• <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Stacking集成模型的煤層瓦斯含量預(yù)測研究

    2024-05-10 05:12:40林海飛李文靜張宇少
    煤炭工程 2024年4期
    關(guān)鍵詞:補(bǔ)法瓦斯煤層

    王 琳,周 捷,林海飛,2,李文靜,張宇少

    (1.西安科技大學(xué) 安全科學(xué)與工程學(xué)院,陜西 西安 710054;2.西部煤礦瓦斯災(zāi)害防控陜西省高等學(xué)校重點(diǎn)實(shí)驗(yàn)室,陜西 西安 710054)

    由于井下地質(zhì)構(gòu)造復(fù)雜,瓦斯在煤體中分布具有復(fù)雜性和不確定性等特點(diǎn)。瓦斯含量精準(zhǔn)預(yù)測可以有效預(yù)防瓦斯爆炸、煤與瓦斯突出等災(zāi)害的發(fā)生,對保證煤礦安全高效運(yùn)行具有重要意義[1,2]。

    井下直接測定法及地勘鉆孔解析法等瓦斯含量直接測定方法工作量大,工作周期長。隨著智能算法和機(jī)器學(xué)習(xí)理論的豐富完善,基于深度學(xué)習(xí)的瓦斯含量預(yù)測方法已經(jīng)成為一種趨勢。人工神經(jīng)網(wǎng)絡(luò)[3,4]、灰色理論[5]、多元回歸[6,7]等預(yù)測方法的應(yīng)用較廣泛,魏國營[8]等采用主成分分析法對瓦斯含量影響因素進(jìn)行特征提取,建立基于自適應(yīng)混合粒子算法優(yōu)化后的支持向量回歸機(jī)優(yōu)化模型。付華[9]提出基于變分模態(tài)分解和差分的預(yù)測方法對Elman網(wǎng)絡(luò)進(jìn)行優(yōu)化,該方法可以實(shí)現(xiàn)對工作面瓦斯?jié)舛鹊木珳?zhǔn)預(yù)測,吻合度高達(dá)95.2%。田水承[10]等人通過研究GRA-GASA-SVM模型,解決傳統(tǒng)網(wǎng)格尋優(yōu)算法取值范圍無法確定的問題,建立瓦斯含量預(yù)測參數(shù),然后通過十折交叉驗(yàn)證可以驗(yàn)證本模型預(yù)測穩(wěn)定性更優(yōu)。邱春容[11]等提出了DBN-PSO-SVR瓦斯?jié)舛阮A(yù)測方法,結(jié)果表明該算法預(yù)測性能較優(yōu)越。劉瑩[12]、賈澎濤[13]等融合環(huán)境因素與時(shí)序數(shù)據(jù),提出了基于LSTM模型的瓦斯?jié)舛阮A(yù)測模型,該模型可實(shí)現(xiàn)瓦斯?jié)舛榷嗖筋A(yù)測。鄭麗媛[14]、邵良杉[15]等利用粒子群優(yōu)化最小二乘支持向量機(jī),獲得了模型最優(yōu)參數(shù),對瓦斯涌出量和滲透率進(jìn)行預(yù)測。

    綜上所述,機(jī)器學(xué)習(xí)算法雖具有較高預(yù)測精度,但是單一模型可能會(huì)因?yàn)殡S機(jī)性導(dǎo)致模型泛化性能較差。因此,本研究提出基于五折交叉驗(yàn)證的Stacking集成方法,通過煤厚、埋深、底板標(biāo)高與圍巖特性等因素對瓦斯含量進(jìn)行預(yù)測。在深度信念網(wǎng)絡(luò)(DBN)、長短期記憶(LSTM)、最小二乘支持向量機(jī)(LSSVM)、自適應(yīng)增強(qiáng)(Adaboost)以及Elman算法中首先選擇精度最高的三種基模型;其次,對單個(gè)及集成模型進(jìn)行預(yù)測性能優(yōu)選,選出排名前四的模型;最后,經(jīng)過指標(biāo)優(yōu)選得到最優(yōu)融合瓦斯含量預(yù)測模型。采用平均絕對誤差(MAE)、判定系數(shù)(R2)、均方根誤差(RMSE)、平均相對誤差(MRE)及平均絕對百分比誤差(MAPE)五個(gè)指標(biāo)對集成模型進(jìn)行綜合評估,確保預(yù)測模型的準(zhǔn)確性。

    1 瓦斯含量預(yù)測數(shù)據(jù)處理

    1.1 瓦斯含量預(yù)測數(shù)據(jù)的獲取

    煤層瓦斯含量受埋藏深度、地質(zhì)構(gòu)造、煤層厚度、水分、灰分、揮發(fā)分等因素影響。煤層埋深越深使瓦斯向地表移動(dòng)的距離加長,瓦斯越難逸散,儲(chǔ)存瓦斯含量越大[16]。煤層厚度越大,煤層瓦斯含量越高,兩者呈正相關(guān)關(guān)系[17]。煤的變質(zhì)程度越高,水分越低,揮發(fā)分越小,瓦斯生成量越大,煤對瓦斯的吸附作用越大[18]。

    選取不同礦區(qū)的銅川煤礦、恒源煤礦以及五里堠煤礦等,采用煤層厚度、煤層深度、水分、灰分以及揮發(fā)分等五種因素對瓦斯含量的影響進(jìn)行分析,具體數(shù)據(jù)見表1。

    表1 不同礦區(qū)瓦斯含量及影響因素Table 1 Gas content and influencing factors of different mines

    不同礦區(qū)煤層瓦斯含量與埋深、煤厚和水分、灰分以及揮發(fā)分等影響因素的線性關(guān)系如圖1所示,由圖1可以看出煤層瓦斯含量與各影響因素之間線性判定系數(shù)較低(R2=0.01~0.33),它們之間不存在明顯線性關(guān)系。因此,需建立非線性模型實(shí)現(xiàn)不同礦區(qū)煤層瓦斯含量精準(zhǔn)預(yù)測。

    圖1 不同礦區(qū)瓦斯含量與各指標(biāo)之間的關(guān)系Fig.1 Linear fitting between gas content and indicators in different mines

    1.2 模型預(yù)測性能評價(jià)指標(biāo)

    選用R2、MAE、MRE、RMSE和MAPE作為數(shù)據(jù)和模型的評價(jià)指標(biāo)。R2取值范圍為[0,1],R2越接近1,說明擬合效果越好。MAE的差值被絕對值化,不存在正負(fù)抵消,能更好地反映預(yù)測值與真實(shí)值之間誤差的實(shí)際情況,值越靠近0,精度越高。MRE的值在0到1之間,越小表示預(yù)測的準(zhǔn)確性越高。RMSE比均方誤差能更好描述數(shù)據(jù)也更容易感知數(shù)據(jù),RMSE的取值范圍為[0,+∞),當(dāng)?shù)玫降闹翟浇咏?,模型預(yù)測效果越理想。MAPE將每個(gè)點(diǎn)的誤差歸一化,降低個(gè)別點(diǎn)絕對誤差帶來的影響,MAPE值越小,計(jì)算準(zhǔn)確度更高,模型擬合結(jié)果越好。R2、MAE、MRE、RMSE和MAPE的計(jì)算公式見式(1)~(5)。

    1.3 數(shù)據(jù)處理

    1.3.1 數(shù)據(jù)標(biāo)準(zhǔn)化

    為消除不同數(shù)據(jù)之間單位的互相影響以及加快模型訓(xùn)練速度,需將原始數(shù)據(jù)進(jìn)行無量綱化處理。將原數(shù)據(jù)進(jìn)行零-均值規(guī)范化(Z-score標(biāo)準(zhǔn)化),得到一組均值為0,標(biāo)準(zhǔn)差為1的新序列。經(jīng)過式(6)—(7)的計(jì)算,消除不同數(shù)值量級對預(yù)測模型的影響[19]。

    式中,σ為總體數(shù)據(jù)的標(biāo)準(zhǔn)差;N為總樣本的數(shù)量;x為觀測值;μ為總體數(shù)據(jù)的均值。

    1.3.2 數(shù)據(jù)插補(bǔ)

    為減少數(shù)據(jù)缺失對研究結(jié)果造成影響,需對缺失數(shù)據(jù)進(jìn)行插補(bǔ)。缺失數(shù)據(jù)常用插補(bǔ)方法有均值插補(bǔ)法、線性插補(bǔ)法、多重插補(bǔ)法和最近鄰插補(bǔ)法[20]。為能得到比較好的插補(bǔ)效果,用除缺失值以外其他數(shù)據(jù)組進(jìn)行插補(bǔ)實(shí)驗(yàn),得到完整數(shù)據(jù)集的插補(bǔ)精度。選擇高精度的插補(bǔ)方法對不同礦區(qū)原本缺失數(shù)據(jù)進(jìn)行插補(bǔ)。利用均插補(bǔ)法、線性插補(bǔ)法、修正Akima插值法及最鄰近值插補(bǔ)法得到插補(bǔ)數(shù)據(jù),將插補(bǔ)結(jié)果與實(shí)際值歸一化后,經(jīng)過計(jì)算得到均方誤差并進(jìn)行對比,結(jié)果見表2。

    表2 礦區(qū)利用不同插補(bǔ)法插補(bǔ)的數(shù)據(jù)Table 2 Data interpolated using different interpolation methods for the mines

    由表2可知,最鄰近值插補(bǔ)法的均方根誤差最大;線性插補(bǔ)和修正插補(bǔ)的均方根誤差相差不大;均值插補(bǔ)法的均方根誤差最小,為0.459,插補(bǔ)值與原始數(shù)據(jù)之間的離散性最小,符合要求。因此,本文采用均值插補(bǔ)。具體插補(bǔ)數(shù)據(jù)見表3。

    表3 礦區(qū)均值插補(bǔ)具體數(shù)據(jù)Table 3 Average values of the mining area interpolated with specific data

    2 Stacking集成模型的建立

    2.1 Stacking集成學(xué)習(xí)

    集成學(xué)習(xí)通過給定數(shù)據(jù)訓(xùn)練多個(gè)基學(xué)習(xí)器,用融合模型策略得到增強(qiáng)模型,比單個(gè)學(xué)習(xí)器具有更好的預(yù)測精度和泛化性能[21]?;鶎W(xué)習(xí)模型是集成框架中最重要的部分,需遵循“優(yōu)而不同”的原則進(jìn)行挑選?!皟?yōu)”是指模型有好的模擬能力,“不同”是指選擇的基學(xué)習(xí)模型在預(yù)測方式上存在差異[22]。集成學(xué)習(xí)方法首先經(jīng)過基學(xué)習(xí)器預(yù)測得到初步結(jié)果,然后將初步結(jié)果經(jīng)過元學(xué)習(xí)器組合生成新的結(jié)果[23]。

    在建立模型過程中,采用交叉驗(yàn)證的方法避免Stacking集成過程中出現(xiàn)過擬合。Stacking集成共分為兩層,第一層中每個(gè)基學(xué)習(xí)器利用訓(xùn)練集進(jìn)行一次數(shù)據(jù)模擬,得到不同參數(shù)的基學(xué)習(xí)器。將得到的基學(xué)習(xí)器的預(yù)測結(jié)果進(jìn)行融合,形成一個(gè)新數(shù)據(jù)集。第二層中元學(xué)習(xí)器將新數(shù)據(jù)集再次訓(xùn)練,組合各基學(xué)習(xí)器優(yōu)勢,得到最終集成模型。

    本研究對深度信念網(wǎng)絡(luò)(DBN)、Elman、長短期記憶(LSTM)、最小二乘支持向量機(jī)(LSSVM)以及自適應(yīng)增強(qiáng)(Adaboost)五種算法進(jìn)行選擇,選取精度最高的前三種算法作為Stacking集成基學(xué)習(xí)器。訓(xùn)練過程如圖2所示,具體步驟為:按比例劃分訓(xùn)練集和測試集;使用五折交叉訓(xùn)練每個(gè)基學(xué)習(xí)器;將基學(xué)習(xí)器訓(xùn)練結(jié)果整合成新數(shù)據(jù)集,對元學(xué)習(xí)器進(jìn)行訓(xùn)練,得到最終結(jié)果。

    圖2 Stacking集成學(xué)習(xí)框架Fig.2 Stacking integrated learning framework

    2.2 基學(xué)習(xí)器原理

    2.2.1 深度信念網(wǎng)絡(luò)(DBN)

    深度信念網(wǎng)絡(luò)由若干個(gè)受限玻爾茲曼機(jī)(RBM)組成。受限玻爾茲曼機(jī)由可視層和隱含層兩部分組成,在同一層中,每個(gè)神經(jīng)元之間互不聯(lián)系[24]。

    對于計(jì)算給定狀態(tài)(v,h)的受限玻爾茲曼機(jī)的能量函數(shù)如下式所示:

    式中,aj為可視層的閾值;bi為隱含層的閾值;wij為輸入層里第i個(gè)可視層節(jié)點(diǎn)和第j個(gè)隱含層節(jié)點(diǎn)之間的權(quán)重值;v和h分別為可視層節(jié)點(diǎn)數(shù)和隱含層節(jié)點(diǎn)數(shù)。

    2.2.2 Elman神經(jīng)網(wǎng)絡(luò)

    Elman網(wǎng)絡(luò)是動(dòng)態(tài)反饋型網(wǎng)絡(luò),它能夠反饋、儲(chǔ)存和利用過去時(shí)刻的輸出信息,同時(shí)實(shí)現(xiàn)靜態(tài)系統(tǒng)建模,也能實(shí)現(xiàn)動(dòng)態(tài)系統(tǒng)映射[25]。但由于算法為基于梯度下降法,存在訓(xùn)練速度慢和易陷入局部極小點(diǎn)的缺點(diǎn),難以達(dá)到全局最優(yōu)。

    2.2.3 長短期記憶(LSTM)

    長短期記憶是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò),該模型是為解決傳統(tǒng)RNN在長序列訓(xùn)練中梯度消失的問題[26],使網(wǎng)絡(luò)可以更好的收斂。

    長短期記憶網(wǎng)絡(luò)模型由輸入層、隱含層、全連接層和輸出層四部分組成[27],輸入門決定了有多少新的信息加入到細(xì)胞中,遺忘門控制每一刻的信息防止被遺忘,輸出門則決定書否會(huì)有信息輸出。

    2.2.4 最小二乘支持向量機(jī)(LSSVM)

    不同于傳統(tǒng)向量機(jī),最小二乘支持向量機(jī)(LSSVM)是基于一組等式約束提出的,只需求解一個(gè)方程式就能得到閉式解,能夠加快訓(xùn)練速度[28]。

    LSSVM的計(jì)算公式為:

    式中,K(x,xK)為核函數(shù),可取徑向基核,多項(xiàng)式核,線性核等;b為常量;αK為拉格朗日常數(shù)。

    2.2.5 自適應(yīng)增強(qiáng)(Adaboost)

    Adaboost算法是一種提升方法,它能將多個(gè)弱分類器組合成一個(gè)強(qiáng)分類器,在前一個(gè)分錯(cuò)的弱分類器的樣本權(quán)值會(huì)得到加強(qiáng),更新后的權(quán)重樣本將被用來再次訓(xùn)練下一個(gè)新的弱分類器[29]。

    弱分類器中誤差率最低的訓(xùn)練樣本集在權(quán)值分布中的誤差為:

    式中,H(x)為樣本集上的誤差率;ei是被H(x)誤分類樣本是權(quán)值之和;wi為每個(gè)訓(xùn)練樣本的權(quán)值大小,y用于表示訓(xùn)練樣本的類別標(biāo)簽。

    3 Stacking集成模型及驗(yàn)證

    3.1 集成模型及流程

    利用Stacking集成模型對不同礦區(qū)的41組數(shù)據(jù)進(jìn)行預(yù)測,包括數(shù)據(jù)處理、模型初選和模型優(yōu)選三部分,具體預(yù)測流程如圖3所示。

    圖3 Stacking集成模型建立流程Fig.3 Building process of the stacking integration model

    1)樣本數(shù)據(jù)處理。對獲得的數(shù)據(jù)集進(jìn)行缺失值插補(bǔ)及z-score標(biāo)準(zhǔn)化。

    2)融合模型初選。采用五種基學(xué)習(xí)器對數(shù)據(jù)進(jìn)行訓(xùn)練后,得出訓(xùn)練集預(yù)測結(jié)果。選擇其中MAE<0.6且MRE<0.02的三個(gè)模型作為Stacking的基模型。

    3)融合模型優(yōu)選。將選出的三種基模型進(jìn)行兩兩以及三者同時(shí)集成得到四種集成模型,將單個(gè)模型與集成模型進(jìn)行訓(xùn)練,選擇四個(gè)預(yù)測模型作為優(yōu)化模型。

    4)融合模型驗(yàn)證。最后選擇MAE<0.2、RMSE<0.3且MAPE<10的模型作為最優(yōu)預(yù)測模型,對預(yù)測模型采用驗(yàn)證集對比分析。

    3.2 算法初選

    為對比五種基學(xué)習(xí)器預(yù)測結(jié)果,利用Matlab軟件得到五種基學(xué)習(xí)器的訓(xùn)練精度,采用平均絕對誤差(MAE)和平均相對誤差(MRE)作為評價(jià)標(biāo)準(zhǔn)對預(yù)測結(jié)果進(jìn)行分析。將41組數(shù)據(jù)分別帶入五種基學(xué)習(xí)器,記錄訓(xùn)練集的預(yù)測結(jié)果,每個(gè)基學(xué)習(xí)器的預(yù)測結(jié)果見表4。

    表4 基學(xué)習(xí)器預(yù)測結(jié)果Table 4 Base learner prediction results

    從表4可以看出,五個(gè)算法的MAE和MRE都較小,但是LSSVM、Adaboost和DBN三個(gè)算法的平均相對誤差和平均絕對誤差結(jié)果較為穩(wěn)定,表明這三個(gè)算法預(yù)測精度較高,在Stacking集成模型中表現(xiàn)較好。

    選用這三種算法作為Stacking集成的基學(xué)習(xí)器。在構(gòu)建集成模型的過程中有兩步,基學(xué)習(xí)器的訓(xùn)練和數(shù)據(jù)的集成?;鶎W(xué)習(xí)器訓(xùn)練包括Adaboost模型、LSSVM模型以及DBN模型訓(xùn)練,數(shù)據(jù)集成則是將三個(gè)基學(xué)習(xí)器的預(yù)測數(shù)據(jù)進(jìn)行整合,利用原始數(shù)據(jù)集得到最終預(yù)測結(jié)果。Stacking集成模型訓(xùn)練過程如圖4所示。

    圖4 Stacking集成模型訓(xùn)練過程Fig.4 Training process of the stacking integration model

    3.3 模型優(yōu)選

    對五種基學(xué)習(xí)器進(jìn)行初選后,選擇LSSVM、Adaboost和DBN進(jìn)行Stacking集成,建立Stacking-LSSVM-Adaboost、Stacking-LSSVM-DBN、Stacking-Adaboost-DBN和Stacking-LSSVM-Adaboost-DBN四種預(yù)測模型。由表5可知,七種模型的預(yù)測精度均高于0.8,單一算法中Adaboost每一折精度均較高,在兩兩集成模型中,Stacking-Adaboost-DBN的精度最高,為0.927。集成模型的精度普遍比單個(gè)算法的精度高,證明了集成算法的優(yōu)越性。

    表5 訓(xùn)練集各算法預(yù)測精度Table 5 Prediction accuracy of each algorithm in the training set

    根據(jù)算法優(yōu)選規(guī)則,將平均準(zhǔn)確率高于0.9的Adaboost、Stacking-LSSVM-Adaboost、Stacking-Adaboost-DBN和Stacking-LSSVM-Adaboost-DBN四個(gè)模型作為優(yōu)化模型。

    3.4 瓦斯含量預(yù)測模型融合

    選用R2、MAE、RMSE和MAPE作為Adaboost、Stacking-LSSVM-Adaboost、Stacking-Adaboost-DBN和Stacking-LSSVM- Adaboost-DBN四個(gè)模型的評價(jià)指標(biāo)。具體評價(jià)指標(biāo)數(shù)值見表6。從表6可知,四個(gè)優(yōu)選模型中Stacking-LSSVM-Adaboost-DBN的R2最高為0.951,且該模型的MAE、RMSE和MAPE都比兩兩集成模型的數(shù)據(jù)小。該模型滿足MAE<0.2、RMSE<0.3且MAPE<10,說明該模型訓(xùn)練效果比其他模型好。因此選擇Stacking-LSSVM-Adaboost-DBN模型作為最優(yōu)算法。

    表6 不同模型評價(jià)指標(biāo)Table 6 Evaluation indicators of the models

    3.5 融合模型驗(yàn)證

    選出最優(yōu)算法后對不同礦區(qū)瓦斯含量及影響因素進(jìn)行預(yù)測,將得到的訓(xùn)練集數(shù)據(jù)和預(yù)測集數(shù)據(jù)與實(shí)際數(shù)據(jù)進(jìn)行對比,如圖5所示。從圖中可以看出預(yù)測值與真實(shí)值之間標(biāo)準(zhǔn)差最大為0.340,最小僅為0.123,預(yù)測得到的數(shù)據(jù)與實(shí)際數(shù)據(jù)相差不大,說明優(yōu)選模型具有很好的預(yù)測效果。

    圖5 Stacking-LSSVM-Adaboost-DBN預(yù)測結(jié)果Fig.5 Prediction results of the Stacking-LSSVM-Adaboost-DBN model

    4 結(jié) 論

    1)采用Elman、RF、Adaboost、DBN及LSSVM五種算法進(jìn)行五折交叉驗(yàn)證,得到各算法的平均絕對誤差和平均相對誤差。根據(jù)模型初選規(guī)則,選擇LSSVM、Adaboost、DBN作為Stacking集成模型基學(xué)習(xí)器。

    2)對LSSVM、Adaboost、DBN、Stacking-LSSVM-Adaboost、Stacking-LSSVM-DBN、Stacking-Adaboost-DBN和Stacking-LSSVM-Adaboost-DBN七個(gè)模型進(jìn)行優(yōu)選,選出R2>0.9的四個(gè)模型分別為Adaboost、Stacking-LSSVM-Adaboost、Stacking-Adaboost-DBN和Stacking-LSSVM-Adaboost-DBN,可知集成模型的精度普遍高于單個(gè)算法。

    3)根據(jù)R2、MAE、RMSE和MAPE四個(gè)評價(jià)指標(biāo)對四種優(yōu)選模型進(jìn)行評價(jià),得到最終優(yōu)選模型為Stacking-LSSVM-Adaboost-DBN,模型精度為0.951,MAE為0.170,RMSE為0.203以及MAPE為7.41。從預(yù)測結(jié)果知三者集成模型精度最高,驗(yàn)證了集成模型的可行性。

    猜你喜歡
    補(bǔ)法瓦斯煤層
    基于絡(luò)病理論探討絡(luò)虛通補(bǔ)法在氣虛血瘀型椎動(dòng)脈型頸椎病中的應(yīng)用
    基于少數(shù)類過采樣的傾向得分匹配插補(bǔ)法
    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
    響應(yīng)傾向得分匹配插補(bǔ)法
    高瓦斯礦井防治瓦斯異常涌出措施的應(yīng)用
    極近距離煤層采空區(qū)下煤層巷道支護(hù)研究
    山西煤炭(2015年4期)2015-12-20 11:36:18
    松軟低透煤層CO_2爆破增透技術(shù)應(yīng)用研究
    瓦斯探鉆鉆頭的一種改進(jìn)
    淺談間接補(bǔ)法在內(nèi)科疾病中的運(yùn)用
    三軟煤層掘進(jìn)支護(hù)綜合分析
    河南科技(2014年16期)2014-02-27 14:13:12
    寂寞人妻少妇视频99o| av又黄又爽大尺度在线免费看| 亚洲国产成人一精品久久久| av片东京热男人的天堂| 一区二区三区精品91| 成人免费观看视频高清| 乱码一卡2卡4卡精品| 国产精品久久久久久精品古装| 少妇 在线观看| 久久久精品区二区三区| 国产欧美日韩一区二区三区在线| 老熟女久久久| av在线老鸭窝| 考比视频在线观看| 精品人妻熟女毛片av久久网站| av有码第一页| 国产免费福利视频在线观看| 日韩人妻精品一区2区三区| 91国产中文字幕| 男女边吃奶边做爰视频| 一级黄片播放器| 成年动漫av网址| 永久网站在线| 免费久久久久久久精品成人欧美视频 | av卡一久久| 青春草国产在线视频| 久久狼人影院| 亚洲激情五月婷婷啪啪| 一级片'在线观看视频| 亚洲精品国产av成人精品| 18禁观看日本| 波野结衣二区三区在线| 成人国产av品久久久| 七月丁香在线播放| 日韩欧美精品免费久久| 国产精品久久久av美女十八| 永久免费av网站大全| 少妇的丰满在线观看| 久久精品国产综合久久久 | 五月伊人婷婷丁香| 美女福利国产在线| 久久精品国产鲁丝片午夜精品| 大香蕉久久网| 亚洲国产精品专区欧美| 国产精品久久久久成人av| 国产亚洲av片在线观看秒播厂| 波野结衣二区三区在线| 精品一区二区三区四区五区乱码 | 久久久久久伊人网av| 啦啦啦中文免费视频观看日本| 欧美丝袜亚洲另类| 亚洲国产精品999| 国产黄色免费在线视频| 观看美女的网站| 日韩免费高清中文字幕av| 秋霞在线观看毛片| 精品亚洲成a人片在线观看| 捣出白浆h1v1| 国产精品成人在线| 国产成人精品婷婷| 国产在视频线精品| 久久久久久久大尺度免费视频| 亚洲精华国产精华液的使用体验| 国产永久视频网站| 自拍欧美九色日韩亚洲蝌蚪91| 99久久综合免费| 我要看黄色一级片免费的| 三级国产精品片| 老女人水多毛片| 欧美变态另类bdsm刘玥| 日日啪夜夜爽| 久久国产精品男人的天堂亚洲 | 亚洲欧洲精品一区二区精品久久久 | 热re99久久精品国产66热6| 新久久久久国产一级毛片| 久久亚洲国产成人精品v| 女性生殖器流出的白浆| 天天操日日干夜夜撸| 久久久久精品久久久久真实原创| 男女边吃奶边做爰视频| 亚洲四区av| 久久精品国产a三级三级三级| 免费高清在线观看日韩| 中文精品一卡2卡3卡4更新| 久久国内精品自在自线图片| 少妇被粗大的猛进出69影院 | freevideosex欧美| 国产成人精品婷婷| 国产亚洲一区二区精品| 国产一区二区激情短视频 | 观看美女的网站| 中文字幕亚洲精品专区| 免费看不卡的av| 亚洲三级黄色毛片| 男男h啪啪无遮挡| 少妇猛男粗大的猛烈进出视频| 两个人看的免费小视频| 亚洲情色 制服丝袜| 十分钟在线观看高清视频www| 成年动漫av网址| 啦啦啦啦在线视频资源| 亚洲av免费高清在线观看| 日韩免费高清中文字幕av| 一本色道久久久久久精品综合| 欧美精品一区二区免费开放| 黑人欧美特级aaaaaa片| 麻豆精品久久久久久蜜桃| 亚洲国产看品久久| 日本与韩国留学比较| 国产片内射在线| 亚洲人与动物交配视频| 十八禁网站网址无遮挡| 欧美人与性动交α欧美精品济南到 | 成人综合一区亚洲| 亚洲精品日韩在线中文字幕| 视频中文字幕在线观看| 国产在线一区二区三区精| 亚洲人成77777在线视频| 少妇被粗大猛烈的视频| 国产亚洲精品久久久com| 天天影视国产精品| 在线观看免费日韩欧美大片| 看免费av毛片| av在线老鸭窝| 亚洲av中文av极速乱| 久久影院123| 妹子高潮喷水视频| 日韩熟女老妇一区二区性免费视频| 人人妻人人澡人人看| 久久午夜福利片| 91成人精品电影| 看非洲黑人一级黄片| 最近中文字幕高清免费大全6| 女人被躁到高潮嗷嗷叫费观| 香蕉丝袜av| 国产一区亚洲一区在线观看| 欧美成人午夜精品| 久久久久久久久久久免费av| 啦啦啦在线观看免费高清www| 下体分泌物呈黄色| 国产探花极品一区二区| 十分钟在线观看高清视频www| 国产亚洲精品久久久com| 亚洲丝袜综合中文字幕| 亚洲天堂av无毛| 国产成人免费无遮挡视频| 亚洲伊人色综图| 满18在线观看网站| 丰满迷人的少妇在线观看| 黄色 视频免费看| 成人免费观看视频高清| 一级片'在线观看视频| 最近2019中文字幕mv第一页| 欧美激情极品国产一区二区三区 | 国产日韩欧美在线精品| 亚洲激情五月婷婷啪啪| 精品卡一卡二卡四卡免费| 免费黄频网站在线观看国产| 久久99一区二区三区| 国国产精品蜜臀av免费| 久久久久久人人人人人| 日本黄大片高清| 一级毛片电影观看| 免费黄网站久久成人精品| 国产熟女欧美一区二区| 成人18禁高潮啪啪吃奶动态图| 美女视频免费永久观看网站| 午夜福利在线观看免费完整高清在| 国产精品三级大全| 精品99又大又爽又粗少妇毛片| 欧美日韩综合久久久久久| 在线观看三级黄色| 免费看av在线观看网站| 中文字幕另类日韩欧美亚洲嫩草| 少妇的丰满在线观看| 日韩 亚洲 欧美在线| 国产探花极品一区二区| 久久人人爽人人爽人人片va| 亚洲欧美清纯卡通| 午夜福利,免费看| 少妇被粗大猛烈的视频| 97人妻天天添夜夜摸| 欧美激情 高清一区二区三区| 国产熟女午夜一区二区三区| 国内精品宾馆在线| 99re6热这里在线精品视频| 日本wwww免费看| 热99国产精品久久久久久7| 少妇被粗大的猛进出69影院 | 国产 精品1| 免费看光身美女| 18禁裸乳无遮挡动漫免费视频| 午夜91福利影院| av黄色大香蕉| 这个男人来自地球电影免费观看 | 女人精品久久久久毛片| 黄网站色视频无遮挡免费观看| 深夜精品福利| 桃花免费在线播放| 热re99久久精品国产66热6| 高清视频免费观看一区二区| 亚洲一级一片aⅴ在线观看| 九色亚洲精品在线播放| 国产男女超爽视频在线观看| 免费大片18禁| 国产免费又黄又爽又色| 日本色播在线视频| 久久久久精品性色| 欧美变态另类bdsm刘玥| 极品人妻少妇av视频| 欧美精品亚洲一区二区| 夫妻性生交免费视频一级片| 丰满迷人的少妇在线观看| 97在线人人人人妻| 国产一区二区三区av在线| 成人无遮挡网站| 人妻 亚洲 视频| 少妇被粗大猛烈的视频| 麻豆精品久久久久久蜜桃| 久久久久久久久久成人| 黄片无遮挡物在线观看| 亚洲av免费高清在线观看| 又黄又爽又刺激的免费视频.| 你懂的网址亚洲精品在线观看| www.熟女人妻精品国产 | 亚洲av福利一区| 老司机亚洲免费影院| 熟妇人妻不卡中文字幕| 九色亚洲精品在线播放| av一本久久久久| 最近的中文字幕免费完整| 国产成人一区二区在线| 国产一区二区三区av在线| 久久人人爽av亚洲精品天堂| 丰满饥渴人妻一区二区三| 免费av不卡在线播放| 国产亚洲欧美精品永久| 欧美成人午夜精品| 色94色欧美一区二区| 国产亚洲欧美精品永久| 欧美成人午夜精品| 国产欧美亚洲国产| 桃花免费在线播放| 丝袜脚勾引网站| 国产亚洲av片在线观看秒播厂| 夫妻性生交免费视频一级片| 亚洲一级一片aⅴ在线观看| 最后的刺客免费高清国语| 国产成人午夜福利电影在线观看| 免费不卡的大黄色大毛片视频在线观看| 99热6这里只有精品| 国产av码专区亚洲av| 男女国产视频网站| 巨乳人妻的诱惑在线观看| 观看av在线不卡| 欧美日韩av久久| 大陆偷拍与自拍| 色哟哟·www| 高清毛片免费看| 最新的欧美精品一区二区| 国产精品久久久久成人av| 在线精品无人区一区二区三| 91久久精品国产一区二区三区| 亚洲少妇的诱惑av| 成人手机av| 国产精品久久久久久精品电影小说| 女人久久www免费人成看片| 成人影院久久| 亚洲丝袜综合中文字幕| 欧美精品国产亚洲| 久久久久久人妻| 亚洲精品乱码久久久久久按摩| 男男h啪啪无遮挡| 97超碰精品成人国产| 免费不卡的大黄色大毛片视频在线观看| 女人被躁到高潮嗷嗷叫费观| 午夜av观看不卡| 高清欧美精品videossex| 尾随美女入室| 精品一区二区免费观看| 亚洲欧美一区二区三区国产| 人人妻人人爽人人添夜夜欢视频| 免费播放大片免费观看视频在线观看| 五月天丁香电影| 午夜福利,免费看| 久久久久久伊人网av| 97精品久久久久久久久久精品| 国产精品.久久久| 中文精品一卡2卡3卡4更新| 欧美xxxx性猛交bbbb| 精品人妻熟女毛片av久久网站| 亚洲av.av天堂| 激情视频va一区二区三区| 人体艺术视频欧美日本| 大码成人一级视频| 人妻少妇偷人精品九色| 久久亚洲国产成人精品v| 99热网站在线观看| 久久人人97超碰香蕉20202| 在线观看免费日韩欧美大片| 少妇 在线观看| 免费女性裸体啪啪无遮挡网站| 久久韩国三级中文字幕| 日韩,欧美,国产一区二区三区| 国产片内射在线| 精品国产一区二区三区四区第35| 亚洲国产av新网站| 久久久久精品性色| 亚洲,欧美,日韩| 精品一区二区三卡| 99视频精品全部免费 在线| 18禁裸乳无遮挡动漫免费视频| 日韩免费高清中文字幕av| 久久精品国产a三级三级三级| 夫妻性生交免费视频一级片| 久久久久久伊人网av| 精品一区二区三区视频在线| 久久亚洲国产成人精品v| 亚洲欧洲国产日韩| 欧美人与性动交α欧美软件 | 中文字幕人妻熟女乱码| 亚洲精品国产av成人精品| 热99久久久久精品小说推荐| 亚洲色图 男人天堂 中文字幕 | 又黄又爽又刺激的免费视频.| 1024视频免费在线观看| 毛片一级片免费看久久久久| 精品视频人人做人人爽| 男人操女人黄网站| 日韩免费高清中文字幕av| 少妇高潮的动态图| 黑人欧美特级aaaaaa片| 在线精品无人区一区二区三| 亚洲欧洲日产国产| 婷婷色av中文字幕| 免费高清在线观看日韩| 日本猛色少妇xxxxx猛交久久| 91成人精品电影| 亚洲国产av新网站| 亚洲少妇的诱惑av| 成人国语在线视频| 亚洲第一av免费看| 精品午夜福利在线看| 新久久久久国产一级毛片| 99热国产这里只有精品6| 女人被躁到高潮嗷嗷叫费观| 日韩精品有码人妻一区| 熟妇人妻不卡中文字幕| 日本vs欧美在线观看视频| 亚洲精品国产av蜜桃| 亚洲色图 男人天堂 中文字幕 | 国产永久视频网站| 熟女人妻精品中文字幕| 久久久亚洲精品成人影院| 在线 av 中文字幕| 男女下面插进去视频免费观看 | 日本与韩国留学比较| 一边摸一边做爽爽视频免费| av播播在线观看一区| 99热6这里只有精品| 亚洲av中文av极速乱| 少妇 在线观看| 亚洲av中文av极速乱| 亚洲精品第二区| 日韩人妻精品一区2区三区| 黄色视频在线播放观看不卡| 日韩人妻精品一区2区三区| 日本欧美国产在线视频| 国产毛片在线视频| 国产亚洲欧美精品永久| av线在线观看网站| 少妇人妻 视频| 18禁动态无遮挡网站| 哪个播放器可以免费观看大片| 久久精品久久久久久久性| 国产精品国产三级专区第一集| 欧美成人午夜精品| 日本色播在线视频| 久久精品国产亚洲av天美| 精品一区二区免费观看| 亚洲欧美色中文字幕在线| 最近最新中文字幕免费大全7| 午夜福利视频在线观看免费| 日韩中文字幕视频在线看片| 日韩一区二区视频免费看| 一边亲一边摸免费视频| 18+在线观看网站| 国产亚洲最大av| 久久久欧美国产精品| 成人18禁高潮啪啪吃奶动态图| 国产伦理片在线播放av一区| 国精品久久久久久国模美| 久久鲁丝午夜福利片| 亚洲精品av麻豆狂野| www.av在线官网国产| 久久久精品区二区三区| 欧美亚洲 丝袜 人妻 在线| 99热6这里只有精品| 在线观看免费日韩欧美大片| 美女视频免费永久观看网站| 草草在线视频免费看| 丝瓜视频免费看黄片| 国产麻豆69| 老女人水多毛片| 黑人高潮一二区| 日本欧美视频一区| 国产亚洲最大av| 高清视频免费观看一区二区| 美女福利国产在线| 国产av精品麻豆| 精品久久久精品久久久| 午夜福利网站1000一区二区三区| 99热6这里只有精品| 中文欧美无线码| 女的被弄到高潮叫床怎么办| 亚洲国产av新网站| 精品一区二区三卡| 亚洲av电影在线观看一区二区三区| 亚洲,欧美精品.| 综合色丁香网| 免费高清在线观看日韩| 国产片特级美女逼逼视频| 欧美精品一区二区大全| 亚洲精品成人av观看孕妇| 超色免费av| 超碰97精品在线观看| 日本色播在线视频| 新久久久久国产一级毛片| 亚洲av福利一区| 欧美变态另类bdsm刘玥| 久久99热这里只频精品6学生| 岛国毛片在线播放| 咕卡用的链子| 母亲3免费完整高清在线观看 | 亚洲美女搞黄在线观看| 日韩三级伦理在线观看| 国产又色又爽无遮挡免| 日本爱情动作片www.在线观看| 亚洲经典国产精华液单| 亚洲精品日本国产第一区| 婷婷色麻豆天堂久久| 欧美丝袜亚洲另类| 亚洲av成人精品一二三区| 少妇精品久久久久久久| 国国产精品蜜臀av免费| 欧美日本中文国产一区发布| videossex国产| 免费观看av网站的网址| 亚洲五月色婷婷综合| 欧美精品一区二区免费开放| 亚洲美女搞黄在线观看| 国产国拍精品亚洲av在线观看| 少妇被粗大的猛进出69影院 | 18+在线观看网站| 亚洲精品久久午夜乱码| 全区人妻精品视频| 免费播放大片免费观看视频在线观看| 国产xxxxx性猛交| 只有这里有精品99| 女性被躁到高潮视频| 亚洲精品美女久久久久99蜜臀 | 少妇人妻久久综合中文| 久久精品久久久久久久性| 婷婷色麻豆天堂久久| 亚洲五月色婷婷综合| 婷婷色麻豆天堂久久| 秋霞在线观看毛片| 亚洲精品乱码久久久久久按摩| 最近的中文字幕免费完整| 久久久亚洲精品成人影院| 韩国av在线不卡| 最近最新中文字幕大全免费视频 | 丝袜喷水一区| 亚洲av福利一区| 欧美精品高潮呻吟av久久| 成人国产麻豆网| 内地一区二区视频在线| 国产精品一国产av| 99热全是精品| 亚洲一码二码三码区别大吗| 成人无遮挡网站| 日韩熟女老妇一区二区性免费视频| 亚洲精品av麻豆狂野| 亚洲久久久国产精品| 国国产精品蜜臀av免费| 日韩精品免费视频一区二区三区 | 一个人免费看片子| 狂野欧美激情性xxxx在线观看| 大香蕉久久网| 亚洲国产精品成人久久小说| 亚洲美女黄色视频免费看| 亚洲av在线观看美女高潮| 啦啦啦在线观看免费高清www| 尾随美女入室| 美国免费a级毛片| 午夜日本视频在线| 三上悠亚av全集在线观看| 五月玫瑰六月丁香| 日韩在线高清观看一区二区三区| av卡一久久| 国产免费一级a男人的天堂| 久久精品久久久久久久性| 亚洲国产精品专区欧美| 久久精品aⅴ一区二区三区四区 | 久久久久精品性色| av免费观看日本| 国产高清三级在线| 中国国产av一级| 亚洲av电影在线进入| 国产精品99久久99久久久不卡 | 午夜日本视频在线| 欧美成人午夜免费资源| 日韩av免费高清视频| 高清视频免费观看一区二区| 一本大道久久a久久精品| 国产极品天堂在线| 99久久人妻综合| √禁漫天堂资源中文www| 亚洲精品美女久久av网站| 2021少妇久久久久久久久久久| 成人手机av| 亚洲国产精品国产精品| 一级毛片电影观看| 国产成人精品福利久久| 午夜激情av网站| 成人黄色视频免费在线看| 在线观看一区二区三区激情| 狂野欧美激情性xxxx在线观看| 欧美最新免费一区二区三区| 水蜜桃什么品种好| 精品国产一区二区久久| 成年动漫av网址| 久久国产亚洲av麻豆专区| 日本黄大片高清| 如何舔出高潮| xxx大片免费视频| 欧美+日韩+精品| 高清欧美精品videossex| 街头女战士在线观看网站| 亚洲少妇的诱惑av| 丰满迷人的少妇在线观看| 大陆偷拍与自拍| 黄网站色视频无遮挡免费观看| 亚洲av成人精品一二三区| av视频免费观看在线观看| 免费观看性生交大片5| 亚洲欧美一区二区三区黑人 | 少妇高潮的动态图| 黄色视频在线播放观看不卡| 亚洲欧美成人综合另类久久久| 午夜福利乱码中文字幕| 91精品伊人久久大香线蕉| 1024视频免费在线观看| 高清毛片免费看| 国产高清国产精品国产三级| 人体艺术视频欧美日本| 妹子高潮喷水视频| 女人精品久久久久毛片| 亚洲久久久国产精品| 春色校园在线视频观看| 亚洲精品,欧美精品| videos熟女内射| 视频中文字幕在线观看| av.在线天堂| 香蕉精品网在线| 在线观看三级黄色| 伦理电影大哥的女人| 狂野欧美激情性bbbbbb| 日韩制服骚丝袜av| 国产又色又爽无遮挡免| 成人无遮挡网站| 久久99蜜桃精品久久| 国产精品麻豆人妻色哟哟久久| 久久综合国产亚洲精品| 亚洲欧美精品自产自拍| 女的被弄到高潮叫床怎么办| 久久久精品94久久精品| 国产av精品麻豆| 蜜桃国产av成人99| 日韩av免费高清视频| 亚洲av电影在线进入| 麻豆精品久久久久久蜜桃| 五月玫瑰六月丁香| 精品酒店卫生间| 欧美日韩av久久| 国产精品秋霞免费鲁丝片| 尾随美女入室| 精品一区二区三区视频在线| 国产欧美日韩综合在线一区二区| 18+在线观看网站| 午夜免费鲁丝| 亚洲成色77777| 久久国内精品自在自线图片| 午夜福利乱码中文字幕| www.av在线官网国产| 99久久综合免费| 久久人妻熟女aⅴ| 国内精品宾馆在线| 丝袜人妻中文字幕| 国产欧美日韩一区二区三区在线| 国产精品秋霞免费鲁丝片| 99久久精品国产国产毛片| 永久免费av网站大全| 秋霞在线观看毛片| 男女啪啪激烈高潮av片| 51国产日韩欧美| 欧美精品一区二区免费开放| 一级黄片播放器| 亚洲精品,欧美精品| 亚洲国产精品国产精品| av天堂久久9| 少妇高潮的动态图| 亚洲四区av| 香蕉国产在线看| 久久久国产欧美日韩av|