• <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 ?

    基于南海巨厚塑性泥巖地層特征的鉆速預(yù)測模型

    2023-12-05 05:43:56曾小龍魏宏超陳嘉豪朱海燕
    煤田地質(zhì)與勘探 2023年11期
    關(guān)鍵詞:鉆速貝葉斯聚類

    曾小龍,李 謙,2,魏宏超,陳嘉豪,朱海燕

    (1.成都理工大學(xué) 環(huán)境與土木工程學(xué)院,四川 成都 610059;2.成都理工大學(xué) 地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國家重點(diǎn)實(shí)驗(yàn)室,四川 成都 610059;3.煤炭科學(xué)研究總院,北京 100013;4.中煤科工西安研究院(集團(tuán))有限公司,陜西 西安 710077;5.成都理工大學(xué) 能源學(xué)院,四川 成都 610059)

    我國南海油氣資源豐富,但大多埋藏在高溫高壓且地質(zhì)條件復(fù)雜的地層深處,特別是擁有強(qiáng)塑性和幾乎沒有滲透能力的巨厚泥巖地層以及被稱為世界海上三大高溫高壓地區(qū)之一的鶯瓊盆地。因此,在這樣復(fù)雜的工況下鉆進(jìn)效率較低,甚至引發(fā)次生災(zāi)害[1-2]。若能實(shí)現(xiàn)提前預(yù)測鉆速,將會對指導(dǎo)現(xiàn)場鉆進(jìn)參數(shù)優(yōu)化、穩(wěn)定甚至提高鉆速等起到極大的幫助[3]。由于地層條件的不確定性以及鉆進(jìn)設(shè)備、鉆井液性能等與鉆速之間并沒有明確的影響關(guān)系,使得鉆速大小的變化是非線性的,導(dǎo)致對鉆速的提前預(yù)測變得困難且具有挑戰(zhàn)性[4-5]。

    早在幾十年前,人們就對開始了對鉆速預(yù)測的研究,但這些基于解析方程的鉆速預(yù)測模型大多是在簡化某些因素后建立的,導(dǎo)致在實(shí)際運(yùn)用中具有局限性[6]。近年來,隨著機(jī)器學(xué)習(xí)算法的快速發(fā)展,其強(qiáng)大的性能引起了研究人員的強(qiáng)烈興趣,在通過比較基于預(yù)測方程的傳統(tǒng)預(yù)測模型和機(jī)器學(xué)習(xí)預(yù)測模型的性能,發(fā)現(xiàn)機(jī)器學(xué)習(xí)預(yù)測模型表現(xiàn)優(yōu)于傳統(tǒng)模型并能獲得較高的預(yù)測精度[7]?,F(xiàn)在一些研究人員已經(jīng)在使用支持向量機(jī)回歸、人工神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等機(jī)器學(xué)習(xí)算法應(yīng)用于鉆速的預(yù)測[8],并且這種方法在實(shí)際線下鉆井中能夠獲得較好的效果[9],例如C.Hedge 等[10]運(yùn)用機(jī)器學(xué)習(xí)算法預(yù)測鉆速指導(dǎo)實(shí)際生產(chǎn),提高了12.56%的鉆進(jìn)效率,節(jié)省約30.12 h 的鉆進(jìn)時間。

    雖然機(jī)器學(xué)習(xí)預(yù)測模型一般情況下能夠獲得可觀的預(yù)測結(jié)果,但有時僅使用單一的算法來構(gòu)建模型,會限制其性能和進(jìn)步[11]。而粒子群優(yōu)化算法(PSO)、遺傳算法(GA)、貝葉斯優(yōu)化算法(BO)等超參數(shù)優(yōu)化算法的出現(xiàn),能夠改善這樣的情況,并進(jìn)一步提升模型的性能。在實(shí)際使用中,加入了優(yōu)化算法的模型往往擁有比未使用優(yōu)化算法的模型更高的性能[12],這也證明了使用優(yōu)化算法的必要性。并非只有通過引入優(yōu)化算法這一種方法來提升模型的性能,也能夠結(jié)合多種機(jī)器學(xué)習(xí)算法來取長補(bǔ)短。通過對不同的鉆進(jìn)工況選擇適宜的機(jī)器學(xué)習(xí)算法來建立的預(yù)測模型,同樣能獲得比單一算法構(gòu)建的模型更高的性能[13]。

    使用多種機(jī)器學(xué)習(xí)算法結(jié)合優(yōu)化算法共同預(yù)測鉆速相比僅使用單一機(jī)器學(xué)習(xí)算法更具有優(yōu)勢[14],因此,本文提出了由多種機(jī)器學(xué)習(xí)算法結(jié)合而成的混合模型。其主要由數(shù)據(jù)預(yù)處理、地層類型聚類識別和鉆速預(yù)測3 個步驟組成。數(shù)據(jù)預(yù)處理模塊會對原始測量數(shù)據(jù)進(jìn)行離群值刪除、降噪以及標(biāo)準(zhǔn)化處理,以減小最終預(yù)測的誤差;地層類型聚類和識別模塊首先通過對5 種地層參數(shù)進(jìn)行因子分析達(dá)到降維的目的,并利用因子分析的結(jié)果進(jìn)行聚類,最后利用聚類結(jié)果訓(xùn)練KNN分類模型,達(dá)到識別地層類型的作用;鉆速預(yù)測是通過對聚類結(jié)果分別建立利用貝葉斯優(yōu)化的隨機(jī)森林(BORF)來預(yù)測鉆速,以此來實(shí)現(xiàn)模型的自動化調(diào)參和分類預(yù)測的目的。

    1 地層概況

    本文所選取的是中國南海某鉆采區(qū)域,該地區(qū)典型特征是存在巨厚泥巖覆蓋層,泥質(zhì)較純、微含灰質(zhì)且滲透性極低。其自上而下的地層分布為:樂東組主要由大套泥巖為主。鶯歌海組的上層區(qū)域主要由大套泥巖為主,夾薄砂層;下層區(qū)域以泥質(zhì)粉砂巖為主,夾層狀泥巖與薄層粉砂質(zhì)泥巖。黃流組的上、中層區(qū)域?yàn)榇筇谆疑鄮r夾灰色粉砂巖和泥質(zhì)粉砂巖;下層區(qū)域?yàn)闇\灰色厚層狀細(xì)砂巖??梢?,隨著深度的增加,鉆進(jìn)工況也隨之變得復(fù)雜。其巖性占比如圖1 所示。

    圖1 地層中不同巖性占比Fig.1 Proportion of different lithology

    此處的巨厚泥巖覆蓋層在高圍壓下不僅會呈現(xiàn)出典型塑性特征而且抗壓強(qiáng)度還會顯著增大。如圖2 所示,對井下鉆采的巖心分別在30、45、50、55、60、75 MPa的圍壓下進(jìn)行巖石力學(xué)性能的測定。此次使用MTS815.03 型電液伺服巖石試驗(yàn)系統(tǒng),以0.2 MPa/s的加載速率施加軸向荷載直至試件破壞,記錄試驗(yàn)全過程的軸向荷載和變形值。試驗(yàn)最終處理結(jié)果如圖3所示。隨著圍壓的增大,巖心抗壓強(qiáng)度增長至176.69 MPa;在圍壓超過45 MPa 后,巖心出現(xiàn)了明顯的塑性特征。同時,通過所采巖心區(qū)域某3 口鉆井的實(shí)際鉆速變化(表1)可以觀察到,實(shí)鉆過程中,在高靜液柱壓力的條件下鉆速顯著下降,巖石力學(xué)性能測定試驗(yàn)的結(jié)果與之相符。

    表1 鉆速-靜液柱壓力對應(yīng)Table 1 ROP -hydrostatic pressure correspondence

    圖2 不同圍壓試驗(yàn)后的巖心Fig.2 Cores after tests under different confining pressures

    圖3 不同圍壓下巖心的應(yīng)力應(yīng)變曲線Fig.3 Stress-strain curves of core under different confining pressures

    2 方法原理

    2.1 數(shù)據(jù)預(yù)處理

    如圖4 所示,數(shù)據(jù)預(yù)處理作為整個過程的最初一步,其結(jié)果直接關(guān)系到最終建立的模型上限,本次預(yù)處理包括3 步:離群值刪除、降噪以及標(biāo)準(zhǔn)化。

    圖4 混合模型原理Fig.4 Hybrid model principle

    離群值與正常數(shù)值之間有較大的差異,如果不處理,將會對后續(xù)的分析與預(yù)測產(chǎn)生極大的影響。本次離群值處理將使用馬氏距離,其表示各樣本間的協(xié)方差距離[15]:

    式中:R為馬氏距離;Z為協(xié)方差矩陣的多變量矩陣;a為均值向量;Σ為協(xié)方差矩陣。

    由于本次使用的數(shù)據(jù)量和馬氏距離數(shù)量級較大,使得一些靠近合理數(shù)值的點(diǎn)無法判斷。因?yàn)轳R氏距離服從卡方分布,故可通過計(jì)算檢驗(yàn)水準(zhǔn)α來尋找出離群值,設(shè)定α=0.005 為閾值,低于0.005 的數(shù)據(jù)將被判定為離群值。

    傳感器測量的數(shù)據(jù)受到各方面因素的影響,導(dǎo)致收集的數(shù)據(jù)包含較多的噪聲,直接應(yīng)用會產(chǎn)生較大的誤差,需要對原始數(shù)據(jù)進(jìn)行降噪處理[16]。降噪將使用S-G 濾波器,其首先對固定長度的滑動窗口內(nèi)y個數(shù)據(jù)進(jìn)行k-1 次多項(xiàng)式擬合:

    設(shè)定數(shù)據(jù)值向量為Y,系數(shù)矩陣為A,自變量矩陣為X,殘差為ε,可將擬合方程改寫為:

    最后經(jīng)過最小二乘法處理后得到最終的降噪數(shù)據(jù):

    若將原始數(shù)據(jù)直接用于后續(xù)的機(jī)器學(xué)習(xí)建模,數(shù)值較大的數(shù)據(jù)在模型中作用會更為凸顯,小數(shù)值的數(shù)據(jù)影響甚微,不能夠完全展現(xiàn)各數(shù)據(jù)對鉆速的影響,因此需要對原始數(shù)據(jù)使用標(biāo)準(zhǔn)化。本次使用Min-Max標(biāo)準(zhǔn)化對數(shù)據(jù)進(jìn)行處理,即:

    2.2 地層類型聚類和識別

    為了達(dá)到地層類型聚類與識別目的,將采用因子分析、K-Means++、KNN 這3 種方法實(shí)現(xiàn)。

    因子分析通過利用指標(biāo)間的相關(guān)性系數(shù)矩陣來對各個指標(biāo)的相關(guān)性大小來進(jìn)行分類,使得最后的結(jié)果中各組內(nèi)部指標(biāo)間的相關(guān)性高,不同組間的相關(guān)性低,并將標(biāo)示各組數(shù)據(jù)基本結(jié)構(gòu)的新指標(biāo)稱作公共因子。因子分析原理構(gòu)建的數(shù)學(xué)模型可表示為:

    式中:xm為第m個樣本;fn為第n個公共因子;cmn fn為構(gòu)建樣本xm的第n個公共因子fn的系數(shù)。

    由于原始K-Means 算法中初始聚類中心的選取是在樣本中選擇K個點(diǎn),這往往會導(dǎo)致算法陷入局部最優(yōu),從而導(dǎo)致K-Means 算法具有較大的局限性。為獲得算法的全局最優(yōu),提出了K-Means++算法[17](圖5)。其對于K-Means 算法的改進(jìn)主要在對初始中心的選取上,選取過程如下。

    圖5 K-Means++算法原理Fig.5 Principles of K-Means++algorithm

    (1) 設(shè)定最終的聚類中心個數(shù)為K后,隨機(jī)在數(shù)據(jù)集S內(nèi)選擇一個樣本點(diǎn)x1作為第一個聚類中心C1。

    (2) 計(jì)算其余點(diǎn)到所有聚類中心的最短距離(由于本文使用的數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化,因此選擇歐氏距離),計(jì)算式如下:

    式中:xn為第n個樣本點(diǎn);C1,2,···,m為聚物類中心;D(xn)為第n個樣本點(diǎn)最近的聚類中心的歐氏距離;d(xn,Cm)為xn到Cm的歐氏距離。

    (3) 計(jì)算這些點(diǎn)被選擇為下一個聚類中心的概率P(xn),計(jì)算式如下:

    (4) 選取概率最高的樣本點(diǎn)將成為新的聚類中心,并重復(fù)步驟(2)和步驟(3),直至能夠同時選取K個聚類中心。

    聚類是在并沒有真實(shí)分類標(biāo)簽下開展的,因此無法直接判斷聚類結(jié)果的好壞,所以需要使用指標(biāo)來評價聚類效果。本文使用輪廓系數(shù)s作為指標(biāo),表示為:

    式中:A為所選樣本點(diǎn)和同簇內(nèi)其他點(diǎn)間的平均距離;B為所選樣本點(diǎn)與某一最近簇中所有點(diǎn)的平均距離。

    其通過將某一對象與自身所在簇的相似程度和其他簇的相似程度來進(jìn)行評價聚類效果。輪廓系數(shù)的取值范圍在[-1,1]內(nèi),當(dāng)值越接近于1 時,所選樣本點(diǎn)和簇內(nèi)點(diǎn)越相似,與簇外點(diǎn)越不相似。

    地層類型識別使用的KNN 算法,其整個過程是以不同特征值之間的距離作為分類依據(jù),即所選取的一個樣本在特征空間中的M個最鄰近樣本中大部分屬于占比最多的一類,該樣本也屬于這個占比最多的類別。

    2.3 鉆速預(yù)測

    混合模型內(nèi)鉆速的預(yù)測選擇使用隨機(jī)森林(圖6)。隨機(jī)森林的核心在于決策樹和Bagging 算法。對于回歸問題來說,最終預(yù)測結(jié)果由各個決策樹投票取均值決定。隨機(jī)森林相比于決策樹、支持向量機(jī)等機(jī)器學(xué)習(xí)算法能夠減少離群值、異常值的影響,并且能夠有效地預(yù)防過擬合現(xiàn)象的出現(xiàn),并且對于處理多變量和大數(shù)據(jù)量有較大優(yōu)勢[18]。

    圖6 隨機(jī)森林結(jié)構(gòu)Fig.6 Structure of Random Forest

    隨機(jī)森林由眾多決策樹結(jié)合而成,而樹的多少、結(jié)構(gòu)以及分枝都會影響隨機(jī)森林的預(yù)測結(jié)果,因此本文將使用樹數(shù)目、樹的最大深度和樹的特征數(shù)3 個超參數(shù)對模型進(jìn)行優(yōu)化。對這些超參數(shù)的調(diào)整將會直接影響模型的結(jié)構(gòu)和預(yù)測結(jié)果,因此,需要尋找到最優(yōu)的超參數(shù)組合。貝葉斯優(yōu)化在解決像尋找最優(yōu)超參數(shù)這樣的黑箱問題時,能夠在較少的評估過程下尋找到復(fù)雜未知函數(shù)的最優(yōu)解[19]。貝葉斯優(yōu)化流程如圖7 所示,整個過程是利用高斯過程生成先驗(yàn)分布來逼近未知目標(biāo)函數(shù)的后驗(yàn)分布,然后根據(jù)分布選擇下一個采樣的超參數(shù)組合,以此重復(fù)并不斷更新,直至尋找到最優(yōu)的結(jié)果。

    為了保證模型的泛化能力,在模型建立及超參數(shù)優(yōu)化時采用多重交叉驗(yàn)證。采用五折交叉驗(yàn)證,并將5 次的平均驗(yàn)證結(jié)果作為模型的最終性能(圖8)。

    圖8 N 折交叉驗(yàn)證Fig.8 Principle of N-fold cross-validation

    2.4 模型評價指標(biāo)

    由于涉及到分類模型和回歸模型的建立,因此,需要兩類不同評價指標(biāo)。地層類型識別中建立的KNN分類模型將使用準(zhǔn)確率(ACC)作為評價指標(biāo)。依據(jù)定義,ACC 越大,模型預(yù)測結(jié)果越準(zhǔn)確;ACC 越小,模型的預(yù)測性能越差,其公式為:

    式中:yture為預(yù)測正確的總數(shù);n為總樣本量。

    鉆速預(yù)測模型將使用均方根誤差(ERMS)、R2和平均絕對誤差(EMA)作為評價指標(biāo),各指標(biāo)數(shù)學(xué)表達(dá)式為:

    式中:yi為 真實(shí)值;為預(yù)測值;為平均真實(shí)值。

    依據(jù)定義,ERMS越小,預(yù)測值與原始數(shù)據(jù)間的差距越小,模型性能越好。R2范圍在0~1,R2越接近1,則預(yù)測效果越好。EMA代表預(yù)測值到真實(shí)值的平均距離,因此平均絕對誤差越小,預(yù)測效果越好。

    3 結(jié)果與討論

    3.1 數(shù)據(jù)收集

    本文使用的全部數(shù)據(jù)來自于中國南海某區(qū)域10 口鉆井共計(jì)21 913 組實(shí)測數(shù)據(jù),其中包括5 大類44 種不同的參數(shù)。若將全部參數(shù)用來預(yù)測建模,必然會使模型復(fù)雜度過高導(dǎo)致預(yù)測反應(yīng)速度較慢。因此,除選擇了鉆速作為目標(biāo)參數(shù)以及常用的深度、鉆壓、轉(zhuǎn)速、泵量和扭矩這些參數(shù)外[20-22],額外選擇了入口泥漿密度、出口泥漿密度和地層特征參數(shù):地震波速、孔隙壓力、破裂壓力、上覆壓力、地層巖性;總共4 類14 種參數(shù),其詳細(xì)內(nèi)容見表2。各參數(shù)在省略單位后數(shù)量級的對比如圖9 所示,深度、泵量等參數(shù)數(shù)量級能達(dá)到上千,而孔隙壓力、入出口泥漿密度等參數(shù)最高僅達(dá)到個位數(shù),各參數(shù)之間數(shù)量級差距巨大;并且部分參數(shù)存在一定的離群值,因此想要使用和分析這些數(shù)據(jù),需要提前對原始數(shù)據(jù)進(jìn)行預(yù)處理消除這些隱患。

    表2 鉆進(jìn)工藝參數(shù)Table 2 Drilling parameters

    圖9 各參數(shù)箱型圖Fig.9 Box plots of various parameters

    3.2 數(shù)據(jù)集劃分

    選取鉆速作為目標(biāo)參數(shù),深度、工藝參數(shù)和地層特征共3 類13 種參數(shù)作為輸入?yún)?shù)。隨機(jī)選取所有數(shù)據(jù)的80%作為訓(xùn)練集,剩余20%數(shù)據(jù)作為測試集。訓(xùn)練集會直接參與各模型的訓(xùn)練與建立,并且在訓(xùn)練階段使用五折交叉驗(yàn)證保證建立模型的泛化能力;而測試集直接用于最終模型性能測試。

    3.3 數(shù)據(jù)預(yù)處理

    首先進(jìn)行原始數(shù)據(jù)中離群值的去除,通過計(jì)算檢驗(yàn)水準(zhǔn)α,設(shè)定α閾值為0.005,最終確定的離群值如圖10 所示,此次判定為離群值的點(diǎn)共1 740 個,約占樣本總量的7.94%??梢杂^察到被判定為離群值的某些點(diǎn)和合理數(shù)值的之間有較大差距,若不剔除離群點(diǎn),必然會在后續(xù)的標(biāo)準(zhǔn)化、分析和預(yù)測時產(chǎn)生較大的誤差。

    圖10 不同鉆速的馬氏距離Fig.10 Mahalanobis distance of different ROP

    鉆速、鉆壓、轉(zhuǎn)速、扭矩這些數(shù)據(jù)受到傳感器、鉆進(jìn)工況和地質(zhì)環(huán)境等眾多因素影響,導(dǎo)致收集到的數(shù)據(jù)內(nèi)包含較多的噪聲數(shù)據(jù),因此需要進(jìn)行降噪處理。圖11 為真實(shí)數(shù)據(jù)(紅色)與降噪數(shù)據(jù)(藍(lán)色)間的對比,降噪數(shù)據(jù)趨勢與真實(shí)數(shù)據(jù)趨勢變化一致,說明達(dá)到了良好的降噪效果。

    圖11 各參數(shù)降噪前后對比Fig.11 Comparison of parameters before and after noise reduction

    完成以上操作后,對14 種數(shù)據(jù)進(jìn)行Min-Max 標(biāo)準(zhǔn)化處理。以鉆速為例,圖12 為鉆速標(biāo)準(zhǔn)化前后對比,所有數(shù)據(jù)在處理后被縮小到[0,1]的區(qū)間內(nèi),指標(biāo)本身的量綱得以消除,并且在處理后并沒有改變曲線形狀。

    圖12 鉆速標(biāo)準(zhǔn)化前后對比Fig.12 Comparison of ROP before and after standardization

    3.4 地層類別聚類和識別

    在聚類時,將使用訓(xùn)練集中的地震波速、孔隙壓力、破裂壓力、上覆壓力和巖性5 種地層參數(shù)作為依據(jù)。如果直接使用這5 類指標(biāo)進(jìn)行分析,會造成分析的維度較多而增加工作量。如圖13 所示,這些參數(shù)間均具有一定的相關(guān)性,甚至孔隙壓力、破裂壓力和上覆壓力間的相關(guān)性系數(shù)均在0.9 以上,這必然會導(dǎo)致部分信息產(chǎn)生重復(fù),使得分析更加復(fù)雜。因此,使用因子分析來對這些原始數(shù)據(jù)進(jìn)行降維和消除各指標(biāo)間的相關(guān)性是必要的。

    圖13 各地層參數(shù)間皮爾遜相關(guān)性系數(shù)熱力圖Fig.13 Heat map of Pearson correlation coefficients between formation characteristics.

    首先對5 種地層參數(shù)進(jìn)行因子分析,并確定公共因子的數(shù)目。這些提取出來的公共因子均能夠在一定程度上反映原數(shù)據(jù)中所包含的信息,但其所能反映的信息量未知,所以就需要累計(jì)方差貢獻(xiàn)率這樣的指標(biāo)來度量。累計(jì)方差貢獻(xiàn)率越大,公共因子所能反映的信息越接近于原始數(shù)據(jù)。一般要求累計(jì)貢獻(xiàn)率需達(dá)到85%,為了能夠盡可能獲得最大信息,此次分析中將累計(jì)方差貢獻(xiàn)率閾值設(shè)為90%。在公共因子數(shù)目為3 時,累計(jì)方差貢獻(xiàn)率達(dá)到98.563%,公共因子數(shù)目因此確定為3(表3)。

    表3 累計(jì)貢獻(xiàn)率Table 3 Cumulative contribution rate

    由式(6)確定各個變量在每一個公共因子下的得分,其結(jié)果見表4,公共因子1 主要是由孔隙壓力、破裂壓力和上覆壓力共同決定,公共因子2 由巖性所決定,公共因子3 由地震波速所決定。

    表4 各變量因子得分Table 4 Scores of variable factors

    以各組數(shù)據(jù)在3 個公共因子下的得分作為三維坐標(biāo),在聚類中心數(shù)目從2 到20 的條件下分別進(jìn)行K-Means++聚類,并記錄每次聚類的輪廓系數(shù),其結(jié)果如圖14 與圖15 所示,當(dāng)聚類中心數(shù)目為2 時,獲得的輪廓系數(shù)最大。

    圖14 各聚類數(shù)的輪廓系數(shù)Fig.14 Silhouette coefficients for different numbers of clustering centers

    因此,最終聚類結(jié)果可分為2 種地層類型。各地層詳細(xì)數(shù)據(jù)(圖16),兩種地層類型之間存在明顯的區(qū)別:地層類型1 的地震波速、孔隙壓力和破裂壓力的上、下四分位數(shù)均小于地層類型2,且地層類型1 的地震波速的上、下四分位數(shù)間的差值206.19 m/s 比地層類型2 的小359.03 m/s,差距較大,但地層類型1 的孔隙壓力和破裂壓力的上、下四分位數(shù)差值比地層類型2的高出13.20 MPa 和12.09 MPa;地層類型2 的上覆壓力的下四分位數(shù)為80.71 MPa,比地層類型1 的上四分位數(shù)78.54 MPa 更大,但上、下四分位數(shù)間的差值比地層類型1 的小11.93 MPa。從巖性來看,地層類型1 的巖性是以泥巖和粉砂質(zhì)泥巖為主,而地層類型2的巖性是以粉砂巖、細(xì)砂巖和中砂巖為主的地層類型。此聚類結(jié)果同現(xiàn)場地層數(shù)據(jù)吻合,將在高圍壓下具備高塑性的泥巖單獨(dú)成組,符合實(shí)際需求。

    圖16 地層特征參數(shù)箱型圖對比Fig.16 Comparison of formation characteristic parameter box plots

    為實(shí)現(xiàn)地層識別,需要使用聚類結(jié)果訓(xùn)練KNN分類模型。選取訓(xùn)練集中的5 種地層特征參數(shù)作為輸入?yún)?shù),地層類型作為目標(biāo)參數(shù),并在模型訓(xùn)練時使用十折交叉驗(yàn)證,以ACC 為評價指標(biāo)。最終,以KNN模型在十次交叉驗(yàn)證的ACC 的平均值為結(jié)果,其ACC可達(dá)到0.997。下文將以聚類結(jié)果分別對各地層類型建立對應(yīng)的預(yù)測模型。

    3.5 鉆速預(yù)測模型

    為評估模型性能,將混合模型同貝葉斯優(yōu)化的隨機(jī)森林(BO-RF)、隨機(jī)森林(RF)、決策樹(DT)、支持向量回歸(SVR)和BP 神經(jīng)網(wǎng)絡(luò)(BP-ANN)進(jìn)行比較。其中,混合模型能夠進(jìn)行分類預(yù)測,貝葉斯優(yōu)化的隨機(jī)森林不具備分類預(yù)測;貝葉斯優(yōu)化的隨機(jī)森林和隨機(jī)森林對比進(jìn)行貝葉斯優(yōu)化性能的測試;隨機(jī)森林同決策樹、支持向量回歸和BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行模型的預(yù)測性能對比。設(shè)定貝葉斯優(yōu)化初始節(jié)點(diǎn)為30;迭代次數(shù)為100;樹數(shù)目范圍為[1,100],樹的最大深度范圍為[1,40],樹的特征數(shù)目范圍為[1,20]。除混合模型和BO-RF 使用貝葉斯優(yōu)化外,剩余模型均在訓(xùn)練時使用網(wǎng)格搜索調(diào)整超參數(shù)。

    通過對比圖17 中6 個模型在測試集下的預(yù)測結(jié)果,混合模型的預(yù)測結(jié)果更加貼合和集中于1∶1 line,并且偏離1∶1 line 的點(diǎn)即預(yù)測誤差較大的點(diǎn)更少,整體預(yù)測效果更好;BO-RF 相比RF 預(yù)測結(jié)果更加貼合1∶1 line,表明了貝葉斯優(yōu)化具有良好的超參數(shù)優(yōu)化能力。圖17 為混合模型、BO-RF、RF、DT、SVR 與BP-ANN 在經(jīng)過訓(xùn)練集訓(xùn)練后,在測試集下的R2、ERMS和EMA,通過對比,無論是R2、ERMS還是EMA,混合模型均優(yōu)于其他模型。表5 為BO-RF 與混合模型通過貝葉斯優(yōu)化尋找到的最佳超參數(shù),以及混合模型和BO-RF 在訓(xùn)練集下使用貝葉斯優(yōu)化尋找最佳超參數(shù)的耗時?;旌夏P蛢?nèi)的BO-RF_1 和BO-RF_2 模型樹數(shù)目、最大深度以及特征數(shù)均小于BO-RF,讓混合模型相比于BO-RF 具有更小的復(fù)雜度,使得混合模型的貝葉斯優(yōu)化耗時低于BO-RF。并且由于混合模型是在地層聚類的基礎(chǔ)上對聚類結(jié)果分別建立預(yù)測模型,使得模型的建立更加細(xì)化且有針對性。因此,混合模型能夠獲得較好的預(yù)測性能和更快的反應(yīng)速度。

    表5 各模型使用貝葉斯優(yōu)化獲得的最優(yōu)超參數(shù)和耗時Table 5 Optimal hyperparameters and time consumption of each model using Bayesian optimization

    圖17 不同模型的最佳預(yù)測結(jié)果Fig.17 Optimal prediction results of each model

    4 結(jié)論

    a.為建立南海巨厚塑性泥巖地層特征的鉆速預(yù)測模型,使用K-Means++算法并基于其中5 種地層參數(shù)對原始數(shù)據(jù)進(jìn)行聚類分析,并在此基礎(chǔ)上建立了地層類型分類和針對不同地層類型分別建模的混合模型?;诒敬问褂玫臄?shù)據(jù)集,本文所提出的預(yù)測模型相比于常見的各類預(yù)測模型,具有較好的預(yù)測性能。

    b.基于K-means++算法,找到了原始數(shù)據(jù)的潛在分類,即將數(shù)據(jù)集中的數(shù)據(jù)劃分成了兩種類型,其中一類是以泥巖和粉砂質(zhì)泥巖為主的地層類型,另一類是以粉砂巖、細(xì)砂巖和中砂巖為主的地層類型。此聚類結(jié)果與現(xiàn)場地層數(shù)據(jù)吻合,符合實(shí)際需求。

    c.使用的貝葉斯優(yōu)化算法的BO-RF 無論從R2、ERMS、EMA還是預(yù)測結(jié)果上,均要優(yōu)于RF,表明了基于本數(shù)據(jù)集建立的鉆速預(yù)測模型中,貝葉斯優(yōu)化算法具有較好的超參數(shù)優(yōu)化性能。

    d.使用的K-means++聚類算法僅在本次使用的數(shù)據(jù)集中表現(xiàn)良好,在其他數(shù)據(jù)集中表現(xiàn)未知,后續(xù)會進(jìn)一步開展對地層類型聚類的研究,尋找和建立更加具有普適性的地層聚類算法。

    猜你喜歡
    鉆速貝葉斯聚類
    螺桿鉆具提速技術(shù)研究
    石油研究(2020年1期)2020-05-22 12:51:40
    AWOBA-NW井施工分析
    淺析提高中深井鉆速的方法
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    貝葉斯公式及其應(yīng)用
    基于貝葉斯估計(jì)的軌道占用識別方法
    一種基于貝葉斯壓縮感知的說話人識別方法
    電子器件(2015年5期)2015-12-29 08:43:15
    基于改進(jìn)的遺傳算法的模糊聚類算法
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    IIRCT下負(fù)二項(xiàng)分布參數(shù)多變點(diǎn)的貝葉斯估計(jì)
    免费看十八禁软件| 19禁男女啪啪无遮挡网站| 亚洲美女黄片视频| 一进一出抽搐gif免费好疼| 国语自产精品视频在线第100页| 一级毛片女人18水好多| 成年免费大片在线观看| 男插女下体视频免费在线播放| 久久亚洲真实| 噜噜噜噜噜久久久久久91| 岛国视频午夜一区免费看| 国产一区二区在线观看日韩 | 国产淫片久久久久久久久 | 性色avwww在线观看| 亚洲无线在线观看| 最新中文字幕久久久久 | 日韩三级视频一区二区三区| 中文字幕人成人乱码亚洲影| 一进一出抽搐gif免费好疼| 日本黄色视频三级网站网址| 国内精品一区二区在线观看| 日韩大尺度精品在线看网址| 久久伊人香网站| 成人鲁丝片一二三区免费| 无人区码免费观看不卡| 香蕉国产在线看| 十八禁人妻一区二区| 亚洲七黄色美女视频| 19禁男女啪啪无遮挡网站| 男女下面进入的视频免费午夜| 午夜影院日韩av| 日本五十路高清| 老熟妇仑乱视频hdxx| 一个人看的www免费观看视频| 亚洲av片天天在线观看| 窝窝影院91人妻| 久久人妻av系列| 99热这里只有精品一区 | 99热精品在线国产| 国产aⅴ精品一区二区三区波| 成人18禁在线播放| 老司机午夜福利在线观看视频| 亚洲人与动物交配视频| 99在线视频只有这里精品首页| 高清毛片免费观看视频网站| 国产成人影院久久av| a级毛片在线看网站| 亚洲黑人精品在线| 久久久久久久精品吃奶| 免费大片18禁| 成年女人永久免费观看视频| 九色成人免费人妻av| 国产精品久久久人人做人人爽| 国产精品久久久av美女十八| 日韩精品青青久久久久久| 午夜福利高清视频| 国产一区二区三区视频了| 精品国产亚洲在线| 久久香蕉精品热| 一二三四在线观看免费中文在| 成人国产一区最新在线观看| 日韩中文字幕欧美一区二区| 国语自产精品视频在线第100页| 国语自产精品视频在线第100页| 曰老女人黄片| 亚洲色图av天堂| 日韩精品中文字幕看吧| 熟妇人妻久久中文字幕3abv| 欧美乱色亚洲激情| 亚洲自偷自拍图片 自拍| 成人精品一区二区免费| 久久久久久久久免费视频了| 亚洲欧洲精品一区二区精品久久久| 国产av一区在线观看免费| 亚洲精品456在线播放app | 亚洲色图 男人天堂 中文字幕| 中亚洲国语对白在线视频| 亚洲国产精品成人综合色| 最近最新中文字幕大全免费视频| av视频在线观看入口| 搡老妇女老女人老熟妇| 免费看美女性在线毛片视频| 黄频高清免费视频| 精品国产乱码久久久久久男人| 国产精品av久久久久免费| 黄色视频,在线免费观看| 露出奶头的视频| 国产精品爽爽va在线观看网站| 成年女人永久免费观看视频| 国产一区二区在线av高清观看| 久久精品影院6| 哪里可以看免费的av片| 国产三级黄色录像| 露出奶头的视频| 久久久久久久午夜电影| www.999成人在线观看| 久久久水蜜桃国产精品网| 88av欧美| 国产成人福利小说| 欧美性猛交黑人性爽| 九九热线精品视视频播放| 亚洲av电影在线进入| 免费看美女性在线毛片视频| 日本a在线网址| 观看美女的网站| 午夜福利在线观看吧| 国产欧美日韩一区二区精品| 亚洲人成电影免费在线| 最近在线观看免费完整版| 午夜福利视频1000在线观看| 俺也久久电影网| 最近在线观看免费完整版| 99久久精品国产亚洲精品| 久久精品国产99精品国产亚洲性色| 老司机午夜福利在线观看视频| 久久精品国产99精品国产亚洲性色| 精品午夜福利视频在线观看一区| 狂野欧美激情性xxxx| 免费看日本二区| 久久久久精品国产欧美久久久| 中文字幕最新亚洲高清| 日本一本二区三区精品| 高潮久久久久久久久久久不卡| 亚洲 欧美一区二区三区| 人人妻人人看人人澡| 亚洲成av人片在线播放无| 天天一区二区日本电影三级| 欧美激情久久久久久爽电影| 亚洲精品一卡2卡三卡4卡5卡| 国产极品精品免费视频能看的| 日本免费一区二区三区高清不卡| 午夜福利高清视频| 人人妻人人澡欧美一区二区| 少妇人妻一区二区三区视频| 久久精品夜夜夜夜夜久久蜜豆| 久久天堂一区二区三区四区| 亚洲国产欧洲综合997久久,| 床上黄色一级片| 极品教师在线免费播放| 少妇裸体淫交视频免费看高清| cao死你这个sao货| 亚洲五月婷婷丁香| 麻豆成人午夜福利视频| 在线免费观看不下载黄p国产 | 麻豆av在线久日| 久久久色成人| 亚洲欧美激情综合另类| 国产成人影院久久av| 18禁美女被吸乳视频| 久久香蕉国产精品| 露出奶头的视频| 亚洲av熟女| 日韩av在线大香蕉| 免费观看的影片在线观看| 国内精品久久久久久久电影| 婷婷丁香在线五月| 久久久久精品国产欧美久久久| 精品国产乱子伦一区二区三区| 国产精品永久免费网站| 亚洲成av人片在线播放无| 国产精品亚洲美女久久久| 欧美日韩精品网址| 亚洲熟女毛片儿| 国产乱人视频| avwww免费| 中文字幕人妻丝袜一区二区| 亚洲精品粉嫩美女一区| 搡老妇女老女人老熟妇| 一边摸一边抽搐一进一小说| 日韩有码中文字幕| 精品久久蜜臀av无| 高清在线国产一区| 国产激情欧美一区二区| 欧美日韩瑟瑟在线播放| 中文亚洲av片在线观看爽| 婷婷精品国产亚洲av在线| 久久人人精品亚洲av| 亚洲国产看品久久| 欧美黑人欧美精品刺激| 香蕉丝袜av| 国产淫片久久久久久久久 | 国产又黄又爽又无遮挡在线| 国产成人精品久久二区二区免费| 国产乱人伦免费视频| 免费在线观看影片大全网站| 男女午夜视频在线观看| 免费电影在线观看免费观看| 亚洲av日韩精品久久久久久密| 日韩高清综合在线| 热99re8久久精品国产| 欧美中文综合在线视频| 一级毛片精品| 变态另类成人亚洲欧美熟女| 日韩人妻高清精品专区| 一区福利在线观看| 国产亚洲欧美在线一区二区| 国产成人精品无人区| 一进一出抽搐动态| 国产精品 欧美亚洲| 9191精品国产免费久久| 欧美不卡视频在线免费观看| 国产一级毛片七仙女欲春2| 久久人人精品亚洲av| 亚洲av美国av| 精品免费久久久久久久清纯| 久久性视频一级片| 精品午夜福利视频在线观看一区| 日日夜夜操网爽| 老熟妇乱子伦视频在线观看| 午夜视频精品福利| 精华霜和精华液先用哪个| 床上黄色一级片| 久久久久久久精品吃奶| 很黄的视频免费| 制服人妻中文乱码| 搡老熟女国产l中国老女人| 亚洲中文字幕一区二区三区有码在线看 | 精品不卡国产一区二区三区| 国产视频一区二区在线看| 亚洲av成人不卡在线观看播放网| 久久久久久人人人人人| 亚洲中文字幕日韩| 一级毛片高清免费大全| 天堂av国产一区二区熟女人妻| 国内精品一区二区在线观看| 国产精品98久久久久久宅男小说| 欧美又色又爽又黄视频| 色在线成人网| 亚洲中文字幕日韩| 日本黄大片高清| 18禁观看日本| 一a级毛片在线观看| 一区福利在线观看| 国产精品久久久久久精品电影| 国产一区二区在线av高清观看| 亚洲性夜色夜夜综合| 俄罗斯特黄特色一大片| 99国产综合亚洲精品| 狠狠狠狠99中文字幕| 狂野欧美白嫩少妇大欣赏| 国产成人aa在线观看| 很黄的视频免费| 免费看日本二区| 国产1区2区3区精品| 免费在线观看视频国产中文字幕亚洲| 国产精品一区二区三区四区免费观看 | 欧美3d第一页| 亚洲国产精品久久男人天堂| 最近最新中文字幕大全电影3| 两个人看的免费小视频| 女人被狂操c到高潮| 国产1区2区3区精品| 搞女人的毛片| 一区二区三区激情视频| 神马国产精品三级电影在线观看| 97超视频在线观看视频| 国产三级黄色录像| 男女之事视频高清在线观看| 久久天躁狠狠躁夜夜2o2o| 国产视频内射| 欧洲精品卡2卡3卡4卡5卡区| 最近视频中文字幕2019在线8| 两个人视频免费观看高清| 国产真实乱freesex| 亚洲欧洲精品一区二区精品久久久| 国产精品野战在线观看| 精品国产亚洲在线| 丰满的人妻完整版| 久久中文字幕一级| 俺也久久电影网| 欧美色视频一区免费| 亚洲国产精品久久男人天堂| 日韩大尺度精品在线看网址| 不卡av一区二区三区| 国产精品98久久久久久宅男小说| 成人特级黄色片久久久久久久| 久久久久亚洲av毛片大全| 啦啦啦免费观看视频1| 搡老岳熟女国产| 国内毛片毛片毛片毛片毛片| 啪啪无遮挡十八禁网站| 午夜精品在线福利| 免费看日本二区| 国产亚洲精品一区二区www| 精品福利观看| 黄色 视频免费看| 色在线成人网| 国产精品精品国产色婷婷| 国产高清有码在线观看视频| 久久久久国内视频| 国产单亲对白刺激| 国产精品99久久久久久久久| 国产视频一区二区在线看| 国产精品久久久久久亚洲av鲁大| 亚洲片人在线观看| 亚洲欧美一区二区三区黑人| 欧美乱妇无乱码| 婷婷丁香在线五月| 99精品在免费线老司机午夜| 午夜福利在线观看免费完整高清在 | 国产精品野战在线观看| 午夜福利在线观看免费完整高清在 | 色吧在线观看| 啪啪无遮挡十八禁网站| 在线观看免费午夜福利视频| 色综合欧美亚洲国产小说| 欧美极品一区二区三区四区| 国产激情偷乱视频一区二区| 亚洲最大成人中文| 又紧又爽又黄一区二区| 伊人久久大香线蕉亚洲五| 国产欧美日韩精品亚洲av| а√天堂www在线а√下载| 又大又爽又粗| 两人在一起打扑克的视频| 国产亚洲精品av在线| 99视频精品全部免费 在线 | 国产成人精品无人区| 成年人黄色毛片网站| 日韩欧美在线二视频| 成年版毛片免费区| 国产av在哪里看| 欧美性猛交╳xxx乱大交人| 欧美黑人巨大hd| 亚洲成a人片在线一区二区| 国产伦一二天堂av在线观看| 午夜影院日韩av| 少妇裸体淫交视频免费看高清| 又爽又黄无遮挡网站| 久久精品亚洲精品国产色婷小说| 国产精品一区二区精品视频观看| 欧美又色又爽又黄视频| 90打野战视频偷拍视频| 男女视频在线观看网站免费| 两人在一起打扑克的视频| 观看免费一级毛片| 成年版毛片免费区| 一进一出抽搐gif免费好疼| 久久亚洲精品不卡| 国产午夜精品久久久久久| 国模一区二区三区四区视频 | 黄色日韩在线| 国产高清视频在线播放一区| 久久精品影院6| 国模一区二区三区四区视频 | 在线观看舔阴道视频| 一级黄色大片毛片| av天堂在线播放| 中文字幕熟女人妻在线| 桃红色精品国产亚洲av| 校园春色视频在线观看| 老司机在亚洲福利影院| 村上凉子中文字幕在线| 欧美日韩中文字幕国产精品一区二区三区| 亚洲成人久久爱视频| 久久伊人香网站| 韩国av一区二区三区四区| 在线视频色国产色| 国产高清视频在线观看网站| 一边摸一边抽搐一进一小说| 一本精品99久久精品77| 亚洲欧美日韩东京热| 成人特级黄色片久久久久久久| 男女床上黄色一级片免费看| 久久精品91无色码中文字幕| 特大巨黑吊av在线直播| 国产精品1区2区在线观看.| 精品久久久久久,| 51午夜福利影视在线观看| 在线免费观看不下载黄p国产 | 亚洲,欧美精品.| 一夜夜www| 女警被强在线播放| 亚洲av中文字字幕乱码综合| 成年版毛片免费区| 日韩成人在线观看一区二区三区| 51午夜福利影视在线观看| 国产69精品久久久久777片 | 神马国产精品三级电影在线观看| 免费电影在线观看免费观看| 一本一本综合久久| 一本精品99久久精品77| 老司机在亚洲福利影院| 国产欧美日韩一区二区三| 最近最新中文字幕大全免费视频| 色播亚洲综合网| 最新美女视频免费是黄的| 亚洲午夜精品一区,二区,三区| 丁香欧美五月| 久久久久国内视频| 成人18禁在线播放| 国产精品99久久99久久久不卡| 男女床上黄色一级片免费看| 99riav亚洲国产免费| av黄色大香蕉| 国产高潮美女av| 亚洲精品色激情综合| 丝袜人妻中文字幕| 国产精品一区二区免费欧美| 女同久久另类99精品国产91| 他把我摸到了高潮在线观看| 久久九九热精品免费| 精品久久久久久久久久免费视频| 黄色成人免费大全| 一二三四社区在线视频社区8| 国产精华一区二区三区| 亚洲第一电影网av| 日本黄大片高清| 中文字幕人妻丝袜一区二区| 毛片女人毛片| 人妻丰满熟妇av一区二区三区| 一区二区三区激情视频| 亚洲片人在线观看| 青草久久国产| 欧美一级a爱片免费观看看| 波多野结衣高清无吗| 色综合站精品国产| 国产成人一区二区三区免费视频网站| 亚洲自偷自拍图片 自拍| 欧美日本亚洲视频在线播放| 久久久国产精品麻豆| 国产欧美日韩一区二区精品| 黑人操中国人逼视频| 久久香蕉精品热| 亚洲美女视频黄频| 欧美日韩一级在线毛片| 小蜜桃在线观看免费完整版高清| 天天躁狠狠躁夜夜躁狠狠躁| 我要搜黄色片| 亚洲欧美精品综合久久99| 99视频精品全部免费 在线 | 色精品久久人妻99蜜桃| 久久精品国产99精品国产亚洲性色| 免费av不卡在线播放| 热99在线观看视频| 免费看十八禁软件| 国产精品电影一区二区三区| 欧美一区二区精品小视频在线| 久久久水蜜桃国产精品网| 麻豆成人午夜福利视频| 国产免费男女视频| 亚洲欧美日韩无卡精品| 99国产综合亚洲精品| 成人午夜高清在线视频| 老司机福利观看| 岛国在线观看网站| 99在线人妻在线中文字幕| 亚洲成人久久爱视频| 夜夜躁狠狠躁天天躁| 亚洲国产精品sss在线观看| 欧美成人性av电影在线观看| 色尼玛亚洲综合影院| 日韩欧美 国产精品| 日韩欧美免费精品| 男女那种视频在线观看| 日本黄色视频三级网站网址| 岛国视频午夜一区免费看| 亚洲一区高清亚洲精品| 亚洲一区二区三区不卡视频| 美女大奶头视频| 最近在线观看免费完整版| 国产av麻豆久久久久久久| 18禁观看日本| 久久精品91无色码中文字幕| 久久午夜综合久久蜜桃| 老司机深夜福利视频在线观看| 99热只有精品国产| 一本一本综合久久| 一级毛片女人18水好多| 18禁黄网站禁片免费观看直播| 欧美黑人巨大hd| 中文字幕av在线有码专区| 此物有八面人人有两片| 91av网站免费观看| 91老司机精品| 伊人久久大香线蕉亚洲五| 国产伦人伦偷精品视频| 观看免费一级毛片| 久久久久久人人人人人| 久久久久久久午夜电影| 久9热在线精品视频| 亚洲欧美日韩高清在线视频| 999久久久国产精品视频| 香蕉丝袜av| 夜夜躁狠狠躁天天躁| 97碰自拍视频| 免费大片18禁| 看免费av毛片| 午夜免费成人在线视频| www.www免费av| 99久久精品一区二区三区| 亚洲美女视频黄频| 免费观看的影片在线观看| 99国产精品99久久久久| 精品国产美女av久久久久小说| 免费看日本二区| 久久久国产欧美日韩av| 成年人黄色毛片网站| 国产av麻豆久久久久久久| 色噜噜av男人的天堂激情| 夜夜爽天天搞| 久久久精品大字幕| 999久久久国产精品视频| 国产精品女同一区二区软件 | 色吧在线观看| 国产精品美女特级片免费视频播放器 | 亚洲在线观看片| 日韩精品青青久久久久久| 18禁美女被吸乳视频| 波多野结衣巨乳人妻| www日本黄色视频网| 欧美乱妇无乱码| 色老头精品视频在线观看| 久久精品国产清高在天天线| tocl精华| 国产黄片美女视频| АⅤ资源中文在线天堂| 亚洲成a人片在线一区二区| 黄色 视频免费看| 亚洲性夜色夜夜综合| 欧美另类亚洲清纯唯美| 嫩草影视91久久| 老鸭窝网址在线观看| 91九色精品人成在线观看| 长腿黑丝高跟| 久久精品国产99精品国产亚洲性色| 色哟哟哟哟哟哟| 国产精华一区二区三区| 欧美日本视频| 天堂√8在线中文| 国产又黄又爽又无遮挡在线| 97碰自拍视频| 亚洲国产色片| 国产精品久久久久久久电影 | 国产亚洲精品久久久久久毛片| 国产一区二区激情短视频| 欧美大码av| 2021天堂中文幕一二区在线观| 性色avwww在线观看| 欧美不卡视频在线免费观看| 久久精品影院6| 又爽又黄无遮挡网站| av天堂在线播放| 久久久久久久午夜电影| 真人一进一出gif抽搐免费| 亚洲无线观看免费| 国产亚洲欧美在线一区二区| 精品午夜福利视频在线观看一区| 国产三级中文精品| 午夜福利在线观看吧| 婷婷亚洲欧美| 亚洲精品国产精品久久久不卡| 精品久久蜜臀av无| 最好的美女福利视频网| 成人无遮挡网站| 波多野结衣巨乳人妻| 哪里可以看免费的av片| 狂野欧美激情性xxxx| 女人高潮潮喷娇喘18禁视频| 欧美xxxx黑人xx丫x性爽| 一区二区三区国产精品乱码| 波多野结衣高清作品| 婷婷丁香在线五月| 女人高潮潮喷娇喘18禁视频| www.www免费av| 亚洲午夜理论影院| 亚洲av日韩精品久久久久久密| 欧洲精品卡2卡3卡4卡5卡区| 啦啦啦免费观看视频1| av女优亚洲男人天堂 | 日日夜夜操网爽| 一a级毛片在线观看| 最近最新中文字幕大全免费视频| 国产精品亚洲美女久久久| 88av欧美| 中文字幕最新亚洲高清| 日韩欧美国产一区二区入口| 黄片大片在线免费观看| 黑人巨大精品欧美一区二区mp4| 亚洲九九香蕉| 亚洲男人的天堂狠狠| 1000部很黄的大片| 嫩草影院入口| 免费无遮挡裸体视频| 精品久久久久久久毛片微露脸| 麻豆一二三区av精品| 国产精品av视频在线免费观看| 亚洲成人久久爱视频| 老熟妇仑乱视频hdxx| cao死你这个sao货| 日日夜夜操网爽| 亚洲国产看品久久| 中文字幕精品亚洲无线码一区| 麻豆久久精品国产亚洲av| 亚洲欧美日韩卡通动漫| 亚洲专区字幕在线| 视频区欧美日本亚洲| 欧美中文综合在线视频| 久久精品人妻少妇| 视频区欧美日本亚洲| 成人一区二区视频在线观看| 免费av毛片视频| 国产人伦9x9x在线观看| 免费看a级黄色片| 久9热在线精品视频| 悠悠久久av| 亚洲五月婷婷丁香| 三级国产精品欧美在线观看 | 国产成人一区二区三区免费视频网站| 亚洲 国产 在线| 两性夫妻黄色片| 人妻夜夜爽99麻豆av| www.www免费av| 三级国产精品欧美在线观看 | 麻豆av在线久日|