• <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
    欧美乱码精品一区二区三区| www.999成人在线观看| 欧美性猛交╳xxx乱大交人| 毛片女人毛片| 免费人成在线观看视频色| 国产精品98久久久久久宅男小说| 一区福利在线观看| 51午夜福利影视在线观看| 99热6这里只有精品| 99热精品在线国产| 老熟妇仑乱视频hdxx| 黄片小视频在线播放| 一个人观看的视频www高清免费观看| 97超级碰碰碰精品色视频在线观看| 男女那种视频在线观看| 麻豆成人av在线观看| 一级a爱片免费观看的视频| 国产一区二区在线av高清观看| 日本一二三区视频观看| svipshipincom国产片| 天天一区二区日本电影三级| 国产精品影院久久| av在线天堂中文字幕| 国产美女午夜福利| 免费av观看视频| 老熟妇仑乱视频hdxx| 长腿黑丝高跟| 国产成人aa在线观看| 亚洲在线自拍视频| 1000部很黄的大片| 亚洲国产欧美人成| 日韩欧美在线二视频| 国产精品久久电影中文字幕| 欧美日韩精品网址| 国产欧美日韩一区二区三| 国产高清有码在线观看视频| 精品99又大又爽又粗少妇毛片 | 欧美中文综合在线视频| 亚洲专区国产一区二区| 99久久精品热视频| 亚洲黑人精品在线| 欧美国产日韩亚洲一区| 九九在线视频观看精品| 99热只有精品国产| 国产精品久久视频播放| 国产色爽女视频免费观看| 黄色成人免费大全| 亚洲av免费在线观看| 高清毛片免费观看视频网站| 午夜久久久久精精品| 小说图片视频综合网站| 丰满的人妻完整版| 成年人黄色毛片网站| 国产色爽女视频免费观看| 动漫黄色视频在线观看| 老汉色av国产亚洲站长工具| 黄色片一级片一级黄色片| 国产精品电影一区二区三区| 国产三级中文精品| 国产精品爽爽va在线观看网站| 亚洲成人久久爱视频| 日本一本二区三区精品| 国产精品电影一区二区三区| 搡老熟女国产l中国老女人| 99久久精品一区二区三区| 精品久久久久久久人妻蜜臀av| 无限看片的www在线观看| 亚洲精品一卡2卡三卡4卡5卡| 精品不卡国产一区二区三区| 18+在线观看网站| 国产黄片美女视频| 日韩欧美一区二区三区在线观看| 天天躁日日操中文字幕| 久久久久久久亚洲中文字幕 | 五月伊人婷婷丁香| 欧美成人一区二区免费高清观看| 国产综合懂色| 日本黄色视频三级网站网址| 久久久久久国产a免费观看| 别揉我奶头~嗯~啊~动态视频| 国产精品电影一区二区三区| 日韩成人在线观看一区二区三区| av视频在线观看入口| 亚洲av不卡在线观看| 白带黄色成豆腐渣| 国产精品av视频在线免费观看| 久久天躁狠狠躁夜夜2o2o| 国产精品 欧美亚洲| 欧美最新免费一区二区三区 | 久久香蕉国产精品| 欧美丝袜亚洲另类 | 国产精品电影一区二区三区| 日韩成人在线观看一区二区三区| 精品久久久久久久末码| 久久久精品大字幕| av中文乱码字幕在线| 叶爱在线成人免费视频播放| 欧美一级毛片孕妇| 国产毛片a区久久久久| 男女做爰动态图高潮gif福利片| 日本 欧美在线| 99久久成人亚洲精品观看| 亚洲人成网站在线播放欧美日韩| 一二三四社区在线视频社区8| 国产精华一区二区三区| 国产激情欧美一区二区| 最好的美女福利视频网| 嫩草影院入口| 国产色爽女视频免费观看| 1000部很黄的大片| 天美传媒精品一区二区| 男女那种视频在线观看| 2021天堂中文幕一二区在线观| 我要搜黄色片| 精品午夜福利视频在线观看一区| 动漫黄色视频在线观看| or卡值多少钱| 老司机午夜福利在线观看视频| 日韩精品中文字幕看吧| 亚洲av成人av| 欧美色欧美亚洲另类二区| 国产伦一二天堂av在线观看| 男女下面进入的视频免费午夜| 性色avwww在线观看| 精品久久久久久久久久免费视频| 国产av在哪里看| 观看美女的网站| 老司机福利观看| 欧美日韩综合久久久久久 | 人妻夜夜爽99麻豆av| 亚洲无线在线观看| 内地一区二区视频在线| 色哟哟哟哟哟哟| 国产精品日韩av在线免费观看| 免费在线观看亚洲国产| 又黄又粗又硬又大视频| 精品乱码久久久久久99久播| 国产日本99.免费观看| 免费看光身美女| 国产欧美日韩一区二区三| 99在线视频只有这里精品首页| 亚洲午夜理论影院| 五月伊人婷婷丁香| 精品一区二区三区视频在线 | 精品久久久久久久末码| 怎么达到女性高潮| 搡老岳熟女国产| 精品久久久久久久末码| 真人做人爱边吃奶动态| 国产精品久久久久久精品电影| 精品欧美国产一区二区三| 成人精品一区二区免费| 男女下面进入的视频免费午夜| 一本久久中文字幕| 国产免费男女视频| 亚洲18禁久久av| 美女 人体艺术 gogo| 日本熟妇午夜| АⅤ资源中文在线天堂| 欧美极品一区二区三区四区| 全区人妻精品视频| 综合色av麻豆| 欧美另类亚洲清纯唯美| 亚洲午夜理论影院| 色吧在线观看| 亚洲精品456在线播放app | 亚洲va日本ⅴa欧美va伊人久久| 国产伦精品一区二区三区视频9 | 国产一区二区三区视频了| 久久久久久久午夜电影| 亚洲天堂国产精品一区在线| 成人特级黄色片久久久久久久| 国产一区二区在线av高清观看| 亚洲精品456在线播放app | 免费无遮挡裸体视频| 亚洲,欧美精品.| 老司机午夜十八禁免费视频| 999久久久精品免费观看国产| 露出奶头的视频| 成人亚洲精品av一区二区| 国产亚洲精品久久久久久毛片| 亚洲av美国av| 99久久综合精品五月天人人| 欧美一区二区精品小视频在线| 叶爱在线成人免费视频播放| 男女那种视频在线观看| 欧美bdsm另类| 热99re8久久精品国产| 久久久久国产精品人妻aⅴ院| 中文字幕人妻丝袜一区二区| e午夜精品久久久久久久| 国语自产精品视频在线第100页| 天堂√8在线中文| 免费看日本二区| 午夜两性在线视频| 亚洲七黄色美女视频| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲成人精品中文字幕电影| 一本久久中文字幕| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲av成人av| www.熟女人妻精品国产| 村上凉子中文字幕在线| 亚洲五月婷婷丁香| 天天一区二区日本电影三级| 波多野结衣高清作品| 女人被狂操c到高潮| 精品国产超薄肉色丝袜足j| 久久久久久国产a免费观看| 欧美色视频一区免费| 国产成人aa在线观看| 成熟少妇高潮喷水视频| 老司机深夜福利视频在线观看| 久久久久久九九精品二区国产| 久久国产乱子伦精品免费另类| 亚洲无线在线观看| 黑人欧美特级aaaaaa片| 午夜影院日韩av| 亚洲五月婷婷丁香| 又黄又粗又硬又大视频| 色综合站精品国产| 真实男女啪啪啪动态图| 一a级毛片在线观看| 久9热在线精品视频| 一个人看视频在线观看www免费 | 手机成人av网站| 国产精品三级大全| 中文字幕人妻熟人妻熟丝袜美 | 国产久久久一区二区三区| 国内少妇人妻偷人精品xxx网站| 亚洲欧美日韩卡通动漫| 看黄色毛片网站| 色综合亚洲欧美另类图片| 在线免费观看不下载黄p国产 | 国产精品99久久久久久久久| 波多野结衣高清作品| 人妻久久中文字幕网| 亚洲成人久久性| 欧美激情在线99| 日日夜夜操网爽| 男女下面进入的视频免费午夜| 女警被强在线播放| 一区二区三区激情视频| 一个人观看的视频www高清免费观看| 精品久久久久久久人妻蜜臀av| 男女做爰动态图高潮gif福利片| 少妇人妻精品综合一区二区 | 国产乱人视频| 国产亚洲av嫩草精品影院| 伊人久久精品亚洲午夜| 亚洲性夜色夜夜综合| 两个人看的免费小视频| 国产高清激情床上av| 非洲黑人性xxxx精品又粗又长| 99视频精品全部免费 在线| 国产精品女同一区二区软件 | 日本三级黄在线观看| 欧美又色又爽又黄视频| 久久久国产成人免费| 免费无遮挡裸体视频| 舔av片在线| 国产aⅴ精品一区二区三区波| 国产午夜精品久久久久久一区二区三区 | 国产精品久久久久久久久免 | 搡老岳熟女国产| 熟女人妻精品中文字幕| 国产午夜福利久久久久久| 日本a在线网址| 久久国产精品人妻蜜桃| 国产免费男女视频| av在线天堂中文字幕| 亚洲五月婷婷丁香| 亚洲av成人精品一区久久| 小说图片视频综合网站| 国产野战对白在线观看| 精品久久久久久久末码| 激情在线观看视频在线高清| 日韩欧美免费精品| 一区二区三区国产精品乱码| 波多野结衣高清作品| 色尼玛亚洲综合影院| 国产野战对白在线观看| 18禁黄网站禁片午夜丰满| 女同久久另类99精品国产91| 国产黄色小视频在线观看| 中文字幕久久专区| 91久久精品电影网| 欧美日本视频| 变态另类成人亚洲欧美熟女| 3wmmmm亚洲av在线观看| 亚洲av免费在线观看| 嫩草影院精品99| 非洲黑人性xxxx精品又粗又长| 国产亚洲精品综合一区在线观看| 好男人电影高清在线观看| 黄色视频,在线免费观看| 欧美另类亚洲清纯唯美| 亚洲中文字幕日韩| 国产一区二区激情短视频| 色视频www国产| 日本黄色视频三级网站网址| 日韩欧美三级三区| 午夜精品久久久久久毛片777| 日韩欧美在线乱码| 亚洲精品日韩av片在线观看 | 欧美成人a在线观看| 最近最新中文字幕大全电影3| 国产真实伦视频高清在线观看 | 一区二区三区免费毛片| 欧美不卡视频在线免费观看| 亚洲欧美一区二区三区黑人| 国产伦在线观看视频一区| 国产精品一区二区三区四区久久| xxx96com| 亚洲精品色激情综合| 国产av一区在线观看免费| 国产成人系列免费观看| 亚洲精品456在线播放app | 麻豆久久精品国产亚洲av| 嫩草影院入口| 亚洲专区国产一区二区| 欧美xxxx黑人xx丫x性爽| 在线十欧美十亚洲十日本专区| 天天添夜夜摸| 欧美日本视频| 偷拍熟女少妇极品色| 小蜜桃在线观看免费完整版高清| 色综合站精品国产| 看片在线看免费视频| 长腿黑丝高跟| 窝窝影院91人妻| 日本精品一区二区三区蜜桃| 国产高清三级在线| 国产精品一区二区三区四区久久| 人妻丰满熟妇av一区二区三区| 他把我摸到了高潮在线观看| 丰满人妻熟妇乱又伦精品不卡| 精华霜和精华液先用哪个| 日本撒尿小便嘘嘘汇集6| 国产爱豆传媒在线观看| 午夜精品在线福利| 午夜福利在线观看免费完整高清在 | 久久天躁狠狠躁夜夜2o2o| 色老头精品视频在线观看| 天美传媒精品一区二区| 午夜视频国产福利| 欧美一区二区国产精品久久精品| 日韩欧美在线乱码| 欧美性感艳星| 内射极品少妇av片p| 18禁在线播放成人免费| 特级一级黄色大片| 性色av乱码一区二区三区2| 好看av亚洲va欧美ⅴa在| 舔av片在线| 日韩欧美在线乱码| 免费大片18禁| 熟妇人妻久久中文字幕3abv| 天天添夜夜摸| 欧美绝顶高潮抽搐喷水| 欧美zozozo另类| 又黄又粗又硬又大视频| av视频在线观看入口| 欧美精品啪啪一区二区三区| 欧美在线一区亚洲| 国产黄片美女视频| 十八禁人妻一区二区| 三级男女做爰猛烈吃奶摸视频| 欧美在线一区亚洲| 又紧又爽又黄一区二区| 免费观看的影片在线观看| 中文亚洲av片在线观看爽| 国模一区二区三区四区视频| 亚洲人成网站在线播放欧美日韩| 久久久久九九精品影院| 全区人妻精品视频| 久久久国产成人免费| 12—13女人毛片做爰片一| 1024手机看黄色片| 日韩免费av在线播放| 欧美日韩福利视频一区二区| 伊人久久大香线蕉亚洲五| 国产成人av教育| 欧美又色又爽又黄视频| 亚洲欧美激情综合另类| 亚洲精品日韩av片在线观看 | 久久久久亚洲av毛片大全| 日韩有码中文字幕| 亚洲av成人不卡在线观看播放网| 国产亚洲欧美98| 国产三级在线视频| 国产v大片淫在线免费观看| eeuss影院久久| 精品午夜福利视频在线观看一区| 男女做爰动态图高潮gif福利片| 成人18禁在线播放| 男女床上黄色一级片免费看| 国产探花在线观看一区二区| 琪琪午夜伦伦电影理论片6080| 中文字幕高清在线视频| 国产精品自产拍在线观看55亚洲| 欧美绝顶高潮抽搐喷水| 嫩草影院入口| 国产99白浆流出| 麻豆成人午夜福利视频| 1000部很黄的大片| 欧美xxxx黑人xx丫x性爽| 国产亚洲精品一区二区www| 中文字幕高清在线视频| 国产老妇女一区| 哪里可以看免费的av片| 最近最新中文字幕大全免费视频| 中国美女看黄片| 免费在线观看日本一区| 伊人久久大香线蕉亚洲五| а√天堂www在线а√下载| 亚洲在线观看片| 久久亚洲精品不卡| 国产97色在线日韩免费| 国产一区二区三区视频了| 天天躁日日操中文字幕| 久久久久免费精品人妻一区二区| 99热只有精品国产| 亚洲久久久久久中文字幕| 国产精品久久久久久亚洲av鲁大| 毛片女人毛片| 成年版毛片免费区| 国内毛片毛片毛片毛片毛片| 窝窝影院91人妻| 免费av毛片视频| 日本黄色片子视频| 一级a爱片免费观看的视频| 精品久久久久久成人av| 欧美日韩中文字幕国产精品一区二区三区| 国产aⅴ精品一区二区三区波| 十八禁网站免费在线| a级一级毛片免费在线观看| 噜噜噜噜噜久久久久久91| 国产精品99久久久久久久久| 精品久久久久久久末码| 1000部很黄的大片| 色视频www国产| 在线观看一区二区三区| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 3wmmmm亚洲av在线观看| 午夜久久久久精精品| 老汉色av国产亚洲站长工具| 91九色精品人成在线观看| 成人午夜高清在线视频| 亚洲国产高清在线一区二区三| 成人性生交大片免费视频hd| 2021天堂中文幕一二区在线观| 午夜福利成人在线免费观看| 亚洲av美国av| 亚洲午夜理论影院| 色播亚洲综合网| 一区二区三区激情视频| 少妇人妻精品综合一区二区 | 丰满人妻一区二区三区视频av | 亚洲av五月六月丁香网| 日本成人三级电影网站| or卡值多少钱| 国产色爽女视频免费观看| 日韩 欧美 亚洲 中文字幕| 欧美成人免费av一区二区三区| 波多野结衣高清无吗| 国产精品久久视频播放| 午夜免费男女啪啪视频观看 | 琪琪午夜伦伦电影理论片6080| 亚洲人成网站高清观看| 搡女人真爽免费视频火全软件 | 精品午夜福利视频在线观看一区| 午夜免费成人在线视频| 无人区码免费观看不卡| 身体一侧抽搐| 俺也久久电影网| 一级黄色大片毛片| 欧美黑人巨大hd| 免费无遮挡裸体视频| 欧美zozozo另类| 亚洲电影在线观看av| 熟女人妻精品中文字幕| 久久精品国产自在天天线| 真实男女啪啪啪动态图| 乱人视频在线观看| 欧美激情久久久久久爽电影| 国产精华一区二区三区| 在线观看av片永久免费下载| 成人亚洲精品av一区二区| 男女床上黄色一级片免费看| 一本综合久久免费| 18禁裸乳无遮挡免费网站照片| 日韩欧美 国产精品| 国产单亲对白刺激| 91麻豆精品激情在线观看国产| 国产激情欧美一区二区| 亚洲欧美日韩卡通动漫| 人妻夜夜爽99麻豆av| 欧美黄色淫秽网站| 美女黄网站色视频| 中文资源天堂在线| 中亚洲国语对白在线视频| 一区二区三区高清视频在线| 欧美一级毛片孕妇| 一二三四社区在线视频社区8| 久久精品亚洲精品国产色婷小说| 成人无遮挡网站| 亚洲精品亚洲一区二区| 国产精品 欧美亚洲| 国产一区二区在线av高清观看| 日本熟妇午夜| 好男人在线观看高清免费视频| 人人妻人人澡欧美一区二区| 国内久久婷婷六月综合欲色啪| 麻豆国产97在线/欧美| 久久精品国产亚洲av涩爱 | 午夜精品一区二区三区免费看| 欧美性感艳星| 亚洲国产高清在线一区二区三| 99久久精品国产亚洲精品| 草草在线视频免费看| 日日摸夜夜添夜夜添小说| 日本a在线网址| 不卡一级毛片| 欧美中文日本在线观看视频| 男女床上黄色一级片免费看| 无限看片的www在线观看| 黄片大片在线免费观看| 女人高潮潮喷娇喘18禁视频| www.熟女人妻精品国产| 亚洲狠狠婷婷综合久久图片| 在线观看免费视频日本深夜| 两人在一起打扑克的视频| 国产精品一及| netflix在线观看网站| 欧美xxxx黑人xx丫x性爽| 亚洲av成人不卡在线观看播放网| 国产av一区在线观看免费| 露出奶头的视频| 麻豆成人av在线观看| 欧美色欧美亚洲另类二区| 国产精品一及| 亚洲一区二区三区不卡视频| 久久性视频一级片| 丁香欧美五月| 99精品在免费线老司机午夜| 成人午夜高清在线视频| 日本免费一区二区三区高清不卡| 亚洲久久久久久中文字幕| 琪琪午夜伦伦电影理论片6080| 一个人看的www免费观看视频| 欧美日韩福利视频一区二区| 国产精品av视频在线免费观看| 一区二区三区国产精品乱码| 成人无遮挡网站| 最好的美女福利视频网| 99热这里只有是精品50| 国产伦人伦偷精品视频| 我的老师免费观看完整版| 国产v大片淫在线免费观看| АⅤ资源中文在线天堂| 成年版毛片免费区| 国产中年淑女户外野战色| 亚洲激情在线av| 成人永久免费在线观看视频| 亚洲五月婷婷丁香| 美女免费视频网站| 国产伦精品一区二区三区四那| 国产精品久久久久久人妻精品电影| 日韩人妻高清精品专区| 日本三级黄在线观看| 最近视频中文字幕2019在线8| 在线天堂最新版资源| 亚洲精品456在线播放app | 色吧在线观看| 久久精品国产亚洲av涩爱 | 国产伦精品一区二区三区四那| 嫩草影院入口| 男女午夜视频在线观看| 午夜精品一区二区三区免费看| 久久6这里有精品| 午夜福利高清视频| 亚洲第一电影网av| 国产精品精品国产色婷婷| 夜夜看夜夜爽夜夜摸| 欧美丝袜亚洲另类 | 热99在线观看视频| 看黄色毛片网站| 禁无遮挡网站| 国产不卡一卡二| 亚洲国产欧美网| 男插女下体视频免费在线播放| 亚洲成人中文字幕在线播放| 精品久久久久久久人妻蜜臀av| 国产成人影院久久av| 18禁黄网站禁片免费观看直播| 麻豆一二三区av精品| 桃红色精品国产亚洲av| 91av网一区二区| 一区二区三区国产精品乱码| 男人的好看免费观看在线视频| 亚洲国产精品sss在线观看| 99久久精品一区二区三区| 日韩高清综合在线| 国产真实伦视频高清在线观看 | 精品人妻一区二区三区麻豆 | 在线播放无遮挡| tocl精华| 国产蜜桃级精品一区二区三区| 欧美乱色亚洲激情| 精品一区二区三区视频在线 | 窝窝影院91人妻| 性色avwww在线观看| eeuss影院久久| 国产亚洲精品av在线|