• <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 ?

    基于改進神經(jīng)網(wǎng)絡(luò)算法預(yù)測康定市某小區(qū)供熱負荷

    2024-02-08 00:00:00張利俊安文含周曉璇劉吉營
    四川建筑 2024年6期
    關(guān)鍵詞:主成分分析法預(yù)測模型遺傳算法

    【摘要】

    為了提高供熱負荷預(yù)測的準(zhǔn)確性,研究提出了一種基于主成分分析法和遺傳算法優(yōu)化的反向傳播神經(jīng)網(wǎng)絡(luò)(Principal Component Analysis-Genetic Algorithm-Back Propagation,PCA-GA-BP)預(yù)測模型。該模型首先采用PCA從原始集中供熱監(jiān)測數(shù)據(jù)中提取了4個主成分,作為BP神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù),去除了輸入變量之間的冗雜與相關(guān)性,隨后,利用GA對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行優(yōu)化,以此構(gòu)建PCA-GA-BP熱負荷預(yù)測模型。選取康定市居住建筑供熱系統(tǒng)實際運行的熱力數(shù)據(jù)作為模擬實驗樣本,對優(yōu)化前后模型的性能進行比較驗證。研究發(fā)現(xiàn),PCA-GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的平均絕對百分比誤差低至10.287%,比傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的MAPE減少了6.636%,顯著提高了供熱負荷預(yù)測的準(zhǔn)確性。

    【關(guān)鍵詞】供熱負荷,主成分分析法,遺傳算法,預(yù)測模型

    【中圖分類號】TU832.02【文獻標(biāo)志碼】A

    [定稿日期]2024-10-11

    [基金項目]山東省自然科學(xué)基金(項目編號:ZR2021ME199),山東省高等學(xué)校青創(chuàng)人才引育計劃創(chuàng)新團隊項目(項目編號:魯教科函〔2021〕51號)。

    [作者簡介]張利?。?973—),男,本科,工程師,研究方向為暖通空調(diào)與節(jié)能優(yōu)化控制。

    [通信作者]劉吉營(1983—),男,博士,教授,研究方向為暖通空調(diào)與節(jié)能優(yōu)化控制。

    0 引言

    截止2020年,全國集中供熱覆蓋面積達到122.66億m2,因大量燃料燃燒加劇了能源短缺和環(huán)境污染問題。2024年,我國政府提出要加快推動建筑領(lǐng)域節(jié)能降碳,使得清潔、低碳、高效已成為中國能源發(fā)展的必然趨勢。傳統(tǒng)粗放的供熱系統(tǒng)調(diào)節(jié)方式往往導(dǎo)致供熱過程中出現(xiàn)顯著的熱量損耗和不均勻的冷熱分布。在實際供熱中,即便能源消耗量大,也難以充分滿足熱用戶的需求[1]。因此,將熱負荷預(yù)測加入供熱系統(tǒng)中指導(dǎo)供熱勢在必行。

    熱負荷預(yù)測是預(yù)測未來一段時間內(nèi)為保持室內(nèi)舒適溫度所需熱量的方法,隨著大量建筑能耗數(shù)據(jù)積累以及人工智能技術(shù)在供熱領(lǐng)域的應(yīng)用,機器學(xué)習(xí)算法已被廣泛的應(yīng)用于熱負荷預(yù)測[2]。徐欣等[3]采用多元非線性回歸方法分析了系統(tǒng)日平均供水溫度和節(jié)假日效應(yīng)項為輸入變量的回歸殘差修正模型,實現(xiàn)了對供熱負荷的準(zhǔn)確預(yù)測;Sakkas等[4]利用人工神經(jīng)網(wǎng)絡(luò),建立了集中供熱網(wǎng)絡(luò)負荷預(yù)測模型,采用分段多相分析方法,通過改變輸入變量的特征和神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),逐步優(yōu)化預(yù)測器,研究中開發(fā)的優(yōu)化的全自動預(yù)測器產(chǎn)生了更可靠的負荷預(yù)測;薛普寧等[5]提出了一種以機器學(xué)習(xí)為基礎(chǔ)的多步遞歸預(yù)測模型,取得了較好的預(yù)測效果;于曉娟等[6]在綜合室內(nèi)溫度變化的基礎(chǔ)上,利用多元線性回歸、反向傳播神經(jīng)網(wǎng)絡(luò)以及網(wǎng)格搜索優(yōu)化的支持向量機方法,對未來7天的耗熱量進行了預(yù)測,結(jié)果表明,采用網(wǎng)格搜索優(yōu)化的支持向量機模型在預(yù)測精度上表現(xiàn)最佳。

    為了提高熱負荷預(yù)測的準(zhǔn)確性,在自變量選擇過程中,考慮了氣象因素、供熱管網(wǎng)性能以及歷史負荷等因素[7]。在建模過程中,首先使用主成分分析法(Principal Component Analysis,PCA)對熱負荷有影響的特征指標(biāo)進行融合,去除了輸入層參數(shù)之間的冗雜和相關(guān)性,同時,在對網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練的過程中,采用遺傳算法(Genetic Algorithm,GA)對網(wǎng)絡(luò)進行優(yōu)化,避免網(wǎng)絡(luò)陷入局部最小值,并加速其收斂。

    1 供熱數(shù)據(jù)來源及處理

    選取康定某小區(qū)供熱負荷進行模擬研究,研究區(qū)的集中供熱系統(tǒng)由熱源、管網(wǎng)、熱力站、熱用戶4個主要部分組成,以熱水作為熱媒,通過管網(wǎng)給熱用戶供應(yīng)熱能。研究數(shù)據(jù)來自供熱公司熱力數(shù)據(jù)可視化監(jiān)控平臺。供熱系統(tǒng)運行數(shù)據(jù)的導(dǎo)出是以整個供暖季為研究對象的,站點查詢的時間范圍為2022.10.15—2023.4.15,為增加數(shù)據(jù)的準(zhǔn)確性,查詢間隔時間為3 min。模型的輸出變量為逐時供熱負荷,利用編程對間隔3 min的供熱歷史運行數(shù)據(jù)進行逐時篩查,將所有數(shù)據(jù)采集的時間步長統(tǒng)一處理為1 h。

    在歷史數(shù)據(jù)收集過程中,常常由于設(shè)備故障、通信中斷等因素導(dǎo)致數(shù)據(jù)出現(xiàn)缺失值和異常值。若這些異常數(shù)據(jù)未被妥善處理,將會降低數(shù)據(jù)和預(yù)測負荷的正確性。因此,在將數(shù)據(jù)用于模型訓(xùn)練之前,需進行合理的數(shù)據(jù)預(yù)處理,包括對異常數(shù)據(jù)和缺失值進行處理,以確保數(shù)據(jù)集的完整性和可靠性。對于缺失的數(shù)據(jù),采用內(nèi)插法進行填補;對于異常的數(shù)據(jù),先使用3σ準(zhǔn)則進行查找,再使用內(nèi)插的方法確定插值并進行數(shù)據(jù)的代替;對于長時間出現(xiàn)的重復(fù)或者缺失,判定為數(shù)據(jù)采集過程中的異常并將其剔除。

    2 輸入層參數(shù)優(yōu)化

    2.1 初始特征變量的選擇

    供熱負荷受氣象因素、系統(tǒng)因素、社會因素以及建筑自身因素等多種因素的影響。隨著溫度的升高,供熱負荷的數(shù)值逐漸降低。當(dāng)溫度不變時,隨著相對濕度的降低,汗液蒸發(fā)作用增強,人體就會感到寒冷,供熱負荷也會隨之增大。隨著風(fēng)速的增加,供熱負荷也會增大。當(dāng)太陽輻射較小時,供熱負荷較大,但其對熱負荷影響較小,僅占1%~5%。供熱管網(wǎng)自身的一些特性,主要體現(xiàn)在管網(wǎng)流量、供水溫度、回水溫度等方面。社會因素例如用熱習(xí)慣、政府政策也會影響熱負荷的變動。建筑物自身的結(jié)構(gòu)、使用功能、地理位置等建筑自身因素也會對供熱負荷造成影響。然而,熱負荷受社會因素的影響,其變化趨勢較為緩慢,因而在短期熱負荷預(yù)測中,這一因素通??梢圆挥杩紤]。同時,一旦建筑物建成,其自身特性對熱負荷的影響微乎其微。

    綜上對供熱負荷影響因素的初步分析及相關(guān)文獻綜述[8-9],確定了包括室外溫度、風(fēng)速、相對濕度、一網(wǎng)供水溫度、回水溫度、管網(wǎng)流量、前1天同時刻的逐時熱量、前2天同時刻的逐時熱量8個初始特征指標(biāo)。

    2.2 主成分分析法

    供熱負荷受多種因素的影響,但在實際計算中,如果要綜合考慮各種因素,則會增加問題的復(fù)雜性和求解的難度。利用PCA,可以把對問題有影響的多個初始指標(biāo)降維為幾個主要的有效成分[10],降低了問題分析的難度,該方法主要步驟包括:

    (1)數(shù)據(jù)標(biāo)準(zhǔn)化計算,收集供熱負荷m個影響因素的n個樣本,則有式(1)~式(3)。

    xj-=1n∑ni=1xij,(j=1,2,…,m)(1)

    sj=1n-1∑ni=1xij-xj-2,(j=1,2,…,m)(2)

    xij=xij-xj-sj,(i=1,2,…,n;j=1,2,…,m)(3)

    式中:m為影響因子個數(shù);n為影響因子樣本數(shù);xij為第j個影響因子的第i個指標(biāo),xj-為第j個影響因子的樣本均值;sj為第j個影響因子的樣本標(biāo)準(zhǔn)差;xij為標(biāo)準(zhǔn)化指標(biāo)。

    (2)計算相關(guān)系數(shù)矩陣R=(rij)m×m的特征值和對應(yīng)的特征向量,rij代表第i個和第j個影響因子的相關(guān)系數(shù),如式(4),將特征值從大到小進行排序,由特征向量構(gòu)成了m個新的綜合變量,如式(5)。

    rij=∑nk=1xki×xkjn-1,(i,j=1,2,…,m)(4)

    F1=u11x1+u21x2+…+um1xm

    F2=u12x1+u22x2+…+um2xm

    ……

    Fm=u1mx1+u2mx2+…+ummxm(5)

    式中:xki為第i個影響因子的第k個標(biāo)準(zhǔn)化指標(biāo),F(xiàn)m為第m主成分;x1、x2、…、xm為標(biāo)準(zhǔn)化處理后的影響因子向量;uj為λj對的特征向量,uj=(u1j,u2j,…,umj),j=1,2,…,m。

    (3)計算貢獻率和累積貢獻率并提取主成分見式(6)、式(7)。

    bj=λi∑mk=1λk,(j=1,2,…,m)(6)

    αp=∑pk=1λk∑mk=1λk(7)

    式中:bj為主成分Fj的信息貢獻率;αp為主成分的累積貢獻率,取αpgt;90%。

    2.3 主成分提取

    為了高效減少熱負荷預(yù)測中初始特征變量數(shù)據(jù)的空間維度,使用SPSS軟件對其進行了降維處理,得到的結(jié)果見表1。前4個主成分累積貢獻率達到了90.337%,這足以概括原始的8個特征變量所蘊含的信息,因此選擇主成分Y1~Y4作為模型的輸入數(shù)據(jù)。

    主成分系數(shù)表2展示了每一個主成分與每一個變量之間的線性關(guān)系。主成分Y1主要與前兩天同時刻的瞬時熱量、前一天同時刻的瞬時熱量、管網(wǎng)流量、回水溫度、室外溫度有關(guān);主成分Y2、Y3、Y4分別主要與相對濕度、風(fēng)速、供水溫度有關(guān)。最終主成分表達式為式(8)~式(11)。

    f1=-0.36x1-0.08x2-0.02x3+0.37x4+

    0.44x5+0.41x6+0.44x7+0.41x8(8)

    f2=0.27x1+0.60x2-0.73x3+0.02x4+0.12x5+0.08x6+0.05x7+0.04x8(9)

    f3=-0.42x1+0.70x2+0.43x3-0.25x4+0.01x5+0.23x6-0.06x7-0.16x8(10)

    f4=0.18x1+0.33x2+0.31x3+0.73x4+0.03x5-0.47x6-0.03x7+0.05x8(11)

    3 供熱負荷預(yù)測模型

    3.1 預(yù)測流程

    BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層、隱藏層和輸出層,其工作

    原理是基于梯度下降算法。在訓(xùn)練過程中,網(wǎng)絡(luò)通過不斷迭代來調(diào)整各層神經(jīng)元之間的連接權(quán)重和閾值,目的是減小網(wǎng)絡(luò)的實際輸出與期望輸出之間的誤差,直至達到最小誤差。然而,該過程容易導(dǎo)致網(wǎng)絡(luò)陷入局部最優(yōu)解的問題。

    GA是一種模擬自然生物進化的方法,能有效的解決非線性、全局尋優(yōu)等復(fù)雜問題[11],利用GA對BP神經(jīng)網(wǎng)絡(luò)的權(quán)、閾值進行優(yōu)化,優(yōu)化后的權(quán)閾值再通過BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到最優(yōu)結(jié)果。PCA-GA-BP流程如圖1所示,在進行GA的計算時,首先對所要優(yōu)化的參數(shù)進行編碼,并隨機地產(chǎn)生一個初始化的群體集,之后以種群擇優(yōu)目標(biāo)方向為依據(jù),來確定種群的適應(yīng)度函數(shù)。最后,在群體選擇、雜交和變異的基礎(chǔ)上,采用GA求解。

    3.2 參數(shù)確定

    神經(jīng)網(wǎng)絡(luò)輸入層為基于PCA提取到的4個主成分,輸出層參數(shù)為逐時供熱負荷,隱含層根據(jù)經(jīng)驗式首先試湊出選取范圍,再通過分析訓(xùn)練時不同神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對模型的影響得出最佳個數(shù),確定為10時訓(xùn)練效果最佳見式(12)。

    H=I+O+α(12)

    式中:α為調(diào)節(jié)常數(shù),取值一般為1~10;H為隱含層節(jié)點數(shù);I為輸入層節(jié)點數(shù);O為輸出層節(jié)點數(shù)。

    訓(xùn)練集和測試集利用PCA處理后的新數(shù)據(jù)集進行劃分,以MATLAB為平臺,前80%的數(shù)據(jù)作為訓(xùn)練集,后20%的數(shù)據(jù)作為測試集。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率為0.01,訓(xùn)練目標(biāo)最小誤差為10-4,訓(xùn)練次數(shù)為1 000次,動量因子為0.01,將PCA-BP的網(wǎng)絡(luò)拓撲結(jié)構(gòu)設(shè)置為4-10-1。GA-BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)設(shè)置:最大進化代數(shù)為30,初始種群規(guī)模為10,變異概率為0.2,交叉概率為0.8。

    3.3 評價指標(biāo)

    選取了4種精度評價指標(biāo)分別為均方誤差(Mean Square Error,MSE)、均方根誤差(Root Mean Square Error,RMSE)、平均絕對誤差(Mean Absolute Error,MAE)以及平均絕對誤差百分比(Mean Absolute Percentage Error,MAPE)來評估預(yù)測模型的精確度,具體定義見式(13)~式(16)。

    MSE=1n∑ni=1(xi-yi)2(13)

    RMSE=1n∑ni=1(xi-yi)2(14)

    MAE=1n∑ni=1xi-yi(15)

    MAPE=100%n∑ni=1xi-yiyi(16)

    式中:n為樣本的個數(shù);xi為第i個仿真模擬值(GJ/h);yi為第i個實際測量值(GJ/h);x-為模擬值平均值(GJ/h);y-為實測值的平均值,(GJ/h)。

    MSE、RMSE、MAE、和MAPE越小,表示預(yù)測值與實際值誤差越小,模型精度越高。

    4 結(jié)果分析

    4.1 仿真實驗預(yù)測結(jié)果對比

    通過BP、PCA-BP、PCA-GA-BP算法對樣本數(shù)據(jù)進行訓(xùn)練,并對訓(xùn)練結(jié)果進行了驗證。實際負荷與預(yù)測負荷值對比及誤差結(jié)果分別如圖2、圖3所示。

    由圖2、圖3可以得出,通過標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)模型得到的預(yù)測值與實測值之間偏差較大,PCA-BP模型得到的預(yù)測值與實測值比較接近,當(dāng)將GA考慮納入PCA-BP模型,偏差得到了進一步的降低。采用PCA之前,原始輸入層參數(shù)中存在的變量多重相關(guān)性對模型預(yù)測精度造成了不利影響,即便經(jīng)過PCA處理,神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值的選取方式仍對模型有影響,預(yù)測模型仍有進一步優(yōu)化的潛力。

    4.2 仿真實驗預(yù)測評價指標(biāo)對比

    為了能直觀地看出和比較各預(yù)測模型的優(yōu)化效果,現(xiàn)使用柱狀圖對包括BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型在內(nèi)的多種模型的MAE、RMSE、MSE、MAPE作具體分析。圖4為不同模型之間的誤差評價指標(biāo)。由圖4可知,PCA-BP神經(jīng)網(wǎng)絡(luò)模型的MAE、RMSE、MSE、MAPE均有顯著下降,這表示經(jīng)過PCA降維處理有助于提高神經(jīng)網(wǎng)絡(luò)的非線性映射能力,進一步地,采用GA優(yōu)化后的模型表現(xiàn)更為優(yōu)異,MAE從0.595 GJ/h降至0.448 GJ/h、MSE從1.086 GJ2/h2降至0.349 GJ2/h2、RMSE從1.0421 GJ/h降至0.591 GJ/h,MAPE則從16.92%降至10.29%,指標(biāo)降低的更為明顯,由此得出,使用PCA-GA-BP模型相較于傳統(tǒng)BP模型在供熱負荷預(yù)測方面表現(xiàn)更佳。

    5 結(jié)論

    研究采用PCA簡化BP神經(jīng)網(wǎng)絡(luò)的輸入層參數(shù)、采用GA對神經(jīng)網(wǎng)絡(luò)中的權(quán)值和閾值進行優(yōu)化調(diào)整,通過對結(jié)果分析,驗證上述可提高神經(jīng)網(wǎng)絡(luò)預(yù)測性能,主要結(jié)論:

    (1)在熱負荷預(yù)測中,利用PCA對神經(jīng)網(wǎng)絡(luò)輸入層的數(shù)

    據(jù)進行維度降低,篩選關(guān)鍵特征以減少輸入?yún)?shù)的復(fù)雜性,實現(xiàn)了從8維至4維的簡化。利用GA有效地改進了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)的不足,進而構(gòu)建了一個預(yù)測精度更優(yōu)的PCA-GA-BP供熱負荷預(yù)測模型。

    (2)PCA-GA-BP預(yù)測模型相比于標(biāo)準(zhǔn)BP預(yù)測模型而言,MAE降低了0.147 GJ/h、MSE降低了0.737 GJ2/h2、RMSE降低了0.451 GJ/h,MAPE降低了6.63%。

    參考文獻

    [1] 吳晉濤. 城市集中供熱的現(xiàn)狀及發(fā)展挑戰(zhàn)[J]. 當(dāng)代化工研究. 2018(1): 10-11.

    [2] Sajjadi S, Shamshirband S, Alizamir M, et al. Extreme learning machine for prediction of heat load in district heating systems[J]. Energy amp; Buildings, 2016(122):222-227.

    [3] 徐欣,田喆. 天津市辦公建筑供暖負荷中短期預(yù)測, 暖通空調(diào) [J]. 2016, 46(4): 50-54+11.

    [4] Sakkas N P,Abang R Thermal load prediction of communal district heating systems by applying data-driven machine learning methods[J]. Energy Reports . 2022(8): 1883-1895.

    [5] 薛普寧, 周志剛, 蔣毅,等. 基于機器學(xué)習(xí)的供熱系統(tǒng)熱負荷多步遞歸預(yù)測[J]. 煤氣與熱力, 2019, 39(7): 20-27+42.

    [6] 于曉娟, 顧吉浩, 齊承英,等. 幾種集中供熱負荷預(yù)測模型對比[J]. 暖通空調(diào),2019,49(2):96-99.

    [7] 王少馳, 劉玉俠, 馬東亮,等. 供熱系統(tǒng)熱負荷預(yù)測分析及應(yīng)用, 區(qū)域供熱 [J]. 2023(2): 128-139+148.

    [8] 趙秉文, 李婉,金宇 基于PSO-LSSVM的供熱負荷預(yù)測研究[J]. 建筑節(jié)能, (中英文), 2021, 49(6): 46-49+78.

    [9] 尚海軍, 白新奎, 喬, 等. 基于深度學(xué)習(xí)的區(qū)域供熱逐時負荷預(yù)測研究[J]. 建筑熱能通風(fēng)空調(diào), 2022, 41(9): 6-8+21.

    [10] 杜會軍. 基于PCA-BP神經(jīng)網(wǎng)絡(luò)的智慧建筑暖通空調(diào)能耗預(yù)測[J]. 制冷與空調(diào)(四川). 2023, 37(2): 225-230.。

    [11] Gu J, Wang J, Qi C, et al. Medium-term heat load prediction for an existing residential building based on a wireless on-off control system[J]. Energy, 2018(152): 709-718.

    猜你喜歡
    主成分分析法預(yù)測模型遺傳算法
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于遺傳算法和LS-SVM的財務(wù)危機預(yù)測
    基于神經(jīng)網(wǎng)絡(luò)的北京市房價預(yù)測研究
    商情(2016年43期)2016-12-23 14:23:13
    中國裝備制造業(yè)階段競爭力研究
    陜西省各地區(qū)人力資本水平綜合評價與分析
    中國石化J分公司油氣開發(fā)投資分析與預(yù)測模型研究
    基于企業(yè)核心競爭能力的家電行業(yè)上市公司績效評價指標(biāo)體系研究
    基于主成分分析法的高校財務(wù)風(fēng)險評價指標(biāo)體系構(gòu)建
    商(2016年27期)2016-10-17 04:41:37
    基于IOWHA法的物流需求組合改善與預(yù)測模型構(gòu)建
    欧美黑人精品巨大| 久久精品91蜜桃| 亚洲国产精品合色在线| 波多野结衣av一区二区av| www日本在线高清视频| 午夜两性在线视频| 身体一侧抽搐| 亚洲成av片中文字幕在线观看| 两个人视频免费观看高清| 中文字幕另类日韩欧美亚洲嫩草| 91字幕亚洲| 哪里可以看免费的av片| 精品一区二区三区视频在线观看免费| 最新美女视频免费是黄的| 久久中文看片网| 身体一侧抽搐| 日韩欧美在线二视频| 亚洲欧美一区二区三区黑人| 无遮挡黄片免费观看| 在线观看一区二区三区| 亚洲成av片中文字幕在线观看| 成在线人永久免费视频| 啪啪无遮挡十八禁网站| 日韩三级视频一区二区三区| 国产又爽黄色视频| 天堂影院成人在线观看| 久久99热这里只有精品18| 欧美在线一区亚洲| 午夜福利一区二区在线看| 好男人电影高清在线观看| 欧美乱色亚洲激情| 欧美色欧美亚洲另类二区| 亚洲av熟女| 日韩欧美国产一区二区入口| 日韩中文字幕欧美一区二区| 狠狠狠狠99中文字幕| 欧美黑人精品巨大| 亚洲国产欧美网| 亚洲精华国产精华精| 可以在线观看的亚洲视频| 成人国语在线视频| 免费观看人在逋| 日韩三级视频一区二区三区| 欧美在线黄色| 夜夜躁狠狠躁天天躁| 亚洲av第一区精品v没综合| 国产野战对白在线观看| 老司机深夜福利视频在线观看| 欧美国产日韩亚洲一区| 精品久久蜜臀av无| 午夜福利视频1000在线观看| 国产av不卡久久| 国产91精品成人一区二区三区| 黄色女人牲交| 女生性感内裤真人,穿戴方法视频| 欧美zozozo另类| 免费在线观看黄色视频的| 国产激情久久老熟女| 免费一级毛片在线播放高清视频| 国产精品99久久99久久久不卡| 亚洲专区中文字幕在线| 黄色女人牲交| 丝袜美腿诱惑在线| 亚洲av电影在线进入| 免费在线观看日本一区| 国产1区2区3区精品| 韩国av一区二区三区四区| 大型av网站在线播放| 欧美在线一区亚洲| 成年人黄色毛片网站| 日韩一卡2卡3卡4卡2021年| 91麻豆av在线| 两人在一起打扑克的视频| 日韩欧美国产在线观看| 国产激情欧美一区二区| 久久人妻av系列| 国产精品电影一区二区三区| 搞女人的毛片| 日日爽夜夜爽网站| 757午夜福利合集在线观看| 成人av一区二区三区在线看| 好男人电影高清在线观看| 国产又色又爽无遮挡免费看| 长腿黑丝高跟| 日韩av在线大香蕉| 国产欧美日韩一区二区精品| 国产精品亚洲av一区麻豆| 一本精品99久久精品77| 亚洲av片天天在线观看| 国产视频一区二区在线看| 中文字幕另类日韩欧美亚洲嫩草| 听说在线观看完整版免费高清| 日本免费a在线| 满18在线观看网站| 真人一进一出gif抽搐免费| 黄片大片在线免费观看| 精品福利观看| 淫妇啪啪啪对白视频| 成年版毛片免费区| 2021天堂中文幕一二区在线观 | 国产成人啪精品午夜网站| 性欧美人与动物交配| 香蕉丝袜av| avwww免费| 亚洲人成77777在线视频| 香蕉国产在线看| 成人亚洲精品av一区二区| 精品久久久久久久久久免费视频| 窝窝影院91人妻| 欧美 亚洲 国产 日韩一| 在线观看免费视频日本深夜| 巨乳人妻的诱惑在线观看| 国产一区二区在线av高清观看| 国产成人精品无人区| 久久这里只有精品19| 成人18禁高潮啪啪吃奶动态图| 不卡av一区二区三区| 黑人巨大精品欧美一区二区mp4| 国产亚洲av高清不卡| 99国产精品一区二区三区| 亚洲av五月六月丁香网| 国产精品免费视频内射| 91成人精品电影| 欧美+亚洲+日韩+国产| avwww免费| 一进一出好大好爽视频| 美女高潮喷水抽搐中文字幕| 免费高清视频大片| 90打野战视频偷拍视频| 又大又爽又粗| 国产单亲对白刺激| 丁香六月欧美| 又黄又爽又免费观看的视频| 久久精品人妻少妇| 国产免费av片在线观看野外av| 亚洲七黄色美女视频| 久久久久久亚洲精品国产蜜桃av| av福利片在线| 很黄的视频免费| 女人被狂操c到高潮| 免费看日本二区| 国产视频内射| 在线观看日韩欧美| 久9热在线精品视频| 日韩一卡2卡3卡4卡2021年| 国内久久婷婷六月综合欲色啪| 久久久久久亚洲精品国产蜜桃av| 精品久久蜜臀av无| 国产精品亚洲av一区麻豆| 女人被狂操c到高潮| 一级作爱视频免费观看| 中文在线观看免费www的网站 | 成人精品一区二区免费| 亚洲专区字幕在线| 身体一侧抽搐| 精品人妻1区二区| 日韩 欧美 亚洲 中文字幕| 一区二区日韩欧美中文字幕| avwww免费| 亚洲男人天堂网一区| 日本 av在线| 久久精品夜夜夜夜夜久久蜜豆 | 日日爽夜夜爽网站| 50天的宝宝边吃奶边哭怎么回事| 99久久99久久久精品蜜桃| 99久久99久久久精品蜜桃| 人妻丰满熟妇av一区二区三区| 最近最新中文字幕大全电影3 | 可以在线观看毛片的网站| 在线观看免费日韩欧美大片| 啪啪无遮挡十八禁网站| 日韩有码中文字幕| 久久九九热精品免费| 首页视频小说图片口味搜索| 一本精品99久久精品77| 91在线观看av| 亚洲欧美日韩无卡精品| 免费电影在线观看免费观看| а√天堂www在线а√下载| 精品午夜福利视频在线观看一区| 亚洲专区字幕在线| 每晚都被弄得嗷嗷叫到高潮| 香蕉av资源在线| av超薄肉色丝袜交足视频| 天堂影院成人在线观看| 亚洲成人久久性| 成年版毛片免费区| 草草在线视频免费看| 精品一区二区三区av网在线观看| 午夜福利一区二区在线看| 久久久精品欧美日韩精品| 国产成人一区二区三区免费视频网站| 日日摸夜夜添夜夜添小说| 精品一区二区三区视频在线观看免费| 久久青草综合色| 看黄色毛片网站| 国产一级毛片七仙女欲春2 | 欧美成人一区二区免费高清观看 | 成人亚洲精品一区在线观看| 精品久久久久久,| 国产精品影院久久| 啦啦啦免费观看视频1| av在线播放免费不卡| 亚洲九九香蕉| 国产亚洲av嫩草精品影院| 精品欧美一区二区三区在线| cao死你这个sao货| 露出奶头的视频| 久久久久久国产a免费观看| 国产精品av久久久久免费| 久久九九热精品免费| 91老司机精品| 国产亚洲精品av在线| 亚洲精品国产区一区二| 精华霜和精华液先用哪个| 亚洲国产精品sss在线观看| 国产主播在线观看一区二区| 亚洲国产欧洲综合997久久, | 91麻豆精品激情在线观看国产| 久久婷婷人人爽人人干人人爱| 亚洲av日韩精品久久久久久密| 99国产精品一区二区蜜桃av| 嫁个100分男人电影在线观看| av超薄肉色丝袜交足视频| 色av中文字幕| 亚洲国产欧美网| 国产人伦9x9x在线观看| 免费无遮挡裸体视频| 欧美+亚洲+日韩+国产| 国产精品,欧美在线| 最近最新中文字幕大全免费视频| 国产麻豆成人av免费视频| 国产av不卡久久| av有码第一页| 黄频高清免费视频| 久久亚洲真实| 欧美色欧美亚洲另类二区| 国产成人欧美在线观看| 国内精品久久久久精免费| 色哟哟哟哟哟哟| 老汉色av国产亚洲站长工具| 亚洲人成电影免费在线| 一级毛片精品| 久久欧美精品欧美久久欧美| 久久青草综合色| 黄色丝袜av网址大全| 亚洲中文字幕日韩| 国产私拍福利视频在线观看| 色精品久久人妻99蜜桃| 男女视频在线观看网站免费 | 巨乳人妻的诱惑在线观看| 久9热在线精品视频| 视频区欧美日本亚洲| 日韩中文字幕欧美一区二区| 伊人久久大香线蕉亚洲五| 男人舔奶头视频| 亚洲熟妇中文字幕五十中出| 夜夜爽天天搞| 人人妻人人澡人人看| 国产黄片美女视频| 亚洲精品国产一区二区精华液| 又黄又粗又硬又大视频| 国产不卡一卡二| 中国美女看黄片| 久久久久久久久免费视频了| 欧美又色又爽又黄视频| 亚洲成av片中文字幕在线观看| 午夜激情福利司机影院| 国产亚洲精品一区二区www| 国产精品九九99| 99久久国产精品久久久| 亚洲专区字幕在线| 免费电影在线观看免费观看| 午夜精品久久久久久毛片777| 免费一级毛片在线播放高清视频| 啦啦啦免费观看视频1| 禁无遮挡网站| 天堂影院成人在线观看| 亚洲自拍偷在线| 日日夜夜操网爽| 日本一本二区三区精品| 久久久国产成人精品二区| 国内少妇人妻偷人精品xxx网站 | 十分钟在线观看高清视频www| 中文字幕人成人乱码亚洲影| 日韩视频一区二区在线观看| 夜夜爽天天搞| 老汉色av国产亚洲站长工具| 成人午夜高清在线视频 | 18禁美女被吸乳视频| 国产亚洲av嫩草精品影院| 看黄色毛片网站| 亚洲精品久久成人aⅴ小说| 99久久国产精品久久久| 国产精品国产高清国产av| 国产精品98久久久久久宅男小说| 99re在线观看精品视频| 欧美黑人欧美精品刺激| 亚洲成人久久爱视频| 亚洲午夜理论影院| 国产av在哪里看| 欧美又色又爽又黄视频| 日本精品一区二区三区蜜桃| 国产成人精品无人区| 国产免费av片在线观看野外av| 婷婷精品国产亚洲av| 国产又色又爽无遮挡免费看| 好男人在线观看高清免费视频 | 免费在线观看影片大全网站| av中文乱码字幕在线| 日韩大码丰满熟妇| 韩国av一区二区三区四区| 88av欧美| 精品午夜福利视频在线观看一区| 日韩欧美 国产精品| 欧美日韩中文字幕国产精品一区二区三区| av片东京热男人的天堂| 一级片免费观看大全| 国产日本99.免费观看| 我的亚洲天堂| 免费看a级黄色片| 色精品久久人妻99蜜桃| 香蕉久久夜色| 香蕉av资源在线| 日韩三级视频一区二区三区| www.精华液| 中文字幕高清在线视频| 免费在线观看日本一区| 亚洲精品中文字幕在线视频| 亚洲熟妇中文字幕五十中出| 搡老妇女老女人老熟妇| 特大巨黑吊av在线直播 | 国产精品香港三级国产av潘金莲| 国产精品一区二区三区四区久久 | xxxwww97欧美| 成人国产一区最新在线观看| 午夜福利欧美成人| 极品教师在线免费播放| 丝袜美腿诱惑在线| 国产精品 国内视频| 午夜精品久久久久久毛片777| 91老司机精品| 成人国产综合亚洲| 久热爱精品视频在线9| 97人妻精品一区二区三区麻豆 | 欧美性猛交╳xxx乱大交人| 大香蕉久久成人网| 日韩欧美国产在线观看| 亚洲欧美精品综合一区二区三区| 免费在线观看亚洲国产| 精品一区二区三区av网在线观看| www.自偷自拍.com| 亚洲精品久久国产高清桃花| 国产aⅴ精品一区二区三区波| 国产黄片美女视频| 国产免费男女视频| 十分钟在线观看高清视频www| e午夜精品久久久久久久| 观看免费一级毛片| 精品国产亚洲在线| 国产高清激情床上av| 日韩免费av在线播放| 日韩视频一区二区在线观看| 人妻久久中文字幕网| 国产精品国产高清国产av| 国产真人三级小视频在线观看| 亚洲人成77777在线视频| 一卡2卡三卡四卡精品乱码亚洲| 欧美成狂野欧美在线观看| 两个人看的免费小视频| 亚洲国产精品合色在线| 精品国产一区二区三区四区第35| 俄罗斯特黄特色一大片| 国产真实乱freesex| 脱女人内裤的视频| 亚洲电影在线观看av| 欧美性猛交黑人性爽| 1024手机看黄色片| 国产高清videossex| 成人亚洲精品av一区二区| 精品不卡国产一区二区三区| 哪里可以看免费的av片| 麻豆一二三区av精品| 国产一区二区在线av高清观看| 亚洲 欧美一区二区三区| 天堂√8在线中文| 伦理电影免费视频| 国产成人欧美| 黄色视频,在线免费观看| 99在线视频只有这里精品首页| 国产成人精品久久二区二区免费| 成人三级黄色视频| 欧美日韩亚洲综合一区二区三区_| 久久久国产成人免费| 法律面前人人平等表现在哪些方面| 国产乱人伦免费视频| 日韩欧美一区视频在线观看| 最近最新免费中文字幕在线| 欧美久久黑人一区二区| 欧美乱码精品一区二区三区| 亚洲国产毛片av蜜桃av| 国产色视频综合| 久久 成人 亚洲| 欧美激情极品国产一区二区三区| 国产亚洲精品综合一区在线观看 | 亚洲全国av大片| 久久中文字幕一级| 一本精品99久久精品77| 欧美日韩精品网址| 两个人免费观看高清视频| 最近最新中文字幕大全免费视频| 国产成人欧美在线观看| 色老头精品视频在线观看| 欧美又色又爽又黄视频| 欧美激情高清一区二区三区| 可以免费在线观看a视频的电影网站| 国产乱人伦免费视频| 女性生殖器流出的白浆| 亚洲国产精品久久男人天堂| 最好的美女福利视频网| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲自偷自拍图片 自拍| 香蕉丝袜av| 国产精品乱码一区二三区的特点| 麻豆av在线久日| 亚洲三区欧美一区| av福利片在线| 91成人精品电影| 欧美黄色淫秽网站| 国产精品久久久久久亚洲av鲁大| 国产成人影院久久av| 久久精品亚洲精品国产色婷小说| 国内揄拍国产精品人妻在线 | 午夜福利视频1000在线观看| 黑人操中国人逼视频| 色综合亚洲欧美另类图片| а√天堂www在线а√下载| 日本一本二区三区精品| 亚洲av成人不卡在线观看播放网| 免费女性裸体啪啪无遮挡网站| 欧美国产精品va在线观看不卡| 免费av毛片视频| 精品欧美一区二区三区在线| 人人妻,人人澡人人爽秒播| 国产伦人伦偷精品视频| 看免费av毛片| 黄片小视频在线播放| 成人亚洲精品av一区二区| 精品电影一区二区在线| 成人午夜高清在线视频 | av有码第一页| 757午夜福利合集在线观看| 天堂√8在线中文| 高清在线国产一区| 黄色成人免费大全| 欧美成人性av电影在线观看| 不卡av一区二区三区| 91成年电影在线观看| 中文字幕av电影在线播放| 亚洲久久久国产精品| 国产精品 国内视频| 亚洲专区字幕在线| 免费电影在线观看免费观看| 亚洲欧美激情综合另类| 在线观看免费视频日本深夜| 两个人视频免费观看高清| 搞女人的毛片| 高清毛片免费观看视频网站| 日韩中文字幕欧美一区二区| 久久香蕉激情| 国产精品久久久av美女十八| 中文在线观看免费www的网站 | 亚洲,欧美精品.| 亚洲av中文字字幕乱码综合 | 国产亚洲精品久久久久久毛片| 别揉我奶头~嗯~啊~动态视频| 精品人妻1区二区| 成人亚洲精品av一区二区| 亚洲av美国av| 在线观看舔阴道视频| 啪啪无遮挡十八禁网站| 亚洲精品中文字幕在线视频| 夜夜夜夜夜久久久久| 国产高清激情床上av| 怎么达到女性高潮| 搡老妇女老女人老熟妇| 亚洲电影在线观看av| 久久这里只有精品19| 一级a爱片免费观看的视频| 一卡2卡三卡四卡精品乱码亚洲| 国产又爽黄色视频| 国产精品爽爽va在线观看网站 | 久久久久九九精品影院| 日本熟妇午夜| 久久人妻福利社区极品人妻图片| 久久 成人 亚洲| 国产成年人精品一区二区| 日韩欧美在线二视频| 国产又爽黄色视频| 成年免费大片在线观看| 亚洲国产欧美日韩在线播放| 亚洲精华国产精华精| 熟妇人妻久久中文字幕3abv| 亚洲熟妇中文字幕五十中出| 欧美久久黑人一区二区| 欧美黑人欧美精品刺激| 国内精品久久久久精免费| 国产av不卡久久| 免费一级毛片在线播放高清视频| 哪里可以看免费的av片| 久久青草综合色| 哪里可以看免费的av片| 可以在线观看毛片的网站| 亚洲精品美女久久久久99蜜臀| 亚洲在线自拍视频| 国产欧美日韩精品亚洲av| 可以在线观看毛片的网站| 国产精品日韩av在线免费观看| 黄色a级毛片大全视频| 一区福利在线观看| 久久伊人香网站| 久久精品aⅴ一区二区三区四区| e午夜精品久久久久久久| 久久精品人妻少妇| 色精品久久人妻99蜜桃| 一二三四在线观看免费中文在| 国产成人精品无人区| 曰老女人黄片| 老鸭窝网址在线观看| 久热爱精品视频在线9| 免费看十八禁软件| 又紧又爽又黄一区二区| 最近最新中文字幕大全免费视频| 好看av亚洲va欧美ⅴa在| 久久香蕉国产精品| 最近最新中文字幕大全电影3 | 亚洲久久久国产精品| 亚洲欧洲精品一区二区精品久久久| 亚洲国产精品sss在线观看| 日本撒尿小便嘘嘘汇集6| 97碰自拍视频| 欧美日韩一级在线毛片| 亚洲全国av大片| 国产真实乱freesex| 成人av一区二区三区在线看| 中出人妻视频一区二区| 哪里可以看免费的av片| 亚洲av五月六月丁香网| 亚洲成人久久爱视频| 日韩欧美一区视频在线观看| 色播在线永久视频| 久久久久九九精品影院| 在线视频色国产色| 成熟少妇高潮喷水视频| 19禁男女啪啪无遮挡网站| 亚洲午夜精品一区,二区,三区| 久久香蕉激情| 一区二区日韩欧美中文字幕| 亚洲午夜理论影院| 桃红色精品国产亚洲av| 国产99白浆流出| 久久午夜亚洲精品久久| 不卡一级毛片| 1024手机看黄色片| 老熟妇仑乱视频hdxx| 在线观看日韩欧美| 午夜视频精品福利| 亚洲国产欧美一区二区综合| 亚洲午夜精品一区,二区,三区| 制服丝袜大香蕉在线| 国产伦在线观看视频一区| 亚洲成av片中文字幕在线观看| 日本一本二区三区精品| 久久久水蜜桃国产精品网| 丁香六月欧美| 亚洲性夜色夜夜综合| 欧美国产精品va在线观看不卡| 别揉我奶头~嗯~啊~动态视频| av欧美777| 亚洲中文日韩欧美视频| 老鸭窝网址在线观看| 欧美一区二区精品小视频在线| 美女扒开内裤让男人捅视频| 成人亚洲精品一区在线观看| 久久香蕉精品热| av片东京热男人的天堂| 国产欧美日韩精品亚洲av| 777久久人妻少妇嫩草av网站| 日韩一卡2卡3卡4卡2021年| 黄色女人牲交| 欧美乱码精品一区二区三区| 久久九九热精品免费| 免费在线观看日本一区| 男女视频在线观看网站免费 | 国产亚洲精品第一综合不卡| 夜夜躁狠狠躁天天躁| 两个人视频免费观看高清| 嫩草影视91久久| 精品第一国产精品| 国产亚洲精品久久久久5区| 成人av一区二区三区在线看| 91麻豆av在线| 国产精品久久久久久精品电影 | 天堂动漫精品| 人人妻人人看人人澡| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲成a人片在线一区二区| 亚洲av第一区精品v没综合| 成人国产综合亚洲| 久久久精品国产亚洲av高清涩受| 国产91精品成人一区二区三区| 老汉色∧v一级毛片| 日本三级黄在线观看| 免费观看人在逋| 老熟妇仑乱视频hdxx|