jīng)過采樣的測(cè)試集AUC得分提高5.4%,表明該模型具有較好的擬合效果和泛化能力,能夠較準(zhǔn)確地分辨出低級(jí)警報(bào)信號(hào)與中高級(jí)警報(bào)信號(hào)。同時(shí)說明了混合采樣方法較好地改善了訓(xùn)練集類別不平衡問題,提升了模型對(duì)少數(shù)類別的分類質(zhì)量,較大地提高了模型的泛化能力。

    參考文獻(xiàn):

    [1] 任仲福.海洋石油鉆井平臺(tái)安全風(fēng)險(xiǎn)以及風(fēng)險(xiǎn)管控分析 [J].科技創(chuàng)新與應(yīng)用,2017(27):124+126.

    [2] 閆會(huì)賓.海洋平臺(tái)結(jié)構(gòu)與設(shè)備的可靠度與風(fēng)險(xiǎn)評(píng)估 [D].杭州:浙江大學(xué),2016:1-22.

    [3] 白旭,湯榮鏗,羅小芳,等.基于故障樹分析和貝葉斯網(wǎng)絡(luò)方法的半潛式鉆井平臺(tái)系統(tǒng)多狀態(tài)可靠性分析 [J].中國(guó)造船,2020,61(2):220-228.

    [4] 羅小芳,孫宇,白旭,等.基于動(dòng)態(tài)故障樹的半潛式鉆井平臺(tái)鉆井系統(tǒng)失效風(fēng)險(xiǎn)分析 [J].船舶工程,2019,41(3):107-114.

    [5] 賈占橋. 船舶機(jī)電設(shè)備診斷方法研究 [J].內(nèi)燃機(jī)與配件,2020(19):131-132.

    [6] 李科文,冷阿偉,劉慶江,等.半潛式鉆井平臺(tái)開發(fā)方案綜合評(píng)價(jià)研究 [J].航海工程,2018,47(A01):97-100.

    [7] 劉子健,李飛.半潛式平臺(tái)適用性影響因素研究 [J].中國(guó)造船,2019(Z1):392-397.

    [8] KAUR H,PANNU H S,MALHI A K. A systematic review on imbalanced data challenges in machine learning:Applications and solutions [J].ACM Computing Surveys(CSUR),2019,52(4):1-36.

    [9] KRAWCZYK B. Learning from imbalanced data:open challenges and future directions [J]. Progress in Artificial Intelligence,2016,5(4):221-232.

    [10] GUO,H X,LI Y J,SHANG J,et al. Learning from class-imbalanced data:Review of methods and applications [J]. Expert Systems with Applications,2017,73:220-239.

    作者簡(jiǎn)介:李至立(1988.01—),男,漢族,山東濟(jì)寧人,中級(jí)工程師,碩士,2011年畢業(yè)于哈爾濱工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè),主要研究方向:大規(guī)模數(shù)據(jù)處理、分布式存儲(chǔ)與分析、商務(wù)智能等。

    收稿日期:2022-02-17

    基金項(xiàng)目:煙臺(tái)市重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2020JMRH010)E79B5F08-E8C1-4FB6-BEB0-3E7CA3828A31

    猜你喜歡
    集成學(xué)習(xí)警報(bào)
    基于北斗三號(hào)的人防警報(bào)控制系統(tǒng)及應(yīng)用
    疫情防控“警報(bào)”不除 我決不撤退
    假期終結(jié)者
    一種針對(duì)失智老人走失的警報(bào)裝置
    電子制作(2018年11期)2018-08-04 03:25:48
    是誰的責(zé)任?
    基于局部有效性的選擇性決策樹集成
    拉響夏日警報(bào)定格無痕跡美肌
    Coco薇(2017年8期)2017-08-03 20:40:58
    基于集成學(xué)習(xí)的高送轉(zhuǎn)股票研究
    基于稀疏編碼器與集成學(xué)習(xí)的文本分類
    基于屬性權(quán)重的Bagging回歸算法研究
    国产精品久久久久久久电影 | www.自偷自拍.com| 国产精品av视频在线免费观看| 精品久久久久久久毛片微露脸| 青草久久国产| 久久热在线av| 免费无遮挡裸体视频| 午夜福利在线在线| 90打野战视频偷拍视频| 美女 人体艺术 gogo| 啦啦啦韩国在线观看视频| 国产精品亚洲一级av第二区| 一进一出好大好爽视频| 俺也久久电影网| 蜜桃久久精品国产亚洲av| 国产亚洲精品综合一区在线观看 | x7x7x7水蜜桃| 女人爽到高潮嗷嗷叫在线视频| 18禁观看日本| 天堂动漫精品| 禁无遮挡网站| 午夜久久久久精精品| 曰老女人黄片| 国产精品久久久人人做人人爽| 亚洲av熟女| 又爽又黄无遮挡网站| 国产亚洲精品综合一区在线观看 | 欧美极品一区二区三区四区| 亚洲av五月六月丁香网| 国产免费av片在线观看野外av| 免费搜索国产男女视频| 欧美成人免费av一区二区三区| 亚洲一区二区三区不卡视频| 人人妻,人人澡人人爽秒播| 国产一区二区在线av高清观看| 欧美乱妇无乱码| 制服人妻中文乱码| 日本黄色视频三级网站网址| www.999成人在线观看| 国产精华一区二区三区| 看免费av毛片| www.自偷自拍.com| 男女之事视频高清在线观看| 欧美丝袜亚洲另类 | 亚洲专区中文字幕在线| or卡值多少钱| 狂野欧美激情性xxxx| 亚洲一区二区三区不卡视频| 在线观看一区二区三区| 1024视频免费在线观看| 国产精品一区二区免费欧美| 妹子高潮喷水视频| 久久香蕉国产精品| 99久久精品国产亚洲精品| 亚洲中文日韩欧美视频| 国产在线观看jvid| 亚洲五月天丁香| 国产精品久久电影中文字幕| 亚洲人成网站在线播放欧美日韩| 男女床上黄色一级片免费看| 欧美日韩福利视频一区二区| 搡老熟女国产l中国老女人| 国产精品影院久久| 听说在线观看完整版免费高清| 很黄的视频免费| 男男h啪啪无遮挡| 亚洲 国产 在线| 90打野战视频偷拍视频| av片东京热男人的天堂| 亚洲自偷自拍图片 自拍| 久久人人精品亚洲av| 日韩欧美免费精品| 成人亚洲精品av一区二区| 欧美日韩瑟瑟在线播放| 精品乱码久久久久久99久播| 操出白浆在线播放| 91在线观看av| 国产精品香港三级国产av潘金莲| 久久天躁狠狠躁夜夜2o2o| 国内久久婷婷六月综合欲色啪| 国产精品一区二区精品视频观看| 亚洲成人国产一区在线观看| 在线观看66精品国产| 少妇被粗大的猛进出69影院| 亚洲欧美日韩高清专用| 亚洲一区二区三区不卡视频| 精品国产美女av久久久久小说| 男人的好看免费观看在线视频 | 最近视频中文字幕2019在线8| xxxwww97欧美| 亚洲午夜精品一区,二区,三区| 国产av在哪里看| 久久天堂一区二区三区四区| 国产精品电影一区二区三区| 成人永久免费在线观看视频| 99久久久亚洲精品蜜臀av| 国产蜜桃级精品一区二区三区| 99国产综合亚洲精品| 91国产中文字幕| 婷婷丁香在线五月| 女人爽到高潮嗷嗷叫在线视频| 最好的美女福利视频网| 国产av不卡久久| 精品熟女少妇八av免费久了| 日日夜夜操网爽| 不卡一级毛片| 久久久久久久久久黄片| 丝袜人妻中文字幕| 中出人妻视频一区二区| 欧美乱码精品一区二区三区| 999久久久国产精品视频| 亚洲av成人av| 18禁裸乳无遮挡免费网站照片| 亚洲国产精品久久男人天堂| 不卡av一区二区三区| 亚洲精品在线观看二区| 深夜精品福利| 成人午夜高清在线视频| 日本撒尿小便嘘嘘汇集6| 亚洲欧美日韩高清在线视频| 动漫黄色视频在线观看| 久久婷婷人人爽人人干人人爱| 香蕉丝袜av| 欧美zozozo另类| 国产亚洲av嫩草精品影院| 两人在一起打扑克的视频| 日韩欧美国产在线观看| 国产熟女xx| 免费在线观看影片大全网站| 18禁黄网站禁片免费观看直播| 99精品欧美一区二区三区四区| 香蕉丝袜av| 真人一进一出gif抽搐免费| 婷婷丁香在线五月| 精品久久久久久久人妻蜜臀av| 激情在线观看视频在线高清| 国产三级中文精品| 亚洲国产精品成人综合色| 欧美大码av| 老汉色∧v一级毛片| videosex国产| svipshipincom国产片| 一区二区三区激情视频| 极品教师在线免费播放| 午夜福利成人在线免费观看| 亚洲国产高清在线一区二区三| 国产av不卡久久| e午夜精品久久久久久久| 亚洲国产精品合色在线| 亚洲精品美女久久av网站| 久久久久性生活片| 一边摸一边做爽爽视频免费| 日韩三级视频一区二区三区| 欧美日韩亚洲国产一区二区在线观看| ponron亚洲| 免费看美女性在线毛片视频| 91老司机精品| 女人高潮潮喷娇喘18禁视频| 欧美成人一区二区免费高清观看 | 在线观看舔阴道视频| www日本黄色视频网| 麻豆av在线久日| 怎么达到女性高潮| 亚洲成人精品中文字幕电影| 精品欧美国产一区二区三| 亚洲午夜理论影院| 久久精品aⅴ一区二区三区四区| 日本一二三区视频观看| 亚洲自偷自拍图片 自拍| 亚洲激情在线av| bbb黄色大片| 老司机深夜福利视频在线观看| 精品国产美女av久久久久小说| 欧美日韩福利视频一区二区| 日本成人三级电影网站| 久久久久久国产a免费观看| 国产单亲对白刺激| 日本免费一区二区三区高清不卡| 精品久久久久久久末码| 久久精品亚洲精品国产色婷小说| 99在线人妻在线中文字幕| 成人国语在线视频| 日韩欧美 国产精品| 性色av乱码一区二区三区2| 国产高清videossex| 免费在线观看影片大全网站| 中亚洲国语对白在线视频| 国产av麻豆久久久久久久| 国产一区在线观看成人免费| 一本一本综合久久| 国产精品99久久99久久久不卡| 国产精品一区二区三区四区久久| 人妻久久中文字幕网| 精品国产超薄肉色丝袜足j| 久久中文字幕人妻熟女| 成人一区二区视频在线观看| 亚洲激情在线av| 在线看三级毛片| 变态另类成人亚洲欧美熟女| 免费看美女性在线毛片视频| 国产激情欧美一区二区| 国产精品香港三级国产av潘金莲| 欧美色欧美亚洲另类二区| 小说图片视频综合网站| 亚洲精品色激情综合| 欧美日韩亚洲综合一区二区三区_| 欧美av亚洲av综合av国产av| 国产欧美日韩精品亚洲av| 青草久久国产| 黄色丝袜av网址大全| 国产伦在线观看视频一区| 欧美日韩黄片免| 日韩成人在线观看一区二区三区| 成在线人永久免费视频| 日韩有码中文字幕| 成人一区二区视频在线观看| 午夜视频精品福利| 欧美一区二区国产精品久久精品 | 不卡av一区二区三区| 国产在线观看jvid| 岛国在线免费视频观看| 亚洲欧美精品综合久久99| 中文资源天堂在线| 婷婷精品国产亚洲av在线| 一个人免费在线观看电影 | 亚洲人成网站在线播放欧美日韩| 俄罗斯特黄特色一大片| 99精品在免费线老司机午夜| 欧美午夜高清在线| 色综合欧美亚洲国产小说| 午夜视频精品福利| 给我免费播放毛片高清在线观看| 国产黄片美女视频| 在线观看美女被高潮喷水网站 | 欧美黑人精品巨大| 久久久久性生活片| 国内少妇人妻偷人精品xxx网站 | 日韩大尺度精品在线看网址| 美女大奶头视频| 制服诱惑二区| 女同久久另类99精品国产91| 亚洲av第一区精品v没综合| 高潮久久久久久久久久久不卡| 在线观看一区二区三区| 性欧美人与动物交配| 亚洲一区二区三区色噜噜| 性色av乱码一区二区三区2| 日日夜夜操网爽| 久久99热这里只有精品18| 中文字幕精品亚洲无线码一区| 精品不卡国产一区二区三区| 大型av网站在线播放| 亚洲中文日韩欧美视频| 九色成人免费人妻av| 成人亚洲精品av一区二区| 日韩精品青青久久久久久| 国产成人影院久久av| 两性午夜刺激爽爽歪歪视频在线观看 | 男人的好看免费观看在线视频 | 青草久久国产| 国产亚洲av高清不卡| 搡老妇女老女人老熟妇| 9191精品国产免费久久| 亚洲精品粉嫩美女一区| 国内精品久久久久精免费| 午夜福利欧美成人| 国产精品亚洲av一区麻豆| 黄色 视频免费看| 一夜夜www| 亚洲精品av麻豆狂野| 国产免费av片在线观看野外av| 欧美黄色淫秽网站| 久久欧美精品欧美久久欧美| 麻豆成人午夜福利视频| 日本黄色视频三级网站网址| 一边摸一边抽搐一进一小说| 曰老女人黄片| 成人午夜高清在线视频| 亚洲va日本ⅴa欧美va伊人久久| 日韩三级视频一区二区三区| 午夜精品一区二区三区免费看| 国产精品av视频在线免费观看| 国产区一区二久久| 男人舔奶头视频| 午夜福利视频1000在线观看| av福利片在线观看| 亚洲aⅴ乱码一区二区在线播放 | 嫁个100分男人电影在线观看| 亚洲自偷自拍图片 自拍| 国产亚洲欧美在线一区二区| 精品国产乱子伦一区二区三区| 国产精品香港三级国产av潘金莲| 国产69精品久久久久777片 | av在线天堂中文字幕| 久久久精品大字幕| 美女黄网站色视频| 国产片内射在线| 成人三级黄色视频| 久久精品国产99精品国产亚洲性色| 国产精品综合久久久久久久免费| 国产熟女午夜一区二区三区| 亚洲国产高清在线一区二区三| 日本 欧美在线| 黑人操中国人逼视频| 亚洲av成人av| 免费在线观看日本一区| 99精品欧美一区二区三区四区| 在线播放国产精品三级| 色综合亚洲欧美另类图片| 久久草成人影院| 国产三级中文精品| 精品一区二区三区四区五区乱码| 久久久久久九九精品二区国产 | 最好的美女福利视频网| av片东京热男人的天堂| 国产三级在线视频| 无人区码免费观看不卡| 亚洲专区中文字幕在线| 无人区码免费观看不卡| 男人舔奶头视频| 99精品久久久久人妻精品| 在线观看www视频免费| av超薄肉色丝袜交足视频| 黑人操中国人逼视频| 1024香蕉在线观看| 男人的好看免费观看在线视频 | 国产成人啪精品午夜网站| 亚洲欧美精品综合一区二区三区| 欧美av亚洲av综合av国产av| 久久久久久久精品吃奶| 精品久久久久久成人av| 欧美不卡视频在线免费观看 | 日韩欧美在线二视频| 一区二区三区高清视频在线| 一个人免费在线观看的高清视频| 一级作爱视频免费观看| 国产亚洲精品一区二区www| 亚洲全国av大片| 天天添夜夜摸| 人妻久久中文字幕网| 欧美日韩黄片免| 国产一区二区激情短视频| 少妇的丰满在线观看| 国产精品一区二区精品视频观看| 亚洲激情在线av| av福利片在线| 成人永久免费在线观看视频| 久久这里只有精品中国| 俺也久久电影网| 欧美最黄视频在线播放免费| 国产精品影院久久| 亚洲av第一区精品v没综合| 日韩欧美国产在线观看| 亚洲 国产 在线| 亚洲色图 男人天堂 中文字幕| 老司机在亚洲福利影院| 色综合站精品国产| 欧美中文综合在线视频| 成人av一区二区三区在线看| 中文字幕熟女人妻在线| 亚洲avbb在线观看| 日本黄大片高清| 免费观看人在逋| 在线播放国产精品三级| 精品电影一区二区在线| 精品国产乱码久久久久久男人| 91大片在线观看| 18禁国产床啪视频网站| 中文在线观看免费www的网站 | 啦啦啦观看免费观看视频高清| 欧美黄色片欧美黄色片| 99精品在免费线老司机午夜| 男人舔奶头视频| 国产麻豆成人av免费视频| 一进一出抽搐gif免费好疼| 久久久国产成人免费| 午夜视频精品福利| 99热6这里只有精品| 嫩草影视91久久| 亚洲人与动物交配视频| 国产精品久久久久久亚洲av鲁大| 在线看三级毛片| 国产亚洲精品第一综合不卡| 婷婷丁香在线五月| 国产精品久久久人人做人人爽| 久久久久精品国产欧美久久久| 两个人免费观看高清视频| 成人18禁在线播放| 欧美黑人欧美精品刺激| 精品国内亚洲2022精品成人| 久久久久久国产a免费观看| 一区二区三区国产精品乱码| 听说在线观看完整版免费高清| 香蕉久久夜色| 69av精品久久久久久| 国产精品国产高清国产av| 亚洲一码二码三码区别大吗| 国产精品99久久99久久久不卡| 午夜福利在线观看吧| 亚洲专区国产一区二区| 禁无遮挡网站| 大型黄色视频在线免费观看| 免费在线观看成人毛片| 精华霜和精华液先用哪个| 亚洲欧美精品综合久久99| 日韩精品免费视频一区二区三区| 欧美大码av| 国产高清视频在线观看网站| 丁香六月欧美| 久久人妻福利社区极品人妻图片| 欧美不卡视频在线免费观看 | 日本免费一区二区三区高清不卡| 国产视频内射| 国产不卡一卡二| 亚洲国产中文字幕在线视频| 欧美午夜高清在线| 成人一区二区视频在线观看| 听说在线观看完整版免费高清| 国产免费男女视频| 精品久久久久久久末码| 999精品在线视频| 一进一出抽搐动态| 亚洲国产精品sss在线观看| 欧美另类亚洲清纯唯美| 精品乱码久久久久久99久播| 麻豆一二三区av精品| 淫秽高清视频在线观看| 国产精品乱码一区二三区的特点| 日本 欧美在线| 一区二区三区激情视频| bbb黄色大片| 午夜影院日韩av| 一卡2卡三卡四卡精品乱码亚洲| 婷婷六月久久综合丁香| 怎么达到女性高潮| av在线天堂中文字幕| 757午夜福利合集在线观看| 色精品久久人妻99蜜桃| 999久久久精品免费观看国产| 亚洲人成电影免费在线| 欧美日韩瑟瑟在线播放| 日日干狠狠操夜夜爽| av福利片在线观看| 麻豆国产av国片精品| 亚洲精品在线观看二区| 欧美日韩亚洲国产一区二区在线观看| 美女大奶头视频| 在线看三级毛片| 午夜激情av网站| 在线观看www视频免费| 欧美zozozo另类| 亚洲va日本ⅴa欧美va伊人久久| 亚洲无线在线观看| 精品一区二区三区av网在线观看| 日本 av在线| 国产单亲对白刺激| 国产精品久久久久久亚洲av鲁大| tocl精华| 亚洲中文字幕日韩| 99久久无色码亚洲精品果冻| 国产成+人综合+亚洲专区| 91成年电影在线观看| 日日爽夜夜爽网站| 日韩欧美三级三区| 国产高清videossex| 亚洲片人在线观看| 老司机福利观看| 日韩成人在线观看一区二区三区| 非洲黑人性xxxx精品又粗又长| 色哟哟哟哟哟哟| 禁无遮挡网站| 一区二区三区激情视频| 日韩大码丰满熟妇| 日韩精品青青久久久久久| 婷婷丁香在线五月| 中文字幕人妻丝袜一区二区| 亚洲av成人一区二区三| av超薄肉色丝袜交足视频| 身体一侧抽搐| 免费看日本二区| 少妇被粗大的猛进出69影院| 国产av麻豆久久久久久久| 国产黄色小视频在线观看| 又紧又爽又黄一区二区| 亚洲人与动物交配视频| 国产不卡一卡二| 精品久久久久久久久久免费视频| 亚洲性夜色夜夜综合| 欧美精品亚洲一区二区| 欧美人与性动交α欧美精品济南到| av天堂在线播放| 欧美另类亚洲清纯唯美| 哪里可以看免费的av片| 在线十欧美十亚洲十日本专区| 一本久久中文字幕| 亚洲真实伦在线观看| 成人三级做爰电影| 午夜免费观看网址| 最近最新中文字幕大全电影3| 美女免费视频网站| 午夜免费观看网址| 亚洲国产精品久久男人天堂| 两个人免费观看高清视频| 国产激情久久老熟女| av天堂在线播放| 欧美日韩一级在线毛片| 三级男女做爰猛烈吃奶摸视频| 免费观看人在逋| 久久精品国产综合久久久| 国产一区二区三区在线臀色熟女| 91九色精品人成在线观看| 一个人免费在线观看电影 | 99久久综合精品五月天人人| av中文乱码字幕在线| 国产精品美女特级片免费视频播放器 | 国产又黄又爽又无遮挡在线| 午夜福利欧美成人| 国产69精品久久久久777片 | 精品久久久久久久久久免费视频| 色在线成人网| 嫁个100分男人电影在线观看| 亚洲中文字幕日韩| 日本一二三区视频观看| 久热爱精品视频在线9| 久久天躁狠狠躁夜夜2o2o| 三级男女做爰猛烈吃奶摸视频| 色播亚洲综合网| 欧美日韩精品网址| 亚洲国产欧美一区二区综合| 变态另类成人亚洲欧美熟女| 国模一区二区三区四区视频 | 一进一出抽搐gif免费好疼| av福利片在线| 此物有八面人人有两片| 午夜老司机福利片| 午夜影院日韩av| 欧美一级毛片孕妇| 国产一区二区在线观看日韩 | 亚洲自拍偷在线| 成人国语在线视频| 亚洲成人精品中文字幕电影| 国产精品永久免费网站| 一个人免费在线观看的高清视频| 女同久久另类99精品国产91| 97超级碰碰碰精品色视频在线观看| 午夜免费观看网址| 亚洲一区二区三区不卡视频| 亚洲成av人片免费观看| 亚洲美女黄片视频| 亚洲在线自拍视频| 一夜夜www| 老汉色∧v一级毛片| 成熟少妇高潮喷水视频| 日韩三级视频一区二区三区| 精品福利观看| aaaaa片日本免费| 国产一区二区三区在线臀色熟女| 久久国产精品影院| 久久久久性生活片| 丰满人妻一区二区三区视频av | aaaaa片日本免费| 亚洲成人国产一区在线观看| 一本大道久久a久久精品| 国产亚洲av嫩草精品影院| 丁香欧美五月| 一级毛片精品| 麻豆av在线久日| 午夜影院日韩av| 欧美一级a爱片免费观看看 | 欧美日韩黄片免| 91麻豆av在线| 久久精品综合一区二区三区| 婷婷精品国产亚洲av| 欧美色欧美亚洲另类二区| 亚洲男人天堂网一区| 色综合婷婷激情| 岛国在线免费视频观看| 亚洲人成网站在线播放欧美日韩| 色播亚洲综合网| 久99久视频精品免费| 午夜免费成人在线视频| 亚洲一区高清亚洲精品| av国产免费在线观看| 蜜桃久久精品国产亚洲av| 草草在线视频免费看| 欧美一级a爱片免费观看看 | 国产精品久久电影中文字幕| 日韩欧美三级三区| 男男h啪啪无遮挡| 搡老妇女老女人老熟妇| 精品不卡国产一区二区三区| 久久这里只有精品19| 草草在线视频免费看| 国产激情偷乱视频一区二区| 久久久久久久精品吃奶| 12—13女人毛片做爰片一| 精品欧美一区二区三区在线| 亚洲激情在线av| netflix在线观看网站| 最近最新中文字幕大全免费视频| 久久久久久免费高清国产稀缺| 亚洲成a人片在线一区二区| 国产精品久久久久久精品电影| 天堂av国产一区二区熟女人妻 | 观看免费一级毛片| 国产一区二区激情短视频| 欧美激情久久久久久爽电影| 后天国语完整版免费观看| 少妇人妻一区二区三区视频| 欧美大码av| 90打野战视频偷拍视频| 婷婷亚洲欧美| 亚洲色图 男人天堂 中文字幕| 在线视频色国产色| 男女那种视频在线观看|