• <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
    亚洲国产中文字幕在线视频| 亚洲乱码一区二区免费版| 脱女人内裤的视频| 国产 一区 欧美 日韩| 色综合欧美亚洲国产小说| 亚洲精品456在线播放app | 老司机在亚洲福利影院| 成年版毛片免费区| 一个人看视频在线观看www免费 | 午夜免费观看网址| 亚洲国产精品999在线| 三级国产精品欧美在线观看| 国产精品98久久久久久宅男小说| 国内精品一区二区在线观看| 麻豆一二三区av精品| 最新美女视频免费是黄的| 欧美中文综合在线视频| 老司机午夜福利在线观看视频| 午夜激情欧美在线| 久久久色成人| 久久久久九九精品影院| 一区二区三区免费毛片| 免费观看的影片在线观看| 午夜免费激情av| 一个人观看的视频www高清免费观看| 色播亚洲综合网| 禁无遮挡网站| 国产成人av教育| 18禁黄网站禁片午夜丰满| av女优亚洲男人天堂| 俺也久久电影网| tocl精华| 欧美日韩福利视频一区二区| 国产精品嫩草影院av在线观看 | 天堂网av新在线| 成人av在线播放网站| 啪啪无遮挡十八禁网站| 男插女下体视频免费在线播放| 青草久久国产| 青草久久国产| 少妇人妻精品综合一区二区 | 一区二区三区激情视频| 亚洲av成人不卡在线观看播放网| 久久精品人妻少妇| 亚洲成人精品中文字幕电影| 少妇丰满av| 香蕉av资源在线| 亚洲国产欧美人成| 国产精品女同一区二区软件 | 网址你懂的国产日韩在线| 亚洲中文字幕日韩| 精品一区二区三区人妻视频| 两个人的视频大全免费| 国产三级中文精品| 18禁黄网站禁片免费观看直播| 久久99热这里只有精品18| 亚洲精品色激情综合| 中文字幕熟女人妻在线| 女人十人毛片免费观看3o分钟| 男插女下体视频免费在线播放| 欧美日韩一级在线毛片| 热99re8久久精品国产| www国产在线视频色| 少妇的逼水好多| 欧美+亚洲+日韩+国产| 日韩免费av在线播放| 欧美+亚洲+日韩+国产| 成人三级黄色视频| 亚洲片人在线观看| 日韩欧美三级三区| 丰满乱子伦码专区| а√天堂www在线а√下载| 国产精品久久久久久人妻精品电影| 中亚洲国语对白在线视频| 99riav亚洲国产免费| 亚洲欧美日韩高清专用| 操出白浆在线播放| xxxwww97欧美| 老司机福利观看| 欧美大码av| 18+在线观看网站| 久久久久国产精品人妻aⅴ院| 熟女电影av网| 亚洲专区中文字幕在线| 午夜福利18| 男女下面进入的视频免费午夜| 日韩欧美三级三区| 最近视频中文字幕2019在线8| 欧美成人a在线观看| 欧美色视频一区免费| 国产日本99.免费观看| 婷婷丁香在线五月| av黄色大香蕉| 成人欧美大片| 成人高潮视频无遮挡免费网站| 999久久久精品免费观看国产| 精品人妻1区二区| 国产免费av片在线观看野外av| 精品乱码久久久久久99久播| 国产精品三级大全| av在线天堂中文字幕| 夜夜爽天天搞| 成年人黄色毛片网站| aaaaa片日本免费| 一卡2卡三卡四卡精品乱码亚洲| 久久人妻av系列| 日日摸夜夜添夜夜添小说| 国产熟女xx| 精品不卡国产一区二区三区| 欧美一区二区精品小视频在线| 亚洲欧美日韩无卡精品| 99久久精品热视频| www.999成人在线观看| 狠狠狠狠99中文字幕| 男人的好看免费观看在线视频| 午夜精品久久久久久毛片777| 婷婷丁香在线五月| 啦啦啦观看免费观看视频高清| 内射极品少妇av片p| 亚洲av五月六月丁香网| 午夜免费男女啪啪视频观看 | 日本一本二区三区精品| 丁香六月欧美| 91九色精品人成在线观看| 岛国在线观看网站| 一区二区三区激情视频| 91字幕亚洲| 啦啦啦免费观看视频1| 在线观看一区二区三区| 亚洲av美国av| 亚洲性夜色夜夜综合| 母亲3免费完整高清在线观看| 亚洲av免费高清在线观看| av片东京热男人的天堂| 丰满人妻熟妇乱又伦精品不卡| 国产在线精品亚洲第一网站| 丁香六月欧美| 亚洲av二区三区四区| 免费在线观看影片大全网站| 一级a爱片免费观看的视频| 丰满人妻一区二区三区视频av | 亚洲人成电影免费在线| 成熟少妇高潮喷水视频| 国产激情欧美一区二区| 欧美激情久久久久久爽电影| 99久久久亚洲精品蜜臀av| 国产男靠女视频免费网站| 久久久久久久久大av| 麻豆国产97在线/欧美| 亚洲黑人精品在线| 欧美日韩一级在线毛片| 女人被狂操c到高潮| 亚洲精品乱码久久久v下载方式 | 欧美黑人欧美精品刺激| 少妇裸体淫交视频免费看高清| 日本 欧美在线| 女警被强在线播放| 国产v大片淫在线免费观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | svipshipincom国产片| 国产成人av激情在线播放| 在线十欧美十亚洲十日本专区| 三级国产精品欧美在线观看| 午夜福利欧美成人| 少妇的逼好多水| 岛国在线免费视频观看| 麻豆国产av国片精品| 亚洲国产中文字幕在线视频| 中文资源天堂在线| 免费av不卡在线播放| 国产精品影院久久| 日韩欧美一区二区三区在线观看| 国产一区二区在线av高清观看| 午夜福利在线观看吧| e午夜精品久久久久久久| 日韩大尺度精品在线看网址| 欧美日韩瑟瑟在线播放| 一区二区三区高清视频在线| 久久精品国产自在天天线| 琪琪午夜伦伦电影理论片6080| 久久久久九九精品影院| 国产成人欧美在线观看| av专区在线播放| 日本成人三级电影网站| 日韩成人在线观看一区二区三区| 国产高清视频在线观看网站| 国产精品 国内视频| 欧美黄色淫秽网站| 99精品在免费线老司机午夜| 在线天堂最新版资源| 18禁黄网站禁片免费观看直播| 欧美黑人欧美精品刺激| 国产精品久久久久久人妻精品电影| 午夜激情福利司机影院| 最近最新中文字幕大全电影3| 白带黄色成豆腐渣| 免费看a级黄色片| 哪里可以看免费的av片| 国产精品 国内视频| 欧美中文日本在线观看视频| 天堂网av新在线| 特级一级黄色大片| 日韩欧美 国产精品| 国产私拍福利视频在线观看| 51午夜福利影视在线观看| 国产麻豆成人av免费视频| 看免费av毛片| 午夜两性在线视频| 国内揄拍国产精品人妻在线| 少妇裸体淫交视频免费看高清| 亚洲成人久久爱视频| 男女那种视频在线观看| 成人高潮视频无遮挡免费网站| 久久久久久九九精品二区国产| 岛国视频午夜一区免费看| 久久天躁狠狠躁夜夜2o2o| 色av中文字幕| 特级一级黄色大片| 中文字幕av成人在线电影| 亚洲精品粉嫩美女一区| 亚洲av免费高清在线观看| 国产aⅴ精品一区二区三区波| 91在线观看av| 不卡一级毛片| 国产精品免费一区二区三区在线| 在线观看午夜福利视频| 欧美日韩亚洲国产一区二区在线观看| 国产熟女xx| 中文亚洲av片在线观看爽| 精华霜和精华液先用哪个| 亚洲av日韩精品久久久久久密| 精品欧美国产一区二区三| 淫妇啪啪啪对白视频| 老熟妇乱子伦视频在线观看| 国产精品影院久久| 久久久久久久午夜电影| 免费观看的影片在线观看| 99久久成人亚洲精品观看| 国产精品98久久久久久宅男小说| 久久欧美精品欧美久久欧美| 美女高潮喷水抽搐中文字幕| 欧美在线一区亚洲| 欧美一级毛片孕妇| www日本在线高清视频| 99国产极品粉嫩在线观看| 99精品欧美一区二区三区四区| 最近最新中文字幕大全免费视频| 夜夜夜夜夜久久久久| 亚洲国产欧美网| 日韩精品青青久久久久久| 成年女人永久免费观看视频| 麻豆成人午夜福利视频| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 99在线视频只有这里精品首页| 99久久综合精品五月天人人| 亚洲午夜理论影院| 日韩欧美国产一区二区入口| 国产一区二区激情短视频| tocl精华| 国产探花在线观看一区二区| 国内精品美女久久久久久| 精品乱码久久久久久99久播| 成人无遮挡网站| 久久伊人香网站| 女同久久另类99精品国产91| 搡老岳熟女国产| 亚洲av熟女| 久久久国产成人精品二区| 国产亚洲精品av在线| 午夜福利在线在线| 淫秽高清视频在线观看| 精品无人区乱码1区二区| 亚洲中文日韩欧美视频| 每晚都被弄得嗷嗷叫到高潮| 国产精品一区二区三区四区久久| 日韩欧美免费精品| 一边摸一边抽搐一进一小说| 国产视频内射| 国产亚洲精品一区二区www| 在线观看午夜福利视频| 在线看三级毛片| 国产熟女xx| 美女大奶头视频| 舔av片在线| 午夜激情欧美在线| 欧美高清成人免费视频www| 国产精品影院久久| 亚洲狠狠婷婷综合久久图片| 久99久视频精品免费| 看免费av毛片| 国产高潮美女av| 一二三四社区在线视频社区8| 亚洲av免费高清在线观看| 夜夜躁狠狠躁天天躁| 国产午夜福利久久久久久| 国产成年人精品一区二区| 最近在线观看免费完整版| 中文在线观看免费www的网站| 在线天堂最新版资源| 久久精品国产亚洲av香蕉五月| 啪啪无遮挡十八禁网站| 日本三级黄在线观看| 国产老妇女一区| 精品乱码久久久久久99久播| 国产淫片久久久久久久久 | 国产精品嫩草影院av在线观看 | 午夜久久久久精精品| 高清日韩中文字幕在线| 日日夜夜操网爽| 我要搜黄色片| 亚洲av五月六月丁香网| 亚洲av电影不卡..在线观看| 精品99又大又爽又粗少妇毛片 | 岛国在线免费视频观看| 欧洲精品卡2卡3卡4卡5卡区| 麻豆成人av在线观看| 精品乱码久久久久久99久播| 别揉我奶头~嗯~啊~动态视频| 国产av麻豆久久久久久久| 日韩精品青青久久久久久| 偷拍熟女少妇极品色| 色综合欧美亚洲国产小说| 麻豆成人av在线观看| 老汉色av国产亚洲站长工具| 操出白浆在线播放| 91九色精品人成在线观看| 亚洲国产精品sss在线观看| 欧美激情在线99| xxx96com| 不卡一级毛片| 露出奶头的视频| 女人被狂操c到高潮| 婷婷精品国产亚洲av| 精品乱码久久久久久99久播| 欧美成狂野欧美在线观看| 99久久精品一区二区三区| 神马国产精品三级电影在线观看| 偷拍熟女少妇极品色| 99热这里只有精品一区| 亚洲中文字幕日韩| 丰满乱子伦码专区| 性欧美人与动物交配| 日韩精品中文字幕看吧| 日韩欧美三级三区| 女警被强在线播放| 99国产精品一区二区三区| 丰满的人妻完整版| 欧美日韩一级在线毛片| 欧美乱码精品一区二区三区| 搡女人真爽免费视频火全软件 | 一区福利在线观看| www.www免费av| 成人欧美大片| 亚洲国产精品999在线| 国模一区二区三区四区视频| 国产在视频线在精品| 亚洲精品亚洲一区二区| 欧美性猛交╳xxx乱大交人| 精品久久久久久成人av| 在线天堂最新版资源| 国产欧美日韩精品亚洲av| 午夜激情福利司机影院| 日韩精品中文字幕看吧| 国产精品久久久久久精品电影| 久9热在线精品视频| 在线观看舔阴道视频| 亚洲片人在线观看| 免费观看的影片在线观看| 99久久99久久久精品蜜桃| 婷婷六月久久综合丁香| 麻豆国产av国片精品| 熟妇人妻久久中文字幕3abv| 一进一出好大好爽视频| 精品一区二区三区视频在线 | 日韩欧美一区二区三区在线观看| 国产成人影院久久av| 看黄色毛片网站| www日本黄色视频网| 久久久久国内视频| 真人做人爱边吃奶动态| 91av网一区二区| a在线观看视频网站| 人妻丰满熟妇av一区二区三区| 91字幕亚洲| 久久香蕉国产精品| 久久久久九九精品影院| 成人一区二区视频在线观看| 最好的美女福利视频网| 亚洲黑人精品在线| 免费观看精品视频网站| 搡老岳熟女国产| a在线观看视频网站| 中文字幕av在线有码专区| 一a级毛片在线观看| 一级作爱视频免费观看| 亚洲一区二区三区不卡视频| 久久这里只有精品中国| 在线观看日韩欧美| 精品福利观看| 美女高潮喷水抽搐中文字幕| 99久久精品国产亚洲精品| 免费av不卡在线播放| 国产一区二区激情短视频| 特大巨黑吊av在线直播| 精品不卡国产一区二区三区| 美女高潮喷水抽搐中文字幕| 成人av在线播放网站| 啦啦啦韩国在线观看视频| 色噜噜av男人的天堂激情| 久久久国产成人免费| 两性午夜刺激爽爽歪歪视频在线观看| 高清日韩中文字幕在线| 99久久精品国产亚洲精品| 小说图片视频综合网站| 听说在线观看完整版免费高清| 成人18禁在线播放| 999久久久精品免费观看国产| 男女之事视频高清在线观看| 日本一本二区三区精品| 无遮挡黄片免费观看| 成年人黄色毛片网站| 欧美日韩瑟瑟在线播放| 天堂动漫精品| 欧美成人免费av一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 91在线精品国自产拍蜜月 | 久久精品国产亚洲av香蕉五月| bbb黄色大片| 在线a可以看的网站| 亚洲av日韩精品久久久久久密| 内地一区二区视频在线| 此物有八面人人有两片| 欧美成人一区二区免费高清观看| 看黄色毛片网站| 久久久久久久久久黄片| 国产成人欧美在线观看| 中文亚洲av片在线观看爽| 性色av乱码一区二区三区2| 九色国产91popny在线| 91av网一区二区| 操出白浆在线播放| 麻豆成人av在线观看| 香蕉丝袜av| 国产色婷婷99| 色在线成人网| 成人av在线播放网站| 亚洲最大成人中文| 精品国产美女av久久久久小说| 亚洲人与动物交配视频| 亚洲人成网站在线播放欧美日韩| 免费看美女性在线毛片视频| 国产探花在线观看一区二区| 久久婷婷人人爽人人干人人爱| 99久久精品国产亚洲精品| 麻豆久久精品国产亚洲av| 中国美女看黄片| 两性午夜刺激爽爽歪歪视频在线观看| 久久久久久国产a免费观看| 日韩欧美国产在线观看| 欧美av亚洲av综合av国产av| 三级毛片av免费| 亚洲男人的天堂狠狠| 12—13女人毛片做爰片一| 乱人视频在线观看| 日本一本二区三区精品| 搡女人真爽免费视频火全软件 | 禁无遮挡网站| 国语自产精品视频在线第100页| 免费观看人在逋| a级一级毛片免费在线观看| 丰满的人妻完整版| 首页视频小说图片口味搜索| 国产一级毛片七仙女欲春2| 亚洲五月天丁香| 欧美绝顶高潮抽搐喷水| 成年女人永久免费观看视频| 久久久久久久亚洲中文字幕 | 91字幕亚洲| 国产精品嫩草影院av在线观看 | 成年女人永久免费观看视频| 淫妇啪啪啪对白视频| 香蕉av资源在线| 欧美另类亚洲清纯唯美| 免费看a级黄色片| 国产精品嫩草影院av在线观看 | 欧美性感艳星| 成人欧美大片| 中文字幕人妻丝袜一区二区| 色尼玛亚洲综合影院| 久久精品国产自在天天线| www国产在线视频色| 亚洲av成人不卡在线观看播放网| 毛片女人毛片| 久久香蕉精品热| 一边摸一边抽搐一进一小说| 免费无遮挡裸体视频| 欧美在线一区亚洲| 两性午夜刺激爽爽歪歪视频在线观看| 乱人视频在线观看| 亚洲av中文字字幕乱码综合| 亚洲精品粉嫩美女一区| 看免费av毛片| 一二三四社区在线视频社区8| 久久人妻av系列| 久久久久久久久大av| 色尼玛亚洲综合影院| 久久亚洲精品不卡| 成熟少妇高潮喷水视频| 亚洲国产精品999在线| 欧美黄色淫秽网站| 亚洲美女黄片视频| 亚洲一区高清亚洲精品| 免费看a级黄色片| 热99re8久久精品国产| 国产精品综合久久久久久久免费| 久久午夜亚洲精品久久| 日韩中文字幕欧美一区二区| 久久久久国内视频| 国语自产精品视频在线第100页| 欧美zozozo另类| 亚洲最大成人中文| 岛国在线免费视频观看| 亚洲va日本ⅴa欧美va伊人久久| 少妇裸体淫交视频免费看高清| 香蕉久久夜色| 香蕉丝袜av| 日韩国内少妇激情av| 观看美女的网站| 国产午夜精品论理片| 乱人视频在线观看| 韩国av一区二区三区四区| 黄色视频,在线免费观看| 日韩欧美在线乱码| or卡值多少钱| 国产熟女xx| 搡老妇女老女人老熟妇| 国产精品国产高清国产av| 一个人观看的视频www高清免费观看| 欧美不卡视频在线免费观看| 国产精品久久久久久人妻精品电影| 欧美日韩瑟瑟在线播放| 色播亚洲综合网| 变态另类成人亚洲欧美熟女| 18禁裸乳无遮挡免费网站照片| 夜夜看夜夜爽夜夜摸| 国产亚洲精品久久久com| 亚洲国产高清在线一区二区三| 中文字幕精品亚洲无线码一区| 老熟妇仑乱视频hdxx| 黄色片一级片一级黄色片| 人人妻,人人澡人人爽秒播| 精品无人区乱码1区二区| 免费看a级黄色片| 欧美一级毛片孕妇| 一a级毛片在线观看| 日韩欧美在线二视频| 久久中文看片网| 日韩大尺度精品在线看网址| 变态另类丝袜制服| av专区在线播放| 久久精品综合一区二区三区| 18+在线观看网站| 性色av乱码一区二区三区2| 国产毛片a区久久久久| 日本 欧美在线| 亚洲成人免费电影在线观看| 亚洲欧美日韩高清专用| 精品人妻偷拍中文字幕| 两人在一起打扑克的视频| 亚洲国产精品999在线| 亚洲av电影不卡..在线观看| 精品国产三级普通话版| 成人18禁在线播放| 日韩欧美三级三区| 欧美最黄视频在线播放免费| 九九热线精品视视频播放| 欧美日韩国产亚洲二区| 狠狠狠狠99中文字幕| 国产精品98久久久久久宅男小说| 性色avwww在线观看| 老汉色∧v一级毛片| 国产美女午夜福利| 久久久久亚洲av毛片大全| 国产97色在线日韩免费| www日本黄色视频网| 中文字幕人妻熟人妻熟丝袜美 | 久久国产精品人妻蜜桃| 变态另类丝袜制服| 国产激情偷乱视频一区二区| 人妻夜夜爽99麻豆av| 午夜精品久久久久久毛片777| 又粗又爽又猛毛片免费看| 国产69精品久久久久777片| 一a级毛片在线观看| 国产综合懂色| 99在线人妻在线中文字幕| 亚洲国产欧美网| 成人午夜高清在线视频| 国产视频一区二区在线看| 国产欧美日韩一区二区精品| 男人舔奶头视频| 欧美中文日本在线观看视频| 草草在线视频免费看| 国产高清三级在线| 长腿黑丝高跟| 91在线观看av| 亚洲国产精品成人综合色| 日韩中文字幕欧美一区二区| 可以在线观看的亚洲视频| 国产午夜精品久久久久久一区二区三区 | 熟女电影av网| 久久久久九九精品影院| 久久久久久人人人人人| 国产成人欧美在线观看| 久久久成人免费电影|