• <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 ?

    機(jī)器學(xué)習(xí)在預(yù)測公路工程造價中的應(yīng)用分析

    2022-08-08 07:41:46
    黑龍江科學(xué) 2022年14期
    關(guān)鍵詞:機(jī)器工程造價神經(jīng)網(wǎng)絡(luò)

    劉 爽

    (齊齊哈爾大學(xué) 建筑與土木工程學(xué)院,黑龍江 齊齊哈爾 161006)

    公路運(yùn)輸是服務(wù)大眾出行的基礎(chǔ)性設(shè)施,而在公路建設(shè)中,造價預(yù)測一直是公路工程項目管理中的重點和難點。合理、準(zhǔn)確的造價能夠有效發(fā)揮其控制公路工程總造價的作用,因此快速而準(zhǔn)確地計算工程造價對公路工程項目的實施與管理具有重大的理論意義和現(xiàn)實意義。

    傳統(tǒng)的公路工程估算大多利用以下方式,但存在一些問題,比如,利用定額方法計算。定額受時間因素影響較大,預(yù)測精確度較低;而依據(jù)經(jīng)驗套用相似工程案例,預(yù)測人主觀性較強(qiáng),使得造價預(yù)測容易偏離真實情況;缺少相關(guān)單位對造價的有效監(jiān)控,且造價結(jié)果不確定性高。故此,采用傳統(tǒng)的公路工程估算辦法預(yù)測造價會使預(yù)測值與真實值產(chǎn)生較大差距,不利于成本管控的有效實施。

    近年來,計算機(jī)網(wǎng)絡(luò)技術(shù)的建模方法發(fā)展十分迅速。機(jī)器學(xué)習(xí)憑借其學(xué)習(xí)速度快、處理復(fù)雜的非線性問題能力強(qiáng)及不受人為干預(yù)等優(yōu)點深受專家學(xué)者的青睞,被廣泛應(yīng)用于各種分類、回歸和預(yù)測工作。介紹了機(jī)器學(xué)習(xí)的基本原理、常見算法和數(shù)據(jù)預(yù)處理方法,歸納總結(jié)了模型構(gòu)建的一般思路,通過分析不同算法模型的預(yù)測精度,對機(jī)器學(xué)習(xí)在預(yù)測公路工程造價中的應(yīng)用進(jìn)行了總結(jié)與展望。

    1 機(jī)器學(xué)習(xí)

    1.1 基本原理

    機(jī)器學(xué)習(xí)(machine learning)是一系列算法的總稱,算法的目的是希望從大量的數(shù)據(jù)中找到隱含的規(guī)律,并將其用于回歸、分類和預(yù)測。其基本過程是輸入訓(xùn)練數(shù)據(jù),利用特定的機(jī)器學(xué)習(xí)方法建立估計函數(shù),得到函數(shù)后向這一模型輸入測試數(shù)據(jù),函數(shù)能夠?qū)]有“見過”的數(shù)據(jù)進(jìn)行正確估計[1],如圖1所示。

    圖1 機(jī)器學(xué)習(xí)過程Fig.1 Machine learning process

    1.2 常見算法

    機(jī)器學(xué)習(xí)根據(jù)學(xué)習(xí)方式的不同可以分為監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)四類[2]。在工程實際應(yīng)用中,通常希望建立一個學(xué)習(xí)過程,將樣本輸入后的預(yù)測結(jié)果與真實值進(jìn)行比較,不斷調(diào)整預(yù)測模型,直至預(yù)測結(jié)果達(dá)到預(yù)先設(shè)定的準(zhǔn)確率為止,這樣的學(xué)習(xí)方式即為監(jiān)督學(xué)習(xí),其中BP神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)(SVM)較為常用。

    1.2.1 支持向量機(jī)

    支持向量機(jī)(SVM)是一種廣義線性分類器,在小樣本數(shù)據(jù)、非線性及高維分類等問題上具有良好的學(xué)習(xí)能力,在解決分類器的復(fù)雜性與泛化性的矛盾問題時,SVM 比傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法更加優(yōu)秀,因此受到學(xué)者們的廣泛關(guān)注和深入研究。SVM 的本質(zhì)是要找到一個令分類間隔達(dá)到最大的分類超平面。如圖2所示,“-”和“+”代表的是不同類別的線性可分?jǐn)?shù)據(jù),其中虛線代表分界線即決策面,兩條實線代表決策面雙側(cè)的極限位置,兩條實線之間的垂直距離被稱為分類間隔,位于兩條實線上的樣本即為支持向量[3]。

    圖2 SVM最優(yōu)分類平面Fig.2 SVM optimal classification platform

    1.2.2 BP神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)是在學(xué)習(xí)訓(xùn)練時采用反向傳播算法,對權(quán)值、閾值進(jìn)行動態(tài)調(diào)整的前饋神經(jīng)網(wǎng)絡(luò)。該算法具有良好的自組織、自適應(yīng)和非線性映射能力,可以處理復(fù)雜的線性與非線性關(guān)系數(shù)據(jù)[4]。

    BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖3所示,一般包括輸入層、隱含層和輸出層,可通過增加隱含層或隱含層單元數(shù)來調(diào)節(jié)網(wǎng)絡(luò)結(jié)構(gòu)。其基本算法包括信號的前向傳播及誤差的反向傳播,通過動態(tài)調(diào)整網(wǎng)絡(luò)權(quán)值、閾值,使得網(wǎng)絡(luò)輸出值與期望輸出值的誤差均方差最小,經(jīng)反復(fù)學(xué)習(xí)訓(xùn)練,直至達(dá)到預(yù)設(shè)的學(xué)習(xí)次數(shù)或滿足預(yù)定的訓(xùn)練輸出誤差[5]。

    圖3 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖Fig.3 BP neural network topology structure

    1.3 數(shù)據(jù)預(yù)處理

    為提高模型預(yù)測的精確度,可以利用SPSS對樣本數(shù)據(jù)預(yù)先進(jìn)行處理,常用的辦法有聚類分析和數(shù)據(jù)降維。

    聚類分析是一種多元的分類工具,它可以通過無監(jiān)督學(xué)習(xí)將相似樣本進(jìn)行分類。針對樣本間差異性較大的問題,通過對樣本數(shù)據(jù)聚類分析,篩選出與待估工程相似度較高的工程樣本,可以為后續(xù)模型的建立提供更加可靠的樣本數(shù)據(jù),減小預(yù)測值與真實值之間的差距,提高模型的實際應(yīng)用價值[6]。

    在分析訓(xùn)練樣本時,一般需要觀測大量的輸入變量,從而尋找其內(nèi)部規(guī)律,但變量之間可能存在一定的相關(guān)性會增加模型訓(xùn)練的復(fù)雜程度。因此,采用數(shù)據(jù)降維可以幫助減少分析變量,保留原始變量攜帶的重要信息,大大減少模型的計算負(fù)擔(dān),從而有效提高學(xué)習(xí)效率。

    1.4 模型構(gòu)建的一般步驟

    構(gòu)建公路工程造價預(yù)測模型的具體流程如圖4所示,一般步驟如下:

    圖4 預(yù)測模型的流程圖Fig.4 Flow chart of prediction model

    Step 1:收集與整理工程樣本數(shù)據(jù);

    Step 2:依據(jù)工程項目特點確定工程特征指標(biāo);

    Step 3:對樣本數(shù)據(jù)預(yù)處理;

    Step 4:確定合適的算法;

    Step 5:將處理好的樣本數(shù)據(jù)帶入模型中訓(xùn)練;

    Step 6:進(jìn)行預(yù)測值與真實值的對比分析;

    Step 7:當(dāng)誤差滿足預(yù)期值時,得出預(yù)測模型,否則重新調(diào)整算法參數(shù),返回Step 5重新進(jìn)行訓(xùn)練;

    Step 8:帶入測試樣本數(shù)據(jù)進(jìn)行驗證,如若驗證結(jié)果滿足預(yù)期誤差則確定預(yù)測模型,否則返回Step 4中重新選擇合適的算法訓(xùn)練模型。

    2 機(jī)器學(xué)習(xí)在預(yù)測公路工程造價中的應(yīng)用

    2.1 單一機(jī)器學(xué)習(xí)算法

    在研究初期,大多學(xué)者會將單一的機(jī)器學(xué)習(xí)算法應(yīng)用于公路工程造價預(yù)測,常見的有BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和徑向基神經(jīng)網(wǎng)絡(luò)等。謝穎[7]借助最小二乘支持向量機(jī)(LSSVM)在解決小樣本數(shù)據(jù)時的優(yōu)勢,建立了基于LSSVM的公路工程造價預(yù)測模型,證明了該模型的預(yù)測精度較傳統(tǒng)的回歸分析(ANN)模型有了大幅提高且訓(xùn)練速度更快。盧毅[8]篩選出11個工程特征指標(biāo),借助基因表達(dá)式編程(GEP)在搜索效率上的優(yōu)勢,設(shè)定好GEP算法的構(gòu)成要素,建立了基于GEP的造價預(yù)測模型,并利用敏感性分析模型的可行性,結(jié)果表明,該模型的相對誤差僅為5.9%,有很好的實際應(yīng)用價值。孫文凱[9]結(jié)合公路工程造價的費(fèi)用組成特點,構(gòu)建了基于總造價指數(shù)、一級指數(shù)、二級指數(shù)的分級造價模型,并利用BP神經(jīng)網(wǎng)絡(luò)的自動學(xué)習(xí)和適應(yīng)的計算方法,建立了基于分級指數(shù)的公路工程造價趨勢神經(jīng)網(wǎng)絡(luò)預(yù)測模型,為擬建項目的造價估測提供了一種科學(xué)的手段。郭鑫[10]利用OWA算子計算公路工程造價估算權(quán)重,建立了完整的基于OWA算子的公路工程造價估算模型,該模型得出的工程造價估算值與真實值較為接近,能夠解決傳統(tǒng)公路工程造價估算模型估算值與真實值偏差大的問題。劉曜瑋[11]通過統(tǒng)計分析2016—2020年我國新建高速公路的322組數(shù)據(jù),選用對多重共線性處理能力較強(qiáng)的Lasso回歸預(yù)測模型和具有強(qiáng)大學(xué)習(xí)和預(yù)測能力的XGBoost模型同時預(yù)測,最終證明XGBoost模型預(yù)測高速公路工程造價的能力更強(qiáng)。

    2.2 組合優(yōu)化機(jī)器學(xué)習(xí)算法

    單一的算法模型由于受自身函數(shù)的限制,會影響模型預(yù)測的精確度:人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測的精確度依賴大量的樣本數(shù)據(jù),在訓(xùn)練時容易產(chǎn)生過擬合現(xiàn)象且泛化能力較差;支持向量機(jī)在小樣本的預(yù)測上具有一定優(yōu)勢,可以解決過擬合問題,但無法進(jìn)行高維數(shù)據(jù)的訓(xùn)練。因此,采用合適的優(yōu)化方法可以彌補(bǔ)算法本身的不足,從而大大提高模型預(yù)測的精確度。

    2.2.1 初始權(quán)值優(yōu)化

    馬永軍[12]利用模糊神經(jīng)網(wǎng)絡(luò)計算貼近度,對工程樣本進(jìn)行科學(xué)篩選后賦予權(quán)值,帶入BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,其預(yù)測值與真實值的相對誤差僅為2.27%,達(dá)到了較為理想的預(yù)測精度。段慧錕[13]建立了以路面結(jié)構(gòu)材料、路基寬及土石方量等9個因素為基礎(chǔ)的高速公路造價指標(biāo)體系,應(yīng)用灰色系統(tǒng)理論和神經(jīng)網(wǎng)絡(luò)組合的思想建立了GN—BP模型,其結(jié)果表明:該模型具有精確的擬合精度和較為理想的泛化能力,可用于實踐。鄭曉蕾[14]運(yùn)用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練獲得了影響公路工程造價的7個主要影響因素,并構(gòu)建了基于主要特征因素與BP-GEP網(wǎng)絡(luò)的公路工程造價預(yù)測模型,結(jié)果表明:GEP網(wǎng)絡(luò)在處理公路工程造價這類非線性空間全局搜索中具備了很高的搜索效率,能有效彌補(bǔ)BP網(wǎng)絡(luò)泛化能力較低的缺陷。潘雨紅[15]結(jié)合人工神經(jīng)網(wǎng)絡(luò)模型和遺傳算法(GA)各自的優(yōu)點,將人工智能算法GA-BP模型引入公路工程造價估算中,通過實驗仿真,將該算法與BP算法結(jié)果進(jìn)行比較,驗證了優(yōu)化后的GA-BP算法不僅計算簡便、快捷,且具有較高的計算精度。楊凌雁[16]借助灰色關(guān)聯(lián)分析確定了預(yù)測指標(biāo)的權(quán)重,并通過BP神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型,通過實證研究證明,該模型預(yù)測的結(jié)果精度較高,為我國高速公路工程造價的預(yù)測提供了一種高效合理的方法。郭書翊[17]通過灰色關(guān)聯(lián)理論確定各工程的關(guān)聯(lián)程度,構(gòu)建支持向量機(jī)模型進(jìn)行造價估算并運(yùn)用MATLAB實現(xiàn)公路工程建安費(fèi)的預(yù)測,驗證了該方法的有效性。段曉晨[18]運(yùn)用自組織SOM網(wǎng)絡(luò)對WLCS模型分析結(jié)果進(jìn)行特征抽取,并驗證其對類似工程的確定,結(jié)果表明:WLCS的SOM-RBF網(wǎng)絡(luò)模型可以有效減少估價計算量,并提高估價精度。

    2.2.2 群體智能參數(shù)尋優(yōu)

    群體智能優(yōu)化的基本思想是模擬自然界生物群體的覓食行為而構(gòu)建的優(yōu)化算法。該算法易于實現(xiàn),并具有較強(qiáng)的并行處理能力和全局優(yōu)化能力,能夠在沒有集中控制的前提下,為解決復(fù)雜的函數(shù)參數(shù)尋優(yōu)提供了一種新方案[19]。王首緒[20]結(jié)合神經(jīng)網(wǎng)絡(luò)和麻雀搜索算法(SAS)的特點,提出基于SSA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的造價預(yù)測模型,并將SSA—BP算法預(yù)測結(jié)果與BP、RBF神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進(jìn)行比較,結(jié)果表明:SSA優(yōu)化BP后的相對誤差在0.79%~3.57%,優(yōu)于其他兩種模型,可以為農(nóng)村公路前期投資估算工作提供幫助。汪學(xué)清[21]通過PCA算法提取工程主要特征指標(biāo),引入粒子群算法對LSSVM模型參數(shù)進(jìn)行優(yōu)化,利用Libsvm工具箱進(jìn)行訓(xùn)練與仿真測試,結(jié)果表明:粒子群優(yōu)化后的LSSVM 模型的預(yù)測精度要高于未經(jīng)優(yōu)化的最小二乘支持向量機(jī)模型和 BP 神經(jīng)網(wǎng)絡(luò)(表1),為高速公路工程造價預(yù)測提供了新途徑。

    表1 三種模型對比分析[21]Tab.1 Comparative analysis of three kinds of models

    3 總結(jié)與展望

    相比傳統(tǒng)的公路工程估算辦法,機(jī)器學(xué)習(xí)可以處理復(fù)雜的非線性工程數(shù)據(jù),避免了繁冗的計算工作,節(jié)省了大量的人力物力。將特征指標(biāo)輸入預(yù)測模型可得出最終造價,減少了人為因素的影響,提高了工程造價的預(yù)測精度。但單一的機(jī)器學(xué)習(xí)由于算法自身的限制,在預(yù)測結(jié)果上表現(xiàn)一般,因此引入權(quán)重和參數(shù)優(yōu)化辦法,可以改善算法本身的不足,提高模型預(yù)測的精確度。

    公路工程造價預(yù)測的意義在于借助新興技術(shù)快速而準(zhǔn)確地計算出待估工程的造價,其可從兩方面進(jìn)行展望:一是公路工程造價的預(yù)測依賴于大量的已建工程數(shù)據(jù),建立系統(tǒng)而全面的工程數(shù)據(jù)庫可以為研究提供良好的數(shù)據(jù)基礎(chǔ)。二是深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的研究熱點被廣泛應(yīng)用,但其在公路造價預(yù)測上的應(yīng)用還并未得到挖掘??梢越柚湓谔卣髦笜?biāo)和數(shù)據(jù)處理上的優(yōu)勢,將其應(yīng)用于公路工程造價預(yù)測,以實現(xiàn)預(yù)測精度的進(jìn)一步提升。

    猜你喜歡
    機(jī)器工程造價神經(jīng)網(wǎng)絡(luò)
    機(jī)器狗
    機(jī)器狗
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    如何加強(qiáng)工程造價管理有效的控制工程造價
    未來機(jī)器城
    電影(2018年8期)2018-09-21 08:00:06
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    工程造價之旅
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    無敵機(jī)器蛛
    基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    亚洲精品影视一区二区三区av| 国产一区二区在线观看日韩 | 久久久久免费精品人妻一区二区| 怎么达到女性高潮| 成人高潮视频无遮挡免费网站| 精品不卡国产一区二区三区| 亚洲av成人不卡在线观看播放网| 少妇的逼好多水| 久久久久九九精品影院| 久久伊人香网站| 日韩国内少妇激情av| 不卡一级毛片| 精品国产三级普通话版| 俄罗斯特黄特色一大片| 无人区码免费观看不卡| 色视频www国产| xxxwww97欧美| 国产淫片久久久久久久久 | 亚洲精品日韩av片在线观看 | 91久久精品国产一区二区成人 | 久久久精品大字幕| 欧美一级a爱片免费观看看| 亚洲在线自拍视频| 日日夜夜操网爽| 欧美高清成人免费视频www| 无限看片的www在线观看| 少妇高潮的动态图| 在线观看66精品国产| 国内少妇人妻偷人精品xxx网站| 丰满人妻一区二区三区视频av | 亚洲成av人片在线播放无| 欧美一区二区精品小视频在线| 97超视频在线观看视频| 欧美色视频一区免费| 黑人欧美特级aaaaaa片| 成人av一区二区三区在线看| 欧美日韩中文字幕国产精品一区二区三区| 欧美色视频一区免费| 欧美一级a爱片免费观看看| 欧美三级亚洲精品| 哪里可以看免费的av片| 真人一进一出gif抽搐免费| 制服人妻中文乱码| 亚洲成人免费电影在线观看| 亚洲18禁久久av| 午夜免费激情av| 国产精品永久免费网站| 日本黄色视频三级网站网址| АⅤ资源中文在线天堂| 亚洲人成电影免费在线| 亚洲午夜理论影院| 欧美在线黄色| 色精品久久人妻99蜜桃| 观看免费一级毛片| 三级国产精品欧美在线观看| 亚洲精品美女久久久久99蜜臀| 午夜免费激情av| 黑人欧美特级aaaaaa片| 国产乱人视频| 亚洲av成人av| 午夜精品久久久久久毛片777| 亚洲在线观看片| 亚洲 欧美 日韩 在线 免费| 丰满乱子伦码专区| 国产成人aa在线观看| 丁香六月欧美| 大型黄色视频在线免费观看| 少妇裸体淫交视频免费看高清| 操出白浆在线播放| 亚洲无线观看免费| 欧美av亚洲av综合av国产av| 狠狠狠狠99中文字幕| 色综合欧美亚洲国产小说| 特级一级黄色大片| 国产高清激情床上av| 中国美女看黄片| 国产 一区 欧美 日韩| 麻豆成人av在线观看| 色噜噜av男人的天堂激情| 狠狠狠狠99中文字幕| 精品99又大又爽又粗少妇毛片 | 在线观看舔阴道视频| 日韩精品青青久久久久久| 丰满乱子伦码专区| 欧美日韩亚洲国产一区二区在线观看| 亚洲精品在线美女| 国产精品爽爽va在线观看网站| 国产成人av教育| 亚洲av中文字字幕乱码综合| 亚洲国产精品sss在线观看| 午夜福利免费观看在线| 亚洲精品影视一区二区三区av| 中文字幕精品亚洲无线码一区| 久久久久精品国产欧美久久久| 女同久久另类99精品国产91| 国产精品一区二区三区四区久久| 一级黄片播放器| 免费一级毛片在线播放高清视频| 无遮挡黄片免费观看| 日韩欧美免费精品| 精品人妻一区二区三区麻豆 | 亚洲国产精品成人综合色| 亚洲人成网站在线播| 老司机在亚洲福利影院| 99在线人妻在线中文字幕| 日韩有码中文字幕| 亚洲精品456在线播放app | 亚洲成人中文字幕在线播放| 色精品久久人妻99蜜桃| 国产成人av激情在线播放| 精品电影一区二区在线| 18禁在线播放成人免费| 亚洲不卡免费看| 变态另类成人亚洲欧美熟女| 88av欧美| 亚洲成人久久爱视频| 丁香六月欧美| 成人三级黄色视频| 老鸭窝网址在线观看| 中文字幕人妻熟人妻熟丝袜美 | 国产日本99.免费观看| 免费一级毛片在线播放高清视频| 网址你懂的国产日韩在线| 国产成人系列免费观看| 亚洲五月婷婷丁香| 亚洲国产欧美网| 亚洲精品日韩av片在线观看 | 两性午夜刺激爽爽歪歪视频在线观看| 国产精品免费一区二区三区在线| 久久久国产成人免费| 人人妻人人看人人澡| 亚洲自拍偷在线| 欧美激情在线99| 国产av一区在线观看免费| 亚洲国产高清在线一区二区三| 亚洲一区二区三区色噜噜| 动漫黄色视频在线观看| 精品国产超薄肉色丝袜足j| 国产爱豆传媒在线观看| 亚洲自拍偷在线| 亚洲精品色激情综合| 亚洲黑人精品在线| 在线观看日韩欧美| 欧美极品一区二区三区四区| 午夜视频国产福利| 精品国产亚洲在线| 一级a爱片免费观看的视频| 久久精品综合一区二区三区| 亚洲黑人精品在线| 国产成人欧美在线观看| 看免费av毛片| 欧美+日韩+精品| 日本熟妇午夜| 美女黄网站色视频| 在线看三级毛片| 757午夜福利合集在线观看| 国产91精品成人一区二区三区| 禁无遮挡网站| 成人精品一区二区免费| 久久亚洲精品不卡| av女优亚洲男人天堂| 国产精品亚洲美女久久久| 国产蜜桃级精品一区二区三区| 麻豆成人午夜福利视频| 在线十欧美十亚洲十日本专区| 国内揄拍国产精品人妻在线| 桃红色精品国产亚洲av| 日日夜夜操网爽| 国产成人系列免费观看| 午夜精品久久久久久毛片777| 国产午夜精品论理片| 久久婷婷人人爽人人干人人爱| 国产精品久久久久久人妻精品电影| 国产又黄又爽又无遮挡在线| 国产乱人视频| 99riav亚洲国产免费| 免费一级毛片在线播放高清视频| www.色视频.com| 18禁裸乳无遮挡免费网站照片| 欧美大码av| 91久久精品电影网| av视频在线观看入口| 亚洲精品乱码久久久v下载方式 | 精品99又大又爽又粗少妇毛片 | 日本成人三级电影网站| a级毛片a级免费在线| 老司机午夜福利在线观看视频| 三级男女做爰猛烈吃奶摸视频| 亚洲熟妇熟女久久| 校园春色视频在线观看| 又粗又爽又猛毛片免费看| 欧美成人性av电影在线观看| 啦啦啦观看免费观看视频高清| 精品人妻1区二区| 69av精品久久久久久| 制服人妻中文乱码| 啦啦啦免费观看视频1| 日韩亚洲欧美综合| 伊人久久精品亚洲午夜| 亚洲熟妇熟女久久| 欧美中文综合在线视频| 国语自产精品视频在线第100页| 免费电影在线观看免费观看| www国产在线视频色| 黄色成人免费大全| 听说在线观看完整版免费高清| 国产在视频线在精品| 亚洲中文字幕日韩| 观看美女的网站| 淫妇啪啪啪对白视频| 一进一出抽搐gif免费好疼| 欧美激情在线99| 国产欧美日韩精品一区二区| 国产野战对白在线观看| 亚洲aⅴ乱码一区二区在线播放| 精品久久久久久久久久久久久| 97碰自拍视频| 日韩高清综合在线| 国产亚洲精品一区二区www| 精品乱码久久久久久99久播| 色综合欧美亚洲国产小说| 每晚都被弄得嗷嗷叫到高潮| 日本 欧美在线| 国产激情偷乱视频一区二区| 久久这里只有精品中国| 桃色一区二区三区在线观看| 国产亚洲精品久久久久久毛片| 九九热线精品视视频播放| 亚洲精品乱码久久久v下载方式 | 午夜久久久久精精品| 欧美+亚洲+日韩+国产| 国产乱人伦免费视频| 变态另类丝袜制服| 国产亚洲欧美98| 国产伦一二天堂av在线观看| 亚洲成a人片在线一区二区| 国产综合懂色| av天堂中文字幕网| 国产高清视频在线观看网站| 嫩草影院精品99| 色播亚洲综合网| 亚洲男人的天堂狠狠| 搡老熟女国产l中国老女人| 2021天堂中文幕一二区在线观| 国产精品精品国产色婷婷| 国产成人av教育| 国产av麻豆久久久久久久| ponron亚洲| 久久久久久久久大av| 俄罗斯特黄特色一大片| bbb黄色大片| 天堂影院成人在线观看| 婷婷亚洲欧美| 色在线成人网| 免费看美女性在线毛片视频| 给我免费播放毛片高清在线观看| 成年免费大片在线观看| 人人妻人人看人人澡| 欧美一区二区精品小视频在线| 变态另类丝袜制服| 男人和女人高潮做爰伦理| 国产高清三级在线| 久久国产精品影院| 搡老岳熟女国产| 久久6这里有精品| 国产69精品久久久久777片| 成人国产综合亚洲| 九九久久精品国产亚洲av麻豆| 国产高清视频在线观看网站| 少妇裸体淫交视频免费看高清| 岛国在线观看网站| 久久久久亚洲av毛片大全| 国产不卡一卡二| 少妇裸体淫交视频免费看高清| 99热6这里只有精品| 欧美一级a爱片免费观看看| 亚洲国产高清在线一区二区三| 他把我摸到了高潮在线观看| 国产亚洲精品久久久com| 黑人欧美特级aaaaaa片| 免费看光身美女| 亚洲专区中文字幕在线| 亚洲国产欧洲综合997久久,| 亚洲欧美日韩高清专用| 国产成人a区在线观看| 变态另类成人亚洲欧美熟女| 国产一区在线观看成人免费| 久久久国产精品麻豆| 国产日本99.免费观看| 国产探花极品一区二区| 午夜a级毛片| 日韩欧美精品免费久久 | 午夜福利免费观看在线| 丁香欧美五月| 午夜免费观看网址| 男人和女人高潮做爰伦理| 日韩大尺度精品在线看网址| 亚洲电影在线观看av| 久久亚洲精品不卡| 一区二区三区免费毛片| 天堂影院成人在线观看| 欧美区成人在线视频| 丰满人妻一区二区三区视频av | 国产视频内射| 亚洲va日本ⅴa欧美va伊人久久| 日本五十路高清| 中文字幕熟女人妻在线| 婷婷丁香在线五月| 在线天堂最新版资源| 久久久久久久午夜电影| 国产视频内射| 日韩国内少妇激情av| www.色视频.com| 欧美成狂野欧美在线观看| 中文字幕av在线有码专区| 成人三级黄色视频| 桃红色精品国产亚洲av| a级一级毛片免费在线观看| 午夜免费成人在线视频| 超碰av人人做人人爽久久 | 成人一区二区视频在线观看| 成人特级黄色片久久久久久久| 国产私拍福利视频在线观看| 精品熟女少妇八av免费久了| 成人精品一区二区免费| 亚洲欧美日韩无卡精品| 99国产精品一区二区蜜桃av| 国产又黄又爽又无遮挡在线| 亚洲成人免费电影在线观看| 综合色av麻豆| 少妇的丰满在线观看| 女同久久另类99精品国产91| 九色成人免费人妻av| 国产日本99.免费观看| 少妇熟女aⅴ在线视频| 在线观看一区二区三区| 日本黄色片子视频| 国产成人系列免费观看| 老司机福利观看| 丁香欧美五月| 欧美另类亚洲清纯唯美| 国产真实伦视频高清在线观看 | 一级黄色大片毛片| 亚洲美女黄片视频| 偷拍熟女少妇极品色| 亚洲国产精品久久男人天堂| 久久久久久人人人人人| 少妇裸体淫交视频免费看高清| www.熟女人妻精品国产| 三级国产精品欧美在线观看| 日本免费a在线| xxx96com| 亚洲真实伦在线观看| 亚洲精品影视一区二区三区av| 精品一区二区三区av网在线观看| 国产精品久久久久久亚洲av鲁大| 欧美性猛交黑人性爽| 内地一区二区视频在线| 亚洲一区二区三区色噜噜| 欧美日韩乱码在线| 亚洲人成网站在线播| 国产爱豆传媒在线观看| 欧美成人a在线观看| 看免费av毛片| 99在线人妻在线中文字幕| 怎么达到女性高潮| 19禁男女啪啪无遮挡网站| 国产在线精品亚洲第一网站| 99热只有精品国产| 黄色丝袜av网址大全| 国产一区二区三区在线臀色熟女| 国内久久婷婷六月综合欲色啪| 免费看a级黄色片| 国产精品嫩草影院av在线观看 | 亚洲第一欧美日韩一区二区三区| 亚洲精品一区av在线观看| 51国产日韩欧美| 全区人妻精品视频| 久久九九热精品免费| 国产极品精品免费视频能看的| 高清毛片免费观看视频网站| 欧美区成人在线视频| a在线观看视频网站| 国产精品1区2区在线观看.| 亚洲av熟女| 国产探花极品一区二区| 啪啪无遮挡十八禁网站| 在线a可以看的网站| 精品久久久久久久末码| 在线天堂最新版资源| 床上黄色一级片| 欧美色欧美亚洲另类二区| 中出人妻视频一区二区| 成人一区二区视频在线观看| 男人舔女人下体高潮全视频| 在线免费观看不下载黄p国产 | 国产精品 国内视频| 怎么达到女性高潮| 久久精品夜夜夜夜夜久久蜜豆| 亚洲最大成人手机在线| 又黄又爽又免费观看的视频| 日韩欧美精品v在线| 91久久精品国产一区二区成人 | 亚洲专区中文字幕在线| 香蕉丝袜av| 亚洲在线观看片| 色噜噜av男人的天堂激情| 中文字幕人成人乱码亚洲影| 99国产精品一区二区蜜桃av| 国产探花在线观看一区二区| 91av网一区二区| 成人av一区二区三区在线看| 色吧在线观看| 在线观看免费午夜福利视频| 国产精品亚洲美女久久久| av欧美777| 国产真实乱freesex| 久久精品国产综合久久久| 高清日韩中文字幕在线| 色视频www国产| 动漫黄色视频在线观看| 18禁美女被吸乳视频| 人妻丰满熟妇av一区二区三区| 美女免费视频网站| 免费在线观看亚洲国产| 全区人妻精品视频| 精品免费久久久久久久清纯| 日日摸夜夜添夜夜添小说| 黄色女人牲交| 熟女人妻精品中文字幕| 欧美不卡视频在线免费观看| 亚洲国产欧美人成| 成人18禁在线播放| 精品国产亚洲在线| 亚洲av免费高清在线观看| 亚洲电影在线观看av| 日韩亚洲欧美综合| 波多野结衣高清无吗| 嫁个100分男人电影在线观看| 精品福利观看| 性色avwww在线观看| 麻豆久久精品国产亚洲av| 99在线视频只有这里精品首页| 国产高清视频在线播放一区| 婷婷丁香在线五月| 在线天堂最新版资源| 欧美成人一区二区免费高清观看| 在线观看免费视频日本深夜| 高清毛片免费观看视频网站| 亚洲 国产 在线| x7x7x7水蜜桃| 国产真实伦视频高清在线观看 | 欧美黑人巨大hd| av福利片在线观看| 好男人在线观看高清免费视频| 亚洲成人久久性| av片东京热男人的天堂| 亚洲一区二区三区色噜噜| 日韩有码中文字幕| 午夜免费成人在线视频| 日本三级黄在线观看| 午夜免费观看网址| 中文字幕久久专区| 在线观看美女被高潮喷水网站 | 日韩欧美 国产精品| 国产成人aa在线观看| 亚洲专区中文字幕在线| 日本黄色片子视频| 久久精品国产亚洲av香蕉五月| 夜夜躁狠狠躁天天躁| 床上黄色一级片| 欧美乱码精品一区二区三区| 国产精品久久久久久人妻精品电影| 欧美最新免费一区二区三区 | av女优亚洲男人天堂| 久久精品人妻少妇| 国产69精品久久久久777片| 91av网一区二区| 在线播放国产精品三级| 日本精品一区二区三区蜜桃| 看黄色毛片网站| 亚洲性夜色夜夜综合| 日韩精品中文字幕看吧| 成人无遮挡网站| 99久久久亚洲精品蜜臀av| 熟女人妻精品中文字幕| 国产午夜精品久久久久久一区二区三区 | 国产亚洲av嫩草精品影院| 精品一区二区三区人妻视频| 可以在线观看的亚洲视频| 色在线成人网| 九色国产91popny在线| 九色成人免费人妻av| 国产成+人综合+亚洲专区| 日本 欧美在线| 两个人的视频大全免费| 中文字幕精品亚洲无线码一区| 在线观看一区二区三区| 黑人欧美特级aaaaaa片| 午夜福利免费观看在线| 国产精品99久久99久久久不卡| 日韩亚洲欧美综合| 国产av在哪里看| 高清在线国产一区| 亚洲熟妇熟女久久| 欧美激情久久久久久爽电影| 桃红色精品国产亚洲av| av天堂在线播放| 欧美中文综合在线视频| 变态另类丝袜制服| 亚洲va日本ⅴa欧美va伊人久久| 久久天躁狠狠躁夜夜2o2o| 亚洲成人久久性| e午夜精品久久久久久久| 最新中文字幕久久久久| 国产综合懂色| 叶爱在线成人免费视频播放| 国产精品久久久久久久电影 | 少妇丰满av| 亚洲天堂国产精品一区在线| 久久久久久大精品| 国产精品乱码一区二三区的特点| 午夜福利在线观看吧| 日韩精品青青久久久久久| 欧美另类亚洲清纯唯美| 88av欧美| 亚洲最大成人中文| 一本一本综合久久| 日韩成人在线观看一区二区三区| 久久久精品大字幕| 欧美性猛交黑人性爽| 国产精品乱码一区二三区的特点| 国产欧美日韩一区二区精品| 人人妻,人人澡人人爽秒播| 日韩欧美在线二视频| avwww免费| 国内久久婷婷六月综合欲色啪| 97超视频在线观看视频| 在线播放无遮挡| 国产精品久久视频播放| 国产三级中文精品| 成人18禁在线播放| 欧美性猛交黑人性爽| 亚洲国产精品合色在线| 最近在线观看免费完整版| 国产野战对白在线观看| av黄色大香蕉| 嫩草影院精品99| 国产精品久久久久久久电影 | 久久婷婷人人爽人人干人人爱| 看免费av毛片| 51午夜福利影视在线观看| 天天一区二区日本电影三级| 在线观看日韩欧美| 亚洲成人中文字幕在线播放| 国产精品一区二区免费欧美| 在线观看美女被高潮喷水网站 | 国产爱豆传媒在线观看| 精品久久久久久成人av| 亚洲内射少妇av| 色老头精品视频在线观看| 操出白浆在线播放| 男人舔女人下体高潮全视频| 窝窝影院91人妻| 亚洲国产精品成人综合色| 国内少妇人妻偷人精品xxx网站| 99久国产av精品| 久久精品影院6| 亚洲一区二区三区不卡视频| 最后的刺客免费高清国语| 嫩草影视91久久| 午夜激情欧美在线| 精品电影一区二区在线| 又爽又黄无遮挡网站| 亚洲成人精品中文字幕电影| 午夜激情欧美在线| 免费在线观看影片大全网站| 午夜福利视频1000在线观看| 亚洲人成网站在线播放欧美日韩| 夜夜爽天天搞| 欧美不卡视频在线免费观看| 一个人观看的视频www高清免费观看| 757午夜福利合集在线观看| 日韩av在线大香蕉| 国产毛片a区久久久久| 国产高清有码在线观看视频| 欧美激情久久久久久爽电影| 最近最新中文字幕大全免费视频| 手机成人av网站| 午夜免费激情av| 国产一区二区三区视频了| 成人av在线播放网站| 日韩欧美 国产精品| 国产成人aa在线观看| 午夜福利18| 日本三级黄在线观看| 亚洲av美国av| 怎么达到女性高潮| 久久久久久国产a免费观看| 亚洲中文日韩欧美视频| 18禁在线播放成人免费| 亚洲最大成人中文| 久久久久久久精品吃奶| 亚洲 欧美 日韩 在线 免费| 国产麻豆成人av免费视频| 成人国产一区最新在线观看| 99riav亚洲国产免费| 国产精品美女特级片免费视频播放器| 女同久久另类99精品国产91| 老鸭窝网址在线观看| 国产精品98久久久久久宅男小说| 亚洲欧美日韩卡通动漫| 久久久久国产精品人妻aⅴ院| 日本a在线网址| 国产乱人伦免费视频|