• <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
    av有码第一页| 欧美日韩成人在线一区二区| 精品久久蜜臀av无| 久久97久久精品| 女性被躁到高潮视频| 精品99又大又爽又粗少妇毛片| 精品视频人人做人人爽| 久久av网站| videos熟女内射| 91aial.com中文字幕在线观看| 亚洲久久久国产精品| 看免费成人av毛片| 成年人免费黄色播放视频| 老汉色∧v一级毛片| 我要看黄色一级片免费的| 欧美少妇被猛烈插入视频| 日韩一卡2卡3卡4卡2021年| 午夜av观看不卡| 日本vs欧美在线观看视频| 一级毛片 在线播放| 男女高潮啪啪啪动态图| 久久久久久久久免费视频了| 国产日韩一区二区三区精品不卡| 国产成人免费无遮挡视频| 免费观看无遮挡的男女| 国产在视频线精品| 国产无遮挡羞羞视频在线观看| 国产在线一区二区三区精| a 毛片基地| 性色av一级| 久热久热在线精品观看| 秋霞在线观看毛片| 国产片特级美女逼逼视频| 久久久久人妻精品一区果冻| 亚洲欧美一区二区三区国产| 美女中出高潮动态图| 久久人妻熟女aⅴ| 美女国产视频在线观看| 婷婷色综合www| av线在线观看网站| 人体艺术视频欧美日本| 精品久久蜜臀av无| 热99国产精品久久久久久7| 男女午夜视频在线观看| 最近中文字幕2019免费版| 少妇人妻 视频| 久久97久久精品| 欧美日韩亚洲高清精品| 国产白丝娇喘喷水9色精品| 五月伊人婷婷丁香| 啦啦啦在线免费观看视频4| 丰满饥渴人妻一区二区三| 国产成人午夜福利电影在线观看| 丝袜人妻中文字幕| 天美传媒精品一区二区| 自线自在国产av| 九草在线视频观看| 性少妇av在线| 高清欧美精品videossex| 高清在线视频一区二区三区| 国产av精品麻豆| 免费播放大片免费观看视频在线观看| 大片免费播放器 马上看| 久久久久久人妻| 久久久久久久久久久免费av| 18禁裸乳无遮挡动漫免费视频| 日韩中文字幕视频在线看片| 91精品国产国语对白视频| 日韩av免费高清视频| 久久久国产一区二区| 一区二区三区乱码不卡18| 97在线人人人人妻| 永久免费av网站大全| 精品福利永久在线观看| 少妇的丰满在线观看| 王馨瑶露胸无遮挡在线观看| 一二三四在线观看免费中文在| 成年女人在线观看亚洲视频| 黄片无遮挡物在线观看| 亚洲av.av天堂| 日本av手机在线免费观看| 欧美成人午夜精品| 在线天堂中文资源库| 免费观看a级毛片全部| 欧美精品av麻豆av| 99热全是精品| 99re6热这里在线精品视频| 国产黄色免费在线视频| 国产成人91sexporn| 欧美国产精品一级二级三级| 亚洲,欧美,日韩| 国产免费视频播放在线视频| 国产乱来视频区| 久久久a久久爽久久v久久| 在线天堂中文资源库| 中文字幕人妻丝袜制服| 最新中文字幕久久久久| 免费观看性生交大片5| 99热全是精品| 美女中出高潮动态图| 捣出白浆h1v1| 久久精品亚洲av国产电影网| 精品午夜福利在线看| 一二三四中文在线观看免费高清| 亚洲精品第二区| 巨乳人妻的诱惑在线观看| 欧美老熟妇乱子伦牲交| 国产成人欧美| videossex国产| 久久韩国三级中文字幕| 最近手机中文字幕大全| 国产精品蜜桃在线观看| 性少妇av在线| 精品第一国产精品| 久久久久精品性色| 一个人免费看片子| 少妇的逼水好多| 精品国产露脸久久av麻豆| 99热网站在线观看| 亚洲国产av新网站| 精品一区在线观看国产| 在现免费观看毛片| 蜜桃国产av成人99| a级片在线免费高清观看视频| 免费观看在线日韩| 中文字幕色久视频| 国产成人av激情在线播放| 又黄又粗又硬又大视频| 国产成人aa在线观看| 男女午夜视频在线观看| 人人妻人人爽人人添夜夜欢视频| 男女下面插进去视频免费观看| av在线观看视频网站免费| 女人精品久久久久毛片| 黑人欧美特级aaaaaa片| 777久久人妻少妇嫩草av网站| 日韩制服丝袜自拍偷拍| 免费看不卡的av| 亚洲av电影在线进入| freevideosex欧美| 久久久久国产一级毛片高清牌| 多毛熟女@视频| 午夜91福利影院| 校园人妻丝袜中文字幕| 欧美亚洲日本最大视频资源| 国产又色又爽无遮挡免| 亚洲成人av在线免费| 久久99一区二区三区| 免费不卡的大黄色大毛片视频在线观看| 久久韩国三级中文字幕| 久热久热在线精品观看| 久久久久久久亚洲中文字幕| 久久久久久人妻| 久久国产精品大桥未久av| 免费观看在线日韩| 日本爱情动作片www.在线观看| 久久久久人妻精品一区果冻| 精品少妇久久久久久888优播| 美女福利国产在线| 最近手机中文字幕大全| 韩国av在线不卡| 亚洲国产成人一精品久久久| 亚洲经典国产精华液单| 亚洲av电影在线进入| 一区在线观看完整版| 香蕉国产在线看| 久久精品久久精品一区二区三区| 五月天丁香电影| 久久久久久久亚洲中文字幕| 在线天堂中文资源库| 国产熟女午夜一区二区三区| 黄片无遮挡物在线观看| 美女国产视频在线观看| 久久久久久久精品精品| 亚洲精品在线美女| 成人午夜精彩视频在线观看| 看免费成人av毛片| 69精品国产乱码久久久| 午夜免费鲁丝| 国产精品av久久久久免费| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产深夜福利视频在线观看| 国产男女超爽视频在线观看| 日本色播在线视频| 国产高清国产精品国产三级| 日韩一区二区三区影片| 尾随美女入室| 最黄视频免费看| 卡戴珊不雅视频在线播放| 丁香六月天网| 五月开心婷婷网| 极品人妻少妇av视频| 中文字幕精品免费在线观看视频| 国产色婷婷99| 一级片免费观看大全| 久久久国产一区二区| 99热全是精品| 人人妻人人澡人人爽人人夜夜| 亚洲国产欧美在线一区| av女优亚洲男人天堂| 成人午夜精彩视频在线观看| 狠狠婷婷综合久久久久久88av| 日韩三级伦理在线观看| 99久久精品国产国产毛片| 婷婷色av中文字幕| kizo精华| 久久99精品国语久久久| 黑人欧美特级aaaaaa片| 丰满饥渴人妻一区二区三| 国产精品二区激情视频| 久久精品亚洲av国产电影网| 久久久久久久久免费视频了| 婷婷色av中文字幕| 亚洲精品美女久久av网站| av免费观看日本| 91精品国产国语对白视频| 久久人人97超碰香蕉20202| 日韩,欧美,国产一区二区三区| 波多野结衣一区麻豆| 日本爱情动作片www.在线观看| 美女视频免费永久观看网站| 亚洲精品美女久久av网站| 少妇被粗大猛烈的视频| 综合色丁香网| 国产成人欧美| 大香蕉久久网| 在线天堂最新版资源| 性少妇av在线| 王馨瑶露胸无遮挡在线观看| 男女午夜视频在线观看| 美女脱内裤让男人舔精品视频| 可以免费在线观看a视频的电影网站 | 少妇被粗大的猛进出69影院| 波野结衣二区三区在线| 精品久久久久久电影网| 国产综合精华液| 久久午夜综合久久蜜桃| 热re99久久精品国产66热6| 成年女人毛片免费观看观看9 | 少妇人妻 视频| 国产人伦9x9x在线观看 | 久久人妻熟女aⅴ| 亚洲一级一片aⅴ在线观看| 丰满少妇做爰视频| 九九爱精品视频在线观看| 国产精品二区激情视频| 国产精品一国产av| 一区在线观看完整版| 不卡视频在线观看欧美| 人人妻人人爽人人添夜夜欢视频| 欧美xxⅹ黑人| av免费在线看不卡| 一二三四中文在线观看免费高清| 99久久人妻综合| videosex国产| 亚洲伊人久久精品综合| av国产久精品久网站免费入址| 亚洲国产精品国产精品| 中文字幕另类日韩欧美亚洲嫩草| 777米奇影视久久| av电影中文网址| 久久婷婷青草| 91午夜精品亚洲一区二区三区| 两个人看的免费小视频| 在线亚洲精品国产二区图片欧美| 波野结衣二区三区在线| 日韩大片免费观看网站| 久久久久国产精品人妻一区二区| 黄片小视频在线播放| 香蕉国产在线看| 超碰成人久久| 国产毛片在线视频| 亚洲美女搞黄在线观看| 国产麻豆69| 久久久久人妻精品一区果冻| 国产精品一二三区在线看| 亚洲在久久综合| 国产 一区精品| 99久久综合免费| 午夜福利视频在线观看免费| 成人毛片60女人毛片免费| 久久久国产一区二区| 一区二区三区激情视频| 岛国毛片在线播放| 成人国语在线视频| 美国免费a级毛片| 国产亚洲精品第一综合不卡| 日本免费在线观看一区| 国产精品免费大片| 日韩中文字幕欧美一区二区 | 搡女人真爽免费视频火全软件| 久久影院123| 晚上一个人看的免费电影| 性高湖久久久久久久久免费观看| 精品国产一区二区久久| 高清欧美精品videossex| 人妻 亚洲 视频| 国产精品无大码| 各种免费的搞黄视频| 午夜老司机福利剧场| 国产免费又黄又爽又色| 1024视频免费在线观看| 久久99热这里只频精品6学生| 熟妇人妻不卡中文字幕| 制服丝袜香蕉在线| 国产亚洲最大av| 久久久精品区二区三区| 亚洲中文av在线| 一本色道久久久久久精品综合| av女优亚洲男人天堂| 高清视频免费观看一区二区| 亚洲欧美成人综合另类久久久| 亚洲综合精品二区| 男人添女人高潮全过程视频| 亚洲精品久久久久久婷婷小说| 久久97久久精品| 国产精品久久久av美女十八| 亚洲精品自拍成人| 久久韩国三级中文字幕| 久久狼人影院| 黄片无遮挡物在线观看| 99九九在线精品视频| 国产精品香港三级国产av潘金莲 | 精品国产一区二区三区四区第35| 麻豆av在线久日| 亚洲,一卡二卡三卡| 国产一区有黄有色的免费视频| 丝袜人妻中文字幕| 日日摸夜夜添夜夜爱| 亚洲第一av免费看| 国产 一区精品| 国产精品久久久久成人av| 欧美变态另类bdsm刘玥| 视频区图区小说| 国产 精品1| 日韩熟女老妇一区二区性免费视频| 少妇的丰满在线观看| 丰满饥渴人妻一区二区三| 久久久久久久久久人人人人人人| 日本猛色少妇xxxxx猛交久久| 欧美日韩亚洲高清精品| 国产福利在线免费观看视频| 久久人人爽av亚洲精品天堂| 伊人久久国产一区二区| 久久免费观看电影| 免费观看无遮挡的男女| 美女午夜性视频免费| 久久精品亚洲av国产电影网| 性色avwww在线观看| 亚洲人成网站在线观看播放| 又大又黄又爽视频免费| 久久久久精品性色| 欧美日本中文国产一区发布| 99久久中文字幕三级久久日本| 久久精品夜色国产| 美女高潮到喷水免费观看| 欧美日韩亚洲国产一区二区在线观看 | 一级a爱视频在线免费观看| 亚洲精品美女久久av网站| 精品午夜福利在线看| 日韩一区二区三区影片| 99国产综合亚洲精品| 亚洲av电影在线观看一区二区三区| 伊人久久大香线蕉亚洲五| 男的添女的下面高潮视频| 国产成人免费无遮挡视频| 精品一区二区三卡| 亚洲色图 男人天堂 中文字幕| 天天躁日日躁夜夜躁夜夜| 亚洲第一青青草原| 日日撸夜夜添| 韩国高清视频一区二区三区| 国产av精品麻豆| 天美传媒精品一区二区| 免费少妇av软件| 国产一区二区三区av在线| 超碰成人久久| 黄色配什么色好看| 色哟哟·www| 乱人伦中国视频| 久久99精品国语久久久| 我要看黄色一级片免费的| 亚洲久久久国产精品| 大片电影免费在线观看免费| 亚洲美女搞黄在线观看| 久久免费观看电影| 王馨瑶露胸无遮挡在线观看| 热99久久久久精品小说推荐| 亚洲伊人久久精品综合| 韩国高清视频一区二区三区| 午夜福利在线观看免费完整高清在| 国产精品女同一区二区软件| 久久久国产欧美日韩av| 一区二区三区精品91| 夜夜骑夜夜射夜夜干| 亚洲精品美女久久久久99蜜臀 | 90打野战视频偷拍视频| 久久ye,这里只有精品| 亚洲欧美色中文字幕在线| 亚洲熟女精品中文字幕| 在线 av 中文字幕| 亚洲成人av在线免费| xxxhd国产人妻xxx| 精品人妻在线不人妻| 性少妇av在线| 婷婷色av中文字幕| av网站免费在线观看视频| 高清不卡的av网站| 国产又色又爽无遮挡免| 亚洲av福利一区| 一区二区三区激情视频| 久久久久国产精品人妻一区二区| 在线天堂中文资源库| 男女高潮啪啪啪动态图| 日本91视频免费播放| 国产一区二区三区av在线| 国产精品嫩草影院av在线观看| 不卡视频在线观看欧美| 亚洲精品国产色婷婷电影| 亚洲少妇的诱惑av| 街头女战士在线观看网站| av女优亚洲男人天堂| 美女脱内裤让男人舔精品视频| 日本av手机在线免费观看| 成年动漫av网址| 成人国产av品久久久| 多毛熟女@视频| 国产精品蜜桃在线观看| 日韩人妻精品一区2区三区| 午夜免费鲁丝| 午夜福利一区二区在线看| av又黄又爽大尺度在线免费看| 亚洲五月色婷婷综合| 国产成人一区二区在线| 欧美另类一区| 亚洲国产看品久久| 亚洲伊人久久精品综合| 中文字幕制服av| 街头女战士在线观看网站| 少妇 在线观看| 午夜福利网站1000一区二区三区| 王馨瑶露胸无遮挡在线观看| 精品酒店卫生间| 天堂8中文在线网| 亚洲精华国产精华液的使用体验| 在线观看三级黄色| 日日啪夜夜爽| 99热国产这里只有精品6| 热re99久久精品国产66热6| 午夜日本视频在线| 欧美日韩精品网址| 久久人妻熟女aⅴ| 国语对白做爰xxxⅹ性视频网站| 久久久久国产网址| 黄片播放在线免费| 欧美老熟妇乱子伦牲交| 一级毛片电影观看| 久久狼人影院| 777米奇影视久久| 亚洲国产毛片av蜜桃av| 亚洲av.av天堂| 久久精品国产鲁丝片午夜精品| 欧美日韩精品成人综合77777| 青春草国产在线视频| 男女啪啪激烈高潮av片| 国产精品熟女久久久久浪| 国产有黄有色有爽视频| 亚洲成人手机| 性高湖久久久久久久久免费观看| 成人亚洲精品一区在线观看| 欧美另类一区| 日韩欧美一区视频在线观看| 中文精品一卡2卡3卡4更新| 男女午夜视频在线观看| 少妇人妻久久综合中文| 亚洲图色成人| 99热国产这里只有精品6| 女的被弄到高潮叫床怎么办| 91aial.com中文字幕在线观看| 日韩中文字幕欧美一区二区 | 久久精品熟女亚洲av麻豆精品| 七月丁香在线播放| 极品少妇高潮喷水抽搐| 亚洲欧美成人综合另类久久久| 久久久久久久国产电影| 国产 一区精品| 欧美亚洲日本最大视频资源| 香蕉国产在线看| 妹子高潮喷水视频| 黄片无遮挡物在线观看| 久久精品久久久久久久性| 久久99蜜桃精品久久| 天堂俺去俺来也www色官网| 欧美日韩成人在线一区二区| 麻豆乱淫一区二区| 亚洲人成电影观看| 少妇 在线观看| freevideosex欧美| 麻豆乱淫一区二区| 免费高清在线观看视频在线观看| 99九九在线精品视频| 欧美变态另类bdsm刘玥| 亚洲欧洲日产国产| 巨乳人妻的诱惑在线观看| 最近最新中文字幕免费大全7| 自线自在国产av| 久久久亚洲精品成人影院| 国产成人a∨麻豆精品| 99国产精品免费福利视频| 国产亚洲欧美精品永久| 国产精品久久久久久精品古装| 男女边摸边吃奶| 国产精品免费视频内射| 麻豆av在线久日| 国产日韩欧美视频二区| 亚洲精品自拍成人| 国产精品国产三级国产专区5o| 超色免费av| 亚洲五月色婷婷综合| 男的添女的下面高潮视频| 水蜜桃什么品种好| 男女啪啪激烈高潮av片| 黄色视频在线播放观看不卡| 大话2 男鬼变身卡| 国语对白做爰xxxⅹ性视频网站| 亚洲中文av在线| 久久 成人 亚洲| 在线精品无人区一区二区三| 久久久精品94久久精品| 巨乳人妻的诱惑在线观看| 成年女人毛片免费观看观看9 | 99国产精品免费福利视频| 人人澡人人妻人| 尾随美女入室| 美女xxoo啪啪120秒动态图| 少妇被粗大的猛进出69影院| 黑人猛操日本美女一级片| 日韩欧美一区视频在线观看| 亚洲欧洲日产国产| 日韩欧美一区视频在线观看| 国产亚洲午夜精品一区二区久久| 青春草视频在线免费观看| av网站在线播放免费| 久久狼人影院| 有码 亚洲区| 亚洲国产看品久久| 在线观看三级黄色| 男女无遮挡免费网站观看| 2018国产大陆天天弄谢| 成年女人在线观看亚洲视频| www.精华液| 亚洲人成网站在线观看播放| 国产视频首页在线观看| 久久久欧美国产精品| 男女边吃奶边做爰视频| av视频免费观看在线观看| 激情五月婷婷亚洲| 热99久久久久精品小说推荐| 在线观看国产h片| 18禁国产床啪视频网站| 青春草亚洲视频在线观看| 国产午夜精品一二区理论片| 国产精品 欧美亚洲| 国产av国产精品国产| 免费大片黄手机在线观看| 精品国产国语对白av| 香蕉丝袜av| 久久久久网色| 肉色欧美久久久久久久蜜桃| 老司机亚洲免费影院| 亚洲第一区二区三区不卡| 久久国内精品自在自线图片| 成年人免费黄色播放视频| 亚洲 欧美一区二区三区| 大香蕉久久网| 亚洲国产欧美网| 女人久久www免费人成看片| 亚洲国产欧美网| 肉色欧美久久久久久久蜜桃| 亚洲一区中文字幕在线| 边亲边吃奶的免费视频| 少妇 在线观看| 欧美人与性动交α欧美精品济南到 | 黄网站色视频无遮挡免费观看| 国产精品一国产av| 久久久久久人妻| 成人国产av品久久久| 日韩成人av中文字幕在线观看| 国产精品二区激情视频| 91精品国产国语对白视频| 国产av精品麻豆| 人妻人人澡人人爽人人| 人体艺术视频欧美日本| 国产精品久久久久成人av| 边亲边吃奶的免费视频| 少妇人妻精品综合一区二区| 日韩av在线免费看完整版不卡| 亚洲精品成人av观看孕妇| 欧美日韩成人在线一区二区| 国产精品久久久久久久久免| 搡女人真爽免费视频火全软件| 午夜福利视频在线观看免费| 午夜久久久在线观看| kizo精华| 久久99热这里只频精品6学生| 亚洲经典国产精华液单| 99久国产av精品国产电影| 亚洲激情五月婷婷啪啪| 一区二区三区激情视频| 日韩伦理黄色片| 97在线人人人人妻| 一边亲一边摸免费视频| 久热这里只有精品99| 日韩成人av中文字幕在线观看| 岛国毛片在线播放|