• <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)
    联通29元200g的流量卡| 一个人观看的视频www高清免费观看| 久久欧美精品欧美久久欧美| a级一级毛片免费在线观看| 别揉我奶头~嗯~啊~动态视频| 久久精品影院6| 久久精品人妻少妇| 波多野结衣巨乳人妻| 亚洲一区高清亚洲精品| 嫩草影院新地址| 国内揄拍国产精品人妻在线| 波野结衣二区三区在线| 联通29元200g的流量卡| 久久精品国产亚洲网站| 一级毛片久久久久久久久女| 欧美日韩在线观看h| 老熟妇乱子伦视频在线观看| 亚洲第一电影网av| 在现免费观看毛片| 国产精品爽爽va在线观看网站| 无遮挡黄片免费观看| 色综合色国产| 十八禁国产超污无遮挡网站| 国产黄色视频一区二区在线观看 | 久久久精品欧美日韩精品| 亚洲精品在线观看二区| 又黄又爽又免费观看的视频| 99久久成人亚洲精品观看| 毛片一级片免费看久久久久| 亚洲av美国av| 中文字幕av成人在线电影| 搞女人的毛片| 国产精品永久免费网站| 日本一二三区视频观看| 国产一区二区在线av高清观看| 免费看a级黄色片| 成年版毛片免费区| 亚洲人成网站高清观看| aaaaa片日本免费| 夜夜爽天天搞| 国产男人的电影天堂91| av在线观看视频网站免费| 日韩 亚洲 欧美在线| 成人漫画全彩无遮挡| 欧美bdsm另类| 午夜福利在线观看免费完整高清在 | 人人妻,人人澡人人爽秒播| 特级一级黄色大片| 精品人妻一区二区三区麻豆 | 久久精品国产亚洲av天美| 好男人在线观看高清免费视频| 美女xxoo啪啪120秒动态图| 亚洲美女视频黄频| 国产高清视频在线播放一区| 伦精品一区二区三区| 午夜久久久久精精品| 午夜激情福利司机影院| 欧美在线一区亚洲| 色吧在线观看| 人人妻人人澡欧美一区二区| 婷婷精品国产亚洲av| 99精品在免费线老司机午夜| 春色校园在线视频观看| 我要看日韩黄色一级片| 国产成人91sexporn| 久久精品人妻少妇| 国产精品1区2区在线观看.| 成人精品一区二区免费| 欧美极品一区二区三区四区| 一本一本综合久久| 亚洲av熟女| 国产一区二区在线av高清观看| 男女下面进入的视频免费午夜| 国产高清视频在线播放一区| 国产成人freesex在线 | 少妇丰满av| 91久久精品电影网| 国产白丝娇喘喷水9色精品| 国产精品野战在线观看| 国产91av在线免费观看| 亚洲人与动物交配视频| 久久午夜福利片| 九色成人免费人妻av| 91av网一区二区| 午夜福利在线观看免费完整高清在 | 最近手机中文字幕大全| 深爱激情五月婷婷| 91麻豆精品激情在线观看国产| 亚洲精品亚洲一区二区| 婷婷精品国产亚洲av| 国产亚洲精品av在线| 久久人妻av系列| 男人狂女人下面高潮的视频| 精品欧美国产一区二区三| 岛国在线免费视频观看| 有码 亚洲区| 香蕉av资源在线| 精品人妻视频免费看| 在线a可以看的网站| 欧美日本视频| 亚洲在线自拍视频| 精品久久久久久成人av| 少妇人妻精品综合一区二区 | 午夜a级毛片| 嫩草影视91久久| 九九在线视频观看精品| 久久鲁丝午夜福利片| 看黄色毛片网站| 99热这里只有是精品50| 免费黄网站久久成人精品| 亚洲成a人片在线一区二区| 麻豆国产av国片精品| 久久午夜福利片| 搡老妇女老女人老熟妇| 国产成人福利小说| 国产精品一及| 日韩欧美精品v在线| 你懂的网址亚洲精品在线观看 | 国产一区二区三区在线臀色熟女| 免费不卡的大黄色大毛片视频在线观看 | 欧美最黄视频在线播放免费| 免费黄网站久久成人精品| 亚洲一区高清亚洲精品| 神马国产精品三级电影在线观看| 亚洲人成网站在线播放欧美日韩| 国内精品一区二区在线观看| 日韩在线高清观看一区二区三区| 免费人成在线观看视频色| 精品久久久久久久久久久久久| 久久草成人影院| 美女 人体艺术 gogo| 最近在线观看免费完整版| 欧美日韩乱码在线| 国产精品三级大全| 天堂动漫精品| 亚洲一级一片aⅴ在线观看| 一a级毛片在线观看| 亚洲自拍偷在线| av天堂在线播放| 日本免费一区二区三区高清不卡| 高清午夜精品一区二区三区 | 在线播放无遮挡| 99久久精品一区二区三区| 丝袜喷水一区| 国产aⅴ精品一区二区三区波| 成年女人毛片免费观看观看9| 韩国av在线不卡| 久久午夜亚洲精品久久| 最后的刺客免费高清国语| 亚洲aⅴ乱码一区二区在线播放| 少妇裸体淫交视频免费看高清| 色综合站精品国产| 波多野结衣高清作品| 亚洲av美国av| 99久久精品热视频| 亚洲国产精品sss在线观看| av在线观看视频网站免费| 久久欧美精品欧美久久欧美| 日韩欧美 国产精品| 寂寞人妻少妇视频99o| 亚洲人成网站在线播放欧美日韩| 亚洲av五月六月丁香网| 国产精品乱码一区二三区的特点| 久久久久久久久久成人| 伦精品一区二区三区| 欧美日韩国产亚洲二区| 看黄色毛片网站| 亚洲中文日韩欧美视频| 亚洲丝袜综合中文字幕| 亚洲三级黄色毛片| 精品久久久久久久久久免费视频| 国产乱人偷精品视频| 内地一区二区视频在线| 一级av片app| 成人二区视频| 成人鲁丝片一二三区免费| 麻豆精品久久久久久蜜桃| 韩国av在线不卡| 久久久久性生活片| 夜夜夜夜夜久久久久| 97超级碰碰碰精品色视频在线观看| 国产精品美女特级片免费视频播放器| 午夜福利在线观看吧| 性色avwww在线观看| 亚洲精品国产av成人精品 | 久久亚洲国产成人精品v| 久久亚洲国产成人精品v| 久久久久免费精品人妻一区二区| 日韩在线高清观看一区二区三区| 91在线观看av| 国产伦在线观看视频一区| 国产免费男女视频| 亚洲av五月六月丁香网| 国产精品1区2区在线观看.| 日本成人三级电影网站| 中文亚洲av片在线观看爽| 久久精品91蜜桃| 免费av不卡在线播放| 在线观看66精品国产| 你懂的网址亚洲精品在线观看 | 91久久精品国产一区二区成人| 男女视频在线观看网站免费| 美女内射精品一级片tv| 一本久久中文字幕| 男人的好看免费观看在线视频| 亚洲四区av| 狂野欧美白嫩少妇大欣赏| 桃色一区二区三区在线观看| 国产亚洲欧美98| 女的被弄到高潮叫床怎么办| 高清毛片免费看| 久久久a久久爽久久v久久| 青春草视频在线免费观看| 精品久久久久久久人妻蜜臀av| 久久亚洲国产成人精品v| 国产成人freesex在线 | 中文字幕熟女人妻在线| 综合色丁香网| a级毛片a级免费在线| 男女之事视频高清在线观看| av视频在线观看入口| 成人无遮挡网站| 国产欧美日韩一区二区精品| 午夜激情欧美在线| 免费看日本二区| 直男gayav资源| 亚洲天堂国产精品一区在线| 欧美最黄视频在线播放免费| 18+在线观看网站| 亚洲最大成人中文| 在线观看66精品国产| 国产免费一级a男人的天堂| 国产午夜福利久久久久久| 亚洲精品亚洲一区二区| 婷婷色综合大香蕉| av免费在线看不卡| 色哟哟·www| 偷拍熟女少妇极品色| 色播亚洲综合网| 毛片女人毛片| 日本撒尿小便嘘嘘汇集6| 精品99又大又爽又粗少妇毛片| 十八禁国产超污无遮挡网站| 日韩一区二区视频免费看| 亚洲国产日韩欧美精品在线观看| 少妇熟女aⅴ在线视频| 亚洲人成网站在线播放欧美日韩| 午夜福利高清视频| 亚洲成人中文字幕在线播放| 免费av毛片视频| 久久久久久国产a免费观看| 俄罗斯特黄特色一大片| 国产精品女同一区二区软件| 六月丁香七月| 给我免费播放毛片高清在线观看| 99热全是精品| 如何舔出高潮| 亚洲精品乱码久久久v下载方式| 亚洲欧美日韩高清在线视频| 亚洲无线观看免费| 日本成人三级电影网站| 在线观看av片永久免费下载| 18禁黄网站禁片免费观看直播| 久久精品夜夜夜夜夜久久蜜豆| 久久人人爽人人爽人人片va| 日本免费a在线| 一级毛片我不卡| 给我免费播放毛片高清在线观看| 国产视频内射| 一本精品99久久精品77| 在线国产一区二区在线| 精品福利观看| 免费在线观看影片大全网站| 亚洲欧美日韩无卡精品| 亚洲自偷自拍三级| 精品免费久久久久久久清纯| 最近手机中文字幕大全| 成年免费大片在线观看| 日韩欧美国产在线观看| 人人妻人人看人人澡| 变态另类成人亚洲欧美熟女| 自拍偷自拍亚洲精品老妇| 香蕉av资源在线| 欧美一区二区亚洲| 午夜精品在线福利| 少妇人妻精品综合一区二区 | 亚洲国产欧洲综合997久久,| 国产精品女同一区二区软件| 插阴视频在线观看视频| 欧美xxxx性猛交bbbb| 精品99又大又爽又粗少妇毛片| 美女被艹到高潮喷水动态| 国产免费男女视频| 12—13女人毛片做爰片一| 在线观看一区二区三区| 欧美一区二区国产精品久久精品| 少妇猛男粗大的猛烈进出视频 | 国产午夜福利久久久久久| 美女免费视频网站| 久久久久久国产a免费观看| 插阴视频在线观看视频| 国产69精品久久久久777片| 男女那种视频在线观看| 日本熟妇午夜| 欧美一区二区精品小视频在线| 欧美日韩精品成人综合77777| 国产成人福利小说| 18禁在线无遮挡免费观看视频 | 国产亚洲精品久久久久久毛片| 亚洲成人精品中文字幕电影| 99热只有精品国产| 一夜夜www| 久99久视频精品免费| 欧美中文日本在线观看视频| 免费人成在线观看视频色| 三级男女做爰猛烈吃奶摸视频| 亚洲乱码一区二区免费版| 99在线人妻在线中文字幕| 久久天躁狠狠躁夜夜2o2o| 国产69精品久久久久777片| 国产探花在线观看一区二区| 三级经典国产精品| 亚洲美女黄片视频| 哪里可以看免费的av片| 精品久久久久久久末码| 男人狂女人下面高潮的视频| 黄色欧美视频在线观看| 国产亚洲精品久久久久久毛片| 久久久精品94久久精品| 久久精品国产亚洲网站| 亚洲三级黄色毛片| 国产精品亚洲一级av第二区| 日韩中字成人| 黄色视频,在线免费观看| 日韩亚洲欧美综合| av黄色大香蕉| 大香蕉久久网| 国产av在哪里看| 99在线人妻在线中文字幕| 亚洲精品久久国产高清桃花| 精品日产1卡2卡| 伦精品一区二区三区| 日韩精品青青久久久久久| 99在线人妻在线中文字幕| 春色校园在线视频观看| 国产久久久一区二区三区| 搡老熟女国产l中国老女人| 久久久久久九九精品二区国产| 日韩三级伦理在线观看| 嫩草影院入口| 午夜精品国产一区二区电影 | 成人毛片a级毛片在线播放| 日日撸夜夜添| 色播亚洲综合网| 国产v大片淫在线免费观看| 搡老熟女国产l中国老女人| 嫩草影视91久久| 麻豆国产97在线/欧美| 精品欧美国产一区二区三| 国产aⅴ精品一区二区三区波| 三级经典国产精品| 欧美bdsm另类| 日日干狠狠操夜夜爽| 性欧美人与动物交配| 国产亚洲精品综合一区在线观看| 欧美一区二区精品小视频在线| 国产男人的电影天堂91| 免费观看的影片在线观看| 乱码一卡2卡4卡精品| 国产老妇女一区| 精品一区二区免费观看| 亚洲五月天丁香| 亚洲国产精品久久男人天堂| 伦理电影大哥的女人| 少妇丰满av| 免费人成视频x8x8入口观看| 特大巨黑吊av在线直播| 亚洲最大成人中文| 少妇人妻一区二区三区视频| 少妇裸体淫交视频免费看高清| 啦啦啦啦在线视频资源| 中文资源天堂在线| 日产精品乱码卡一卡2卡三| 激情 狠狠 欧美| 欧美色欧美亚洲另类二区| 日韩欧美在线乱码| 午夜福利在线在线| 国产一区二区三区在线臀色熟女| 三级毛片av免费| 人人妻人人看人人澡| 国产精品久久久久久亚洲av鲁大| 日韩强制内射视频| a级毛色黄片| 色5月婷婷丁香| 亚洲欧美日韩无卡精品| 亚洲av第一区精品v没综合| 国产v大片淫在线免费观看| 久久鲁丝午夜福利片| 国产不卡一卡二| 亚洲精品影视一区二区三区av| 亚洲国产精品国产精品| 九九在线视频观看精品| 99热网站在线观看| 美女cb高潮喷水在线观看| 国产精品一区二区免费欧美| 日本黄大片高清| 国产黄a三级三级三级人| 国产人妻一区二区三区在| 国产精品野战在线观看| 欧美又色又爽又黄视频| 18禁在线播放成人免费| 亚洲欧美精品综合久久99| 国产白丝娇喘喷水9色精品| 亚洲综合色惰| 一本久久中文字幕| 青春草视频在线免费观看| 成人av一区二区三区在线看| 97在线视频观看| 国产精品一二三区在线看| 一个人看视频在线观看www免费| 国产一区二区在线观看日韩| 欧美在线一区亚洲| 精品人妻一区二区三区麻豆 | 午夜影院日韩av| 69av精品久久久久久| 级片在线观看| 国产女主播在线喷水免费视频网站 | 婷婷亚洲欧美| 男女做爰动态图高潮gif福利片| 嫩草影院入口| 淫妇啪啪啪对白视频| 欧美+亚洲+日韩+国产| 亚洲av一区综合| 亚洲久久久久久中文字幕| 熟女电影av网| 国产一区二区亚洲精品在线观看| 久久99热6这里只有精品| 国内精品一区二区在线观看| 免费av毛片视频| 最近在线观看免费完整版| 人人妻人人看人人澡| 日韩中字成人| 日本一二三区视频观看| 午夜视频国产福利| 国产午夜精品久久久久久一区二区三区 | 精品午夜福利在线看| 午夜激情欧美在线| 久久久久国产精品人妻aⅴ院| 色吧在线观看| 最近的中文字幕免费完整| 少妇熟女aⅴ在线视频| 精品国内亚洲2022精品成人| 久久久久久九九精品二区国产| 99九九线精品视频在线观看视频| 国产91av在线免费观看| 精品熟女少妇av免费看| 91久久精品国产一区二区三区| 晚上一个人看的免费电影| 99视频精品全部免费 在线| 女生性感内裤真人,穿戴方法视频| 免费看av在线观看网站| 波野结衣二区三区在线| 亚洲内射少妇av| 欧美成人精品欧美一级黄| 久久精品91蜜桃| 亚洲最大成人av| 国产精品永久免费网站| 91久久精品电影网| 日本a在线网址| 在线播放国产精品三级| 国产高清视频在线播放一区| 国产精品女同一区二区软件| 在线播放国产精品三级| 插逼视频在线观看| 成年女人永久免费观看视频| 在线免费观看不下载黄p国产| 白带黄色成豆腐渣| 亚洲精品粉嫩美女一区| 亚洲欧美精品综合久久99| 国产午夜福利久久久久久| 18禁在线播放成人免费| 午夜久久久久精精品| av天堂在线播放| 97热精品久久久久久| 18+在线观看网站| 99久久精品热视频| 欧美xxxx性猛交bbbb| 国产白丝娇喘喷水9色精品| 亚洲精品粉嫩美女一区| 欧美极品一区二区三区四区| 悠悠久久av| 国产高清有码在线观看视频| 成人美女网站在线观看视频| 五月伊人婷婷丁香| 午夜精品在线福利| 日本熟妇午夜| 99在线人妻在线中文字幕| 亚洲av电影不卡..在线观看| 亚洲一区二区三区色噜噜| 日本a在线网址| 大又大粗又爽又黄少妇毛片口| 成人三级黄色视频| 日韩亚洲欧美综合| 国产精品国产高清国产av| 精品久久国产蜜桃| 亚洲图色成人| 波多野结衣高清无吗| 国产成人影院久久av| 亚洲性久久影院| 欧美精品国产亚洲| 精品99又大又爽又粗少妇毛片| 日韩人妻高清精品专区| 一区二区三区免费毛片| 久久久久免费精品人妻一区二区| 亚洲精品色激情综合| 晚上一个人看的免费电影| 国产爱豆传媒在线观看| 免费搜索国产男女视频| 免费av观看视频| 97超视频在线观看视频| 晚上一个人看的免费电影| 久久热精品热| 久久久久九九精品影院| 天天一区二区日本电影三级| 男女边吃奶边做爰视频| 国产精品永久免费网站| 国产三级在线视频| 老司机影院成人| .国产精品久久| 免费观看人在逋| av专区在线播放| 日日撸夜夜添| 精品午夜福利视频在线观看一区| 在线观看av片永久免费下载| 18禁裸乳无遮挡免费网站照片| 欧美+日韩+精品| 色哟哟·www| 国产高清三级在线| 男女下面进入的视频免费午夜| 久久人人爽人人片av| 精品一区二区三区人妻视频| 91久久精品国产一区二区成人| 久久亚洲国产成人精品v| 变态另类丝袜制服| 中文在线观看免费www的网站| 婷婷色综合大香蕉| 国产日本99.免费观看| 精品熟女少妇av免费看| 亚洲欧美日韩卡通动漫| 中文资源天堂在线| 精品久久久久久久久av| 久久人妻av系列| 亚洲欧美成人综合另类久久久 | 九九在线视频观看精品| 女人十人毛片免费观看3o分钟| 日韩在线高清观看一区二区三区| 免费高清视频大片| 老师上课跳d突然被开到最大视频| 少妇被粗大猛烈的视频| 亚洲一区高清亚洲精品| 亚洲激情五月婷婷啪啪| 最近在线观看免费完整版| .国产精品久久| 最近中文字幕高清免费大全6| 亚洲国产日韩欧美精品在线观看| 精品久久国产蜜桃| 黄色欧美视频在线观看| 日日撸夜夜添| 久久精品国产鲁丝片午夜精品| 久久精品国产自在天天线| 久久精品国产99精品国产亚洲性色| 久久热精品热| 国产淫片久久久久久久久| 日本-黄色视频高清免费观看| 亚洲精品影视一区二区三区av| 亚洲国产精品合色在线| 观看美女的网站| av在线亚洲专区| 亚洲性夜色夜夜综合| 人人妻人人看人人澡| 久久精品综合一区二区三区| 99热精品在线国产| 国产国拍精品亚洲av在线观看| 成人美女网站在线观看视频| 精品乱码久久久久久99久播| 午夜久久久久精精品| 人人妻人人澡欧美一区二区| 午夜激情福利司机影院| 大型黄色视频在线免费观看| 国产精品一区www在线观看| 国产精品一区二区性色av| 久久午夜亚洲精品久久| 欧美三级亚洲精品| 男插女下体视频免费在线播放| 变态另类成人亚洲欧美熟女| 亚洲精品影视一区二区三区av| 三级经典国产精品| 国产精品久久久久久av不卡| 国产白丝娇喘喷水9色精品| 欧美zozozo另类| 少妇高潮的动态图| 一个人观看的视频www高清免费观看| 日韩精品中文字幕看吧| 两个人视频免费观看高清| 久久久久国产精品人妻aⅴ院| 亚洲av熟女| 精品福利观看| 久久久久国内视频| 亚洲中文字幕日韩| 亚洲av免费高清在线观看| 我的老师免费观看完整版| 成人av在线播放网站| 日韩人妻高清精品专区| 午夜激情福利司机影院| av天堂在线播放|