• <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
    成人国产av品久久久| 国产亚洲一区二区精品| 成人影院久久| 日韩中文字幕视频在线看片| 国产成人免费观看mmmm| 别揉我奶头~嗯~啊~动态视频 | 国产老妇伦熟女老妇高清| 少妇猛男粗大的猛烈进出视频| 日日夜夜操网爽| 成人18禁高潮啪啪吃奶动态图| 亚洲第一欧美日韩一区二区三区 | 叶爱在线成人免费视频播放| www.av在线官网国产| 国产精品二区激情视频| 亚洲国产精品999| 日韩精品免费视频一区二区三区| 精品亚洲成国产av| h视频一区二区三区| 国产精品久久久av美女十八| 亚洲中文字幕日韩| 国产精品免费视频内射| 老司机亚洲免费影院| 午夜日韩欧美国产| 我要看黄色一级片免费的| 一区二区三区乱码不卡18| 王馨瑶露胸无遮挡在线观看| 咕卡用的链子| 日韩免费高清中文字幕av| 亚洲国产精品成人久久小说| 97精品久久久久久久久久精品| 热re99久久精品国产66热6| av免费在线观看网站| 一二三四在线观看免费中文在| 久久国产精品影院| 亚洲五月色婷婷综合| 亚洲精品成人av观看孕妇| 午夜激情av网站| 丝袜脚勾引网站| 九色亚洲精品在线播放| 下体分泌物呈黄色| 久久精品亚洲熟妇少妇任你| 亚洲欧美清纯卡通| 亚洲自偷自拍图片 自拍| 男人爽女人下面视频在线观看| 久久久久网色| 下体分泌物呈黄色| 曰老女人黄片| a级毛片黄视频| 欧美激情久久久久久爽电影 | 中文字幕另类日韩欧美亚洲嫩草| 精品免费久久久久久久清纯 | 精品国产国语对白av| 看免费av毛片| 免费在线观看日本一区| 人人妻人人添人人爽欧美一区卜| 久久99热这里只频精品6学生| 欧美久久黑人一区二区| 黑人欧美特级aaaaaa片| 成人影院久久| 国产人伦9x9x在线观看| 久久影院123| 91老司机精品| 中文字幕高清在线视频| 精品少妇内射三级| 国产成人a∨麻豆精品| 国产1区2区3区精品| 日日夜夜操网爽| 亚洲国产欧美网| 美国免费a级毛片| 五月天丁香电影| 高清欧美精品videossex| 亚洲午夜精品一区,二区,三区| 欧美人与性动交α欧美软件| 在线 av 中文字幕| 亚洲午夜精品一区,二区,三区| 又紧又爽又黄一区二区| 亚洲欧美日韩另类电影网站| 久久精品亚洲av国产电影网| 亚洲人成电影观看| 香蕉国产在线看| 久久香蕉激情| 亚洲欧美成人综合另类久久久| 最新在线观看一区二区三区| 十分钟在线观看高清视频www| 2018国产大陆天天弄谢| 正在播放国产对白刺激| 人人妻人人添人人爽欧美一区卜| 亚洲av片天天在线观看| 国产在视频线精品| 手机成人av网站| 老司机亚洲免费影院| 国产老妇伦熟女老妇高清| 韩国高清视频一区二区三区| 亚洲全国av大片| 久久国产精品男人的天堂亚洲| 考比视频在线观看| 亚洲精品美女久久av网站| 天天添夜夜摸| 满18在线观看网站| 亚洲美女黄色视频免费看| 国产精品秋霞免费鲁丝片| 欧美黄色淫秽网站| 国产精品欧美亚洲77777| av在线播放精品| 免费在线观看视频国产中文字幕亚洲 | 国产精品 欧美亚洲| 久久99热这里只频精品6学生| 超碰成人久久| 亚洲精品第二区| 亚洲 国产 在线| 日本欧美视频一区| 在线永久观看黄色视频| 亚洲精品美女久久久久99蜜臀| 91av网站免费观看| 日韩大码丰满熟妇| 各种免费的搞黄视频| 国产激情久久老熟女| 欧美国产精品一级二级三级| 欧美另类一区| 久久午夜综合久久蜜桃| 亚洲欧洲精品一区二区精品久久久| 看免费av毛片| 久久久久网色| 18禁观看日本| 亚洲欧美色中文字幕在线| kizo精华| 亚洲欧美精品自产自拍| 免费观看a级毛片全部| 桃花免费在线播放| 欧美大码av| 真人做人爱边吃奶动态| 亚洲午夜精品一区,二区,三区| 亚洲精品国产av蜜桃| 久久狼人影院| 国产三级黄色录像| 精品福利永久在线观看| 成人黄色视频免费在线看| 老司机福利观看| 国产免费视频播放在线视频| 一本综合久久免费| 啦啦啦啦在线视频资源| 天天影视国产精品| 在线精品无人区一区二区三| 最近最新中文字幕大全免费视频| 久久精品成人免费网站| 国产区一区二久久| 免费在线观看日本一区| 一边摸一边抽搐一进一出视频| 国产无遮挡羞羞视频在线观看| 国产深夜福利视频在线观看| 80岁老熟妇乱子伦牲交| 免费高清在线观看日韩| 久久精品成人免费网站| 夜夜夜夜夜久久久久| 淫妇啪啪啪对白视频 | 999久久久国产精品视频| 国产精品香港三级国产av潘金莲| 欧美日韩中文字幕国产精品一区二区三区 | 国产精品亚洲av一区麻豆| 欧美日韩亚洲国产一区二区在线观看 | 不卡av一区二区三区| 亚洲精品国产区一区二| avwww免费| 黑丝袜美女国产一区| 桃红色精品国产亚洲av| 精品欧美一区二区三区在线| 脱女人内裤的视频| 欧美精品啪啪一区二区三区 | 日韩精品免费视频一区二区三区| www.av在线官网国产| 一级片免费观看大全| 国产精品秋霞免费鲁丝片| 精品一区二区三区av网在线观看 | 亚洲第一欧美日韩一区二区三区 | 菩萨蛮人人尽说江南好唐韦庄| 国产亚洲午夜精品一区二区久久| 国产亚洲精品一区二区www | 欧美xxⅹ黑人| 久久精品久久久久久噜噜老黄| 91大片在线观看| 在线 av 中文字幕| 一区二区三区激情视频| 无遮挡黄片免费观看| 久久av网站| 国产精品久久久久久人妻精品电影 | 一二三四社区在线视频社区8| 精品福利永久在线观看| 久久精品久久久久久噜噜老黄| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品国产av成人精品| 成人国产一区最新在线观看| 国产免费av片在线观看野外av| 亚洲欧美一区二区三区黑人| 久久这里只有精品19| 青青草视频在线视频观看| 国产精品久久久久成人av| 亚洲国产欧美日韩在线播放| 国产又爽黄色视频| 99re6热这里在线精品视频| 亚洲一码二码三码区别大吗| 色婷婷av一区二区三区视频| 91老司机精品| 欧美精品亚洲一区二区| 午夜福利视频在线观看免费| 亚洲av日韩精品久久久久久密| 别揉我奶头~嗯~啊~动态视频 | 波多野结衣av一区二区av| 一二三四社区在线视频社区8| 视频在线观看一区二区三区| 亚洲国产欧美在线一区| 精品国产国语对白av| 欧美日韩亚洲高清精品| 亚洲,欧美精品.| 99精国产麻豆久久婷婷| 天天操日日干夜夜撸| 午夜老司机福利片| 中国国产av一级| 亚洲精品久久午夜乱码| 亚洲精品国产av成人精品| 久久久久网色| 又紧又爽又黄一区二区| 欧美在线黄色| 精品免费久久久久久久清纯 | 日本五十路高清| 日韩三级视频一区二区三区| 久久天躁狠狠躁夜夜2o2o| 国产亚洲欧美精品永久| netflix在线观看网站| 狠狠精品人妻久久久久久综合| 高清视频免费观看一区二区| 亚洲精华国产精华精| 国产区一区二久久| 热re99久久国产66热| 天天躁夜夜躁狠狠躁躁| 91精品三级在线观看| 如日韩欧美国产精品一区二区三区| svipshipincom国产片| 亚洲va日本ⅴa欧美va伊人久久 | 亚洲av日韩精品久久久久久密| 免费人妻精品一区二区三区视频| 夫妻午夜视频| 又黄又粗又硬又大视频| 久久精品国产a三级三级三级| 女性生殖器流出的白浆| 久久久国产成人免费| 青青草视频在线视频观看| 妹子高潮喷水视频| 国产不卡av网站在线观看| 交换朋友夫妻互换小说| 久久久久久亚洲精品国产蜜桃av| 色播在线永久视频| 亚洲 国产 在线| 亚洲国产日韩一区二区| 成年人黄色毛片网站| 久久久久久久精品精品| 婷婷成人精品国产| 深夜精品福利| 久久精品亚洲av国产电影网| 欧美少妇被猛烈插入视频| 丝袜脚勾引网站| av视频免费观看在线观看| 国产精品久久久久久人妻精品电影 | 免费高清在线观看日韩| 精品久久久久久电影网| 真人做人爱边吃奶动态| 黑人巨大精品欧美一区二区蜜桃| 日韩,欧美,国产一区二区三区| 成人手机av| 天堂8中文在线网| 啦啦啦啦在线视频资源| 亚洲av美国av| 99精品久久久久人妻精品| 国产精品一区二区免费欧美 | 男女边摸边吃奶| 中国国产av一级| 亚洲中文字幕日韩| 91麻豆精品激情在线观看国产 | 欧美日韩视频精品一区| 久久国产精品人妻蜜桃| 亚洲熟女毛片儿| 国产免费av片在线观看野外av| 一级片免费观看大全| 日本猛色少妇xxxxx猛交久久| 亚洲精品第二区| 美女高潮喷水抽搐中文字幕| 丝袜人妻中文字幕| 黑人欧美特级aaaaaa片| 一区二区三区激情视频| 久久99一区二区三区| 狂野欧美激情性xxxx| 老司机深夜福利视频在线观看 | 亚洲第一欧美日韩一区二区三区 | 伦理电影免费视频| 日韩 亚洲 欧美在线| 亚洲视频免费观看视频| 国产成人影院久久av| 国产一区二区 视频在线| 亚洲成人免费电影在线观看| 深夜精品福利| 亚洲天堂av无毛| 美女福利国产在线| 在线观看人妻少妇| 精品免费久久久久久久清纯 | 一本一本久久a久久精品综合妖精| 在线观看免费日韩欧美大片| 午夜免费鲁丝| www.自偷自拍.com| 欧美日韩亚洲综合一区二区三区_| 久久久久视频综合| 老熟妇乱子伦视频在线观看 | 两性夫妻黄色片| 亚洲 欧美一区二区三区| 久久久久久久国产电影| 久久女婷五月综合色啪小说| 久久久久视频综合| 丝袜脚勾引网站| 欧美午夜高清在线| 国产一区二区三区av在线| 日日爽夜夜爽网站| 99久久人妻综合| 亚洲一码二码三码区别大吗| 黑人欧美特级aaaaaa片| 每晚都被弄得嗷嗷叫到高潮| videosex国产| 国产男人的电影天堂91| 亚洲专区国产一区二区| 亚洲成av片中文字幕在线观看| 美女主播在线视频| av电影中文网址| 欧美在线黄色| 日韩大码丰满熟妇| 一区二区三区四区激情视频| 女人高潮潮喷娇喘18禁视频| 欧美激情高清一区二区三区| 青春草亚洲视频在线观看| 国精品久久久久久国模美| 日韩欧美国产一区二区入口| 成在线人永久免费视频| 777米奇影视久久| 99热全是精品| 高清视频免费观看一区二区| 国产欧美日韩综合在线一区二区| 咕卡用的链子| 午夜免费观看性视频| 欧美成狂野欧美在线观看| 午夜福利视频精品| 天天躁狠狠躁夜夜躁狠狠躁| 伊人亚洲综合成人网| 亚洲欧美日韩高清在线视频 | 韩国精品一区二区三区| 免费女性裸体啪啪无遮挡网站| 伦理电影免费视频| 亚洲精品国产av蜜桃| 亚洲欧美一区二区三区黑人| 国产片内射在线| 国产欧美日韩一区二区三区在线| 日韩欧美免费精品| 伦理电影免费视频| 91字幕亚洲| 交换朋友夫妻互换小说| 久久影院123| 亚洲精品一区蜜桃| 日韩人妻精品一区2区三区| 欧美久久黑人一区二区| 亚洲 国产 在线| 欧美精品一区二区大全| xxxhd国产人妻xxx| 老熟女久久久| 天堂中文最新版在线下载| 成人18禁高潮啪啪吃奶动态图| 久久精品国产a三级三级三级| 精品福利永久在线观看| 亚洲色图综合在线观看| 每晚都被弄得嗷嗷叫到高潮| 免费观看人在逋| 久久久久久久久免费视频了| 精品亚洲乱码少妇综合久久| av网站免费在线观看视频| 脱女人内裤的视频| 欧美在线黄色| 69精品国产乱码久久久| 99国产精品一区二区三区| 国产一卡二卡三卡精品| 如日韩欧美国产精品一区二区三区| 女人爽到高潮嗷嗷叫在线视频| 国产91精品成人一区二区三区 | 视频区图区小说| 国产精品久久久久久精品电影小说| 亚洲成av片中文字幕在线观看| 极品人妻少妇av视频| 97精品久久久久久久久久精品| 亚洲精品美女久久av网站| 大码成人一级视频| 一级黄色大片毛片| 91成年电影在线观看| 久久久精品94久久精品| 老熟妇仑乱视频hdxx| 满18在线观看网站| 久久青草综合色| 男人添女人高潮全过程视频| 99香蕉大伊视频| 色老头精品视频在线观看| 日本黄色日本黄色录像| 久久久久国产一级毛片高清牌| 久久久久久免费高清国产稀缺| 美女脱内裤让男人舔精品视频| 正在播放国产对白刺激| www.自偷自拍.com| 一级片免费观看大全| 99九九在线精品视频| 欧美午夜高清在线| 日韩大片免费观看网站| 天堂俺去俺来也www色官网| 狠狠婷婷综合久久久久久88av| 欧美少妇被猛烈插入视频| 日韩制服丝袜自拍偷拍| 中亚洲国语对白在线视频| 多毛熟女@视频| 丰满饥渴人妻一区二区三| 亚洲精品中文字幕一二三四区 | 丁香六月欧美| 精品人妻在线不人妻| 麻豆国产av国片精品| 国产精品熟女久久久久浪| 日韩三级视频一区二区三区| 国产成人啪精品午夜网站| 精品人妻1区二区| av国产精品久久久久影院| 波多野结衣av一区二区av| 国产精品成人在线| www日本在线高清视频| 国产三级黄色录像| 丰满人妻熟妇乱又伦精品不卡| 国产精品影院久久| 如日韩欧美国产精品一区二区三区| 男人爽女人下面视频在线观看| 五月开心婷婷网| 国产日韩一区二区三区精品不卡| 欧美在线黄色| 国产精品秋霞免费鲁丝片| 日韩中文字幕欧美一区二区| 最近最新中文字幕大全免费视频| 国产1区2区3区精品| 精品一品国产午夜福利视频| 亚洲国产av新网站| 精品国产超薄肉色丝袜足j| 亚洲一码二码三码区别大吗| 久久国产亚洲av麻豆专区| a级片在线免费高清观看视频| 少妇的丰满在线观看| 久久久久久人人人人人| 亚洲国产欧美一区二区综合| 亚洲精品中文字幕一二三四区 | 后天国语完整版免费观看| 女性被躁到高潮视频| 久久精品人人爽人人爽视色| 久久综合国产亚洲精品| 久久亚洲精品不卡| 性少妇av在线| 一边摸一边做爽爽视频免费| 欧美黑人欧美精品刺激| 国产欧美日韩一区二区精品| 亚洲国产中文字幕在线视频| 国产片内射在线| 国产av国产精品国产| 一边摸一边抽搐一进一出视频| 水蜜桃什么品种好| 一区二区三区激情视频| 91麻豆精品激情在线观看国产 | 精品一区在线观看国产| 999久久久国产精品视频| 超色免费av| 97精品久久久久久久久久精品| 欧美日韩亚洲综合一区二区三区_| 啦啦啦中文免费视频观看日本| 久久狼人影院| 国产成人欧美在线观看 | 亚洲第一欧美日韩一区二区三区 | 黄色片一级片一级黄色片| 日韩中文字幕欧美一区二区| 高清黄色对白视频在线免费看| 男女高潮啪啪啪动态图| 不卡一级毛片| 亚洲一区二区三区欧美精品| 亚洲精品久久午夜乱码| 极品少妇高潮喷水抽搐| 国产国语露脸激情在线看| 动漫黄色视频在线观看| 国产精品 国内视频| 日韩免费高清中文字幕av| 在线天堂中文资源库| 欧美少妇被猛烈插入视频| 男女午夜视频在线观看| 日本一区二区免费在线视频| 啦啦啦啦在线视频资源| 狠狠婷婷综合久久久久久88av| 中文字幕高清在线视频| www.av在线官网国产| 人人澡人人妻人| 午夜福利一区二区在线看| 亚洲avbb在线观看| 亚洲成人免费av在线播放| 黄色片一级片一级黄色片| 999精品在线视频| 丝袜人妻中文字幕| 在线 av 中文字幕| 黑丝袜美女国产一区| 久久国产亚洲av麻豆专区| 亚洲精品美女久久久久99蜜臀| 国产日韩一区二区三区精品不卡| 国产av一区二区精品久久| 久久久久国产一级毛片高清牌| 日韩成人在线观看一区二区三区| 成年免费大片在线观看| 999久久久精品免费观看国产| 日韩大码丰满熟妇| 白带黄色成豆腐渣| 一个人免费在线观看电影 | 亚洲欧美日韩东京热| 91av网站免费观看| 黑人操中国人逼视频| 露出奶头的视频| 天堂av国产一区二区熟女人妻 | 亚洲欧美激情综合另类| 久久久久久九九精品二区国产 | 欧美日韩黄片免| 男人的好看免费观看在线视频 | 欧美zozozo另类| 成人国产综合亚洲| 成人午夜高清在线视频| 中文资源天堂在线| 久久中文字幕人妻熟女| 久久精品国产综合久久久| 亚洲无线在线观看| 亚洲欧美日韩高清在线视频| 亚洲国产欧洲综合997久久,| 欧美一级a爱片免费观看看 | 一本精品99久久精品77| 日韩 欧美 亚洲 中文字幕| 欧美日韩亚洲国产一区二区在线观看| av国产免费在线观看| 99久久综合精品五月天人人| 村上凉子中文字幕在线| 国产区一区二久久| 亚洲乱码一区二区免费版| 国产区一区二久久| 女人高潮潮喷娇喘18禁视频| 国产97色在线日韩免费| 亚洲美女黄片视频| 精品一区二区三区四区五区乱码| 日韩欧美 国产精品| 欧美日韩一级在线毛片| 999久久久精品免费观看国产| 两性夫妻黄色片| 手机成人av网站| 日韩av在线大香蕉| 亚洲av五月六月丁香网| 亚洲精品中文字幕一二三四区| 亚洲欧美日韩东京热| 51午夜福利影视在线观看| 成人国产综合亚洲| 一级片免费观看大全| 国产精品一区二区精品视频观看| 最近最新免费中文字幕在线| 黄色成人免费大全| 午夜免费激情av| 久久婷婷成人综合色麻豆| 麻豆国产av国片精品| 男人舔女人的私密视频| 99热6这里只有精品| 欧美日本亚洲视频在线播放| 国产成人欧美在线观看| 美女午夜性视频免费| 一卡2卡三卡四卡精品乱码亚洲| 日韩精品免费视频一区二区三区| 日本在线视频免费播放| 香蕉av资源在线| 中文字幕最新亚洲高清| 男女床上黄色一级片免费看| 免费一级毛片在线播放高清视频| a级毛片a级免费在线| 成人永久免费在线观看视频| 亚洲精品中文字幕一二三四区| 曰老女人黄片| 午夜福利在线观看吧| 亚洲成人免费电影在线观看| 欧美成狂野欧美在线观看| 天天躁夜夜躁狠狠躁躁| 免费在线观看成人毛片| 亚洲国产精品sss在线观看| 日韩欧美在线二视频| 久久天堂一区二区三区四区| 免费观看精品视频网站| 色综合站精品国产| 国产成+人综合+亚洲专区| 亚洲黑人精品在线| 熟女电影av网| 在线观看日韩欧美| 人人妻,人人澡人人爽秒播| 久久精品国产99精品国产亚洲性色| 国产又色又爽无遮挡免费看| 一本精品99久久精品77| 国产欧美日韩精品亚洲av| 一区二区三区国产精品乱码| 叶爱在线成人免费视频播放| 国产精品一区二区三区四区免费观看 | 国产精品精品国产色婷婷| 好看av亚洲va欧美ⅴa在| 岛国在线免费视频观看| 国产亚洲av高清不卡| 99在线视频只有这里精品首页| 午夜福利在线在线| 精品午夜福利视频在线观看一区| 久久精品国产清高在天天线| 国产精品电影一区二区三区|