• <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 ?

    基于遺傳算法改進BP神經(jīng)網(wǎng)絡(luò)的樁基橫向承載力預(yù)測

    2024-12-31 00:00:00李云峰閆思行冉斌斌陳濤秦瑋張小龍
    科技創(chuàng)新與應(yīng)用 2024年33期
    關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò)橋梁工程遺傳算法

    摘" 要:針對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)在樁基橫向承載力預(yù)測中存在的局限性,如易陷入局部最優(yōu)和收斂速度慢等問題,該文提出一種基于遺傳算法(GA)改進的BP神經(jīng)網(wǎng)絡(luò)模型。該模型利用遺傳算法優(yōu)化初始權(quán)重和偏置,以提高預(yù)測精度和模型泛化能力。選取影響樁基橫向承載力的關(guān)鍵因素作為輸入?yún)?shù):樁徑、荷載的偏心距、樁入土深度及土的不排水抗剪強度。通過訓練與測試,對比分析傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型和基于遺傳算法改進的BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測效果。結(jié)果表明,GA-BP模型在測試集上的相對誤差平均值降低至2.53%,明顯優(yōu)于BP模型的6.44%。此外,GA-BP模型未出現(xiàn)過度擬合現(xiàn)象,表明其在捕捉數(shù)據(jù)潛在模式和泛化新樣本方面表現(xiàn)出色。綜上所述,基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)為橫向受荷樁承載力的準確預(yù)測提供一種有效途徑,對于工程實踐具有一定的指導意義和應(yīng)用價值。

    關(guān)鍵詞:樁基橫向承載力;遺傳算法;BP神經(jīng)網(wǎng)絡(luò);承載力預(yù)測;橋梁工程

    中圖分類號:TU473" " " 文獻標志碼:A" " " " " 文章編號:2095-2945(2024)33-0030-04

    Abstract: Aiming at the limitations of traditional BP neural network in predicting the lateral bearing capacity of pile foundations, such as easy to fall into local optimization and slow convergence speed, this paper proposes an improved BP neural network model based on genetic algorithm(GA). The model uses genetic algorithm to optimize initial weights and offsets to improve prediction accuracy and model generalization ability. Select key factors affecting the lateral bearing capacity of pile foundation as input parameters: pile diameter, load eccentricity, pile penetration depth and undrained shear strength of soil. Through training and testing, the prediction effects of traditional BP neural network model and improved BP neural network model based on genetic algorithm are compared and analyzed. The results show that the average relative error of the GA-BP model on the test set is reduced to 2.53%, which is significantly better than the 6.44% of the BP model. In addition, the GA-BP model did not show overfitting, indicating that it performed well in capturing potential patterns in data and generalizing new samples. To sum up, the BP neural network optimized based on genetic algorithm provides an effective way to accurately predict the bearing capacity of laterally loaded piles, and has certain guiding significance and application value for engineering practice.

    Keywords: lateral bearing capacity of pile foundation; genetic algorithm(GA); BP neural network; bearing capacity prediction; bridge engineering

    樁基礎(chǔ)作為一種重要的地基基礎(chǔ)形式,在建筑、橋梁、高樁碼頭以及海洋鉆井平臺等工程中廣泛應(yīng)用[1-4]。在這些結(jié)構(gòu)的安全性和穩(wěn)定性評估中,目前用于確定或預(yù)測樁承載力的多種方法如基于試驗的方法、經(jīng)驗公式法、理論公式法及基于數(shù)學模型的Q-S曲線預(yù)測法等都有其局限性。此外,樁承載力受多個因素的影響,諸如樁長、樁徑、樁身材料強度、樁側(cè)以及樁端土的性質(zhì)等。因此,采用一種能夠綜合考慮多個影響因素進行預(yù)測的方法,對于提高預(yù)測精度具有重要的理論意義和工程價值。

    近年來,人工神經(jīng)網(wǎng)絡(luò)[5](ANN)因其強大的非線性映射能力和自學習能力,在多因素綜合預(yù)測方面顯示出巨大潛力。BP[6-8]神經(jīng)網(wǎng)絡(luò)(Back Propagation)作為應(yīng)用最廣泛的一種ANN,已被成功應(yīng)用于樁基礎(chǔ)承載力的預(yù)測[9-10]。盡管BP神經(jīng)網(wǎng)絡(luò)在豎向承載力的預(yù)測上取得了一定成果,但其在橫向受荷樁承載力預(yù)測方面的研究仍相對有限。準確預(yù)測橫向受荷樁的承載力顯得尤為迫切。

    本文旨在通過遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)來預(yù)測樁基橫向承載力,考慮了包括地質(zhì)條件、樁幾何特征和加載情況在內(nèi)的4個主要影響因素。遺傳算法以其全局搜索能力,能有效避免BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)和收斂速度慢的問題,從而提高預(yù)測模型的準確性和效率[11-12]。通過結(jié)合已有研究成果和最新技術(shù),本研究將為橋梁設(shè)計提供更可靠的橫向承載力預(yù)測方法,有助于確保橋梁工程的安全與耐久性,對制定橋梁限重、限速策略具有重要的現(xiàn)實意義和應(yīng)用前景。

    1" 改進神經(jīng)網(wǎng)絡(luò)橫向承載力預(yù)測模型構(gòu)建

    橋梁樁基是指深埋地下的底部結(jié)構(gòu),用于穩(wěn)固橋梁,并直接影響其穩(wěn)定性和承載能力。因此,為確保橋梁建設(shè)質(zhì)量和后續(xù)使用安全,構(gòu)建承載力預(yù)測模型至關(guān)重要。這一模型的構(gòu)建主要包括影響因素分析、神經(jīng)網(wǎng)絡(luò)分析以及遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)等步驟。

    1.1" 影響樁基橫向承載力的主要因素及樣本的獲取

    經(jīng)過分析,本文選擇了影響橫向受荷樁承載力的關(guān)鍵因素,包括樁徑、荷載的偏心距、樁入土深度以及土壤的不排水抗剪強度。在這些因素中,對于黏性土壤,設(shè)計著重考慮了不排水抗剪強度,通常使用C、φ值評估,而對于砂性土壤,則主要考慮采用標貫擊數(shù)評估。本文采用了室內(nèi)模型試驗中37根橫向受荷樁的實測數(shù)據(jù)作為訓練樣本和測試樣本[13]。在這些試驗中,采以黏土作地基土,樁為短剛性樁,直徑范圍在6.35~33.3 mm之間,入土深度在130~300 mm之間。實測的樁承載力值是通過裝有應(yīng)力傳感器的加載裝置實現(xiàn)的,也可以使用加砝碼的滑輪式加載系統(tǒng),偏心距則是通過位移計測量得到。

    實際問題中對于樣本數(shù)量的確定需要考慮領(lǐng)域?qū)<医?jīng)驗、問題特性等情況,在確定訓練樣本或?qū)W習樣本數(shù)量時存在一定的不確定性,并且尚無統(tǒng)一的規(guī)范,即使數(shù)據(jù)量較少,仍然可以通過適當?shù)姆椒ê图夹g(shù)進行有效的建模和分析[14]。

    1.2" BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型構(gòu)建

    建立一個預(yù)測樁基橫向承載力的BP神經(jīng)網(wǎng)絡(luò)模型涉及以下步驟。

    第一,數(shù)據(jù)準備。收集樁基的樁徑、荷載的偏心距、樁入土深度以及土壤的不排水抗剪強度數(shù)據(jù),還有相應(yīng)的橫向承載力實驗值。將其中的30組數(shù)據(jù)作為訓練集,7組數(shù)據(jù)作為測試集。

    第二,數(shù)據(jù)預(yù)處理。對數(shù)據(jù)進行歸一化處理,以便神經(jīng)網(wǎng)絡(luò)更好地學習和收斂。歸一化使用以下公式

    xnorm=,

    式中:x是原始數(shù)據(jù);xmin和xmax分別是數(shù)據(jù)集中的最小值和最大值。

    第三,設(shè)計神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。選擇合適的網(wǎng)絡(luò)結(jié)構(gòu),包括輸入層、隱藏層和輸出層。①輸入層:節(jié)點數(shù)等于特征數(shù)量,即樁基的參數(shù)數(shù)量。②隱藏層:可以是單個或多個隱藏層,每個隱藏層的節(jié)點數(shù)可以根據(jù)實際情況調(diào)整。③輸出層:單個節(jié)點,表示預(yù)測的橫向承載力。

    第四,初始化權(quán)重和偏置。隨機初始化網(wǎng)絡(luò)中所有連接的權(quán)重(W)和偏置(b)。

    第五,前向傳播。對于每個訓練樣本,計算每一層的輸出值。對于隱藏層和輸出層的每個節(jié)點,使用激活函數(shù)sigmoid來計算輸出

    y=f(Wx+b),

    式中:y是激活函數(shù);x是輸入值。

    第六,計算損失。使用損失函數(shù)(本文采用均方誤差MSE)來計算預(yù)測值與實際值之間的差異

    MSE=(yi-hatyi)2,

    式中:yi是實際值;hatyi是預(yù)測值;n是樣本數(shù)量。

    第七,反向傳播。計算損失函數(shù)關(guān)于每個權(quán)重和偏置的梯度,并使用Adam優(yōu)化器更新權(quán)重W和偏置b以減少損失

    Wnew=Wold-η,

    bnew=bold-η,

    式中:η是學習率。

    1.3" 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測模型構(gòu)建

    遺傳算法是一種以優(yōu)化原理來尋優(yōu)的算法。利用該算法對BP神經(jīng)網(wǎng)絡(luò)模型進行改進。

    步驟1:算法初始化。

    步驟2:遺傳算法變異操作。

    遺傳算法中的變異操作通過隨機調(diào)整參數(shù)來實現(xiàn)

    W′=W+μ·randn( ) ,

    b′=b+μ·randn( ),

    式中:W′和b′是變異后的參數(shù);μ是變異率;randn( )是一個生成隨機數(shù)的函數(shù)。

    2" 基于模型預(yù)測的應(yīng)用

    本文設(shè)計了一個前饋神經(jīng)網(wǎng)絡(luò)模型,用于預(yù)測橫向受荷樁的承載力。數(shù)據(jù)集包含4個特征,分別是樁徑、樁入土深度、荷載的偏心距以及土的不排水抗剪強度。因此,輸入特征的維度設(shè)置為4。根據(jù)神經(jīng)網(wǎng)絡(luò)參數(shù)調(diào)節(jié)的經(jīng)驗和反復試驗,選擇了一個具有3個隱藏層,節(jié)點數(shù)量分別為12、6、3個的網(wǎng)絡(luò)結(jié)構(gòu)來捕捉到足夠的特征信息。

    設(shè)計采用了Adam優(yōu)化器進行參數(shù)優(yōu)化,并將學習率設(shè)定為0.003。這個學習率的選擇經(jīng)過了仔細調(diào)整,以平衡收斂速度和穩(wěn)定性,在訓練過程中取得了良好的效果。在劃分好的訓練數(shù)據(jù)集上進行了平均10 000次迭代的訓練,每個訓練批次包含8個樣本。同時引入了遺傳算法來進行參數(shù)的變異操作,將變異率設(shè)置為0.01,以控制變異的強度。

    然后進行同樣參數(shù)下BP算法和GA-BP算法的模型迭代計算,最后在劃分好的測試數(shù)據(jù)集來驗證模型精度,同時對比結(jié)果。

    圖1(a)為BP算法的loss實時圖,圖1(b)為GA-BP算法的loss實時圖,當?shù)?0 000次后停止模型訓練時,可以觀察到損失收斂值穩(wěn)定在15~25之間,這表明模型已經(jīng)達到了一個相對較低的損失水平,但GA-BP算法相較于BP算法的loss值更加平穩(wěn),隨機性噪音數(shù)據(jù)減少。

    圖1(c)和圖1(d)為在訓練集上的2種算法擬合效果圖,BP算法在個別數(shù)據(jù)上產(chǎn)生小距離偏移,而GA-BP神經(jīng)網(wǎng)絡(luò)模型對于數(shù)據(jù)的擬合與實際值基本完全一致。

    圖1(e)為在測試集上的2種算法擬合效果圖,進一步驗證了模型的泛化能力。GA-BP算法模型的訓練集和測試集的表現(xiàn)均取得了較好的擬合效果,但訓練過程也沒有出現(xiàn)過擬合現(xiàn)象。這說明模型在學習過程中成功地避免了對訓練數(shù)據(jù)的過度擬合,保持了對新數(shù)據(jù)的良好泛化能力。這說明模型在學習過程中能夠有效地捕捉到數(shù)據(jù)的潛在模式,并將這種學習應(yīng)用于其他的數(shù)據(jù)樣本中。

    由表1可知,BP算法模型的測試集樣本數(shù)據(jù)的7組預(yù)測值與實際值的相對誤差平均值為6.44%,GA-BP算法模型的測試集樣本數(shù)據(jù)的7組預(yù)測值與實際值的相對誤差平均值為2.53%,且全部小于5%,已經(jīng)符合工程對實際樁體載荷能力的預(yù)測需求。

    3" 結(jié)論

    本文旨在構(gòu)建和評估一個基于BP神經(jīng)網(wǎng)絡(luò)的橫向受荷樁承載力預(yù)測模型,并進一步通過遺傳算法(GA)對該模型進行優(yōu)化。構(gòu)建了一個具有3個隱藏層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并使用Adam優(yōu)化器進行參數(shù)優(yōu)化。為了提高模型的泛化能力,還引入遺傳算法進行參數(shù)的變異操作。

    通過對比分析BP算法和GA-BP算法的訓練結(jié)果,研究發(fā)現(xiàn)GA-BP算法相較于BP算法在損失值上相對平穩(wěn),且隨機性噪音數(shù)據(jù)減少。在訓練集和測試集的擬合效果上,GA-BP神經(jīng)網(wǎng)絡(luò)模型對于數(shù)據(jù)的預(yù)測與實際值基本完全一致,而BP算法在個別數(shù)據(jù)上產(chǎn)生小距離偏移。此外,GA-BP算法模型的訓練集和測試集的表現(xiàn)均取得了較好的擬合效果,且訓練過程并未出現(xiàn)過擬合現(xiàn)象。

    通過承載力實測值與預(yù)測值的對比分析,研究發(fā)現(xiàn)BP算法模型的測試集樣本數(shù)據(jù)的7組預(yù)測值與實際值的相對誤差平均值為6.44%,而GA-BP算法模型的測試集樣本數(shù)據(jù)的7組預(yù)測值與實際值的相對誤差平均值為2.53%,并且全部小于5%。這表明GA-BP算法模型在預(yù)測橫向受荷樁的承載力方面具有更好的準確性,符合工程對實際樁體載荷能力的預(yù)測需求。

    綜上所述,本文成功構(gòu)建了一個基于BP神經(jīng)網(wǎng)絡(luò)和遺傳算法優(yōu)化的橫向受荷樁承載力預(yù)測模型。該模型具有較高的準確性和泛化能力,可為工程實踐中橫向受荷樁的設(shè)計和施工提供一定參考依據(jù)。

    參考文獻:

    [1] SEO H, BASU D, PREZZI M, et al. Load-settlement response of rectangular and circular piles in multilayered soil[J]. Journal of geotechnical and geoenvironmental engineering, 2009,135(3):420-430.

    [2] COMODROMOS E M, PAPADOPOULOU M C, RENTZEPERIS I K. Pile foundation analysis and design using experimental data and 3-D numerical analysis[J].Computers and Geotechnics,2009,36(5):819-836.

    [3] 蔣建平,高廣運,章楊松.基于現(xiàn)場試驗的樁身總側(cè)阻力達到極限后的退化[J].巖石力學與工程學報,2008,27(3):633-642.

    [4] 陳新奎,戴國亮,龔維明.開口鋼管樁豎向承載力計算方法[J].水運工程,2016(3):137-144.

    [5] 曾錦光,舒雅琴.材料非線性粘彈性本構(gòu)關(guān)系的神經(jīng)網(wǎng)絡(luò)模擬[J].固體力學學報,2004,25(1):71-74.

    [6] 孟文清,焦健,張亞鵬.基于BP神經(jīng)網(wǎng)絡(luò)的CFG樁輔助設(shè)計的研究[J].山西建筑,2007,33(9):3-4.

    [7] ZHANG L, WU K, ZHONG Y, et al. A new sub-pixel mapping algorithm based on a BP neural network with an observation model[J]. Neurocomputing, 2008,71(10-12):2046-2054.

    [8] YU S, ZHU K, DIAO F. A dynamic all parameters adaptive BP neural networks model and its application on oil reservoir prediction[J]. Applied mathematics and computation, 2008,195(1):66-75.

    [9] 孟慶峰,程永舟,胡旭躍,等.基于BP神經(jīng)網(wǎng)絡(luò)的沖積河床橋墩局部沖刷深度預(yù)測模型[J].水運工程,2008(7):39-43.

    [10] 蔣建平.基于BP神經(jīng)網(wǎng)絡(luò)的橫向受荷樁承載力預(yù)測[J].水運工程,2017(1):158-163.

    [11] 張相文,范晨光,何安,等.基于GA-BP神經(jīng)網(wǎng)絡(luò)對控制棒水力緩沖器的性能預(yù)測和結(jié)構(gòu)參數(shù)優(yōu)化[J].核動力工程,2023,44(6):162-169.

    [12] 趙月悅.基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的巖質(zhì)陡坡橋梁樁基承載力預(yù)測方法[J].自動化技術(shù)與應(yīng)用,2022,41(10):32-35.

    [13] RAO K M, SURESH K V. Measured and predicted response of laterally loaded piles[C]//Proceedings of the sixth international conference and exhibition on piling and deep foundations, India. 1996.

    [14] 張國棟,彭剛,王釗,等.BP神經(jīng)網(wǎng)絡(luò)在單樁承載力預(yù)測中的應(yīng)用[J].三峽大學學報:自然科學版,2003,25(1):6-8.

    猜你喜歡
    BP神經(jīng)網(wǎng)絡(luò)橋梁工程遺傳算法
    工程造價控制中竣工結(jié)算在市政道路橋梁工程中的應(yīng)用
    橋梁工程設(shè)計在BIM技術(shù)中的應(yīng)用
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于遺傳算法和LS-SVM的財務(wù)危機預(yù)測
    基于BP神經(jīng)網(wǎng)絡(luò)的旅行社發(fā)展方向研究
    商情(2016年39期)2016-11-21 09:30:36
    復雜背景下的手勢識別方法
    BP神經(jīng)網(wǎng)絡(luò)在軟件質(zhì)量評價中的應(yīng)用研究 
    軟件導刊(2016年9期)2016-11-07 18:25:50
    BP神經(jīng)網(wǎng)絡(luò)算法在數(shù)值預(yù)報產(chǎn)品釋用中的應(yīng)用
    科技視界(2016年20期)2016-09-29 14:15:12
    基于改進的遺傳算法的模糊聚類算法
    国产精品成人在线| 亚洲精品一卡2卡三卡4卡5卡| 久久久精品国产亚洲av高清涩受| 中文字幕另类日韩欧美亚洲嫩草| 国产主播在线观看一区二区| 天天躁夜夜躁狠狠躁躁| 国产亚洲精品久久久久久毛片 | av中文乱码字幕在线| 看片在线看免费视频| 伦理电影免费视频| 国产亚洲欧美精品永久| 久久香蕉激情| 黄片大片在线免费观看| 国产精品久久久久久人妻精品电影| 日本黄色日本黄色录像| 一区二区日韩欧美中文字幕| 999精品在线视频| 国产精品国产高清国产av | 嫩草影视91久久| 精品国产超薄肉色丝袜足j| 美女国产高潮福利片在线看| 免费在线观看日本一区| 夜夜夜夜夜久久久久| 国产麻豆69| 波多野结衣一区麻豆| 天天操日日干夜夜撸| 国产有黄有色有爽视频| 露出奶头的视频| 中文字幕人妻丝袜一区二区| 一级a爱片免费观看的视频| 建设人人有责人人尽责人人享有的| 曰老女人黄片| 免费日韩欧美在线观看| 欧美人与性动交α欧美软件| 午夜日韩欧美国产| 日本撒尿小便嘘嘘汇集6| 欧美精品一区二区免费开放| 国产成人精品无人区| 成在线人永久免费视频| 在线免费观看的www视频| 久久久国产欧美日韩av| 丝袜在线中文字幕| 亚洲欧美精品综合一区二区三区| 精品福利观看| 亚洲一区二区三区不卡视频| 国产成人精品久久二区二区免费| 国产成人免费无遮挡视频| 国产1区2区3区精品| 91大片在线观看| 18禁黄网站禁片午夜丰满| 超色免费av| 亚洲av熟女| 少妇裸体淫交视频免费看高清 | avwww免费| av天堂在线播放| 老司机靠b影院| 美女视频免费永久观看网站| 亚洲五月色婷婷综合| 日日爽夜夜爽网站| 国产男女内射视频| 亚洲成a人片在线一区二区| 国产国语露脸激情在线看| 久久性视频一级片| 亚洲欧美一区二区三区黑人| 18禁国产床啪视频网站| 欧美激情久久久久久爽电影 | 国产精品久久久人人做人人爽| 波多野结衣av一区二区av| 在线观看www视频免费| 在线观看66精品国产| 99国产精品一区二区三区| 亚洲av片天天在线观看| 色综合婷婷激情| 丁香六月欧美| 欧美另类亚洲清纯唯美| 桃红色精品国产亚洲av| 天天添夜夜摸| 国产精品一区二区在线观看99| 宅男免费午夜| 日韩欧美一区二区三区在线观看 | 国产欧美日韩一区二区三区在线| www日本在线高清视频| 欧美精品啪啪一区二区三区| 成年版毛片免费区| 美国免费a级毛片| 黑人操中国人逼视频| 人妻丰满熟妇av一区二区三区 | 日日摸夜夜添夜夜添小说| 精品第一国产精品| 成人国语在线视频| 国产成人一区二区三区免费视频网站| av福利片在线| 我的亚洲天堂| www.熟女人妻精品国产| 国产精品一区二区在线不卡| 黑人欧美特级aaaaaa片| 免费av中文字幕在线| 亚洲精品久久午夜乱码| 精品国内亚洲2022精品成人 | 侵犯人妻中文字幕一二三四区| 国产乱人伦免费视频| 国产无遮挡羞羞视频在线观看| 精品电影一区二区在线| 日韩精品免费视频一区二区三区| av欧美777| 男女床上黄色一级片免费看| 成人免费观看视频高清| 欧美激情高清一区二区三区| а√天堂www在线а√下载 | 成人永久免费在线观看视频| 又紧又爽又黄一区二区| 日韩免费av在线播放| 男女午夜视频在线观看| 成人av一区二区三区在线看| 亚洲精品在线观看二区| 午夜福利乱码中文字幕| 人人妻人人爽人人添夜夜欢视频| 午夜福利在线免费观看网站| 天堂中文最新版在线下载| 在线观看午夜福利视频| 99热国产这里只有精品6| 亚洲欧美激情综合另类| 多毛熟女@视频| 精品国产乱子伦一区二区三区| 亚洲成人手机| 97人妻天天添夜夜摸| 手机成人av网站| 又紧又爽又黄一区二区| 国产精品亚洲一级av第二区| 身体一侧抽搐| av线在线观看网站| 国产又色又爽无遮挡免费看| 亚洲精品久久成人aⅴ小说| 精品人妻熟女毛片av久久网站| 黄色视频,在线免费观看| 一级片免费观看大全| 国产精品偷伦视频观看了| 午夜老司机福利片| 在线播放国产精品三级| 精品国产国语对白av| 国产精品乱码一区二三区的特点 | 电影成人av| 操出白浆在线播放| 久久久久久亚洲精品国产蜜桃av| 9色porny在线观看| 91精品国产国语对白视频| 午夜91福利影院| 国产无遮挡羞羞视频在线观看| 十八禁高潮呻吟视频| 他把我摸到了高潮在线观看| 国内毛片毛片毛片毛片毛片| 国产av又大| 正在播放国产对白刺激| 不卡av一区二区三区| 亚洲精品在线美女| 色在线成人网| 国产免费av片在线观看野外av| 国产有黄有色有爽视频| 满18在线观看网站| 18禁裸乳无遮挡免费网站照片 | 一区二区日韩欧美中文字幕| 国产精品国产av在线观看| 亚洲精品美女久久久久99蜜臀| 少妇裸体淫交视频免费看高清 | 亚洲中文日韩欧美视频| 欧美精品亚洲一区二区| 91成人精品电影| 亚洲精品美女久久av网站| 久久99一区二区三区| 在线观看免费午夜福利视频| 黄色丝袜av网址大全| 亚洲va日本ⅴa欧美va伊人久久| 水蜜桃什么品种好| 搡老岳熟女国产| 久久中文看片网| 国产av精品麻豆| 国产欧美日韩一区二区精品| 欧美一级毛片孕妇| 亚洲第一欧美日韩一区二区三区| 亚洲情色 制服丝袜| 一级毛片高清免费大全| 国产乱人伦免费视频| 在线观看一区二区三区激情| 啦啦啦 在线观看视频| 久久久久久久精品吃奶| 欧美丝袜亚洲另类 | 欧美大码av| 久久国产亚洲av麻豆专区| 露出奶头的视频| 久久午夜亚洲精品久久| 大片电影免费在线观看免费| 最新在线观看一区二区三区| 人人澡人人妻人| 久久国产亚洲av麻豆专区| 亚洲一区中文字幕在线| 手机成人av网站| 午夜精品国产一区二区电影| 天堂俺去俺来也www色官网| 午夜福利视频在线观看免费| 成年人免费黄色播放视频| 亚洲精华国产精华精| 夜夜夜夜夜久久久久| 国产精品电影一区二区三区 | 国内毛片毛片毛片毛片毛片| 后天国语完整版免费观看| www.熟女人妻精品国产| 在线观看舔阴道视频| 国产无遮挡羞羞视频在线观看| 国产真人三级小视频在线观看| 19禁男女啪啪无遮挡网站| 最近最新中文字幕大全免费视频| 两性夫妻黄色片| 久久午夜综合久久蜜桃| 美女国产高潮福利片在线看| 久久精品国产a三级三级三级| 国产精品免费一区二区三区在线 | 搡老乐熟女国产| 国产精品乱码一区二三区的特点 | 国产区一区二久久| 高潮久久久久久久久久久不卡| 咕卡用的链子| 老熟妇仑乱视频hdxx| 日韩欧美一区二区三区在线观看 | 久久久久视频综合| 9191精品国产免费久久| 亚洲中文字幕日韩| 日本欧美视频一区| 欧美黄色片欧美黄色片| 成人免费观看视频高清| 午夜精品久久久久久毛片777| 国产97色在线日韩免费| 一级毛片女人18水好多| 手机成人av网站| 女人高潮潮喷娇喘18禁视频| 十八禁网站免费在线| a级毛片在线看网站| 亚洲成国产人片在线观看| 一区二区三区国产精品乱码| 久久国产精品影院| 伊人久久大香线蕉亚洲五| 久久久水蜜桃国产精品网| 制服诱惑二区| 国产aⅴ精品一区二区三区波| 成年版毛片免费区| 三上悠亚av全集在线观看| 美女高潮喷水抽搐中文字幕| 啪啪无遮挡十八禁网站| 久久精品国产99精品国产亚洲性色 | 日韩欧美免费精品| 国产精品秋霞免费鲁丝片| 99国产精品99久久久久| 国产高清视频在线播放一区| 亚洲第一青青草原| 亚洲av熟女| 国产单亲对白刺激| 国产精品久久久久成人av| 精品亚洲成a人片在线观看| 色94色欧美一区二区| 麻豆av在线久日| 亚洲第一欧美日韩一区二区三区| 一区二区三区国产精品乱码| 12—13女人毛片做爰片一| 欧美激情 高清一区二区三区| 在线观看午夜福利视频| svipshipincom国产片| 9热在线视频观看99| 成年动漫av网址| 男女下面插进去视频免费观看| 大码成人一级视频| 亚洲av片天天在线观看| 久久婷婷成人综合色麻豆| 国产精品二区激情视频| 色精品久久人妻99蜜桃| 美女扒开内裤让男人捅视频| 亚洲自偷自拍图片 自拍| av线在线观看网站| 亚洲av电影在线进入| 很黄的视频免费| 中文字幕高清在线视频| 国产欧美日韩一区二区三区在线| 精品人妻熟女毛片av久久网站| 一夜夜www| 99久久综合精品五月天人人| 91九色精品人成在线观看| 欧美 日韩 精品 国产| 国产精品久久久人人做人人爽| 久久人妻熟女aⅴ| 日本一区二区免费在线视频| 国产精品电影一区二区三区 | 电影成人av| 男女高潮啪啪啪动态图| 亚洲色图av天堂| 丁香欧美五月| 少妇裸体淫交视频免费看高清 | 欧美人与性动交α欧美软件| 免费看a级黄色片| 国产成人精品无人区| 自拍欧美九色日韩亚洲蝌蚪91| 国产成+人综合+亚洲专区| 高清在线国产一区| 国产精品一区二区精品视频观看| 一区福利在线观看| 一级片免费观看大全| 多毛熟女@视频| 变态另类成人亚洲欧美熟女 | 人妻丰满熟妇av一区二区三区 | 精品乱码久久久久久99久播| 亚洲中文av在线| 狂野欧美激情性xxxx| 人妻丰满熟妇av一区二区三区 | 在线天堂中文资源库| 国产亚洲欧美98| 一边摸一边抽搐一进一出视频| 国产精品国产av在线观看| 国产精品 国内视频| 制服人妻中文乱码| 亚洲成人免费电影在线观看| 国产主播在线观看一区二区| 久久亚洲真实| 黑人猛操日本美女一级片| 国产亚洲精品久久久久久毛片 | 在线播放国产精品三级| 久热爱精品视频在线9| 国产精品免费一区二区三区在线 | 制服人妻中文乱码| 国产无遮挡羞羞视频在线观看| 捣出白浆h1v1| 免费不卡黄色视频| 久久久久国产精品人妻aⅴ院 | www.精华液| 变态另类成人亚洲欧美熟女 | 欧美国产精品一级二级三级| 亚洲精品成人av观看孕妇| 免费在线观看完整版高清| 久99久视频精品免费| 亚洲av片天天在线观看| 久久国产乱子伦精品免费另类| 欧美在线一区亚洲| 国产片内射在线| 国产一区二区三区视频了| 国产亚洲欧美在线一区二区| 免费在线观看亚洲国产| 女人爽到高潮嗷嗷叫在线视频| 亚洲成人免费av在线播放| 免费观看人在逋| 正在播放国产对白刺激| 天堂俺去俺来也www色官网| 国产精品二区激情视频| 精品国产一区二区久久| 搡老熟女国产l中国老女人| 精品国产一区二区三区四区第35| 久久精品成人免费网站| 国产亚洲欧美精品永久| 中文亚洲av片在线观看爽 | 高潮久久久久久久久久久不卡| 国产精品久久久久久精品古装| 国产精品.久久久| 国产97色在线日韩免费| av免费在线观看网站| 国产午夜精品久久久久久| 久9热在线精品视频| 不卡av一区二区三区| 日韩欧美一区视频在线观看| 在线观看日韩欧美| 国产1区2区3区精品| 免费少妇av软件| 国产av又大| 曰老女人黄片| 亚洲精品美女久久久久99蜜臀| av片东京热男人的天堂| 国产视频一区二区在线看| 国产成人精品在线电影| 亚洲精品国产一区二区精华液| 国产精品免费视频内射| 亚洲精品美女久久久久99蜜臀| 久久久久国产一级毛片高清牌| 黑丝袜美女国产一区| 99久久精品国产亚洲精品| 免费一级毛片在线播放高清视频 | 美女扒开内裤让男人捅视频| 中文字幕av电影在线播放| 精品一区二区三卡| 叶爱在线成人免费视频播放| 国产av又大| 欧美 亚洲 国产 日韩一| 搡老岳熟女国产| 欧美人与性动交α欧美精品济南到| 9色porny在线观看| 亚洲精品国产区一区二| 精品免费久久久久久久清纯 | 色播在线永久视频| 亚洲伊人色综图| 国产精品自产拍在线观看55亚洲 | 无限看片的www在线观看| 一进一出抽搐gif免费好疼 | 午夜精品久久久久久毛片777| 精品国产超薄肉色丝袜足j| 男女免费视频国产| 美国免费a级毛片| 99精品久久久久人妻精品| 亚洲精品粉嫩美女一区| 亚洲片人在线观看| 婷婷成人精品国产| 精品国产一区二区三区四区第35| 国产精品免费一区二区三区在线 | 国产99久久九九免费精品| 久久精品亚洲熟妇少妇任你| 日韩免费高清中文字幕av| 精品国产亚洲在线| 国产91精品成人一区二区三区| 久久精品aⅴ一区二区三区四区| 捣出白浆h1v1| 丝袜美腿诱惑在线| 91国产中文字幕| 国产激情久久老熟女| 亚洲va日本ⅴa欧美va伊人久久| 国产精品久久久av美女十八| 黄色女人牲交| 两个人免费观看高清视频| 俄罗斯特黄特色一大片| 国产成人一区二区三区免费视频网站| 国产精品 欧美亚洲| 亚洲国产精品合色在线| 欧美+亚洲+日韩+国产| 欧美亚洲日本最大视频资源| 1024香蕉在线观看| 亚洲国产欧美一区二区综合| 日韩欧美三级三区| 亚洲片人在线观看| 欧美性长视频在线观看| 欧美激情久久久久久爽电影 | 丝瓜视频免费看黄片| av中文乱码字幕在线| 如日韩欧美国产精品一区二区三区| 一级片'在线观看视频| 老司机午夜十八禁免费视频| 十八禁人妻一区二区| 国产一区二区三区在线臀色熟女 | 久久久久精品人妻al黑| 国产欧美日韩一区二区三| 岛国毛片在线播放| 精品一区二区三区四区五区乱码| 看片在线看免费视频| 色老头精品视频在线观看| 成人永久免费在线观看视频| 天天躁夜夜躁狠狠躁躁| www.999成人在线观看| av中文乱码字幕在线| 久久天堂一区二区三区四区| 亚洲性夜色夜夜综合| 中亚洲国语对白在线视频| 中文字幕另类日韩欧美亚洲嫩草| 国产精品美女特级片免费视频播放器 | 人妻丰满熟妇av一区二区三区 | 国产精品自产拍在线观看55亚洲 | 十八禁人妻一区二区| 国产高清videossex| 精品少妇一区二区三区视频日本电影| 涩涩av久久男人的天堂| 中文字幕人妻丝袜制服| 亚洲免费av在线视频| www.精华液| a级毛片黄视频| 亚洲片人在线观看| 国产成人系列免费观看| 宅男免费午夜| 麻豆国产av国片精品| 在线国产一区二区在线| 飞空精品影院首页| 欧美日本中文国产一区发布| 成年人黄色毛片网站| 9色porny在线观看| 欧美国产精品va在线观看不卡| 中亚洲国语对白在线视频| 中文字幕色久视频| 精品久久久久久久久久免费视频 | 国产精品av久久久久免费| 亚洲aⅴ乱码一区二区在线播放 | 亚洲一区高清亚洲精品| 香蕉久久夜色| 十八禁高潮呻吟视频| 亚洲伊人色综图| 国产高清视频在线播放一区| 美女高潮到喷水免费观看| 99热国产这里只有精品6| 在线av久久热| 久久热在线av| 国产亚洲一区二区精品| 狠狠狠狠99中文字幕| 中文字幕色久视频| 国产免费男女视频| 无遮挡黄片免费观看| 国产av精品麻豆| 精品久久久久久电影网| 欧美成人免费av一区二区三区 | 男人的好看免费观看在线视频 | 国产精品九九99| 国产成人av教育| 亚洲午夜精品一区,二区,三区| 99久久人妻综合| 日本a在线网址| 精品久久久久久电影网| 国产在线精品亚洲第一网站| 国产乱人伦免费视频| 日韩免费高清中文字幕av| 国产在线观看jvid| 午夜福利免费观看在线| 狠狠婷婷综合久久久久久88av| 久久久久国产一级毛片高清牌| 丝袜美足系列| 无遮挡黄片免费观看| 后天国语完整版免费观看| 国产精品亚洲一级av第二区| 亚洲国产看品久久| 日韩大码丰满熟妇| 久久人人爽av亚洲精品天堂| 欧美+亚洲+日韩+国产| 日韩精品免费视频一区二区三区| 亚洲五月婷婷丁香| 王馨瑶露胸无遮挡在线观看| 国产不卡一卡二| 亚洲色图 男人天堂 中文字幕| 亚洲自偷自拍图片 自拍| 欧美人与性动交α欧美软件| 日韩精品免费视频一区二区三区| 亚洲av第一区精品v没综合| 欧美成狂野欧美在线观看| 脱女人内裤的视频| 日韩制服丝袜自拍偷拍| 午夜福利一区二区在线看| 交换朋友夫妻互换小说| 9色porny在线观看| 久久人人97超碰香蕉20202| 欧美亚洲日本最大视频资源| 12—13女人毛片做爰片一| 午夜福利欧美成人| 天堂动漫精品| 欧美日韩一级在线毛片| 亚洲av成人一区二区三| www.熟女人妻精品国产| 悠悠久久av| 欧美日本中文国产一区发布| 麻豆国产av国片精品| 亚洲自偷自拍图片 自拍| 水蜜桃什么品种好| 美女高潮喷水抽搐中文字幕| 中文欧美无线码| 黄色毛片三级朝国网站| 亚洲伊人色综图| 999精品在线视频| 成人亚洲精品一区在线观看| 成熟少妇高潮喷水视频| 久久国产乱子伦精品免费另类| 69av精品久久久久久| av网站在线播放免费| 欧美中文综合在线视频| 建设人人有责人人尽责人人享有的| 午夜福利免费观看在线| √禁漫天堂资源中文www| 欧美亚洲日本最大视频资源| 国产亚洲精品久久久久5区| 亚洲一区高清亚洲精品| 亚洲在线自拍视频| 久久精品亚洲精品国产色婷小说| 黑人巨大精品欧美一区二区蜜桃| 亚洲精品中文字幕一二三四区| 亚洲一区高清亚洲精品| 亚洲午夜理论影院| 欧美不卡视频在线免费观看 | 热re99久久国产66热| 午夜91福利影院| 人人妻人人爽人人添夜夜欢视频| 美女福利国产在线| 母亲3免费完整高清在线观看| www.自偷自拍.com| av天堂久久9| 大陆偷拍与自拍| 欧美成人午夜精品| 少妇的丰满在线观看| 亚洲成人国产一区在线观看| 国产在视频线精品| 久久久国产精品麻豆| 欧美+亚洲+日韩+国产| 日本wwww免费看| 日韩欧美三级三区| 又黄又爽又免费观看的视频| 在线观看免费午夜福利视频| 日韩欧美一区视频在线观看| netflix在线观看网站| 又大又爽又粗| 午夜影院日韩av| 看免费av毛片| 色精品久久人妻99蜜桃| videos熟女内射| 国产99久久九九免费精品| 日韩人妻精品一区2区三区| 老司机靠b影院| 亚洲成国产人片在线观看| 亚洲精品粉嫩美女一区| 亚洲五月色婷婷综合| 可以免费在线观看a视频的电影网站| 国产欧美亚洲国产| 精品福利观看| 老鸭窝网址在线观看| 99久久人妻综合| 首页视频小说图片口味搜索| 亚洲熟妇熟女久久| 久久国产精品影院| 欧美精品一区二区免费开放| 精品一品国产午夜福利视频| 亚洲中文日韩欧美视频| 久久性视频一级片| 亚洲片人在线观看| av网站在线播放免费| 久久国产精品大桥未久av|