• <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
    夜夜爽夜夜爽视频| 日韩大片免费观看网站| 色视频在线一区二区三区| 国产 精品1| 午夜福利视频在线观看免费| 成人亚洲精品一区在线观看| av免费观看日本| 亚洲内射少妇av| 精品卡一卡二卡四卡免费| 天堂俺去俺来也www色官网| 亚洲精品久久成人aⅴ小说 | 综合色丁香网| 97精品久久久久久久久久精品| 亚洲精品一区蜜桃| 色网站视频免费| 看非洲黑人一级黄片| 国产成人av激情在线播放 | 欧美日韩一区二区视频在线观看视频在线| 国产精品人妻久久久影院| 赤兔流量卡办理| 人妻 亚洲 视频| 国产精品一区二区在线观看99| 高清午夜精品一区二区三区| 最新中文字幕久久久久| 亚洲高清免费不卡视频| 一个人免费看片子| 国产免费一级a男人的天堂| 桃花免费在线播放| 国产亚洲精品久久久com| 涩涩av久久男人的天堂| 国产成人精品久久久久久| 桃花免费在线播放| a级毛片黄视频| 欧美精品高潮呻吟av久久| 你懂的网址亚洲精品在线观看| 日韩制服骚丝袜av| 美女cb高潮喷水在线观看| 亚洲av在线观看美女高潮| 国产精品.久久久| 欧美bdsm另类| 国语对白做爰xxxⅹ性视频网站| 高清毛片免费看| 看免费成人av毛片| 久久精品久久久久久噜噜老黄| 日韩成人av中文字幕在线观看| a级毛色黄片| 蜜桃在线观看..| 一级,二级,三级黄色视频| 男女边吃奶边做爰视频| 国产亚洲一区二区精品| 看免费成人av毛片| 少妇丰满av| 最近中文字幕高清免费大全6| 成人毛片60女人毛片免费| 国产国语露脸激情在线看| 视频中文字幕在线观看| 飞空精品影院首页| 精品酒店卫生间| 亚洲精品日韩av片在线观看| 18禁在线播放成人免费| a级毛色黄片| 免费少妇av软件| 考比视频在线观看| 国产成人aa在线观看| 国产欧美日韩综合在线一区二区| 又黄又爽又刺激的免费视频.| 亚洲精品美女久久av网站| 狠狠婷婷综合久久久久久88av| 亚洲精品日韩在线中文字幕| 视频区图区小说| 色哟哟·www| 久久国产亚洲av麻豆专区| 国产精品99久久99久久久不卡 | 久热这里只有精品99| 欧美最新免费一区二区三区| 亚洲精品aⅴ在线观看| 日韩一本色道免费dvd| 国产一区二区三区av在线| 国产欧美另类精品又又久久亚洲欧美| 久久影院123| 一本大道久久a久久精品| 欧美丝袜亚洲另类| 国产日韩欧美在线精品| 99国产精品免费福利视频| 纵有疾风起免费观看全集完整版| 亚洲天堂av无毛| 2018国产大陆天天弄谢| 日日爽夜夜爽网站| 99热6这里只有精品| 乱码一卡2卡4卡精品| 欧美日本中文国产一区发布| 伊人亚洲综合成人网| 国产国拍精品亚洲av在线观看| 国产 精品1| 日日摸夜夜添夜夜添av毛片| 美女主播在线视频| 日韩免费高清中文字幕av| 久久久a久久爽久久v久久| 在线天堂最新版资源| 在线观看三级黄色| 欧美丝袜亚洲另类| 老司机影院毛片| 十分钟在线观看高清视频www| 免费观看的影片在线观看| 青春草视频在线免费观看| 亚洲精品视频女| 青春草亚洲视频在线观看| 国产精品久久久久久精品古装| 日本黄色日本黄色录像| 亚洲精品乱久久久久久| 久久精品夜色国产| 欧美+日韩+精品| 视频区图区小说| 最近手机中文字幕大全| 国产又色又爽无遮挡免| 日本午夜av视频| 91精品伊人久久大香线蕉| 日日啪夜夜爽| 久久久久久久久久久久大奶| 一区二区三区四区激情视频| 一级爰片在线观看| 久久热精品热| 女人精品久久久久毛片| 人人澡人人妻人| 国产av国产精品国产| 777米奇影视久久| 国产成人a∨麻豆精品| 成人毛片a级毛片在线播放| 久久久久久久久久久免费av| 2022亚洲国产成人精品| 国产男人的电影天堂91| 在线观看免费高清a一片| 午夜激情福利司机影院| 国产一区有黄有色的免费视频| www.av在线官网国产| 亚洲av中文av极速乱| 亚州av有码| 亚洲精品av麻豆狂野| 少妇人妻精品综合一区二区| 欧美精品高潮呻吟av久久| 色94色欧美一区二区| 久久99蜜桃精品久久| 国精品久久久久久国模美| 国产乱人偷精品视频| 国产女主播在线喷水免费视频网站| 精品一区在线观看国产| 精品亚洲乱码少妇综合久久| 亚洲精品aⅴ在线观看| 国产日韩一区二区三区精品不卡 | 寂寞人妻少妇视频99o| 亚洲欧洲精品一区二区精品久久久 | 久久久久久人妻| 日日摸夜夜添夜夜添av毛片| 国产一区二区三区综合在线观看 | 精品国产一区二区三区久久久樱花| 大香蕉久久成人网| 午夜久久久在线观看| 高清欧美精品videossex| 国产精品久久久久久精品古装| 日韩电影二区| 久久久国产精品麻豆| 婷婷色综合大香蕉| 男女国产视频网站| 精品人妻熟女av久视频| 国产免费又黄又爽又色| 欧美日韩一区二区视频在线观看视频在线| 少妇人妻 视频| 最近中文字幕高清免费大全6| 久久久精品区二区三区| 少妇被粗大的猛进出69影院 | 精品酒店卫生间| freevideosex欧美| 午夜激情久久久久久久| 精品久久久精品久久久| 久久久久久人妻| 岛国毛片在线播放| 国产一区二区三区av在线| 亚洲国产精品一区三区| videossex国产| 丝瓜视频免费看黄片| 亚洲国产欧美日韩在线播放| 精品一区二区免费观看| 国产精品欧美亚洲77777| 桃花免费在线播放| 一二三四中文在线观看免费高清| 如何舔出高潮| 国产精品一区二区三区四区免费观看| 国产一区二区在线观看日韩| 毛片一级片免费看久久久久| 久久久国产欧美日韩av| 波野结衣二区三区在线| 欧美日韩成人在线一区二区| 99九九线精品视频在线观看视频| 亚洲欧美中文字幕日韩二区| 亚洲av不卡在线观看| 伦精品一区二区三区| 蜜臀久久99精品久久宅男| av天堂久久9| 婷婷色av中文字幕| 大香蕉久久网| 菩萨蛮人人尽说江南好唐韦庄| 欧美国产精品一级二级三级| 国产精品熟女久久久久浪| 国产亚洲精品第一综合不卡 | 精品亚洲成国产av| 久久精品人人爽人人爽视色| 最新中文字幕久久久久| 一级二级三级毛片免费看| 美女内射精品一级片tv| 国产亚洲一区二区精品| 亚洲人成网站在线观看播放| 少妇高潮的动态图| 天堂8中文在线网| 国产精品久久久久久av不卡| 久久久久网色| 老熟女久久久| 免费大片黄手机在线观看| av播播在线观看一区| a级毛片免费高清观看在线播放| 男人爽女人下面视频在线观看| 丝袜喷水一区| 精品国产露脸久久av麻豆| 亚洲综合色惰| 春色校园在线视频观看| 一个人免费看片子| 国产成人精品久久久久久| 日韩av免费高清视频| 简卡轻食公司| 国产午夜精品一二区理论片| 亚洲一区二区三区欧美精品| 成人18禁高潮啪啪吃奶动态图 | 夜夜爽夜夜爽视频| 人成视频在线观看免费观看| 中文字幕最新亚洲高清| 97在线人人人人妻| 婷婷色综合大香蕉| 久久久精品区二区三区| 亚洲国产精品一区二区三区在线| 精品久久国产蜜桃| 能在线免费看毛片的网站| 亚洲欧美成人综合另类久久久| 我的女老师完整版在线观看| 国模一区二区三区四区视频| 人妻系列 视频| 亚洲国产精品999| 街头女战士在线观看网站| 久久久精品94久久精品| 欧美xxxx性猛交bbbb| 精品视频人人做人人爽| 日韩av在线免费看完整版不卡| 中文字幕最新亚洲高清| 999精品在线视频| 欧美+日韩+精品| 久久久午夜欧美精品| 制服人妻中文乱码| 国产精品国产三级国产专区5o| 亚洲在久久综合| 九九久久精品国产亚洲av麻豆| 插阴视频在线观看视频| 大又大粗又爽又黄少妇毛片口| 欧美日韩在线观看h| 在现免费观看毛片| 九九在线视频观看精品| 嫩草影院入口| 大香蕉久久网| 一区二区三区四区激情视频| 99re6热这里在线精品视频| 一级a做视频免费观看| av黄色大香蕉| 亚洲欧洲国产日韩| 如何舔出高潮| 亚洲天堂av无毛| 免费黄色在线免费观看| 22中文网久久字幕| 美女国产高潮福利片在线看| 大话2 男鬼变身卡| 亚洲四区av| 亚洲中文av在线| av天堂久久9| 大又大粗又爽又黄少妇毛片口| www.色视频.com| 香蕉精品网在线| 亚洲精品亚洲一区二区| 老司机影院成人| 国产男女超爽视频在线观看| av国产精品久久久久影院| 欧美变态另类bdsm刘玥| 一边亲一边摸免费视频| av在线老鸭窝| 一本—道久久a久久精品蜜桃钙片| 三上悠亚av全集在线观看| 欧美日韩成人在线一区二区| 韩国av在线不卡| 天天操日日干夜夜撸| 亚洲综合精品二区| 九九在线视频观看精品| 性色avwww在线观看| 五月开心婷婷网| 青青草视频在线视频观看| 少妇被粗大的猛进出69影院 | 日本vs欧美在线观看视频| 国产一级毛片在线| 成人黄色视频免费在线看| 97精品久久久久久久久久精品| 日本黄大片高清| 99九九在线精品视频| 免费大片黄手机在线观看| 有码 亚洲区| 韩国高清视频一区二区三区| 看免费成人av毛片| 成人国产麻豆网| 在现免费观看毛片| 亚洲第一av免费看| 国产精品国产三级专区第一集| 久久99热这里只频精品6学生| 乱人伦中国视频| 亚洲精品亚洲一区二区| 最近中文字幕高清免费大全6| 久久久国产欧美日韩av| 视频在线观看一区二区三区| 精品少妇久久久久久888优播| 丝袜喷水一区| 最新的欧美精品一区二区| 一区二区三区四区激情视频| 亚洲欧美色中文字幕在线| 只有这里有精品99| 午夜福利视频精品| 国产午夜精品一二区理论片| 在线观看三级黄色| 国产爽快片一区二区三区| 国产有黄有色有爽视频| 亚洲综合精品二区| 国产精品.久久久| 中文精品一卡2卡3卡4更新| 国产欧美日韩一区二区三区在线 | 高清在线视频一区二区三区| 日日撸夜夜添| 国产精品麻豆人妻色哟哟久久| 一区二区av电影网| 亚洲少妇的诱惑av| 成人国语在线视频| 久久久久久久亚洲中文字幕| 啦啦啦在线观看免费高清www| 免费黄频网站在线观看国产| 国产精品国产三级国产av玫瑰| 日日啪夜夜爽| 日本vs欧美在线观看视频| 狠狠精品人妻久久久久久综合| 日韩中字成人| 特大巨黑吊av在线直播| 亚洲熟女精品中文字幕| 三上悠亚av全集在线观看| 免费观看a级毛片全部| 建设人人有责人人尽责人人享有的| 天天操日日干夜夜撸| 日本欧美国产在线视频| 满18在线观看网站| 中文乱码字字幕精品一区二区三区| 亚洲欧美一区二区三区黑人 | 91久久精品国产一区二区成人| 欧美日本中文国产一区发布| 美女福利国产在线| 人人妻人人爽人人添夜夜欢视频| 色视频在线一区二区三区| 97超碰精品成人国产| 97在线视频观看| 少妇被粗大的猛进出69影院 | 热re99久久国产66热| 日韩熟女老妇一区二区性免费视频| 国产成人免费无遮挡视频| 大香蕉久久网| 丰满少妇做爰视频| 99视频精品全部免费 在线| 精品久久久精品久久久| 日本黄大片高清| 久久久久网色| 久久热精品热| 插阴视频在线观看视频| 男女免费视频国产| 日韩亚洲欧美综合| a级毛片在线看网站| 久久精品夜色国产| 黄片无遮挡物在线观看| 中文字幕亚洲精品专区| 视频区图区小说| 99久久人妻综合| 日韩中字成人| 亚洲少妇的诱惑av| 亚洲综合色网址| 成年女人在线观看亚洲视频| 97在线视频观看| 国产成人午夜福利电影在线观看| 观看美女的网站| 亚洲无线观看免费| 久久 成人 亚洲| .国产精品久久| 99九九在线精品视频| 高清午夜精品一区二区三区| 美女国产高潮福利片在线看| 18在线观看网站| 国产69精品久久久久777片| 日本与韩国留学比较| 欧美丝袜亚洲另类| 母亲3免费完整高清在线观看 | 日韩欧美精品免费久久| 国产高清三级在线| 亚洲av男天堂| 99热6这里只有精品| 久久鲁丝午夜福利片| 一本—道久久a久久精品蜜桃钙片| 久久久久久久久久久丰满| 亚洲精品久久久久久婷婷小说| 成人免费观看视频高清| 丰满乱子伦码专区| 欧美一级a爱片免费观看看| 精品久久久久久久久亚洲| 精品国产国语对白av| 一边摸一边做爽爽视频免费| 欧美一级a爱片免费观看看| 亚洲精品乱久久久久久| 又黄又爽又刺激的免费视频.| www.色视频.com| 内地一区二区视频在线| 美女主播在线视频| 久久久久久久大尺度免费视频| 一区二区三区精品91| 黄色视频在线播放观看不卡| 欧美日韩一区二区视频在线观看视频在线| 99九九在线精品视频| 国产男女超爽视频在线观看| 黄色毛片三级朝国网站| 欧美+日韩+精品| 国产日韩一区二区三区精品不卡 | 免费av不卡在线播放| 久久久久人妻精品一区果冻| 免费人成在线观看视频色| 桃花免费在线播放| 99热这里只有精品一区| 国产精品一国产av| 久久精品国产亚洲网站| 久久免费观看电影| 国产成人aa在线观看| 老司机影院毛片| 91久久精品国产一区二区成人| 精品少妇黑人巨大在线播放| 自拍欧美九色日韩亚洲蝌蚪91| 女的被弄到高潮叫床怎么办| 日产精品乱码卡一卡2卡三| 曰老女人黄片| 欧美xxⅹ黑人| 久久午夜福利片| 免费大片黄手机在线观看| 国产精品女同一区二区软件| 午夜视频国产福利| 精品久久蜜臀av无| 亚洲av在线观看美女高潮| 精品国产乱码久久久久久小说| 国产无遮挡羞羞视频在线观看| 午夜日本视频在线| 日韩亚洲欧美综合| 你懂的网址亚洲精品在线观看| 亚洲国产精品一区三区| 国产又色又爽无遮挡免| 一二三四中文在线观看免费高清| 人妻制服诱惑在线中文字幕| 插阴视频在线观看视频| 久久热精品热| 热re99久久精品国产66热6| 超色免费av| av女优亚洲男人天堂| av线在线观看网站| 午夜免费观看性视频| 精品久久久久久久久亚洲| 久久精品国产亚洲网站| 亚洲第一区二区三区不卡| 能在线免费看毛片的网站| 国产白丝娇喘喷水9色精品| 日本爱情动作片www.在线观看| 尾随美女入室| 制服人妻中文乱码| 亚洲欧美成人精品一区二区| 久久久精品94久久精品| 亚洲av成人精品一区久久| 一本—道久久a久久精品蜜桃钙片| 国产乱人偷精品视频| 日本wwww免费看| 亚洲精品国产av蜜桃| 日韩伦理黄色片| 中文字幕免费在线视频6| 日本色播在线视频| 免费看av在线观看网站| 国产精品成人在线| 久久精品久久久久久久性| 91国产中文字幕| 免费看av在线观看网站| 交换朋友夫妻互换小说| 青春草国产在线视频| 精品久久久久久电影网| 99久久精品一区二区三区| 久久影院123| 高清视频免费观看一区二区| av免费在线看不卡| 中国国产av一级| 亚洲av成人精品一区久久| 色婷婷av一区二区三区视频| 狠狠精品人妻久久久久久综合| 黄片无遮挡物在线观看| 三级国产精品片| 黄片无遮挡物在线观看| 超碰97精品在线观看| 中文欧美无线码| 亚洲av综合色区一区| 亚洲美女黄色视频免费看| 妹子高潮喷水视频| 亚洲欧美成人综合另类久久久| 丝瓜视频免费看黄片| 少妇人妻 视频| 伊人久久国产一区二区| 99热网站在线观看| 91成人精品电影| 免费不卡的大黄色大毛片视频在线观看| 在线观看人妻少妇| 极品人妻少妇av视频| 丁香六月天网| 亚洲av福利一区| 人妻 亚洲 视频| 男女国产视频网站| 国产精品一区二区在线观看99| 亚洲欧美一区二区三区国产| 少妇丰满av| 一区二区日韩欧美中文字幕 | 9色porny在线观看| 欧美日韩一区二区视频在线观看视频在线| 久久久精品区二区三区| 亚州av有码| 一个人看视频在线观看www免费| 国内精品宾馆在线| 午夜av观看不卡| 亚洲av成人精品一区久久| 亚洲精品国产色婷婷电影| 人妻一区二区av| 亚洲欧美日韩卡通动漫| 久久久久久久久久久丰满| 伦理电影大哥的女人| 91在线精品国自产拍蜜月| www.av在线官网国产| 人人妻人人添人人爽欧美一区卜| 午夜免费男女啪啪视频观看| 视频中文字幕在线观看| av有码第一页| 国产亚洲精品久久久com| 两个人的视频大全免费| 人妻系列 视频| 国产国语露脸激情在线看| 涩涩av久久男人的天堂| 久久久国产一区二区| 亚洲精品久久成人aⅴ小说 | 日本av手机在线免费观看| 黑丝袜美女国产一区| 韩国高清视频一区二区三区| 国产精品人妻久久久影院| 久久鲁丝午夜福利片| 黄色视频在线播放观看不卡| 九九久久精品国产亚洲av麻豆| 18+在线观看网站| 亚洲欧美清纯卡通| 日本色播在线视频| av专区在线播放| 99九九在线精品视频| 日本与韩国留学比较| 午夜影院在线不卡| 日日摸夜夜添夜夜爱| 亚洲精品亚洲一区二区| 午夜福利视频在线观看免费| 久久99热这里只频精品6学生| 亚洲av欧美aⅴ国产| 亚洲美女搞黄在线观看| 亚洲国产精品一区三区| 日本黄大片高清| 成年av动漫网址| 日韩强制内射视频| 国产av码专区亚洲av| 嘟嘟电影网在线观看| 午夜激情久久久久久久| 人人妻人人澡人人爽人人夜夜| 一级黄片播放器| 国产欧美另类精品又又久久亚洲欧美| 看免费成人av毛片| 亚洲av免费高清在线观看| 亚洲精品亚洲一区二区| 久热久热在线精品观看| 成人国语在线视频| 日韩在线高清观看一区二区三区| 在线观看免费高清a一片| 大话2 男鬼变身卡| 丰满饥渴人妻一区二区三| 免费播放大片免费观看视频在线观看| 亚洲国产精品成人久久小说| 一级,二级,三级黄色视频| 女的被弄到高潮叫床怎么办| 亚州av有码| 91精品一卡2卡3卡4卡| av卡一久久| 母亲3免费完整高清在线观看 | 亚洲精品亚洲一区二区| 久热久热在线精品观看| 日韩三级伦理在线观看| 欧美激情 高清一区二区三区| 18禁在线无遮挡免费观看视频| 国产成人精品久久久久久| 国产精品一二三区在线看| 少妇人妻久久综合中文| 午夜免费男女啪啪视频观看| 毛片一级片免费看久久久久| 两个人的视频大全免费|