• <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 ?

    基于灰色-神經(jīng)網(wǎng)絡(luò)的民機需求組合預(yù)測

    2024-11-22 00:00:00慶豪方志耕王育紅邱璽睿
    關(guān)鍵詞:模型

    摘 要:

    民機數(shù)量是反映民航運輸能力的重要標(biāo)志,而對民機數(shù)量進行預(yù)測,能夠研究分析未來民航業(yè)的發(fā)展趨勢。本文重點研究了民機需求預(yù)測的模型架構(gòu)和實施方法,首先以2013年到2020年民機數(shù)量和其他關(guān)鍵因素作為原始樣本,然后把2021年的數(shù)據(jù)作為檢驗樣本,最后通過構(gòu)建灰色-神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型對未來的民機需求進行預(yù)測。從預(yù)測結(jié)果來看,灰色模型GM(1,1)與反向傳播(back propagation, BP)神經(jīng)網(wǎng)絡(luò)模型結(jié)合效果較好,組合模型預(yù)測精度高,充分證明了該模型的有效性和可行性,同時預(yù)測結(jié)果對分析未來航空運輸情況也具有一定的參考意義。

    關(guān)鍵詞:

    民機; 神經(jīng)網(wǎng)絡(luò); 組合預(yù)測

    中圖分類號:

    N 945

    文獻(xiàn)標(biāo)志碼: A""" DOI:10.12305/j.issn.1001-506X.2024.05.19

    Combination prediction of civil aircraft demand based on grey-neural network

    QING Hao1, FANG Zhigeng1,*, WANG Yuhong2, QIU Xirui1

    (1. College of Economics and Management, Nanjing University of Aeronautics and

    Astronautics, Nanjing 211106, China; 2. Shanghai Aircraft Design and Research Institute,

    Commercial Aircraft Corporation of China, Shanghai 201210, China)

    Abstract:

    The number of civil aircraft is an important symbol that reflects the transport capacity of civil aviation. By predicting the number of civil aircraft, the development trend of civil aviation industry in the future can be studied and analyed. This paper focuses on the model architecture and implementation methods of civil aircraft demand forecasting. Firstly, the number of civil aircraft and other key factors from 2013 to 2020 are taken as the original samples, then the data of 2021 is taken as the test samples. Finally, the future demand of civil aircraft is predicted by constructing the combined prediction model of gray-neural network. From the prediction results, the combination of grey model GM (1,1) and back propagation (BP) neural network model has good effect, and the combination model has high prediction accuracy, which fully proves the validity and feasibility of this model. Meanwhile, the prediction results will also have some reference significance for analyzing the future air transportation situation.

    Keywords:

    civil aircraft; neural network; combination prediction

    0 引 言

    當(dāng)前,國內(nèi)航空運輸在經(jīng)濟社會發(fā)展、世界民航業(yè)的進程中,扮演著越來越重要的角色[1-2]。因此,對未來民航飛機數(shù)量的預(yù)測極具意義:首先,民機數(shù)量是衡量民航業(yè)運輸能力的重要指標(biāo)之一;其次,對民機數(shù)量預(yù)測能夠幫助一些民航企業(yè)制定未來的發(fā)展規(guī)劃;最后,這對于研究民航業(yè)未來的發(fā)展走勢具有重要的價值。當(dāng)前,常用的預(yù)測模型有灰色預(yù)測模型、反向傳播(back propagation, BP)神經(jīng)網(wǎng)絡(luò)模型、時間序列模型等[3-7],這些單一的預(yù)測模型優(yōu)缺點明顯,預(yù)測效果也各不相同[8-9]。

    也有學(xué)者著手研究組合預(yù)測模型,例如Utsumi[10]等在醫(yī)學(xué)研究中,構(gòu)建了一種由營養(yǎng)指數(shù)和病理發(fā)現(xiàn)組成的聯(lián)合預(yù)測模型,對腸道癌患者的預(yù)后情況進行評估。Kuchansky[11]等基于相似性識別技術(shù),設(shè)計出了一種全新的時間序列組合預(yù)測模型。Malek[12]等則是將支持向量機(support vector machine, SVM)回歸技術(shù)同粒子群算法相結(jié)合,對傳統(tǒng)的SVM技術(shù)進行優(yōu)化,實現(xiàn)了對物流需求的預(yù)測。國內(nèi)學(xué)者在組合預(yù)測領(lǐng)域的研究也有很多,魯玉芬等[13]將灰色預(yù)測模型同時間序列模型結(jié)合起來,對建筑物沉降進行預(yù)測。郭為民[14]通過把不同的灰色理論進行加權(quán),實現(xiàn)了空調(diào)產(chǎn)品銷量的預(yù)測。邵夢汝等[15]則是利用灰色神經(jīng)網(wǎng)絡(luò)模型對貨運量進行了預(yù)測,取得了很好的效果。陳莎莎[16]構(gòu)建出了雞群算法和快速學(xué)習(xí)網(wǎng)算法的組合預(yù)測模型,對碳排放進行預(yù)測。雖然以上所提到的研究都比較成功,預(yù)測手段也很多樣,但是鮮有人運用這些方法對民機數(shù)量進行研究,相關(guān)領(lǐng)域的空白還較多。

    綜合來看,組合預(yù)測模型在預(yù)測精度和泛化能力上相較于單一模型都有比較明顯的改善,而由于民機需求預(yù)測問題具有原始數(shù)據(jù)少、預(yù)測精度要求高等特點,因此本文對比了兩種單一預(yù)測模型后,提出了一種灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型。通過實證分析,該組合預(yù)測模型克服了單一預(yù)測模型的幾點不足,不僅擬合精度和預(yù)測精度顯著提高,增強了預(yù)測結(jié)果的參考意義;還克服了單一預(yù)測模型無法處理突發(fā)事件導(dǎo)致原始數(shù)據(jù)出現(xiàn)“拐點”的現(xiàn)象,提高了模型的泛化能力[17-20]。

    1 民機需求GM(1,1)模型預(yù)測

    1.1 核心思想

    灰色預(yù)測模型是以部分信息已知、部分信息未知的貧信息不確定性系統(tǒng)為研究對象,主要是對部分已知信息的挖掘,提取有價值的信息,實現(xiàn)對系統(tǒng)運行行為、演化規(guī)律的正確描述。根據(jù)這一思想,灰色預(yù)測模型能夠通過累加、累減、無量綱化處理等定量處理方式,把無明顯規(guī)律的原始數(shù)據(jù)轉(zhuǎn)變成具有明顯變化規(guī)律的時間序列矩陣,進而實現(xiàn)對事物或系統(tǒng)未來發(fā)展水平的預(yù)測[21-23]。

    1.2 GM(1,1)模型

    影響民機數(shù)量的指標(biāo)有很多,因此在指標(biāo)選取之前,要對其進行灰色關(guān)聯(lián)度分析,通過排序確定主要影響指標(biāo),由于篇幅有限,選取過程不再贅述。本文選取了以下指標(biāo),作為模型的初始數(shù)據(jù):飛機日利用率X1/h、總周轉(zhuǎn)量X2/億噸、旅客運輸量X3/萬人、國民生產(chǎn)總值X4/億元、航線數(shù)量X5/條、飛機數(shù)量Y/架。數(shù)據(jù)來源于交通運輸部,由于官網(wǎng)上的統(tǒng)計數(shù)據(jù)最早開始于2013年,因此選取了2013-2021年的相關(guān)數(shù)據(jù)進行模型計算,具體數(shù)據(jù)如表1所示。

    模型的擬合效果和預(yù)測結(jié)果如圖1所示。

    可以看出,GM(1,1)模型的總體預(yù)測情況較好,平均擬合誤差為3.1%,能夠反映出數(shù)據(jù)變化的總體趨勢。但是2021年的預(yù)測誤差為-12.4%,由于飛機不同于普通商品,單體價格昂貴。以空客A320為例,一架飛機的購價約為9億元人民幣,12.4%的數(shù)量就會在總價上帶來數(shù)千億元的誤差,這個數(shù)字是驚人的。并且圖1中的擬合曲線沒有反映出2018-2021年飛機數(shù)量增速變緩的趨勢,也就是說當(dāng)原始數(shù)據(jù)因為某些突發(fā)因素出現(xiàn)“拐點”時,GM(1,1)模型不能夠?qū)Υ诉M行識別,從而使得之后的預(yù)測結(jié)果與實際值誤差增大。

    2 民機需求BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測

    2.1 核心思想

    20世紀(jì)80年代,BP神經(jīng)網(wǎng)絡(luò)概念首次被提出,是一種與人類大腦中的神經(jīng)元非常相似的前向模型,具有多層結(jié)構(gòu)。不同層級之間的神經(jīng)元通過可變權(quán)重相連接,信息的傳導(dǎo)過程也與人類大腦中神經(jīng)元的運作機理相吻合,這使得BP神經(jīng)網(wǎng)絡(luò)在復(fù)雜問題的分析和處理上有強大的學(xué)習(xí)能力[24-25]。

    由于不同的神經(jīng)元對于信息處理的方式不同,因此可以將這些神經(jīng)元按照對應(yīng)的層級結(jié)構(gòu)劃分為3類:輸入單元,輸出單元和隱藏單元。當(dāng)進行BP神經(jīng)網(wǎng)絡(luò)預(yù)測時,首先要進行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,通過訓(xùn)練樣本的輸入,對神經(jīng)元進行刺激,然后將信息傳遞給其他神經(jīng)元。若輸出信息的結(jié)果無法滿足期望值,則需要對相應(yīng)的網(wǎng)絡(luò)參數(shù)進行修改,重新進行訓(xùn)練,直到輸出結(jié)果滿足事先設(shè)定的精度要求為止[26-27]。通常來說,3層神經(jīng)網(wǎng)絡(luò)模型最為普遍,也足夠解決大多數(shù)預(yù)測問題,3層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖如圖2所示。

    2.2 BP神經(jīng)網(wǎng)絡(luò)模型

    步驟 1

    選取表1中的X1~X5 5個指標(biāo)作為神經(jīng)網(wǎng)絡(luò)的輸入變量,Y作為神經(jīng)網(wǎng)絡(luò)的輸出變量,建立3層BP神經(jīng)網(wǎng)絡(luò)模型。

    由于不同指標(biāo)的單位和實際意義不同,不能夠直接進行輸入,因此首先對輸入變量做歸一化處理,處理結(jié)果如表3所示。

    步驟 2

    軟件仿真

    將2013-2020年的數(shù)據(jù)作為訓(xùn)練樣本,2021年的數(shù)據(jù)作為檢驗樣本進行BP神經(jīng)網(wǎng)絡(luò)的預(yù)測。程序設(shè)定的流程按照前文所述,本文設(shè)置隱藏層的神經(jīng)元個數(shù)為10,輸出層的神經(jīng)元個數(shù)為1,由于樣本數(shù)量較少,因此訓(xùn)練的速度很快。經(jīng)過多次訓(xùn)練,此時的誤差變化情況如圖3所示為9.0153e-08。輸入2021年的相關(guān)指標(biāo),得到2021年的預(yù)測結(jié)果為4 304,誤差為9.07%,在提前設(shè)定的誤差范圍內(nèi)。

    步驟 3

    精度檢驗

    為了檢驗BP神經(jīng)網(wǎng)絡(luò)的預(yù)測情況,將2013-2020年的相關(guān)指標(biāo)進行輸入得到擬合結(jié)果如表4所示,其中2021年的數(shù)據(jù)為預(yù)測結(jié)果。

    將BP神經(jīng)網(wǎng)絡(luò)的擬合結(jié)果與真實值進行對比,如圖4所示。該模型的平均擬合誤差為2.63%,且反映出了2018-2021年飛機數(shù)量增速變緩的現(xiàn)象,這說明BP神經(jīng)網(wǎng)絡(luò)模型在進行訓(xùn)練時,能夠識別出原始數(shù)據(jù)的“拐點”,擬合精度和預(yù)測精度相較于GM(1,1) 模型均有不同程度的提高,但是預(yù)測結(jié)果誤差仍然較大,還需要進一步的優(yōu)化。

    3 民機需求灰色-神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型

    3.1 核心思想

    GM(1,1)模型與BP神經(jīng)網(wǎng)絡(luò)模型既相互獨立,又優(yōu)勢互補,如果能夠?qū)⒍呓Y(jié)合,可以最大程度發(fā)揮兩個模型的優(yōu)點,綜合利用所有信息。

    因此本文在這兩個模型的基礎(chǔ)上構(gòu)造出灰色-神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型,將GM(1,1)模型的預(yù)測結(jié)果也作為外界的一種刺激,融入到神經(jīng)網(wǎng)絡(luò)中去。于是可以將上文中GM(1,1)模型對飛機數(shù)量的擬合結(jié)果作為輸入變量之一,通過訓(xùn)練得到新的擬合結(jié)果。該灰色-神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型的結(jié)構(gòu)如圖5所示。

    3.2 灰色-神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型

    步驟 1

    選取GM(1,1)模型的預(yù)測值,作為BP神經(jīng)網(wǎng)絡(luò)的一個輸入變量X6,同樣對X6進行歸一化處理,得到組合預(yù)測模型的數(shù)據(jù)如表5所示。

    步驟 2

    將2013-2020年的數(shù)據(jù)作為訓(xùn)練樣本,2021年的數(shù)據(jù)作為檢驗樣本。組合預(yù)測模型的隱藏層神經(jīng)元個數(shù)設(shè)置為7,輸出層神經(jīng)元個數(shù)設(shè)置為1。經(jīng)過多次訓(xùn)練,此時模型的誤差變化情況和訓(xùn)練結(jié)果如圖6和圖7所示,擬合精度為2.0219e-06。將2021年的變量輸入模型中,得到2021年的預(yù)測結(jié)果為3 883,預(yù)測誤差為1.6%,在提前設(shè)定的誤差范圍內(nèi)。

    步驟 3

    精度檢驗

    為了檢驗灰色-神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型的預(yù)測情況,將2013-2020年的相關(guān)指標(biāo)進行輸入得到擬合結(jié)果如表6所示,其中2021年的數(shù)據(jù)為預(yù)測結(jié)果。

    將灰色-神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型的擬合結(jié)果與真實值進行對比,如圖8所示。

    步驟 4

    3種預(yù)測模型精度對比

    將3種模型的預(yù)測情況進行比較,結(jié)果如圖9所示。可以看出,GM(1,1)模型的平均擬合誤差為3.1%,2021年的預(yù)測誤差為12.4%;BP神經(jīng)網(wǎng)絡(luò)模型的平均擬合誤差為2.63%,2021年的預(yù)測誤差為9.5%;灰色-神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型的平均擬合誤差僅為0.45%,2021年的預(yù)測誤差僅為1.61%,擬合精度和預(yù)測精度均明顯提高,同時該組合預(yù)測模型較好地識別出了原始數(shù)據(jù)的“拐點”。2018-2021年飛機數(shù)量的預(yù)測值的變化趨勢也與實際情況相吻合,相較于前文所述的兩種單一的模型泛化能力更強,應(yīng)對突發(fā)情況的能力也更強。

    步驟 5

    利用組合預(yù)測模型對2022-2024年民機數(shù)量進行預(yù)測,由此反映未來3年內(nèi),航空業(yè)對于民機的需求量。

    步驟 5.1

    使用GM(1,1)模型對6個輸入變量分別進行預(yù)測,其中變量X6為GM(1,1)模型的預(yù)測結(jié)果,此時模型的原始序列為2003-2021年的相關(guān)數(shù)據(jù)。對6個輸入變量的原始序列分別進行級比檢驗,由此可以得到與各變量相對應(yīng)的灰色微分方程,具體的方法步驟可以參考第2.2節(jié)中利用GM(1,1)模型對飛機數(shù)量的預(yù)測步驟,計算結(jié)果如表7所示。

    步驟 5.2

    在前文中,保留了2021年的數(shù)據(jù)作為檢驗樣本,沒有將其作為模型的訓(xùn)練輸入,因此在這里要將2013-2021年的有關(guān)數(shù)據(jù)作為組合預(yù)測模型的訓(xùn)練輸入,對模型進行重新訓(xùn)練,具體的方法步驟同前文所述。將表7中的數(shù)據(jù)進行歸一化處理,將其作為重新訓(xùn)練的灰色-神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型的輸入值,對2022-2024年民機需求量進行預(yù)測,預(yù)測結(jié)果如表8所示。

    3.3 小結(jié)

    本節(jié)通過實證分析,驗證了該組合模型結(jié)合方式的有效性。事實上,常見的灰色組合預(yù)測模型也有很多,無外乎線性組合與非線性組合兩種方式。對于線性組合方式來說,單一模型的權(quán)重如何確定,往往會引起爭議。特別是在對未來進行預(yù)測時,權(quán)重是否應(yīng)該進行調(diào)整,如何進行調(diào)整是個非常棘手的問題。

    本文所采取的模型結(jié)合方式為非線性,可以有效地避免這一問題。其根本原理在于把GM(1,1)模型的擬合值作為神經(jīng)網(wǎng)絡(luò)的輸入之一,利用BP神經(jīng)網(wǎng)絡(luò)模型的自主學(xué)習(xí)和非線性處理能力,實現(xiàn)自身的優(yōu)化。這就相當(dāng)于給模型增加了一個“約束條件”,并且該“約束條件”能夠反映出目標(biāo)值的總體變化趨勢[28-30]。

    事實上,當(dāng)對未來進行預(yù)測時,是沒有任何真實數(shù)據(jù)的,輸入變量均為GM(1,1)模型的預(yù)測值,相當(dāng)于6個并聯(lián)的GM(1,1)模型,利用神經(jīng)網(wǎng)絡(luò)來訓(xùn)練這些GM(1,1)模型的擬合值,通過訓(xùn)練,充分挖掘輸出變量與輸入變量之間的內(nèi)在關(guān)系,從而提高了模型的預(yù)測精度。同時,由于該模型是單一模型的結(jié)合,因此在適用范圍上也得到了改善。

    4 結(jié) 論

    民航業(yè)發(fā)展的速度是驚人的,但是由于2020年新冠疫情的爆發(fā),全國運輸行業(yè)都受到了巨大的沖擊,飛機數(shù)量的影響因素數(shù)據(jù)出現(xiàn)波動,原本的增長“規(guī)律”被打破。此時GM(1,1)模型預(yù)測的誤差較大,不能針對數(shù)據(jù)“拐點”進行修正,所以要利用神經(jīng)網(wǎng)絡(luò)模型的可訓(xùn)練特性,對深層次的規(guī)律進行挖掘。

    本文通過搭建灰色-神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型,提高了模型的泛化能力,提供了一種新的模型組合思路,同時實現(xiàn)了對未來3年民機需求的預(yù)測。由于國內(nèi)學(xué)者對于民機需求預(yù)測領(lǐng)域的研究很少,因此本文具有一定的理論意義。從最后的結(jié)果可以看出,伴隨著疫情影響的消退,民航業(yè)的發(fā)展將重歸快車道,民機數(shù)量也將繼續(xù)實現(xiàn)穩(wěn)定的增長。這對研究未來航空業(yè)的運輸能力提供了一定的參考價值。

    參考文獻(xiàn)

    [1] CHEN F, XU B C, FAN D H. Using the system dynamics model on sustainable safety development of civil aviation[J]. International Journal of Technology, Policy and Management, 2022, 22(1/2): 3-23.

    [2] 劉光才, 賴汪灣. 基于粗糙集理論及灰色關(guān)聯(lián)分析模型的我國民航發(fā)展水平綜合評價[J]. 數(shù)學(xué)的實踐與認(rèn)識, 2017, 47(22): 46-57.

    LIU G C, LAI W W. Comprehensive evaluation of civil aviation development in China based on rough set theory and grey correlation analysis model[J]. Mathematical Practice and Understanding, 2017, 47(22): 46-57.

    [3] RAJAN B P T, MUTHUKUMARAN N. Grey neural network channel estimation and RBFNN hybrid precoding schemes for the multi user millimeter wave massive MIMO[J]. Transactions on Emerging Telecommunications Technologies, 2022, 34(2): 1733-1755.

    [4] 陳雄寅. 基于BP神經(jīng)網(wǎng)絡(luò)的港口物流需求預(yù)測研究[J]. 物流工程與管理, 2022, 44(12): 11-14, 20.

    CHEN X Y. Research on port logistics demand forecast based on BP neural network[J]. Logistics Engineering and Management, 2022, 44(12): 11-14, 20.

    [5] ZHANG L, XUE H B, LI Z Y, et al. Robust stability analysis of switched grey neural network models with distributed delays over C[J]. Grey Systems: Theory and Application, 2022, 12(4): 879-896.

    [6] 黃秋紅, 王霄, 楊靖, 等. 基于集群劃分的區(qū)域短期風(fēng)電功率預(yù)測模型[J]. 電力科學(xué)與工程, 2022, 38(12): 8-17.

    HUNAG Q H, WANG X, YANG J, et al. Regional short-term wind power prediction model based on cluster division[J]. Electric Power Science and Engineering, 2022, 38(12): 8-17.

    [7] 唐貴基, 周威, 王曉龍, 等. 基于變維GRU-BiLSTM神經(jīng)網(wǎng)絡(luò)模型的滾動軸承壽命預(yù)測[J]. 中國工程機械學(xué)報, 2022, 20(6): 498-503.

    TANG G J, ZHOU W, WANG X L, et al. Rolling bearing life prediction based on variable dimension GRU-BiLSTM neural network model[J]. Chinese Journal of Construction Machinery, 2022, 20(6): 498-503.

    [8] 陳凱杰, 唐振鵬, 吳俊傳, 等. 貴金屬期貨價格預(yù)測方法及實證研究[J]. 中國管理科學(xué), 2022, 30(12): 245-253.

    CHEN K J, TANG Z P, WU J C, et al. Prediction method and empirical study of precious metal futures price[J]. China Management Science, 2022, 30(12): 245-253.

    [9] SHENG Y F, ZHANG J J, TAN W, et al. Application of grey model and neural network in financial revenue forecast[J]. Computers, Materials amp; Continua, 2021, 69(3): 4043-4059.

    [10] UTSUMI M, KITADA K, TOKUNAGA N, et al. A combined prediction model for biliary tract cancer using the prognostic nutritional index and pathological findings: a single-center retrospective study[J]. BMC Gastroenterology, 2021, 21(1). DOI: 10.1186/s12876-021-01957-5.

    [11] KUCHANSKY A, BILOSHCHYTSKYI A, ANDRASHKO Y, et al. Development of adaptive combined models for predicting time series based on similarity identification[J]. Eastern-European Journal of Enterprise Technologies, 2018, 1(4): 32-42.

    [12] MALEK S, ABDELLATIF E A. Intelligent system-based support vector regression for supply chain demand forecasting[C]∥Proc.of the 2nd World Conference on Complex Systems, 2014: 79-83.

    [13] 魯玉芬, 方從嚴(yán), 開明. 灰色-時序組合模型在建筑物沉降預(yù)測中的應(yīng)用[J]. 科技和產(chǎn)業(yè), 2022, 22(8): 315-318.

    LU Y F, FANG C Y, KAI M. Application of gray-time series combination model in building settlement prediction[J]. Science and Technology Industry, 2022, 22(8): 315-318.

    [14] 郭為民. 灰色理論和加權(quán)平均法組合預(yù)測家用空調(diào)產(chǎn)品銷售量[J]. 內(nèi)蒙古科技與經(jīng)濟, 2021(15): 61-62.

    GUO W M. Forecasting sales volume of household air conditioning products by combination of grey theory and weighted average method[J]. Inner Mongolia Science and Technology and Economy, 2021(15): 61-62.

    [15] 邵夢汝, 程天倫, 馬曉晨. 基于灰色神經(jīng)網(wǎng)絡(luò)的鐵路貨運量組合預(yù)測[J]. 交通運輸工程與信息學(xué)報, 2016, 14(3): 129-135.

    SHAO M R, CHEN T L, MA X C. Railway freight volume combination forecasting based on grey neural network[J]. Journal of Transportation Engineering and Information, 2016, 14(3): 129-135.

    [16] 陳莎莎. 基于組合預(yù)測模型下某區(qū)碳排放的預(yù)測研究[J]. 中國新技術(shù)新產(chǎn)品, 2022(12): 130-132.

    CHEN S S. Based on the combination forecast model district of carbon emissions prediction research[J]. China’s New Technology and New Products, 2022(12): 130-132.

    [17] SUN Z H, FAN Y Q. A combined water quality pollution prediction model based on the spark big data platform[J]. AQUA—Water Infrastructure, Ecosystems and Society, 2022, 71(9): 963-974.

    [18] SHARMA R C, DABRA V, SINGH G, et al. Multi response optimization while machining of stainless steel 316L using intelligent approach of grey theory and grey-TLBO[J]. World Journal of Engineering, 2022, 19(3): 329-339.

    [19] LIU Z Y, ZHANG X K, DONG Z B. TSF-transformer: a time series forecasting model for exhaust gas emission using transformer[J]. Applied intelligence (Dordrecht, Netherlands), 2022, 53(13): 11-15.

    [20] HU Y T, LI S C, LI S Y, et al. Research on the combined prediction model of milling sound pressure level based on force-thermal-vibration multi-feature fusion[J]. The International Journal of Advanced Manufacturing Technology, 2021, 115(1/2): 233-245.

    [21] SUN X X, WANG Y Q, MENG W J. Evaluation system of curved conveyor belt deviation state based on the ARIMA-LSTM combined prediction model[J]. Machines, 2022, 10(11): 1042-1043.

    [22] XIE N M. A summary of grey forecasting models[J]. Grey Systems: Theory and Application, 2022, 12(4): 703-722.

    [23] HU Y C. Forecasting the demand for tourism using combinations of forecasts by neural network-based interval grey prediction models[J]. Asia Pacific Journal of Tourism Research, 2021, 26(12): 1350-1363.

    [24] ZHU J N, LIU X C, LIU C. Non-equidistant non-homogenous grey prediction model with fractional accumulation and its application[J]. Journal of Intelligent amp; Fuzzy Systems, 2021, 40(6): 11861-11874.

    [25] MIZUNO N, KUBOSHIMA R. Implementation and evaluation of non-linear optimal feedback control for ship’s automatic berthing by recurrent neural network[J]. IFAC Papers Online, 2019, 52(21): 91-96.

    [26] LING X, LIU S P, LIU Q, et al. Research on remaining service life prediction of platform screen doors system based on genetic algorithm to optimize BP neural network[J]. Enterprise Information Systems, 2022, 16(8/9): 198-204.

    [27] DAI C, ZHUANG G W, WANG J, et al. Error correction method of transformer harmonic detection based on the improved BP neural network[J]. Journal of Physics: Conference Series, 2023, 2419(1): 572-579.

    [28] JIYEON K, YULIM S, EUNJUNG C. An intrusion detection model based on a convolutional neural network[J]. Journal of Multimedia Information System, 2019, 6(4): 165-172.

    [29] HE Y Y. Feature analysis of mechanical and electronic signals based on grey neural network prediction[C]∥Proc.of the 4th International Conference on Education, Management and Information Technology, 2018: 1431-1436.

    [30] LI Q H, MA C L, WANG C Y, et al. Application of combined prediction model in surface roughness prediction[J]. Journal of Nanoelectronics and Optoelectronics, 2022, 17(11): 1511-1516.

    作者簡介

    慶 豪(1998—),男,碩士研究生,主要研究方向為質(zhì)量與可靠性。

    方志耕(1962—),男,教授,博士研究生導(dǎo)師,博士,主要研究方向為可靠性工程、復(fù)雜裝備研制管理。

    王育紅(1974—),女,高級工程師,博士,主要研究方向為采購與供應(yīng)鏈、質(zhì)量。

    邱璽睿(1999—),男,碩士研究生,主要研究方向為衛(wèi)星效能評估。

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機模型
    提煉模型 突破難點
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達(dá)及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    3D打印中的模型分割與打包
    小蜜桃在线观看免费完整版高清| 国产乱人偷精品视频| 美女视频免费永久观看网站| 联通29元200g的流量卡| 边亲边吃奶的免费视频| www.色视频.com| 精品少妇久久久久久888优播| 国产老妇伦熟女老妇高清| 成人亚洲精品av一区二区| 看黄色毛片网站| 国产成人精品久久久久久| 国产成人91sexporn| 一区二区三区四区激情视频| 精品99又大又爽又粗少妇毛片| 91狼人影院| 在线观看av片永久免费下载| 久久久久久久午夜电影| 亚洲成人久久爱视频| 精品一区二区三卡| 亚洲av欧美aⅴ国产| xxx大片免费视频| 一区二区三区免费毛片| 中文字幕亚洲精品专区| 国产精品一区二区在线观看99| 久久国产乱子免费精品| 亚洲,一卡二卡三卡| 欧美3d第一页| 亚洲最大成人中文| 久久99蜜桃精品久久| 一级毛片电影观看| 人妻系列 视频| 秋霞伦理黄片| 午夜福利网站1000一区二区三区| 色哟哟·www| 国产精品熟女久久久久浪| 涩涩av久久男人的天堂| 精品熟女少妇av免费看| 亚洲国产欧美在线一区| 国产淫片久久久久久久久| 男女那种视频在线观看| 纵有疾风起免费观看全集完整版| 大码成人一级视频| 亚洲欧美中文字幕日韩二区| 波多野结衣巨乳人妻| 中文天堂在线官网| 国产精品爽爽va在线观看网站| 国产黄色视频一区二区在线观看| 91精品一卡2卡3卡4卡| 日韩av在线免费看完整版不卡| 一边亲一边摸免费视频| 国产人妻一区二区三区在| 又黄又爽又刺激的免费视频.| 国产男女超爽视频在线观看| 一本色道久久久久久精品综合| 一级毛片我不卡| 久久久久久久久久久丰满| 国产黄片美女视频| av免费在线看不卡| 精品一区二区三区视频在线| 18+在线观看网站| 男女啪啪激烈高潮av片| 欧美一区二区亚洲| 亚洲成人一二三区av| 亚洲在久久综合| 久久国产乱子免费精品| 97热精品久久久久久| 久久久久久久久久久丰满| 老司机影院毛片| 亚洲美女视频黄频| 大香蕉97超碰在线| 午夜免费观看性视频| 亚洲最大成人av| 午夜老司机福利剧场| 久热久热在线精品观看| 网址你懂的国产日韩在线| 婷婷色综合大香蕉| av国产久精品久网站免费入址| 欧美高清性xxxxhd video| 色综合色国产| 一本色道久久久久久精品综合| 欧美成人一区二区免费高清观看| 一级爰片在线观看| 亚洲精品亚洲一区二区| 日本爱情动作片www.在线观看| 男人狂女人下面高潮的视频| 女人久久www免费人成看片| 又大又黄又爽视频免费| 性色avwww在线观看| 最近最新中文字幕大全电影3| 欧美日韩综合久久久久久| 亚洲综合色惰| 亚洲欧美一区二区三区国产| 中国美白少妇内射xxxbb| 自拍偷自拍亚洲精品老妇| 国产精品女同一区二区软件| 亚洲美女搞黄在线观看| 日本-黄色视频高清免费观看| 国产亚洲91精品色在线| 亚洲精品成人av观看孕妇| 国产精品人妻久久久久久| 久久99精品国语久久久| 天天躁日日操中文字幕| 中文在线观看免费www的网站| 国产av码专区亚洲av| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 超碰97精品在线观看| 国产淫语在线视频| 99视频精品全部免费 在线| 亚洲一级一片aⅴ在线观看| 日本欧美国产在线视频| 中国美白少妇内射xxxbb| av国产免费在线观看| 卡戴珊不雅视频在线播放| 乱码一卡2卡4卡精品| 亚洲第一区二区三区不卡| 高清av免费在线| 久久人人爽人人片av| 精品少妇黑人巨大在线播放| 免费不卡的大黄色大毛片视频在线观看| 国产片特级美女逼逼视频| 久久久久久久亚洲中文字幕| freevideosex欧美| 能在线免费看毛片的网站| 免费少妇av软件| 22中文网久久字幕| 日韩成人av中文字幕在线观看| 中文字幕亚洲精品专区| 纵有疾风起免费观看全集完整版| 少妇裸体淫交视频免费看高清| 亚洲av不卡在线观看| 国产高清不卡午夜福利| av一本久久久久| 免费看av在线观看网站| 国产有黄有色有爽视频| 亚洲精品国产色婷婷电影| 国产69精品久久久久777片| 女人久久www免费人成看片| 一本色道久久久久久精品综合| 精品人妻熟女av久视频| 网址你懂的国产日韩在线| 97超视频在线观看视频| 在线免费观看不下载黄p国产| 国产伦在线观看视频一区| 99热国产这里只有精品6| 久久午夜福利片| 国产精品麻豆人妻色哟哟久久| 91久久精品电影网| 午夜福利视频精品| 成人欧美大片| 精华霜和精华液先用哪个| 国语对白做爰xxxⅹ性视频网站| 久久精品熟女亚洲av麻豆精品| 国产极品天堂在线| 欧美日韩国产mv在线观看视频 | av.在线天堂| 日韩av免费高清视频| 韩国av在线不卡| 九草在线视频观看| 一边亲一边摸免费视频| 蜜桃久久精品国产亚洲av| 你懂的网址亚洲精品在线观看| 国产男女内射视频| 精品99又大又爽又粗少妇毛片| 午夜福利在线观看免费完整高清在| 一级毛片电影观看| av黄色大香蕉| 汤姆久久久久久久影院中文字幕| 少妇猛男粗大的猛烈进出视频 | 久久综合国产亚洲精品| 国产 一区 欧美 日韩| 中文天堂在线官网| 视频中文字幕在线观看| 青春草国产在线视频| 欧美潮喷喷水| 大香蕉久久网| 欧美成人精品欧美一级黄| 亚洲人与动物交配视频| 久久人人爽人人片av| 少妇人妻精品综合一区二区| 日日啪夜夜爽| 亚洲国产日韩一区二区| 久久精品人妻少妇| 久久久久久久久大av| 国产精品精品国产色婷婷| 国产精品嫩草影院av在线观看| 韩国高清视频一区二区三区| 欧美一级a爱片免费观看看| 十八禁网站网址无遮挡 | 一区二区三区免费毛片| 欧美日韩亚洲高清精品| 日本一本二区三区精品| 岛国毛片在线播放| 久久久午夜欧美精品| 国产成人a∨麻豆精品| 国产淫语在线视频| 99热网站在线观看| 超碰97精品在线观看| av.在线天堂| 久久综合国产亚洲精品| 可以在线观看毛片的网站| 成人黄色视频免费在线看| 午夜老司机福利剧场| 免费av观看视频| 国产精品av视频在线免费观看| 一本一本综合久久| 国产白丝娇喘喷水9色精品| 一边亲一边摸免费视频| 亚洲欧美日韩无卡精品| 亚洲最大成人手机在线| 三级经典国产精品| 国产精品女同一区二区软件| 日本一本二区三区精品| 欧美bdsm另类| 日本黄色片子视频| 人妻夜夜爽99麻豆av| 亚洲精品久久午夜乱码| 久久久欧美国产精品| 搡女人真爽免费视频火全软件| 最近的中文字幕免费完整| av天堂中文字幕网| 久久人人爽av亚洲精品天堂 | 插逼视频在线观看| 亚洲精品久久午夜乱码| 天天躁夜夜躁狠狠久久av| av福利片在线观看| 免费大片18禁| 亚洲在线观看片| 婷婷色综合大香蕉| 日本黄色片子视频| 男女边摸边吃奶| 少妇猛男粗大的猛烈进出视频 | 日韩成人av中文字幕在线观看| 一级爰片在线观看| 99热网站在线观看| 久久久久久久国产电影| 午夜福利高清视频| 插阴视频在线观看视频| 99re6热这里在线精品视频| 国产精品一区二区在线观看99| 午夜精品一区二区三区免费看| 午夜福利在线在线| 美女cb高潮喷水在线观看| 欧美变态另类bdsm刘玥| 男女边摸边吃奶| 视频中文字幕在线观看| 一本久久精品| 亚洲精品日韩av片在线观看| 深爱激情五月婷婷| 欧美成人午夜免费资源| 国产高清不卡午夜福利| 各种免费的搞黄视频| 色婷婷久久久亚洲欧美| 国产精品不卡视频一区二区| 日本午夜av视频| 嫩草影院入口| 观看免费一级毛片| 汤姆久久久久久久影院中文字幕| 18禁在线无遮挡免费观看视频| 国产午夜精品一二区理论片| 国产一区二区在线观看日韩| 婷婷色综合www| 亚洲丝袜综合中文字幕| 国产精品无大码| av国产久精品久网站免费入址| 国产探花在线观看一区二区| freevideosex欧美| 亚洲精品影视一区二区三区av| 在线观看一区二区三区激情| 免费观看在线日韩| 各种免费的搞黄视频| 久久99热6这里只有精品| 成人亚洲精品一区在线观看 | 男人添女人高潮全过程视频| 最近中文字幕2019免费版| 亚洲av.av天堂| 亚洲精品日本国产第一区| a级一级毛片免费在线观看| 国产极品天堂在线| 国产高清有码在线观看视频| av在线app专区| 国产精品.久久久| 国产精品不卡视频一区二区| 亚洲成人精品中文字幕电影| 毛片女人毛片| 成人二区视频| 国产精品久久久久久久电影| 欧美少妇被猛烈插入视频| 成年免费大片在线观看| 久久亚洲国产成人精品v| 少妇人妻一区二区三区视频| 久久午夜福利片| 熟妇人妻不卡中文字幕| av.在线天堂| 少妇的逼好多水| 丝袜脚勾引网站| 午夜视频国产福利| 国产真实伦视频高清在线观看| 性插视频无遮挡在线免费观看| 国产日韩欧美亚洲二区| 欧美xxⅹ黑人| 亚洲内射少妇av| 欧美激情在线99| 黑人高潮一二区| 2021少妇久久久久久久久久久| 亚洲精品一区蜜桃| 色网站视频免费| 日韩不卡一区二区三区视频在线| 欧美成人a在线观看| 国产免费又黄又爽又色| 亚洲av国产av综合av卡| av国产久精品久网站免费入址| 亚洲无线观看免费| 免费电影在线观看免费观看| 简卡轻食公司| 欧美极品一区二区三区四区| 日本熟妇午夜| 日韩不卡一区二区三区视频在线| 热99国产精品久久久久久7| 亚洲av中文字字幕乱码综合| 欧美zozozo另类| 久久精品国产鲁丝片午夜精品| 国产免费一级a男人的天堂| 丰满乱子伦码专区| 亚洲久久久久久中文字幕| 美女脱内裤让男人舔精品视频| a级毛片免费高清观看在线播放| 晚上一个人看的免费电影| 欧美最新免费一区二区三区| 精品久久久久久久久av| 一级av片app| 大陆偷拍与自拍| 深爱激情五月婷婷| 午夜精品一区二区三区免费看| 亚洲av日韩在线播放| 91久久精品国产一区二区三区| av在线老鸭窝| 一级毛片 在线播放| 内地一区二区视频在线| 免费播放大片免费观看视频在线观看| 欧美极品一区二区三区四区| 少妇人妻 视频| 如何舔出高潮| 亚洲成人中文字幕在线播放| 国产精品久久久久久久久免| 哪个播放器可以免费观看大片| 久久久久性生活片| 日韩欧美精品v在线| 美女高潮的动态| 亚洲欧美精品自产自拍| 热99国产精品久久久久久7| av.在线天堂| 美女cb高潮喷水在线观看| 国产男女超爽视频在线观看| 成人无遮挡网站| 人妻制服诱惑在线中文字幕| 亚洲,一卡二卡三卡| 人人妻人人爽人人添夜夜欢视频 | 国产精品国产三级国产专区5o| 成人毛片a级毛片在线播放| 五月天丁香电影| 国产成人精品久久久久久| xxx大片免费视频| 婷婷色av中文字幕| 久久99精品国语久久久| 久久久久网色| 久久久久久久久久久免费av| 亚洲高清免费不卡视频| 国产精品久久久久久久电影| 日韩亚洲欧美综合| 1000部很黄的大片| 人妻少妇偷人精品九色| 亚洲一区二区三区欧美精品 | 精华霜和精华液先用哪个| 国产精品久久久久久久久免| 精品国产三级普通话版| 久久精品国产鲁丝片午夜精品| 精品久久久久久电影网| av在线老鸭窝| 直男gayav资源| 人妻少妇偷人精品九色| 成人午夜精彩视频在线观看| 亚洲在久久综合| 91久久精品国产一区二区三区| videos熟女内射| 街头女战士在线观看网站| 好男人视频免费观看在线| 免费av观看视频| 精品久久久久久电影网| 欧美xxxx性猛交bbbb| 国产精品.久久久| 国产高清国产精品国产三级 | 91精品国产九色| 大话2 男鬼变身卡| 一个人观看的视频www高清免费观看| 国产午夜精品一二区理论片| 七月丁香在线播放| 性色av一级| 两个人的视频大全免费| 亚洲高清免费不卡视频| av在线亚洲专区| 国产黄a三级三级三级人| 九九爱精品视频在线观看| 亚洲真实伦在线观看| 男插女下体视频免费在线播放| 一个人看视频在线观看www免费| 日本猛色少妇xxxxx猛交久久| 如何舔出高潮| 精品久久久久久电影网| 黄色欧美视频在线观看| 久久久久久久午夜电影| 在线精品无人区一区二区三 | 中文字幕亚洲精品专区| 美女国产视频在线观看| 久久久a久久爽久久v久久| 啦啦啦在线观看免费高清www| 久久精品熟女亚洲av麻豆精品| 欧美另类一区| 国产成人一区二区在线| 69av精品久久久久久| 国产成人精品福利久久| 一二三四中文在线观看免费高清| 成人亚洲欧美一区二区av| 高清欧美精品videossex| 国产午夜福利久久久久久| 国产精品嫩草影院av在线观看| 国内少妇人妻偷人精品xxx网站| 51国产日韩欧美| 你懂的网址亚洲精品在线观看| 卡戴珊不雅视频在线播放| 熟女av电影| 久久久久久久久大av| 午夜免费鲁丝| 亚洲欧美日韩另类电影网站 | 十八禁网站网址无遮挡 | 91久久精品电影网| 亚洲va在线va天堂va国产| 在线a可以看的网站| 亚洲精品久久午夜乱码| 人妻一区二区av| 久久久久久久午夜电影| 天堂网av新在线| 亚洲欧洲国产日韩| 成人亚洲精品av一区二区| 免费观看a级毛片全部| 久久久久久久大尺度免费视频| 97人妻精品一区二区三区麻豆| 日本黄色片子视频| 亚洲成人精品中文字幕电影| 性色avwww在线观看| 国产精品蜜桃在线观看| 汤姆久久久久久久影院中文字幕| 亚洲欧美一区二区三区国产| 寂寞人妻少妇视频99o| 卡戴珊不雅视频在线播放| 亚洲欧美成人精品一区二区| 亚州av有码| 亚洲av在线观看美女高潮| 深夜a级毛片| 亚洲欧美日韩另类电影网站 | 新久久久久国产一级毛片| 亚洲精品乱码久久久久久按摩| 一级毛片我不卡| 岛国毛片在线播放| 亚洲在久久综合| 狂野欧美激情性xxxx在线观看| 免费人成在线观看视频色| 亚洲av.av天堂| 中文字幕免费在线视频6| 黄片无遮挡物在线观看| 国产黄色视频一区二区在线观看| 午夜福利在线观看免费完整高清在| 亚洲国产精品成人久久小说| 亚洲熟女精品中文字幕| 熟妇人妻不卡中文字幕| 高清av免费在线| 人人妻人人爽人人添夜夜欢视频 | 久久久久久久久大av| 欧美潮喷喷水| 亚洲色图综合在线观看| 一级毛片黄色毛片免费观看视频| 亚洲精品成人av观看孕妇| 久久精品国产自在天天线| 观看免费一级毛片| 嫩草影院精品99| 黄色配什么色好看| 老司机影院成人| 街头女战士在线观看网站| 久久久久久久久久久丰满| 精品久久久久久久久av| 日韩,欧美,国产一区二区三区| 婷婷色综合www| 日韩av不卡免费在线播放| 女的被弄到高潮叫床怎么办| 在线观看三级黄色| 久久精品国产亚洲av涩爱| 亚洲精品国产av成人精品| 日韩人妻高清精品专区| 国产v大片淫在线免费观看| 一本色道久久久久久精品综合| 亚洲人成网站在线观看播放| 亚洲,一卡二卡三卡| 制服丝袜香蕉在线| 色视频www国产| 精品国产三级普通话版| 久久这里有精品视频免费| 国产av国产精品国产| 日本黄大片高清| 亚洲成人一二三区av| 中国三级夫妇交换| 国产毛片在线视频| 丰满少妇做爰视频| 男人舔奶头视频| 亚洲精品成人av观看孕妇| 男女边摸边吃奶| 听说在线观看完整版免费高清| a级毛色黄片| 91午夜精品亚洲一区二区三区| 午夜福利视频精品| 国产伦理片在线播放av一区| 欧美日韩视频高清一区二区三区二| 新久久久久国产一级毛片| 亚洲欧美日韩无卡精品| 男人狂女人下面高潮的视频| 又大又黄又爽视频免费| 精品99又大又爽又粗少妇毛片| 日韩精品有码人妻一区| 亚洲精品一区蜜桃| 美女国产视频在线观看| 国产亚洲av片在线观看秒播厂| 一级毛片 在线播放| videos熟女内射| 日韩制服骚丝袜av| 亚洲av在线观看美女高潮| 菩萨蛮人人尽说江南好唐韦庄| 熟妇人妻不卡中文字幕| 菩萨蛮人人尽说江南好唐韦庄| 涩涩av久久男人的天堂| 亚州av有码| 免费人成在线观看视频色| 一级毛片电影观看| 亚洲精华国产精华液的使用体验| 欧美性感艳星| 久久鲁丝午夜福利片| 午夜福利视频精品| 国产老妇女一区| 久久久色成人| 22中文网久久字幕| 亚洲欧美日韩另类电影网站 | 波多野结衣巨乳人妻| 国产精品爽爽va在线观看网站| 免费av观看视频| 嫩草影院新地址| 久久久久国产精品人妻一区二区| 国产午夜福利久久久久久| 男人爽女人下面视频在线观看| 国产永久视频网站| 国产亚洲一区二区精品| 人人妻人人澡人人爽人人夜夜| 亚洲av免费高清在线观看| 三级经典国产精品| 丝袜美腿在线中文| 欧美老熟妇乱子伦牲交| 少妇猛男粗大的猛烈进出视频 | 高清av免费在线| 国产午夜精品一二区理论片| 日韩成人av中文字幕在线观看| 久久久久国产网址| 欧美成人a在线观看| 黄色配什么色好看| 春色校园在线视频观看| 成人毛片60女人毛片免费| 麻豆精品久久久久久蜜桃| 26uuu在线亚洲综合色| 精品99又大又爽又粗少妇毛片| 国产精品av视频在线免费观看| 国产乱人偷精品视频| 2018国产大陆天天弄谢| 日韩在线高清观看一区二区三区| 免费大片18禁| 少妇高潮的动态图| 春色校园在线视频观看| 久久久久久九九精品二区国产| 三级国产精品片| eeuss影院久久| 老师上课跳d突然被开到最大视频| xxx大片免费视频| 人人妻人人看人人澡| 久久99热这里只频精品6学生| .国产精品久久| 五月天丁香电影| 自拍偷自拍亚洲精品老妇| 蜜桃久久精品国产亚洲av| 亚洲av免费在线观看| 18+在线观看网站| 在线观看免费高清a一片| 亚洲欧美一区二区三区黑人 | 大陆偷拍与自拍| 在线 av 中文字幕| 国产黄频视频在线观看| 午夜精品国产一区二区电影 | 国产 一区 欧美 日韩| 国产av国产精品国产| 亚洲av国产av综合av卡| 国产成人精品一,二区| 国精品久久久久久国模美| 男女边摸边吃奶| 亚洲人成网站高清观看| 少妇猛男粗大的猛烈进出视频 | 日日啪夜夜爽| 日本av手机在线免费观看| 91午夜精品亚洲一区二区三区| 久久久a久久爽久久v久久| 69av精品久久久久久| 免费看a级黄色片| 成人综合一区亚洲|