• <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 ?

    基于測(cè)井資料與優(yōu)化通用向量機(jī)的煤層氣含量預(yù)測(cè)模型

    2022-12-01 08:53:20丁海琨張占松郭建宏譚辰陽周雪晴朱林奇
    煤礦安全 2022年11期
    關(guān)鍵詞:氣量測(cè)井煤層

    陳 濤,丁海琨,張占松,郭建宏,譚辰陽,周雪晴,朱林奇

    (1.長(zhǎng)江大學(xué) 油氣資源與勘探技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430100;2.長(zhǎng)江大學(xué) 地球物理與石油資源學(xué)院,湖北 武漢 430100;3.中國石油測(cè)井公司國際合作處,陜西 西安 710077;4.中國科學(xué)院深??茖W(xué)與工程研究所,海南 三亞 572000)

    煤層含氣量是煤儲(chǔ)層評(píng)價(jià)研究的關(guān)鍵參數(shù)之一,是煤層產(chǎn)能評(píng)價(jià)、生產(chǎn)布局及資源挖潛的關(guān)鍵所在。而煤層含氣量受成藏地質(zhì)構(gòu)造、地質(zhì)水文特征、煤變程度、煤質(zhì)工業(yè)組分、煤層有效埋深和凈厚度、儲(chǔ)層壓力及滲透率、煤層頂?shù)装鍘r性及厚度等眾多因素的影響[1-3],是眾多因素耦合作用的產(chǎn)物。目前,對(duì)煤儲(chǔ)層含氣量的定量評(píng)價(jià)大致可分為數(shù)值模擬[4-7]、基于測(cè)井參數(shù)[8-11]和實(shí)驗(yàn)組分[12-14]及地震屬性[15-16]的單參變量或多參變量線性回歸預(yù)測(cè)法、參數(shù)井繩索取心現(xiàn)場(chǎng)解吸測(cè)試和人工智能4 大類。然而,參數(shù)井繩索取心法費(fèi)用成本高難以實(shí)現(xiàn);線性回歸法對(duì)于非均質(zhì)性極強(qiáng)的煤儲(chǔ)層難以實(shí)現(xiàn)高精度評(píng)價(jià);由于三相態(tài)含氣量數(shù)值模擬技術(shù)亟待突破,數(shù)值模擬很難實(shí)現(xiàn)生產(chǎn)精細(xì)評(píng)價(jià)。近年來,基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的方法越來越多地應(yīng)用到非均質(zhì)性極強(qiáng)的非常規(guī)儲(chǔ)層參數(shù)評(píng)價(jià)中,用于挖掘數(shù)據(jù)隱藏的非線性關(guān)系,如循環(huán)神經(jīng)網(wǎng)絡(luò)、BP 神經(jīng)網(wǎng)絡(luò)、SVM 神經(jīng)網(wǎng)絡(luò)、決策樹、長(zhǎng)短期記憶網(wǎng)絡(luò)及融合智能算法等[17-21],研究表明,這些技術(shù)的引入對(duì)煤層含氣量預(yù)測(cè)的可信度及可靠性較好。然而,BP 神經(jīng)網(wǎng)絡(luò)對(duì)樣本量有一定要求,且受參數(shù)影響大,導(dǎo)致訓(xùn)練復(fù)雜性大,局限性明顯;隨機(jī)森林抗干擾能力較強(qiáng),在處理特征遺失及不均衡數(shù)據(jù)時(shí)泛化性好,但對(duì)超出訓(xùn)練集數(shù)據(jù)鄰域的樣本會(huì)出現(xiàn)預(yù)測(cè)盲區(qū),很可能使在進(jìn)行建模時(shí)某些高頻噪聲的樣本出現(xiàn)過擬合影響模型泛化性;支持向量機(jī)無需復(fù)雜的拓?fù)浣Y(jié)構(gòu),對(duì)小樣本適應(yīng)強(qiáng),具有很強(qiáng)的魯棒性,但受噪聲樣本影響較大。而采用通用向量機(jī)[22](GVM)算法作為核心建模技術(shù),很大程度上平衡了上述問題;有研究表明:在少量訓(xùn)練樣本甚至缺失訓(xùn)練樣本的情況下,訓(xùn)練出來的回歸模型仍然具有良好的魯棒性和泛化性[22-23]。為此,基于煤層含氣量測(cè)井響應(yīng)相關(guān)性結(jié)合地球物理理論進(jìn)行曲線重構(gòu),再通過對(duì)Elastic Net 方法添加正則化項(xiàng)施加懲罰來選取敏感特征變量,解決多重共線性問題和冗余參數(shù);提出用改進(jìn)的量子粒子群優(yōu)化算法(IQPSO)對(duì)GVM 模型關(guān)鍵參數(shù)進(jìn)行尋優(yōu),最優(yōu)化處理建模的每個(gè)關(guān)鍵環(huán)節(jié)進(jìn)而使模型整體性能提升,以此構(gòu)建泛化性好、強(qiáng)魯棒性的煤層含氣量高精度預(yù)測(cè)模型,并用實(shí)際區(qū)塊數(shù)據(jù)驗(yàn)證方法的適應(yīng)性和有效性。

    1 煤層含氣性測(cè)井響應(yīng)分析

    1.1 數(shù)據(jù)來源

    研究數(shù)據(jù)來自華北沁水煤田東南部柿莊南區(qū)塊3 號(hào)煤層,是目前勘探開發(fā)的熱點(diǎn)地區(qū)。由于受地質(zhì)構(gòu)造、聚煤沉積環(huán)境、水文地質(zhì)條件、煤層氣成因及來源的差異性響應(yīng),儲(chǔ)層平面非均質(zhì)性極強(qiáng),含氣量測(cè)井響應(yīng)特征復(fù)雜,高精度評(píng)價(jià)難度大[24]。樣品源于勘探區(qū)12 口關(guān)鍵井280 組有效煤心樣品深度部分。樣品含氣量及常規(guī)測(cè)井響應(yīng)數(shù)據(jù)(部分)見表1。

    表1 樣品含氣量及常規(guī)測(cè)井響應(yīng)數(shù)據(jù)(部分)Table 1 CBM content of samples and conventional logging data(part)

    1.2 含氣量與測(cè)井參數(shù)之間相關(guān)性分析

    研究表明,煤層含氣量與有機(jī)質(zhì)和無機(jī)質(zhì)2 種單一組分的相對(duì)豐度存在函數(shù)關(guān)系,有機(jī)質(zhì)含量在某一特定地區(qū)保持相對(duì)穩(wěn)定,而無機(jī)組分在區(qū)塊內(nèi)會(huì)發(fā)生顯著的橫向和縱向變化,并表現(xiàn)為測(cè)井響應(yīng)的差異性。測(cè)井的縱向分辨率相對(duì)較高,不同儲(chǔ)層蘊(yùn)含復(fù)雜的地質(zhì)儲(chǔ)層信息,煤層含氣量響應(yīng)具有特殊性及復(fù)雜性。煤層含氣量與測(cè)井參數(shù)交會(huì)圖如圖1。

    圖1 煤層含氣量與測(cè)井參數(shù)交會(huì)圖Fig.1 Cross plot of coal seam gas content and logging parameters

    煤層含氣量根本影響因素是煤變程度。理論上,煤層埋深一定程度上影響烴熱分解能力,同時(shí)很大程度上決定了煤層氣的封堵條件,淺煤層含氣量隨埋深增加而升高,當(dāng)埋深達(dá)到某一臨界深度后,受地質(zhì)構(gòu)造、后期的封閉條件及聚煤沉積環(huán)境等影響含氣量解吸緩慢甚至出現(xiàn)降低趨勢(shì),可見煤巖埋深對(duì)含氣量評(píng)價(jià)是受研究區(qū)地質(zhì)因素影響較大的不穩(wěn)定變量。井徑曲線主要反映地層的脆性指數(shù)及機(jī)械強(qiáng)度,與煤巖類型緊密相關(guān),煤層含氣后對(duì)煤巖類型影響甚微,即含氣量對(duì)井徑曲線敏感性較弱。煤巖是電阻率較高的非導(dǎo)電介質(zhì),擴(kuò)散和吸附作用產(chǎn)生自然電位,其本身與含氣量敏感性較弱,但自然電位異常幅度很大程度上取決于黏土含量、泥漿濾液及煤巖厚度等影響,一定程度上表現(xiàn)為含氣量的差異性。煤巖骨架自身放射性較低,其放射性取決于成煤過程吸附的黏土礦物等外來礦物,一方面黏土礦物含量越高,對(duì)應(yīng)煤巖有效孔隙空間就越少,含氣量就越低,同時(shí)黏土吸附削弱了煤巖的吸附能力,降低了其比表面積,致使煤層含氣量一定程度上降低。聲波時(shí)差可反映煤巖的抗壓強(qiáng)度和致密程度,含氣后聲波能量嚴(yán)重衰減,表現(xiàn)為聲波時(shí)差明顯增大甚至出現(xiàn)“周波跳躍”現(xiàn)象,聲波時(shí)差對(duì)含氣量較敏感。煤本身基質(zhì)密度較低,理論上其密度響應(yīng)值與煤層致密程度緊密相關(guān),煤層越致密其孔隙空間越小,含氣量也就越小,實(shí)際上受擴(kuò)徑及黏土含量影響單井表現(xiàn)往往并不是這樣,甚至出現(xiàn)相反的的趨勢(shì)。補(bǔ)償中子反映煤儲(chǔ)層的含氫指數(shù),理論上含氣量越高中子測(cè)井值衰減越劇烈,補(bǔ)償中子越小,但受擴(kuò)徑、泥餅、泥質(zhì)及炭質(zhì)夾矸等一系列因素影響較大,單井有時(shí)表現(xiàn)并不明顯。煤層電阻率很大,但電阻率響應(yīng)值還受煤巖厚度、井眼尺寸、泥漿侵入、孔隙填充及夾矸等較多因素影響,研究區(qū)總體上煤層含氣量與深側(cè)向電阻率呈正相關(guān)。

    綜上分析,研究區(qū)煤儲(chǔ)層雙重孔隙結(jié)構(gòu)、強(qiáng)儲(chǔ)層非均質(zhì)性導(dǎo)致煤層含氣量與測(cè)井參數(shù)響應(yīng)極為復(fù)雜,為充分挖掘測(cè)井響應(yīng)特征蘊(yùn)含的儲(chǔ)層信息,提高含氣量評(píng)價(jià)精度,根據(jù)測(cè)井原理結(jié)合其對(duì)含氣性的響應(yīng)特征分析,計(jì)算了9 個(gè)衍生參數(shù),分別為復(fù)合參數(shù)M 和N、三孔隙度差比值C 和B、自然電位幅度差值△SP、雙電阻率差比值△lg(R)和Ra 及雙電阻率對(duì)數(shù)值lg(RD)和lg(RS),計(jì)算公式為:

    式中:GR 為自然伽馬,API;DEN 為補(bǔ)償密度,g/cm3;RD 為深側(cè)向電阻率,Ω·m;AC 為聲波時(shí)差,μs/m;CNL 為補(bǔ)償中子,%;SP 為自然電位,mV;SSP為靜自然電位,一般取泥巖基線值,mV;RS 為淺側(cè)向電阻率,Ω·m。

    計(jì)算含氣量及測(cè)井以及其衍生參數(shù)之間的Pearson 相關(guān)系數(shù),但Pearson 相關(guān)系數(shù)往往偏重于線性相關(guān)程度而忽略了含氣量與測(cè)井參數(shù)之間的非線性關(guān)系。含氣量與測(cè)井及其衍生參數(shù)相關(guān)性熱圖如圖2。由圖2 可知,各測(cè)井參數(shù)之間存在多重共線性,會(huì)降低模型穩(wěn)定性,且冗余信息很大程度上給模型帶來噪聲干擾,難以進(jìn)行含氣量高精度評(píng)價(jià),因此特征變量的選取非常有必要。

    圖2 含氣量與測(cè)井及其衍生參數(shù)相關(guān)性熱圖Fig.2 Heat diagram of correlation between gas content and conventional logging parameters

    2 建模方法理論

    為充分挖掘儲(chǔ)層信息并解決多重共線性問題,研究引入適合GVM 神經(jīng)網(wǎng)絡(luò)建模的Elastic Net 分析方法優(yōu)選建模特征變量,并針對(duì)GVM 模型參數(shù)進(jìn)行優(yōu)化建立穩(wěn)健的含氣量預(yù)測(cè)模型。

    2.1 Elastic Net 特征變量選擇

    彈性網(wǎng)絡(luò)(Elastic Net,EN)是2005 年由ZouH[25]等在研究嶺回歸(RR)和拉索回歸(LASSO)理論基礎(chǔ)上提出的一種新魯棒正則化方法。式(8)為ElasticNet 方法代價(jià)函數(shù)懲罰項(xiàng),其將拉索回歸和嶺回歸懲罰項(xiàng)加權(quán)組合。該方法繼承LASSO 回歸的稀疏性的同時(shí)很好地解決了共線性問題。Elastic Net 方法被證實(shí)具備很好群組效應(yīng)和稀疏性,對(duì)異常值及重尾誤差具有很好的魯棒性,尤其適用于小樣本數(shù)據(jù)變量篩選。

    式中:λ1為懲罰項(xiàng)相對(duì)于擬合錯(cuò)誤的重要程度,大于0;λ2為2 種范數(shù)正則化的比例,取0~1;‖θ‖1為L(zhǎng)1正則化;‖θ‖2為L(zhǎng)2正則化。

    2.2 通用向量機(jī)(GVM)

    通用向量機(jī)(GVM)模型是廈門大學(xué)趙鴻教授在2016 年基于蒙特卡羅(Monte Carlo,MC)算法提出來的一種機(jī)器學(xué)習(xí)新方法[22]。該模型結(jié)合BP 神經(jīng)網(wǎng)絡(luò)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化策略和支持向量機(jī)(SVM)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化策略,采用MC 算法調(diào)整模型權(quán)值直至獲得最優(yōu)模型。該模型被證實(shí)具有很好的泛化能力,對(duì)小樣本具有良好的預(yù)測(cè)效果,且模型對(duì)單個(gè)樣本的微小波動(dòng)具有更強(qiáng)的魯棒性,模型抗噪聲干擾能力強(qiáng)。

    GVM 模型主要超參數(shù)為隱含層節(jié)點(diǎn)數(shù)和敏感度控制參數(shù)β,通過將β 控制在一定范圍內(nèi)就可以使模型對(duì)輸入向量的微小波動(dòng)保持強(qiáng)魯棒性,這樣就可以用更多的隱藏層節(jié)點(diǎn)增強(qiáng)模型泛化能力的同時(shí)有效抑制過擬合。同時(shí)采用鏡面對(duì)稱思想固定輸出權(quán)值矩陣W2,通過基于權(quán)值偏導(dǎo)數(shù)的蒙特卡羅(Derivative Monte Carlo,DMC)算法[23]來調(diào)整權(quán)值Wβ、W1和Wb,優(yōu)化模型,減小式(9)代價(jià)函數(shù)使得模型整體逐步收斂到穩(wěn)定最優(yōu)解。

    式中:COST 為代價(jià)函數(shù);RMSE 為均方根誤差;N 為樣本個(gè)數(shù)。

    2.3 改進(jìn)的量子粒子群算法(IQPSO)

    GVM 模型性能取決于權(quán)值向量、偏置向量及控制向量。蒙特卡羅算法優(yōu)化GVM 網(wǎng)絡(luò)參數(shù)采用單步變異方式,1 次僅優(yōu)化1 個(gè)權(quán)值,且隱含層節(jié)點(diǎn)數(shù)同條件下一般來說至少10 倍于BP 神經(jīng)網(wǎng)絡(luò),是以犧牲訓(xùn)練時(shí)長(zhǎng)和模型收斂速度來增強(qiáng)模型的魯棒性與穩(wěn)定性。本質(zhì)上來講,優(yōu)化GVM 模型網(wǎng)絡(luò)參數(shù)就是搜索最優(yōu)網(wǎng)絡(luò)參數(shù)使得式(9)取得最小極值。PSO算法就是解決此類問題行之有效的經(jīng)典方法。

    PSO 算法是由Eberhart 等[26]于1995 年模擬鳥群覓食行為提出的一種全局最優(yōu)化算法,因其簡(jiǎn)單可行、收斂快、穩(wěn)健性好等優(yōu)點(diǎn)被廣泛應(yīng)用于各領(lǐng)域最優(yōu)化問題中。但該算法星環(huán)狀結(jié)構(gòu)信息交互方式導(dǎo)致搜索尋優(yōu)過程中由于其種群多樣性自進(jìn)化消失快而過早收斂,在解決形如式(9)這種多局部極值問題中很難跳出局部最優(yōu)?;诖耍瑢⒘孔颖忍叵到y(tǒng)引入粒子群算法,并根據(jù)代價(jià)函數(shù)動(dòng)態(tài)調(diào)整比特量子旋轉(zhuǎn)角和交叉變異概率對(duì)量子粒子群算法[27](QPSO)進(jìn)行改進(jìn)提出一種新的量子粒子群算法,使得粒子以更大概率跳出局部最優(yōu)同時(shí)兼顧泛化及求精能力。

    綜上,利用Elastic Net 方法優(yōu)選建模特征變量,針對(duì)研究所用小樣本不均衡數(shù)據(jù)選擇具有優(yōu)勢(shì)的GVM 網(wǎng)絡(luò)建立神經(jīng)網(wǎng)絡(luò)模型,考慮到GVM 模型存在的缺陷及粒子群算法(PSO)參數(shù)尋優(yōu)對(duì)本研究適應(yīng)性差,提出了改進(jìn)的量子粒子群算法對(duì)決定模型性能的關(guān)鍵控制參數(shù)進(jìn)行全局優(yōu)化,通過此三者緊密聯(lián)合構(gòu)建高精度、強(qiáng)魯棒性和穩(wěn)定性的煤層含氣量預(yù)測(cè)模型。

    3 模型構(gòu)建及性能分析

    3.1 模型構(gòu)建

    3.1.1 特征參數(shù)選取

    根據(jù)Elastic Net 方法,在進(jìn)行變量篩選前對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化處理,消除特征參數(shù)間的差異性,避免因此導(dǎo)致特征丟失。由式(8)可知,EN 特征篩選2個(gè)核心參數(shù)為正則化參數(shù)λ1(λ1>0)和權(quán)重調(diào)節(jié)系數(shù)λ2(0<λ2<1)。為獲得最佳Elastic Net 參數(shù),在python平臺(tái)Elastic NetCV 模塊中,先將數(shù)據(jù)隨機(jī)等分為3組,網(wǎng)格搜索采用3 折交叉驗(yàn)證確定最佳權(quán)重調(diào)節(jié)系數(shù)為λ2=0.32,再根據(jù)均方差MSE 隨不同懲罰系數(shù)的變化曲線基于最小MSE 準(zhǔn)則確定正則化參數(shù)λ1。3 折交叉驗(yàn)證下不同正則化參數(shù)MSE 變化曲線(λ2=0.32)如圖3,最佳正則化系數(shù)為λ1=0.58。

    圖3 3 折交叉驗(yàn)證下不同正則化參數(shù)MSE 變化曲線(λ2=0.32)Fig.3 MSE variation curves of different penalty coefficients under 3-fold cross validation(λ2=0.32)

    基于所選最佳EN 方法系數(shù)(λ2=0.32,λ1=0.58),EN 方法通過最小角回歸算法(Least Angle Regression, LAR)迭代計(jì)算19 個(gè)測(cè)井及其衍生參數(shù)稀疏系數(shù)[27],將稀疏系數(shù)為0 的冗余變量濾除即為特征參數(shù),該方法降維的同時(shí)很好地解決了多重共線性問題。特征參數(shù)貢獻(xiàn)率如圖4。

    圖4 特征參數(shù)貢獻(xiàn)率Fig.4 Contribution rate of characteristic parameters

    由圖4 可知,AC、DEN、GR、lg(RD)、CNL、△lg(R)、△SP 7 個(gè)參數(shù)對(duì)模型精度總貢獻(xiàn)率達(dá)到95.38%,因此選取這7 個(gè)參數(shù)作為GVM 模型的優(yōu)選特征。

    3.1.2 網(wǎng)絡(luò)結(jié)構(gòu)確定

    在進(jìn)行GVM 模型權(quán)值向量、偏置向量及控制向量尋優(yōu)前首先要確定模型結(jié)構(gòu),即要確定隱藏層節(jié)點(diǎn)個(gè)數(shù)。隱藏層節(jié)點(diǎn)個(gè)數(shù)對(duì)模型性能的影響如圖5,MAPE 為平均絕對(duì)百分比誤差,表征模型偏差程度。隨著隱藏層節(jié)點(diǎn)個(gè)數(shù)的增加,模型精度越來越好,模型訓(xùn)練時(shí)長(zhǎng)開始緩慢增加,當(dāng)隱藏層節(jié)點(diǎn)數(shù)超過105 時(shí),模型性能反而下降,精度開始降低,且訓(xùn)練時(shí)長(zhǎng)急劇增長(zhǎng)。基于以上分析,隱藏層節(jié)點(diǎn)數(shù)為105。

    圖5 隱藏層節(jié)點(diǎn)個(gè)數(shù)對(duì)模型性能的影響Fig.5 Contribution rate of characteristic parameters

    一般來說,GVM 模型要求激活函數(shù)f 滿足非線性、有界性和連續(xù)性??紤]一般情況,利用先驗(yàn)樣本數(shù)據(jù)特征對(duì)GVM 模型常見3 種傳遞函數(shù)性能進(jìn)行模擬對(duì)比,不同傳遞函數(shù)運(yùn)算效率對(duì)比如圖6。由圖6 可知,對(duì)于特征空間3 種傳遞函數(shù)都具有可行性,相對(duì)而言tanh 函數(shù)運(yùn)行效率高且對(duì)DMC 算法來說其參數(shù)變異區(qū)間較廣,容錯(cuò)率較高。因此將tanh 函數(shù)作為GVM 模型的傳遞函數(shù)。

    圖6 不同傳遞函數(shù)運(yùn)算效率對(duì)比Fig.6 Contribution rate of characteristic parameters

    3.1.3 網(wǎng)絡(luò)參數(shù)優(yōu)化

    利用IQPSO 算法優(yōu)化GVM 網(wǎng)絡(luò)參數(shù),每個(gè)量子粒子代表1 組GVM 網(wǎng)絡(luò)參數(shù)(Wβ、W1和Wb),將式(9)作為IQPSO 算法的適應(yīng)度函數(shù)。GVM 參數(shù)尋優(yōu)圖如圖7。

    圖7 GVM 參數(shù)尋優(yōu)圖Fig.7 GVM parameter optimization diagram

    算法具體流程步驟如下:

    步驟1:初始化。利用式(10)量子比特編碼每個(gè)粒子qi,并初始化參數(shù),IQPSO 初始化參數(shù)見表2。包括種群規(guī)模N,最大進(jìn)化代數(shù)Imax,停滯判別參數(shù)ω,交叉驗(yàn)證誤差判別閾值ε,量子門旋轉(zhuǎn)角范圍[θmin,θmax],變異概率范圍[pmmin,pmmax]。

    表2 IQPSO 初始化參數(shù)Table 2 Initialization parameters of IQPSO

    式中:[cosθij,sinθij]T為1 個(gè)量子比特;M 為量子比特空間維數(shù);θ 為量子粒子相位。

    步驟2:隨機(jī)觀測(cè)每個(gè)粒子生成二進(jìn)制解并進(jìn)行解空間轉(zhuǎn)換。

    步驟3:采用3 折交叉驗(yàn)證評(píng)價(jià)每個(gè)粒子適應(yīng)度函數(shù),保存全局最優(yōu)解Pg=(pg1,pg2,…,pgM)和當(dāng)前每個(gè)粒子的局部最優(yōu)解PL=(pL1,pL2,…,pLM)。并判斷交叉驗(yàn)證誤差判別閾值ε 和最大進(jìn)化代數(shù)Imax,若滿足則進(jìn)行步驟4,否則進(jìn)行步驟6。

    步驟4:采用二進(jìn)制引力搜索算法[28]量子旋轉(zhuǎn)門策略結(jié)合式(10)更新量子相位向量θi=(θi1,θi2,…,θiM),進(jìn)而更新個(gè)體位移。

    式中:λ 為控制θ 調(diào)整幅度的常量,經(jīng)反復(fù)實(shí)驗(yàn)?zāi)M取值e0.036效果最佳;t 為時(shí)間。

    采用式(11)符合θ“粗中有細(xì)”的調(diào)整策略,有效提高模型性能同時(shí)平衡其泛化能力。

    步驟5:停滯參數(shù)ω 判斷,若滿足則利用量子非門進(jìn)行離散交叉變異操作更新進(jìn)化種群使粒子以更大概率快速跳出局部極值。

    步驟6:在IQPSO 算法優(yōu)化基礎(chǔ)上,執(zhí)行GVM模型DMC 加速變異算法進(jìn)一步提升模型全局尋優(yōu)能力,直至達(dá)到算法停止條件輸出最優(yōu)解。

    3.2 模型性能

    為驗(yàn)證改進(jìn)策略,基于上述優(yōu)選的7 個(gè)特征測(cè)井參數(shù)分別用MC 算法、DMC 算法、PSO 尋優(yōu)策略及本文方法優(yōu)化GVM 網(wǎng)絡(luò)參數(shù)建立煤層含氣量預(yù)測(cè)模型。建模過程將280 組樣本數(shù)據(jù)隨機(jī)等分為4組,1 組作為測(cè)試集不參與建模驗(yàn)證模型泛化性,其余3 組進(jìn)行3 折交叉驗(yàn)證用于確定模型參數(shù)。對(duì)建模集(訓(xùn)練集和驗(yàn)證集)和測(cè)試集進(jìn)行測(cè)試對(duì)比,用3 次交叉驗(yàn)證平均均方根誤差和擬合優(yōu)度衡量模型整體性能,并對(duì)各模型進(jìn)行測(cè)試對(duì)比,各算法適應(yīng)度函數(shù)收斂曲線如圖8。

    圖8 各算法適應(yīng)度函數(shù)收斂曲線Fig.8 Convergence curves of fitness function of each algorithm

    由圖8 可知,在其他條件相同的情況下,尋優(yōu)策略其尋優(yōu)能力優(yōu)于其它3 種方法,而在收斂速度上DMC 算法是最快的。同時(shí)還可看出,MC 算法和DMC 算法盡管收斂速度稍快,但對(duì)于研究目標(biāo)函數(shù)全局尋優(yōu)能力較差,收斂精度稍差,PSO 算法盡管一定程度上增強(qiáng)了全局尋優(yōu)能力,還是陷入了局部最優(yōu)值。而尋優(yōu)策略,雖多次早熟收斂,但隨著迭代次數(shù)增加逐步收斂并在后收斂到全局最優(yōu)達(dá)到不錯(cuò)的收斂精度。由此可見,結(jié)合IQPSO 和DMC 算法的GVM 網(wǎng)絡(luò)參數(shù)尋優(yōu)策略雖然在收斂速度上略有損失,但極大提升了模型精度。

    通過擬合優(yōu)度、均方根誤差、平均絕對(duì)百分比誤差和相對(duì)分析誤差4 個(gè)指標(biāo),可以綜合全面地評(píng)估模型性能。各評(píng)價(jià)模型的預(yù)測(cè)精度評(píng)價(jià)指標(biāo)見表3。

    由表3 結(jié)果可見,不論是訓(xùn)練集還是驗(yàn)證集,IQPSO 算法優(yōu)化策略GVM 模型預(yù)測(cè)精度均優(yōu)于其他3 種方法。可見采用的GVM 網(wǎng)絡(luò)核心參數(shù)優(yōu)化策略可有效改善模型性能,提高模型預(yù)測(cè)精度。同時(shí)測(cè)試集可以看出,訓(xùn)練得到的模型其測(cè)試集平均均方根誤差為0.648,平均絕對(duì)百分比誤差8.69%,相對(duì)分析誤差3.23,相對(duì)其他3 種方法均有大大的提升,說明該算法泛化性強(qiáng),能有效抑制過擬合。

    表3 各評(píng)價(jià)模型的預(yù)測(cè)精度評(píng)價(jià)指標(biāo)Table 3 Evaluation index of prediction precision of each model

    GVM 模型集BP 神經(jīng)網(wǎng)絡(luò)模型和SVM 模型優(yōu)點(diǎn)于一體,為驗(yàn)證模型對(duì)所研究問題的有效性及驗(yàn)證模型的魯棒性,將本文模型、基于本文優(yōu)化策略的7×9×1 結(jié)構(gòu)的BP 神經(jīng)網(wǎng)絡(luò)模型和SVM 模型及傳統(tǒng)多元回歸法對(duì)研究區(qū)同一盲井3 號(hào)層進(jìn)行含氣量預(yù)測(cè),A13 井3 號(hào)煤層含氣量預(yù)測(cè)成果如圖9。

    圖9 A13 井3 號(hào)煤層含氣量預(yù)測(cè)成果Fig.9 Prediction results of 3# coalbed methane content in A13 well

    由圖9 可以看出,多元回歸模型明顯存在“高值偏低,低值偏高”的有偏現(xiàn)象,整體上均比神經(jīng)網(wǎng)絡(luò)含氣量模型差,且多元回歸法預(yù)測(cè)結(jié)果整體為1 條直線,并不符合煤層強(qiáng)非均質(zhì)性的特點(diǎn),因此不合理,參考價(jià)值不大;神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)含氣量整體上形態(tài)走勢(shì)相近,一定程度上符合煤層強(qiáng)非均質(zhì)性的特點(diǎn),BP 神經(jīng)網(wǎng)絡(luò)含氣量模型對(duì)樣本量要求高且訓(xùn)練難度大,也存在有偏現(xiàn)象誤差較大;796~797 m 為夾矸段,理論上含氣量為低值,而支持向量機(jī)含氣量模型表現(xiàn)為平穩(wěn)直線且與正常響應(yīng)段近乎持平,且796.6~797.6 m 存在明顯擴(kuò)徑,盡管經(jīng)過擴(kuò)徑校正,但仍無法消除曲線失真對(duì)含氣量建模的影響??梢钥闯?,支持向量機(jī)含氣量模型抗井徑失真能力明顯不如通用向量機(jī)含氣量模型和BP 神經(jīng)網(wǎng)絡(luò)含氣量模型;在煤層上下測(cè)井響應(yīng)半幅點(diǎn)突變段通用向量機(jī)含氣量預(yù)測(cè)精度明顯優(yōu)于通用向量機(jī)模型和BP神經(jīng)網(wǎng)絡(luò)模型。綜合盲井驗(yàn)證結(jié)果分析,提出的基于彈性神經(jīng)網(wǎng)絡(luò)測(cè)井參數(shù)優(yōu)選和改進(jìn)量子粒子群結(jié)合變異蒙特卡洛算法優(yōu)化通用向量機(jī)模型效果最好,模型穩(wěn)健性好、魯棒性強(qiáng),能滿足該地區(qū)含氣量高精度計(jì)算要求,為煤層氣生產(chǎn)提供總體上有力支撐與指導(dǎo),同時(shí)為煤層含氣量高精度預(yù)測(cè)提供了新方法策略。

    4 結(jié) 語

    1)經(jīng)過常規(guī)交會(huì)圖和含氣量相關(guān)性熱圖分析各測(cè)井及其衍生參數(shù)與煤層含氣量相關(guān)性可知煤層含氣量響應(yīng)特征明顯,不同測(cè)井參數(shù)的含氣量響應(yīng)差異較大,各測(cè)井參數(shù)間存在不同程度的多重共線性。

    2)在煤層含氣量預(yù)測(cè)建模過程中,引入彈性網(wǎng)絡(luò)進(jìn)行屬性約簡(jiǎn)解決冗余信息對(duì)含氣量建模精度的影響,真實(shí)定量化表征測(cè)井參數(shù)與煤層含氣量間的非線性關(guān)系。從實(shí)際結(jié)果可知,該特征參數(shù)優(yōu)選策略符合地球物理測(cè)井理論,是行之有效的去冗余化方法,提升了建模精度。

    3)針對(duì)煤儲(chǔ)層非均質(zhì)性強(qiáng)且煤層含氣量小樣本不均衡特點(diǎn)引入通用向量機(jī)算法,通過試驗(yàn)調(diào)整并確定了最優(yōu)的GVM 模型拓?fù)浣Y(jié)構(gòu)參數(shù),然后使用改進(jìn)的量子粒子群算法優(yōu)化GVM 模型權(quán)值建立最終煤層含氣量預(yù)測(cè)模型。將該模型與相同策略下的支持向量機(jī)、BP 神經(jīng)網(wǎng)絡(luò)及傳統(tǒng)多元回歸模型進(jìn)行對(duì)比,建模效果優(yōu)于其他方法,能有效滿足勘探區(qū)含氣量高精度要求及生產(chǎn)指導(dǎo),可進(jìn)行推廣使用。

    猜你喜歡
    氣量測(cè)井煤層
    本期廣告索引
    八扇區(qū)水泥膠結(jié)測(cè)井儀刻度及測(cè)井?dāng)?shù)據(jù)處理
    中國煤層氣(2021年5期)2021-03-02 05:53:12
    頁巖超臨界態(tài)吸附氣量計(jì)算模型
    氣量可以學(xué)習(xí)嗎
    大港油田穩(wěn)步提高產(chǎn)氣量 提前4個(gè)月完成全年指標(biāo)
    錄井工程(2017年3期)2018-01-22 08:39:56
    氣量三層次
    極近距離煤層采空區(qū)下煤層巷道支護(hù)研究
    山西煤炭(2015年4期)2015-12-20 11:36:18
    松軟低透煤層CO_2爆破增透技術(shù)應(yīng)用研究
    基于測(cè)井響應(yīng)評(píng)價(jià)煤巖結(jié)構(gòu)特征
    中國煤層氣(2015年4期)2015-08-22 03:28:01
    中石油首個(gè)全國測(cè)井行業(yè)標(biāo)準(zhǔn)發(fā)布
    久久久久久人妻| 国产精品久久久久久av不卡| 丰满人妻一区二区三区视频av| 久久久久国产网址| a 毛片基地| 一边亲一边摸免费视频| 永久免费av网站大全| 亚洲国产高清在线一区二区三| 另类亚洲欧美激情| 99久久人妻综合| 成人二区视频| 午夜福利影视在线免费观看| 啦啦啦视频在线资源免费观看| 国产黄片视频在线免费观看| 国精品久久久久久国模美| 中国三级夫妇交换| 亚洲色图av天堂| 在线播放无遮挡| 国产又色又爽无遮挡免| 欧美人与善性xxx| 亚洲精品一区蜜桃| 下体分泌物呈黄色| 91在线精品国自产拍蜜月| 国产亚洲欧美精品永久| av国产免费在线观看| 国产爱豆传媒在线观看| 久久久久久久久久久免费av| 日韩在线高清观看一区二区三区| 在线观看免费视频网站a站| 日韩一区二区三区影片| 视频中文字幕在线观看| 高清日韩中文字幕在线| 国产黄色免费在线视频| 国产精品.久久久| 成人一区二区视频在线观看| 毛片女人毛片| 最黄视频免费看| 制服丝袜香蕉在线| 国产一区二区三区综合在线观看 | 久久午夜福利片| 久久人人爽av亚洲精品天堂 | 久久国产精品男人的天堂亚洲 | av不卡在线播放| 视频中文字幕在线观看| 久久久久久久精品精品| 久久99热这里只频精品6学生| 日韩制服骚丝袜av| 国产精品成人在线| 亚洲av中文av极速乱| 日韩av在线免费看完整版不卡| 黑丝袜美女国产一区| 乱码一卡2卡4卡精品| 超碰97精品在线观看| 久久久久国产精品人妻一区二区| 国产精品国产三级国产专区5o| 亚洲精品中文字幕在线视频 | 亚洲国产精品专区欧美| 亚洲熟女精品中文字幕| 午夜福利高清视频| 亚洲精品日韩在线中文字幕| 国产极品天堂在线| 亚洲成人中文字幕在线播放| 亚洲av国产av综合av卡| 欧美人与善性xxx| 国产成人a区在线观看| 99久久人妻综合| 一级爰片在线观看| 亚洲精品国产av蜜桃| 最近的中文字幕免费完整| 婷婷色综合www| 毛片一级片免费看久久久久| 观看美女的网站| 深爱激情五月婷婷| 国产精品免费大片| 观看av在线不卡| 精品人妻偷拍中文字幕| 免费高清在线观看视频在线观看| 大话2 男鬼变身卡| 国产精品.久久久| 在线播放无遮挡| 久久毛片免费看一区二区三区| 久久婷婷青草| 国产在线免费精品| 午夜福利高清视频| 日韩大片免费观看网站| 黄色怎么调成土黄色| 在线 av 中文字幕| 欧美zozozo另类| 91久久精品国产一区二区三区| 免费不卡的大黄色大毛片视频在线观看| 亚洲成人中文字幕在线播放| 精品人妻偷拍中文字幕| 精品熟女少妇av免费看| h日本视频在线播放| 久久久久久久久久成人| 成人一区二区视频在线观看| 国产亚洲av片在线观看秒播厂| 国产精品伦人一区二区| 久久久久国产精品人妻一区二区| 日韩免费高清中文字幕av| 女人十人毛片免费观看3o分钟| 成人影院久久| 国产男女内射视频| 国产亚洲最大av| av一本久久久久| 国产高清国产精品国产三级 | 老女人水多毛片| 99热这里只有是精品50| 久久精品国产a三级三级三级| 国产中年淑女户外野战色| av女优亚洲男人天堂| 成人二区视频| 久久精品国产a三级三级三级| 亚洲三级黄色毛片| 97在线人人人人妻| 国产高清三级在线| 日日摸夜夜添夜夜添av毛片| 亚洲成色77777| 亚洲av欧美aⅴ国产| 国产爱豆传媒在线观看| 国产精品.久久久| 熟女av电影| 亚洲,欧美,日韩| av.在线天堂| 成人黄色视频免费在线看| 丰满人妻一区二区三区视频av| 免费看日本二区| 久久久色成人| 国产精品国产三级国产专区5o| 超碰97精品在线观看| 久久99热6这里只有精品| 亚洲av综合色区一区| 伊人久久国产一区二区| kizo精华| 人妻制服诱惑在线中文字幕| 九草在线视频观看| 国产成人一区二区在线| 久久久久国产网址| 欧美精品一区二区大全| 免费观看a级毛片全部| 在线观看免费日韩欧美大片 | 丰满少妇做爰视频| 午夜老司机福利剧场| 高清欧美精品videossex| 亚洲精品日本国产第一区| 亚洲欧美清纯卡通| 免费在线观看成人毛片| 欧美日韩亚洲高清精品| 美女高潮的动态| 国产精品一二三区在线看| 麻豆精品久久久久久蜜桃| 少妇人妻精品综合一区二区| 最近的中文字幕免费完整| 水蜜桃什么品种好| 狂野欧美激情性bbbbbb| 狂野欧美激情性bbbbbb| 午夜激情福利司机影院| 一级黄片播放器| 国产精品久久久久久精品古装| 欧美精品亚洲一区二区| 97精品久久久久久久久久精品| 99热这里只有精品一区| 免费少妇av软件| 国产伦精品一区二区三区四那| 免费人成在线观看视频色| 青春草视频在线免费观看| 十八禁网站网址无遮挡 | 国产精品一区二区三区四区免费观看| av福利片在线观看| 免费av不卡在线播放| 交换朋友夫妻互换小说| 男女下面进入的视频免费午夜| 国产精品三级大全| 18禁裸乳无遮挡免费网站照片| av不卡在线播放| 性色avwww在线观看| 美女福利国产在线 | 亚洲av不卡在线观看| 久热这里只有精品99| 免费观看av网站的网址| 亚洲精品久久久久久婷婷小说| 亚洲国产av新网站| 久久影院123| 卡戴珊不雅视频在线播放| 91久久精品国产一区二区成人| 最近2019中文字幕mv第一页| 99热这里只有是精品在线观看| 成年av动漫网址| 久久久欧美国产精品| 国产高潮美女av| 亚洲av.av天堂| 亚洲欧美日韩卡通动漫| 国内精品宾馆在线| 99久国产av精品国产电影| 国产淫片久久久久久久久| 91精品国产九色| 80岁老熟妇乱子伦牲交| 黑丝袜美女国产一区| 久久精品人妻少妇| 久久国产乱子免费精品| 99热网站在线观看| 又粗又硬又长又爽又黄的视频| 18禁在线播放成人免费| 嫩草影院入口| 黄色视频在线播放观看不卡| 国产一级毛片在线| 中文字幕人妻熟人妻熟丝袜美| 欧美97在线视频| 97超碰精品成人国产| 亚洲欧美精品自产自拍| 亚洲美女黄色视频免费看| 精品久久久久久电影网| 欧美精品国产亚洲| 亚洲精品国产成人久久av| 国产综合精华液| 卡戴珊不雅视频在线播放| 最近手机中文字幕大全| 精品人妻熟女av久视频| 色视频www国产| 亚洲美女搞黄在线观看| 亚洲欧美成人精品一区二区| 大话2 男鬼变身卡| 久久久成人免费电影| 亚洲精品乱久久久久久| 国产精品三级大全| 美女xxoo啪啪120秒动态图| 亚洲欧美清纯卡通| 国产久久久一区二区三区| 在线精品无人区一区二区三 | av一本久久久久| 在线观看人妻少妇| 国产成人午夜福利电影在线观看| 免费观看在线日韩| 日韩不卡一区二区三区视频在线| 一区二区三区四区激情视频| 国产视频内射| 日本欧美视频一区| av福利片在线观看| 亚洲精品日韩在线中文字幕| 又大又黄又爽视频免费| 99热网站在线观看| av在线播放精品| 成年免费大片在线观看| 97超碰精品成人国产| 亚洲av中文av极速乱| 精华霜和精华液先用哪个| 久久久国产一区二区| 亚洲精品国产av成人精品| 精品99又大又爽又粗少妇毛片| 欧美成人午夜免费资源| av视频免费观看在线观看| 国内少妇人妻偷人精品xxx网站| 亚洲精品乱久久久久久| 日本一二三区视频观看| 国产91av在线免费观看| 大又大粗又爽又黄少妇毛片口| 色5月婷婷丁香| 久久人妻熟女aⅴ| 久久久久久久久大av| 免费观看性生交大片5| 国产一级毛片在线| 国产精品麻豆人妻色哟哟久久| 免费看不卡的av| 成年美女黄网站色视频大全免费 | 日韩一区二区三区影片| 黄色欧美视频在线观看| 国产在线免费精品| 免费观看在线日韩| 日本av免费视频播放| 男女国产视频网站| 免费观看的影片在线观看| 欧美精品亚洲一区二区| 九九爱精品视频在线观看| 小蜜桃在线观看免费完整版高清| 亚洲成色77777| 日产精品乱码卡一卡2卡三| 高清日韩中文字幕在线| 欧美日韩视频高清一区二区三区二| av不卡在线播放| 熟妇人妻不卡中文字幕| 国产av一区二区精品久久 | 黄片无遮挡物在线观看| 亚洲自偷自拍三级| 天天躁日日操中文字幕| 美女视频免费永久观看网站| 亚洲性久久影院| 国产精品福利在线免费观看| 国产精品免费大片| 一区二区三区免费毛片| 成年免费大片在线观看| 大又大粗又爽又黄少妇毛片口| 黑丝袜美女国产一区| 亚洲av.av天堂| av卡一久久| 国产爽快片一区二区三区| 色综合色国产| 精品久久久久久久久亚洲| 亚洲精品国产色婷婷电影| 亚洲欧美中文字幕日韩二区| 日韩电影二区| 男的添女的下面高潮视频| 少妇的逼好多水| 亚洲精品成人av观看孕妇| 国产精品麻豆人妻色哟哟久久| 不卡视频在线观看欧美| 边亲边吃奶的免费视频| 精品国产乱码久久久久久小说| 亚洲av电影在线观看一区二区三区| 久久99热6这里只有精品| 99re6热这里在线精品视频| 日本色播在线视频| 美女福利国产在线 | 精品视频人人做人人爽| 身体一侧抽搐| 97在线视频观看| av女优亚洲男人天堂| 乱码一卡2卡4卡精品| 午夜福利在线观看免费完整高清在| 久久人人爽人人爽人人片va| 下体分泌物呈黄色| 97超碰精品成人国产| 国产午夜精品久久久久久一区二区三区| 舔av片在线| 久久久久精品性色| 亚洲精品一区蜜桃| 夜夜看夜夜爽夜夜摸| 一边亲一边摸免费视频| 亚洲欧美一区二区三区国产| 午夜免费男女啪啪视频观看| 国产精品无大码| 免费av中文字幕在线| 熟女人妻精品中文字幕| 夜夜爽夜夜爽视频| 你懂的网址亚洲精品在线观看| 日韩制服骚丝袜av| 男男h啪啪无遮挡| 高清毛片免费看| 国产白丝娇喘喷水9色精品| 26uuu在线亚洲综合色| 最近中文字幕高清免费大全6| 国产精品国产三级国产专区5o| 麻豆成人av视频| 一区二区av电影网| 卡戴珊不雅视频在线播放| 久久久久网色| 亚洲人成网站高清观看| 人体艺术视频欧美日本| 菩萨蛮人人尽说江南好唐韦庄| 亚洲aⅴ乱码一区二区在线播放| 国产精品久久久久久精品古装| 啦啦啦视频在线资源免费观看| 99热6这里只有精品| 精品视频人人做人人爽| 亚洲av日韩在线播放| 国产一区亚洲一区在线观看| 丰满少妇做爰视频| 丝袜喷水一区| 久久人妻熟女aⅴ| 97超视频在线观看视频| 中文字幕精品免费在线观看视频 | 久久精品久久久久久久性| 久久久欧美国产精品| 亚洲精品乱码久久久久久按摩| 日韩强制内射视频| a级毛色黄片| 99国产精品免费福利视频| 久久99热这里只有精品18| 亚洲精品日本国产第一区| 人人妻人人爽人人添夜夜欢视频 | 久久这里有精品视频免费| 国产精品国产av在线观看| 夫妻性生交免费视频一级片| 2022亚洲国产成人精品| 日本猛色少妇xxxxx猛交久久| 国产亚洲一区二区精品| 欧美最新免费一区二区三区| 国产亚洲91精品色在线| 简卡轻食公司| 另类亚洲欧美激情| 亚洲成人中文字幕在线播放| 国产在视频线精品| 99久久精品一区二区三区| 日本午夜av视频| 高清欧美精品videossex| av视频免费观看在线观看| 免费人妻精品一区二区三区视频| 亚洲精品国产色婷婷电影| 午夜激情福利司机影院| 久久毛片免费看一区二区三区| 亚洲av欧美aⅴ国产| 免费观看性生交大片5| 久久久a久久爽久久v久久| 亚洲精品视频女| 女人十人毛片免费观看3o分钟| 日日啪夜夜爽| 国产免费一级a男人的天堂| 欧美国产精品一级二级三级 | 秋霞在线观看毛片| 国产伦精品一区二区三区四那| 日日啪夜夜撸| 18禁在线无遮挡免费观看视频| 男人添女人高潮全过程视频| 最新中文字幕久久久久| 久久久久精品性色| 日本黄色日本黄色录像| 在线观看一区二区三区| 深爱激情五月婷婷| 男人狂女人下面高潮的视频| 我的老师免费观看完整版| 久久 成人 亚洲| 大又大粗又爽又黄少妇毛片口| 又大又黄又爽视频免费| 久久韩国三级中文字幕| videossex国产| 亚洲中文av在线| 嫩草影院新地址| 国产毛片在线视频| 亚洲内射少妇av| 美女中出高潮动态图| 色吧在线观看| 亚洲精品乱码久久久v下载方式| 亚洲欧美精品专区久久| 国产成人aa在线观看| 全区人妻精品视频| 美女福利国产在线 | 成人毛片60女人毛片免费| 欧美zozozo另类| 久久av网站| 一级毛片久久久久久久久女| 国产精品国产av在线观看| 91久久精品国产一区二区三区| 少妇的逼水好多| 欧美少妇被猛烈插入视频| av专区在线播放| 精品久久国产蜜桃| 免费黄色在线免费观看| 男的添女的下面高潮视频| av女优亚洲男人天堂| 美女脱内裤让男人舔精品视频| 国产精品爽爽va在线观看网站| 午夜精品国产一区二区电影| 亚洲不卡免费看| 人妻夜夜爽99麻豆av| 嫩草影院入口| 日本黄色日本黄色录像| 久久ye,这里只有精品| 亚洲第一av免费看| 免费播放大片免费观看视频在线观看| 亚洲欧美日韩另类电影网站 | 三级国产精品欧美在线观看| 18禁在线无遮挡免费观看视频| 欧美老熟妇乱子伦牲交| 免费不卡的大黄色大毛片视频在线观看| 美女cb高潮喷水在线观看| 中文资源天堂在线| 日韩制服骚丝袜av| 97精品久久久久久久久久精品| 国产黄片美女视频| a级毛片免费高清观看在线播放| 狠狠精品人妻久久久久久综合| 纵有疾风起免费观看全集完整版| 日本爱情动作片www.在线观看| 国产精品久久久久久久久免| 久久久久久人妻| 男女边摸边吃奶| 美女福利国产在线 | 久久国产精品大桥未久av | 亚洲国产精品专区欧美| 欧美xxxx性猛交bbbb| 国产白丝娇喘喷水9色精品| 亚洲内射少妇av| 国产欧美日韩一区二区三区在线 | 大又大粗又爽又黄少妇毛片口| 精品人妻偷拍中文字幕| 久久97久久精品| 久久久a久久爽久久v久久| 国产午夜精品久久久久久一区二区三区| 97热精品久久久久久| 亚洲人成网站在线观看播放| 亚洲欧洲国产日韩| 亚洲人与动物交配视频| 国产男女超爽视频在线观看| 精品一区在线观看国产| 国产在线一区二区三区精| 久久99蜜桃精品久久| 国产人妻一区二区三区在| 亚洲成色77777| 最近中文字幕高清免费大全6| av视频免费观看在线观看| 亚洲av福利一区| 久久久久久久久久久丰满| 久久国产乱子免费精品| 黄色视频在线播放观看不卡| 亚洲电影在线观看av| 亚洲婷婷狠狠爱综合网| 欧美成人午夜免费资源| 男人舔奶头视频| 99久久精品国产国产毛片| 成人免费观看视频高清| 少妇裸体淫交视频免费看高清| 另类亚洲欧美激情| 少妇的逼好多水| 国产色爽女视频免费观看| 国产伦精品一区二区三区视频9| 欧美 日韩 精品 国产| 午夜福利在线在线| 久久久久网色| 国产有黄有色有爽视频| 精品少妇久久久久久888优播| 另类亚洲欧美激情| 国产精品三级大全| 国产免费又黄又爽又色| 国产成人免费观看mmmm| 亚洲美女搞黄在线观看| 国产一区二区三区av在线| 精品人妻熟女av久视频| 亚洲欧美一区二区三区黑人 | 午夜免费男女啪啪视频观看| 18禁裸乳无遮挡动漫免费视频| 免费黄网站久久成人精品| 中文欧美无线码| 麻豆乱淫一区二区| 国产永久视频网站| 女性被躁到高潮视频| 成人亚洲精品一区在线观看 | 妹子高潮喷水视频| 久久99精品国语久久久| 国产成人aa在线观看| 大话2 男鬼变身卡| 一级毛片我不卡| 一个人看的www免费观看视频| 免费观看性生交大片5| 欧美+日韩+精品| 免费观看a级毛片全部| a 毛片基地| 永久免费av网站大全| av卡一久久| 欧美激情极品国产一区二区三区 | 我的女老师完整版在线观看| 99热这里只有精品一区| 国产精品福利在线免费观看| 亚洲人与动物交配视频| 午夜福利网站1000一区二区三区| 一级毛片我不卡| 免费av不卡在线播放| 卡戴珊不雅视频在线播放| 国产一区二区三区综合在线观看 | 校园人妻丝袜中文字幕| 熟女av电影| 国产视频首页在线观看| 人人妻人人看人人澡| 国产亚洲欧美精品永久| 亚洲av成人精品一区久久| 美女国产视频在线观看| 高清在线视频一区二区三区| 视频区图区小说| 亚洲国产成人一精品久久久| 街头女战士在线观看网站| 少妇人妻精品综合一区二区| 午夜福利网站1000一区二区三区| 18禁裸乳无遮挡免费网站照片| 成人免费观看视频高清| 免费观看性生交大片5| 国产成人一区二区在线| 国产视频首页在线观看| 人妻 亚洲 视频| 免费久久久久久久精品成人欧美视频 | 精品一区二区三卡| 丰满人妻一区二区三区视频av| 国产色爽女视频免费观看| 久久久久视频综合| 在线观看一区二区三区激情| 色吧在线观看| 国产高清三级在线| 亚洲精品色激情综合| 少妇精品久久久久久久| 我的女老师完整版在线观看| 99久久人妻综合| 男女下面进入的视频免费午夜| 纯流量卡能插随身wifi吗| 99热国产这里只有精品6| 久久久久久久大尺度免费视频| 男女下面进入的视频免费午夜| 亚洲不卡免费看| 日日撸夜夜添| 精品久久久噜噜| 日韩av免费高清视频| 久热这里只有精品99| 九色成人免费人妻av| av黄色大香蕉| 国产一区亚洲一区在线观看| 成年女人在线观看亚洲视频| 伦理电影免费视频| 高清视频免费观看一区二区| 国产高清有码在线观看视频| 国产精品一区二区在线观看99| 最后的刺客免费高清国语| 亚洲电影在线观看av| 免费观看的影片在线观看| 在线看a的网站| 国产精品一区www在线观看| 国产乱人视频| 亚洲精品第二区| 久久99精品国语久久久| 日本黄色片子视频| 日本av免费视频播放| 精品99又大又爽又粗少妇毛片| 亚洲伊人久久精品综合| 久久久a久久爽久久v久久| 麻豆国产97在线/欧美| 亚洲欧美成人精品一区二区| 亚洲精品久久午夜乱码| 人人妻人人澡人人爽人人夜夜| 国语对白做爰xxxⅹ性视频网站| 你懂的网址亚洲精品在线观看|