• <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 ?

    一種基于Adaboost和變量篩選的LSSVM工程造價估計方法

    2016-05-22 02:33:46黃文濤程錦翔
    關(guān)鍵詞:工程造價精度變量

    黃文濤,周 萍,程錦翔

    (1.東南大學 電氣工程學院,江蘇 南京 210096;2.建業(yè)恒安工程管理股份有限公司,江蘇 江陰 214400;3. 南京航空航天大學 機電學院,江蘇 南京 210016)

    一種基于Adaboost和變量篩選的LSSVM工程造價估計方法

    黃文濤1,周 萍2,程錦翔3

    (1.東南大學 電氣工程學院,江蘇 南京 210096;2.建業(yè)恒安工程管理股份有限公司,江蘇 江陰 214400;3. 南京航空航天大學 機電學院,江蘇 南京 210016)

    為了實現(xiàn)利用較少的工程信息,快速準確的估計出工程項目的造價,提出了一種基于Adaboost-VIP的工程造價估計方法。首先采用變量投影重要性指標(variable importance in projection, VIP)法對影響工程造價的多個因素進行特征提取,然后利用最小二乘支持向量機作為非線性逼近器,建立工程造價的估計模型。為了進一步提高模型的估計精度,將自適應(yīng)提升算法(Adaboost)與VIP相結(jié)合,利用Adaboost將多個弱造價估計模型進行集成,得到強造價估計模型。同時將該方法應(yīng)用到建筑案例中,結(jié)果表明:VIP方法能有效地對影響因素進行篩選,簡化模型結(jié)構(gòu);Adaboost-VIP模型與單一的工程造價估計模型相比,具有更高的估計性能。

    道路工程;工程造價;自適應(yīng)提升法;變量投影重要性指標;最小二乘支持向量機

    0 引 言

    在項目建設(shè)前期,快速、準確地估算出工程項目的造價,可以為工程的分析、評估、決策以及科學有效地控制工程成本、提高投資效益提供技術(shù)支持和保障。但由于工程造價受多個因素影響,因素之間存在相互制約,且許多因素存在較大的不確定性,使得工程造價的估計模型具有非線性、多變量、強耦合的特性,模型難以建立。因此如何挖掘構(gòu)建估計模型的重要因素以及研究新型的估計技術(shù)具有重要的意義。

    目前常見的工程造價估計方法有很多。傳統(tǒng)方法有定額法、類比法,回歸分析法等[1]。定額法是通過編制預(yù)算文件進行估算,時間長、程序繁雜;類比法利用類比工程的相似性來確定工程造價,精度較差;回歸分析法是一種線性建模方法,無法表征估計模型的非線性特性??梢姡瑐鹘y(tǒng)的工程造價估算方法難以滿足造價管理的需求。

    隨著計算機和非線性建模理論的發(fā)展,一些新的估計技術(shù)不斷出現(xiàn)。魏道升等[2],楊華龍等[3]提出的基于灰色預(yù)測的工程造價方法,能夠在小樣本工況下做出準確預(yù)測,在較短時間內(nèi)預(yù)測樣本的變化趨勢,解決樣本預(yù)測的不等時序問題,但在灰色預(yù)測模型求解中,生成一次累加序列的緊鄰權(quán)重系數(shù)設(shè)定單一,沒有理論依據(jù);劉婧等[4],王建茹[5]采用神經(jīng)網(wǎng)絡(luò)方法對工程造價進行估計,具有較強的非線性逼近能力,但訓(xùn)練需要大量的樣本且易于陷入局部最優(yōu);舒雋等[6],胡慶國等[7]采用極限學習機方法對電力線路和高速公路造價進行估計,相對于傳統(tǒng)神經(jīng)網(wǎng)絡(luò),具有訓(xùn)練速度快、權(quán)重范數(shù)小、泛化性能強的優(yōu)點,但在如何選擇合適的參數(shù)來控制模型復(fù)雜性方面的研究尚有欠缺;周建永[8],郝寬勝等[9]提出最小二乘支持向量機方法,克服了傳統(tǒng)方法依賴大樣本要求,能夠在訓(xùn)練樣本較少的情況下,獲得較好的估計效果,相比支持向量機,訓(xùn)練時間短,目前在電機、電力、發(fā)酵等領(lǐng)域得到了廣泛應(yīng)用。

    另外估計模型中關(guān)鍵因素的篩選至關(guān)重要。冗余信息的剔除和壓縮能夠降低模型的復(fù)雜度,提高模型估計精度。黃崇等[10],段曉晨等[11]利用PCA對影響因素進行主成分分析,以組合變量代替原始變量,降低了數(shù)據(jù)維度,但PCA是一種常用的無監(jiān)督算法,在進行特征提取時易導(dǎo)致樣本間有用類別信息丟失,且組合后的變量對于工程造價模型失去了物理意義,不易于后期工程造價成本的直接優(yōu)化控制;彭麗群等[12]采用貢獻分析的方法,減少了影響因素個數(shù),但該方法依賴神經(jīng)網(wǎng)絡(luò)權(quán)值的變化,而由于神經(jīng)網(wǎng)絡(luò)權(quán)值的初始化具有隨機性,使得篩選出的影響因素不固定。

    針對上述問題,在最小二乘支持向量機基礎(chǔ)上,筆者提出了一種基于Adaboost-VIP的工程造價估計方法。主要思想是通過變量投影重要性指標方法對影響因素進行特征提取,利用最小二乘支持向量機作為非線性逼近器,建立工程造價估計模型。同時為進一步提高上述模型估計精度,將Adaboost與VIP相結(jié)合,得到工程造價強估計模型。仿真結(jié)果表明,所提方法估計精度高,具有一定實際應(yīng)用價值。

    1 變量投影重要性指標

    變量投影重要性指標反映自變量在解釋因變量作用時的重要性[13]。第i個自變量的表達式為

    (1)

    式中:k為自變量個數(shù);whi為自變量xi在主成分上的權(quán)重,即軸wh的第i個分量;th為得分矩陣T的第h個列分量;Rd(Y;th)為第h個主元對Y的解釋能力。

    換而言之,Vvip的值是PLS權(quán)重系數(shù)的加權(quán)平方和,其考慮了PLS的每一個主元的方差貢獻率。Vvip,i值選取將按文獻[14]進行選取。

    2 Adaboost-LSSVM算法

    Adaboost是一種迭代提升算法,基本思想是把多個不同的弱估計器加以集成,構(gòu)成一個強估計器[15]。筆者首先通過VIP對影響工程造價的因素進行篩選,得到最優(yōu)影響變量,同時利用LSSVM建立估計模型。Adaboost-LSSVM算法是以LSSVM建立的模型作為弱估計器,然后通過Adaboost算法得到由多個弱估計器組成的強估計器,從而實現(xiàn)對工程造價的多模型估計,提高模型估計精度。具體算法流程如下:

    Step 1: 訓(xùn)練集樣本{(x1,y1),(x2,y2),…,(xm,ym)},其中xi為樣本點,yi為對應(yīng)估計值,確定LSSVM作為弱估計器;確定判斷預(yù)報值正確與否的閾值φ(0<φ<1),假定進行T次循環(huán)迭代,初始化迭代次數(shù)t=1;

    Step 2: 當t=1時,初始化訓(xùn)練數(shù)據(jù)的權(quán)重分布Dt(i)=1/m,并根據(jù)輸入輸出維數(shù),確定LSSVM的結(jié)構(gòu),初始化誤差εt;

    Step 3: 依據(jù)訓(xùn)練數(shù)據(jù)權(quán)重分布訓(xùn)練LSSVM弱估計器,建立估計模型ft(x)→y,然后計算訓(xùn)練集誤差:

    (2)

    計算ft(x)的誤差率:

    (3)

    (4)

    式中:Zt為標準化因子;同時更新迭代次數(shù)t=t+1。

    Step 5: 若t≤T,返回Step 2;否則執(zhí)行Step 6。

    Step 6: 組合強估計器:

    (5)

    3 工程造價估計模型構(gòu)建

    影響工程造價的因素有很多,如何篩選影響最大的因素至關(guān)重要。傳統(tǒng)方法通常采用PCA,但PCA是對原始因素的線性組合,得到的變量失去了變量本身實際的物理意義,對工程造價的控制帶來了困難。因此,筆者采用VIP原理對影響因素進行篩選,計算各個因素對工程造價的Vvip值,通過與閾值比較,篩選出最優(yōu)建模變量。

    將優(yōu)選的數(shù)據(jù)作為新輸入集,進行歸一化處理,同時利用LSSVM構(gòu)建工程造價估計模型。在此過程中,Adaboost算法通過不斷分配訓(xùn)練樣本,訓(xùn)練得到不同的弱估計模型,然后根據(jù)權(quán)重比例將各弱估計模型進行集成,得到最終的強估計器。模型構(gòu)建原理如圖1。

    圖1 模型構(gòu)建原理Fig.1 Principle of constructing models

    4 實驗驗證

    4.1 數(shù)據(jù)描述

    筆者選取21組特征較為相似的建設(shè)工程為樣本[5]。經(jīng)過數(shù)據(jù)檢驗和分析發(fā)現(xiàn)在這些實例中的分項工程(如基礎(chǔ)工程、砌筑工程、門窗工程、裝修工程、地面工程和安裝工程等)占總造價比例相對較大,其中工程類別、建筑面積、混凝土供應(yīng)方等因素對工程造價的影響較大。因此,選取工程等級、混凝土供應(yīng)方、基礎(chǔ)類型、樁基、建筑層數(shù)、門窗工程、砌筑工程、內(nèi)墻裝飾、外墻裝修、地面工程、天棚裝飾、安裝工程、建筑面積等13個工程指標作為影響工程造價的主要因素,其中定量指標為建筑層數(shù)以及建筑面積,其余為定性指標。對于定性指標需要進行量化處理,量化原則如表1,量化后的數(shù)據(jù)如文獻[5],其中10組為訓(xùn)練數(shù)據(jù),另外11組為測試數(shù)據(jù)。

    表1 定性指標的量化處理

    4.2 實驗結(jié)果與分析

    上述案例中,所選的13個影響工程造價的關(guān)鍵因素都是根據(jù)經(jīng)驗選取,相互之間可能存在高度耦合,理論性不高。為了選擇對工程造價影響最大的因素以及同時降低估計模型的復(fù)雜度,筆者使用基于Adaboos-VIP的工程造價估計方法。

    4.2.1 數(shù)據(jù)處理

    為了避免處于不同數(shù)量級的影響因素對模型建立的干擾,需要對影響因素進行歸一化處理,歸一化公式如式(6):

    (6)

    式中:x′為歸一化后的數(shù)據(jù);xmax,xmin分別對應(yīng)各輸入影響因素的最大值和最小值。

    4.2.2 計算變量投影重要性指標

    根據(jù)VIP理論,利用MATLAB編寫程序,計算出每個影響因素的Vvip值,同時將其按從大到小的順序排序,結(jié)果如圖2。圖2中直方圖上數(shù)字為工程特征編號,虛線標識處為優(yōu)化的Vvip閾值參考線。

    圖2 Vvip值排序Fig.2 Sorting of Vvip

    4.2.3 優(yōu)化Vvip閾值

    通常Vvip理論值為1,但由于該原則約束性較強,根據(jù)此原則篩選出的影響因素缺乏全面性,所建模型估計精度不高。利用文獻[14]中的改進方法,對Vvip閾值進行優(yōu)化,優(yōu)化過程中G作為敏感性和特異性的平方根在[0 1]的范圍內(nèi)變化,Vvip值則在0和理論值1之間變化,G和Vvip隨模型輸入變量數(shù)目的變化而變化,優(yōu)化過程結(jié)果如圖3。其中G越接近1,則說明建模效果越高,此時G=0.936 8,對應(yīng)的Vvip=0.47,輸入變量為9。

    圖3 Vvip閾值優(yōu)選Fig.3 Optimization of Vvip threshold values

    4.2.4 建立模型

    由圖3可知,在優(yōu)選Vvip閾值0.47的作用下,優(yōu)選出9個變量分別為:建筑面積、安裝工程、工程類別、建筑層數(shù)、地面工程、門窗工程、樁基、外墻裝修、混凝土供應(yīng)方。與經(jīng)驗常識中將建筑面積,工程級別以及樓層高度等作為主要影響因素一致,說明該方法篩選的影響因素可靠性高。利用上述變量構(gòu)建造價估計模型。筆者選擇10組弱估計器,LSSVM進行非線性建模。建模過程中,由于LSSVM模型的估計性能和泛化能力與模型超參數(shù):核參數(shù)寬度c和正則化參數(shù)g有很大關(guān)系,為此,采用交互驗證方法對每一個弱估計器參數(shù)進行優(yōu)化,結(jié)果如表2。

    表2 模型優(yōu)化參數(shù)

    對表2中10組弱估計模型,利用Adaboost算法對不同模型進行權(quán)重分析集成,得到最終的強估計器。以11組數(shù)據(jù)作為測試數(shù)據(jù),估計誤差絕對值如圖4。由圖4可知,經(jīng)Adaboost集成后的工程造價強估計器,比單一的估計器具有較高的估計精度,且估計穩(wěn)定,誤差變化較為平穩(wěn),基本集中在100萬上下波動。其中測試樣本3,4,5,6的估計誤差較低,雖樣本9估計誤差與單一模型估計誤差基本接近,但強估計器的總體誤差優(yōu)于單一估計模型,精度得到了提高。

    圖4 估計誤差絕對值Fig.4 Absolute value of estimation error

    5 結(jié) 論

    針對目前工程造價模型影響因素多而耦合,非線性程度高,單一模型精度低的特點,筆者提出了一種基于Adaboost-VIP的工程造價估計方法。該方法解決了以下幾點問題:

    1)通過計算各影響因素對工程造價的Vvip值,確定最優(yōu)影響因素,使得影響因素的選擇既具有理論依據(jù),又能符合實際經(jīng)驗。

    2)傳統(tǒng)工程造價智能估計模型,往往建立在大量數(shù)據(jù)驅(qū)動的基礎(chǔ)上,而實際案例數(shù)據(jù)采集有限,屬于小樣本數(shù)據(jù)。LSSVM適用于小樣數(shù)據(jù)的建模,利用LSSVM建模增加模型的可靠性。

    3)針對單一工程造價估計模型估計精度不足的問題,筆者利用Adaboost提升算法對不同工程造價估計模型進行集成,實現(xiàn)工程造價的多模型估計,提高了精度。

    4)實際案例仿真結(jié)果表明,所提方法由于影響因素進行了理論篩選,與傳統(tǒng)的模型相比結(jié)構(gòu)上更為簡單。同時通過Adboost算法提升,與單一的模型精度相比精度有所提高,估計結(jié)果符合實際,具有一定的應(yīng)用價值。

    [1] 劉潔.基于屬性約束的公路造價優(yōu)化控制方法研究與仿真[J].科技通報,2014,30(2):38-40. LIU Jie. Highway cost optimization control method and simulation based on the attribute constraints[J].BulletinofScienceandTechnology, 2014, 30(2): 38-40.

    [2] 魏道升,李淑燕.基于灰色關(guān)聯(lián)分析的工程造價控制[J].重慶交通大學學報(自然科學版),2013,32(2):321-324. WEI Daosheng, LI Shuyan. Construction cost control based on grey correlation analysis[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2013, 32(2): 321-324.

    [3] 楊華龍,劉金霞,鄭斌.灰色預(yù)測GM(1,1)模型的改進及應(yīng)用[J].數(shù)學的實踐與認識,2011,41(23):39-46.YANG Hualong, LIU Jinxia, ZHENG Bin. Improvement and application of grey prediction GM(1,1) model[J].MathematicsinPracticeandTheory, 2011, 41(23): 39-46.

    [4] 劉婧,葉青.采用BP和RBF神經(jīng)網(wǎng)絡(luò)的廈門市工程造價預(yù)測模型[J].華僑大學學報(自然科學版),2013,34(5):576-580. LIU Jing, YE Qing. Project cost prediction model based on BP and RBP neural networks in Xiamen city[J].JournalofHuaqiaoUniversity(NaturalScience), 2013, 34(5): 576-580.

    [5] 王建茹.基于BP神經(jīng)網(wǎng)絡(luò)的建設(shè)工程造價預(yù)測方法[J].沈陽建筑大學學報(社會科學版),2014,16(1):42-45. WANG Jianru. Prediction method of construction cost based on BP neural network[J].JournalofShenyangJianzhuUniversity(SocialScience), 2014, 16(1): 42-45.

    [6] 舒雋,甘磊.極限學習機方法在電力線路建設(shè)成本估算中的應(yīng)用研究[J].現(xiàn)代電力,2011,28(4):78-83. SHU Jun, GAN Lei. Research on cost estimation of power lines construction projects based on extreme learning machine method[J].ModernElectricPower, 2011, 28(4): 78-83.

    [7] 胡慶國,宋新智.基于優(yōu)化極限學習機的高速公路造價預(yù)測[J].公路與汽車,2014(2):208-213. HU Qingguo, SONG Xinzhi. Highway construction cost prediction based on optimization of extreme learning machine[J].Highways&AutomotiveApplications, 2014(2): 208-213.

    [8] 周建永.支持向量機修正灰色模型在工程價格預(yù)測中的應(yīng)用[J].科技通報,2013,29(7):147-150. ZHOU Jianyong. Support vector machine grey model in the application of engineering price forecast[J].BulletinofScienceandTechnology, 2013, 29(7): 147-150.

    [9] 郝寬勝,張桐林.基于模糊最小二乘支持向量機的建設(shè)工程造價快速預(yù)測方法研究[J].鐵路工程造價管理,2012,27(3):1-4. HAO Kuansheng, ZHANG Tonglin. Research on project cost fast forecasting method based on the fuzzy least square support vector machine[J].RailwayEngineeringCostManagement, 2012, 27(3): 1-4.

    [10] 黃崇,甘國融.基于PCA-BP的高速公路工程造價預(yù)測模型[J].公路與汽運,2014(5):210-214. HUANG Chong, GAN Guorong. Predicting construction cost model for high-speed road based on PCA-BP[J].Highways&AutomotiveApplications, 2014(5): 210-214.

    [11] 段曉晨,郭蘭英,張新寧.新建高鐵工程非線性造價估算方法研究[J].鐵道學報,2013,35(10):114-122. DUAN Xiaochen, GUO Lanying, ZHANG Xinning. Research on nonlinear estimating methods of whole life-cycle cost for China high-speed railway project [J].JournaloftheChinaRailwaySociety, 2013, 35(10): 114-122.

    [12] 彭麗群,張欣莉.基于貢獻分析的神經(jīng)網(wǎng)絡(luò)集成法在工程造價預(yù)測中的研究[J].經(jīng)營管理者,2009(22): 173-177. PENG Liqun, ZHANG Xinli. Contribution analysis based neural network integration means research in engineering cost prediction[J].Manager’Journal, 2009(22): 173-177.

    [13] ZHANG Yonghong, XIA Zhining, QIN Litang, et al. Prediction of blood-brain partitioning: a model based on molecular electronegativity distance vector descriptors[J].JournalofMolecularGraphicsandModelling, 2010, 29(2): 214-220.

    [14] CHONG L G, JUN C H. Performance of some variable selection methods when multicollinearity is present[J].ChemometricsandIntelligentLaboratorySystems, 2005, 78(1/2): 103-112.

    [15] 姚旭,王曉丹,張玉璽,等.基于AdaBoost和匹配追蹤的選擇性集成算法[J].控制與決策,2014,29(2):208-214. YAO Xu, WANG Xiaodan, ZHANG Yuxi, et al. Selective ensemble algorithm based on AdaBoost and matching pursuit[J].ControlandDecision, 2014, 29(2): 208-214.

    An Estimation Method of Engineering Cost Based on Adaboost and Variable Selection with LSSVM

    HUANG Wentao1, ZHOU Ping2, CHENG Jinxiang3

    (1. School of Electrical Engineering, Southeast University, Nanjing 210096, Jiangsu, P.R.China; 2. Jianye Heng’an Project Management Incorporated Co., Ltd., Jiangyin 214400, Jiangsu, P.R.China; 3. School of Mechanical & Electrical Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, Jiangsu, P.R.China)

    To realize the fast and accurate prediction of construction engineering cost by using less engineering information, a novel estimation method of engineering cost based on Adaboost-VIP was proposed. Firstly, variable importance in projection (VIP) method was used to extract the multiple factors affecting the engineering cost, and then least squares support vector machine (LSSVM) was used as a nonlinear approximation to establish the estimation model of engineering cost. In order to further improve the estimation precision of the model, Adaboost method was combined with VIP. Some weak predictors were integrated by Adaboost and then a strong predictor was obtained. Meanwhile, the method was applied to the case study of construction. The results indicate that: variable importance in projection method can effectively choose the key influence factors and simplify the structure of the model; compared with the single engineering cost estimation model, the Adaboost-VIP model has higher estimation performance.

    highway engineering; engineering cost; Adaboost; variable importance in projection (VIP); least squares support vector machine (LSSVM)

    10.3969/j.issn.1674-0696.2016.03.12

    2015-05-04;

    2015-10-14

    江蘇省青年自然科學基金(BK20140538)

    黃文濤(1989—),男,江蘇常熟人,博士研究生,主要從事智能預(yù)測、動態(tài)測量方面的研究。E-mail:hwt109@126.com。

    程錦翔(1987—),男,江蘇興化人,博士研究生,主要從事機電控制方面的研究。E-mail:chengjinxiang528@126.com。

    U415;TU723

    A

    1674-0696(2016)03-054-04

    猜你喜歡
    工程造價精度變量
    抓住不變量解題
    也談分離變量
    如何加強工程造價管理有效的控制工程造價
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    GPS/GLONASS/BDS組合PPP精度分析
    工程造價之旅
    SL(3,3n)和SU(3,3n)的第一Cartan不變量
    改進的Goldschmidt雙精度浮點除法器
    分離變量法:常見的通性通法
    巧用磨耗提高機械加工精度
    河南科技(2014年14期)2014-02-27 14:11:53
    日本a在线网址| 精品福利观看| 午夜免费成人在线视频| 十八禁网站免费在线| 欧美日本视频| 精品少妇一区二区三区视频日本电影| 草草在线视频免费看| 香蕉丝袜av| 久久午夜亚洲精品久久| 国产精品 欧美亚洲| 成人永久免费在线观看视频| 全区人妻精品视频| 国产91精品成人一区二区三区| 久久人妻福利社区极品人妻图片| 亚洲免费av在线视频| 中文字幕高清在线视频| 999久久久精品免费观看国产| 国内揄拍国产精品人妻在线| 啪啪无遮挡十八禁网站| 欧美日韩亚洲国产一区二区在线观看| 日韩精品中文字幕看吧| 久久久久亚洲av毛片大全| 深夜精品福利| 国产精华一区二区三区| 欧美日韩亚洲国产一区二区在线观看| 免费无遮挡裸体视频| 亚洲精品在线观看二区| 露出奶头的视频| 欧美色视频一区免费| www.熟女人妻精品国产| 又紧又爽又黄一区二区| 91麻豆精品激情在线观看国产| 岛国在线免费视频观看| 老司机福利观看| 国产精品亚洲美女久久久| 999久久久国产精品视频| 宅男免费午夜| 国产亚洲av嫩草精品影院| 国内久久婷婷六月综合欲色啪| 天天一区二区日本电影三级| 美女午夜性视频免费| 叶爱在线成人免费视频播放| 可以免费在线观看a视频的电影网站| 国产1区2区3区精品| 三级国产精品欧美在线观看 | 黄片小视频在线播放| 人成视频在线观看免费观看| 久久久久精品国产欧美久久久| 757午夜福利合集在线观看| 久久久国产欧美日韩av| 日韩欧美免费精品| 色综合欧美亚洲国产小说| 国产午夜精品论理片| 又粗又爽又猛毛片免费看| 免费高清视频大片| 免费在线观看黄色视频的| 淫妇啪啪啪对白视频| 久久精品91蜜桃| 免费av毛片视频| 亚洲国产欧美一区二区综合| 久久热在线av| 悠悠久久av| 亚洲国产欧洲综合997久久,| 亚洲成人久久爱视频| 久久热在线av| 男人舔女人的私密视频| 久久久久久大精品| 国产日本99.免费观看| 看黄色毛片网站| 老熟妇仑乱视频hdxx| 亚洲国产欧洲综合997久久,| 可以在线观看的亚洲视频| 免费在线观看日本一区| 亚洲全国av大片| 在线免费观看的www视频| 我要搜黄色片| 黄片大片在线免费观看| 两性夫妻黄色片| 亚洲国产看品久久| 97人妻精品一区二区三区麻豆| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲欧美一区二区三区黑人| 成人av在线播放网站| 99热这里只有精品一区 | 精品欧美国产一区二区三| 高清在线国产一区| 婷婷亚洲欧美| 国产三级在线视频| 女生性感内裤真人,穿戴方法视频| 欧美性猛交黑人性爽| 国产av又大| 久久国产精品人妻蜜桃| 又黄又爽又免费观看的视频| 亚洲一区中文字幕在线| 动漫黄色视频在线观看| 欧美日本亚洲视频在线播放| 亚洲精品美女久久久久99蜜臀| 国产精品久久久久久人妻精品电影| 欧美色视频一区免费| 成熟少妇高潮喷水视频| 两性午夜刺激爽爽歪歪视频在线观看 | 国产免费男女视频| 国内少妇人妻偷人精品xxx网站 | 九九热线精品视视频播放| 午夜福利在线观看吧| 亚洲人成伊人成综合网2020| 正在播放国产对白刺激| 国产熟女xx| 在线a可以看的网站| 亚洲 国产 在线| 女人高潮潮喷娇喘18禁视频| 日本免费一区二区三区高清不卡| 国产主播在线观看一区二区| 19禁男女啪啪无遮挡网站| 成在线人永久免费视频| 亚洲国产欧美一区二区综合| 成人av在线播放网站| 欧美大码av| 50天的宝宝边吃奶边哭怎么回事| 又黄又爽又免费观看的视频| 国产精品99久久99久久久不卡| 人妻夜夜爽99麻豆av| 曰老女人黄片| 大型黄色视频在线免费观看| 中文字幕人妻丝袜一区二区| 亚洲狠狠婷婷综合久久图片| 国产欧美日韩一区二区精品| 欧美一级毛片孕妇| 久久久久久亚洲精品国产蜜桃av| 少妇被粗大的猛进出69影院| 麻豆国产97在线/欧美 | 欧美大码av| 亚洲中文字幕日韩| 免费在线观看完整版高清| 18禁美女被吸乳视频| 国产麻豆成人av免费视频| 国产精品野战在线观看| 国产精品久久久久久久电影 | 又黄又粗又硬又大视频| 亚洲精品一区av在线观看| 亚洲无线在线观看| 日本撒尿小便嘘嘘汇集6| 啦啦啦韩国在线观看视频| 日本成人三级电影网站| 欧美日本亚洲视频在线播放| 亚洲熟妇熟女久久| 欧美色视频一区免费| 国产日本99.免费观看| 蜜桃久久精品国产亚洲av| 精品久久久久久久人妻蜜臀av| 国产精品国产高清国产av| 日本免费一区二区三区高清不卡| 欧美一区二区精品小视频在线| 嫩草影视91久久| 亚洲一区二区三区色噜噜| 精华霜和精华液先用哪个| av天堂在线播放| 岛国视频午夜一区免费看| 少妇裸体淫交视频免费看高清 | 精品久久久久久久久久免费视频| 在线a可以看的网站| 色哟哟哟哟哟哟| 国产av一区二区精品久久| 亚洲成av人片免费观看| 又黄又爽又免费观看的视频| 琪琪午夜伦伦电影理论片6080| 国产精品亚洲av一区麻豆| 777久久人妻少妇嫩草av网站| 国产91精品成人一区二区三区| 国产真实乱freesex| 欧美乱码精品一区二区三区| 国产精品免费一区二区三区在线| 国产精品美女特级片免费视频播放器 | 搞女人的毛片| 国产黄a三级三级三级人| x7x7x7水蜜桃| 欧美高清成人免费视频www| 国产精品电影一区二区三区| 国产97色在线日韩免费| 日本撒尿小便嘘嘘汇集6| 观看免费一级毛片| 亚洲午夜理论影院| 人妻夜夜爽99麻豆av| 午夜视频精品福利| 日韩欧美一区二区三区在线观看| 国产精品自产拍在线观看55亚洲| 两性夫妻黄色片| 美女扒开内裤让男人捅视频| 欧美乱色亚洲激情| 欧美三级亚洲精品| 国产私拍福利视频在线观看| 日本免费a在线| 亚洲一卡2卡3卡4卡5卡精品中文| 免费在线观看日本一区| 一区二区三区激情视频| 精品乱码久久久久久99久播| 久久久久国内视频| 两人在一起打扑克的视频| 国产精品电影一区二区三区| 久久国产精品影院| 男女下面进入的视频免费午夜| 国产一区二区三区在线臀色熟女| 后天国语完整版免费观看| 日本撒尿小便嘘嘘汇集6| 狂野欧美激情性xxxx| 一级毛片高清免费大全| 精品电影一区二区在线| 欧美午夜高清在线| 叶爱在线成人免费视频播放| 欧美成狂野欧美在线观看| www国产在线视频色| 脱女人内裤的视频| 国产精品一区二区精品视频观看| 欧美又色又爽又黄视频| 国产高清视频在线观看网站| 欧美zozozo另类| 狂野欧美白嫩少妇大欣赏| 久久久久久久久免费视频了| 全区人妻精品视频| 日本免费一区二区三区高清不卡| 久久99热这里只有精品18| 90打野战视频偷拍视频| 真人一进一出gif抽搐免费| 日韩欧美国产在线观看| 国产亚洲精品av在线| 国产成人系列免费观看| 国产精品日韩av在线免费观看| 国产成人精品久久二区二区91| 女警被强在线播放| 最新美女视频免费是黄的| av福利片在线观看| 亚洲欧美日韩无卡精品| 在线观看美女被高潮喷水网站 | 91麻豆av在线| 国内久久婷婷六月综合欲色啪| 欧美日韩福利视频一区二区| 99riav亚洲国产免费| 国产成人aa在线观看| www.精华液| 成人欧美大片| 欧美三级亚洲精品| 一进一出好大好爽视频| 久久天躁狠狠躁夜夜2o2o| 校园春色视频在线观看| 老司机深夜福利视频在线观看| 亚洲全国av大片| 亚洲18禁久久av| 中国美女看黄片| 亚洲avbb在线观看| 亚洲午夜精品一区,二区,三区| 男人舔女人下体高潮全视频| 日韩三级视频一区二区三区| aaaaa片日本免费| 99国产精品一区二区三区| 亚洲精品粉嫩美女一区| 欧美国产日韩亚洲一区| 美女免费视频网站| 制服诱惑二区| 一级黄色大片毛片| 亚洲国产精品成人综合色| 一级毛片高清免费大全| 国产成年人精品一区二区| 一卡2卡三卡四卡精品乱码亚洲| 亚洲 国产 在线| 一本久久中文字幕| 国语自产精品视频在线第100页| 国产一区二区三区在线臀色熟女| 国产激情偷乱视频一区二区| 十八禁网站免费在线| √禁漫天堂资源中文www| 亚洲乱码一区二区免费版| 最近在线观看免费完整版| 国产精品98久久久久久宅男小说| 我要搜黄色片| 香蕉久久夜色| 91成年电影在线观看| 色尼玛亚洲综合影院| 最好的美女福利视频网| 精品无人区乱码1区二区| 欧美日韩黄片免| 啪啪无遮挡十八禁网站| 国产精品国产高清国产av| 黄色视频,在线免费观看| 亚洲 欧美一区二区三区| 久久精品国产清高在天天线| √禁漫天堂资源中文www| 日韩欧美精品v在线| 免费在线观看黄色视频的| 久久精品91蜜桃| 国产精品久久视频播放| 国产精品98久久久久久宅男小说| 99久久无色码亚洲精品果冻| 成年版毛片免费区| 岛国在线免费视频观看| www日本在线高清视频| 精品久久久久久久毛片微露脸| 高潮久久久久久久久久久不卡| 亚洲片人在线观看| 欧美另类亚洲清纯唯美| 国产精品香港三级国产av潘金莲| 亚洲av电影不卡..在线观看| 亚洲成人精品中文字幕电影| av片东京热男人的天堂| 日本五十路高清| 国产熟女午夜一区二区三区| 国产99白浆流出| 欧美在线一区亚洲| 两性午夜刺激爽爽歪歪视频在线观看 | 一个人免费在线观看的高清视频| 级片在线观看| 午夜免费观看网址| 国产久久久一区二区三区| 人人妻人人澡欧美一区二区| 国产亚洲av嫩草精品影院| 波多野结衣巨乳人妻| 国产精品一及| 国产精品亚洲av一区麻豆| av免费在线观看网站| 国产一区二区三区在线臀色熟女| 亚洲av成人一区二区三| 国产精品自产拍在线观看55亚洲| 国产精品野战在线观看| 久久精品综合一区二区三区| 精品久久久久久久久久免费视频| 日本精品一区二区三区蜜桃| 亚洲在线自拍视频| 免费高清视频大片| 国产激情欧美一区二区| 19禁男女啪啪无遮挡网站| 精品久久久久久久久久免费视频| 欧美黑人欧美精品刺激| 看免费av毛片| 老汉色av国产亚洲站长工具| 可以在线观看毛片的网站| 欧美黑人欧美精品刺激| 怎么达到女性高潮| 亚洲精品粉嫩美女一区| 看片在线看免费视频| www.999成人在线观看| 欧美大码av| 精品国产美女av久久久久小说| 一卡2卡三卡四卡精品乱码亚洲| 国产精品久久久av美女十八| 特大巨黑吊av在线直播| 日韩精品免费视频一区二区三区| 亚洲av电影不卡..在线观看| 国产高清激情床上av| 美女扒开内裤让男人捅视频| 久久婷婷人人爽人人干人人爱| 亚洲精品国产一区二区精华液| 欧美在线黄色| 亚洲精品国产一区二区精华液| 国产一区二区在线观看日韩 | 成人午夜高清在线视频| 亚洲一区中文字幕在线| av超薄肉色丝袜交足视频| 手机成人av网站| 人成视频在线观看免费观看| 久热爱精品视频在线9| 亚洲五月天丁香| 国产精品98久久久久久宅男小说| 亚洲精品久久国产高清桃花| 国产亚洲av高清不卡| 免费人成视频x8x8入口观看| 国产黄片美女视频| 国产精品久久视频播放| 777久久人妻少妇嫩草av网站| 夜夜爽天天搞| 女同久久另类99精品国产91| 成人手机av| 夜夜看夜夜爽夜夜摸| 久久精品91无色码中文字幕| 久久精品91蜜桃| 毛片女人毛片| 999精品在线视频| 1024手机看黄色片| 又粗又爽又猛毛片免费看| 黄色片一级片一级黄色片| 精品电影一区二区在线| 亚洲成a人片在线一区二区| 国产亚洲精品第一综合不卡| 精品午夜福利视频在线观看一区| 久久精品夜夜夜夜夜久久蜜豆 | 天天躁狠狠躁夜夜躁狠狠躁| 成熟少妇高潮喷水视频| 他把我摸到了高潮在线观看| 淫妇啪啪啪对白视频| 一二三四社区在线视频社区8| 人妻丰满熟妇av一区二区三区| 男女床上黄色一级片免费看| 亚洲精品av麻豆狂野| 琪琪午夜伦伦电影理论片6080| 成人精品一区二区免费| 香蕉丝袜av| 亚洲va日本ⅴa欧美va伊人久久| 成人午夜高清在线视频| 一级黄色大片毛片| 精品欧美国产一区二区三| 一区二区三区高清视频在线| 中文字幕精品亚洲无线码一区| 久久欧美精品欧美久久欧美| 亚洲第一欧美日韩一区二区三区| 精品国产乱码久久久久久男人| 亚洲在线自拍视频| 亚洲av日韩精品久久久久久密| 男男h啪啪无遮挡| av在线天堂中文字幕| 亚洲自偷自拍图片 自拍| а√天堂www在线а√下载| 亚洲午夜精品一区,二区,三区| 一级片免费观看大全| 小说图片视频综合网站| 一本一本综合久久| 国产精品久久久久久亚洲av鲁大| 狂野欧美激情性xxxx| 国产精品香港三级国产av潘金莲| 91大片在线观看| 亚洲精品色激情综合| 夜夜躁狠狠躁天天躁| 国产av不卡久久| 天堂av国产一区二区熟女人妻 | 国产99久久九九免费精品| 黄色视频不卡| 一本综合久久免费| 搡老妇女老女人老熟妇| 三级男女做爰猛烈吃奶摸视频| 日韩大码丰满熟妇| ponron亚洲| e午夜精品久久久久久久| 国产97色在线日韩免费| 亚洲成人免费电影在线观看| 亚洲五月天丁香| 亚洲精品国产一区二区精华液| 亚洲欧美日韩高清在线视频| 精华霜和精华液先用哪个| 国产97色在线日韩免费| 精品电影一区二区在线| 给我免费播放毛片高清在线观看| 精品福利观看| 欧美在线一区亚洲| 久久 成人 亚洲| 一a级毛片在线观看| 午夜福利视频1000在线观看| 看黄色毛片网站| 久久精品夜夜夜夜夜久久蜜豆 | 少妇的丰满在线观看| 亚洲专区中文字幕在线| 成人手机av| 国产精品一区二区精品视频观看| 日本免费a在线| 在线国产一区二区在线| 老汉色av国产亚洲站长工具| 国产人伦9x9x在线观看| 国产一区二区在线观看日韩 | www.自偷自拍.com| 后天国语完整版免费观看| 欧美成人午夜精品| a级毛片在线看网站| 少妇熟女aⅴ在线视频| av在线天堂中文字幕| 国产激情欧美一区二区| 深夜精品福利| 欧美最黄视频在线播放免费| 国内毛片毛片毛片毛片毛片| 三级男女做爰猛烈吃奶摸视频| 欧美色视频一区免费| 亚洲真实伦在线观看| 国产精品久久电影中文字幕| 国产欧美日韩精品亚洲av| 欧美日本视频| 1024视频免费在线观看| 天天躁夜夜躁狠狠躁躁| 亚洲第一欧美日韩一区二区三区| 日韩欧美三级三区| 91在线观看av| 亚洲精华国产精华精| 亚洲中文字幕日韩| 18禁黄网站禁片午夜丰满| 少妇人妻一区二区三区视频| 最新美女视频免费是黄的| 色综合站精品国产| 欧美性长视频在线观看| 久久九九热精品免费| 午夜免费成人在线视频| 蜜桃久久精品国产亚洲av| 国产精品一区二区三区四区久久| 日韩欧美国产在线观看| 日韩欧美一区二区三区在线观看| 高潮久久久久久久久久久不卡| 最近视频中文字幕2019在线8| 午夜激情av网站| 午夜精品久久久久久毛片777| 亚洲精品一区av在线观看| 特大巨黑吊av在线直播| 十八禁网站免费在线| 欧美乱色亚洲激情| 禁无遮挡网站| 久久久国产欧美日韩av| 久久国产精品人妻蜜桃| 叶爱在线成人免费视频播放| 成年版毛片免费区| 国产精品久久视频播放| 白带黄色成豆腐渣| 亚洲熟妇熟女久久| 国产一区二区三区在线臀色熟女| 国产成人av激情在线播放| 亚洲男人天堂网一区| 亚洲欧美日韩高清在线视频| 哪里可以看免费的av片| 国产激情欧美一区二区| 19禁男女啪啪无遮挡网站| 中文字幕久久专区| 天堂√8在线中文| 久久久精品大字幕| 欧美黑人欧美精品刺激| 人妻丰满熟妇av一区二区三区| 亚洲熟妇中文字幕五十中出| 免费在线观看日本一区| 女生性感内裤真人,穿戴方法视频| 午夜精品一区二区三区免费看| 国产精品一区二区三区四区久久| 高潮久久久久久久久久久不卡| 亚洲熟妇中文字幕五十中出| 国产精品电影一区二区三区| 国产精品九九99| 丁香六月欧美| 久久久精品欧美日韩精品| 国产亚洲精品一区二区www| 亚洲性夜色夜夜综合| 亚洲专区字幕在线| 少妇裸体淫交视频免费看高清 | 日韩免费av在线播放| 99热6这里只有精品| 午夜福利18| 成人三级做爰电影| 黄色女人牲交| 黑人欧美特级aaaaaa片| 波多野结衣高清作品| 亚洲av成人一区二区三| a在线观看视频网站| 999久久久国产精品视频| 亚洲欧美激情综合另类| 国产一级毛片七仙女欲春2| 好男人电影高清在线观看| 禁无遮挡网站| 国产亚洲精品久久久久久毛片| av视频在线观看入口| 欧美日韩精品网址| 久久精品国产亚洲av高清一级| 亚洲欧美精品综合一区二区三区| 在线观看午夜福利视频| 久久久久国产精品人妻aⅴ院| 99久久无色码亚洲精品果冻| 国产精品99久久99久久久不卡| 欧美成人一区二区免费高清观看 | 欧美激情久久久久久爽电影| 亚洲黑人精品在线| 中文亚洲av片在线观看爽| 国产欧美日韩一区二区精品| 成人国产一区最新在线观看| 国产69精品久久久久777片 | 国产精品免费一区二区三区在线| xxx96com| 国产三级黄色录像| 欧美日韩国产亚洲二区| 亚洲七黄色美女视频| 三级男女做爰猛烈吃奶摸视频| 嫁个100分男人电影在线观看| 12—13女人毛片做爰片一| 老司机午夜十八禁免费视频| 97人妻精品一区二区三区麻豆| 欧美国产日韩亚洲一区| 亚洲18禁久久av| 午夜日韩欧美国产| 日韩av在线大香蕉| 五月伊人婷婷丁香| 91老司机精品| 日日干狠狠操夜夜爽| 亚洲成人久久性| 国产成人啪精品午夜网站| 色综合站精品国产| 日韩中文字幕欧美一区二区| 欧美一级毛片孕妇| 色综合站精品国产| 成人特级黄色片久久久久久久| 亚洲欧美精品综合久久99| 波多野结衣高清作品| 国产黄片美女视频| 成年免费大片在线观看| АⅤ资源中文在线天堂| 变态另类成人亚洲欧美熟女| 欧美黄色淫秽网站| 19禁男女啪啪无遮挡网站| 久热爱精品视频在线9| 女人被狂操c到高潮| 长腿黑丝高跟| 久热爱精品视频在线9| 免费在线观看黄色视频的| 丁香欧美五月| 九色国产91popny在线| 精品高清国产在线一区| 听说在线观看完整版免费高清| 无限看片的www在线观看| 久久久久久久精品吃奶| 999久久久精品免费观看国产| 无人区码免费观看不卡| 天天躁狠狠躁夜夜躁狠狠躁| 午夜福利成人在线免费观看| 国产精品久久久人人做人人爽| 精品第一国产精品| 国产精品九九99| 国产午夜精品论理片| 狠狠狠狠99中文字幕| 久热爱精品视频在线9| 一本一本综合久久|