• <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 ?

    5G核心網(wǎng)業(yè)務(wù)模型的智能化預(yù)測(cè)研究

    2022-09-03 03:23:30馮楠劉賀林周泉楊???/span>付蜜能鐘大平
    電信科學(xué) 2022年8期
    關(guān)鍵詞:核心網(wǎng)粒度預(yù)測(cè)

    馮楠,劉賀林,周泉,楊???,付蜜能,鐘大平

    (1.中國(guó)移動(dòng)通信有限公司研究院,北京 100053;2.中國(guó)移動(dòng)通信集團(tuán)有限公司,北京 100032)

    0 引言

    當(dāng)前,5G商用部署持續(xù)推進(jìn),5G將步入商業(yè)化應(yīng)用的快車道。具有“大帶寬、廣連接、低時(shí)延”技術(shù)特性的5G催生5G終端和新應(yīng)用、新場(chǎng)景的涌現(xiàn),促進(jìn)超高清視頻、云游戲、VR/AR、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等領(lǐng)域快速發(fā)展,從而導(dǎo)致來(lái)自各行各業(yè)不同領(lǐng)域的移動(dòng)智能通信設(shè)備數(shù)量以及移動(dòng)數(shù)據(jù)流量呈現(xiàn)爆炸式增長(zhǎng)[1]。據(jù)統(tǒng)計(jì),2021年前7個(gè)月國(guó)內(nèi)移動(dòng)互聯(lián)網(wǎng)累計(jì)使用數(shù)據(jù)流量1 228億GB,同比增長(zhǎng)38.1%[2]。在這種環(huán)境下,數(shù)據(jù)通信以及多媒體業(yè)務(wù)已遠(yuǎn)超傳統(tǒng)業(yè)務(wù),成為 5G移動(dòng)通信網(wǎng)中最主要的承載業(yè)務(wù)。為了承載激增的數(shù)據(jù)流量,滿足數(shù)據(jù)密集型服務(wù)擴(kuò)張的需求,5G網(wǎng)絡(luò)中用以承載數(shù)據(jù)業(yè)務(wù)的分組域核心網(wǎng)設(shè)備數(shù)量急劇增加,新一輪5G核心網(wǎng)建設(shè)將迎來(lái)高潮。

    在核心網(wǎng)建設(shè)過(guò)程中,分組業(yè)務(wù)模型的研究是非常必要的。一方面,業(yè)務(wù)模型是形成網(wǎng)絡(luò)建設(shè)規(guī)模的基礎(chǔ)。5G核心網(wǎng)建設(shè)部署需要依賴國(guó)內(nèi)運(yùn)營(yíng)商擬定的5G網(wǎng)絡(luò)業(yè)務(wù)模型。運(yùn)營(yíng)商通過(guò)建立行之有效的業(yè)務(wù)模型,統(tǒng)計(jì)并預(yù)測(cè)業(yè)務(wù)量的現(xiàn)狀和未來(lái)發(fā)展方向,為后期網(wǎng)絡(luò)建設(shè)提供更好的容量規(guī)劃以及延展性,進(jìn)而提升運(yùn)營(yíng)商的網(wǎng)絡(luò)智能化核心能力;另一方面,業(yè)務(wù)模型是影響設(shè)備硬件處理能力的重要因素之一。網(wǎng)絡(luò)功能虛擬化(network functions virtualization,NFV)是未來(lái)網(wǎng)絡(luò)發(fā)展的重要趨勢(shì),進(jìn)行NFV后,相同配置條件下的硬件處理能力主要取決于業(yè)務(wù)模型,不同的業(yè)務(wù)模型往往會(huì)導(dǎo)致相同配置條件下的硬件處理能力擁有較大差別[3-6]。因此,隨著5G核心網(wǎng)建設(shè)部署節(jié)奏的加快,關(guān)于5G核心網(wǎng)業(yè)務(wù)模型的研究也成為當(dāng)下重中之重的課題。

    針對(duì)現(xiàn)有核心網(wǎng)業(yè)務(wù)模型的建模與規(guī)劃問(wèn)題,工業(yè)界主要基于國(guó)內(nèi)運(yùn)營(yíng)商網(wǎng)絡(luò)建設(shè)經(jīng)驗(yàn)結(jié)合實(shí)驗(yàn)室數(shù)據(jù)確定業(yè)務(wù)模型的關(guān)鍵參數(shù),參數(shù)主要包括附著激活比、尋呼次數(shù)、鑒權(quán)服務(wù)器功能(authentication server function,AUSF)鑒權(quán)次數(shù)等[7-9];學(xué)術(shù)界則通過(guò)曲線擬合法分析和預(yù)測(cè)分組域業(yè)務(wù)模型,該方法基于歷史數(shù)據(jù),根據(jù)其發(fā)展規(guī)律構(gòu)建線性曲線、二次曲線、指數(shù)曲線以及冪乘曲線等數(shù)學(xué)擬合曲線,尋求某兩個(gè)變量或多個(gè)變量之間的合理關(guān)系,進(jìn)而對(duì)未來(lái)的業(yè)務(wù)趨勢(shì)和數(shù)據(jù)進(jìn)行預(yù)測(cè)[10-12]。

    本文認(rèn)為業(yè)務(wù)模型參數(shù)的取定需要依賴于5G SA各網(wǎng)元側(cè)業(yè)務(wù)量的統(tǒng)計(jì)結(jié)果,且會(huì)根據(jù)現(xiàn)網(wǎng)業(yè)務(wù)的波動(dòng)情況實(shí)時(shí)調(diào)整。這是由于業(yè)務(wù)模型各參數(shù)取值由每小時(shí)對(duì)應(yīng)參數(shù)的業(yè)務(wù)量總和/注冊(cè)用戶數(shù)/3 600所得,故現(xiàn)網(wǎng)業(yè)務(wù)波動(dòng)使業(yè)務(wù)模型各參數(shù)的取值不同。通過(guò)現(xiàn)有方法得到的理論業(yè)務(wù)模型是靜態(tài)不可變的,且缺乏符合各地市網(wǎng)絡(luò)特征(由于地區(qū)經(jīng)濟(jì)發(fā)展,用戶人口結(jié)構(gòu)、定制功能要求、組網(wǎng)等差異造成的與移動(dòng)性管理及會(huì)話管理相關(guān)的業(yè)務(wù)模型參數(shù)特征)的業(yè)務(wù)分析與預(yù)測(cè)手段,理論業(yè)務(wù)模型與實(shí)際網(wǎng)絡(luò)存在偏離,從而使5G網(wǎng)絡(luò)容量規(guī)劃與實(shí)際業(yè)務(wù)發(fā)展不匹配、規(guī)劃設(shè)備不能滿足或遠(yuǎn)大于用戶實(shí)際業(yè)務(wù)需求,造成網(wǎng)絡(luò)負(fù)載過(guò)大或資源利用率過(guò)低。

    為了克服現(xiàn)有5G網(wǎng)絡(luò)業(yè)務(wù)模型與現(xiàn)網(wǎng)模型適配性較差以及規(guī)劃設(shè)備無(wú)法滿足用戶實(shí)際業(yè)務(wù)需求的痛點(diǎn),及時(shí)制定網(wǎng)絡(luò)預(yù)優(yōu)化策略,確保網(wǎng)絡(luò)覆蓋以及滿足容量需求,本文提出了一種基于“AI+大數(shù)據(jù)”的5G核心網(wǎng)業(yè)務(wù)模型的動(dòng)態(tài)預(yù)測(cè)方法。該方法通過(guò)現(xiàn)網(wǎng)網(wǎng)管大數(shù)據(jù)采集、數(shù)據(jù)分析、構(gòu)建長(zhǎng)短期記憶(long short-term memory,LSTM)網(wǎng)絡(luò)與卷積LSTM(convolution LSTM,ConvLSTM)網(wǎng)絡(luò)雙通道數(shù)據(jù)特征提取融合學(xué)習(xí)網(wǎng)絡(luò),對(duì)未來(lái)網(wǎng)絡(luò)的運(yùn)行參數(shù)和容量進(jìn)行預(yù)測(cè),根據(jù)預(yù)測(cè)結(jié)果進(jìn)行決策反饋,以優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),實(shí)現(xiàn)網(wǎng)絡(luò)自動(dòng)部署,使能5G網(wǎng)絡(luò)智能化。經(jīng)驗(yàn)證,本文提出的LSTM與ConvLSTM的融合預(yù)測(cè)模型可用于15 min、1 h、1天多維度時(shí)間粒度指標(biāo)數(shù)據(jù)的多步預(yù)測(cè),且預(yù)測(cè)精度較高。

    1 5G核心網(wǎng)業(yè)務(wù)模型

    1.1 業(yè)務(wù)模型參數(shù)構(gòu)成

    當(dāng)前,5G核心網(wǎng)業(yè)務(wù)模型主要由網(wǎng)元配置要求、用戶面(吞吐量)、用戶數(shù)以及控制面(信令)4類參數(shù)組成。

    (1)網(wǎng)元配置要求

    網(wǎng)元配置要求主要包括接入和移動(dòng)性管理功能(access and mobility management function,AMF)接入的5G節(jié)點(diǎn)(5G node,gNode)數(shù)、每定時(shí)提前量(timing advance,TA)下的gNode數(shù)、每用戶協(xié)議數(shù)據(jù)單元(protocol data unit,PDU)會(huì)話數(shù)、每會(huì)話支持服務(wù)質(zhì)量(quality of service,QoS)流等。

    (2)用戶面(吞吐量)

    吞吐量參數(shù)主要包括 5G PDU會(huì)話數(shù)、N3/N6/N9接口流量等。

    (3)用戶數(shù)

    用戶數(shù)參數(shù)主要包括注冊(cè)用戶數(shù)、5G接入用戶數(shù)、5G手機(jī)長(zhǎng)期演進(jìn)語(yǔ)音(voice over long-term evolution,VoLTE)用戶簽約比等。

    (4)控制面(信令)

    信令參數(shù)可進(jìn)一步細(xì)分為業(yè)務(wù)信令參數(shù)和移動(dòng)性管理信令參數(shù)。

    業(yè)務(wù)信令參數(shù)與用戶使用業(yè)務(wù)行為相關(guān),主要包括忙時(shí)平均每用戶初始注冊(cè)/去注冊(cè)次數(shù)、鑒權(quán)次數(shù)、忙時(shí)平均每用戶PDU會(huì)話建立/修改/釋放次數(shù)、周期性注冊(cè)更新次數(shù)、忙時(shí)平均每用戶接入網(wǎng)(access network,AN)釋放/業(yè)務(wù)請(qǐng)求/尋呼次數(shù)等。

    移動(dòng)性管理信令參數(shù)與用戶移動(dòng)性相關(guān),主要包括忙時(shí)平均每用戶 AMF內(nèi)/間移動(dòng)引起的注冊(cè)更新、忙時(shí)平均每用戶系統(tǒng)內(nèi)Xn接口/N2接口切換次數(shù)、忙時(shí)平均每用戶 4G/5G系統(tǒng)間基于N26接口的切換次數(shù)、忙時(shí)平均每用戶4G/5G空閑態(tài)移動(dòng)切換次數(shù)。

    1.2 業(yè)務(wù)模型參數(shù)特征

    隨著5G網(wǎng)絡(luò)建設(shè)的加速,未來(lái)5G用戶數(shù)普遍以當(dāng)前LTE用戶升級(jí)而來(lái)。故而未來(lái)一段時(shí)間內(nèi),5G用戶數(shù)呈現(xiàn)穩(wěn)步增長(zhǎng)的趨勢(shì)。現(xiàn)網(wǎng)中A省與B省5G注冊(cè)用戶數(shù)如圖1所示。A省、B省10月5G注冊(cè)用戶數(shù)比2月分別增長(zhǎng)242%、976%。當(dāng)前工程建設(shè)和基于此開(kāi)展的性能測(cè)試中,均采用單一業(yè)務(wù)模型。而核心網(wǎng)中信令參數(shù)以及吞吐量參數(shù)的產(chǎn)生,主要成因在于用戶使用業(yè)務(wù)行為、用戶移動(dòng)性行為,除此之外還與網(wǎng)絡(luò)規(guī)劃組織以及簽約業(yè)務(wù)等相關(guān),而用戶行為普遍受不同省市經(jīng)濟(jì)發(fā)展差異、用戶人口結(jié)構(gòu)差異、地區(qū)組網(wǎng)差異等因素的影響。故單一業(yè)務(wù)模型難以覆蓋現(xiàn)網(wǎng)多樣差異化場(chǎng)景。A、B兩省部分話務(wù)模型參數(shù)對(duì)比見(jiàn)表1。以A、B兩省為例,B省忙時(shí)平均每用戶AMF內(nèi)N2接口切換次數(shù)比A省低60.5%,B省忙時(shí)平均每用戶AN釋放次數(shù)比A省高16.21%。結(jié)果表明各省市業(yè)務(wù)模型會(huì)呈現(xiàn)多元化差異。

    表1 A、B兩省部分話務(wù)模型參數(shù)對(duì)比

    圖1 現(xiàn)網(wǎng)中A省與B省5G注冊(cè)用戶數(shù)

    由于用戶在一段時(shí)間內(nèi)的行程或使用移動(dòng)網(wǎng)絡(luò)上網(wǎng)的行為相對(duì)規(guī)律,個(gè)人用戶行為在一段時(shí)間內(nèi)是存在規(guī)律性和延續(xù)性的,例如,一個(gè)外賣送餐小哥每日在11:00—20:00的行為可以概括為“送餐-接單-送餐-接單-……”,該行為循環(huán)往復(fù),對(duì)網(wǎng)絡(luò)層面的觸發(fā)也存在一定的規(guī)律,即“AN釋放-業(yè)務(wù)請(qǐng)求-AN釋放-業(yè)務(wù)請(qǐng)求-……”。類似地,以上班族為例,大部分上班族在工作日的7:00—9:00、17:00—20:00(上下班路上)會(huì)打開(kāi)手機(jī)流量開(kāi)關(guān)瀏覽網(wǎng)頁(yè)或追劇,故而工作日該時(shí)間段用戶面吞吐量相對(duì)其他時(shí)間段偏高。所以可以認(rèn)為核心網(wǎng)中的控制面信令和用戶面吞吐量也是存在同樣的規(guī)律性和延續(xù)性。而業(yè)務(wù)模型預(yù)測(cè)的前提是一段時(shí)間內(nèi)數(shù)據(jù)之間是存在時(shí)間相關(guān)性的。所以本文認(rèn)為可以通過(guò)用戶行為的歷史數(shù)據(jù)分析、疊加從而對(duì)網(wǎng)絡(luò)中的業(yè)務(wù)模型參數(shù)進(jìn)行一定的周期預(yù)測(cè)分析。A省單資源池7—8月忙時(shí)平均每用戶業(yè)務(wù)請(qǐng)求次數(shù)如圖2所示,該信令參數(shù)在時(shí)間上呈周期震蕩趨勢(shì),具有統(tǒng)計(jì)規(guī)律。因此,業(yè)務(wù)模型預(yù)測(cè)可以看作時(shí)間序列預(yù)測(cè)任務(wù)。

    圖2 A省單資源池7—8月忙時(shí)平均每用戶業(yè)務(wù)請(qǐng)求次數(shù)

    2 5G核心網(wǎng)業(yè)務(wù)模型智能化預(yù)測(cè)時(shí)間周期

    2.1 LSTM與ConvLSTM融合預(yù)測(cè)模型

    由于核心網(wǎng)業(yè)務(wù)模型對(duì)應(yīng)各參數(shù)在時(shí)間上具有統(tǒng)計(jì)規(guī)律,因此,核心網(wǎng)業(yè)務(wù)模型預(yù)測(cè)可以看作時(shí)間序列預(yù)測(cè)任務(wù)。在時(shí)間序列預(yù)測(cè)任務(wù)中,LSTM 擅長(zhǎng)提取長(zhǎng)時(shí)序特征,而卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)在短時(shí)序特征提取上更有優(yōu)勢(shì)[13-16]。本文提出使用LSTM與基于CNN的卷積LSTM模型ConvLSTM雙通道融合預(yù)測(cè)模型來(lái)對(duì)業(yè)務(wù)模型指標(biāo)進(jìn)行預(yù)測(cè),通過(guò)該雙通道融合預(yù)測(cè)模型,可以盡可能挖掘時(shí)間序列中隱藏的特征信息,這些特征同時(shí)包含了長(zhǎng)時(shí)序和短時(shí)序兩類特征。

    2.1.1 LSTM網(wǎng)絡(luò)模型

    早期,時(shí)間序列建模主要采用回歸模型、自回歸滑動(dòng)平均模型(auto-regressive moving average model,ARMA)、差分自回歸滑動(dòng)平均模型(auto-regressive integrated moving average model,ARIMA)。ARMA和ARIMA常用于周期性平穩(wěn)序列預(yù)測(cè),對(duì)歷史數(shù)據(jù)要求較高[17-19]。隨著深度學(xué)習(xí)的發(fā)展,大部分研究人員通過(guò)循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)對(duì)時(shí)間序列建模,以提高在數(shù)據(jù)趨勢(shì)預(yù)測(cè)中的準(zhǔn)確性。RNN在許多領(lǐng)域都有較好的表現(xiàn)[20]。但RNN每一個(gè)輸入值均只與其自身的路線建立權(quán)連接,不會(huì)與其他的神經(jīng)元連接,這樣的結(jié)構(gòu)缺陷會(huì)導(dǎo)致歷史信息在反向傳播中丟失,導(dǎo)致梯度消失和梯度爆炸現(xiàn)象的出現(xiàn)。為了解決 RNN的弊端,LSTM 被提出。LSTM和RNN的不同之處在于,LSTM在隱藏層中使用了3個(gè)門控單元,分別為輸入門、遺忘門和輸出門,用來(lái)更新或丟棄歷史信息,以控制歷史信息的流動(dòng),這也使LSTM更擅長(zhǎng)應(yīng)對(duì)時(shí)間序列預(yù)測(cè)任務(wù)[21-22]。LSTM網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。其中,σ、?、⊕分別表示sigmoid函數(shù)、兩個(gè)相同維度對(duì)應(yīng)元素的乘積組成新的向量、兩個(gè)相同維度對(duì)應(yīng)元素求和組成新的向量,對(duì)數(shù)據(jù)信息進(jìn)行過(guò)濾運(yùn)算和疊加運(yùn)算。

    圖3 LSTM網(wǎng)絡(luò)結(jié)構(gòu)

    假設(shè)一個(gè)時(shí)間序列X= {x1,x2,x3,…,xn},x1,x2,x3,… ,xn表示每一個(gè)時(shí)間點(diǎn),其中包含該時(shí)間點(diǎn)的特征信息。

    對(duì)于LSTM塊中遺忘門ft,通過(guò)Sigmoid函數(shù)激活上一層隱狀態(tài)ht?1和當(dāng)前輸入狀態(tài)xt,該激活值在[0,1]。遺忘門計(jì)算式如式(1)所示。

    對(duì)于 LSTM 塊中的輸入門it,則是控制當(dāng)前層哪些信息作為新增記憶C~加入當(dāng)前記憶狀態(tài)Ct,it同樣由Sigmoid函數(shù)激活上一層隱狀態(tài)ht?1和當(dāng)前輸入狀態(tài)xt生成,但權(quán)重與ft的權(quán)重不同。輸入門計(jì)算式如式(2)、式(3)所示。

    記憶狀態(tài)更新是通過(guò)ft控制的上一層歷史記憶狀態(tài)Ct?1與it控制的新增記憶C~共同生成當(dāng)前記憶狀態(tài)Ct,如式(4)所示。

    對(duì)于LSTM塊中輸出門οt,則是輸出當(dāng)前層的隱狀態(tài)ht,該隱狀態(tài)由tanh函數(shù)激活記憶狀態(tài)Ct生成。輸出門計(jì)算式如式(5)、式(6)所示。

    在模型訓(xùn)練結(jié)束后,除了隱藏狀態(tài)會(huì)記憶一部分歷史信息,記憶狀態(tài)還會(huì)記憶整個(gè)序列的高維隱信息,如序列的變化率、衰減率等信息。

    2.1.2 ConvLSTM網(wǎng)絡(luò)模型

    ConvLSTM 網(wǎng)絡(luò)可以較好地提取時(shí)間序列任務(wù)中的短時(shí)序特征。ConvLSTM 網(wǎng)絡(luò)模型主要通過(guò)卷積層對(duì)時(shí)序中的權(quán)值進(jìn)行計(jì)算,將時(shí)序圖中的特征提取出來(lái),并且通過(guò)將上一層的輸出當(dāng)作下一層LSTM層的輸入提取靜態(tài)時(shí)序圖的短時(shí)序特征。ConvLSTM網(wǎng)絡(luò)的主要計(jì)算式如式(7)~式(11)所示。

    其中,?表示卷積運(yùn)算,?表示Hadamard乘積。

    2.1.3 雙通道融合

    針對(duì)LSTM以及ConvLSTM模型在時(shí)間序列提取方面的特點(diǎn),本文提出了使用 LSTM 與ConvLSTM 雙通道融合預(yù)測(cè)模型來(lái)對(duì)業(yè)務(wù)模型指標(biāo)進(jìn)行預(yù)測(cè)。ConvLSTM與LSTM雙通道融合網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。LSTM與ConvLSTM輸入相同的數(shù)據(jù)源,但LSTM通道提取時(shí)間序列的長(zhǎng)時(shí)序特征,輸出長(zhǎng)時(shí)序特征張量P1={h1,h2,… ,hk};ConvLSTM 通道提取時(shí)間序列的短時(shí)序特征,輸出短時(shí)序特征張量P2= {h1′ ,h2′ ,… ,hk′}。其中,為了平衡兩通道所提取特征對(duì)最終測(cè)試結(jié)果的影響,需要保證P1與P2的維度相同,均為k,最后將兩通道經(jīng)提取的時(shí)間特征張量拼接,得到一個(gè)維度為2k的張量P,如式(12)所示。

    圖4 ConvLSTM與LSTM雙通道融合網(wǎng)絡(luò)結(jié)構(gòu)

    最后將張量P輸入全連接網(wǎng)絡(luò)層(Dense),將張量進(jìn)行維度變換,從而得到預(yù)測(cè)結(jié)果。

    與上述提到的LSTM與ConvLSTM神經(jīng)網(wǎng)絡(luò)不同的是,LSTM與ConvLSTM雙通道融合預(yù)測(cè)模型分別通過(guò)LSTM模型提取時(shí)間序列的長(zhǎng)時(shí)序特征,通過(guò)ConvLSTM提供時(shí)間序列的短時(shí)序特征,將兩通道提取的特征進(jìn)行向量拼接融合作為一個(gè)整體再輸入全連接網(wǎng)絡(luò)層中,而 LSTM 或ConvLSTM均通過(guò)對(duì)應(yīng)模型提取時(shí)間序列特征,隨后將特征直接輸入全連接網(wǎng)絡(luò)層進(jìn)行輸出。

    2.2 實(shí)驗(yàn)分析

    2.2.1 數(shù)據(jù)集

    通過(guò)采集現(xiàn)網(wǎng)業(yè)務(wù)統(tǒng)計(jì)數(shù)據(jù)得到原始性能數(shù)據(jù),包含5G SA網(wǎng)元(AMF、SMF、PCF、UDM、NRF、UPF、CHF等)各項(xiàng)性能統(tǒng)計(jì)指標(biāo)及虛擬池位置信息,單網(wǎng)元相關(guān)性能統(tǒng)計(jì)存為單個(gè)數(shù)據(jù)表,數(shù)據(jù)周期為2021年1月—8月的8個(gè)月,采樣的時(shí)間間隔為15 s,其中,前80%的數(shù)據(jù)序列用于訓(xùn)練數(shù)據(jù),后20%的數(shù)據(jù)用于測(cè)試數(shù)據(jù)。本文使用平均絕對(duì)百分比誤差(mean absolute percent error,MAPE)衡量模型的優(yōu)劣[23]。MAPE用來(lái)衡量評(píng)估預(yù)測(cè)值的準(zhǔn)確程度,MAPE是相對(duì)值,不是絕對(duì)值,MAPE越小,說(shuō)明模型預(yù)測(cè)準(zhǔn)確度越高。

    2.2.2 實(shí)驗(yàn)配置

    本文提出的LSTM與ConvLSTM融合預(yù)測(cè)模型經(jīng)多次實(shí)驗(yàn)驗(yàn)證,LSTM與ConvLSTM融合預(yù)測(cè)模型配置見(jiàn)表2。LSTM通道與ConvLSTM通道中的LSTM層互相獨(dú)立,且兩通道的輸出維度相同,以平衡兩通道所提取特征對(duì)最終測(cè)試結(jié)果的影響。

    表2 LSTM與ConvLSTM融合預(yù)測(cè)模型配置

    2.2.3 實(shí)驗(yàn)結(jié)果

    基準(zhǔn)算法結(jié)果對(duì)比如圖5所示,對(duì)比了15 min粒度下,傳統(tǒng)時(shí)間序列模型S-ARIMA、LSTM與本文提出的LSTM與ConvLSTM融合預(yù)測(cè)模型的初始注冊(cè)(amf_attinitreg)、尋呼(amf_pagatt)、鑒權(quán)(amf_auth)、周期性注冊(cè)更新(amf_regupdreq)、服務(wù)請(qǐng)求(amf_attservicereq)多個(gè)業(yè)務(wù)指標(biāo)單步預(yù)測(cè)的MAPE值。一般而言,本文認(rèn)為當(dāng)MAPE<10%時(shí),該預(yù)測(cè)模型質(zhì)量較高,可利用該模型進(jìn)行具體應(yīng)用場(chǎng)景和具體數(shù)據(jù)集的后續(xù)預(yù)測(cè)。由圖5可知,針對(duì)15 min小顆粒度業(yè)務(wù)指標(biāo),3種模型均可達(dá)到較好的業(yè)務(wù)模型指標(biāo)預(yù)測(cè)效果,但融合預(yù)測(cè)模型由于LSTM通道與 ConvLSTM 通道在數(shù)據(jù)特征提取方面的優(yōu)勢(shì)互補(bǔ),因此,融合預(yù)測(cè)模型在整體業(yè)務(wù)指標(biāo)的預(yù)測(cè)上更穩(wěn)定、更準(zhǔn)確,多指標(biāo)的MAPE值均保持在5%以下。

    圖5 基準(zhǔn)算法結(jié)果對(duì)比

    1 h粒度各指標(biāo)預(yù)測(cè)值所屬區(qū)間統(tǒng)計(jì)見(jiàn)表2,其為1 h粒度下,5G SA網(wǎng)元的共計(jì)22個(gè)業(yè)務(wù)模型對(duì)應(yīng)信令指標(biāo)單步預(yù)測(cè)的MAPE值所屬范圍區(qū)間個(gè)數(shù)統(tǒng)計(jì)。22個(gè)指標(biāo)通過(guò)使用融合預(yù)測(cè)模型進(jìn)行預(yù)測(cè),可達(dá)到100%數(shù)量的6%以下精度的預(yù)測(cè)。1 h粒度數(shù)據(jù)由4個(gè)15 min粒度疊加生成,所以1 h粒度的數(shù)據(jù)對(duì)應(yīng)波動(dòng)性更大,S-ARIMA適用于周期性明顯的數(shù)據(jù),對(duì)數(shù)據(jù)本身周期性特征要求較高,因此,S-ARIMA僅適用于小顆粒度業(yè)務(wù)模型指標(biāo)預(yù)測(cè);而LSTM擅長(zhǎng)提取長(zhǎng)時(shí)序特征,對(duì)短期波動(dòng)劇烈的業(yè)務(wù)指標(biāo)預(yù)測(cè)精度較差,因此,S-ARIMA、LSTM模型在預(yù)測(cè)時(shí),分別有68.18%、45.45%數(shù)量的指標(biāo)預(yù)測(cè)精度大于10%。

    表2 1 h粒度各指標(biāo)預(yù)測(cè)值所屬區(qū)間統(tǒng)計(jì)

    兩模型多時(shí)間粒度下的對(duì)比如圖6所示,對(duì)比了15 min、1 h、1天3種時(shí)間粒度下LSTM與LSTM& ConvLSTM 模型基于 Xn接口的切換(amf_attintraamfxn)指標(biāo)多步預(yù)測(cè)的MAPE值,與LSTM相比,LSTM & ConvLSTM可實(shí)現(xiàn)多時(shí)間粒度下該指標(biāo)的高精度預(yù)測(cè),且預(yù)測(cè)準(zhǔn)確度更高。在1 h粒度下,LSTM&ConvLSTM 模型的預(yù)測(cè)精度可達(dá)4.8%,相較于LSTM,該融合模型將預(yù)測(cè)準(zhǔn)確率提高了55%。

    圖6 兩模型多時(shí)間粒度下的對(duì)比

    1 h粒度下兩模型不同輸出步長(zhǎng)的MAPE對(duì)比如圖7所示,1 h粒度下,對(duì)于多步預(yù)測(cè),相較于LSTM,LSTM&ConvLSTM的平均MAPE更小,預(yù)測(cè)結(jié)果更好,當(dāng)輸出步長(zhǎng)大于 6時(shí),對(duì)應(yīng)LSTM&ConvLSTM預(yù)測(cè)精度明顯下降,故在1 h粒度下,LSTM&ConvLSTM可用于預(yù)測(cè)未來(lái)最多6個(gè)顆粒度輸出的預(yù)測(cè)。

    圖7 1 h粒度下兩模型不同輸出步長(zhǎng)的MAPE對(duì)比

    不同時(shí)間顆粒度下 LSTM&ConvLSTM 輸出步長(zhǎng)結(jié)果見(jiàn)表3,LSTM&ConvLSTM模型可實(shí)現(xiàn)未來(lái)4天指標(biāo)容量的高精度預(yù)測(cè)。可根據(jù)輸出的預(yù)測(cè)值,及時(shí)制定網(wǎng)絡(luò)預(yù)優(yōu)化策略,確保網(wǎng)絡(luò)覆蓋以及容量需求。

    表3 不同時(shí)間顆粒度下LSTM&ConvLSTM輸出步長(zhǎng)結(jié)果

    3 智能化預(yù)測(cè)的應(yīng)用建議

    當(dāng)前,5G、NFV迎來(lái)大規(guī)模部署期,網(wǎng)絡(luò)云化重構(gòu)、網(wǎng)絡(luò)切片等技術(shù)創(chuàng)新的加速發(fā)展促使一張網(wǎng)絡(luò)賦能千行百業(yè),網(wǎng)絡(luò)帶寬、連接規(guī)模、傳輸時(shí)延等關(guān)鍵性能指標(biāo)大幅度提升,網(wǎng)絡(luò)性能和靈活性發(fā)生了根本性改變[24-25]。與此同時(shí),5G網(wǎng)絡(luò)的靈活性和復(fù)雜性給網(wǎng)絡(luò)的運(yùn)營(yíng)、運(yùn)維帶來(lái)了前所未有的挑戰(zhàn),傳統(tǒng)運(yùn)維模式已無(wú)法滿足成本和效率的需求,采用人工智能技術(shù)實(shí)現(xiàn)網(wǎng)絡(luò)智能化成為必然趨勢(shì)。

    核心網(wǎng)業(yè)務(wù)模型是5G網(wǎng)絡(luò)容量規(guī)劃和網(wǎng)絡(luò)建設(shè)的基礎(chǔ)。業(yè)務(wù)模型各參數(shù)的預(yù)測(cè)結(jié)果可使維護(hù)人員迅速掌握網(wǎng)絡(luò)流量的規(guī)律、趨勢(shì)以便及時(shí)調(diào)控網(wǎng)絡(luò)資源。具體而言,業(yè)務(wù)模型智能化預(yù)測(cè)可考慮應(yīng)用于網(wǎng)管監(jiān)測(cè)系統(tǒng)中。利用長(zhǎng)期(季度、年度)業(yè)務(wù)模型智能化預(yù)測(cè),對(duì)網(wǎng)絡(luò)建設(shè)方案進(jìn)行精準(zhǔn)規(guī)劃,利用短期(分、時(shí))業(yè)務(wù)模型智能化預(yù)測(cè),實(shí)現(xiàn)網(wǎng)絡(luò)的自動(dòng)化彈性擴(kuò)縮容。具體實(shí)現(xiàn)方法為:通過(guò)采集北向網(wǎng)管各網(wǎng)元側(cè)的數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行異常識(shí)別、丟棄、異常處理,生成訓(xùn)練數(shù)據(jù),根據(jù)需求將數(shù)據(jù)進(jìn)行拆分,將數(shù)據(jù)進(jìn)行資源池維度、省份維度、單網(wǎng)元維度、時(shí)間粒度/維度進(jìn)行劃分,訓(xùn)練對(duì)應(yīng)維度數(shù)據(jù),構(gòu)建基于AI的多時(shí)間維度預(yù)測(cè)模型,將預(yù)測(cè)值上報(bào)給網(wǎng)管系統(tǒng),基于預(yù)測(cè)值,網(wǎng)絡(luò)進(jìn)行決策判定,將實(shí)際業(yè)務(wù)與5G網(wǎng)絡(luò)容量規(guī)劃匹配,執(zhí)行彈性擴(kuò)縮容操作,實(shí)現(xiàn)網(wǎng)絡(luò)自動(dòng)部署,以避免網(wǎng)絡(luò)負(fù)載過(guò)大或資源利用率過(guò)低情況的發(fā)生,保證系統(tǒng)運(yùn)行效率。

    4 結(jié)束語(yǔ)

    5G時(shí)代需要一個(gè)高度智能化的網(wǎng)絡(luò),將 AI引入通信網(wǎng)絡(luò)將是5G網(wǎng)絡(luò)規(guī)劃、建設(shè)、維護(hù)、優(yōu)化、運(yùn)營(yíng)的必然選擇。本文提出使用 LSTM 與ConvLSTM 雙通道融合預(yù)測(cè)模型來(lái)對(duì)業(yè)務(wù)模型指標(biāo)進(jìn)行預(yù)測(cè)。該方法通過(guò)現(xiàn)網(wǎng)網(wǎng)管大數(shù)據(jù)采集、數(shù)據(jù)分析、構(gòu)建LSTM與ConvLSTM雙通道數(shù)據(jù)特征提取融合學(xué)習(xí)網(wǎng)絡(luò),對(duì)未來(lái)網(wǎng)絡(luò)的運(yùn)行參數(shù)和容量進(jìn)行預(yù)測(cè),根據(jù)預(yù)測(cè)結(jié)果提供更加智慧、靈活的網(wǎng)絡(luò)策略,進(jìn)而實(shí)現(xiàn)人工智能賦能通信網(wǎng)絡(luò),推動(dòng)網(wǎng)絡(luò)智能化持續(xù)演進(jìn)。結(jié)果表明,本文提出的LSTM與ConvLSTM的融合預(yù)測(cè)模型可用于15 min、1 h、1天多維度時(shí)間粒度指標(biāo)數(shù)據(jù)的多步預(yù)測(cè),預(yù)測(cè)精度可達(dá)4.8%。相較于傳統(tǒng)時(shí)間序列S-ARIMA模型以及LSTM模型,該模型的預(yù)測(cè)準(zhǔn)確度更高。

    猜你喜歡
    核心網(wǎng)粒度預(yù)測(cè)
    無(wú)可預(yù)測(cè)
    黃河之聲(2022年10期)2022-09-27 13:59:46
    選修2-2期中考試預(yù)測(cè)卷(A卷)
    選修2-2期中考試預(yù)測(cè)卷(B卷)
    粉末粒度對(duì)純Re坯顯微組織與力學(xué)性能的影響
    基于矩陣的多粒度粗糙集粒度約簡(jiǎn)方法
    GSM-R核心網(wǎng)升級(jí)改造方案
    5G移動(dòng)通信核心網(wǎng)關(guān)鍵技術(shù)
    通信核心網(wǎng)技術(shù)的應(yīng)用探討
    不必預(yù)測(cè)未來(lái),只需把握現(xiàn)在
    基于粒度矩陣的程度多粒度粗糙集粒度約簡(jiǎn)
    久久国产精品影院| 午夜日韩欧美国产| 久久久久九九精品影院| 岛国视频午夜一区免费看| 午夜福利高清视频| 免费一级毛片在线播放高清视频 | 成年女人毛片免费观看观看9| or卡值多少钱| 国产又爽黄色视频| 免费无遮挡裸体视频| 制服人妻中文乱码| 一进一出抽搐动态| 国产精品 国内视频| www.999成人在线观看| 久久欧美精品欧美久久欧美| 国产精品乱码一区二三区的特点 | 久久国产乱子伦精品免费另类| 午夜福利视频1000在线观看 | 欧洲精品卡2卡3卡4卡5卡区| 十八禁人妻一区二区| 啦啦啦 在线观看视频| 国产av在哪里看| 久久久久久免费高清国产稀缺| 亚洲中文日韩欧美视频| 成人三级做爰电影| 久久久久九九精品影院| 极品教师在线免费播放| 亚洲视频免费观看视频| 久久久久久人人人人人| 在线观看舔阴道视频| 国内久久婷婷六月综合欲色啪| 好男人在线观看高清免费视频 | 精品国产美女av久久久久小说| 久久久久久免费高清国产稀缺| 亚洲专区字幕在线| 亚洲欧美日韩高清在线视频| 免费不卡黄色视频| 夜夜爽天天搞| 女生性感内裤真人,穿戴方法视频| 中文字幕人成人乱码亚洲影| 日本五十路高清| 九色亚洲精品在线播放| 热re99久久国产66热| 亚洲精品国产一区二区精华液| 久久天躁狠狠躁夜夜2o2o| 国产亚洲欧美在线一区二区| 欧美黑人精品巨大| www.自偷自拍.com| 亚洲成人免费电影在线观看| 咕卡用的链子| 制服人妻中文乱码| 日本vs欧美在线观看视频| 十八禁人妻一区二区| 日本免费a在线| 国产一区二区三区综合在线观看| avwww免费| 一进一出抽搐gif免费好疼| 亚洲午夜精品一区,二区,三区| 午夜日韩欧美国产| 夜夜躁狠狠躁天天躁| 精品第一国产精品| 国产99久久九九免费精品| 欧美国产日韩亚洲一区| 欧美国产日韩亚洲一区| 91老司机精品| 久久 成人 亚洲| 国产成人啪精品午夜网站| 国产单亲对白刺激| 夜夜夜夜夜久久久久| 国产国语露脸激情在线看| 亚洲精华国产精华精| av超薄肉色丝袜交足视频| 免费看十八禁软件| 18禁美女被吸乳视频| 91av网站免费观看| 国产精品av久久久久免费| 琪琪午夜伦伦电影理论片6080| 女生性感内裤真人,穿戴方法视频| АⅤ资源中文在线天堂| 亚洲精品美女久久久久99蜜臀| 在线观看免费视频网站a站| 国产精品,欧美在线| 午夜福利,免费看| 少妇裸体淫交视频免费看高清 | 免费人成视频x8x8入口观看| 日韩视频一区二区在线观看| 免费高清视频大片| 国产三级黄色录像| 深夜精品福利| 人人妻人人爽人人添夜夜欢视频| 亚洲自拍偷在线| 神马国产精品三级电影在线观看 | 免费搜索国产男女视频| 亚洲九九香蕉| 国产亚洲精品久久久久5区| 国产亚洲精品久久久久5区| 美女高潮到喷水免费观看| 淫秽高清视频在线观看| 成人亚洲精品一区在线观看| 中文字幕人妻丝袜一区二区| 国产精品一区二区三区四区久久 | 日韩国内少妇激情av| 亚洲av成人一区二区三| 人妻丰满熟妇av一区二区三区| 禁无遮挡网站| 成年人黄色毛片网站| 一级作爱视频免费观看| 午夜精品在线福利| 69精品国产乱码久久久| 国产麻豆成人av免费视频| 在线观看免费午夜福利视频| 国内精品久久久久久久电影| 人人妻人人澡人人看| bbb黄色大片| 久久久久久亚洲精品国产蜜桃av| 美女 人体艺术 gogo| 亚洲人成伊人成综合网2020| 非洲黑人性xxxx精品又粗又长| 美女 人体艺术 gogo| 老司机午夜十八禁免费视频| 免费不卡黄色视频| 大码成人一级视频| 久久久国产成人精品二区| 老司机午夜福利在线观看视频| 可以在线观看的亚洲视频| 国产熟女午夜一区二区三区| 亚洲成av人片免费观看| 一进一出抽搐动态| 精品欧美一区二区三区在线| svipshipincom国产片| 久久久久久久久免费视频了| 亚洲第一电影网av| 黄色毛片三级朝国网站| 757午夜福利合集在线观看| 每晚都被弄得嗷嗷叫到高潮| 国产精品一区二区精品视频观看| 久久久久国产精品人妻aⅴ院| 757午夜福利合集在线观看| 久久香蕉精品热| 一进一出抽搐gif免费好疼| 国产亚洲精品第一综合不卡| 天天躁狠狠躁夜夜躁狠狠躁| 国产不卡一卡二| 久久精品aⅴ一区二区三区四区| 免费av毛片视频| 国产精品久久久久久精品电影 | 乱人伦中国视频| 久久人人精品亚洲av| 日韩精品免费视频一区二区三区| 巨乳人妻的诱惑在线观看| 在线免费观看的www视频| 变态另类丝袜制服| 日韩视频一区二区在线观看| 国产精品精品国产色婷婷| 狠狠狠狠99中文字幕| 欧美成人性av电影在线观看| 一边摸一边抽搐一进一小说| www.www免费av| 麻豆国产av国片精品| 操出白浆在线播放| 亚洲人成伊人成综合网2020| 国产成人欧美在线观看| 国产激情久久老熟女| 国产人伦9x9x在线观看| 国产高清videossex| 欧美久久黑人一区二区| 欧美久久黑人一区二区| 精品国内亚洲2022精品成人| 真人做人爱边吃奶动态| 成人永久免费在线观看视频| 亚洲精品一卡2卡三卡4卡5卡| 老熟妇乱子伦视频在线观看| 亚洲三区欧美一区| 精品国产超薄肉色丝袜足j| 此物有八面人人有两片| avwww免费| 十八禁网站免费在线| 亚洲中文av在线| or卡值多少钱| av视频在线观看入口| 色精品久久人妻99蜜桃| 欧美日韩一级在线毛片| 国产单亲对白刺激| 淫妇啪啪啪对白视频| 国产1区2区3区精品| 美国免费a级毛片| 又黄又粗又硬又大视频| 一本综合久久免费| 老司机在亚洲福利影院| 欧美成人午夜精品| 乱人伦中国视频| 国产av在哪里看| 久久精品aⅴ一区二区三区四区| 国产一区二区在线av高清观看| 亚洲aⅴ乱码一区二区在线播放 | 精品久久久久久久人妻蜜臀av | 又黄又爽又免费观看的视频| 色老头精品视频在线观看| 久久精品91蜜桃| 久久国产乱子伦精品免费另类| 在线永久观看黄色视频| 啦啦啦 在线观看视频| 黄频高清免费视频| 视频在线观看一区二区三区| 中文字幕人妻熟女乱码| 亚洲第一欧美日韩一区二区三区| www.熟女人妻精品国产| 高潮久久久久久久久久久不卡| 亚洲专区字幕在线| 动漫黄色视频在线观看| 久久国产乱子伦精品免费另类| 亚洲,欧美精品.| or卡值多少钱| 日韩高清综合在线| 桃色一区二区三区在线观看| 欧美中文综合在线视频| 啦啦啦韩国在线观看视频| 日韩国内少妇激情av| 欧美日韩黄片免| 亚洲av成人av| 波多野结衣一区麻豆| 久久青草综合色| 久久人人97超碰香蕉20202| 亚洲视频免费观看视频| 一级,二级,三级黄色视频| 亚洲国产中文字幕在线视频| 亚洲欧美精品综合一区二区三区| 欧美激情 高清一区二区三区| 亚洲人成77777在线视频| 久久久久久久精品吃奶| 午夜老司机福利片| 在线国产一区二区在线| 久久久久久人人人人人| 日韩欧美一区二区三区在线观看| 男女之事视频高清在线观看| 精品国产一区二区久久| 9色porny在线观看| 国产精品免费视频内射| 天天躁夜夜躁狠狠躁躁| 欧美日韩中文字幕国产精品一区二区三区 | 嫩草影院精品99| 欧美激情高清一区二区三区| 欧美乱妇无乱码| 国产麻豆成人av免费视频| 国产高清videossex| 99国产精品一区二区三区| 久久精品91蜜桃| 亚洲片人在线观看| 欧美激情高清一区二区三区| 久久九九热精品免费| 国产麻豆69| 亚洲情色 制服丝袜| 9191精品国产免费久久| 亚洲中文字幕日韩| 美女大奶头视频| 欧美激情极品国产一区二区三区| 麻豆av在线久日| 两人在一起打扑克的视频| 日本三级黄在线观看| 不卡av一区二区三区| 亚洲成人精品中文字幕电影| 亚洲视频免费观看视频| 两个人视频免费观看高清| 99精品久久久久人妻精品| 午夜免费鲁丝| 国产视频一区二区在线看| avwww免费| 亚洲精品国产精品久久久不卡| www.www免费av| 亚洲男人的天堂狠狠| 午夜激情av网站| 国产精品香港三级国产av潘金莲| 亚洲狠狠婷婷综合久久图片| 18禁黄网站禁片午夜丰满| 欧美大码av| 一二三四在线观看免费中文在| 村上凉子中文字幕在线| 欧美日韩中文字幕国产精品一区二区三区 | 国产成人精品无人区| 亚洲av电影不卡..在线观看| 亚洲av五月六月丁香网| 国产欧美日韩一区二区三| 高清毛片免费观看视频网站| 正在播放国产对白刺激| 国产伦一二天堂av在线观看| 黄色 视频免费看| 欧美午夜高清在线| 日本 欧美在线| 国产精品一区二区在线不卡| 欧美性长视频在线观看| 波多野结衣av一区二区av| 久久久国产精品麻豆| 欧美成狂野欧美在线观看| 亚洲国产中文字幕在线视频| 亚洲国产日韩欧美精品在线观看 | 午夜精品在线福利| www国产在线视频色| 中文字幕av电影在线播放| 精品一区二区三区视频在线观看免费| 午夜免费观看网址| 免费人成视频x8x8入口观看| 夜夜夜夜夜久久久久| 不卡av一区二区三区| 神马国产精品三级电影在线观看 | 免费观看精品视频网站| 久久精品91蜜桃| 亚洲第一青青草原| 嫁个100分男人电影在线观看| www国产在线视频色| 黄色成人免费大全| 免费在线观看完整版高清| 欧美激情高清一区二区三区| 亚洲av电影不卡..在线观看| 亚洲av五月六月丁香网| av中文乱码字幕在线| 免费高清在线观看日韩| 好男人在线观看高清免费视频 | 亚洲av电影不卡..在线观看| 免费在线观看日本一区| 黑人欧美特级aaaaaa片| 欧美性长视频在线观看| 亚洲精品一区av在线观看| 亚洲中文av在线| 免费在线观看黄色视频的| 精品久久久久久久久久免费视频| 麻豆成人av在线观看| 久热这里只有精品99| 欧美成人性av电影在线观看| 欧美丝袜亚洲另类 | 国产精品精品国产色婷婷| 极品人妻少妇av视频| 91精品国产国语对白视频| 12—13女人毛片做爰片一| 国产精品二区激情视频| 欧美成人一区二区免费高清观看 | 99久久精品国产亚洲精品| 成人欧美大片| 99久久久亚洲精品蜜臀av| 黄片小视频在线播放| 18美女黄网站色大片免费观看| 校园春色视频在线观看| 亚洲最大成人中文| 亚洲自拍偷在线| 免费观看人在逋| 女人精品久久久久毛片| 一本大道久久a久久精品| 国产精品香港三级国产av潘金莲| 真人一进一出gif抽搐免费| 国产免费男女视频| 99re在线观看精品视频| 狠狠狠狠99中文字幕| 一卡2卡三卡四卡精品乱码亚洲| 亚洲色图av天堂| 在线永久观看黄色视频| 给我免费播放毛片高清在线观看| 好看av亚洲va欧美ⅴa在| 精品久久久久久,| 午夜福利在线观看吧| 国产成人免费无遮挡视频| av中文乱码字幕在线| 这个男人来自地球电影免费观看| 亚洲av成人一区二区三| 在线观看免费视频网站a站| 亚洲五月婷婷丁香| 波多野结衣巨乳人妻| 此物有八面人人有两片| 欧美激情高清一区二区三区| 国产亚洲欧美精品永久| 国产精品99久久99久久久不卡| 18禁国产床啪视频网站| 久久性视频一级片| 亚洲精品av麻豆狂野| 亚洲少妇的诱惑av| 久久亚洲真实| 久久人人爽av亚洲精品天堂| 99久久久亚洲精品蜜臀av| 一个人免费在线观看的高清视频| 婷婷丁香在线五月| 午夜两性在线视频| 国产精品九九99| 最新在线观看一区二区三区| 色婷婷久久久亚洲欧美| 美女午夜性视频免费| 久久九九热精品免费| 国产亚洲精品综合一区在线观看 | 老鸭窝网址在线观看| 黑人欧美特级aaaaaa片| 黑人巨大精品欧美一区二区蜜桃| 黄频高清免费视频| 高清在线国产一区| 黄色 视频免费看| 国产亚洲欧美在线一区二区| 免费在线观看黄色视频的| 9热在线视频观看99| 亚洲第一青青草原| av片东京热男人的天堂| 手机成人av网站| 一区二区日韩欧美中文字幕| 欧美成狂野欧美在线观看| 中文字幕高清在线视频| 成人三级黄色视频| 老鸭窝网址在线观看| 亚洲 欧美一区二区三区| 日本欧美视频一区| 男女下面插进去视频免费观看| 黄色丝袜av网址大全| 黄色 视频免费看| 大陆偷拍与自拍| 欧美日韩亚洲国产一区二区在线观看| 亚洲成人免费电影在线观看| 亚洲熟妇熟女久久| 99久久国产精品久久久| 午夜福利影视在线免费观看| 日韩 欧美 亚洲 中文字幕| 这个男人来自地球电影免费观看| 午夜免费鲁丝| 日韩欧美国产一区二区入口| 18禁美女被吸乳视频| 国产高清videossex| 12—13女人毛片做爰片一| 黑丝袜美女国产一区| 欧美日韩亚洲国产一区二区在线观看| 欧美成人午夜精品| 国产精品九九99| 狂野欧美激情性xxxx| av免费在线观看网站| 亚洲熟妇熟女久久| 国产成人欧美在线观看| 久久国产精品影院| 久久久久久国产a免费观看| 少妇的丰满在线观看| 一级a爱视频在线免费观看| 美女午夜性视频免费| 亚洲天堂国产精品一区在线| 国产欧美日韩一区二区三区在线| 18美女黄网站色大片免费观看| 无限看片的www在线观看| 亚洲av电影在线进入| 日日爽夜夜爽网站| 长腿黑丝高跟| 成人18禁高潮啪啪吃奶动态图| 丝袜在线中文字幕| 黄频高清免费视频| 亚洲精品国产色婷婷电影| 午夜a级毛片| 制服诱惑二区| 久久久久久久久中文| 1024香蕉在线观看| 亚洲国产精品久久男人天堂| 久久人人精品亚洲av| 一区在线观看完整版| 97人妻天天添夜夜摸| 日韩视频一区二区在线观看| svipshipincom国产片| 无遮挡黄片免费观看| 青草久久国产| 午夜福利影视在线免费观看| 亚洲男人天堂网一区| 91麻豆av在线| 亚洲成人久久性| av超薄肉色丝袜交足视频| 黄色a级毛片大全视频| 精品一品国产午夜福利视频| 三级毛片av免费| 一级a爱视频在线免费观看| 亚洲狠狠婷婷综合久久图片| 国产成人啪精品午夜网站| 悠悠久久av| 亚洲av熟女| 99精品在免费线老司机午夜| 亚洲国产精品999在线| 日韩高清综合在线| 在线国产一区二区在线| 久久婷婷人人爽人人干人人爱 | 午夜福利影视在线免费观看| 国产私拍福利视频在线观看| x7x7x7水蜜桃| 老汉色∧v一级毛片| 黄色视频不卡| 国内久久婷婷六月综合欲色啪| 亚洲成人精品中文字幕电影| 免费看十八禁软件| 好看av亚洲va欧美ⅴa在| 深夜精品福利| 精品欧美一区二区三区在线| 老司机靠b影院| 久久久久久久精品吃奶| 看片在线看免费视频| 色综合亚洲欧美另类图片| 美女 人体艺术 gogo| 亚洲三区欧美一区| 满18在线观看网站| 精品久久久久久久人妻蜜臀av | 成在线人永久免费视频| 黑人欧美特级aaaaaa片| 一级a爱片免费观看的视频| 欧美日韩一级在线毛片| 亚洲欧美精品综合一区二区三区| 免费搜索国产男女视频| 亚洲av五月六月丁香网| 日韩av在线大香蕉| 一二三四在线观看免费中文在| 长腿黑丝高跟| 最近最新中文字幕大全免费视频| 在线观看舔阴道视频| 十八禁网站免费在线| 久久久久久久久中文| 97人妻精品一区二区三区麻豆 | 淫秽高清视频在线观看| 天堂影院成人在线观看| 超碰成人久久| 成人三级黄色视频| 国产精品永久免费网站| 亚洲久久久国产精品| 啦啦啦韩国在线观看视频| 亚洲av日韩精品久久久久久密| 香蕉久久夜色| 欧美日韩乱码在线| 亚洲国产日韩欧美精品在线观看 | 无遮挡黄片免费观看| 老司机午夜福利在线观看视频| 日韩成人在线观看一区二区三区| 老司机午夜福利在线观看视频| 国产xxxxx性猛交| 午夜久久久在线观看| 一进一出好大好爽视频| 九色国产91popny在线| 人人妻人人爽人人添夜夜欢视频| 国内精品久久久久精免费| 亚洲av成人av| 波多野结衣巨乳人妻| 99国产综合亚洲精品| 亚洲专区字幕在线| 高清黄色对白视频在线免费看| 免费无遮挡裸体视频| 又大又爽又粗| 不卡一级毛片| bbb黄色大片| 最好的美女福利视频网| 国产成人欧美在线观看| 精品国产一区二区三区四区第35| 国产精品 欧美亚洲| 在线免费观看的www视频| 欧美久久黑人一区二区| 亚洲精品美女久久av网站| 精品高清国产在线一区| 天天添夜夜摸| 欧美精品啪啪一区二区三区| 成人免费观看视频高清| 香蕉久久夜色| 国产精品久久久久久人妻精品电影| 成年版毛片免费区| 禁无遮挡网站| 日韩精品青青久久久久久| 免费在线观看亚洲国产| 久久国产精品男人的天堂亚洲| 亚洲av电影不卡..在线观看| 色综合亚洲欧美另类图片| 看免费av毛片| 叶爱在线成人免费视频播放| 日韩精品中文字幕看吧| 色播亚洲综合网| 午夜两性在线视频| 禁无遮挡网站| 此物有八面人人有两片| 少妇的丰满在线观看| 一区二区日韩欧美中文字幕| 欧美日本中文国产一区发布| 欧洲精品卡2卡3卡4卡5卡区| 国产精品香港三级国产av潘金莲| 老司机午夜福利在线观看视频| 村上凉子中文字幕在线| 欧美色欧美亚洲另类二区 | 嫩草影院精品99| 国产亚洲精品综合一区在线观看 | 精品国内亚洲2022精品成人| 国产私拍福利视频在线观看| 在线播放国产精品三级| 少妇被粗大的猛进出69影院| 国产精品 欧美亚洲| 国产免费av片在线观看野外av| 亚洲男人的天堂狠狠| av在线播放免费不卡| 美女扒开内裤让男人捅视频| 午夜福利欧美成人| 老司机福利观看| 日韩精品免费视频一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91| 久久久国产欧美日韩av| 亚洲一区高清亚洲精品| 99国产极品粉嫩在线观看| 亚洲欧美激情综合另类| 精品人妻1区二区| 两人在一起打扑克的视频| 99国产极品粉嫩在线观看| av片东京热男人的天堂| 精品久久久久久,| 色综合欧美亚洲国产小说| 国产又色又爽无遮挡免费看| 欧美中文综合在线视频| 在线永久观看黄色视频| 国产日韩一区二区三区精品不卡| 精品乱码久久久久久99久播| 最新在线观看一区二区三区| 亚洲伊人色综图| 亚洲成a人片在线一区二区| 久久久国产欧美日韩av| 久久久久国产一级毛片高清牌| 中文字幕人成人乱码亚洲影| 亚洲avbb在线观看| 色综合亚洲欧美另类图片| 国产aⅴ精品一区二区三区波| 久久天堂一区二区三区四区| 久久国产精品人妻蜜桃| 亚洲精品美女久久久久99蜜臀|