• <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PSO/DE-ELM模型的云貴高原干旱預測

    2023-06-09 00:56:51趙建華王華曹雙
    水利水電快報 2023年3期
    關(guān)鍵詞:云貴高原學習機時間尺度

    趙建華 王華 曹雙

    摘要:

    氣候變化導致西南地區(qū)面臨愈加嚴重的干旱問題,為準確預測該區(qū)域干旱情勢,分別構(gòu)建了粒子群算法(PSO)和差分進化算法(DE)優(yōu)化的極限學習機(ELM)模型,并將其應(yīng)用于云貴高原干旱預測,從預測精度和特征值模擬能力等方面比較了PSO-ELM模型和DE-ELM模型在云貴高原干旱預測中的適用性。結(jié)果表明:①PSO-ELM模型和DE-ELM模型均能夠有效預測云貴高原不同時間尺度下的干旱狀況,模擬值與實測值的相關(guān)系數(shù)均在0.75以上,均方根誤差均小于0.65;②兩種模型對最大值、最小值、不同百分位數(shù)等特征統(tǒng)計值、干旱歷時和干旱強度的擬合效果較好,能夠有效反映研究區(qū)干旱特征;③相較而言,DE-ELM模型的預測性能略優(yōu)于PSO-ELM模型,在云貴高原干旱預測中具有更強的適用性。

    關(guān)鍵詞:

    干旱預測; PSO; DE; ELM; SPEI; 云貴高原

    中圖法分類號:P426.616

    文獻標志碼:A

    DOI:10.15974/j.cnki.slsdkb.2023.03.002

    文章編號:1006-0081(2023)03-0015-07

    0 引 言

    干旱災(zāi)害是全球范圍內(nèi)影響面最廣、災(zāi)害損失最大的氣象災(zāi)害之一[1-2],對農(nóng)業(yè)生產(chǎn)、人類生活和社會經(jīng)濟發(fā)展均造成了嚴重的影響[3]。由于干旱影響機制復雜、發(fā)展相對緩慢,往往難以對干旱災(zāi)害進行系統(tǒng)的評估和預測[4],如何科學地預防和控制干旱災(zāi)害成為全球各個國家和地區(qū)面臨的重要挑戰(zhàn)。隨著計算機技術(shù)的發(fā)展,機器學習技術(shù)為準確高效的干旱預測提供了技術(shù)支撐[5-6]。其中,極限學習機(Extreme Learning Machine,ELM)作為一種學習速度快、泛化能力強的單隱層前饋神經(jīng)網(wǎng)絡(luò),在許多領(lǐng)域得到了廣泛的應(yīng)用[7-9]。但由于ELM自身算法存在缺陷,容易陷入局部最優(yōu)或產(chǎn)生過擬合現(xiàn)象,因此需采用優(yōu)化算法對ELM進行優(yōu)化。粒子群算法(Particle Swarm Optimization,PSO)和差分進化算法(Differential Evolution Algorithm,DE)作為典型的基于群體進化機制的優(yōu)化算法,在機器學習模型優(yōu)化方面表現(xiàn)較為出色[10-11],但仍鮮有研究將其應(yīng)用于干旱預測。本文以中國西南地區(qū)云貴高原為研究區(qū),分別構(gòu)建了粒子群算法優(yōu)化的極限學習機模型(PSO-ELM)和差分進化算法優(yōu)化的極限學習機模型(DE-ELM),并將其應(yīng)用于氣象干旱預測,揭示了不同智能算法優(yōu)化的極限學習機模型在云貴高原干旱預測中的適用性。研究成果可為云貴高原防旱減災(zāi)提供技術(shù)支撐。

    1 研究區(qū)概況及數(shù)據(jù)來源

    1.1 研究區(qū)概況

    云貴高原地處中國西南部,位于北緯22°~30°、東經(jīng)100°~111°,包括云南省東部和貴州省全境(圖1)。云貴高原屬于亞熱帶濕潤區(qū),為亞熱帶季風氣候,水量充沛,多年平均降水量約為1 219.7 mm,但受海拔高度和大氣環(huán)流條件的影響,年際年內(nèi)氣候差異顯著,易發(fā)生旱澇。年內(nèi)降水多集中于5~10月,約占全年降水量的85%~95%;最大年降水量與最小年降水量的比值約為1.66。受氣候變化的影響,近半個世紀以來云貴高原的干旱頻次和強度均呈現(xiàn)增加趨勢[12-13]。2010年,中國西南五省區(qū)發(fā)生歷史罕見特大干旱,云貴兩省農(nóng)作物受災(zāi)面積達287萬hm2(4 300萬畝),2 000多萬人出現(xiàn)飲水困難,直接經(jīng)濟損失達200億元。連續(xù)嚴重的干旱威脅區(qū)域糧食和生態(tài)安全,并影響地區(qū)社會經(jīng)濟的可持續(xù)發(fā)展。

    1.2 數(shù)據(jù)來源

    本文采用的氣象資料為中國氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn)提供的1971~2016年云貴高原區(qū)域內(nèi)25個氣象站點的月降水和氣溫數(shù)據(jù)。氣候系統(tǒng)數(shù)據(jù)為中國氣象局國家氣候中心網(wǎng)站(http:∥cmdp.ncc-cma.net/cn/index.htm)提供的1970~2016年的130項氣候系統(tǒng)指數(shù)逐月資料,包括26項海溫指數(shù)、88項大氣環(huán)流指數(shù)以及16項其他指數(shù)。本文所采用的數(shù)據(jù)均通過了一致性與可靠性檢驗。

    2 研究方法

    2.1 標準化降水蒸散指數(shù)

    標準化降水蒸散指數(shù)(Standardized Precipitation Evapotranspiration Index,SPEI)[14]基于水量平衡原理,能夠同時考慮降水和氣溫的影響,并表征不同時間尺度的干旱狀況,被廣泛應(yīng)用于干旱評價與預測[6]。本文采用Thornthwaite方法計算潛在蒸散發(fā)量,并逐月計算降水與蒸散發(fā)的差值;采用3參數(shù)log-logistic概率分布對差值序列進行正態(tài)化處理,計算得到3個月、6個月和12個月尺度的SPEI(SPEI-3、SPEI-6和SPEI-12),以此表征不同時間尺度下云貴高原干旱狀況,并將其作為干旱預測模型的輸出變量。SPEI的具體計算原理見參考文獻[14]。

    2.2 極限學習機模型優(yōu)化

    2.2.1 ELM

    極限學習機[15]為典型的基于廣義逆矩陣理論的單隱含層前饋神經(jīng)網(wǎng)絡(luò),輸入層與隱含層的權(quán)值和隱含層的閾值可隨機生成,只需確定隱含層神經(jīng)元個數(shù)即可獲得唯一解。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法相比,具有學習速度快、泛化能力好的優(yōu)點[16]。

    若存在N個樣本(xi,yi),其中xi=(xi1,xi2,…,xin)T∈Rn,yi=(yi1,yi2,…,yin)T∈Rm,ELM隨機生成輸入權(quán)值w和隱含層偏置b。對于有L個隱含層節(jié)點,激活函數(shù)為f(x)的ELM輸出式為

    yt=∑Li=1βifi(wi,bi,xi)=h(xt)β(1)

    式中:t=1,2,…,N;fi為激活函數(shù);i為節(jié)點;β=(β1,β2,…,βL)T為ELM網(wǎng)絡(luò)中隱含層與輸出層之間的輸出權(quán)值矩陣;h(xt)表示輸出層的輸入數(shù)據(jù)在隱含層對應(yīng)的輸出;bi為第i層隱含節(jié)點的閾值;wi為第i個輸入層與隱含層的連接權(quán)值。Y=Hβ為ELM目標期望的輸出矩陣,H為隱含層輸出矩陣。

    2.2.2 PSO/DE-ELM

    由于標準ELM的輸入權(quán)值和隱含層閾值是隨機給定的,參數(shù)的不確定性可能導致模型預測精度降低或產(chǎn)生過擬合現(xiàn)象[11]。為了提高模型的穩(wěn)定性和預測精度,本文分別利用粒子群算法(PSO)和差分進化算法(DE)對ELM模型的輸入權(quán)值和隱含層閾值進行優(yōu)化,將迭代得到的最優(yōu)輸入權(quán)值和隱含層閾值作為ELM模型的參數(shù)進行預測。

    粒子群算法(PSO)是一種通過模擬鳥群捕食行為設(shè)計的群智能全局搜索算法[10],該方法將問題的解看做空間中的一個“粒子”的位置,每個粒子都有專屬的位置和速度,通過計算各粒子適應(yīng)度值的大小確定個體和全局極值,并以此更新粒子的位置和速度,在反復迭代過程中各粒子逐漸趨于全局最優(yōu)解[17]。差分進化算法(DE)[18]是一種基于群體的啟發(fā)式全局尋優(yōu)算法。該方法隨機初始化種群,并隨機兩個個體相減求差進行加權(quán)處理,隨機選取一個新的個體對其進行交叉變異操作,生成新的個體;若新個體優(yōu)于變異前個體,則保留此個體,若新個體適應(yīng)度并未優(yōu)于變異前個體,則淘汰此變異個體。

    PSO和DE優(yōu)化ELM的具體步驟:① 構(gòu)建ELM模型的樣本數(shù)據(jù)集,采用試錯法確定最優(yōu)隱含層神經(jīng)元個數(shù),隨機生成輸入權(quán)值和隱含層神經(jīng)元閾值;② 隨機設(shè)定種群規(guī)模,將隨機生成的輸入權(quán)值和隱含層閾值作為種群個體,利用ELM計算輸出值,以預測值與實測值的均方誤差作為適應(yīng)度函數(shù),計算每個個體的適應(yīng)度數(shù)值;③ 基于適應(yīng)度計算結(jié)果更新種群,重復上述步驟,直至達到迭代結(jié)束條件。將最終得到的最優(yōu)網(wǎng)絡(luò)輸入權(quán)值和神經(jīng)元閾值代入ELM模型進行學習和訓練。PSO-ELM和DE-ELM的具體流程見圖2。

    2.3 云貴高原干旱預測

    將構(gòu)建的PSO-ELM和DE-ELM應(yīng)用于云貴高原干旱預測。模型輸入?yún)⒖嘉墨I[19],選取影響云貴高原SPEI-3,SPEI-6和SPEI-12的關(guān)鍵致旱氣候系統(tǒng)指數(shù),詳見表1。模型輸出為基于云貴高原25個氣象站點1971~2017年實測月降水、氣溫數(shù)據(jù)計算得到的SPEI-3,SPEI-6和SPEI-12,用于表征研究區(qū)實際干旱狀況。模型的訓練期為1972~2012年,共41a,測試期為2013~2017年,共5 a。PSO-ELM和DE-ELM模型的參數(shù)設(shè)置見表2,其中兩種模型在ELM模塊的參數(shù)設(shè)置一致。

    2.4 模型性能評價

    為定量評價模型的預測精度,本文選取均方根誤差RMSE和相關(guān)系數(shù)CORR為模型精度評價指標,具體計算公式如下:

    RMSE=∑ni=1(xi-yi)2n

    (2)

    CORR=∑ni=1(xi-x)(yi-y)∑ni=1(xi-x)2∑ni=1(yi-y)2

    (3)

    式中:xi為模型預測值,yi為SPEI計算值;x為預測平均值,y為SPEI計算實測值;n為數(shù)據(jù)個數(shù),i=1,2,3,…,n。RMSE和CORR的值均在[0,1]之間,RMSE越接近0且CORR越接近1,則預測精度越高,反之則預測精度越低。

    本文的干旱預測模型運行次數(shù)為50次,選取50次中各指標的平均值評價模型預測精度,提高性能評價的可靠性。

    3 結(jié)果與討論

    基于PSO-ELM和DE-EL模擬預測云貴高原干旱狀況,圖3~5為不同時間尺度不同模型最佳預測結(jié)果時間過程線和預測值與實際計算值散點關(guān)系圖,反映了不同模型預測結(jié)果與實際計算結(jié)果的擬合情況。散點圖中實線為1∶1參考線,虛線為線性擬合趨勢線,趨勢線斜率越接近1且越接近參考線,表明模擬結(jié)果越好。由圖3~5可知,兩種模型對3種時間尺度SPEI的預測效果均較好,能夠較為準確地反映研究區(qū)SPEI的時間變化過程,預測值與計算值相關(guān)性較強,線性擬合斜率在0.85~1.10之間。

    采用CORR和RMSE評估模型預測性能,評價結(jié)果如圖6所示。為進一步評估不同模型在干旱預測中的適用性,參考相似條件下,文獻[20]基于遺傳算法優(yōu)化極限學習機(GA-ELM)的云貴高原干旱預測結(jié)果,將GA-ELM模擬得到的CORR和RMSE結(jié)果同樣繪制在圖6中。

    通過對比不同模型的CORR和RMSE可知,PSO-ELM和DE-ELM模型在訓練期和測試期的模擬精度均能夠滿足精度要求,未出現(xiàn)過擬合或欠擬合現(xiàn)象,表明所構(gòu)建的模型結(jié)構(gòu)合理,且具有較強的泛化能力。對于兩種優(yōu)化模型,訓練期CORR均在0.85以上,RMSE均在0.5以下;測試期CORR均在0.75以上,RMSE均小于0.65。根據(jù)參考文獻[20],相較于標準ELM,GA-ELM在云貴高原干旱預測中表現(xiàn)出更強的預測性能,因此本文將PSO-ELM和DE-ELM的計算結(jié)果與GA-ELM進行對比,進一步探究PSO和DE對ELM模型的優(yōu)化能力。由圖6可知,不同時間尺度下,PSO-ELM和DE-ELM在訓練期和預測期的表現(xiàn)均優(yōu)于GA-ELM,測試期CORR分別較GA-ELM提升了5.2%~15.8%和9.6%~17.8%,RMSE分別減小了2.7%~16.7%和7.1%~17.9%,表明相較于GA-ELM,PSO-ELM和DE-ELM模型的預測性能得到了明顯提升。對比PSO-ELM和DE-ELM的預測結(jié)果,PSO-ELM在訓練期和測試期的CORR在0.767~0.871之間,RMSE在0.423~0.604之間;DE-ELM的CORR在0.799~0.897之間,RMSE在0.411~0.577之間??傮w而言,DE-ELM在云貴高原干旱預測中的表現(xiàn)更優(yōu)于PSO-ELM。

    繪制不同時間尺度SPEI計算值和不同模型模擬值在測試期的箱型圖,如圖7所示。由圖7可知,對于SPEI-3,PSO-ELM和DE-ELM對最大值的模擬偏小,對最小值的模擬偏大,但對中位數(shù)、上四分位數(shù)(75%)和下四分位數(shù)(25%)的模擬效果相對較好,且DE-ELM的模擬效果相對優(yōu)于PSO-ELM;對于SPEI-6,PSO-ELM對各統(tǒng)計值的模擬效果均存在一定偏差,DE-ELM模擬結(jié)果的數(shù)據(jù)分布與計算值的相似程度更高;對于SPEI-12,DE-ELM對數(shù)據(jù)分布的模擬效果同樣優(yōu)于PSO-ELM。綜上,DE-ELM在云貴高原干旱預測中表現(xiàn)更優(yōu)。

    為進一步評價模型預測結(jié)果的可靠性,本文統(tǒng)計了不同模型預測結(jié)果對應(yīng)干旱事件的干旱歷時和干旱強度。參考基于SPEI的干旱評價方法,當SPEI不大于-0.5時,認為當月發(fā)生干旱,發(fā)生干旱的月數(shù)求和為干旱總歷時,干旱月份SPEI之和的絕對值為干旱強度。計算測試期不同模型預測干旱總歷時和總強度的相對誤差,統(tǒng)計結(jié)果如圖8所示。

    對于SPEI-3,SPEI-6和SPEI-12,測試期實測數(shù)據(jù)計算值統(tǒng)計得到的干旱總歷時分別為19,23,26個月;PSO-ELM模擬得到干旱總歷時分別為20,26,25個月,相對誤差分別為5.26%,13.04%,-3.85%;DE-ELM模擬得到干旱總歷時分別為19,24,28個月,相對誤差分別為0,4.35%,7.69%。對于干旱總強度,3種時間尺度下PSO-ELM模擬的相對誤差分別為-9.8%,4.5%,-3.21%,DE-ELM模擬的相對誤差分別為-8.43%,-5.55%,-5.21%,相對誤差均在±10%以內(nèi)。兩種模型在干旱歷時和干旱強度的模擬方面各有優(yōu)劣,但總體誤差均在可接受范圍內(nèi),能夠有效揭示云貴高原干旱特性。

    4 結(jié) 論

    本文分別構(gòu)建了基于PSO-ELM和DE-ELM的云貴高原干旱預測模型,并從模型泛化能力、預測精度、干旱特征模擬等方面對模型進行了綜合評估,驗證了模型在云貴高原干旱預測中的適用性。研究結(jié)果表明:

    (1) PSO-ELM和DE-ELM均能夠有效預測云貴高原干旱狀況;兩種模型對云貴高原不同時間尺度干旱預測結(jié)果CORR均大于0.75,RMSE均小于0.65,能夠相對準確預測SPEI最大值、最小值、中位數(shù)等各項特征統(tǒng)計值,預測干旱總歷時和總強度相對誤差均在±15%以內(nèi);

    (2) 相較于PSO-ELM,DE-ELM模擬結(jié)果與計算值的CORR更高,RMSE更小,對SPEI各項特征統(tǒng)計值的預測效果更好,在云貴高原干旱預測中表現(xiàn)更優(yōu)。

    參考文獻:

    [1] 王鵬濤.西北地區(qū)干旱災(zāi)害時空統(tǒng)計規(guī)律與風險管理研究[D].西安:陜西師范大學,2018.

    [2] 朱妮娜.基于GLDAS和GRACE數(shù)據(jù)的塔里木河流域干旱綜合評估[D].上海:華東師范大學,2020.

    [3] 符淙斌,溫剛.中國北方干旱化的幾個問題[J].氣候與環(huán)境研究,2002(1):22-29.

    [4] ZHANG Q,YAO Y,WANG Y,et al.Characteristics of drought in southern China under climatic warming,the risk,and countermeasures for prevention and control[J].Theoretical and Applied Climatology,2019,136(3-4):1157-1173.

    [5] 趙美言,胡濤,張玉虎,等.基于機器學習模型的海河北系干旱預測研究[J].干旱區(qū)地理,2020,43(4):880-888.

    [6] 米前川,高西寧,李玥,等.深度學習方法在干旱預測中的應(yīng)用[J].應(yīng)用氣象學報,2022,33(1):104-114.

    [7] 王婷婷,馮起,溫小虎,等.基于極限學習機的干旱區(qū)潛在蒸發(fā)量模擬[J].中國沙漠,2017,37(6):1219-1226.

    [8] 葉家豪,魏霞,黃德啟,等.基于灰色關(guān)聯(lián)分析的BSO-ELM-AdaBoost風電功率短期預測[J].太陽能學報,2022,43(3):426-432.

    [9] 張宇,劉珊.蟻群算法優(yōu)化極限學習機的通信網(wǎng)絡(luò)流量建模分析[J].甘肅科學學報,2021,33(6):29-33.

    [10] 黃日勝,黃錫波.基于加速參數(shù)自調(diào)整粒子群算法的物流配送優(yōu)化模型[J].計算機應(yīng)用與軟件,2015,32(10):328-333.

    [11] 張仙,戴家佳,余奇迪.基于SARIMA-PSO-ELM組合模型的我國鐵路貨運量預測[J].數(shù)理統(tǒng)計與管理,2022,41(3):394-401.

    [12] 張強,鄒旭愷,陳鮮艷,等.考慮多尺度和蒸散影響的新干旱指數(shù)研究——以云南為例[J].高原氣象,2022,41(4):909-920.

    [13] 徐海亮.六十年來全國與西南地區(qū)氣象干旱及氣候環(huán)境變化——以云南為例[J].昆明學院學報,2020,42(2):24-35.

    [14] VICENTE-SERRANO S M,BEGUERA S,LPEZ-MORENO J .A Multiscalar drought index sensitive to global warming:the standardized precipitation evapotranspiration index[J].Journal of Climate,2010,23(7):1696-1718.

    [15] HUANG G B,ZHU Q Y,SIEW C K.Extreme learning machine:Theory and applications[J].Neurocomputing,2006,70(1/3):489-501.

    [16] 黃遠紅,黃清寶.DE-ELM在水煤氣組分濃度軟測量建模中的應(yīng)用[J].自動化儀表,2017,38(2):77-81.

    [17] 宋劍.基于神經(jīng)網(wǎng)絡(luò)的智能電能表故障預測研究[D].南京:河海大學,2021.

    [18] STORN R,PRICE K.Differential evolution:a simple and efficient adaptive scheme for global optimization over continuous spaces[J].Clobal Optimization,1997,11(4):341-359.

    [19] 劉振男.中長期干旱預測研究:以云貴高原為例[D].南京:河海大學,2019.

    [20] 劉振男,杜堯,韓幸燁,等.基于遺傳算法優(yōu)化極限學習機模型的干旱預測——以云貴高原為例[J].人民長江,2020,51(8):13-18.

    (編輯:江 文)

    Drought prediction of Yunnan-Guizhou Plateau based on PSO/DE-ELM model

    ZHAO Jianhua1, WANG Hua2, CAO Shuang2

    (1.Suqian Branch of Jiangsu Province Hydrology and Water Resources Investigation Bureau,Suqian 223800,China; 2.Lower Changjiang River Bureau of Hydrological and Water Resources Survey,Bureau of Hydrology,Changjiang Water Resources Commission,Nanjing 210011,China)Abstract:

    Climate change has led to a gradual intensification of drought of southwest China.In order to accurately predict the drought regime in this region,the extreme Learning Machine (ELM) models optimized by Particle Swarm Optimization (PSO) and Differential Evolution (DE) were established respectively.In this paper,it used the optimized models(PSO-ELM model,DE-ELM model) to predict drought of Yunnan-Guizhou Plateau.The drought prediction applicability were compared in terms of prediction accuracyand eigenvalue prediction ability.The results showed that ① both PSO-ELM model and DE-ELM model could effectively predict drought conditions in the Yunnan-Guizhou Plateau at different time scales,and correlation coefficient between the simulated values and the measured values were above 0.75,and the root mean square errors were less than 0.65.②The two models fit the maximum,minimum,different percentile and drought duration and drought intensity well,which could effectively reflect the drought characteristics of the study area.③The prediction performance of DE-ELM model was slightly better than that of PSO-ELM model,which had stronger applicability in drought prediction of Yunnan-Guizhou Plateau.

    Key words:

    drought prediction; PSO; DE; ELM; SPEI; Yunnan-Guizhou Plateau

    收稿日期:

    2022-04-20

    作者簡介:

    趙建華,男,高級工程師,主要從事水文水資源分析與論證、防汛防旱等方面的工作。E-mail:zhaojjhh@126.com

    通信作者:

    曹 雙,男,高級工程師,碩士,主要從事河道治理、防洪研究、水文水資源分析與論證等方面的工作。E-mail:xycaos@qq.com

    猜你喜歡
    云貴高原學習機時間尺度
    時間尺度上非完整系統(tǒng)的Noether準對稱性與守恒量
    時間尺度上Lagrange 系統(tǒng)的Hojman 守恒量1)
    力學學報(2021年10期)2021-12-02 02:32:04
    云貴高原:“慢火車” 為鄉(xiāng)村振興“提速”
    云南畫報(2021年6期)2021-07-28 07:10:32
    交直流混合微電網(wǎng)多時間尺度協(xié)同控制
    能源工程(2021年1期)2021-04-13 02:06:12
    云貴高原雨季降水變化特征
    極限學習機綜述
    基于極限學習機參數(shù)遷移的域適應(yīng)算法
    自動化學報(2018年2期)2018-04-12 05:46:21
    分層極限學習機在滾動軸承故障診斷中的應(yīng)用
    大連市暴雨多時間尺度研究分析
    近35年云貴高原暴雨特征分析
    麻豆成人午夜福利视频| x7x7x7水蜜桃| 欧美中文综合在线视频| 欧美日韩福利视频一区二区| 久久性视频一级片| 午夜精品在线福利| 99热6这里只有精品| 香蕉国产在线看| 久久久精品国产亚洲av高清涩受| 国产成人aa在线观看| 老鸭窝网址在线观看| 欧美在线一区亚洲| 麻豆av在线久日| 久久九九热精品免费| 国产成人aa在线观看| 精品熟女少妇八av免费久了| 这个男人来自地球电影免费观看| 这个男人来自地球电影免费观看| 在线观看免费日韩欧美大片| 亚洲五月婷婷丁香| cao死你这个sao货| 午夜福利在线观看吧| 亚洲五月婷婷丁香| 欧美日韩一级在线毛片| 狂野欧美白嫩少妇大欣赏| 国产区一区二久久| 狂野欧美激情性xxxx| 成人亚洲精品av一区二区| √禁漫天堂资源中文www| 国产成人av激情在线播放| 久久久久久久久免费视频了| 精品国内亚洲2022精品成人| 国产激情偷乱视频一区二区| 国产精品电影一区二区三区| 欧美乱色亚洲激情| 午夜两性在线视频| 人妻夜夜爽99麻豆av| 国产精品久久久久久亚洲av鲁大| 久久人人精品亚洲av| 精品久久久久久,| 在线观看一区二区三区| 国产精品,欧美在线| 亚洲精品国产精品久久久不卡| 欧美日韩中文字幕国产精品一区二区三区| 舔av片在线| 母亲3免费完整高清在线观看| 国产亚洲av嫩草精品影院| 成年人黄色毛片网站| 欧美色视频一区免费| 制服诱惑二区| 国产成人一区二区三区免费视频网站| 国产精品亚洲av一区麻豆| 成年女人毛片免费观看观看9| 欧美另类亚洲清纯唯美| 久久久久精品国产欧美久久久| 国产片内射在线| 丰满人妻熟妇乱又伦精品不卡| √禁漫天堂资源中文www| 国内久久婷婷六月综合欲色啪| 午夜久久久久精精品| 欧美一级a爱片免费观看看 | 久久草成人影院| 99久久国产精品久久久| 国产日本99.免费观看| 国产精品久久电影中文字幕| 亚洲av成人精品一区久久| 色综合婷婷激情| 亚洲午夜精品一区,二区,三区| www日本在线高清视频| 欧美精品亚洲一区二区| 亚洲最大成人中文| 黑人巨大精品欧美一区二区mp4| 久久久久久免费高清国产稀缺| 日本成人三级电影网站| 妹子高潮喷水视频| 亚洲精品在线观看二区| 99国产极品粉嫩在线观看| 日本一二三区视频观看| 欧美午夜高清在线| 老汉色av国产亚洲站长工具| 久久香蕉国产精品| 听说在线观看完整版免费高清| 欧美zozozo另类| 久久天躁狠狠躁夜夜2o2o| 久久午夜亚洲精品久久| 可以在线观看的亚洲视频| 亚洲第一欧美日韩一区二区三区| 亚洲精品国产一区二区精华液| 最新美女视频免费是黄的| 日韩欧美在线乱码| 亚洲国产精品合色在线| 三级国产精品欧美在线观看 | 白带黄色成豆腐渣| 成人特级黄色片久久久久久久| 欧美一级a爱片免费观看看 | 久久国产乱子伦精品免费另类| 成人三级黄色视频| 国产高清激情床上av| 国产av一区二区精品久久| 99久久精品热视频| 午夜免费观看网址| 久久久久久大精品| 一区福利在线观看| 丁香欧美五月| 国产真人三级小视频在线观看| 亚洲片人在线观看| 日韩欧美一区二区三区在线观看| 久久精品国产亚洲av香蕉五月| 婷婷六月久久综合丁香| 国产蜜桃级精品一区二区三区| 国产欧美日韩一区二区三| 岛国视频午夜一区免费看| 欧美午夜高清在线| 免费在线观看完整版高清| 丰满的人妻完整版| 九色成人免费人妻av| 国产一区二区三区在线臀色熟女| 免费看美女性在线毛片视频| 免费人成视频x8x8入口观看| а√天堂www在线а√下载| 日日干狠狠操夜夜爽| 亚洲七黄色美女视频| 国产精品久久视频播放| 日本 欧美在线| 免费看十八禁软件| 日韩高清综合在线| 青草久久国产| 91国产中文字幕| 一进一出抽搐动态| 三级毛片av免费| 欧美一级毛片孕妇| 午夜久久久久精精品| 韩国av一区二区三区四区| 亚洲国产精品合色在线| 色哟哟哟哟哟哟| 欧美av亚洲av综合av国产av| 亚洲美女视频黄频| 国产成年人精品一区二区| 黄色视频,在线免费观看| 色播亚洲综合网| 操出白浆在线播放| 欧美另类亚洲清纯唯美| 国产在线精品亚洲第一网站| 国产伦一二天堂av在线观看| 亚洲精品在线美女| 五月伊人婷婷丁香| 国产高清视频在线观看网站| 黄频高清免费视频| 麻豆成人午夜福利视频| 日本在线视频免费播放| 一本综合久久免费| 黄色 视频免费看| 国产又色又爽无遮挡免费看| 婷婷六月久久综合丁香| 亚洲av成人av| 天堂动漫精品| 免费人成视频x8x8入口观看| 免费搜索国产男女视频| 成人av在线播放网站| 国产精品亚洲av一区麻豆| 黄色毛片三级朝国网站| 亚洲国产高清在线一区二区三| 国产精品久久久久久亚洲av鲁大| 婷婷六月久久综合丁香| 黄色视频,在线免费观看| av福利片在线| 狂野欧美白嫩少妇大欣赏| 亚洲欧洲精品一区二区精品久久久| 在线观看舔阴道视频| 黄色 视频免费看| 亚洲精品久久成人aⅴ小说| 日韩欧美免费精品| 可以在线观看的亚洲视频| 欧美国产日韩亚洲一区| 亚洲国产欧美网| 好看av亚洲va欧美ⅴa在| 亚洲国产高清在线一区二区三| 美女午夜性视频免费| 国产精品九九99| 国产成人影院久久av| 国产97色在线日韩免费| www.熟女人妻精品国产| 亚洲av成人一区二区三| 在线观看www视频免费| av国产免费在线观看| 三级国产精品欧美在线观看 | 午夜免费观看网址| 狠狠狠狠99中文字幕| 亚洲成人久久爱视频| 久久人妻av系列| 老熟妇乱子伦视频在线观看| 亚洲av成人不卡在线观看播放网| 岛国视频午夜一区免费看| 黄频高清免费视频| 午夜激情福利司机影院| 最近最新中文字幕大全电影3| 亚洲欧美日韩东京热| 日韩精品青青久久久久久| 久久亚洲精品不卡| 国内毛片毛片毛片毛片毛片| 99在线视频只有这里精品首页| 99久久综合精品五月天人人| 国产99久久九九免费精品| 少妇熟女aⅴ在线视频| 成人av一区二区三区在线看| 欧美黑人欧美精品刺激| 国产成人影院久久av| 婷婷丁香在线五月| 91在线观看av| 一边摸一边做爽爽视频免费| www日本黄色视频网| 久久久久久大精品| 丝袜人妻中文字幕| 成人亚洲精品av一区二区| 搡老熟女国产l中国老女人| 国产精品免费视频内射| 一区福利在线观看| 黄色视频,在线免费观看| 久久国内精品自在自线图片| 国产亚洲av片在线观看秒播厂 | 搡女人真爽免费视频火全软件| 乱人视频在线观看| 亚洲四区av| 一本精品99久久精品77| 日韩国内少妇激情av| 久久欧美精品欧美久久欧美| 深夜精品福利| 亚洲精品国产av成人精品| 99久久人妻综合| 两性午夜刺激爽爽歪歪视频在线观看| 久久精品人妻少妇| 久久久久久伊人网av| 卡戴珊不雅视频在线播放| 蜜桃亚洲精品一区二区三区| 亚洲丝袜综合中文字幕| 国产亚洲精品久久久久久毛片| 国产高清激情床上av| 91在线精品国自产拍蜜月| 啦啦啦啦在线视频资源| 成人综合一区亚洲| 日本黄色视频三级网站网址| 在线观看一区二区三区| 久久综合国产亚洲精品| 亚洲成a人片在线一区二区| 99精品在免费线老司机午夜| 夜夜看夜夜爽夜夜摸| 色综合亚洲欧美另类图片| 日日摸夜夜添夜夜爱| 久久草成人影院| 欧美日韩国产亚洲二区| 欧美日本视频| 我的老师免费观看完整版| 少妇丰满av| 狠狠狠狠99中文字幕| 婷婷色av中文字幕| 99久久精品一区二区三区| 天堂中文最新版在线下载 | 全区人妻精品视频| 99热网站在线观看| 18禁在线无遮挡免费观看视频| 亚洲人成网站在线播| 欧美不卡视频在线免费观看| 欧美日韩在线观看h| 偷拍熟女少妇极品色| 三级毛片av免费| 可以在线观看毛片的网站| 在线天堂最新版资源| www.色视频.com| 国产成人a∨麻豆精品| 国产av一区在线观看免费| 精品不卡国产一区二区三区| 色综合亚洲欧美另类图片| 久久久久九九精品影院| 久久精品国产亚洲av天美| 国产亚洲精品久久久久久毛片| 亚洲美女视频黄频| 免费人成视频x8x8入口观看| 成人亚洲精品av一区二区| 国产伦在线观看视频一区| 人人妻人人澡欧美一区二区| 最近视频中文字幕2019在线8| 亚洲最大成人手机在线| 国产精品麻豆人妻色哟哟久久 | 一级黄片播放器| 亚洲成av人片在线播放无| 精品人妻视频免费看| 狠狠狠狠99中文字幕| 久久精品国产鲁丝片午夜精品| 婷婷亚洲欧美| 国产高清激情床上av| 日韩欧美精品免费久久| 蜜桃久久精品国产亚洲av| 国产精品.久久久| 丰满的人妻完整版| 亚洲精品久久国产高清桃花| 午夜久久久久精精品| 精品不卡国产一区二区三区| 亚洲综合色惰| 高清毛片免费观看视频网站| 男女那种视频在线观看| 日本黄大片高清| 久久久精品94久久精品| 成年版毛片免费区| 91午夜精品亚洲一区二区三区| 麻豆国产97在线/欧美| 99热全是精品| 熟妇人妻久久中文字幕3abv| 亚洲欧美成人综合另类久久久 | 一级毛片我不卡| 久久久a久久爽久久v久久| 日本黄大片高清| 国产精品一区二区三区四区久久| 久久九九热精品免费| 啦啦啦观看免费观看视频高清| 寂寞人妻少妇视频99o| 变态另类丝袜制服| 亚洲成a人片在线一区二区| 成人永久免费在线观看视频| 看非洲黑人一级黄片| 91久久精品国产一区二区成人| 欧美另类亚洲清纯唯美| 亚洲av二区三区四区| 国产蜜桃级精品一区二区三区| 欧美日韩乱码在线| 美女高潮的动态| 欧美不卡视频在线免费观看| 免费电影在线观看免费观看| 男人的好看免费观看在线视频| 国产成人精品一,二区 | 男人的好看免费观看在线视频| 最近最新中文字幕大全电影3| 国产午夜福利久久久久久| 床上黄色一级片| 熟女人妻精品中文字幕| 亚洲av中文字字幕乱码综合| 日本免费一区二区三区高清不卡| 国产一区二区三区在线臀色熟女| 婷婷色av中文字幕| 国产精品一区二区三区四区免费观看| 日韩制服骚丝袜av| 一本久久中文字幕| 黄色欧美视频在线观看| 中文字幕av成人在线电影| 听说在线观看完整版免费高清| 成熟少妇高潮喷水视频| 人体艺术视频欧美日本| 亚洲18禁久久av| 国产中年淑女户外野战色| 久久久久国产网址| 日韩欧美三级三区| 在现免费观看毛片| 亚洲精华国产精华液的使用体验 | 亚洲国产精品成人久久小说 | 久久久久久国产a免费观看| 成人二区视频| 在线观看66精品国产| 久久久久久大精品| 欧美高清性xxxxhd video| 国产高潮美女av| 欧美日韩乱码在线| 中文字幕久久专区| 12—13女人毛片做爰片一| 听说在线观看完整版免费高清| 午夜精品国产一区二区电影 | 老师上课跳d突然被开到最大视频| 国产精品综合久久久久久久免费| 国产精品女同一区二区软件| 国产精品永久免费网站| 亚洲中文字幕日韩| 成人特级av手机在线观看| 国产精品久久久久久久久免| 亚洲成人av在线免费| 哪里可以看免费的av片| 成熟少妇高潮喷水视频| 国产精品一区二区性色av| 欧美一区二区亚洲| 老司机福利观看| 亚洲欧美精品自产自拍| 我要搜黄色片| 国产精品一二三区在线看| 内射极品少妇av片p| 国产一区二区在线观看日韩| 亚洲精品影视一区二区三区av| 亚洲av成人精品一区久久| 亚洲欧美精品自产自拍| 偷拍熟女少妇极品色| 一卡2卡三卡四卡精品乱码亚洲| 永久网站在线| 综合色av麻豆| 别揉我奶头 嗯啊视频| 久久久久久九九精品二区国产| 一级毛片久久久久久久久女| 亚洲国产精品久久男人天堂| 国产精品综合久久久久久久免费| 天美传媒精品一区二区| 丝袜喷水一区| 自拍偷自拍亚洲精品老妇| 97热精品久久久久久| 少妇的逼水好多| 日韩制服骚丝袜av| 日韩一区二区三区影片| 九草在线视频观看| 亚洲欧洲日产国产| 国产精品久久久久久久久免| 12—13女人毛片做爰片一| 亚洲av一区综合| 中文字幕久久专区| 亚洲精品成人久久久久久| 日本一二三区视频观看| 欧美日韩国产亚洲二区| 久久久久久久久久黄片| 嘟嘟电影网在线观看| 男女啪啪激烈高潮av片| 最后的刺客免费高清国语| 久久久久久久久中文| 亚洲综合色惰| 青春草国产在线视频 | 亚洲欧美成人综合另类久久久 | 久久国内精品自在自线图片| 免费一级毛片在线播放高清视频| 亚洲精品久久久久久婷婷小说 | 国产精品一及| 人妻少妇偷人精品九色| 白带黄色成豆腐渣| 亚洲av成人av| 国产v大片淫在线免费观看| 在线观看66精品国产| 色哟哟·www| 男人狂女人下面高潮的视频| 三级男女做爰猛烈吃奶摸视频| 波多野结衣高清作品| 夜夜夜夜夜久久久久| 成人亚洲欧美一区二区av| 一级毛片电影观看 | 97在线视频观看| 麻豆成人午夜福利视频| 亚洲四区av| 亚洲性久久影院| 精品午夜福利在线看| 久久久国产成人精品二区| 亚洲一区二区三区色噜噜| 日日摸夜夜添夜夜爱| 一级毛片aaaaaa免费看小| 日本免费一区二区三区高清不卡| 久久精品综合一区二区三区| 啦啦啦韩国在线观看视频| 色综合色国产| 超碰av人人做人人爽久久| 男女那种视频在线观看| 久久久午夜欧美精品| 美女cb高潮喷水在线观看| 国产成人一区二区在线| 搡女人真爽免费视频火全软件| 最近的中文字幕免费完整| 在线天堂最新版资源| 在线观看美女被高潮喷水网站| 亚洲三级黄色毛片| 久久精品国产自在天天线| 美女 人体艺术 gogo| 亚洲成人av在线免费| 观看美女的网站| 精品久久久久久久人妻蜜臀av| 国产精品一及| 国产亚洲欧美98| 欧美最新免费一区二区三区| 亚洲国产欧洲综合997久久,| 中出人妻视频一区二区| 1000部很黄的大片| 美女内射精品一级片tv| 国产精品99久久久久久久久| 亚洲内射少妇av| 真实男女啪啪啪动态图| 亚洲国产精品sss在线观看| 国产精品一区www在线观看| 亚洲国产高清在线一区二区三| 丝袜美腿在线中文| 亚洲无线观看免费| 亚洲av.av天堂| 老司机福利观看| 日本五十路高清| 国产黄色视频一区二区在线观看 | 国内精品一区二区在线观看| 日韩三级伦理在线观看| 欧美极品一区二区三区四区| 男的添女的下面高潮视频| 美女cb高潮喷水在线观看| 成年版毛片免费区| 国产视频首页在线观看| 国产综合懂色| 久久亚洲精品不卡| 亚洲精品456在线播放app| 午夜福利在线在线| 亚洲人与动物交配视频| 久久精品91蜜桃| 国模一区二区三区四区视频| 少妇熟女aⅴ在线视频| 国产精品精品国产色婷婷| 日韩欧美在线乱码| 97在线视频观看| 别揉我奶头 嗯啊视频| av国产免费在线观看| 成人鲁丝片一二三区免费| 在线a可以看的网站| 日日干狠狠操夜夜爽| 尾随美女入室| 激情 狠狠 欧美| 人人妻人人看人人澡| 国国产精品蜜臀av免费| 国产色爽女视频免费观看| 在线观看一区二区三区| 中出人妻视频一区二区| 国产精品福利在线免费观看| 1024手机看黄色片| 欧美不卡视频在线免费观看| 免费观看人在逋| 国产激情偷乱视频一区二区| 亚洲av.av天堂| 日本三级黄在线观看| av免费观看日本| 人妻系列 视频| 亚洲精品日韩在线中文字幕 | 免费看光身美女| 久久精品影院6| 国产色婷婷99| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 18禁在线无遮挡免费观看视频| 伊人久久精品亚洲午夜| 狠狠狠狠99中文字幕| 丝袜喷水一区| 亚洲av男天堂| 日本三级黄在线观看| 亚洲精品成人久久久久久| 国产单亲对白刺激| 人人妻人人澡欧美一区二区| 欧美3d第一页| 日韩欧美 国产精品| 国内精品宾馆在线| 永久网站在线| 好男人在线观看高清免费视频| 国产午夜福利久久久久久| 禁无遮挡网站| 成人亚洲欧美一区二区av| 亚洲高清免费不卡视频| 网址你懂的国产日韩在线| 国产精品精品国产色婷婷| 99热精品在线国产| 一级毛片电影观看 | 又爽又黄无遮挡网站| 精品人妻视频免费看| 久久久久性生活片| 日本与韩国留学比较| 99热这里只有是精品在线观看| 只有这里有精品99| 少妇熟女欧美另类| 亚洲真实伦在线观看| 美女高潮的动态| 村上凉子中文字幕在线| 免费看av在线观看网站| 久久国产乱子免费精品| 婷婷色av中文字幕| 婷婷色综合大香蕉| 精品久久久久久成人av| 男女做爰动态图高潮gif福利片| 蜜桃久久精品国产亚洲av| 国产蜜桃级精品一区二区三区| 直男gayav资源| 亚洲av.av天堂| 黄色欧美视频在线观看| 九色成人免费人妻av| 麻豆一二三区av精品| 欧美性感艳星| 天天一区二区日本电影三级| 成人午夜高清在线视频| 变态另类成人亚洲欧美熟女| 一区二区三区免费毛片| 亚洲电影在线观看av| 亚洲国产色片| 亚洲精品亚洲一区二区| 国产日本99.免费观看| 久久人人精品亚洲av| 99久国产av精品| 久久这里只有精品中国| 欧美高清性xxxxhd video| 久久这里只有精品中国| 国产大屁股一区二区在线视频| av免费在线看不卡| 国产在线精品亚洲第一网站| 床上黄色一级片| 可以在线观看毛片的网站| 淫秽高清视频在线观看| 久久精品国产亚洲av涩爱 | 赤兔流量卡办理| 亚洲国产欧美在线一区| 久久久久久久久久久丰满| 成年女人永久免费观看视频| 啦啦啦啦在线视频资源| 在线天堂最新版资源| 日韩成人av中文字幕在线观看| 大又大粗又爽又黄少妇毛片口| 看非洲黑人一级黄片| 欧美色视频一区免费| 日本-黄色视频高清免费观看| 欧美zozozo另类| 成人永久免费在线观看视频| 免费人成视频x8x8入口观看| 三级男女做爰猛烈吃奶摸视频| 美女cb高潮喷水在线观看| 大型黄色视频在线免费观看| 国产一级毛片在线| 婷婷六月久久综合丁香| 欧美一级a爱片免费观看看| 一级毛片电影观看 | 高清在线视频一区二区三区 | 国产精品福利在线免费观看| 欧美另类亚洲清纯唯美|