• <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(jī)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(jī)數(shù)量是反映民航運(yùn)輸能力的重要標(biāo)志,而對(duì)民機(jī)數(shù)量進(jìn)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(diǎn)研究了民機(jī)需求預(yù)測的模型架構(gòu)和實(shí)施方法,首先以2013年到2020年民機(jī)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(yàn)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(duì)未來的民機(jī)需求進(jìn)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(shí)預(yù)測結(jié)果對(duì)分析未來航空運(yùn)輸情況也具有一定的參考意義。

    關(guān)鍵詞:

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

    中圖分類號(hào):

    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(yùn)輸在經(jīng)濟(jì)社會(huì)發(fā)展、世界民航業(yè)的進(jìn)程中,扮演著越來越重要的角色[1-2]。因此,對(duì)未來民航飛機(jī)數(shù)量的預(yù)測極具意義:首先,民機(jī)數(shù)量是衡量民航業(yè)運(yùn)輸能力的重要指標(biāo)之一;其次,對(duì)民機(jī)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(duì)于研究民航業(yè)未來的發(fā)展走勢具有重要的價(jià)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(shí)間序列模型等[3-7],這些單一的預(yù)測模型優(yōu)缺點(diǎn)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(duì)腸道癌患者的預(yù)后情況進(jìn)行評(píng)估。Kuchansky[11]等基于相似性識(shí)別技術(shù),設(shè)計(jì)出了一種全新的時(shí)間序列組合預(yù)測模型。Malek[12]等則是將支持向量機(jī)(support vector machine, SVM)回歸技術(shù)同粒子群算法相結(jié)合,對(duì)傳統(tǒng)的SVM技術(shù)進(jìn)行優(yōu)化,實(shí)現(xiàn)了對(duì)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(shí)間序列模型結(jié)合起來,對(duì)建筑物沉降進(jìn)行預(yù)測。郭為民[14]通過把不同的灰色理論進(jìn)行加權(quán),實(shí)現(xiàn)了空調(diào)產(chǎn)品銷量的預(yù)測。邵夢(mèng)汝等[15]則是利用灰色神經(jīng)網(wǎng)絡(luò)模型對(duì)貨運(yùn)量進(jìn)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(duì)碳排放進(jìn)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(yùn)用這些方法對(duì)民機(jī)數(shù)量進(jìn)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(jī)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(diǎn),因此本文對(duì)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(shí)證分析,該組合預(yù)測模型克服了單一預(yù)測模型的幾點(diǎn)不足,不僅擬合精度和預(yù)測精度顯著提高,增強(qiáng)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(diǎn)”的現(xiàn)象,提高了模型的泛化能力[17-20]。

    1 民機(jī)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(duì)象,主要是對(duì)部分已知信息的挖掘,提取有價(jià)值的信息,實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)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(shí)間序列矩陣,進(jìn)而實(shí)現(xiàn)對(duì)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(jī)數(shù)量的指標(biāo)有很多,因此在指標(biāo)選取之前,要對(duì)其進(jìn)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(jī)日利用率X1/h、總周轉(zhuǎn)量X2/億噸、旅客運(yùn)輸量X3/萬人、國民生產(chǎn)總值X4/億元、航線數(shù)量X5/條、飛機(jī)數(shù)量Y/架。數(shù)據(jù)來源于交通運(yùn)輸部,由于官網(wǎng)上的統(tǒng)計(jì)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(jìn)行模型計(jì)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(jī)不同于普通商品,單體價(jià)格昂貴。以空客A320為例,一架飛機(jī)的購價(jià)約為9億元人民幣,12.4%的數(shù)量就會(huì)在總價(jià)上帶來數(shù)千億元的誤差,這個(gè)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(jī)數(shù)量增速變緩的趨勢,也就是說當(dāng)原始數(shù)據(jù)因?yàn)槟承┩话l(fā)因素出現(xiàn)“拐點(diǎn)”時(shí),GM(1,1)模型不能夠?qū)Υ诉M(jìn)行識(shí)別,從而使得之后的預(yù)測結(jié)果與實(shí)際值誤差增大。

    2 民機(jī)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(jí)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(yùn)作機(jī)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(qiáng)大的學(xué)習(xí)能力[24-25]。

    由于不同的神經(jīng)元對(duì)于信息處理的方式不同,因此可以將這些神經(jīng)元按照對(duì)應(yīng)的層級(jí)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(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測時(shí),首先要進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,通過訓(xùn)練樣本的輸入,對(duì)神經(jīng)元進(jìn)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(duì)相應(yīng)的網(wǎng)絡(luò)參數(shù)進(jìn)行修改,重新進(jìn)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(gè)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(shí)際意義不同,不能夠直接進(jìn)行輸入,因此首先對(duì)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(yàn)樣本進(jìn)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(gè)數(shù)為10,輸出層的神經(jīng)元個(gè)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(shí)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(yàn)

    為了檢驗(yàn)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(jìn)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(shí)值進(jìn)行對(duì)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(jī)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(jìn)行訓(xùn)練時(shí),能夠識(shí)別出原始數(shù)據(jù)的“拐點(diǎn)”,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(jìn)一步的優(yōu)化。

    3 民機(jī)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(dú)立,又優(yōu)勢互補(bǔ),如果能夠?qū)⒍呓Y(jié)合,可以最大程度發(fā)揮兩個(gè)模型的優(yōu)點(diǎn),綜合利用所有信息。

    因此本文在這兩個(gè)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(duì)飛機(jī)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(gè)輸入變量X6,同樣對(duì)X6進(jìn)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(yàn)樣本。組合預(yù)測模型的隱藏層神經(jīng)元個(gè)數(shù)設(shè)置為7,輸出層神經(jīng)元個(gè)數(shù)設(shè)置為1。經(jīng)過多次訓(xùn)練,此時(shí)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(yàn)

    為了檢驗(yàn)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(jìn)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(shí)值進(jìn)行對(duì)比,如圖8所示。

    步驟 4

    3種預(yù)測模型精度對(duì)比

    將3種模型的預(yù)測情況進(jìn)行比較,結(jié)果如圖9所示??梢钥闯?,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(shí)該組合預(yù)測模型較好地識(shí)別出了原始數(shù)據(jù)的“拐點(diǎn)”。2018-2021年飛機(jī)數(shù)量的預(yù)測值的變化趨勢也與實(shí)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(qiáng),應(yīng)對(duì)突發(fā)情況的能力也更強(qiáng)。

    步驟 5

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

    步驟 5.1

    使用GM(1,1)模型對(duì)6個(gè)輸入變量分別進(jìn)行預(yù)測,其中變量X6為GM(1,1)模型的預(yù)測結(jié)果,此時(shí)模型的原始序列為2003-2021年的相關(guān)數(shù)據(jù)。對(duì)6個(gè)輸入變量的原始序列分別進(jìn)行級(jí)比檢驗(yàn),由此可以得到與各變量相對(duì)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(duì)飛機(jī)數(shù)量的預(yù)測步驟,計(jì)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(yàn)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(duì)模型進(jìn)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(jìn)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(duì)2022-2024年民機(jī)需求量進(jìn)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(shí)證分析,驗(yàn)證了該組合模型結(jié)合方式的有效性。事實(shí)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(duì)于線性組合方式來說,單一模型的權(quán)重如何確定,往往會(huì)引起爭議。特別是在對(duì)未來進(jìn)行預(yù)測時(shí),權(quán)重是否應(yīng)該進(jìn)行調(diào)整,如何進(jìn)行調(diào)整是個(gè)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(shí)現(xiàn)自身的優(yōu)化。這就相當(dāng)于給模型增加了一個(gè)“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(shí)上,當(dāng)對(duì)未來進(jìn)行預(yù)測時(shí),是沒有任何真實(shí)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(gè)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(shí),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(yùn)輸行業(yè)都受到了巨大的沖擊,飛機(jī)數(shù)量的影響因素?cái)?shù)據(jù)出現(xiàn)波動(dòng),原本的增長“規(guī)律”被打破。此時(shí)GM(1,1)模型預(yù)測的誤差較大,不能針對(duì)數(shù)據(jù)“拐點(diǎn)”進(jìn)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(duì)深層次的規(guī)律進(jìn)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(shí)實(shí)現(xiàn)了對(duì)未來3年民機(jī)需求的預(yù)測。由于國內(nèi)學(xué)者對(duì)于民機(jī)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(jī)數(shù)量也將繼續(xù)實(shí)現(xiàn)穩(wěn)定的增長。這對(duì)研究未來航空業(yè)的運(yùn)輸能力提供了一定的參考價(jià)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(píng)價(jià)[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí), 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(dòng)軸承壽命預(yù)測[J]. 中國工程機(jī)械學(xué)報(bào), 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(jià)格預(yù)測方法及實(shí)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(shí)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(jì), 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(mèng)汝, 程天倫, 馬曉晨. 基于灰色神經(jīng)網(wǎng)絡(luò)的鐵路貨運(yùn)量組合預(yù)測[J]. 交通運(yùn)輸工程與信息學(xué)報(bào), 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?yàn)橘|(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?yàn)榭煽啃怨こ獭?fù)雜裝備研制管理。

    王育紅(1974—),女,高級(jí)工程師,博士,主要研究方向?yàn)椴少徟c供應(yīng)鏈、質(zhì)量。

    邱璽睿(1999—),男,碩士研究生,主要研究方向?yàn)樾l(wèi)星效能評(píng)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(jī)模型
    提煉模型 突破難點(diǎn)
    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(jì)的漸近分布
    3D打印中的模型分割與打包
    黄色怎么调成土黄色| 亚洲专区中文字幕在线| 黄色毛片三级朝国网站| 国产精品亚洲av一区麻豆| 久久久久久久精品吃奶| 母亲3免费完整高清在线观看| 免费高清在线观看日韩| 国产午夜精品久久久久久| 精品一区二区三卡| 国产精品影院久久| 天天躁狠狠躁夜夜躁狠狠躁| 精品一区二区三卡| 精品乱码久久久久久99久播| 天堂√8在线中文| 国产在线观看jvid| 亚洲全国av大片| 亚洲国产中文字幕在线视频| 黑人猛操日本美女一级片| 亚洲欧美日韩高清在线视频| 亚洲午夜理论影院| 亚洲午夜精品一区,二区,三区| 亚洲五月色婷婷综合| 美女福利国产在线| 亚洲专区字幕在线| 可以在线观看毛片的网站| 午夜日韩欧美国产| 亚洲av成人一区二区三| 女性被躁到高潮视频| 一级黄色大片毛片| 久久久久亚洲av毛片大全| 国产真人三级小视频在线观看| 午夜福利一区二区在线看| 91精品三级在线观看| 视频区欧美日本亚洲| 丝袜美腿诱惑在线| 亚洲五月天丁香| 亚洲一卡2卡3卡4卡5卡精品中文| 啪啪无遮挡十八禁网站| 香蕉国产在线看| 欧美人与性动交α欧美精品济南到| 97超级碰碰碰精品色视频在线观看| 熟女少妇亚洲综合色aaa.| 最近最新中文字幕大全电影3 | 侵犯人妻中文字幕一二三四区| 麻豆久久精品国产亚洲av | 国产精品秋霞免费鲁丝片| 91麻豆av在线| 精品一区二区三区av网在线观看| 人人妻人人添人人爽欧美一区卜| 亚洲欧美一区二区三区久久| 又黄又爽又免费观看的视频| 欧美亚洲日本最大视频资源| 精品国产乱子伦一区二区三区| 色综合婷婷激情| 又黄又爽又免费观看的视频| 欧美国产精品va在线观看不卡| 色婷婷久久久亚洲欧美| 午夜两性在线视频| 老熟妇仑乱视频hdxx| 亚洲精品久久成人aⅴ小说| 长腿黑丝高跟| 免费人成视频x8x8入口观看| 波多野结衣一区麻豆| 可以免费在线观看a视频的电影网站| 午夜成年电影在线免费观看| 啦啦啦在线免费观看视频4| 美国免费a级毛片| 国产精品 欧美亚洲| 级片在线观看| 看免费av毛片| 在线观看舔阴道视频| 免费日韩欧美在线观看| 一本大道久久a久久精品| 无限看片的www在线观看| 日韩免费高清中文字幕av| 精品福利观看| 大型av网站在线播放| 久久亚洲真实| 最近最新免费中文字幕在线| 久9热在线精品视频| 精品久久蜜臀av无| 啦啦啦在线免费观看视频4| 又黄又爽又免费观看的视频| 丝袜在线中文字幕| 悠悠久久av| 亚洲精品在线观看二区| 免费高清视频大片| 91麻豆精品激情在线观看国产 | 一级作爱视频免费观看| 中文字幕色久视频| 在线播放国产精品三级| av国产精品久久久久影院| 国产熟女xx| 亚洲欧美日韩另类电影网站| 伊人久久大香线蕉亚洲五| 在线视频色国产色| 国产免费av片在线观看野外av| 99在线人妻在线中文字幕| 香蕉国产在线看| 啦啦啦在线免费观看视频4| 97碰自拍视频| 国产伦人伦偷精品视频| 91大片在线观看| 麻豆久久精品国产亚洲av | 欧美国产精品va在线观看不卡| 国产又色又爽无遮挡免费看| tocl精华| 9191精品国产免费久久| 男人舔女人下体高潮全视频| 两性夫妻黄色片| 日韩大尺度精品在线看网址 | 19禁男女啪啪无遮挡网站| 操出白浆在线播放| 高清欧美精品videossex| 天天影视国产精品| 99riav亚洲国产免费| 久久热在线av| 男女午夜视频在线观看| 夜夜爽天天搞| 丰满迷人的少妇在线观看| 超碰97精品在线观看| av有码第一页| 国产成人欧美在线观看| 欧美激情久久久久久爽电影 | 夜夜爽天天搞| 亚洲精品av麻豆狂野| 欧美+亚洲+日韩+国产| 天天添夜夜摸| 久久伊人香网站| 亚洲中文字幕日韩| 亚洲中文av在线| 日韩一卡2卡3卡4卡2021年| 欧美乱色亚洲激情| 日韩成人在线观看一区二区三区| 狠狠狠狠99中文字幕| 午夜成年电影在线免费观看| 18禁观看日本| 中文字幕另类日韩欧美亚洲嫩草| 亚洲精品国产色婷婷电影| 又黄又爽又免费观看的视频| 欧美日本中文国产一区发布| 可以免费在线观看a视频的电影网站| 777久久人妻少妇嫩草av网站| 美女高潮喷水抽搐中文字幕| 免费不卡黄色视频| 变态另类成人亚洲欧美熟女 | 黄片大片在线免费观看| 国产成人精品久久二区二区免费| 在线观看免费视频网站a站| 夜夜爽天天搞| 中文字幕高清在线视频| 久久久国产欧美日韩av| 久久午夜亚洲精品久久| 国产成人免费无遮挡视频| 亚洲伊人色综图| 欧美日韩亚洲综合一区二区三区_| 欧美一级毛片孕妇| 少妇粗大呻吟视频| а√天堂www在线а√下载| 熟女少妇亚洲综合色aaa.| 精品国产超薄肉色丝袜足j| 国产午夜精品久久久久久| 性欧美人与动物交配| 一级黄色大片毛片| 极品教师在线免费播放| 法律面前人人平等表现在哪些方面| 国产无遮挡羞羞视频在线观看| 国产一区二区三区在线臀色熟女 | 老汉色av国产亚洲站长工具| 精品一区二区三区四区五区乱码| 一边摸一边抽搐一进一出视频| 丰满的人妻完整版| 国产熟女午夜一区二区三区| 老司机深夜福利视频在线观看| 国产高清激情床上av| 又大又爽又粗| 亚洲专区字幕在线| 在线天堂中文资源库| 日本vs欧美在线观看视频| 欧美激情久久久久久爽电影 | 两性夫妻黄色片| 欧美乱码精品一区二区三区| 99国产精品免费福利视频| 一边摸一边抽搐一进一小说| 久久久精品国产亚洲av高清涩受| 亚洲avbb在线观看| 无人区码免费观看不卡| 国产麻豆69| 中文字幕av电影在线播放| 悠悠久久av| 淫秽高清视频在线观看| 国产亚洲欧美98| 看片在线看免费视频| 亚洲少妇的诱惑av| 日本免费a在线| 中文字幕人妻熟女乱码| 人人妻人人添人人爽欧美一区卜| 亚洲五月色婷婷综合| 午夜影院日韩av| av在线天堂中文字幕 | av中文乱码字幕在线| 午夜福利,免费看| 亚洲五月天丁香| 人人澡人人妻人| 亚洲熟女毛片儿| 精品国产美女av久久久久小说| 国产色视频综合| 免费观看精品视频网站| 国产欧美日韩一区二区三区在线| 欧美日韩乱码在线| 可以免费在线观看a视频的电影网站| 老熟妇乱子伦视频在线观看| 日本五十路高清| 久久精品aⅴ一区二区三区四区| 久久中文字幕人妻熟女| 日韩有码中文字幕| 精品国内亚洲2022精品成人| 欧美日韩精品网址| av欧美777| 久久人妻熟女aⅴ| 熟女少妇亚洲综合色aaa.| 久热爱精品视频在线9| 一级a爱片免费观看的视频| 亚洲人成77777在线视频| 女人被狂操c到高潮| 黄色a级毛片大全视频| 日韩免费av在线播放| 亚洲精品美女久久久久99蜜臀| 视频区图区小说| 757午夜福利合集在线观看| 国产精品香港三级国产av潘金莲| 久久精品人人爽人人爽视色| 日韩一卡2卡3卡4卡2021年| 欧美 亚洲 国产 日韩一| 天天躁狠狠躁夜夜躁狠狠躁| 国产成人精品无人区| 老司机午夜福利在线观看视频| 高清欧美精品videossex| www.自偷自拍.com| 国产黄a三级三级三级人| 久久久国产成人免费| 午夜免费鲁丝| 亚洲人成网站在线播放欧美日韩| 啦啦啦免费观看视频1| 国产成人精品无人区| svipshipincom国产片| 亚洲专区字幕在线| 午夜福利欧美成人| 国产精品爽爽va在线观看网站 | 女人爽到高潮嗷嗷叫在线视频| 女人被躁到高潮嗷嗷叫费观| 亚洲av美国av| 国产成人精品久久二区二区91| 亚洲成国产人片在线观看| 国产乱人伦免费视频| 男女床上黄色一级片免费看| 欧美色视频一区免费| 脱女人内裤的视频| 国产精品综合久久久久久久免费 | 亚洲色图av天堂| 精品电影一区二区在线| 日本精品一区二区三区蜜桃| 亚洲色图 男人天堂 中文字幕| 精品高清国产在线一区| 无遮挡黄片免费观看| 久久人妻熟女aⅴ| 亚洲精品国产一区二区精华液| 亚洲自偷自拍图片 自拍| 91成人精品电影| 欧美成人性av电影在线观看| 女人被狂操c到高潮| 一本综合久久免费| 亚洲国产欧美日韩在线播放| 免费高清视频大片| 久久精品亚洲av国产电影网| 久久精品国产99精品国产亚洲性色 | 999精品在线视频| av欧美777| 大香蕉久久成人网| 亚洲第一欧美日韩一区二区三区| 国产成人精品久久二区二区免费| 女人高潮潮喷娇喘18禁视频| 久久精品影院6| 如日韩欧美国产精品一区二区三区| 国产高清国产精品国产三级| 超碰成人久久| 日本欧美视频一区| 俄罗斯特黄特色一大片| 亚洲人成伊人成综合网2020| 国产成人免费无遮挡视频| 日韩免费av在线播放| 日韩av在线大香蕉| 久久热在线av| 黄色 视频免费看| 亚洲精品美女久久久久99蜜臀| 成人黄色视频免费在线看| 色播在线永久视频| 妹子高潮喷水视频| 在线天堂中文资源库| 久9热在线精品视频| xxxhd国产人妻xxx| 村上凉子中文字幕在线| 男人的好看免费观看在线视频 | 曰老女人黄片| 国产一卡二卡三卡精品| 男人操女人黄网站| 啦啦啦在线免费观看视频4| 日本欧美视频一区| 国产精品偷伦视频观看了| 一级毛片高清免费大全| 欧美不卡视频在线免费观看 | 国产精品二区激情视频| 99精品久久久久人妻精品| 亚洲一区二区三区不卡视频| 日韩 欧美 亚洲 中文字幕| www.www免费av| 国产1区2区3区精品| 一a级毛片在线观看| 欧美日韩视频精品一区| 窝窝影院91人妻| 国产成年人精品一区二区 | 岛国在线观看网站| 在线永久观看黄色视频| 中文字幕人妻熟女乱码| 中文字幕精品免费在线观看视频| 国产高清激情床上av| 午夜精品久久久久久毛片777| 久久精品国产综合久久久| 午夜福利一区二区在线看| 一级作爱视频免费观看| 欧美性长视频在线观看| 欧美老熟妇乱子伦牲交| 欧美人与性动交α欧美精品济南到| 国产精品久久久久成人av| 国产91精品成人一区二区三区| 国产精品成人在线| 美国免费a级毛片| 国产精品久久久人人做人人爽| 欧美乱妇无乱码| 在线观看舔阴道视频| 午夜免费观看网址| 三级毛片av免费| 成人av一区二区三区在线看| 亚洲五月天丁香| 老熟妇乱子伦视频在线观看| 电影成人av| 曰老女人黄片| 人成视频在线观看免费观看| 国产精品99久久99久久久不卡| 18禁美女被吸乳视频| 亚洲专区字幕在线| 亚洲av第一区精品v没综合| 美国免费a级毛片| 国产精品自产拍在线观看55亚洲| 亚洲av成人一区二区三| 国产有黄有色有爽视频| 99久久99久久久精品蜜桃| 久久久久久大精品| 在线观看舔阴道视频| 露出奶头的视频| 国产激情欧美一区二区| 亚洲精品国产精品久久久不卡| 久久人人爽av亚洲精品天堂| 岛国视频午夜一区免费看| 制服人妻中文乱码| 亚洲成av片中文字幕在线观看| 亚洲情色 制服丝袜| 亚洲,欧美精品.| 成人18禁高潮啪啪吃奶动态图| 两个人免费观看高清视频| 欧美日韩亚洲国产一区二区在线观看| 无遮挡黄片免费观看| 欧美黄色淫秽网站| 午夜福利欧美成人| www.熟女人妻精品国产| 在线永久观看黄色视频| 久久国产精品人妻蜜桃| 老汉色av国产亚洲站长工具| 成人精品一区二区免费| 亚洲九九香蕉| 欧美 亚洲 国产 日韩一| 黄频高清免费视频| 欧美日韩av久久| 精品福利永久在线观看| 亚洲欧美日韩另类电影网站| 嫁个100分男人电影在线观看| 黄色成人免费大全| 国产精品偷伦视频观看了| 在线观看www视频免费| 香蕉国产在线看| 色哟哟哟哟哟哟| 青草久久国产| 精品少妇一区二区三区视频日本电影| 国产色视频综合| 老汉色∧v一级毛片| 午夜精品在线福利| 亚洲全国av大片| 久久这里只有精品19| 国产av在哪里看| 欧美黄色淫秽网站| 精品一品国产午夜福利视频| 级片在线观看| 天堂√8在线中文| 国产成人免费无遮挡视频| 久久精品人人爽人人爽视色| 久久精品亚洲精品国产色婷小说| 99国产精品一区二区蜜桃av| 亚洲精品一卡2卡三卡4卡5卡| 久久久久国内视频| 亚洲精品国产区一区二| 欧美日韩福利视频一区二区| ponron亚洲| 一区在线观看完整版| 精品电影一区二区在线| 夜夜夜夜夜久久久久| 丁香欧美五月| www.精华液| 亚洲视频免费观看视频| 淫妇啪啪啪对白视频| 免费高清视频大片| netflix在线观看网站| 99精国产麻豆久久婷婷| 热99国产精品久久久久久7| 欧美在线一区亚洲| 黑人巨大精品欧美一区二区mp4| 久久性视频一级片| 欧美+亚洲+日韩+国产| 亚洲成a人片在线一区二区| 亚洲国产精品sss在线观看 | 村上凉子中文字幕在线| 国产精品久久电影中文字幕| 国产欧美日韩一区二区三| 精品一区二区三区av网在线观看| 久久久国产精品麻豆| 午夜福利影视在线免费观看| 久久久久久久久久久久大奶| 中文亚洲av片在线观看爽| 国产熟女午夜一区二区三区| 免费看a级黄色片| 精品午夜福利视频在线观看一区| 免费av毛片视频| 久久午夜综合久久蜜桃| 日本黄色日本黄色录像| 国产亚洲精品一区二区www| 少妇裸体淫交视频免费看高清 | 19禁男女啪啪无遮挡网站| 亚洲国产欧美网| 欧美激情极品国产一区二区三区| 成人永久免费在线观看视频| 久久天躁狠狠躁夜夜2o2o| 激情视频va一区二区三区| 99在线视频只有这里精品首页| 国产深夜福利视频在线观看| 99香蕉大伊视频| 女人精品久久久久毛片| 欧美一区二区精品小视频在线| 国产成人影院久久av| 欧美日韩精品网址| 午夜亚洲福利在线播放| 制服诱惑二区| 久久久久久久久免费视频了| 丰满的人妻完整版| 亚洲国产中文字幕在线视频| 日本欧美视频一区| 亚洲一区高清亚洲精品| 黑人巨大精品欧美一区二区蜜桃| 别揉我奶头~嗯~啊~动态视频| 久久久久久免费高清国产稀缺| 久久久久国内视频| 国产精品1区2区在线观看.| 亚洲人成77777在线视频| 久久 成人 亚洲| 深夜精品福利| 黄色丝袜av网址大全| 多毛熟女@视频| 新久久久久国产一级毛片| 久99久视频精品免费| 久久人人精品亚洲av| 日韩欧美在线二视频| 精品乱码久久久久久99久播| 精品卡一卡二卡四卡免费| 男女之事视频高清在线观看| 又紧又爽又黄一区二区| 国产国语露脸激情在线看| 涩涩av久久男人的天堂| 黄色丝袜av网址大全| 亚洲精品粉嫩美女一区| 久久精品亚洲精品国产色婷小说| 丝袜人妻中文字幕| 韩国精品一区二区三区| 欧美中文日本在线观看视频| 两个人免费观看高清视频| 精品国内亚洲2022精品成人| 一夜夜www| 亚洲成人免费电影在线观看| 亚洲欧美激情综合另类| 国产免费av片在线观看野外av| 亚洲色图综合在线观看| 狠狠狠狠99中文字幕| 日本黄色视频三级网站网址| 两人在一起打扑克的视频| 国产又色又爽无遮挡免费看| xxxhd国产人妻xxx| 精品免费久久久久久久清纯| 亚洲精品在线美女| 夜夜夜夜夜久久久久| 国产蜜桃级精品一区二区三区| 窝窝影院91人妻| 久久精品国产亚洲av高清一级| 一区二区三区激情视频| 国产区一区二久久| 黄片小视频在线播放| 午夜日韩欧美国产| 一级,二级,三级黄色视频| 亚洲国产欧美日韩在线播放| 99久久综合精品五月天人人| 99热只有精品国产| 国产成+人综合+亚洲专区| 色精品久久人妻99蜜桃| 韩国精品一区二区三区| 国产精品永久免费网站| 淫秽高清视频在线观看| 黄色成人免费大全| 精品无人区乱码1区二区| 日韩 欧美 亚洲 中文字幕| 精品国产乱子伦一区二区三区| 免费女性裸体啪啪无遮挡网站| 亚洲 欧美 日韩 在线 免费| 十分钟在线观看高清视频www| 午夜免费观看网址| 91九色精品人成在线观看| 麻豆av在线久日| 黑人巨大精品欧美一区二区蜜桃| 国内久久婷婷六月综合欲色啪| 女性生殖器流出的白浆| 欧美日韩av久久| 国产欧美日韩综合在线一区二区| 亚洲精品久久成人aⅴ小说| 日日夜夜操网爽| 黄频高清免费视频| 欧美亚洲日本最大视频资源| 精品日产1卡2卡| 99在线人妻在线中文字幕| 欧美日韩瑟瑟在线播放| 亚洲人成电影免费在线| 国产高清激情床上av| 成人精品一区二区免费| 亚洲一区二区三区欧美精品| 好男人电影高清在线观看| 免费av中文字幕在线| 露出奶头的视频| 亚洲精品成人av观看孕妇| 免费不卡黄色视频| 1024香蕉在线观看| 亚洲专区字幕在线| 制服诱惑二区| 国产三级在线视频| 免费久久久久久久精品成人欧美视频| 国产欧美日韩一区二区三| 免费观看精品视频网站| 久久中文字幕一级| 国产精品99久久99久久久不卡| 真人一进一出gif抽搐免费| 成人国产一区最新在线观看| 国产单亲对白刺激| 一进一出好大好爽视频| 日日爽夜夜爽网站| 日本免费a在线| 少妇 在线观看| 亚洲国产欧美一区二区综合| 日韩中文字幕欧美一区二区| 别揉我奶头~嗯~啊~动态视频| 久久人人97超碰香蕉20202| 欧美丝袜亚洲另类 | 久99久视频精品免费| 女人高潮潮喷娇喘18禁视频| 亚洲欧美精品综合久久99| 亚洲激情在线av| 日日摸夜夜添夜夜添小说| 黄频高清免费视频| 国产亚洲精品久久久久久毛片| 别揉我奶头~嗯~啊~动态视频| 久久人人97超碰香蕉20202| 亚洲免费av在线视频| 黑人巨大精品欧美一区二区mp4| 黄片大片在线免费观看| 国产高清视频在线播放一区| 国产麻豆69| 免费少妇av软件| 精品久久久久久成人av| 亚洲成人国产一区在线观看| 免费观看精品视频网站| 嫩草影院精品99| 美女国产高潮福利片在线看| 国产精品久久视频播放| 久久精品91蜜桃| 99久久国产精品久久久| 国产野战对白在线观看| 法律面前人人平等表现在哪些方面| 黄片小视频在线播放| 看片在线看免费视频| 日本免费a在线| 久久国产精品影院| 欧美色视频一区免费| av中文乱码字幕在线| 91麻豆av在线| 亚洲第一青青草原| 美女福利国产在线| 99国产精品一区二区蜜桃av| 妹子高潮喷水视频| 夜夜夜夜夜久久久久| 黄色女人牲交| 99国产精品99久久久久| 男女下面插进去视频免费观看| 又紧又爽又黄一区二区|