• <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 ?

    基于集合經(jīng)驗(yàn)?zāi)B(tài)分解和支持向量機(jī)的短期風(fēng)速預(yù)測(cè)模型

    2013-10-08 06:34:02祝曉燕張金會(huì)付士鵬朱霄珣
    關(guān)鍵詞:預(yù)測(cè)值適應(yīng)度分量

    祝曉燕,張金會(huì),付士鵬,朱霄珣

    (華北電力大學(xué) 能源動(dòng)力與機(jī)械工程學(xué)院,河北 保定 071003)

    0 引言

    隨著國(guó)家對(duì)風(fēng)力等的新能源大力支持,風(fēng)力開發(fā)正在迅猛的發(fā)展。然而,風(fēng)能的不穩(wěn)定性造成了發(fā)電質(zhì)量的下降,嚴(yán)重制約著風(fēng)力發(fā)電的發(fā)展。為了提高發(fā)電質(zhì)量,減少風(fēng)能對(duì)電網(wǎng)的沖擊,同時(shí)也為了減少風(fēng)電場(chǎng)的運(yùn)行成本,就必須了解風(fēng)速的變化規(guī)律,及時(shí)、準(zhǔn)確的對(duì)風(fēng)速進(jìn)行預(yù)測(cè),才能幫助調(diào)度部門及時(shí)的調(diào)整計(jì)劃,實(shí)現(xiàn)安全并網(wǎng)。

    所謂風(fēng)速的短期預(yù)測(cè)是指預(yù)測(cè)以分或小時(shí)為單位進(jìn)行短期的階段預(yù)測(cè)。對(duì)短期風(fēng)速的直接預(yù)測(cè),其精度有限,但隨著風(fēng)電的迅猛發(fā)展,預(yù)測(cè)方法的不斷創(chuàng)新、豐富,預(yù)測(cè)精度有了大幅度的提高,誤差在逐漸的減小。

    本文根據(jù)風(fēng)電場(chǎng)獲得地現(xiàn)場(chǎng)數(shù)據(jù),建立了一種基于集合模態(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)和粒子群算法(Particle Swarm Optimization,PSO)優(yōu)化支持向量機(jī)(Sup-port Vector Machine,SVM)的預(yù)測(cè)模型。并通過與SVM直接預(yù)測(cè)方法進(jìn)行了精度比較,驗(yàn)證了本文方法的優(yōu)越性。

    1 理論基礎(chǔ)

    1.1 EEMD算法原理

    EEMD是在EMD方法的基礎(chǔ)上的改進(jìn),其原理為通過在EMD分解過程中加入高斯白噪聲的方法來解決EMD的模態(tài)混疊的現(xiàn)象。

    1.1.1 EMD算法原理

    經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)是一種高效的信號(hào)分解方法[1,2]。他具有很好的自適應(yīng)性,非常適用于非線性、非平穩(wěn)的信號(hào)的處理。它基于信號(hào)的局部特征尺度,將任意信號(hào)中不同尺度的波形或趨勢(shì)逐級(jí)分解出來,產(chǎn)生一系列相對(duì)平穩(wěn)并具有不同特征尺度的本征模態(tài)函數(shù)(Intrinsic Mode Function,imf)。

    EMD的分解過程為:將任意的信號(hào)x(t)的上包絡(luò)線和下包絡(luò)線所對(duì)應(yīng)的點(diǎn)取平均,得到一條平均線h,然后再求信號(hào)x(t)與平均線h的差值m;然后把m作為新的原始信號(hào)在重復(fù)之前的過程,得到imf1;將x(t)除去imf1再進(jìn)行上表面的過程得到imf2;重復(fù)上面的過程,依次得到imf2,imf3…imfn和殘余分量r(代表信號(hào)的平均趨勢(shì))。則有:

    但是由于信號(hào)有間斷性,所以EMD分解會(huì)出現(xiàn)模態(tài)混疊的現(xiàn)象。由于模態(tài)混疊現(xiàn)象的出現(xiàn)造成了預(yù)測(cè)模型對(duì)分量的適應(yīng)性下降。所以本文選用了能夠改善其不足的EEMD方法。

    1.1.2 EEMD算法原理

    EEMD方法是 Z.Wu和 N.E.Huang等人在2005年為了改善混疊現(xiàn)象所提出的[3,4]。該方法是在EMD的基礎(chǔ)上加入了高斯白噪聲,高斯白噪聲具有頻率均勻分布的統(tǒng)計(jì)特性,所以它可以使信號(hào)在不同的尺度上具有了連續(xù)性,有效的避免了EMD分解過程中由于imf的不連續(xù)性而造成的混疊現(xiàn)象。其具體步驟為:

    (1)原始數(shù)據(jù)序列中加入高斯白噪聲;

    (2)按照EMD的方法將加入白噪聲的數(shù)據(jù)序列進(jìn)行分解得到一系列的imf;

    (3)重復(fù)的加入相同幅值的不同白噪聲序列,重復(fù)(1)和(2),把得到的各個(gè)imf取均值最為最終的結(jié)果。

    1.2 粒子群優(yōu)化算法原理

    粒子群優(yōu)化算法(Particle Swarm Optimization,PSO算法)是一種進(jìn)化計(jì)算技術(shù),由Eberhart博士和 Kennedy 博士發(fā)明[5~7]。

    PSO算法首先初始化一群隨機(jī)粒子(隨機(jī)解),然后粒子們就追隨當(dāng)前的最優(yōu)粒子在解空間中搜索,即通過迭代找到最優(yōu)解。假定d維搜索空間中的第i個(gè)粒子的位置和速度分別為Xi和Vi,在每一次迭代中,粒子通過跟蹤兩個(gè)最優(yōu)解來更新自己,第一個(gè)就是粒子本身所找到的最優(yōu)解,即個(gè)體極值pbest;另一個(gè)是整個(gè)種群目前找到的最優(yōu)解,即全局最優(yōu)解gbest。找到這兩個(gè)最優(yōu)解時(shí),粒子根據(jù)式(2)、(3)更新自己的速度和新的位置。

    式中:w為慣性權(quán)重因子;c1和c2為正的學(xué)習(xí)因子,通常取c1和c2為2,但也有其他的取值,一般范圍在0到4之間;r1和r2為0到1之間均勻分布的隨機(jī)數(shù)。

    1.3 支持向量機(jī)算法原理

    20世紀(jì)90年代,由Vapnik首先提出支持向量機(jī) (support vector machine,SVM)理論[8~10]。SVM是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理的機(jī)器學(xué)習(xí)技術(shù),具有較好的泛化性能。后來人們將其運(yùn)用于回歸問題,并取得了良好的效果。當(dāng)SVM用于回歸和預(yù)測(cè)時(shí)通常稱其為支持向量回歸機(jī)(SVR)。

    對(duì)于一組線性數(shù)據(jù)樣本集:

    構(gòu)造輸入x與輸出y擬合曲線方為

    式中:W為權(quán)重系數(shù);b為偏置項(xiàng)。

    通過引入不敏感參數(shù)ε,松弛變量ξi,和懲罰因子C,將問題轉(zhuǎn)化為對(duì)偶問題,利用二次規(guī)劃方法求解該問題的優(yōu)化問題。所以,引入拉格朗日乘子,將帶有約束的優(yōu)化問題轉(zhuǎn)化成無約束優(yōu)化問題:

    式中:αi,為拉格朗日乘子。對(duì)式(6),W,b,ξi,求偏導(dǎo),讓其等于零,同時(shí)還應(yīng)滿足Karush-Kuhn-Tucker(KKT)準(zhǔn)則,可得回歸函數(shù)表達(dá)式:

    當(dāng)訓(xùn)練集為非線性時(shí),引入徑向基核函數(shù)K(xi·xj),將低維非線性問題轉(zhuǎn)化為高維線性問題??梢缘玫阶顑?yōu)的非線性回歸函數(shù):

    式中:K(xi,yj)=exp(- ‖x - y‖2/2σ2)。

    2 PSO優(yōu)化SVM原理

    懲罰因子C和核參數(shù)σ對(duì)SVM預(yù)測(cè)精度的影響較大,采用PSO優(yōu)化SVM,選出最佳參數(shù)組合[11,12]。對(duì)于本文的案例來說,要對(duì)每個(gè) imf分量和殘余分量都要進(jìn)行PSO優(yōu)化SVM。步驟如下:

    (1)隨機(jī)初始化種群中個(gè)粒子的位置和速度,粒子向量代表一個(gè)SVM模型,該模型對(duì)應(yīng)著的懲罰因子C和核參數(shù)σ。設(shè)置種群的大小為20,迭代次數(shù)為200,慣性權(quán)重w取1,c1和c2為2,C的尋優(yōu)區(qū)間為[104,0.1],σ 尋優(yōu)區(qū)間為[103,0.001];

    (2)用新確定粒子坐標(biāo)位置(即SVM新的參數(shù)組合),建立SVM預(yù)測(cè)模型。

    (3)計(jì)算粒子的適應(yīng)度,本文將平均誤差作為適應(yīng)度值。

    式中:f表示粒子的適應(yīng)度值;n為預(yù)測(cè)樣本的個(gè)數(shù);y為樣本的真實(shí)值,x為樣本的預(yù)測(cè)值。

    (4)評(píng)價(jià)每個(gè)微粒的適應(yīng)度值,將當(dāng)前各微粒的適應(yīng)度值的位置和適應(yīng)度儲(chǔ)存在各微粒的pbest中,將所有pbest中適應(yīng)度最優(yōu)值個(gè)體的位置和適應(yīng)度值儲(chǔ)存在gbest中;

    (5)用上式(2)和(3)進(jìn)行粒子的速度和位置的更新,新的粒子位置即為新的SVM參數(shù)組合;

    (6)對(duì)每個(gè)微粒,將其適應(yīng)度值與其經(jīng)歷的最好位置進(jìn)行比較,將好的作為當(dāng)前位置;比較當(dāng)前所有pbest和gbest的值,更新gbest。

    (7)判斷所有粒子最優(yōu)位置的適應(yīng)度值和迭代次數(shù)是否滿足條件,如果滿足停止搜索,輸出結(jié)果,否則返回步驟(2)繼續(xù)搜索。

    3 基于EEMD和PSO-SVM的短期風(fēng)速預(yù)測(cè)模型

    風(fēng)速時(shí)間序列具有較強(qiáng)的隨機(jī)性、非平穩(wěn)性和非線性特點(diǎn),因此使用常規(guī)的預(yù)測(cè)方法會(huì)產(chǎn)生很大的預(yù)測(cè)誤差。本文根據(jù)EEMD對(duì)信號(hào)的分解特性、SVM的預(yù)測(cè)特點(diǎn)和SVM對(duì)參數(shù)的依賴特性,提出了EEMD和PSO-SVM的預(yù)測(cè)模型。首先對(duì)風(fēng)速的時(shí)間序列進(jìn)行EEMD分解,將其分解為若干個(gè)相對(duì)平穩(wěn)的imf和殘余分量之和;然后分別對(duì)各個(gè)分量建立PSO-SVM預(yù)測(cè)模型;最后將各分量的預(yù)測(cè)值相加得到最后的風(fēng)速預(yù)測(cè)值。其具體步驟如圖1所示。

    圖1 本文的風(fēng)速預(yù)測(cè)模型Fig.1 Wind speed prediction model in this paper

    4 實(shí)驗(yàn)結(jié)果分析

    本文以中國(guó)某風(fēng)電場(chǎng)的實(shí)測(cè)數(shù)據(jù)樣本為例。給樣本的采樣頻率為10 min采樣一個(gè)點(diǎn),取其前120個(gè)采樣點(diǎn)為實(shí)驗(yàn)數(shù)據(jù)。其中前100個(gè)采樣點(diǎn)為模型的訓(xùn)練樣本,后20個(gè)點(diǎn)為預(yù)測(cè)數(shù)據(jù)。圖2為風(fēng)速的原始數(shù)據(jù)。

    圖2 風(fēng)速的原始數(shù)據(jù)Fig.2 Raw data of wind speed

    首先,對(duì)風(fēng)速的原始信號(hào)進(jìn)行EEMD分解,將其分解為 imf1,imf2,imf3,imf4,imf5 和殘余分量r5,圖3為前100個(gè)訓(xùn)練點(diǎn)的分解圖。

    圖3 訓(xùn)練點(diǎn)的分解圖Fig.3 Exploded view of training points

    然后,將每個(gè)分量都作為PSO-SVM的輸入特征,對(duì)每個(gè)分量都建立PSO-SVM預(yù)測(cè)模型,通過預(yù)測(cè)模型預(yù)測(cè)后20個(gè)點(diǎn)的分量值。表1為在分量的預(yù)測(cè)過程中經(jīng)過PSO優(yōu)化得到的SVM最佳的參數(shù)組合。以 imf1,imf2,imf3,imf4為例,圖4為分量imf1,imf2,imf3,imf4的預(yù)測(cè)值與真實(shí)值的擬合圖和平均誤差的趨勢(shì)圖。

    表1 參數(shù)組合Tab.1 Parameter combinations

    圖4 各分量的預(yù)測(cè)值與真實(shí)值的擬合圖和平均誤差的趨勢(shì)圖Fig.4 Fitting diagram of prediction value and true value of each component and the trends of average error

    將各分量的預(yù)測(cè)值相加得到風(fēng)速的真實(shí)的預(yù)測(cè)值。同時(shí)本文還用SVM直接對(duì)風(fēng)速數(shù)據(jù)進(jìn)行預(yù)測(cè),并與本文方法進(jìn)行了比較。表2為兩種方法預(yù)測(cè)值與真實(shí)值對(duì)比,圖5為真實(shí)值與預(yù)測(cè)值的對(duì)比圖。

    表2 預(yù)測(cè)值與真實(shí)值對(duì)比Tab.2 Comparison of predicted values and true values

    圖5 真實(shí)值與預(yù)測(cè)值的對(duì)比Fig.5 Comparison of true values and predicted values

    從表2和圖5可以清晰的看到,本文所用的預(yù)測(cè)模型比SVM直接預(yù)測(cè)模型預(yù)測(cè)效果好很多,預(yù)測(cè)精度有了很大的提高。雖然其中有些點(diǎn)的誤差有些大,但是通過PSO對(duì)SVM優(yōu)化尋找最佳的參數(shù)組合,已經(jīng)很大程度上減小了誤差值。

    5 結(jié)論

    本文提出的基于EEMD和PSO-SVM的預(yù)測(cè)模型。通過將非平穩(wěn)的風(fēng)速數(shù)據(jù)分解為一系列的imf分量和殘余分量,將風(fēng)速平穩(wěn)化;并對(duì)每個(gè)分量分別建立經(jīng)過PSO參數(shù)優(yōu)化后SVM預(yù)測(cè)模型,進(jìn)行數(shù)據(jù)預(yù)測(cè)。通過實(shí)驗(yàn)比較,此方法可以用于風(fēng)速的短期預(yù)測(cè),并且求得了比較好的預(yù)測(cè)結(jié)果。

    [1]周志峰,胡秀娟.基于改進(jìn) EMD的汽車動(dòng)態(tài)稱重信號(hào)處理[J].?dāng)?shù)據(jù)采集與處理,2009,23(6):751-755.

    [2]韓中合,朱霄珣,李文華,等.基于 EMD消除Wigner-Vill分布交叉項(xiàng)的研究[J].汽輪機(jī)技術(shù),2010(003):211-214.

    [3]劉岱,龐松嶺,駱偉.基于EEMD與神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)[J].東北電力大學(xué)學(xué)報(bào),2009,29(6):20-26.

    [4]林近山.基于EEMD和Hilbert變換的齒輪箱故障診斷[J].機(jī)械傳動(dòng),2010,34(5):62-65.

    [5]張麗平,粒子群優(yōu)化算法的理論及實(shí)踐[D].杭州:浙江大學(xué),2005.

    [6]柴長(zhǎng)松,張欣,牛奔,等.基于粒子群神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷[J].微計(jì)算機(jī)信息,2007,23(22):186-187.

    [7]夏曉華,金以慧,等.基于PSO的預(yù)測(cè)控制及在聚丙烯的應(yīng)用[J].控制工程,2006,13(5):1-3.

    [8]劉向東,駱斌,陳兆乾.支持向量機(jī)最優(yōu)模型選擇的研究[J].計(jì)算機(jī)研究與發(fā)展,2005,42(4):576-581.

    [9]姚程寬.不平衡樣本集中 SVM的應(yīng)用綜述[J].計(jì)算機(jī)應(yīng)用與軟件,2008,25(9):1,2.

    [10]何淵淘,鄧偉.改進(jìn)的不均衡樣本集支持向量機(jī)預(yù)處理方法[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(010):36-37.

    [11]齊志泉,田英杰,徐志潔.支持向量機(jī)中的核參數(shù)選擇問題[J].控制工程,2005,12(4):379-381.

    [12]邵信光,楊慧中,陳剛.基于粒子群優(yōu)化算法的支持向量機(jī)參數(shù)選擇及其應(yīng)用[J].控制理論與應(yīng)用,2006,23(5):740-743.

    猜你喜歡
    預(yù)測(cè)值適應(yīng)度分量
    IMF上調(diào)今年全球經(jīng)濟(jì)增長(zhǎng)預(yù)期
    企業(yè)界(2024年8期)2024-07-05 10:59:04
    改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
    加拿大農(nóng)業(yè)部下調(diào)2021/22年度油菜籽和小麥產(chǎn)量預(yù)測(cè)值
    ±800kV直流輸電工程合成電場(chǎng)夏季實(shí)測(cè)值與預(yù)測(cè)值比對(duì)分析
    帽子的分量
    法電再次修訂2020年核發(fā)電量預(yù)測(cè)值
    一物千斤
    智族GQ(2019年9期)2019-10-28 08:16:21
    論《哈姆雷特》中良心的分量
    分量
    基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
    在线av久久热| 1024香蕉在线观看| 男女午夜视频在线观看| 亚洲国产欧美日韩在线播放| 精品福利观看| 国产免费男女视频| 精品国产乱子伦一区二区三区| 熟女少妇亚洲综合色aaa.| 国产麻豆成人av免费视频| 在线观看免费日韩欧美大片| av网站免费在线观看视频| 亚洲精品国产精品久久久不卡| 人人妻人人爽人人添夜夜欢视频| 国产男靠女视频免费网站| 亚洲精品在线美女| 亚洲精品中文字幕在线视频| 97人妻天天添夜夜摸| 一级毛片高清免费大全| 国产日韩一区二区三区精品不卡| 成人亚洲精品av一区二区| 狂野欧美激情性xxxx| 无人区码免费观看不卡| 青草久久国产| 人成视频在线观看免费观看| 亚洲av熟女| 极品教师在线免费播放| 美女高潮到喷水免费观看| av超薄肉色丝袜交足视频| 国产在线观看jvid| av天堂在线播放| 欧美亚洲日本最大视频资源| 在线观看66精品国产| 免费无遮挡裸体视频| 无限看片的www在线观看| 91精品国产国语对白视频| 黄色毛片三级朝国网站| 高潮久久久久久久久久久不卡| 久久人人爽av亚洲精品天堂| 成人三级做爰电影| 91麻豆av在线| 精品午夜福利视频在线观看一区| 久久久久久亚洲精品国产蜜桃av| 别揉我奶头~嗯~啊~动态视频| 久久久久九九精品影院| 大型av网站在线播放| 91av网站免费观看| 成在线人永久免费视频| 国产精品免费一区二区三区在线| 巨乳人妻的诱惑在线观看| 国产野战对白在线观看| 黑人巨大精品欧美一区二区蜜桃| 欧美一区二区精品小视频在线| 精品国产超薄肉色丝袜足j| 女同久久另类99精品国产91| 成人国产综合亚洲| 一二三四在线观看免费中文在| 一二三四在线观看免费中文在| 又紧又爽又黄一区二区| 一级a爱视频在线免费观看| 天天一区二区日本电影三级 | 亚洲精品久久成人aⅴ小说| 久久国产精品男人的天堂亚洲| 国产又爽黄色视频| 久久国产乱子伦精品免费另类| av天堂在线播放| 国产野战对白在线观看| av在线播放免费不卡| 黄色女人牲交| 亚洲激情在线av| 精品人妻在线不人妻| 精品人妻在线不人妻| 精品乱码久久久久久99久播| 99热只有精品国产| 19禁男女啪啪无遮挡网站| 女性生殖器流出的白浆| 国产精品av久久久久免费| 亚洲av电影在线进入| av在线天堂中文字幕| 国产亚洲精品久久久久5区| 亚洲av熟女| 日日干狠狠操夜夜爽| 国产亚洲欧美在线一区二区| 久久久精品欧美日韩精品| 国产亚洲精品久久久久5区| 18禁美女被吸乳视频| 啪啪无遮挡十八禁网站| 18禁裸乳无遮挡免费网站照片 | 岛国视频午夜一区免费看| 亚洲成av片中文字幕在线观看| 天堂√8在线中文| 久久久国产精品麻豆| 亚洲欧美一区二区三区黑人| 久久精品91无色码中文字幕| 中亚洲国语对白在线视频| 亚洲国产欧美一区二区综合| 亚洲aⅴ乱码一区二区在线播放 | 久久国产亚洲av麻豆专区| 一级毛片精品| 亚洲专区字幕在线| 亚洲欧美精品综合一区二区三区| 黄网站色视频无遮挡免费观看| ponron亚洲| 天天躁狠狠躁夜夜躁狠狠躁| 一区二区日韩欧美中文字幕| 欧美老熟妇乱子伦牲交| 在线天堂中文资源库| 精品国产乱码久久久久久男人| cao死你这个sao货| 亚洲五月婷婷丁香| 性少妇av在线| 久久久久久久久免费视频了| 亚洲欧洲精品一区二区精品久久久| 一级毛片女人18水好多| 国产亚洲精品综合一区在线观看 | 夜夜爽天天搞| 国产av又大| av片东京热男人的天堂| 亚洲av电影不卡..在线观看| www.熟女人妻精品国产| 黄色a级毛片大全视频| 亚洲国产日韩欧美精品在线观看 | 色老头精品视频在线观看| 亚洲专区国产一区二区| 精品国产超薄肉色丝袜足j| 男人舔女人的私密视频| 午夜福利18| 婷婷六月久久综合丁香| 国产精品二区激情视频| 久久精品国产亚洲av高清一级| 18美女黄网站色大片免费观看| 操美女的视频在线观看| 人妻久久中文字幕网| 久久久久精品国产欧美久久久| 极品人妻少妇av视频| 亚洲欧美日韩高清在线视频| 亚洲精品国产区一区二| 亚洲精品久久成人aⅴ小说| 少妇裸体淫交视频免费看高清 | 亚洲三区欧美一区| 天天躁夜夜躁狠狠躁躁| 久久婷婷人人爽人人干人人爱 | 中文字幕人妻熟女乱码| 欧美中文日本在线观看视频| 成人三级做爰电影| 久久国产精品人妻蜜桃| 国产亚洲精品av在线| 日韩精品中文字幕看吧| 每晚都被弄得嗷嗷叫到高潮| 国产精品久久久av美女十八| 午夜福利,免费看| 亚洲无线在线观看| av网站免费在线观看视频| 日本一区二区免费在线视频| 国产单亲对白刺激| 国产人伦9x9x在线观看| 国产成人免费无遮挡视频| 亚洲中文日韩欧美视频| av免费在线观看网站| 亚洲 欧美 日韩 在线 免费| av中文乱码字幕在线| 黄色女人牲交| 啦啦啦 在线观看视频| 叶爱在线成人免费视频播放| 啪啪无遮挡十八禁网站| 国产欧美日韩综合在线一区二区| 精品久久蜜臀av无| 91老司机精品| 在线观看66精品国产| 涩涩av久久男人的天堂| 国产黄a三级三级三级人| 在线观看午夜福利视频| 99在线视频只有这里精品首页| 在线播放国产精品三级| 亚洲精品av麻豆狂野| 美女国产高潮福利片在线看| 午夜福利高清视频| 午夜福利欧美成人| 男女床上黄色一级片免费看| 18禁美女被吸乳视频| 欧美色视频一区免费| 亚洲第一欧美日韩一区二区三区| 国产精品一区二区在线不卡| 国产免费男女视频| 亚洲国产高清在线一区二区三 | 9191精品国产免费久久| 一边摸一边抽搐一进一出视频| 色哟哟哟哟哟哟| 国产一区在线观看成人免费| 国产精品二区激情视频| 欧美日韩乱码在线| 国产av又大| 国产激情久久老熟女| 99久久99久久久精品蜜桃| 日韩中文字幕欧美一区二区| 搡老岳熟女国产| 国产黄a三级三级三级人| 精品免费久久久久久久清纯| tocl精华| 日本三级黄在线观看| 又黄又粗又硬又大视频| 老汉色∧v一级毛片| 国产一区在线观看成人免费| 成人免费观看视频高清| 高清毛片免费观看视频网站| 国产欧美日韩一区二区三| 午夜福利高清视频| 在线永久观看黄色视频| 女性生殖器流出的白浆| av网站免费在线观看视频| 热99re8久久精品国产| 正在播放国产对白刺激| 两性午夜刺激爽爽歪歪视频在线观看 | www.熟女人妻精品国产| 男男h啪啪无遮挡| 亚洲电影在线观看av| 一级a爱片免费观看的视频| 男女床上黄色一级片免费看| 嫁个100分男人电影在线观看| 少妇的丰满在线观看| 91精品国产国语对白视频| 国产一级毛片七仙女欲春2 | 黄色女人牲交| 香蕉丝袜av| 97超级碰碰碰精品色视频在线观看| 日韩大尺度精品在线看网址 | 母亲3免费完整高清在线观看| 热99re8久久精品国产| 久久久久久久久免费视频了| 又黄又爽又免费观看的视频| 婷婷精品国产亚洲av在线| 精品国产美女av久久久久小说| 少妇裸体淫交视频免费看高清 | 熟妇人妻久久中文字幕3abv| 欧美日本亚洲视频在线播放| 淫秽高清视频在线观看| 一区在线观看完整版| svipshipincom国产片| 国产精品亚洲美女久久久| 丝袜在线中文字幕| 国产精品久久久人人做人人爽| 免费看美女性在线毛片视频| 非洲黑人性xxxx精品又粗又长| 可以在线观看毛片的网站| 侵犯人妻中文字幕一二三四区| 巨乳人妻的诱惑在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 久久中文字幕人妻熟女| 午夜精品在线福利| 午夜免费鲁丝| 欧美日韩黄片免| 免费少妇av软件| 色综合站精品国产| 亚洲成av人片免费观看| 最近最新中文字幕大全电影3 | 法律面前人人平等表现在哪些方面| 精品国产国语对白av| 日韩中文字幕欧美一区二区| 久久中文看片网| 亚洲五月天丁香| 多毛熟女@视频| 亚洲五月色婷婷综合| 一进一出好大好爽视频| 日韩大码丰满熟妇| 亚洲av电影不卡..在线观看| 国产精品亚洲美女久久久| 天天躁夜夜躁狠狠躁躁| 亚洲精品美女久久久久99蜜臀| 99riav亚洲国产免费| 在线播放国产精品三级| 亚洲色图av天堂| 日本欧美视频一区| 51午夜福利影视在线观看| 91麻豆av在线| 一级黄色大片毛片| 国产免费av片在线观看野外av| 俄罗斯特黄特色一大片| 国产av又大| 啦啦啦韩国在线观看视频| 国产99白浆流出| 久久久水蜜桃国产精品网| 国产精华一区二区三区| 日日爽夜夜爽网站| 乱人伦中国视频| 亚洲精品国产精品久久久不卡| 可以在线观看的亚洲视频| 免费一级毛片在线播放高清视频 | 好男人在线观看高清免费视频 | 中文字幕av电影在线播放| 757午夜福利合集在线观看| 男女午夜视频在线观看| 99国产综合亚洲精品| 免费在线观看亚洲国产| av电影中文网址| 美女免费视频网站| 亚洲精华国产精华精| 国产av一区在线观看免费| 亚洲五月色婷婷综合| 美女高潮喷水抽搐中文字幕| 高清毛片免费观看视频网站| 黄色a级毛片大全视频| 亚洲成人久久性| 女性生殖器流出的白浆| 欧美日韩福利视频一区二区| 50天的宝宝边吃奶边哭怎么回事| ponron亚洲| 露出奶头的视频| 国产97色在线日韩免费| 成人永久免费在线观看视频| 亚洲少妇的诱惑av| 中文字幕另类日韩欧美亚洲嫩草| 在线av久久热| 两性午夜刺激爽爽歪歪视频在线观看 | 久久人妻熟女aⅴ| 精品久久久久久成人av| 777久久人妻少妇嫩草av网站| 亚洲激情在线av| 久久午夜亚洲精品久久| 热re99久久国产66热| 午夜福利高清视频| 在线天堂中文资源库| 欧美色欧美亚洲另类二区 | 黄色视频,在线免费观看| 成年女人毛片免费观看观看9| 亚洲av五月六月丁香网| 亚洲成人国产一区在线观看| 制服诱惑二区| 久久久久久久久中文| 欧美av亚洲av综合av国产av| 日本 欧美在线| 精品第一国产精品| 两性午夜刺激爽爽歪歪视频在线观看 | 美女扒开内裤让男人捅视频| 成在线人永久免费视频| 久久久国产欧美日韩av| 搞女人的毛片| 久久婷婷成人综合色麻豆| АⅤ资源中文在线天堂| 极品人妻少妇av视频| 又黄又粗又硬又大视频| 两个人免费观看高清视频| 一区二区三区精品91| 日日夜夜操网爽| 欧美一区二区精品小视频在线| 久久久久久国产a免费观看| 精品熟女少妇八av免费久了| 欧美最黄视频在线播放免费| 91字幕亚洲| 露出奶头的视频| www.精华液| 亚洲精品在线美女| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲精华国产精华精| 日韩欧美国产在线观看| 12—13女人毛片做爰片一| 国产av精品麻豆| 成年女人毛片免费观看观看9| 国产亚洲av高清不卡| 深夜精品福利| 久久这里只有精品19| 在线十欧美十亚洲十日本专区| 国产欧美日韩一区二区三| 99久久国产精品久久久| 亚洲午夜精品一区,二区,三区| 少妇被粗大的猛进出69影院| 一区在线观看完整版| 亚洲av成人一区二区三| 国产真人三级小视频在线观看| 十八禁人妻一区二区| 在线国产一区二区在线| av在线播放免费不卡| 真人一进一出gif抽搐免费| 亚洲 欧美一区二区三区| 亚洲国产毛片av蜜桃av| 中国美女看黄片| 一区二区三区国产精品乱码| 亚洲美女黄片视频| 亚洲精品久久国产高清桃花| 91老司机精品| 国产野战对白在线观看| 日本 欧美在线| 午夜日韩欧美国产| avwww免费| a在线观看视频网站| 精品高清国产在线一区| 午夜a级毛片| 免费在线观看黄色视频的| 色老头精品视频在线观看| 亚洲精品美女久久久久99蜜臀| av片东京热男人的天堂| 国产精品亚洲一级av第二区| 亚洲av日韩精品久久久久久密| 欧美另类亚洲清纯唯美| 亚洲国产欧美日韩在线播放| 叶爱在线成人免费视频播放| 大码成人一级视频| 成人特级黄色片久久久久久久| 欧美日韩中文字幕国产精品一区二区三区 | 精品无人区乱码1区二区| 女性被躁到高潮视频| 91精品三级在线观看| 亚洲一区高清亚洲精品| 亚洲精品中文字幕在线视频| 亚洲性夜色夜夜综合| 多毛熟女@视频| 一进一出抽搐gif免费好疼| 日本免费a在线| 亚洲第一电影网av| 国产精品久久久久久亚洲av鲁大| 国产成人精品无人区| 黄片播放在线免费| 国产又爽黄色视频| 国产色视频综合| 美国免费a级毛片| 91精品三级在线观看| 欧美中文日本在线观看视频| 动漫黄色视频在线观看| 51午夜福利影视在线观看| 黄色a级毛片大全视频| 国产午夜福利久久久久久| 亚洲狠狠婷婷综合久久图片| 麻豆成人av在线观看| 国产一区二区三区综合在线观看| 老司机午夜福利在线观看视频| 老司机靠b影院| 母亲3免费完整高清在线观看| 精品久久久久久久人妻蜜臀av | 国产成人精品久久二区二区91| 精品国内亚洲2022精品成人| 久久国产精品男人的天堂亚洲| 精品欧美国产一区二区三| 国产免费男女视频| 国产精品九九99| 丰满人妻熟妇乱又伦精品不卡| 最好的美女福利视频网| 香蕉国产在线看| 9热在线视频观看99| 俄罗斯特黄特色一大片| av天堂久久9| 在线视频色国产色| 在线观看日韩欧美| 欧美成人午夜精品| 最新在线观看一区二区三区| 色播在线永久视频| 久久精品国产亚洲av香蕉五月| 国产精品秋霞免费鲁丝片| 麻豆成人av在线观看| 久久中文字幕一级| 精品一区二区三区av网在线观看| 啦啦啦免费观看视频1| 精品国产一区二区久久| 又紧又爽又黄一区二区| 国产伦人伦偷精品视频| 99精品在免费线老司机午夜| 在线永久观看黄色视频| 久久久国产成人精品二区| 每晚都被弄得嗷嗷叫到高潮| 久久亚洲真实| 香蕉久久夜色| 亚洲精品国产精品久久久不卡| 亚洲欧洲精品一区二区精品久久久| 亚洲成人精品中文字幕电影| 制服诱惑二区| 又紧又爽又黄一区二区| 色播亚洲综合网| 亚洲国产日韩欧美精品在线观看 | 在线观看www视频免费| 久久久久久久精品吃奶| 国产成人精品久久二区二区免费| 1024香蕉在线观看| 久久草成人影院| 97碰自拍视频| 午夜精品在线福利| 亚洲色图av天堂| 久久中文字幕一级| 久久国产亚洲av麻豆专区| 黄片小视频在线播放| 校园春色视频在线观看| 日本免费一区二区三区高清不卡 | 变态另类成人亚洲欧美熟女 | 两性午夜刺激爽爽歪歪视频在线观看 | 啦啦啦观看免费观看视频高清 | 色综合欧美亚洲国产小说| 日韩精品青青久久久久久| 久久久久九九精品影院| 亚洲最大成人中文| 俄罗斯特黄特色一大片| 一级毛片精品| 十八禁网站免费在线| 亚洲天堂国产精品一区在线| 免费少妇av软件| 操美女的视频在线观看| 好男人电影高清在线观看| 丝袜人妻中文字幕| 色婷婷久久久亚洲欧美| 亚洲人成77777在线视频| 国产激情欧美一区二区| 中文字幕人妻丝袜一区二区| 多毛熟女@视频| 国产真人三级小视频在线观看| 性少妇av在线| 亚洲 国产 在线| 国产欧美日韩一区二区精品| 国产亚洲精品久久久久久毛片| 亚洲精华国产精华精| 女性被躁到高潮视频| 久久中文字幕一级| 亚洲av片天天在线观看| 久久久水蜜桃国产精品网| 淫妇啪啪啪对白视频| 色综合亚洲欧美另类图片| 欧美国产日韩亚洲一区| 久热这里只有精品99| 亚洲国产中文字幕在线视频| 一a级毛片在线观看| 可以免费在线观看a视频的电影网站| 亚洲精品一区av在线观看| 国产精品美女特级片免费视频播放器 | 丁香六月欧美| 国产一卡二卡三卡精品| 多毛熟女@视频| 亚洲片人在线观看| 欧美中文综合在线视频| 国产主播在线观看一区二区| 色尼玛亚洲综合影院| 久久国产精品男人的天堂亚洲| 国产麻豆69| 12—13女人毛片做爰片一| 桃红色精品国产亚洲av| 亚洲精品一卡2卡三卡4卡5卡| 午夜福利在线观看吧| 亚洲色图av天堂| 啪啪无遮挡十八禁网站| 国产精品国产高清国产av| 国产高清有码在线观看视频 | av视频免费观看在线观看| 欧美一级毛片孕妇| 亚洲美女黄片视频| 久久久久久亚洲精品国产蜜桃av| 国产亚洲精品第一综合不卡| 精品一区二区三区四区五区乱码| 999久久久国产精品视频| 国产国语露脸激情在线看| 黑人巨大精品欧美一区二区蜜桃| 黄色片一级片一级黄色片| 亚洲国产毛片av蜜桃av| 在线av久久热| 亚洲国产精品999在线| 精品久久蜜臀av无| 欧美av亚洲av综合av国产av| 精品久久蜜臀av无| 一a级毛片在线观看| 老司机午夜福利在线观看视频| 天天躁狠狠躁夜夜躁狠狠躁| 久久久久国产一级毛片高清牌| 搡老岳熟女国产| 亚洲第一欧美日韩一区二区三区| 日韩欧美国产一区二区入口| 在线观看免费午夜福利视频| 国产欧美日韩一区二区三区在线| 在线观看免费午夜福利视频| 男人舔女人的私密视频| 国产麻豆69| 亚洲自拍偷在线| 欧美一级毛片孕妇| 日本欧美视频一区| 欧美中文综合在线视频| 亚洲成人国产一区在线观看| 国产精品一区二区免费欧美| 深夜精品福利| 啦啦啦韩国在线观看视频| av有码第一页| 韩国av一区二区三区四区| 黄频高清免费视频| 欧美不卡视频在线免费观看 | 成人av一区二区三区在线看| 制服诱惑二区| 日韩免费av在线播放| 美女 人体艺术 gogo| 18禁观看日本| 老司机午夜十八禁免费视频| 乱人伦中国视频| 中文字幕色久视频| 国产主播在线观看一区二区| 最近最新中文字幕大全电影3 | 一进一出抽搐gif免费好疼| 三级毛片av免费| 最好的美女福利视频网| 亚洲免费av在线视频| 精品久久久久久,| 免费久久久久久久精品成人欧美视频| avwww免费| 国产av一区在线观看免费| 日韩欧美三级三区| 国产激情欧美一区二区| 免费高清在线观看日韩| 一本大道久久a久久精品| 男女下面插进去视频免费观看| 一级a爱视频在线免费观看| 给我免费播放毛片高清在线观看| 色哟哟哟哟哟哟| 久久这里只有精品19| 丁香欧美五月| 日本三级黄在线观看| 久久天堂一区二区三区四区| 精品久久久久久久久久免费视频| 国产一区二区三区综合在线观看| 丁香六月欧美| 国产亚洲精品久久久久5区| 美女国产高潮福利片在线看| 国产高清有码在线观看视频 | 欧美日韩中文字幕国产精品一区二区三区 | 国产精品电影一区二区三区| 亚洲av日韩精品久久久久久密| 欧美乱色亚洲激情| 色播亚洲综合网|