• <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RF-WOA-VMD-BiGRU-Attention的神經(jīng)網(wǎng)絡(luò)模型在海浪預測中的應用

    2024-04-01 07:49:54李練兵張燕亮吳偉強魏玉憧李佳根盧盛欣
    科學技術(shù)與工程 2024年7期
    關(guān)鍵詞:海況海浪注意力

    李練兵, 張燕亮, 吳偉強, 魏玉憧, 李佳根, 盧盛欣

    (1.河北工業(yè)大學人工智能與數(shù)據(jù)科學學院, 天津 300130; 2.河北建投海上風電有限公司, 唐山 063000)

    目前海浪預測[1]的方法主要分為3種:基于物理的數(shù)值方法,基于經(jīng)驗的統(tǒng)計方法和機器學習方法?;谖锢淼臄?shù)值方法是理論驅(qū)動的,利用求解海浪的控制方程進行預測,但是只對海域比較寬闊,環(huán)境比較平緩的海浪有較好的預測結(jié)果。迄今為止,最成熟的基于物理的波模型是第三代海浪波模型[2],但是依舊需要大量的計算時間,這也是日常使用中最大的限制?;诮?jīng)驗的統(tǒng)計方法在預測中使用的假設(shè)模型,根據(jù)從實際得到的與過程有關(guān)的數(shù)據(jù)進行數(shù)理統(tǒng)計分析,預測的效果一般。如自回歸模型和自回歸移動平均法。機器學習方法通過輸入和輸出的大量歷史數(shù)據(jù)描述了更全面的輸入輸出關(guān)系,例如,利用人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN)[3]預測海浪數(shù)據(jù),ANN對于建立復雜非線性映射擬合函數(shù)的能力非常顯著。然而,上述神經(jīng)網(wǎng)絡(luò)自身存在的缺點是忽略了數(shù)據(jù)對時間的依賴性,使得預測模型對噪聲十分敏感,預測準確性下降[4]。(long short-term memory, LSTM)和(gated recurrent unit, GRU)都是循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network, RNN)的進階版本,LSTM[5]是對RNN的細胞結(jié)構(gòu)進行優(yōu)化,GRU則是將LSTM從內(nèi)部結(jié)構(gòu)上進行進一步的優(yōu)化。雙向門控循環(huán)單元(bidirectional gated recurrent unit,BiGRU)在GRU上增加了一個反向隱藏層,這樣正向隱藏層和反向隱藏層可以互相利用隱藏層中的數(shù)據(jù),預測結(jié)果會更加準確。該模型的預期效果在數(shù)據(jù)集較大的情況下具有更快的訓練速度、更高的準確性、更好的處理順序信息、更少的內(nèi)存消耗,提高海浪預測模型預測精度[6]。研究結(jié)果證明GRU的預測性能明顯高于LSTM和RNN,并解決了RNN存在的梯度爆炸性消失和長期記憶力不足等問題。

    為了解決上述的各類問題,現(xiàn)提出一種結(jié)合隨機森林、鯨魚算法、變分模態(tài)分解的雙向門控循環(huán)單元的海上風電場海浪預測模型,選取河北樂亭菩提島風電場近一年來的海上數(shù)據(jù)作為預測模型的基礎(chǔ)數(shù)據(jù)。首先使用隨機森林篩選出與海浪波高相關(guān)性較強的環(huán)境特征數(shù)據(jù),應用WOA(whale optimization algorithm)-VMD(variational mode decomposition)模型進一步降低數(shù)據(jù)噪聲,提高模型的輸入質(zhì)量。最后將BiGRU與隨機森林的注意力機制相結(jié)合,結(jié)合后注意力機制將為BiGRU的隱藏層分配不同權(quán)重并加強關(guān)鍵信息的影響,搭建出RF-WOA-VMD-BiGRU-Attention海浪預測模型。

    1 RF-WOA-VMD-BiGRU-Attention神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

    1.1 數(shù)據(jù)準備

    1.1.1 海況數(shù)據(jù)采集

    采取樂亭菩提島風電場以觀測站的海況數(shù)據(jù)作為樣本數(shù)據(jù)集,樣本數(shù)據(jù)集中采集了2020年1月1日0時—2021年12月31日24時的相關(guān)海況數(shù)據(jù)。表1為一段時間內(nèi)的原始海況數(shù)據(jù)。

    表1 海況數(shù)據(jù)表Table 1 Sea state data sheet

    從表1的數(shù)據(jù)可以看出,該風電場的海況數(shù)據(jù)是間隔1 h進行記錄更新,海況數(shù)據(jù)的要素包括海溫(Sea_T)、浪高(WV_H)、風速(Win_S)、海流流速(SS)、能見度(VS)、體感溫度(Som_T)、云量(CC)、天文潮(Ast_T)、水位(Wat_L)、年/月/日(YY/MM/DD)、時(Hour)、經(jīng)緯度(LaL)、點位(Point)。

    1.1.2 海況數(shù)據(jù)預處理

    (1)數(shù)據(jù)清理。首先要對海況數(shù)據(jù)中重復、缺失的數(shù)據(jù)進行處理。使用線性插值技術(shù),線性插值使用數(shù)據(jù)集中最后一個和第一個可用的平均值插補缺失值。公式為

    (1)

    式(1)中:f(x)為在位置x的估計值;f(x1)和f(x0)為已知數(shù)據(jù)點的對應值;x1和x0為已知數(shù)據(jù)點的位置。

    (2)數(shù)據(jù)規(guī)約。數(shù)據(jù)歸約則是通過降維刪除不需要的屬性來減少數(shù)據(jù)量,最大限度地減少數(shù)據(jù)丟失。其次,在盡可能保證數(shù)據(jù)信息完整性的同時,可以將已有數(shù)據(jù)降維到更低的維度,在實踐中可以提高建模的效率[7]。

    (3)數(shù)據(jù)變換。不同特征的數(shù)據(jù)維度可能不一致,如果對數(shù)據(jù)進行歸一化,則數(shù)據(jù)值之間的差異可能非常大,如果不對數(shù)據(jù)進行處理,可能會影響數(shù)據(jù)分析的結(jié)果。因此,需要將數(shù)據(jù)按照一定的比例放縮,使其停留在特定區(qū)域進行綜合分析。本文中采用最大-最小規(guī)范化方法將數(shù)據(jù)映射到[0 1]區(qū)間[8]。即

    (2)

    式(2)中:xnew為規(guī)范后的數(shù)據(jù);x為原始數(shù)據(jù);xmin和xmax分別為要將數(shù)據(jù)映射到的規(guī)范化范圍的最小值和最大值。

    1.2 隨機森林

    通過隨機森林算法對冗余的數(shù)據(jù)進行剔除,只留下與海浪預測關(guān)聯(lián)性大的特征,來避免因輸入量過于繁雜帶來的數(shù)據(jù)冗余問題[9]。圖1所示為隨機森林算法示意圖。

    圖1 隨機森林算法示意圖Fig.1 Schematic diagram of the random forest algorithm

    (3)

    式(3)中:當0<σ<1時呈現(xiàn)正相關(guān),-1<σ<0時呈現(xiàn)負相關(guān)。當σ的值無限接近1時,表明A和B之間呈現(xiàn)更高的相關(guān)性。

    向量A和B分別表示各個數(shù)據(jù)集的向量值,任意一個數(shù)據(jù)集與另一個數(shù)據(jù)集之間的相關(guān)系數(shù)均由此計算。

    圖2所示為本研究中使用的數(shù)據(jù)集的特征相關(guān)熱圖,這些數(shù)據(jù)集以浪高作為分析目標。從圖2可知,浪高與風速、海流流速、云量、天文潮和水位呈現(xiàn)正相關(guān),因此當風速、海流流速、云量、天文潮以及水位較大(高)時,海平面會發(fā)生變化,海浪高度會隨之變的更高且更加不穩(wěn)定。浪高與海溫、能見度和體感溫度呈現(xiàn)負相關(guān),考慮到當整體溫度較高時且能見度較高時,天氣相對比較晴朗,海平面更加穩(wěn)定,海浪會變得更小、更加平穩(wěn)[10]。

    接下來進行特征重要性評估,在冗余的特征中選擇出對預測結(jié)果影響最大的那幾個特征,以此來縮減模型建立時的特征數(shù)。

    (2)第i棵樹節(jié)點q的Gini指數(shù)計算公式為

    (4)

    式(4)中:pqc、pqc′為節(jié)點q中類別c、c′所占的比例。

    節(jié)點q前后的Gini指數(shù)變化值為

    (5)

    假設(shè)特征XJ在決策樹i中出現(xiàn)的節(jié)點為集合Q,那么XJ在第i棵樹的重要性為

    (6)

    假設(shè)RF中共有I棵樹,那么

    (7)

    最后,將重要性評分進行歸一化處理,得到特征重要性評估結(jié)果,公式為

    (8)

    如圖3可以看出,在海浪預測變量重要性度量[12]過程中,風速與海浪的關(guān)聯(lián)最緊密。

    圖3 隨機森林特征選擇結(jié)果Fig.3 Random forest feature selection results

    1.3 數(shù)據(jù)預處理模型

    1.3.1 變分模態(tài)分解(VMD)

    VMD是一種非遞歸和自適應分解模型,用于處理非平穩(wěn)信號的自適應分解[13]。該模型采用wiener濾波對相關(guān)參數(shù)進行初始化,得到K估計的中心角頻率wk,然后使用交替乘法更新每個模態(tài)函數(shù)及其中心頻率,并將每個模態(tài)解調(diào)到相關(guān)的頻段,以最小化總估計帶寬。公式為

    (9)

    式(9)中:δ(t)為單位沖激函數(shù);{uk}={u1,u2,…,uK}和{ωk}={ω1,ω2,…,ωK}為K從固有模態(tài)函數(shù)(IMF)分解中獲得的分量和中心頻率。式(9)通過使用改進拉格朗日算子λ(t)和二次懲罰因子得到,即

    L({uk},{ωk},λ)=

    (10)

    尋找變量受限的最優(yōu)解,uk和ωk更新后得到

    (11)

    (12)

    VMD模型的步驟如下:

    (2)根據(jù)式(11)和式(12)更新uk、wk。

    1.3.2 鯨魚算法(WOA)

    WOA作為一種新穎的智能算法,其核心是模擬座頭鯨的狩獵行為。在WOA算法中,螺旋用于實現(xiàn)局部搜索,隨機學習策略用于全局搜索。具體步驟如下。

    (1)圍捕獵物。座頭鯨可以識別位置并包圍獵物,在此算法中,離目標最近的單個鯨魚的位置被設(shè)置為最佳位置。確定最佳位置后,其他鯨魚會接近該位置。包圍獵物的公式為

    W(t+1)=W*(t)-AD

    (13)

    D=∣CW*(t)-W(t)∣

    (14)

    A=2ar1-a

    (15)

    C=2r2

    (16)

    (17)

    式中:t為當前迭代;W*(t)為當前最佳位置向量;A、C為系數(shù);r1和r2為0~1的隨機數(shù);a為一個0~2線性變化的量;Tmax為最大迭代次數(shù)。

    (2)搜尋行為。座頭鯨沿著螺旋路徑走向獵物,模擬座頭鯨狩獵行為的數(shù)學模型為

    W(t+1)=W*(t)+Dpeblcos(2πl(wèi))

    (18)

    式(18)中:Dp=∣W*(t)-W(t)∣表示獵物到座頭鯨的有向距離;b作為參數(shù)常量控制螺旋的形狀;l為[-1,1]范圍內(nèi)的隨機數(shù)。

    此外,當座頭鯨圍繞獵物盤旋時,包圍逐漸縮小。為了模擬這種行為,假設(shè)座頭鯨選擇了一個收縮的包絡(luò)和螺旋模型,并有50%的概率更新它們的位置,因此開發(fā)了數(shù)學模型,即

    (19)

    式(19)中:p為[0,1]范圍內(nèi)的隨機數(shù)。

    (3)尋找獵物。座頭鯨在尋找獵物時根據(jù)它們彼此之間的位置隨機游動,這可以用以下數(shù)學模型表示,即

    D=∣CWrand(t)-W(t)∣

    (20)

    W(t+1)=Wrand(t)-AD

    (21)

    式中:Wrand表示隨機選擇的鯨魚位置,當|A|>1,鯨魚被迫遠離獵物,同時用隨機生成的Wrand來尋找更合適的獵物。

    1.3.3 基于WOA的VMD參數(shù)優(yōu)化

    使用WOA優(yōu)化VMD參數(shù)的過程如圖4所示[14]。首先初始化座頭鯨的種群位置向量[K,α],以包絡(luò)熵為適應度函數(shù)計算每頭座頭鯨的適應度,然后通過判斷收斂因子的大小,選擇迭代公式來更新迭代公式,得知滿足終止條件,輸出最優(yōu)VMD參數(shù)。

    圖4 基于WOA優(yōu)化VMD參數(shù)流程圖Fig.4 Flowchart of optimizing VMD parameters based on WOA

    1.4 數(shù)據(jù)集成預測模型

    1.4.1 雙向門控循環(huán)單元(BiGRU)

    圖5為GRU的單元結(jié)構(gòu),其計算工作原理可表示為

    圖5 GRU單元結(jié)構(gòu)Fig.5 Structure of the GRU unit

    zt=σ(Wz[ht-1,xt])

    (22)

    rt=σ(Wr[ht-1,xt])

    (23)

    (24)

    (25)

    雙向GRU由兩個GRU組成:一個是正向的GRU模型,接受正向的輸入;另一個是反向的GRU模型,學習反向的輸入。BiGRU可以提高模型在后續(xù)預測問題中的性能,在任意時刻, 兩個GRU的狀態(tài)共同決定BiGRU的輸出。BiGRU的具體結(jié)構(gòu)如圖6所示。

    圖6 雙向GRU結(jié)構(gòu)模型Fig.6 Bidirectional GRU structure model

    (26)

    (27)

    (28)

    式中:wt、vt分別為正向權(quán)重參數(shù)和反向權(quán)重參數(shù),bt為偏置參數(shù)。

    1.4.2 注意力機制

    在神經(jīng)網(wǎng)絡(luò)模型中,當輸入大量的參數(shù)信息時會造成參數(shù)過載問題。而注意力機制恰好可以在復雜繁多的參數(shù)信息內(nèi)找到最重要的信息,而對其他非重要的信息的注意力會下降,甚至可以有效地過濾掉一些無用信息,提高工作效率的同時保證了準確性。注意力機制主要應用在循環(huán)神經(jīng)網(wǎng)絡(luò)框架中隱藏狀態(tài)矩陣Xi={X1,X2,…,XN}的生成過程中,計算表達式為

    αi=p(z=i∣X,q)

    =softmax[s(xi,q)]

    (29)

    (30)

    式中:Xi為第i時刻的隱藏狀態(tài)信息;att(X,q)是注意力權(quán)重。

    1.5 評估指標

    為了比較不同模型的預測精度,采用均方根誤差(root mean square error,RMSE)和平均絕對百分比誤差(mean absolute percentage error, MAPE)兩個評價指標對比RF-BiGRU、RF-BiGRU-Attention、RF-VMD-BiGRU-Attention、RF-WOA-VMD-BiGRU-Attention,通過分析結(jié)果判斷RF-WOA-VMD-BiGRU-Attention模型預測準確。

    (1)均方根誤差RMSE數(shù)值越小代表預測誤差越小,預測結(jié)果更加準確。計算公式為

    (31)

    (2)平均絕對百分比誤差MAPE數(shù)值越小代表預測誤差越小,預測結(jié)果更加準確。計算公式為

    (32)

    1.6 混合海浪預測模型

    BiGRU網(wǎng)絡(luò)可以有效地學習和訓練波動的時間數(shù)據(jù)序列,從而提取時間特征。注意力機制的引入為特征分配了不同的權(quán)重,放大了重要信息的影響,提高模型效率。因此,該文提出一種引入注意力機制的BiGRU海浪高度預測模型。通過組合多種結(jié)構(gòu),學習原始數(shù)據(jù)的特性,獲得更準確的預測結(jié)果。圖7顯示了有5個主要部分組成的模型結(jié)構(gòu):輸入層、特征過濾層、特征分解、BiGRU層、注意力層和輸出層。分解模塊的結(jié)果作為下一層的輸入,從所提出的特征中學習序列的時間變化模式,以實現(xiàn)預測功能。最后,通過輸出層得到預測結(jié)果。

    圖7 基于RF-WOA-VMD-BiGRU-Attention的海浪預測模型框架Fig.7 Wave prediction model framework based on RF-WOA-VMD-BiGRU-Attention

    2 實驗分析

    2.1 基于WOA-VMD的模型分解結(jié)果

    為了驗證基于RF-BiGRU海浪預測模型的卓越性,采用樂亭菩提島風電場2020—2021兩年的海況數(shù)據(jù)作為訓練樣本,預測樣本為2022年上半年的觀測數(shù)據(jù),并用RF-BiGRU、RF-BiGRU-Attention、RF-VMD-BiGRU-Attention、RF-WOA-VMD-BiGRU-Attention模型作為對比試驗。

    為了進一步提高數(shù)據(jù)質(zhì)量并消除噪聲的影響,采用WOA-VMD對海浪序列進行分解。首先,鯨魚的數(shù)量設(shè)置為10,最大迭代次數(shù)為50,變量數(shù)量為2,懲罰因子為[100, 2 000],K取值范圍為[3,7]且僅包含整數(shù)。然后使用WOA優(yōu)化VMD參數(shù)。

    如圖8所示為預測模型訓練和測試迭代50次的損失函數(shù)曲線,當?shù)螖?shù)達到8次時,損失函數(shù)趨于收斂,且損失值基本不再變化。圖9為懲罰因子優(yōu)化曲線,經(jīng)過8次迭代進化后,得到的最優(yōu)懲罰參數(shù)為100。從圖10可以看出迭代后,本征模函數(shù)(intrinsic mode function,IMF)最佳數(shù)值為7?;谏鲜龃_定好的參數(shù),對原始信號進行分解,得到的基于WOA-VMD的模態(tài)分解圖如圖11所示。

    圖8 損失函數(shù)曲線圖Fig.8 Loss function graph

    圖9 懲罰因子優(yōu)化曲線圖Fig.9 Penalty factor optimization curve

    圖10 模態(tài)分解曲線圖Fig.10 Modal decomposition curve

    圖11 基于WOA-VMD模態(tài)分解圖Fig.11 Based on the WOA-VMD modal exploded view

    2.2 基于RF-WOA-VMD-BiGRU-Attention模型浪高預測結(jié)果

    由于文本海況數(shù)據(jù)量級過大,從數(shù)據(jù)集中隨機選取連續(xù)5 d的數(shù)據(jù)進行預測,得到預測效果如圖12所示。可以看出本文提出的RF-WOA-VMD-BiGRU-Attention模型具有良好的預測精度,在面對波動較大的海況數(shù)據(jù)時保持了良好的魯棒性。本文提出的模型RMSE為0.555 7,MAPE為3.85%。

    圖12 RF-WOA-VMD-BiGRU-Attention模型預測效果圖Fig.12 RF-WOA-VMD-BiGRU-Attention model prediction effect

    2.3 多模型對比

    為了評估所提出模型的優(yōu)化效果,構(gòu)建了另外3個模型來分別驗證添加WOA、VMD和注意力機制的效果。如圖13所示為多模型預測效果對比圖。

    為了精確地對比出不同預測模型的預測精度,表2為測試過程中RF-WOA-VMD-BiGRU-Attention、RF-VMD-BiGRU-Attention、RF-BiGRU-Attention、RF-BiGRU的RMSE、MAPE數(shù)值,通過對比RMSE和MAPE的值可以得出RF-WOA-VMD-BiGRU-Attention預測模型的預測精度更高。

    表2 各模型誤差對比Table 2 Comparison of error between models

    3 結(jié)論

    本文搭建了RF-WOA-VMD-BiGRU-Attention模型,基于隨機森林對輸入特征進行篩選,利用WOA-VMD對模型的數(shù)據(jù)噪聲進行分解,最后利用注意力機制進一步優(yōu)化BiGRU來達到精準預測。以樂亭菩提島風電場的海況數(shù)據(jù)為基礎(chǔ)進行預測分析,實驗結(jié)果表明,VMD可以有效地降低噪聲,提高模型預測能力。VMD分解后RMSE和MAPE指數(shù)分別下降了43.90%和54.20%。采用WOA-VMD算法,得到VMD的最優(yōu)關(guān)鍵參數(shù),提高VMD的分解效果,應用WOA-VMD分解策略,RMSE和MAPE指數(shù)分別下降了78.52%和85.70%。注意力機制可以有效地聚集關(guān)鍵信息,消除冗余信息,引用注意力機制后,RMSE和MAPE指數(shù)分別下降了21.08%和10.65%。RF-WOA-VMD-BiGRU-Attention模型與其他模型相比,有效地降低了數(shù)據(jù)噪聲的干擾,對于處理規(guī)模龐大的數(shù)據(jù)來說訓練速度更快、結(jié)構(gòu)更簡單、處理長短序列性能更優(yōu)越、內(nèi)存消耗更少,能夠更加準確地預測海浪高度??傮w來說,本文提出了性能優(yōu)良、泛化能力強的預測模型,但是海浪預測領(lǐng)域還是存在很多問題需要進一步研究。例如,沒有考慮到風機尾流效應的影響,由于各個風電場的地理位置不同,導致海況數(shù)據(jù)的準確性也不同,預測結(jié)果也會有所不同,這也是將來我們進一步的研究方向。

    猜你喜歡
    海況海浪注意力
    讓注意力“飛”回來
    丫丫和小海浪
    幼兒園(2021年13期)2021-12-02 05:13:54
    海浪
    小讀者(2021年2期)2021-11-23 07:17:34
    典型海況下艦載發(fā)射箱結(jié)構(gòu)強度仿真分析
    樊應舉
    書香兩岸(2020年3期)2020-06-29 12:33:45
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    A Beautiful Way Of Looking At Things
    惡劣海況下海洋石油116內(nèi)轉(zhuǎn)塔式FPSO裝配載優(yōu)化
    船海工程(2015年4期)2016-01-05 15:53:38
    極端海況下軟質(zhì)海崖大規(guī)模蝕退計算模型研究
    極限海況下單點系泊系統(tǒng)纜索動張力研究
    人人澡人人妻人| 日本一区二区免费在线视频| 亚洲精品美女久久av网站| 日本欧美视频一区| av线在线观看网站| 另类精品久久| 免费在线观看影片大全网站| 亚洲成人免费电影在线观看| 精品国产亚洲在线| 国产精品免费视频内射| 精品少妇一区二区三区视频日本电影| 9热在线视频观看99| 在线观看www视频免费| 亚洲精品中文字幕在线视频| 每晚都被弄得嗷嗷叫到高潮| 国产欧美日韩一区二区三区在线| 黄网站色视频无遮挡免费观看| 午夜视频精品福利| 亚洲成av片中文字幕在线观看| 麻豆av在线久日| 人妻久久中文字幕网| 亚洲专区字幕在线| 少妇精品久久久久久久| 国内毛片毛片毛片毛片毛片| 国产97色在线日韩免费| 热99国产精品久久久久久7| 国产精品影院久久| 亚洲人成77777在线视频| 99热国产这里只有精品6| 久久99热这里只频精品6学生| 建设人人有责人人尽责人人享有的| 久久精品aⅴ一区二区三区四区| 亚洲欧美一区二区三区黑人| 熟女少妇亚洲综合色aaa.| 一本大道久久a久久精品| 人人妻,人人澡人人爽秒播| 国产精品.久久久| 99精品久久久久人妻精品| 高潮久久久久久久久久久不卡| 女同久久另类99精品国产91| 欧美黄色片欧美黄色片| 亚洲一卡2卡3卡4卡5卡精品中文| 精品高清国产在线一区| 女人高潮潮喷娇喘18禁视频| 男女之事视频高清在线观看| 法律面前人人平等表现在哪些方面| 在线十欧美十亚洲十日本专区| 亚洲成人免费av在线播放| 一个人免费在线观看的高清视频| 欧美黄色淫秽网站| 美女国产高潮福利片在线看| av视频免费观看在线观看| 免费观看av网站的网址| 欧美精品一区二区免费开放| 国产国语露脸激情在线看| 成人国语在线视频| 色综合欧美亚洲国产小说| 欧美精品av麻豆av| 国产99久久九九免费精品| 无限看片的www在线观看| 午夜激情av网站| 12—13女人毛片做爰片一| 亚洲美女黄片视频| 考比视频在线观看| 99精品欧美一区二区三区四区| 黄色视频,在线免费观看| 91麻豆精品激情在线观看国产 | 成人影院久久| 亚洲中文日韩欧美视频| 亚洲少妇的诱惑av| 欧美激情高清一区二区三区| 国产亚洲午夜精品一区二区久久| 国产精品国产高清国产av | 精品免费久久久久久久清纯 | 757午夜福利合集在线观看| 国产在线观看jvid| 久久久久国内视频| 啦啦啦在线免费观看视频4| 纯流量卡能插随身wifi吗| 岛国毛片在线播放| 免费不卡黄色视频| 9热在线视频观看99| 久久精品国产亚洲av香蕉五月 | 色尼玛亚洲综合影院| 亚洲专区国产一区二区| 少妇被粗大的猛进出69影院| 别揉我奶头~嗯~啊~动态视频| 黄片播放在线免费| 人人妻,人人澡人人爽秒播| 久久中文字幕一级| 黑人猛操日本美女一级片| 一边摸一边做爽爽视频免费| 成人免费观看视频高清| 日韩中文字幕视频在线看片| 女同久久另类99精品国产91| 女性生殖器流出的白浆| 一级片'在线观看视频| 曰老女人黄片| 男女床上黄色一级片免费看| 桃花免费在线播放| 国产精品国产高清国产av | 男女边摸边吃奶| 国产精品 欧美亚洲| 侵犯人妻中文字幕一二三四区| 一进一出好大好爽视频| bbb黄色大片| 欧美日韩国产mv在线观看视频| 免费黄频网站在线观看国产| 亚洲精品自拍成人| 日日摸夜夜添夜夜添小说| 日韩欧美国产一区二区入口| 交换朋友夫妻互换小说| 色尼玛亚洲综合影院| 在线观看www视频免费| 亚洲精品国产精品久久久不卡| 一区二区av电影网| 老熟妇乱子伦视频在线观看| 欧美黑人欧美精品刺激| 女人精品久久久久毛片| 麻豆成人av在线观看| 亚洲,欧美精品.| 久久香蕉激情| 中文字幕高清在线视频| 亚洲国产看品久久| 男人操女人黄网站| 中文字幕高清在线视频| 丰满饥渴人妻一区二区三| www.自偷自拍.com| 国产av精品麻豆| 91成年电影在线观看| 亚洲av电影在线进入| 黄频高清免费视频| 一进一出抽搐动态| 脱女人内裤的视频| 下体分泌物呈黄色| 热re99久久精品国产66热6| 无遮挡黄片免费观看| 精品少妇黑人巨大在线播放| 啪啪无遮挡十八禁网站| 99热网站在线观看| 中文字幕av电影在线播放| 黑人巨大精品欧美一区二区mp4| 无遮挡黄片免费观看| av有码第一页| a在线观看视频网站| 国产精品久久电影中文字幕 | 亚洲精品乱久久久久久| 免费一级毛片在线播放高清视频 | 在线观看免费视频网站a站| 国产av精品麻豆| 99精品久久久久人妻精品| av天堂久久9| 亚洲色图av天堂| 精品亚洲乱码少妇综合久久| 男女床上黄色一级片免费看| 久久久久国内视频| 国产激情久久老熟女| 一区二区三区乱码不卡18| 女人被躁到高潮嗷嗷叫费观| 亚洲精品一二三| 久久中文字幕一级| 女警被强在线播放| 色综合欧美亚洲国产小说| 看免费av毛片| 精品福利观看| 女人高潮潮喷娇喘18禁视频| 十八禁高潮呻吟视频| 人人妻人人爽人人添夜夜欢视频| 久久久久久久久久久久大奶| 少妇的丰满在线观看| 99久久99久久久精品蜜桃| 乱人伦中国视频| 热99久久久久精品小说推荐| 亚洲av日韩在线播放| 性少妇av在线| 啦啦啦在线免费观看视频4| 日韩一区二区三区影片| 国产av一区二区精品久久| 久久99一区二区三区| 波多野结衣一区麻豆| 国产成人啪精品午夜网站| 一区二区三区国产精品乱码| 国产亚洲一区二区精品| 国产不卡av网站在线观看| 交换朋友夫妻互换小说| 黑人操中国人逼视频| 国产高清视频在线播放一区| 久久中文看片网| 久久精品91无色码中文字幕| 熟女少妇亚洲综合色aaa.| av电影中文网址| 国产深夜福利视频在线观看| 天堂动漫精品| 美女主播在线视频| 久久99热这里只频精品6学生| 亚洲成人免费电影在线观看| 国产淫语在线视频| 少妇裸体淫交视频免费看高清 | 女人精品久久久久毛片| 午夜日韩欧美国产| 久久久久久久国产电影| 亚洲成av片中文字幕在线观看| 色精品久久人妻99蜜桃| 欧美另类亚洲清纯唯美| 中文字幕精品免费在线观看视频| 丝袜在线中文字幕| 一二三四社区在线视频社区8| 国产成人影院久久av| 亚洲欧洲精品一区二区精品久久久| 老司机亚洲免费影院| 一个人免费看片子| 欧美日韩亚洲综合一区二区三区_| av福利片在线| 黄色毛片三级朝国网站| 美女视频免费永久观看网站| 日本精品一区二区三区蜜桃| 亚洲五月婷婷丁香| 久久影院123| 欧美成人午夜精品| 精品人妻在线不人妻| 最近最新中文字幕大全免费视频| 色综合欧美亚洲国产小说| www日本在线高清视频| 天天躁狠狠躁夜夜躁狠狠躁| 成人免费观看视频高清| 国产欧美日韩一区二区精品| 国产成人av激情在线播放| 999久久久精品免费观看国产| 午夜福利,免费看| 成人黄色视频免费在线看| 人人澡人人妻人| 国产无遮挡羞羞视频在线观看| 亚洲第一青青草原| 后天国语完整版免费观看| 国产99久久九九免费精品| 欧美日韩亚洲高清精品| 国产精品.久久久| 亚洲国产av新网站| 美女福利国产在线| 久久久久久人人人人人| 亚洲精品美女久久av网站| 在线观看免费午夜福利视频| 精品高清国产在线一区| 国产深夜福利视频在线观看| 国产男女超爽视频在线观看| 操美女的视频在线观看| av电影中文网址| 在线观看一区二区三区激情| 91av网站免费观看| 久久久精品国产亚洲av高清涩受| 亚洲国产欧美网| 新久久久久国产一级毛片| 日韩欧美免费精品| 精品欧美一区二区三区在线| 在线 av 中文字幕| 国产av一区二区精品久久| 亚洲人成电影观看| 高潮久久久久久久久久久不卡| 久久久久久人人人人人| 黑丝袜美女国产一区| 中文字幕色久视频| 欧美日韩av久久| 国产91精品成人一区二区三区 | 国产视频一区二区在线看| 亚洲第一青青草原| 久久午夜亚洲精品久久| 天堂8中文在线网| 91字幕亚洲| 免费观看人在逋| 国产激情久久老熟女| av免费在线观看网站| 热99久久久久精品小说推荐| 国产色视频综合| 精品国产乱子伦一区二区三区| 中文字幕制服av| 亚洲性夜色夜夜综合| 日韩中文字幕视频在线看片| 777久久人妻少妇嫩草av网站| 亚洲,欧美精品.| av福利片在线| 中文字幕高清在线视频| 丝瓜视频免费看黄片| 大陆偷拍与自拍| 日韩中文字幕视频在线看片| 黄色成人免费大全| 91精品三级在线观看| 国产精品秋霞免费鲁丝片| 99九九在线精品视频| 国产真人三级小视频在线观看| 一级片免费观看大全| 精品少妇久久久久久888优播| 大型黄色视频在线免费观看| 俄罗斯特黄特色一大片| 91麻豆av在线| 欧美成人午夜精品| 欧美激情极品国产一区二区三区| 老司机午夜十八禁免费视频| 欧美性长视频在线观看| 考比视频在线观看| 国产av又大| 色综合婷婷激情| 国产日韩欧美在线精品| 一边摸一边抽搐一进一小说 | 啦啦啦视频在线资源免费观看| 女人高潮潮喷娇喘18禁视频| 国产成人精品久久二区二区91| 正在播放国产对白刺激| 午夜视频精品福利| 日韩三级视频一区二区三区| 操出白浆在线播放| 精品国产乱子伦一区二区三区| 女人被躁到高潮嗷嗷叫费观| 黄色视频,在线免费观看| 熟女少妇亚洲综合色aaa.| 成人特级黄色片久久久久久久 | 欧美日韩亚洲综合一区二区三区_| 午夜久久久在线观看| 蜜桃国产av成人99| 日韩视频一区二区在线观看| 国产单亲对白刺激| 国产精品亚洲一级av第二区| 久久久久精品人妻al黑| 国产成人欧美在线观看 | 久久精品亚洲精品国产色婷小说| 一个人免费看片子| 国产伦人伦偷精品视频| 大片电影免费在线观看免费| 国产精品免费视频内射| 少妇被粗大的猛进出69影院| 美女主播在线视频| 亚洲专区字幕在线| 国产欧美日韩一区二区三| 中文字幕人妻熟女乱码| 欧美乱码精品一区二区三区| 日韩精品免费视频一区二区三区| a在线观看视频网站| 香蕉久久夜色| 久热这里只有精品99| 精品一区二区三区四区五区乱码| 免费日韩欧美在线观看| 国产精品二区激情视频| 欧美日韩视频精品一区| 亚洲成人手机| 在线观看人妻少妇| 欧美亚洲 丝袜 人妻 在线| 啦啦啦在线免费观看视频4| 亚洲美女黄片视频| 久久天躁狠狠躁夜夜2o2o| 最近最新中文字幕大全电影3 | 亚洲精品乱久久久久久| 在线观看免费视频日本深夜| 人人妻人人爽人人添夜夜欢视频| 国产成人一区二区三区免费视频网站| 高清欧美精品videossex| 免费在线观看完整版高清| 制服诱惑二区| 在线 av 中文字幕| 成年人免费黄色播放视频| 国产精品偷伦视频观看了| 中文字幕最新亚洲高清| 日韩免费av在线播放| 91精品三级在线观看| 日本wwww免费看| 久热爱精品视频在线9| 色94色欧美一区二区| 精品久久蜜臀av无| 蜜桃国产av成人99| 最近最新中文字幕大全免费视频| xxxhd国产人妻xxx| 精品视频人人做人人爽| 99精品久久久久人妻精品| 在线 av 中文字幕| 大香蕉久久网| 国产精品久久电影中文字幕 | av电影中文网址| 两个人免费观看高清视频| 99精品久久久久人妻精品| 手机成人av网站| 亚洲熟妇熟女久久| svipshipincom国产片| 伊人久久大香线蕉亚洲五| 午夜福利在线观看吧| 午夜日韩欧美国产| 天堂动漫精品| 一本—道久久a久久精品蜜桃钙片| 欧美 日韩 精品 国产| e午夜精品久久久久久久| 老司机亚洲免费影院| 亚洲成av片中文字幕在线观看| 成人国产av品久久久| 日韩精品免费视频一区二区三区| 国产精品成人在线| 热99国产精品久久久久久7| 十八禁网站网址无遮挡| av又黄又爽大尺度在线免费看| 久久婷婷成人综合色麻豆| 高清黄色对白视频在线免费看| 日日爽夜夜爽网站| 久久精品国产亚洲av香蕉五月 | 婷婷丁香在线五月| 丝袜在线中文字幕| 久久九九热精品免费| 在线观看www视频免费| 亚洲色图 男人天堂 中文字幕| 免费在线观看影片大全网站| 国产一区二区在线观看av| videos熟女内射| 成年女人毛片免费观看观看9 | 国产精品二区激情视频| 少妇猛男粗大的猛烈进出视频| 91成年电影在线观看| 精品久久久精品久久久| 亚洲一码二码三码区别大吗| 一边摸一边做爽爽视频免费| 香蕉国产在线看| 悠悠久久av| 三级毛片av免费| 免费看a级黄色片| 狂野欧美激情性xxxx| 亚洲国产看品久久| 精品第一国产精品| av有码第一页| 超碰成人久久| 久久久久国内视频| 久久久久久人人人人人| 成人国产av品久久久| 亚洲国产欧美在线一区| 欧美午夜高清在线| 一级毛片女人18水好多| 国产男女超爽视频在线观看| 成年人午夜在线观看视频| 久久天躁狠狠躁夜夜2o2o| 精品国产亚洲在线| 午夜老司机福利片| 日本欧美视频一区| 久久影院123| 啦啦啦 在线观看视频| 国产成人精品久久二区二区免费| 一夜夜www| 国产精品98久久久久久宅男小说| 如日韩欧美国产精品一区二区三区| 悠悠久久av| 老司机午夜十八禁免费视频| av在线播放免费不卡| 国产高清国产精品国产三级| 亚洲精品粉嫩美女一区| 高清欧美精品videossex| 日本av免费视频播放| 欧美日韩黄片免| 一进一出抽搐动态| 欧美在线黄色| 搡老乐熟女国产| 亚洲熟妇熟女久久| 欧美人与性动交α欧美软件| 一级,二级,三级黄色视频| 亚洲精品一卡2卡三卡4卡5卡| 青草久久国产| 亚洲成人免费电影在线观看| 操出白浆在线播放| 久久国产精品男人的天堂亚洲| 午夜成年电影在线免费观看| 男女床上黄色一级片免费看| 在线观看舔阴道视频| 久久99一区二区三区| 麻豆乱淫一区二区| 国产欧美日韩综合在线一区二区| 日本欧美视频一区| 黄片播放在线免费| 国产av精品麻豆| 欧美日韩av久久| 香蕉国产在线看| 亚洲伊人色综图| 一级片'在线观看视频| 欧美激情 高清一区二区三区| 啦啦啦在线免费观看视频4| 久久人妻福利社区极品人妻图片| 一二三四在线观看免费中文在| 波多野结衣一区麻豆| 极品少妇高潮喷水抽搐| 一级毛片电影观看| 国产在线免费精品| 久久久久网色| 欧美日韩视频精品一区| 丝袜喷水一区| 国产亚洲午夜精品一区二区久久| 成年人免费黄色播放视频| 黑人猛操日本美女一级片| 国产在线视频一区二区| 精品久久久精品久久久| 视频在线观看一区二区三区| 中文字幕制服av| 亚洲第一欧美日韩一区二区三区 | 别揉我奶头~嗯~啊~动态视频| 91成人精品电影| 午夜成年电影在线免费观看| 亚洲精品国产精品久久久不卡| 超碰成人久久| 欧美精品一区二区免费开放| 亚洲美女黄片视频| 国产日韩一区二区三区精品不卡| 国产精品一区二区在线观看99| 手机成人av网站| 麻豆国产av国片精品| 亚洲少妇的诱惑av| 欧美精品av麻豆av| 亚洲人成77777在线视频| 黄色视频在线播放观看不卡| 别揉我奶头~嗯~啊~动态视频| 国产精品麻豆人妻色哟哟久久| 最新美女视频免费是黄的| 亚洲av电影在线进入| 国产精品98久久久久久宅男小说| 18禁黄网站禁片午夜丰满| 欧美在线黄色| 脱女人内裤的视频| 亚洲一码二码三码区别大吗| 每晚都被弄得嗷嗷叫到高潮| 亚洲综合色网址| 久久久久精品人妻al黑| 热99国产精品久久久久久7| 欧美精品一区二区免费开放| 欧美av亚洲av综合av国产av| 91老司机精品| 国产精品九九99| 757午夜福利合集在线观看| 最新的欧美精品一区二区| 99国产极品粉嫩在线观看| 别揉我奶头~嗯~啊~动态视频| 国产日韩欧美在线精品| 一级毛片女人18水好多| 国产成人精品久久二区二区91| 亚洲国产欧美日韩在线播放| 成人国语在线视频| 99re6热这里在线精品视频| 夜夜骑夜夜射夜夜干| 国产黄频视频在线观看| 一个人免费看片子| 色视频在线一区二区三区| 性色av乱码一区二区三区2| 亚洲欧美日韩另类电影网站| 国产成人一区二区三区免费视频网站| 国产免费av片在线观看野外av| 色综合婷婷激情| 亚洲av国产av综合av卡| videos熟女内射| 欧美久久黑人一区二区| 一夜夜www| 少妇粗大呻吟视频| 自拍欧美九色日韩亚洲蝌蚪91| 日本黄色日本黄色录像| 成年人午夜在线观看视频| 精品熟女少妇八av免费久了| 日韩欧美一区视频在线观看| 热re99久久国产66热| 一边摸一边抽搐一进一小说 | 在线永久观看黄色视频| 丝袜美足系列| 亚洲av欧美aⅴ国产| 国产精品久久久久久精品古装| 国产极品粉嫩免费观看在线| 国产精品影院久久| 色综合欧美亚洲国产小说| kizo精华| 免费在线观看日本一区| 国产不卡一卡二| 国产高清videossex| 欧美黄色片欧美黄色片| 啦啦啦中文免费视频观看日本| 亚洲av日韩精品久久久久久密| 久久国产亚洲av麻豆专区| 国产一区二区三区在线臀色熟女 | 国产成人系列免费观看| 99热网站在线观看| 啦啦啦免费观看视频1| 亚洲综合色网址| 蜜桃在线观看..| 丁香六月欧美| 少妇裸体淫交视频免费看高清 | 人妻 亚洲 视频| 精品国产乱子伦一区二区三区| 午夜福利在线免费观看网站| 免费日韩欧美在线观看| 这个男人来自地球电影免费观看| 亚洲国产欧美日韩在线播放| av片东京热男人的天堂| 精品视频人人做人人爽| 国产在线精品亚洲第一网站| 视频区欧美日本亚洲| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精华国产精华精| 老汉色∧v一级毛片| 两人在一起打扑克的视频| 日韩精品免费视频一区二区三区| 最新美女视频免费是黄的| 天堂动漫精品| 在线观看舔阴道视频| 日韩人妻精品一区2区三区| 亚洲少妇的诱惑av| xxxhd国产人妻xxx| 中亚洲国语对白在线视频| 免费看a级黄色片| 看免费av毛片| 亚洲精品自拍成人| 丁香六月天网| 啦啦啦中文免费视频观看日本| 男女边摸边吃奶| 少妇精品久久久久久久| 真人做人爱边吃奶动态| 国产黄频视频在线观看| 男女无遮挡免费网站观看| netflix在线观看网站| 91国产中文字幕| 啦啦啦免费观看视频1| 亚洲精品久久午夜乱码| 狠狠婷婷综合久久久久久88av|