• <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 ?

    基于雙向長(zhǎng)短期記憶網(wǎng)絡(luò)的煤礦瓦斯?jié)舛阮A(yù)測(cè)

    2023-12-25 09:57:30楊超宇
    綏化學(xué)院學(xué)報(bào) 2023年12期
    關(guān)鍵詞:瓦斯風(fēng)速神經(jīng)元

    曹 梅 楊超宇

    (1.安徽理工大學(xué)經(jīng)濟(jì)與管理學(xué)院 安徽淮南 232001;2.安徽理工大學(xué)人工智能學(xué)院 安徽淮南 232001)

    隨著我國能源需求的增長(zhǎng),煤炭開采量不斷加大,煤礦井下環(huán)境越發(fā)復(fù)雜,安全事故頻發(fā)。研究發(fā)現(xiàn),在頂板、瓦斯、水害等八類煤礦事故中,瓦斯是第二大煤礦事故因素,其事故發(fā)生率為百分之二十,且波及范圍廣泛,危害性較高,易造成較多人員死亡[1]。因此,對(duì)煤礦瓦斯的有效預(yù)測(cè)預(yù)警,有利于煤礦安全生產(chǎn)工作順利進(jìn)行。關(guān)于煤礦瓦斯預(yù)測(cè)預(yù)警,學(xué)者們進(jìn)行了大量研究。學(xué)者們采用灰色理論[2-5]、ARIMA時(shí)間序列分析[6]、支持向量機(jī)[7-10]、多元回歸[11]和神經(jīng)網(wǎng)絡(luò)[12]等方法來研究煤礦瓦斯?jié)舛阮A(yù)測(cè)。楊武艷[13]等人認(rèn)為煤礦瓦斯涌出量是一種隨機(jī)過程,其變化是定幅、定時(shí)的區(qū)間灰色量,使用灰色預(yù)測(cè)模型有效預(yù)測(cè)了煤礦瓦斯涌出。范京道[14,15]等人使用時(shí)間序列分析方法ARIMA模型結(jié)合SVM模型,分別預(yù)測(cè)瓦斯線性和非線性數(shù)據(jù),對(duì)煤礦瓦斯?jié)舛冗M(jìn)行了有效預(yù)測(cè)。李樹剛[16]等人使用RNN模型實(shí)現(xiàn)了煤礦瓦斯涌出濃度的預(yù)測(cè),結(jié)果具有一定的準(zhǔn)確性。Ping yang[17]等人利用LSTM模型,建立煤礦瓦斯涌出多步預(yù)測(cè),結(jié)果表明,相比于ARIMA模型,LSTM模型預(yù)測(cè)效果較好。

    上述方法多適合小樣本、平穩(wěn)性的瓦斯涌出分析,對(duì)于大樣本、非線性數(shù)據(jù)波動(dòng)較強(qiáng)的瓦斯預(yù)測(cè)效果不佳。RNN模型易發(fā)生梯度消失或爆炸的情況,造成模型精度下降,LSTM模型雖能解決RNN模型的不足,但其只能利用歷史信息分析。針對(duì)上述問題,提出基于雙向長(zhǎng)短期記憶網(wǎng)絡(luò)的煤礦瓦斯?jié)舛阮A(yù)測(cè)模型,結(jié)合前向和后向長(zhǎng)短期記憶網(wǎng)絡(luò),充分考慮歷史和未來信息,以實(shí)際數(shù)據(jù)為基礎(chǔ),構(gòu)建預(yù)測(cè)模型,以期有效預(yù)測(cè)煤礦瓦斯涌出濃度,為煤礦安全生產(chǎn)提供指導(dǎo)。

    一、雙向長(zhǎng)短期記憶網(wǎng)絡(luò)瓦斯?jié)舛阮A(yù)測(cè)模型

    煤礦井下開采環(huán)境惡劣,條件復(fù)雜突變,瓦斯?jié)舛扰c煤層開采條件、采煤深度、煤層厚度、風(fēng)速、CO濃度和溫度等因素有關(guān),多種因素相互作用構(gòu)成煤礦井下瓦斯涌出機(jī)制系統(tǒng),然而,由于井下傳感器收集數(shù)據(jù)種類單一,信息有限,不能充分展現(xiàn)各影響因素和瓦斯涌出作用變化趨勢(shì),由此,本研究針對(duì)瓦斯?jié)舛入S時(shí)間變化的趨勢(shì),結(jié)合Bi-LSTM 人工智能算法,對(duì)煤礦井下非線性溫度、風(fēng)速和瓦斯時(shí)間序列大樣本數(shù)據(jù),進(jìn)行實(shí)驗(yàn),建立瓦斯?jié)舛阮A(yù)測(cè)模型。

    (一)LSTM 模型。長(zhǎng)短期記憶(Long Short Term Memory,LSTM)網(wǎng)絡(luò)是在循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)的基礎(chǔ)之上演變而來,改善了RNN模型缺陷,能夠充分利用序列間的長(zhǎng)期依賴關(guān)系,其基本原理采用門控機(jī)制,主要由輸入門、遺忘門和輸出門控制數(shù)據(jù)流,對(duì)于序列數(shù)據(jù)具有較好的處理效果。

    LSTM模型內(nèi)部的單元結(jié)構(gòu)如圖1所示,由輸入門Xt、輸出門ot、遺忘門ft和記憶門it組成,σ表示Sigmoid函數(shù)。

    圖1 LSTM單元結(jié)構(gòu)

    (二)Bi-LSTM 模型。雙向長(zhǎng)短期記憶(Bi-directional Long Short Term Memory,Bi-LSTM)網(wǎng)絡(luò)是傳統(tǒng)長(zhǎng)短期記憶網(wǎng)絡(luò)的一種改進(jìn)。傳統(tǒng)LSTM網(wǎng)絡(luò)為單向網(wǎng)絡(luò),只能在同一個(gè)方向上移動(dòng),不能同時(shí)利用前向和后向信息,而Bi-LSTM網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示,結(jié)合了前向和后向長(zhǎng)短期記憶網(wǎng)絡(luò)的,能夠充分利用輸入的數(shù)據(jù),訓(xùn)練序列傳遞時(shí),分別在同一輸出層前向和后向移動(dòng),挖掘數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系,增強(qiáng)學(xué)習(xí)能力。

    圖2 Bi-LSTM網(wǎng)絡(luò)結(jié)構(gòu)

    (三)基于Bi-LSTM 的瓦斯?jié)舛阮A(yù)測(cè)模型。煤礦井下瓦斯涌出具有時(shí)間性,且易受多種因素影響,Bi-LSTM 網(wǎng)絡(luò)將兩個(gè)LSTM網(wǎng)絡(luò)的前向和后向結(jié)合,充分利用歷史和未來信息,對(duì)于處理復(fù)雜非線性的瓦斯序列多維數(shù)據(jù),具有較好的處理效果。因此,為了實(shí)現(xiàn)煤礦井下瓦斯?jié)舛扔行ьA(yù)測(cè),利用Bi-LSTM 網(wǎng)絡(luò),融合瓦斯、風(fēng)速和溫度多因素?cái)?shù)據(jù),遵循時(shí)間先后順序,將數(shù)據(jù)輸入到網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練,建立預(yù)測(cè)模型。

    將處理好的時(shí)間序列瓦斯、溫度和風(fēng)速數(shù)據(jù)送入到Bi-LSTM網(wǎng)絡(luò)中進(jìn)行訓(xùn)練和預(yù)測(cè),在Bi-LSTM網(wǎng)絡(luò)節(jié)點(diǎn)中,數(shù)據(jù)經(jīng)輸入門傳輸?shù)綘顟B(tài)節(jié)點(diǎn)中,經(jīng)過Sigmoid 函數(shù)和tanh函數(shù)計(jì)算,再分別依據(jù)公式(1)和公式(2)計(jì)算遺忘門和記憶門需要丟棄和保留掉的信息。

    臨時(shí)單元狀態(tài)Ct'經(jīng)過公式(3)計(jì)算并存儲(chǔ)t 時(shí)刻瓦斯、溫度和風(fēng)速數(shù)據(jù)的臨時(shí)狀態(tài)信息,在完成信息記憶和更新之后,輸出門根據(jù)公式(4)計(jì)算出當(dāng)前控制單元中有多少信息能夠被輸出到Ht中,并作為下一時(shí)刻的輸入。

    單元狀態(tài)Ct和隱藏層的狀態(tài)節(jié)點(diǎn)Ht信息依據(jù)公式(5)和(6)計(jì)算得出。

    Bi-LSTM模型預(yù)測(cè)瓦斯?jié)舛鹊目傮w流程如圖3所示,首先,對(duì)收集來的瓦斯及相關(guān)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,整合和處理缺失值;然后,利用最大最小歸一化方法處理預(yù)處理后的瓦斯、風(fēng)速和溫度數(shù)據(jù),消除不同特征之間數(shù)量單位的影響;之后,劃分?jǐn)?shù)據(jù)集,分別用于訓(xùn)練和測(cè)試;其次,通過經(jīng)驗(yàn)公式和實(shí)驗(yàn)確定神經(jīng)網(wǎng)絡(luò)隱藏層神經(jīng)元數(shù)量,并以MAE和RMSE為模型訓(xùn)練的評(píng)價(jià)指標(biāo),建立Bi-LSTM 瓦斯預(yù)測(cè)模型;最后,利用訓(xùn)練好的Bi-LSTM瓦斯預(yù)測(cè)模型預(yù)測(cè)瓦斯?jié)舛?,并進(jìn)行誤差分析,評(píng)價(jià)模型有效性。

    圖3 Bi-LSTM瓦斯預(yù)測(cè)模型建模流程

    二、數(shù)據(jù)分析及模型訓(xùn)練

    (一)數(shù)據(jù)預(yù)處理分析。由于在數(shù)據(jù)采集過程中,煤礦井下傳感器多樣,數(shù)據(jù)采集種類復(fù)雜,可能會(huì)出現(xiàn)數(shù)據(jù)類型不一和缺失的情況,因此需要進(jìn)行數(shù)據(jù)預(yù)處理,整合數(shù)據(jù)和插補(bǔ)缺失值。

    1.數(shù)據(jù)整合。對(duì)煤礦井下傳感器收集來的原始數(shù)據(jù),進(jìn)行分類、去除無效信息和合并,實(shí)驗(yàn)選擇煤礦井下瓦斯?jié)舛取囟群惋L(fēng)速為模型數(shù)據(jù)樣本,將其按時(shí)間順序進(jìn)行分類整合。

    2.數(shù)據(jù)缺失處理。由于煤礦井下不確定因素影響,導(dǎo)致采集過程中數(shù)據(jù)出現(xiàn)缺失的情況,若將這些缺失數(shù)據(jù)刪除,會(huì)造成數(shù)據(jù)不完整,丟失重要信息,不利于模型學(xué)習(xí),因此,需要對(duì)缺失數(shù)值進(jìn)行補(bǔ)全。選擇KNN算法對(duì)缺失數(shù)據(jù)進(jìn)行插補(bǔ),通過公式(7)計(jì)算出缺失值xvi和其他數(shù)據(jù)xui之間的距離D,然后利用公式(8)計(jì)算出缺失值,其中wvi為與缺失值k 個(gè)近鄰數(shù)據(jù)的權(quán)重,R為計(jì)算出的缺失數(shù)值。

    實(shí)驗(yàn)所用數(shù)據(jù)來源于貴州省某煤礦采煤工作面自2021年1月14日至2021年4月9日的瓦斯、溫度和風(fēng)速數(shù)據(jù),進(jìn)行數(shù)據(jù)整合和缺失數(shù)據(jù)插補(bǔ)處理,預(yù)處理后數(shù)據(jù)的前5條和后5條如表1所示。

    表1 預(yù)處理后數(shù)據(jù)

    (二)歸一化處理并劃分?jǐn)?shù)據(jù)集。

    1.歸一化處理。由于數(shù)據(jù)樣本涉及瓦斯、溫度和風(fēng)速,其數(shù)據(jù)范圍大小不同,度量單位也不一樣,因此,為了消除不同變量綱量的影響,便于比較和分析,對(duì)瓦斯、溫度和風(fēng)速數(shù)據(jù)歸一化處理,其計(jì)算公式如下:

    在公式(9)中,Xmin為數(shù)據(jù)列最小值,Xmax為數(shù)據(jù)列最大值,X'為處理之后的數(shù)值。歸一化處理后得到的瓦斯、溫度和風(fēng)速的前5條數(shù)據(jù)和后5條數(shù)據(jù),如表2所示。

    表2 歸一化處理后數(shù)據(jù)

    2.在對(duì)數(shù)據(jù)樣本建模之前,為便于建立合適的模型,需劃分?jǐn)?shù)據(jù)集,一部分用于訓(xùn)練模型,尋找超參數(shù),建立合適瓦斯預(yù)測(cè)模型;另一部分用于測(cè)試驗(yàn)證模型準(zhǔn)確性并進(jìn)行預(yù)測(cè)。按照瓦斯、溫度和風(fēng)速數(shù)據(jù)時(shí)間順序,將時(shí)間序列前80%的數(shù)據(jù)用作訓(xùn)練集訓(xùn)練模型,其余數(shù)據(jù)用作測(cè)試集測(cè)試模型效果。

    (三)模型訓(xùn)練?;陔p向長(zhǎng)短期記憶網(wǎng)絡(luò)的煤礦瓦斯?jié)舛阮A(yù)測(cè)模型基于Python3.6 語言,使用TensorFlow2.0 環(huán)境下的Keras庫來完成模型的訓(xùn)練。

    1.初始化模型參數(shù)。在神經(jīng)網(wǎng)絡(luò)中,參數(shù)的設(shè)置影響著神經(jīng)網(wǎng)絡(luò)準(zhǔn)確性,而合適的參數(shù)設(shè)定沒有固定方法,需要根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)不斷試錯(cuò)來確定。雙向長(zhǎng)短期記憶網(wǎng)絡(luò)瓦斯?jié)舛阮A(yù)測(cè)模型的結(jié)構(gòu)為輸入層、隱藏層和輸出層。根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn),確定模型初始化參數(shù),輸入層輸入滑動(dòng)窗口為3,輸入特征維度為3,輸入結(jié)構(gòu)為(3,3);輸出層輸出維度為1,輸出結(jié)構(gòu)為(1);隱藏層數(shù)為1層,隱藏層使用sigmoid函數(shù)作為激活函數(shù)。每次訓(xùn)練抓取樣本量256條,訓(xùn)練次數(shù)150次,優(yōu)化器選擇Adam。

    2.確定隱藏層神經(jīng)元數(shù)量。根據(jù)文獻(xiàn)[18]提出的經(jīng)驗(yàn)公式(10),在此基礎(chǔ)上,以MAE 和RMSE 為評(píng)價(jià)指標(biāo),進(jìn)行多次實(shí)驗(yàn),確定隱藏層神經(jīng)元數(shù)量。公式(10)中,m為輸入層維度;n為輸出層維度;p為常數(shù),通常選取范圍為1到10。

    利用經(jīng)驗(yàn)公式(10),在模型初始化參數(shù)基礎(chǔ)之上,得出雙向長(zhǎng)短期記憶網(wǎng)絡(luò)模型隱藏層神經(jīng)元數(shù)量為3到13,根據(jù)公式(11)和(12),得出雙向長(zhǎng)短期記憶網(wǎng)絡(luò)模型隱藏層不同神經(jīng)元數(shù)量的MAE 誤差和RMSE 誤差。公式(11)和(12)中,(t)為模型預(yù)測(cè)輸出值,y(t)實(shí)際數(shù)值,n為數(shù)據(jù)總量。

    Bi-LSTM 模型隱藏層不同神經(jīng)元數(shù)量的MAE 和RMSE 誤差分析如圖4 所示,隱藏層神經(jīng)元數(shù)量3 至13 的MAE 平均為0.929%,RMSE 平均為0.117%,MAE 和RMSE 均低于平均值的神經(jīng)元數(shù)量為8和11,相比于隱藏層神經(jīng)元數(shù)量為11時(shí),隱藏層神經(jīng)元數(shù)量為8時(shí)的MAE減少0.072%,RMSE減少0.01%,因此,Bi-LSTM模型隱藏層神經(jīng)元數(shù)量確定為8。

    圖4 隱藏層神經(jīng)元誤差分析

    三、實(shí)驗(yàn)與結(jié)果分析

    模型實(shí)驗(yàn)數(shù)據(jù)經(jīng)數(shù)據(jù)整合和缺失數(shù)據(jù)插補(bǔ)處理后,得到有效時(shí)間序列數(shù)據(jù)共計(jì)104491 條,其中,前83590 條時(shí)間序列數(shù)據(jù)為訓(xùn)練數(shù)據(jù),后20897條時(shí)間序列數(shù)據(jù)為測(cè)試數(shù)據(jù)。

    (一)不同模型預(yù)測(cè)性能對(duì)比。為了驗(yàn)證模型的有效性,選取了相同參數(shù)下的LSTM 模型、RNN 模型和全連接(Full Connection, FC)神經(jīng)網(wǎng)絡(luò)模型,將四種模型運(yùn)行結(jié)果和原始數(shù)據(jù)對(duì)比分析。圖5為四種模型在測(cè)試集上的預(yù)測(cè)效果。

    圖5 四種模型預(yù)測(cè)性能對(duì)比

    由于樣本數(shù)據(jù)量較大,圖5只展示了第6200條至第7000條數(shù)據(jù)的實(shí)際值和預(yù)測(cè)值,圖中顯示,四種模型均對(duì)瓦斯?jié)舛鹊臅r(shí)間變化趨勢(shì)做出了相應(yīng)預(yù)測(cè),但LSTM 模型、FC 模型和RNN模型預(yù)測(cè)較差,Bi-LSTM 模型對(duì)于瓦斯?jié)舛确逯殿A(yù)測(cè)更好,預(yù)測(cè)曲線更加貼近原始數(shù)據(jù)曲線,預(yù)測(cè)效果更好。

    為了更清晰地比較幾種瓦斯預(yù)測(cè)模型的有效性,采用MAE、RMSE和運(yùn)行時(shí)間進(jìn)一步評(píng)價(jià)模型預(yù)測(cè)效果。各模型在測(cè)試集上的預(yù)測(cè)誤差和運(yùn)行時(shí)間如表3所示,四種模型中,Bi-LSTM 模型的MAE 比LSTM 模型和FC 模型均降低了66.7%,比RNN模型降低了72.3%;Bi-LSTM模型的RMSE比LSTM模型降低了2.6%,分別比FC模型和RNN模型降低了7.6%和4.7%,由此可知Bi-LSTM模型的準(zhǔn)確性更高,預(yù)測(cè)效果更好。就模型運(yùn)行時(shí)間來看,Bi-LSTM 模型運(yùn)行時(shí)間最長(zhǎng),其次是LSTM 模型,F(xiàn)C模型運(yùn)行時(shí)間最短。模型運(yùn)行時(shí)間受模型的本身復(fù)雜程度影響,四種模型中,Bi-LSTM模型復(fù)雜程度較高,導(dǎo)致其耗時(shí)較長(zhǎng),但模型學(xué)習(xí)效果更好,預(yù)測(cè)精度更高。結(jié)合圖5和表3分析可得,相比于LSTM模型、FC模型和RNN模型,Bi-LSTM模型雖運(yùn)行時(shí)間較長(zhǎng),但是模型的誤差較小,準(zhǔn)確性更高,能夠?qū)崿F(xiàn)煤礦瓦斯?jié)舛鹊挠行ьA(yù)測(cè)。

    表3 各模型預(yù)測(cè)誤差及運(yùn)行時(shí)間

    (二)Bi-LSTM 模型瓦斯?jié)舛榷嗖筋A(yù)測(cè)。為了進(jìn)一步驗(yàn)證Bi-LSTM模型的瓦斯?jié)舛阮A(yù)測(cè)性能,分別對(duì)瓦斯?jié)舛任磥頃r(shí)刻進(jìn)行多步預(yù)測(cè)。設(shè)當(dāng)前時(shí)刻為T,預(yù)測(cè)超前5、10、15、20、25 和30步時(shí)刻的瓦斯?jié)舛?,圖6為Bi-LSTM模型瓦斯?jié)舛瘸岸嗖筋A(yù)測(cè)部分結(jié)果顯示,圖中顯示,隨著預(yù)測(cè)步數(shù)的增加,Bi-LSTM模型的預(yù)測(cè)曲線更加偏離原始數(shù)據(jù),結(jié)合表4所示的超前多步預(yù)測(cè)誤差可知,Bi-LSTM模型超前5步預(yù)測(cè)效果最好,隨著超前時(shí)間步數(shù)的增加,數(shù)據(jù)之間時(shí)間相關(guān)性的降低,預(yù)測(cè)誤差不斷增加,預(yù)測(cè)精度也隨之下降。

    表4 Bi-LSTM模型瓦斯?jié)舛榷嗖筋A(yù)測(cè)誤差

    圖6 Bi-LSTM模型瓦斯?jié)舛榷嗖筋A(yù)測(cè)

    四、結(jié)論

    利用Bi-LSTM模型進(jìn)行瓦斯?jié)舛阮A(yù)測(cè),以煤礦采煤工作面瓦斯?jié)舛取L(fēng)速和溫度數(shù)據(jù)為基礎(chǔ),通過與LSTM模型、FC模型和RNN模型比較分析,Bi-LSTM模型預(yù)測(cè)的平均絕對(duì)誤差和均方根誤差分別為0.00061和0.00847,預(yù)測(cè)效果優(yōu)于LSTM模型、FC模型和RNN模型。

    在模型預(yù)測(cè)效率方面,Bi-LSTM 模型因其結(jié)構(gòu)較為復(fù)雜,運(yùn)行時(shí)間較長(zhǎng),但其模型預(yù)測(cè)精度更高,可有效預(yù)測(cè)瓦斯?jié)舛?,為了?shí)現(xiàn)煤礦瓦斯?jié)舛鹊臏?zhǔn)確預(yù)測(cè),其時(shí)間的耗費(fèi)是有價(jià)值的,基于Bi-LSTM 模型的煤礦瓦斯?jié)舛阮A(yù)測(cè),能為煤礦瓦斯事故的防治提供科學(xué)的決策依據(jù)。

    Bi-LSTM模型對(duì)于煤礦瓦斯短期預(yù)測(cè)效果較好,對(duì)于長(zhǎng)期預(yù)測(cè)誤差升高,預(yù)測(cè)精度下降,可能受時(shí)間關(guān)聯(lián)性下降的影響,另外,煤礦井下環(huán)境復(fù)雜,瓦斯?jié)舛炔粌H受到時(shí)間、溫度和風(fēng)速影響,還受到煤層賦存條件、開采速度、濕度等因素影響,在未來的瓦斯?jié)舛阮A(yù)測(cè)研究中,應(yīng)充分考慮這些因素,探究影響因素之間內(nèi)在關(guān)聯(lián)性,進(jìn)一步提高模型預(yù)測(cè)精度。

    猜你喜歡
    瓦斯風(fēng)速神經(jīng)元
    《從光子到神經(jīng)元》書評(píng)
    自然雜志(2021年6期)2021-12-23 08:24:46
    基于Kmeans-VMD-LSTM的短期風(fēng)速預(yù)測(cè)
    基于最優(yōu)TS評(píng)分和頻率匹配的江蘇近海風(fēng)速訂正
    11采區(qū)永久避難硐室控制瓦斯涌出、防止瓦斯積聚和煤層自燃措施
    躍動(dòng)的神經(jīng)元——波蘭Brain Embassy聯(lián)合辦公
    高瓦斯礦井防治瓦斯異常涌出措施的應(yīng)用
    基于GARCH的短時(shí)風(fēng)速預(yù)測(cè)方法
    瓦斯探鉆鉆頭的一種改進(jìn)
    基于二次型單神經(jīng)元PID的MPPT控制
    毫米波導(dǎo)引頭預(yù)定回路改進(jìn)單神經(jīng)元控制
    嫩草影视91久久| 51国产日韩欧美| 成年女人看的毛片在线观看| 韩国av一区二区三区四区| 欧美一区二区亚洲| 不卡一级毛片| 国产精品一区二区免费欧美| 国产69精品久久久久777片| 美女大奶头视频| 99久国产av精品| 国内揄拍国产精品人妻在线| 欧美另类亚洲清纯唯美| 九九久久精品国产亚洲av麻豆| 一卡2卡三卡四卡精品乱码亚洲| 男女下面进入的视频免费午夜| 特大巨黑吊av在线直播| 日韩成人在线观看一区二区三区| 欧美中文日本在线观看视频| 高清毛片免费观看视频网站| 亚洲成人久久爱视频| 熟女少妇亚洲综合色aaa.| 黄片大片在线免费观看| 99久久九九国产精品国产免费| 男女视频在线观看网站免费| 在线观看66精品国产| 一本久久中文字幕| 麻豆久久精品国产亚洲av| 欧美日韩一级在线毛片| 日韩精品青青久久久久久| 免费在线观看亚洲国产| 精品久久久久久,| 国产精品久久电影中文字幕| 午夜免费观看网址| 国产精品一区二区免费欧美| 久久精品影院6| 国产亚洲精品av在线| 日日干狠狠操夜夜爽| 网址你懂的国产日韩在线| 日韩欧美精品免费久久 | 少妇人妻精品综合一区二区 | 成人av一区二区三区在线看| 黄色片一级片一级黄色片| 精品人妻1区二区| 国产v大片淫在线免费观看| 香蕉av资源在线| 99热精品在线国产| 噜噜噜噜噜久久久久久91| 日韩国内少妇激情av| 亚洲五月天丁香| 悠悠久久av| 国产单亲对白刺激| 国产精品久久久久久精品电影| 国产成人av激情在线播放| 有码 亚洲区| 又黄又粗又硬又大视频| 国产精品久久视频播放| 亚洲一区二区三区色噜噜| 欧美色欧美亚洲另类二区| 少妇丰满av| 精品久久久久久久久久免费视频| 90打野战视频偷拍视频| 老司机在亚洲福利影院| 国产精品嫩草影院av在线观看 | 午夜福利18| 中文在线观看免费www的网站| 有码 亚洲区| 白带黄色成豆腐渣| 亚洲欧美日韩高清专用| 色在线成人网| 中文字幕人妻熟人妻熟丝袜美 | 国产精品 欧美亚洲| 亚洲精品国产精品久久久不卡| 搞女人的毛片| 嫁个100分男人电影在线观看| 婷婷精品国产亚洲av在线| 黄色丝袜av网址大全| 九九热线精品视视频播放| 白带黄色成豆腐渣| 久99久视频精品免费| 国产一区在线观看成人免费| 99热这里只有是精品50| 香蕉丝袜av| 国产高清视频在线观看网站| 热99在线观看视频| 97碰自拍视频| 亚洲精品一卡2卡三卡4卡5卡| netflix在线观看网站| 亚洲在线自拍视频| 中文资源天堂在线| 欧美xxxx黑人xx丫x性爽| 色在线成人网| av专区在线播放| 嫩草影院入口| 男女午夜视频在线观看| 夜夜躁狠狠躁天天躁| 久久久久久久精品吃奶| 精品人妻1区二区| 精品久久久久久久人妻蜜臀av| 国产精品一区二区免费欧美| 99热这里只有精品一区| 很黄的视频免费| 亚洲av免费高清在线观看| 亚洲国产精品成人综合色| 欧美黑人巨大hd| 国产av在哪里看| 国产av麻豆久久久久久久| 黄片大片在线免费观看| 一区福利在线观看| 国产午夜精品论理片| 久99久视频精品免费| 99热只有精品国产| 婷婷亚洲欧美| 国产97色在线日韩免费| 亚洲内射少妇av| 国产精品久久久久久久电影 | 韩国av一区二区三区四区| 99在线视频只有这里精品首页| 一区福利在线观看| 内射极品少妇av片p| 51国产日韩欧美| www.999成人在线观看| 精品福利观看| 国产成人欧美在线观看| 国产精品爽爽va在线观看网站| 欧美日韩黄片免| 欧美极品一区二区三区四区| 免费高清视频大片| 在线观看免费视频日本深夜| 精品午夜福利视频在线观看一区| 亚洲性夜色夜夜综合| 欧美一区二区精品小视频在线| 国产色爽女视频免费观看| 日韩av在线大香蕉| 亚洲美女黄片视频| 麻豆一二三区av精品| 好男人在线观看高清免费视频| 亚洲,欧美精品.| 婷婷精品国产亚洲av| 国产v大片淫在线免费观看| 黄色视频,在线免费观看| 国产爱豆传媒在线观看| 国产色婷婷99| 亚洲成av人片免费观看| 18禁国产床啪视频网站| 亚洲精品一卡2卡三卡4卡5卡| 亚洲人成网站在线播| 丝袜美腿在线中文| 国产一区二区在线观看日韩 | 成人特级黄色片久久久久久久| 亚洲人成网站在线播| 亚洲国产精品成人综合色| www日本黄色视频网| 久久精品国产亚洲av涩爱 | 午夜精品久久久久久毛片777| 国产真人三级小视频在线观看| 国产免费男女视频| 久久久国产成人精品二区| 深爱激情五月婷婷| 午夜福利18| 两性午夜刺激爽爽歪歪视频在线观看| 夜夜夜夜夜久久久久| 乱人视频在线观看| 女人高潮潮喷娇喘18禁视频| 亚洲无线观看免费| 国产精品99久久99久久久不卡| 成年免费大片在线观看| 嫩草影院精品99| 精品人妻1区二区| 国产成+人综合+亚洲专区| 欧美中文日本在线观看视频| 99国产综合亚洲精品| 国产真实伦视频高清在线观看 | 日韩成人在线观看一区二区三区| 欧美绝顶高潮抽搐喷水| 色综合欧美亚洲国产小说| 日日干狠狠操夜夜爽| av欧美777| 久久香蕉精品热| 男女那种视频在线观看| 99在线视频只有这里精品首页| 国产一区二区在线av高清观看| 成人av一区二区三区在线看| 精品久久久久久久人妻蜜臀av| 99久久精品国产亚洲精品| 99国产综合亚洲精品| 美女免费视频网站| 老司机在亚洲福利影院| 99国产极品粉嫩在线观看| 人人妻人人澡欧美一区二区| av天堂在线播放| 日本五十路高清| 又黄又爽又免费观看的视频| 亚洲avbb在线观看| 久久九九热精品免费| or卡值多少钱| 久久久久亚洲av毛片大全| 最近最新中文字幕大全电影3| 久久精品影院6| 亚洲自拍偷在线| 日本成人三级电影网站| 国产一区二区在线观看日韩 | 狂野欧美激情性xxxx| 一区二区三区国产精品乱码| 99视频精品全部免费 在线| 黑人欧美特级aaaaaa片| 人人妻人人看人人澡| 国产乱人视频| 听说在线观看完整版免费高清| 久久久国产成人精品二区| 午夜视频国产福利| 伊人久久大香线蕉亚洲五| 久久中文看片网| 51午夜福利影视在线观看| 女人十人毛片免费观看3o分钟| 三级毛片av免费| 男女那种视频在线观看| 伊人久久精品亚洲午夜| 男女做爰动态图高潮gif福利片| 香蕉丝袜av| 久久久色成人| www.熟女人妻精品国产| 婷婷亚洲欧美| 搡女人真爽免费视频火全软件 | ponron亚洲| 88av欧美| 嫁个100分男人电影在线观看| 欧美中文综合在线视频| 人妻丰满熟妇av一区二区三区| 亚洲无线观看免费| av在线蜜桃| 日韩 欧美 亚洲 中文字幕| 久久精品综合一区二区三区| 一本一本综合久久| 最新在线观看一区二区三区| 国内久久婷婷六月综合欲色啪| 丁香六月欧美| av天堂中文字幕网| 亚洲精品日韩av片在线观看 | 欧美性猛交╳xxx乱大交人| 黄片大片在线免费观看| 欧美成人免费av一区二区三区| 欧美绝顶高潮抽搐喷水| 午夜福利免费观看在线| 级片在线观看| 日韩人妻高清精品专区| 国产成人影院久久av| 日韩国内少妇激情av| 亚洲精品国产精品久久久不卡| 丰满人妻熟妇乱又伦精品不卡| 2021天堂中文幕一二区在线观| 久久午夜亚洲精品久久| 亚洲成人免费电影在线观看| 老鸭窝网址在线观看| 国产av麻豆久久久久久久| 国产精品久久久人人做人人爽| 免费在线观看亚洲国产| 亚洲专区中文字幕在线| 精品一区二区三区视频在线 | 午夜福利视频1000在线观看| 变态另类成人亚洲欧美熟女| 免费人成视频x8x8入口观看| 在线播放无遮挡| 岛国视频午夜一区免费看| 欧美一级毛片孕妇| 无遮挡黄片免费观看| 亚洲欧美日韩高清专用| 动漫黄色视频在线观看| 十八禁人妻一区二区| 99国产精品一区二区三区| 琪琪午夜伦伦电影理论片6080| 性欧美人与动物交配| 国产高清视频在线播放一区| 久久午夜亚洲精品久久| 日本黄色视频三级网站网址| 中亚洲国语对白在线视频| 一本综合久久免费| 久久久国产精品麻豆| 国产精品一区二区免费欧美| 国产不卡一卡二| 国产视频内射| 人人妻,人人澡人人爽秒播| 精品欧美国产一区二区三| 欧美最新免费一区二区三区 | 久久久久九九精品影院| av天堂中文字幕网| 亚洲精品影视一区二区三区av| 又黄又粗又硬又大视频| 日韩欧美免费精品| 搡老熟女国产l中国老女人| 变态另类丝袜制服| 国产探花在线观看一区二区| 十八禁网站免费在线| 尤物成人国产欧美一区二区三区| 久久婷婷人人爽人人干人人爱| 亚洲一区高清亚洲精品| 人人妻,人人澡人人爽秒播| 最近在线观看免费完整版| 国产精品亚洲一级av第二区| 在线观看午夜福利视频| 小说图片视频综合网站| 亚洲精品久久国产高清桃花| 国产精品99久久99久久久不卡| 国产伦人伦偷精品视频| 欧美绝顶高潮抽搐喷水| 18禁美女被吸乳视频| netflix在线观看网站| 有码 亚洲区| 亚洲人成网站高清观看| 88av欧美| 亚洲欧美日韩高清在线视频| 亚洲精品美女久久久久99蜜臀| 国产aⅴ精品一区二区三区波| 国产一区二区在线观看日韩 | 亚洲专区中文字幕在线| 国产成人aa在线观看| 精品一区二区三区人妻视频| 男人和女人高潮做爰伦理| 黄色成人免费大全| 嫩草影院入口| 日本成人三级电影网站| www.www免费av| 一个人看的www免费观看视频| 亚洲av第一区精品v没综合| 18+在线观看网站| 19禁男女啪啪无遮挡网站| 精品久久久久久久久久久久久| 少妇丰满av| 成年女人毛片免费观看观看9| 亚洲精品一区av在线观看| 黄色片一级片一级黄色片| 亚洲一区二区三区色噜噜| 嫁个100分男人电影在线观看| 在线观看66精品国产| 啪啪无遮挡十八禁网站| 免费av不卡在线播放| 色播亚洲综合网| 岛国在线观看网站| 夜夜爽天天搞| 黄色日韩在线| 久久久久国内视频| 亚洲电影在线观看av| 18禁裸乳无遮挡免费网站照片| 亚洲av二区三区四区| 免费搜索国产男女视频| av福利片在线观看| 高清毛片免费观看视频网站| 国产午夜福利久久久久久| 男人的好看免费观看在线视频| av福利片在线观看| 久久天躁狠狠躁夜夜2o2o| 国产毛片a区久久久久| 观看美女的网站| 韩国av一区二区三区四区| 一个人免费在线观看的高清视频| 在线观看舔阴道视频| 嫩草影院精品99| 亚洲午夜理论影院| 99国产综合亚洲精品| 在线观看舔阴道视频| 听说在线观看完整版免费高清| 欧美高清成人免费视频www| 露出奶头的视频| 色综合婷婷激情| 露出奶头的视频| 9191精品国产免费久久| 嫩草影院精品99| 欧美日本视频| 国产黄色小视频在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲aⅴ乱码一区二区在线播放| 色老头精品视频在线观看| 欧美在线一区亚洲| 婷婷亚洲欧美| 嫩草影院入口| 夜夜看夜夜爽夜夜摸| 俺也久久电影网| 日韩中文字幕欧美一区二区| 真人一进一出gif抽搐免费| 两个人的视频大全免费| 午夜激情欧美在线| 亚洲自拍偷在线| 亚洲精品456在线播放app | 日韩免费av在线播放| 日韩有码中文字幕| 亚洲精品亚洲一区二区| 又爽又黄无遮挡网站| 亚洲美女黄片视频| 精品99又大又爽又粗少妇毛片 | 亚洲国产精品sss在线观看| 亚洲精品456在线播放app | 国产三级在线视频| 亚洲av不卡在线观看| 午夜福利欧美成人| 日本黄色片子视频| 日本免费一区二区三区高清不卡| 最后的刺客免费高清国语| 欧美日韩瑟瑟在线播放| 天天添夜夜摸| 757午夜福利合集在线观看| 丝袜美腿在线中文| 亚洲成人免费电影在线观看| av女优亚洲男人天堂| 两个人的视频大全免费| 51国产日韩欧美| 日本五十路高清| 国产成人欧美在线观看| 热99在线观看视频| 国产 一区 欧美 日韩| 波多野结衣高清作品| 国产欧美日韩精品一区二区| 亚洲av电影在线进入| netflix在线观看网站| 欧美性感艳星| 国产探花极品一区二区| 一区二区三区免费毛片| 国产免费一级a男人的天堂| 成人性生交大片免费视频hd| 老熟妇仑乱视频hdxx| 一级作爱视频免费观看| 女人高潮潮喷娇喘18禁视频| 91麻豆av在线| 色综合亚洲欧美另类图片| 国产av一区在线观看免费| 91麻豆精品激情在线观看国产| 国产高清三级在线| 哪里可以看免费的av片| netflix在线观看网站| 欧美一区二区亚洲| 黄色日韩在线| 欧美成狂野欧美在线观看| 亚洲专区中文字幕在线| 国产69精品久久久久777片| 久久人人精品亚洲av| 国产v大片淫在线免费观看| 久久这里只有精品中国| 国产色婷婷99| 国产一区二区三区在线臀色熟女| 99国产精品一区二区三区| 欧美成人a在线观看| 精品国产亚洲在线| 亚洲人成伊人成综合网2020| 少妇丰满av| 最近最新中文字幕大全电影3| 久久久久久久久大av| 中文字幕久久专区| 超碰av人人做人人爽久久 | 最近视频中文字幕2019在线8| 国产免费男女视频| 99riav亚洲国产免费| 12—13女人毛片做爰片一| 在线看三级毛片| 午夜福利欧美成人| 亚洲av成人精品一区久久| 久久久久久大精品| 婷婷亚洲欧美| 好男人在线观看高清免费视频| 午夜福利在线在线| 一卡2卡三卡四卡精品乱码亚洲| 国产私拍福利视频在线观看| 美女 人体艺术 gogo| 成年版毛片免费区| 国模一区二区三区四区视频| 国产精品综合久久久久久久免费| 国产精品亚洲av一区麻豆| 国产一区二区三区在线臀色熟女| 有码 亚洲区| 欧美成人免费av一区二区三区| 亚洲欧美日韩无卡精品| x7x7x7水蜜桃| 久久久久久九九精品二区国产| 成年人黄色毛片网站| 国产精品国产高清国产av| 亚洲av日韩精品久久久久久密| 国产成人av激情在线播放| 美女黄网站色视频| 级片在线观看| 90打野战视频偷拍视频| 白带黄色成豆腐渣| 麻豆成人午夜福利视频| 日韩欧美精品v在线| 99久久成人亚洲精品观看| 有码 亚洲区| 欧美绝顶高潮抽搐喷水| 嫁个100分男人电影在线观看| 好男人电影高清在线观看| 国内精品久久久久久久电影| av欧美777| 国产色婷婷99| 搡老妇女老女人老熟妇| 九九在线视频观看精品| 国产成人av教育| 午夜福利欧美成人| 免费观看精品视频网站| 51午夜福利影视在线观看| 熟女电影av网| av片东京热男人的天堂| 丰满的人妻完整版| 欧美高清成人免费视频www| 亚洲aⅴ乱码一区二区在线播放| 亚洲欧美日韩东京热| 性色av乱码一区二区三区2| 韩国av一区二区三区四区| 露出奶头的视频| 中文字幕高清在线视频| 亚洲18禁久久av| 久久人妻av系列| 婷婷六月久久综合丁香| 国产v大片淫在线免费观看| 97碰自拍视频| 成人性生交大片免费视频hd| 久久精品91蜜桃| 欧美成人a在线观看| 国产成+人综合+亚洲专区| 国产一区二区三区在线臀色熟女| 亚洲国产欧美网| 久久精品综合一区二区三区| 国产精品电影一区二区三区| 丰满人妻一区二区三区视频av | 天天一区二区日本电影三级| 91在线精品国自产拍蜜月 | 午夜亚洲福利在线播放| 一个人看视频在线观看www免费 | 国产探花极品一区二区| 18禁美女被吸乳视频| 欧美日韩瑟瑟在线播放| 亚洲国产精品成人综合色| 网址你懂的国产日韩在线| 精品久久久久久久末码| 九九在线视频观看精品| 禁无遮挡网站| 我的老师免费观看完整版| 亚洲欧美日韩高清专用| 亚洲 国产 在线| 在线看三级毛片| 亚洲精品日韩av片在线观看 | 日韩欧美 国产精品| 欧美色欧美亚洲另类二区| 午夜免费观看网址| 亚洲午夜理论影院| 在线观看午夜福利视频| 女人高潮潮喷娇喘18禁视频| 国产 一区 欧美 日韩| 深爱激情五月婷婷| 动漫黄色视频在线观看| 少妇的丰满在线观看| 岛国视频午夜一区免费看| 欧美乱色亚洲激情| 青草久久国产| 久久人人精品亚洲av| 亚洲熟妇熟女久久| 国产成人av激情在线播放| 国产黄色小视频在线观看| 日本黄大片高清| 色综合欧美亚洲国产小说| 国产黄a三级三级三级人| 手机成人av网站| 在线观看免费午夜福利视频| 国产精品av视频在线免费观看| 日日摸夜夜添夜夜添小说| 夜夜爽天天搞| 午夜福利在线在线| 真实男女啪啪啪动态图| 18禁美女被吸乳视频| 我的老师免费观看完整版| 欧美日韩亚洲国产一区二区在线观看| 少妇的逼好多水| 欧美日韩精品网址| 午夜激情福利司机影院| 国产精品一及| 一个人看视频在线观看www免费 | 亚洲精品一区av在线观看| 男女那种视频在线观看| 日本a在线网址| 人妻夜夜爽99麻豆av| 精品99又大又爽又粗少妇毛片 | 亚洲国产欧洲综合997久久,| 岛国在线观看网站| 无人区码免费观看不卡| 18禁国产床啪视频网站| 日韩国内少妇激情av| 在线观看日韩欧美| 男女做爰动态图高潮gif福利片| 亚洲国产欧美网| 国产精华一区二区三区| 少妇人妻一区二区三区视频| 99精品在免费线老司机午夜| 男女视频在线观看网站免费| 午夜免费成人在线视频| 亚洲在线自拍视频| 91久久精品国产一区二区成人 | 最近在线观看免费完整版| 国产精品香港三级国产av潘金莲| 久久久久久久久中文| 日本 欧美在线| 国产野战对白在线观看| 精品一区二区三区av网在线观看| а√天堂www在线а√下载| 日韩人妻高清精品专区| 亚洲天堂国产精品一区在线| 国产伦人伦偷精品视频| 欧美一区二区精品小视频在线| 国产av一区在线观看免费| 我要搜黄色片| 国产爱豆传媒在线观看| 中文字幕人妻熟人妻熟丝袜美 | 成年女人看的毛片在线观看| 欧美极品一区二区三区四区| 亚洲av电影在线进入| 国产午夜福利久久久久久| 亚洲avbb在线观看| 国产精品自产拍在线观看55亚洲| 日本黄大片高清| 亚洲精品乱码久久久v下载方式 | 小说图片视频综合网站| 老司机午夜福利在线观看视频|