• <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 ?

    基于自適應并聯(lián)結構神經(jīng)網(wǎng)絡的交通流量預測

    2023-04-26 08:21:08楊啟文吳君娜陳俊風薛云燦
    計算機測量與控制 2023年4期
    關鍵詞:交通流量并聯(lián)一致性

    楊啟文,李 月,吳君娜,陳俊風,薛云燦

    (河海大學 信息學部,江蘇 常州 213022)

    0 引言

    隨著社會的高速發(fā)展,城市交通流量持續(xù)增加,交通擁堵已常態(tài)化[1]。為了緩解交通擁堵、提高車輛的通行效率,實現(xiàn)交通智能化,交通流量的預測顯得尤為重要。

    由于車輛通行的隨機性和復雜性,導致交通流量模型呈現(xiàn)具有極強的非線性特點,因此,通常采用利用非線性映射能力的人工神經(jīng)網(wǎng)絡(簡稱為“神經(jīng)網(wǎng)絡”)來建立交通流量預測模型,為智能交通提供決策依據(jù)[2]。例如,蔣杰[3]、賴錦輝[4]等人分別采用蟻群算法和布谷鳥搜索算法來優(yōu)化BP神經(jīng)網(wǎng)絡,通過提高BP神經(jīng)網(wǎng)絡的逼近精度來建立更加精確的交通流量預測模型;Q.Chen,H.J.Yang以及W.Du等人則分別利用粒子群算法[5]、遺傳算法[6]、鯨魚算法[7]來優(yōu)化小波神經(jīng)網(wǎng)絡(WNN,wavelet neural network),建立交通流量預測模型;Dogan通過長短時深度神經(jīng)網(wǎng)絡(LSTM,long short-term memory networks)來預測交通流量[8];在LSTM預測模型基礎上,Lu進一步利用ARIMA模型組合來提高預測效果[9],而Jing則融合時間卷積神經(jīng)網(wǎng)絡(TCN,temporal convolutional network),構建了一種混合神經(jīng)網(wǎng)絡的交通流量預測模型[10]。

    應用神經(jīng)網(wǎng)絡時,往往需要進行結構或參數(shù)優(yōu)化,即神經(jīng)網(wǎng)絡訓練。通常采用的訓練手段有:采用試湊法[11],經(jīng)驗公式法[12],動態(tài)參數(shù)自調(diào)整法[13-14],模擬退火算法[15]和群智能優(yōu)化算法[16]等方法來優(yōu)化隱層節(jié)點數(shù)[17-18];采用梯度下降搜索法[19]、LM(Levenberg-marquardt)算法[20]、層次耦合約束優(yōu)化算法[21]、模擬退火法[22]、群智能優(yōu)化算法[23-24]等方法來優(yōu)化神經(jīng)元之間的連接權。

    但是,在不同初始條件[25]下,即使采用具有全局優(yōu)化能力的群智能算法和組合算法,也不能保證神經(jīng)網(wǎng)絡每次訓練都能收斂到全局最優(yōu),從而導致神經(jīng)網(wǎng)絡的訓練結果出現(xiàn)了一致性問題[26-28]。

    為了增強訓練結果的一致性、降低訓練次數(shù),提高工程應用的便利性,本文提出一種自適應并聯(lián)結構神經(jīng)網(wǎng)絡(APSNN,adaptive parallel structure neural network),旨在采用常規(guī)優(yōu)化算法,通過神經(jīng)網(wǎng)絡的自組織行為,在訓練中實現(xiàn)網(wǎng)絡結構自適應和參數(shù)優(yōu)化;在滿足訓練精度前提下,維持訓練結果的一致性。同時,利用APSNN,建立交通流量預測模型,降低預測偏差,提高預測的平穩(wěn)性。

    1 自適應并聯(lián)結構神經(jīng)網(wǎng)絡

    神經(jīng)網(wǎng)絡種類很多,本文考察常見的前向神經(jīng)網(wǎng)絡。

    多層前向神經(jīng)網(wǎng)絡如圖1所示,包括輸入層、隱藏層和輸出層,除輸入層和輸出層只有一層外,隱藏層可以是一層也可以是多層。

    圖1 多層前向神經(jīng)網(wǎng)絡

    多層前向神經(jīng)網(wǎng)絡,常通過誤差反傳機制和梯度信息,對神經(jīng)元的連接權進行迭代優(yōu)化,這就是流行的誤差反傳學習算法,簡稱BP(back propagation)算法,對應的神經(jīng)網(wǎng)絡亦俗稱為BP神經(jīng)網(wǎng)絡。BP算法是一種確定性優(yōu)化算法,收斂速度快,但由于采用單點、慣序的確定性優(yōu)化模式,不同的初始條件下會收斂到不同的局部極值。采用群智能優(yōu)化算法訓練神經(jīng)網(wǎng)絡時,盡管群智能優(yōu)化算法具有理論上的全局收斂能力,但由于這類算法屬于隨機優(yōu)化算法,早熟收斂現(xiàn)象一直存在。

    因此,不論是確定性優(yōu)化算法,還是隨機優(yōu)化算法,局部收斂或早熟收斂導致神經(jīng)網(wǎng)絡在不同初始條件下,訓練結果也不盡相同,訓練結果的一致性問題始終存在。

    1.1 并聯(lián)網(wǎng)絡結構

    為了能保持訓練結果的一致性,本文對常規(guī)的神經(jīng)網(wǎng)絡進行結構改進,提出了一種由多個神經(jīng)網(wǎng)絡單元組成的并聯(lián)網(wǎng)絡結構。

    如圖 2所示,神經(jīng)網(wǎng)絡單元NNk(k=1,2,…,K)是由常規(guī)的前向神經(jīng)網(wǎng)絡(如圖 1所示)組成,所有神經(jīng)網(wǎng)絡單元的輸入端并聯(lián)在一起,各單元的輸出相加后形成神經(jīng)網(wǎng)絡的輸出。神經(jīng)網(wǎng)絡單元的級聯(lián)數(shù)量,在訓練過程中,通過自組織行為自適應確定。

    圖2 并聯(lián)神經(jīng)網(wǎng)絡結構

    由于神經(jīng)網(wǎng)絡單元NNk的非線性,并聯(lián)后的神經(jīng)網(wǎng)絡同樣具備非線性特征,理論上可以實現(xiàn)對任意非線性函數(shù)的高精度逼近。

    1.2 自組織機制

    為了能采用常規(guī)的BP算法對圖 2所示的并聯(lián)神經(jīng)網(wǎng)絡進行訓練,實現(xiàn)訓練結果的一致性要求,對神經(jīng)網(wǎng)絡單元進行功能做如下定義。

    定義:后一級神經(jīng)網(wǎng)絡單元NNk+1作為前一級神經(jīng)網(wǎng)絡單元NNk的補償單元,在神經(jīng)網(wǎng)絡訓練過程中,對上一級神經(jīng)網(wǎng)絡單元的訓練殘差進行補償。

    按照上述自組織機制構建的并聯(lián)神經(jīng)網(wǎng)絡,只要神經(jīng)網(wǎng)絡單元的級聯(lián)數(shù)不受限制,理論上都可以滿足訓練的精度指標,從而實現(xiàn)訓練結果的一致性要求。

    例如,設輸入樣本為:

    對應的輸出樣本為:

    即輸入輸出訓練樣本集為:

    y1={0.9,2.01,3.05,3.95},

    e1={0.1,-0.01,-0.05,0.05}。

    利用訓練殘差e1,構造下一級神經(jīng)網(wǎng)絡單元NN2的訓練樣本集:

    y2={0.11,-0.011,-0.04,0.06},

    則神經(jīng)網(wǎng)絡單元NN2的訓練殘差為e2=e1-y2,即:

    e2={-0.01,0.001,-0.01,-0.01}。

    這樣,神經(jīng)網(wǎng)絡單元NN3的訓練樣本集為:

    依此類推,只要將輸入輸出訓練樣本集作為第一級神經(jīng)網(wǎng)絡單元的訓練樣本集,其余各級神經(jīng)網(wǎng)絡單元的訓練樣本集,均可利用上一級的訓練殘差進行構建,直到訓練殘差ek滿足精度要求為止。

    APSNN的樣本構建流程及網(wǎng)絡結構自適應流程圖分別如圖 3和圖 4所示。

    圖3 APSNN樣本構建流程

    圖4 APSNN自組織流程圖

    2 函數(shù)逼近測試

    為了評價神經(jīng)網(wǎng)絡的訓練性能,引入三項指標。

    第一項指標是式(1)所示的逼近精度,即所有樣本均方誤差的對數(shù):

    (1)

    逼近精度的大小能夠反映出神經(jīng)網(wǎng)絡的對函數(shù)的逼近程度,數(shù)值越小,逼近度越高。

    第二項指標是式(2)所示的逼近精度的總體標準差:

    (2)

    總體標準差反映出數(shù)據(jù)集在其均值附近的聚集程度??傮w標準差越小,說明數(shù)據(jù)越集中,一致性較好。但考慮到逼近精度JK是訓練殘差的對數(shù)運算結果,因此,逼近精度JK在不同數(shù)量級處的總體標準差,難以反映出訓練殘差的一致性。故總體標準差僅反映逼近精度在數(shù)學意義上的一致性。

    第三項指標是達標率,即多次獨立實驗中滿足逼近精度的比例。

    達標率可以反映出神經(jīng)網(wǎng)絡在逼近精度及其一致性方面的綜合性能。達標率越高,說明滿足逼近精度的訓練次數(shù)越多。從工程應用角度看,達標率越高,需要對神經(jīng)網(wǎng)絡重復訓練的次數(shù)就越少。因此,達標率更能反映出訓練殘差在工程意義上的一致性。

    2.1 函數(shù)逼近測試

    選取5個非線性函數(shù)作為測試函數(shù):

    (3)

    采用BP神經(jīng)網(wǎng)絡和本文提出的APSNN對上述5個非線性函數(shù)進行逼近實驗。

    實驗測試中,設置JK=-4作為達標率的精度閾值,即:當逼近精度小于-4時,認為訓練結果達標(當逼近精度小于精度閾值時,能夠獲得滿意的逼近效果)。

    為了簡化APSNN中的神經(jīng)網(wǎng)絡單元,各神經(jīng)網(wǎng)絡單元具有完全相同中間層數(shù)、隱節(jié)點數(shù)N和激活函數(shù)(sigmoid函數(shù))。同時,為了能在相同條件下比較兩種神經(jīng)網(wǎng)絡的性能,BP神經(jīng)網(wǎng)絡采用與APSNN完全相同的激活函數(shù)。兩種神經(jīng)網(wǎng)絡均使用默認的LM算法進行訓練,且終止條件也完全相同。

    APSNN自組織規(guī)則如下:

    1)JK=-4;

    2)或者并聯(lián)一級神經(jīng)網(wǎng)絡單元后導致JK增大;

    3)或者并聯(lián)的神經(jīng)網(wǎng)絡單元數(shù)達到5個。

    當滿足上述3個條件中之一時,APSNN自組織結束;當上述3個條件均不滿足時,APSNN在原有的結構中,自動并聯(lián)一級神經(jīng)網(wǎng)絡單元,實現(xiàn)結構擴張。

    實驗測試在Matlab平臺(軟件版本2018b)上進行。BP神經(jīng)網(wǎng)絡和APSNN中神經(jīng)網(wǎng)絡單元的訓練終止條件均采用相同的默認條件,且在所有實驗測試過程中保持不變。APSNN第一個神經(jīng)網(wǎng)絡單元的初始連接權與BP神經(jīng)網(wǎng)絡的初始連接權均為相同的隨機數(shù),后續(xù)并聯(lián)的神經(jīng)網(wǎng)絡單元連接權為隨機數(shù)。

    針對函數(shù)f1(x),在區(qū)間[-6,6]內(nèi),按照步長0.01進行采樣,形成121個采樣點的輸入輸出訓練集。

    圖 5為BP神經(jīng)網(wǎng)絡不同隱節(jié)點的50次獨立訓練結果。從逼近精度曲線上看,逼近精度的均值隨著隱節(jié)點數(shù)的增加而減小(具體數(shù)據(jù)見表 1實驗結果)。

    圖5 BP神經(jīng)網(wǎng)絡的逼近精度

    但是,在50次獨立訓練中,逼近精度值存在著較大的波動。例如N=3時,近50%的值分布在[-1,0]區(qū)間內(nèi),40%分布在[-1,-2]區(qū)間上,還有10%分布在[-2,-3]區(qū)間中。當N=7時,逼近精度的一致性有了明顯的改善,數(shù)據(jù)主要集中在[-7,-8]區(qū)間上(共有45次),只有5次實驗結果分散在[-3,-6]區(qū)間上。因此從數(shù)據(jù)分布的聚集程度上看,7個隱節(jié)點神經(jīng)網(wǎng)絡訓練結果的一致性好。

    表1 函數(shù)f1(x)的實驗結果

    在表1所示的實驗結果中,盡管3個隱節(jié)點BP神經(jīng)網(wǎng)絡的總體標準差在數(shù)值上要小于7個隱節(jié)點BP神經(jīng)網(wǎng)絡,但訓練殘差的均值處在不同數(shù)量級。從數(shù)據(jù)分布上看,7個隱節(jié)點BP神經(jīng)網(wǎng)絡僅有5次實驗的數(shù)據(jù)分布“異常”;另外,從達標率指標上看,7個隱節(jié)點BP神經(jīng)網(wǎng)絡有94%的訓練結果滿足逼近精度指標要求,可以被工程接受。因此,采用達標率來衡量訓練結果的一致性更具有工程上的合理性。

    圖6為APSNN在不同隱節(jié)點數(shù)(此處指神經(jīng)網(wǎng)絡單元的隱節(jié)點數(shù))下50次獨立訓練結果。當N=3時,逼近精度近75%集中在[-2,-3]之間,明顯高于BP神經(jīng)網(wǎng)絡。當神經(jīng)網(wǎng)絡單元的隱節(jié)點數(shù)N=7時,APSNN與BP神經(jīng)網(wǎng)絡的逼近精度曲線非常相似。APSNN盡管仍有5次逼近精度偏離[-7,-8]區(qū)間,但逼近精度均小于-4,而BP神經(jīng)網(wǎng)絡則有3次逼近精度值大于-4。

    圖6 APSNN逼近精度

    表1的數(shù)據(jù)對比表明,APSNN在三項指標方面均優(yōu)于BP神經(jīng)網(wǎng)絡。這種性能改善,與神經(jīng)網(wǎng)絡單元的殘差補償機制有著密切的關系。

    圖7是APSNN中神經(jīng)網(wǎng)絡單元級聯(lián)數(shù)在50次獨立實驗中的變化情況。當神經(jīng)網(wǎng)絡單元的隱節(jié)點數(shù)為N=3時,由于逼近精度無法滿足精度要求,根據(jù)自組織規(guī)則,在訓練過程中會自動并聯(lián)一級神經(jīng)網(wǎng)絡單元,直至并聯(lián)數(shù)量達到上限5個。隨著神經(jīng)網(wǎng)絡單元的隱節(jié)點數(shù)的增加,神經(jīng)網(wǎng)絡單元的逼近能力得到提升,需要并聯(lián)的神經(jīng)網(wǎng)絡單元數(shù)越來越少。當神經(jīng)網(wǎng)絡單元的隱節(jié)點數(shù)為N=7時,只出現(xiàn)過兩次2個神經(jīng)網(wǎng)絡單元并聯(lián)的現(xiàn)象,其余48次訓練由于達到了精度指標要求,因而只需要一級神經(jīng)網(wǎng)絡單元。此時APSNN差不多就退化為一個常規(guī)的BP神經(jīng)網(wǎng)絡,故二者在相同初始條件下,有48次訓練結果完全相同。

    圖7 APSNN級聯(lián)數(shù)

    表2~表5是BP神經(jīng)網(wǎng)絡和APSNN逼近函數(shù)f2(x)~f5(x)的實驗結果(實驗樣本的采樣間隔均為0.01)。

    表2 函數(shù)f2(x)的實驗結果

    表3 函數(shù)f3(x)的實驗結果

    表4 函數(shù)f4(x)的實驗結果

    表5 函數(shù)f5(x)的實驗結果

    實驗對比結果與函數(shù)f1(x)非常相似,APSNN在3項性能指標方面均優(yōu)于常規(guī)的BP神經(jīng)網(wǎng)絡。在函數(shù)f5(x)的實驗結果中,當APSNN的神經(jīng)網(wǎng)絡單元級聯(lián)數(shù)為1,APSNN就等同于常規(guī)的BP神經(jīng)網(wǎng)絡,二者性能完全相同。

    在APSNN訓練過程中,神經(jīng)網(wǎng)絡根據(jù)訓練殘差的精度要求,通過觸發(fā)自組織規(guī)則,由小到大地搭建神經(jīng)網(wǎng)絡結構,從而實現(xiàn)網(wǎng)絡結構的自適應優(yōu)化。而常規(guī)的神經(jīng)網(wǎng)絡結構優(yōu)化,通常是對神經(jīng)網(wǎng)絡的不同候選結構進行性能評估,從中“挑選”出最優(yōu)性能指標的網(wǎng)絡結構。從二者的不同之處可以看出,常規(guī)神經(jīng)網(wǎng)絡結構優(yōu)化不可避免地對同一結構進行重復評估,而APSNN的自組織規(guī)則能同時進行參數(shù)和結構優(yōu)化,避免了神經(jīng)網(wǎng)絡單元的冗余評估,降低了優(yōu)化過程的計算量。

    3 交通流量預測

    (4)

    式中,d(i)為真實流量數(shù)據(jù),p(i)為預測模型輸出的預測數(shù)據(jù)。

    考慮到交通流量與前一時刻的流量有關,本文采用前4個采樣時刻的流量信息預測下一時刻的交通流量,因此,APSNN輸入層節(jié)點數(shù)設為4,輸出層節(jié)點數(shù)為1。當訓練精度J≤5或者并聯(lián)新的神經(jīng)網(wǎng)絡單元導致J增大時,訓練過程中的自組織行為停止,訓練結束。

    選取美國明尼蘇達州的明尼阿波利斯和圣保羅之間94號州際公路2018年9月1~30日的西行數(shù)據(jù)作為測試數(shù)據(jù)(數(shù)據(jù)源:https://archive.ics.uci.edu)。前25天的600個監(jiān)測數(shù)據(jù)(每小時采集一次交通流量)作為神經(jīng)網(wǎng)絡的訓練樣本集;利用訓練好的神經(jīng)網(wǎng)絡,預測后5天的交通流量。

    圖8是50次獨立測試的預測精度變化曲線。從圖中曲線的可以看出,APSNN和BP神經(jīng)網(wǎng)絡的預測精度相近,大部分預測精度在5.2附近,而WNN則在5.5附近波動。但是,APSNN在50次獨立測試中的預測精度相差不大,一致性更好,而BP和WNN則出現(xiàn)了較大的波動。

    圖8 預測精度

    為了能更直觀地比較預測的一致性,先計算單次實驗中120個預測點的總體標準差,作為每個預測時刻的一致性性能指標,然后以這個總體標準差作為數(shù)據(jù)集,計算50次實驗中的總體標準差,作為重復測試的一致性性能指標。

    圖9是3種神經(jīng)網(wǎng)絡的在50次實驗中的總體標準差曲線。APSNN和BP的總體標準差大部分在400~500附近,而WNN在600附近波動。但APSNN在50次獨立實驗中的總體標準差非常平穩(wěn),這意味著APSNN不但在重復測試中表現(xiàn)穩(wěn)定,而且在每個預測時刻的偏差也比較穩(wěn)定。而BP次之,WNN最差。

    圖9 預測標準差

    表6是3種神經(jīng)網(wǎng)絡在50次獨立測試中的3項性能指標。本文提出的APSNN在3項指標方面均表現(xiàn)優(yōu)秀。在MAPE指標上,APSNN較BP和WNN分別降低了2.7%和9.7%。因此,采用APSNN進行交通流量預測,既能降低預測偏差,又能保持預測的平穩(wěn)性。

    表6 交通流量預測結果

    4 結束語

    由于現(xiàn)有優(yōu)化算法的局限性,神經(jīng)網(wǎng)絡的逼近精度和訓練結果的一致性難以保證,給工程應用了帶來不便。本文提出了一種自適應并聯(lián)結構的神經(jīng)網(wǎng)絡——APSNN。這種神經(jīng)網(wǎng)絡可以利用常規(guī)的優(yōu)化算法,對神經(jīng)網(wǎng)絡單元進行逐級訓練。在訓練過程中,神經(jīng)網(wǎng)絡根據(jù)訓練殘差實現(xiàn)網(wǎng)絡結構優(yōu)化,確保訓練精度及其一致性。

    APSNN的自組織行為是通過神經(jīng)網(wǎng)絡單元的自適應并聯(lián)擴展實現(xiàn),不是對單個神經(jīng)網(wǎng)絡的內(nèi)部隱含層和隱節(jié)點進行增刪,這是本文與神經(jīng)網(wǎng)絡傳統(tǒng)優(yōu)化方案不同的地方。由于目前神經(jīng)網(wǎng)絡單元內(nèi)部結構固定、隱節(jié)點數(shù)無法自適應,這是APSNN的不足之處。探索神經(jīng)網(wǎng)絡單元的結構優(yōu)化,將是未來要解決的一個問題。

    猜你喜歡
    交通流量并聯(lián)一致性
    關注減污降碳協(xié)同的一致性和整體性
    公民與法治(2022年5期)2022-07-29 00:47:28
    識別串、并聯(lián)電路的方法
    注重教、學、評一致性 提高一輪復習效率
    IOl-master 700和Pentacam測量Kappa角一致性分析
    基于XGBOOST算法的擁堵路段短時交通流量預測
    基于GA-BP神經(jīng)網(wǎng)絡的衡大高速公路日交通流量預測
    審批由“串聯(lián)”改“并聯(lián)”好在哪里?
    并聯(lián)型APF中SVPWM的零矢量分配
    一種軟開關的交錯并聯(lián)Buck/Boost雙向DC/DC變換器
    基于事件觸發(fā)的多智能體輸入飽和一致性控制
    在线观看免费高清a一片| 精品少妇久久久久久888优播| 伦理电影免费视频| 91午夜精品亚洲一区二区三区| 80岁老熟妇乱子伦牲交| 亚洲精品成人av观看孕妇| 免费观看的影片在线观看| 嫩草影院新地址| 亚洲自偷自拍三级| 欧美xxⅹ黑人| 在线观看人妻少妇| 另类精品久久| 麻豆成人午夜福利视频| 免费av中文字幕在线| 国产一区亚洲一区在线观看| 99国产精品免费福利视频| 欧美丝袜亚洲另类| 91久久精品国产一区二区成人| 九色成人免费人妻av| 日韩中字成人| 黑丝袜美女国产一区| 国产毛片在线视频| 高清不卡的av网站| 久久久国产一区二区| 久久精品国产自在天天线| 我的老师免费观看完整版| av有码第一页| 熟女av电影| 亚洲国产成人一精品久久久| 99九九线精品视频在线观看视频| 久久人妻熟女aⅴ| 中文字幕人妻熟人妻熟丝袜美| 9色porny在线观看| 少妇被粗大猛烈的视频| 精品酒店卫生间| 热re99久久精品国产66热6| 黑人猛操日本美女一级片| 五月玫瑰六月丁香| 久久久国产精品麻豆| 18+在线观看网站| a级一级毛片免费在线观看| 久久久久久久亚洲中文字幕| 中文字幕制服av| 色视频www国产| 人妻系列 视频| 亚洲欧洲精品一区二区精品久久久 | 久久久久视频综合| 亚洲精品亚洲一区二区| 成人免费观看视频高清| 午夜免费观看性视频| 特大巨黑吊av在线直播| 国产黄色视频一区二区在线观看| 能在线免费看毛片的网站| 天美传媒精品一区二区| 一级毛片电影观看| 亚洲一级一片aⅴ在线观看| 国产精品秋霞免费鲁丝片| 美女大奶头黄色视频| 夫妻性生交免费视频一级片| 国产精品人妻久久久久久| 国产精品久久久久久精品古装| 欧美日韩国产mv在线观看视频| 亚洲内射少妇av| 亚洲av男天堂| 国产精品秋霞免费鲁丝片| 国产熟女午夜一区二区三区 | 国产成人aa在线观看| 久久午夜综合久久蜜桃| 搡女人真爽免费视频火全软件| 街头女战士在线观看网站| 男女边摸边吃奶| 久久国产精品大桥未久av | 国产精品人妻久久久影院| 亚洲伊人久久精品综合| 少妇丰满av| 少妇丰满av| 日韩中字成人| 成人黄色视频免费在线看| 少妇被粗大猛烈的视频| 国产精品秋霞免费鲁丝片| 在线观看人妻少妇| 久久精品夜色国产| 国产免费视频播放在线视频| 精品久久久久久久久亚洲| 一个人看视频在线观看www免费| 精品人妻熟女毛片av久久网站| 大又大粗又爽又黄少妇毛片口| 久久97久久精品| 又大又黄又爽视频免费| 三级国产精品欧美在线观看| 伦理电影大哥的女人| 亚洲欧美成人精品一区二区| 蜜桃久久精品国产亚洲av| 日本黄色片子视频| 久久人人爽人人片av| 国产中年淑女户外野战色| 曰老女人黄片| 一级黄片播放器| 人妻系列 视频| 精品人妻熟女av久视频| 丰满乱子伦码专区| 亚洲天堂av无毛| 赤兔流量卡办理| 97精品久久久久久久久久精品| 激情五月婷婷亚洲| 精品久久久噜噜| 国产精品蜜桃在线观看| 丰满饥渴人妻一区二区三| 51国产日韩欧美| 久久久久国产精品人妻一区二区| 丝袜脚勾引网站| 国产精品久久久久久精品电影小说| 丝袜脚勾引网站| 老司机亚洲免费影院| 欧美日韩国产mv在线观看视频| 久久午夜福利片| 国产高清有码在线观看视频| 激情五月婷婷亚洲| 亚洲情色 制服丝袜| 成人特级av手机在线观看| 我要看日韩黄色一级片| 一区二区三区四区激情视频| 久久国产亚洲av麻豆专区| 最后的刺客免费高清国语| 国产精品99久久99久久久不卡 | 国产欧美日韩一区二区三区在线 | 亚洲va在线va天堂va国产| 久久ye,这里只有精品| 国产亚洲欧美精品永久| 午夜久久久在线观看| 黑人猛操日本美女一级片| 国产日韩一区二区三区精品不卡 | 男女边摸边吃奶| 亚洲精品日韩av片在线观看| 久久久久精品久久久久真实原创| 国产欧美另类精品又又久久亚洲欧美| 日韩av不卡免费在线播放| 国产美女午夜福利| 日本爱情动作片www.在线观看| 久久ye,这里只有精品| 亚洲伊人久久精品综合| 欧美精品人与动牲交sv欧美| 国产成人freesex在线| 久久久国产精品麻豆| 高清视频免费观看一区二区| 日韩视频在线欧美| 国产av一区二区精品久久| 十八禁网站网址无遮挡 | 欧美精品国产亚洲| 中国国产av一级| 久久青草综合色| 国产在视频线精品| 亚洲va在线va天堂va国产| 99久国产av精品国产电影| 啦啦啦视频在线资源免费观看| 97超视频在线观看视频| 人人妻人人澡人人看| 亚洲熟女精品中文字幕| 国产 一区精品| 免费观看a级毛片全部| 亚洲熟女精品中文字幕| 视频区图区小说| 成人国产av品久久久| 寂寞人妻少妇视频99o| 午夜福利网站1000一区二区三区| 你懂的网址亚洲精品在线观看| 久久久国产精品麻豆| 亚洲电影在线观看av| 三级国产精品欧美在线观看| 国产黄色免费在线视频| 99久久中文字幕三级久久日本| 七月丁香在线播放| 一本—道久久a久久精品蜜桃钙片| 男女边吃奶边做爰视频| 久久97久久精品| 国产精品久久久久成人av| 精品少妇内射三级| 久久久精品94久久精品| 伦理电影免费视频| 成人漫画全彩无遮挡| av国产久精品久网站免费入址| 午夜老司机福利剧场| 一本大道久久a久久精品| 狂野欧美白嫩少妇大欣赏| 亚洲精品中文字幕在线视频 | 国产色婷婷99| 人妻一区二区av| 日本免费在线观看一区| 最新的欧美精品一区二区| 五月伊人婷婷丁香| 大码成人一级视频| xxx大片免费视频| 国产色爽女视频免费观看| 日本黄色片子视频| 曰老女人黄片| 国产在视频线精品| 日韩 亚洲 欧美在线| 午夜老司机福利剧场| 91久久精品国产一区二区成人| videossex国产| 免费大片18禁| 女性被躁到高潮视频| 国产 精品1| 建设人人有责人人尽责人人享有的| 新久久久久国产一级毛片| 在线精品无人区一区二区三| 高清午夜精品一区二区三区| 成人黄色视频免费在线看| 黑人高潮一二区| 青春草亚洲视频在线观看| 六月丁香七月| 我要看黄色一级片免费的| 亚洲av免费高清在线观看| 男人和女人高潮做爰伦理| 丰满少妇做爰视频| 人妻少妇偷人精品九色| 麻豆乱淫一区二区| 欧美3d第一页| 晚上一个人看的免费电影| 97在线人人人人妻| 蜜桃在线观看..| 亚洲av二区三区四区| 日韩一本色道免费dvd| 国产一区二区在线观看日韩| 高清av免费在线| 9色porny在线观看| 黄色毛片三级朝国网站 | h视频一区二区三区| 亚洲国产精品999| 少妇高潮的动态图| 欧美精品人与动牲交sv欧美| 最新中文字幕久久久久| 伦理电影免费视频| 亚洲四区av| 中文字幕免费在线视频6| 国产淫语在线视频| 人体艺术视频欧美日本| 肉色欧美久久久久久久蜜桃| 欧美精品人与动牲交sv欧美| 最黄视频免费看| 女人精品久久久久毛片| 我要看日韩黄色一级片| 99久国产av精品国产电影| 久久久久国产精品人妻一区二区| 国产在线一区二区三区精| 精品少妇黑人巨大在线播放| 天天操日日干夜夜撸| 亚洲熟女精品中文字幕| 九色成人免费人妻av| 亚洲国产最新在线播放| 久久久久久久国产电影| 91精品一卡2卡3卡4卡| 人妻夜夜爽99麻豆av| 搡女人真爽免费视频火全软件| 国产综合精华液| 观看美女的网站| 国产成人免费无遮挡视频| 黄色毛片三级朝国网站 | 丝袜喷水一区| 国产成人午夜福利电影在线观看| 少妇被粗大的猛进出69影院 | 少妇高潮的动态图| 夫妻性生交免费视频一级片| 纵有疾风起免费观看全集完整版| av免费观看日本| 亚洲怡红院男人天堂| 欧美国产精品一级二级三级 | 99国产精品免费福利视频| av网站免费在线观看视频| 在线观看三级黄色| 日韩免费高清中文字幕av| 蜜桃久久精品国产亚洲av| 精品少妇黑人巨大在线播放| 婷婷色综合大香蕉| 久久青草综合色| 另类精品久久| 欧美精品高潮呻吟av久久| 人人妻人人爽人人添夜夜欢视频 | 国产男女超爽视频在线观看| 国内少妇人妻偷人精品xxx网站| 亚洲精品乱码久久久久久按摩| 亚洲熟女精品中文字幕| 亚洲自偷自拍三级| 少妇猛男粗大的猛烈进出视频| 午夜激情福利司机影院| 十八禁高潮呻吟视频 | 国产亚洲欧美精品永久| 一区二区三区免费毛片| 久热久热在线精品观看| 另类亚洲欧美激情| 亚洲欧美一区二区三区黑人 | 日韩伦理黄色片| 午夜激情久久久久久久| 热99国产精品久久久久久7| 自线自在国产av| 亚洲国产精品999| 插逼视频在线观看| 久久久久精品久久久久真实原创| 一级二级三级毛片免费看| 亚洲欧美日韩另类电影网站| 日韩电影二区| 两个人的视频大全免费| 啦啦啦在线观看免费高清www| 插阴视频在线观看视频| 久久精品国产鲁丝片午夜精品| 夫妻性生交免费视频一级片| 欧美日韩在线观看h| 国产一区亚洲一区在线观看| 久久精品久久精品一区二区三区| 中文乱码字字幕精品一区二区三区| 成年av动漫网址| 久久久久国产网址| 一区二区三区精品91| 少妇的逼好多水| 亚洲综合精品二区| 精品亚洲乱码少妇综合久久| 波野结衣二区三区在线| 极品人妻少妇av视频| 国产免费一区二区三区四区乱码| 欧美日韩亚洲高清精品| 大香蕉久久网| 久久精品久久久久久噜噜老黄| 日日摸夜夜添夜夜爱| 午夜精品国产一区二区电影| 国产在线视频一区二区| av福利片在线| 国产精品国产三级国产av玫瑰| 国产视频首页在线观看| 国产成人免费无遮挡视频| 国产亚洲一区二区精品| 九九爱精品视频在线观看| 久久鲁丝午夜福利片| 亚洲国产精品一区二区三区在线| 人人妻人人澡人人看| 午夜久久久在线观看| 嫩草影院入口| 99热全是精品| 极品少妇高潮喷水抽搐| 人妻制服诱惑在线中文字幕| 中文欧美无线码| 2018国产大陆天天弄谢| 下体分泌物呈黄色| 少妇被粗大的猛进出69影院 | 少妇人妻 视频| 精品国产国语对白av| videos熟女内射| 免费观看av网站的网址| 一级片'在线观看视频| 久久久久网色| 99热这里只有精品一区| 人人妻人人看人人澡| 黑丝袜美女国产一区| 最黄视频免费看| 青青草视频在线视频观看| 秋霞在线观看毛片| 少妇被粗大的猛进出69影院 | 女人精品久久久久毛片| 精品国产国语对白av| 老熟女久久久| 国产av精品麻豆| 丰满人妻一区二区三区视频av| 美女cb高潮喷水在线观看| 一级爰片在线观看| 永久免费av网站大全| 夫妻午夜视频| 欧美日韩av久久| 少妇被粗大的猛进出69影院 | 精品久久久久久电影网| 王馨瑶露胸无遮挡在线观看| 免费黄网站久久成人精品| 国产黄片美女视频| 99久久精品热视频| 欧美日韩国产mv在线观看视频| 免费黄频网站在线观看国产| 三级国产精品欧美在线观看| 黑人猛操日本美女一级片| 国产亚洲一区二区精品| 十八禁网站网址无遮挡 | 简卡轻食公司| 成人美女网站在线观看视频| 欧美日韩综合久久久久久| 亚洲国产精品专区欧美| 黄色毛片三级朝国网站 | 深夜a级毛片| 久久99热这里只频精品6学生| 纯流量卡能插随身wifi吗| 国产成人精品福利久久| 亚洲一级一片aⅴ在线观看| 麻豆成人午夜福利视频| 久久久久国产网址| 亚洲av.av天堂| 热99国产精品久久久久久7| 午夜免费观看性视频| 亚洲熟女精品中文字幕| 好男人视频免费观看在线| 黄色欧美视频在线观看| 亚洲欧美精品专区久久| 黄色毛片三级朝国网站 | av播播在线观看一区| 久久韩国三级中文字幕| 日本欧美视频一区| 日韩中字成人| 日韩成人av中文字幕在线观看| 一级黄片播放器| 蜜桃在线观看..| 久久热精品热| 国产视频首页在线观看| 亚洲国产精品成人久久小说| 少妇高潮的动态图| 亚洲精品日韩av片在线观看| 国产成人免费无遮挡视频| 亚洲国产欧美日韩在线播放 | 午夜久久久在线观看| 色婷婷久久久亚洲欧美| 精品一区二区三卡| 精品熟女少妇av免费看| 精品一区在线观看国产| 日本91视频免费播放| 久久99一区二区三区| 国产精品三级大全| 久热久热在线精品观看| 日本-黄色视频高清免费观看| 国产视频首页在线观看| 香蕉精品网在线| av.在线天堂| 丰满迷人的少妇在线观看| 国产在线一区二区三区精| a级毛片在线看网站| 美女福利国产在线| 午夜视频国产福利| 美女主播在线视频| 一区二区三区乱码不卡18| 亚洲国产毛片av蜜桃av| 在线观看av片永久免费下载| 久久午夜综合久久蜜桃| 久热久热在线精品观看| 天堂中文最新版在线下载| 免费av中文字幕在线| 久久精品夜色国产| 99国产精品免费福利视频| 草草在线视频免费看| 在线 av 中文字幕| 国产毛片在线视频| 国产成人91sexporn| 狂野欧美激情性bbbbbb| 免费大片黄手机在线观看| 亚州av有码| 久久精品国产亚洲网站| 少妇高潮的动态图| 少妇的逼好多水| 午夜精品国产一区二区电影| 国产免费一级a男人的天堂| 国产黄片视频在线免费观看| 国产精品麻豆人妻色哟哟久久| 久久久午夜欧美精品| 成人无遮挡网站| 18+在线观看网站| 亚洲av男天堂| 麻豆乱淫一区二区| 夫妻性生交免费视频一级片| 搡老乐熟女国产| 精品人妻一区二区三区麻豆| 在线天堂最新版资源| 欧美精品一区二区大全| 免费大片18禁| 中文字幕人妻熟人妻熟丝袜美| a级毛片在线看网站| 在线观看免费高清a一片| 黄色欧美视频在线观看| 免费观看a级毛片全部| 精品一区二区三区视频在线| 在线精品无人区一区二区三| 97超视频在线观看视频| 久久久久国产精品人妻一区二区| 久久久国产精品麻豆| 伦理电影免费视频| 国产深夜福利视频在线观看| 一级,二级,三级黄色视频| 视频中文字幕在线观看| 国产色爽女视频免费观看| 国产精品偷伦视频观看了| 大香蕉97超碰在线| av有码第一页| 搡老乐熟女国产| 国产高清三级在线| 婷婷色综合大香蕉| 最近的中文字幕免费完整| 成人毛片60女人毛片免费| 亚洲欧洲精品一区二区精品久久久 | 91久久精品国产一区二区三区| 亚洲精品456在线播放app| 成人亚洲欧美一区二区av| 国产男女内射视频| 亚洲精品中文字幕在线视频 | 91aial.com中文字幕在线观看| 国内精品宾馆在线| 欧美老熟妇乱子伦牲交| 少妇人妻 视频| 欧美3d第一页| 边亲边吃奶的免费视频| 性色avwww在线观看| 亚洲欧美日韩东京热| 91久久精品国产一区二区三区| 国产日韩欧美亚洲二区| 欧美日韩视频精品一区| 国产片特级美女逼逼视频| 女性生殖器流出的白浆| 噜噜噜噜噜久久久久久91| 午夜影院在线不卡| 亚洲欧美成人综合另类久久久| 国产精品久久久久久精品古装| 22中文网久久字幕| 一本久久精品| 久久久久久久久久成人| 日韩av免费高清视频| 国产爽快片一区二区三区| 日日啪夜夜撸| 在现免费观看毛片| .国产精品久久| 91久久精品国产一区二区成人| 九草在线视频观看| 日韩成人av中文字幕在线观看| 熟女av电影| 天堂8中文在线网| 伊人久久精品亚洲午夜| 久久久久人妻精品一区果冻| 久久久久久久亚洲中文字幕| 久久久午夜欧美精品| 简卡轻食公司| 久久国产精品大桥未久av | 中文在线观看免费www的网站| 五月伊人婷婷丁香| 国产精品一二三区在线看| 成人毛片a级毛片在线播放| 国产精品久久久久成人av| 大陆偷拍与自拍| 嫩草影院入口| 少妇高潮的动态图| 国产高清有码在线观看视频| 人人妻人人爽人人添夜夜欢视频 | 亚洲精品日本国产第一区| 精品国产露脸久久av麻豆| 久久99热这里只频精品6学生| 中文字幕久久专区| 女人精品久久久久毛片| 日日啪夜夜爽| 日本色播在线视频| 热re99久久精品国产66热6| 亚洲av国产av综合av卡| av不卡在线播放| 国产av精品麻豆| 99久久综合免费| 色94色欧美一区二区| 美女xxoo啪啪120秒动态图| 人妻 亚洲 视频| 精品久久久久久久久av| 日韩电影二区| 又粗又硬又长又爽又黄的视频| 国产成人精品一,二区| 日韩中字成人| 美女视频免费永久观看网站| av播播在线观看一区| 日韩一区二区三区影片| 亚洲精品日韩在线中文字幕| 少妇熟女欧美另类| freevideosex欧美| 久久久久网色| 欧美精品一区二区大全| 免费观看的影片在线观看| 性高湖久久久久久久久免费观看| 欧美性感艳星| 午夜视频国产福利| 国产亚洲91精品色在线| 夜夜爽夜夜爽视频| 久久久国产一区二区| 大又大粗又爽又黄少妇毛片口| 国产精品国产三级国产av玫瑰| 亚洲精品乱码久久久v下载方式| 少妇被粗大猛烈的视频| 久久久久久久大尺度免费视频| 国产真实伦视频高清在线观看| 99热这里只有是精品在线观看| 久久久午夜欧美精品| 少妇熟女欧美另类| 欧美亚洲 丝袜 人妻 在线| 99热这里只有是精品在线观看| 日日啪夜夜撸| 热re99久久精品国产66热6| 国产一区二区三区av在线| 亚洲精品456在线播放app| 一区在线观看完整版| 女的被弄到高潮叫床怎么办| 69精品国产乱码久久久| 精品99又大又爽又粗少妇毛片| 视频区图区小说| 亚洲国产精品国产精品| 18禁裸乳无遮挡动漫免费视频| 97在线人人人人妻| 日韩制服骚丝袜av| 高清毛片免费看| 美女国产视频在线观看| 亚洲av在线观看美女高潮| 少妇人妻 视频| av黄色大香蕉| 极品人妻少妇av视频| 乱人伦中国视频| 18禁裸乳无遮挡动漫免费视频| 精品亚洲成a人片在线观看| 日本vs欧美在线观看视频 | 亚洲激情五月婷婷啪啪| 国产黄色视频一区二区在线观看| 男女啪啪激烈高潮av片| 久久精品夜色国产| 国产极品天堂在线| 国产乱来视频区|