• <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)的港口集裝箱吞吐量預(yù)測模型研究

    2015-06-10 01:04:22張樹奎肖英杰魯子愛
    關(guān)鍵詞:吞吐量預(yù)測值集裝箱

    張樹奎,肖英杰,魯子愛

    (1.江蘇海事職業(yè)技術(shù)學(xué)院 航海技術(shù)系,江蘇 南京 211170;2.上海海事大學(xué) 商船學(xué)院,上海 201306; 3.河海大學(xué) 港口、海岸與近海工程學(xué)院,江蘇 南京 210098)

    ?

    基于灰色神經(jīng)網(wǎng)絡(luò)的港口集裝箱吞吐量預(yù)測模型研究

    張樹奎1,2,肖英杰2,魯子愛3

    (1.江蘇海事職業(yè)技術(shù)學(xué)院 航海技術(shù)系,江蘇 南京 211170;2.上海海事大學(xué) 商船學(xué)院,上海 201306; 3.河海大學(xué) 港口、海岸與近海工程學(xué)院,江蘇 南京 210098)

    為降低港口集裝箱吞吐量的預(yù)測誤差,提高預(yù)測精度,在分析傳統(tǒng)的灰色預(yù)測模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的優(yōu)缺點的基礎(chǔ)上,構(gòu)建了灰色神經(jīng)網(wǎng)絡(luò)港口集裝箱吞吐量預(yù)測模型,該模型充分發(fā)揮了灰色模型所需初始數(shù)據(jù)少和BP神經(jīng)網(wǎng)絡(luò)非線性擬合能力強(qiáng)的特點。以實際數(shù)值作為初始數(shù)據(jù),各種灰色模型的預(yù)測值為神經(jīng)網(wǎng)絡(luò)的輸入值,神經(jīng)網(wǎng)絡(luò)的輸出值為組合預(yù)測結(jié)果。通過實例分析,結(jié)果表明:灰色神經(jīng)網(wǎng)絡(luò)預(yù)測模型提高了預(yù)測精度,預(yù)測結(jié)果比較理想,優(yōu)于單一預(yù)測模型,因此,該模型用于港口集裝箱吞吐量預(yù)測是可行的、有效的。

    交通運輸工程;吞吐量;預(yù)測;灰色模型;灰色神經(jīng)網(wǎng)絡(luò)

    當(dāng)前,港口之間的競爭日益表現(xiàn)為以集裝箱吞吐量為核心指標(biāo)的綜合實力的競爭。港口集裝箱吞吐量的科學(xué)預(yù)測是港口主管部門科學(xué)規(guī)劃和決策的理論基礎(chǔ),它對港口建設(shè),基礎(chǔ)設(shè)施投資規(guī)模,港口發(fā)展方向,經(jīng)營策略以及港口發(fā)展戰(zhàn)略等都具有現(xiàn)實的指導(dǎo)意義,是不可或缺的重要依據(jù)。

    傳統(tǒng)的港口集裝箱吞吐量的預(yù)測方法主要有線性回歸分析法[1],指數(shù)平滑法,灰色模型法等;目前,新的預(yù)測方法主要有灰色多元回歸模型法[2],組合模型法[3]等。然而,港口集裝箱吞吐量與港口腹地、經(jīng)濟(jì)發(fā)展?fàn)顩r、港口自然條件、交通條件以及國家經(jīng)濟(jì)政策和周邊港口發(fā)展等密切相關(guān),受到多種因素的影響,且各因素的作用機(jī)制很難用準(zhǔn)確的數(shù)學(xué)語言來描述,具有明顯的非線性特征;因此,對其的預(yù)測是一個復(fù)雜的系統(tǒng)過程。上述每個單一的預(yù)測方法都有一定的片面性,而部分組合預(yù)測方法又較少考慮集裝箱吞吐量預(yù)測具有非線性的特點。所以,兩種方法預(yù)測誤差都較大,難以滿足預(yù)測要求。

    筆者根據(jù)灰色系統(tǒng)理論預(yù)測模型所需數(shù)據(jù)量較少、計算方法簡單、不需要太多的關(guān)聯(lián)因素以及可用于短、中、長期預(yù)測的特點和神經(jīng)網(wǎng)絡(luò)所具有的自學(xué)習(xí)、非線性映射以及并行分布處理的能力[4],將兩者結(jié)合,發(fā)揮兩種方法的各自優(yōu)勢,避免其局限性,從而達(dá)到提高港口集裝箱吞吐量預(yù)測精度的目的。

    1 預(yù)測模型的構(gòu)建

    1.1 建模原理

    灰色預(yù)測理論是根據(jù)部分信息已知,部分信息未知的歷史數(shù)據(jù),建立一個能夠表達(dá)信息發(fā)展的GM(Gray Model)模型,從而揭示信息未來發(fā)展規(guī)律,做出預(yù)測[5]。目前,灰色預(yù)測方法在各領(lǐng)域應(yīng)用非常廣泛[6-7],但是灰色預(yù)測模型缺乏自學(xué)習(xí)、自組織和自適應(yīng)能力,對信息處理能力較差,難以控制預(yù)測誤差。

    人工神經(jīng)網(wǎng)絡(luò)是一種通過模仿動物神經(jīng)網(wǎng)絡(luò)行為特征,對信息進(jìn)行分布并行處理的算法數(shù)學(xué)模型[8]。人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有很強(qiáng)的非線性映射能力,能夠?qū)敵稣`差進(jìn)行反饋校正,在一定條件下能夠任意逼近模型,預(yù)測精度非常高,其中以BP(Back Propagation)網(wǎng)絡(luò)應(yīng)用最為廣泛和成功。

    筆者將灰色預(yù)測理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合,構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)(Gray Neural Network,GNN)預(yù)測模型對港口集裝箱吞吐量進(jìn)行預(yù)測,通過兩者結(jié)合,體現(xiàn)優(yōu)勢互補(bǔ),提高預(yù)測精度。

    1.2 模型構(gòu)建

    筆者選擇最常用、最簡單的GM(1,1)灰色模型[9-10]和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,建模步驟如下。

    1)設(shè)已知的歷史港口集裝箱吞吐量x(0)的初始數(shù)據(jù)序列為:

    (1)

    式中:n為序列長度。

    2)對歷史數(shù)據(jù)進(jìn)行一次累加生成(AGO)處理,目的是為了弱化數(shù)據(jù)的隨機(jī)性和波動性:

    新生成的數(shù)據(jù)序列記為:

    (2)

    3)建立一階線性微分方程:

    (3)

    式中:α,μ為待辨識參數(shù),分別表示發(fā)展系數(shù)和灰色作用量。

    利用最小二乘法求解可得:

    (4)

    5)將得到的參數(shù)向量帶入式(1),求解微分方程得到時間響應(yīng)方程:

    (5)

    離散響應(yīng)方程為:

    (6)

    (7)

    7)對不同時間序列長度的初始數(shù)據(jù)運用等維灰數(shù)遞補(bǔ)法,得到不同的港口集裝箱吞吐量GM模型:GM1,GM2,…,GMk。

    8)確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu):神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)一般采用3層BP網(wǎng),即輸入層、隱含層和輸出層,其中輸入為各種GM的預(yù)測結(jié)果,對預(yù)測結(jié)果數(shù)據(jù)進(jìn)行歸一化處理后,結(jié)果可視為輸入神經(jīng)元,其個數(shù)為3;輸出為灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測結(jié)果,可視為輸出神經(jīng)元,個數(shù)為1;隱含層神經(jīng)元個數(shù)與輸入、輸出神經(jīng)元的個數(shù)有關(guān),可用試驗的方法確定。筆者參考以下經(jīng)驗公式設(shè)計,并根據(jù)訓(xùn)練結(jié)果,最終確定隱含層節(jié)點數(shù):

    9)采用誤差反向傳播學(xué)習(xí)方法訓(xùn)練神經(jīng)網(wǎng)絡(luò),直到誤差達(dá)到要求精度為止。此時的神經(jīng)網(wǎng)絡(luò)才是最好的神經(jīng)網(wǎng)絡(luò),其結(jié)構(gòu)如圖1。當(dāng)輸入端為港口集裝箱吞吐量的各種GM預(yù)測值時,則輸出端為灰色神經(jīng)網(wǎng)絡(luò)組合的預(yù)測值。

    圖1 灰色神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)Fig.1 Structure of Grey neural network model

    2 實例及數(shù)據(jù)分析

    采用南京港1990年到2013年共24年的港口集裝箱吞吐量數(shù)據(jù)作為實驗數(shù)據(jù)來驗證模型;設(shè)計灰色預(yù)測模型GM1,GM2,GM3,BP神經(jīng)網(wǎng)絡(luò)模型以及GNN組合模型;應(yīng)用前15年的數(shù)據(jù)作為初始數(shù)據(jù),預(yù)測后9年內(nèi)的港口集裝箱吞吐量。

    GM1,GM2,GM3建模所用的時間序列長度分別為10,8,6,為確保預(yù)測精度,采用等維遞推滾動預(yù)測方法[11-12],即每次預(yù)測一個港口集裝箱吞吐量后,添加一個新的數(shù)據(jù),去掉最早的一個數(shù)據(jù),以保持?jǐn)?shù)據(jù)序列等維,重新建模預(yù)測下一個值,這樣依次遞補(bǔ)進(jìn)行預(yù)測。

    BP神經(jīng)網(wǎng)絡(luò)模型采用3×6×1結(jié)構(gòu),輸入層與隱含層的傳遞函數(shù)為Sigmoid型,取前15年的實際港口集裝箱吞吐量值作為樣本訓(xùn)練網(wǎng)絡(luò),并對樣本進(jìn)行歸一化處理,其值域為[0,1],將前3個實際吞吐量值作為輸入,第4個實際吞吐量值作為輸出,設(shè)計最大學(xué)習(xí)次數(shù)為18 000次,學(xué)習(xí)速度為0.002,取學(xué)習(xí)目標(biāo)誤差平方和為0.1。

    采用GNN組合模型進(jìn)行預(yù)測時,GM1,GM2,GM3的預(yù)測值作為輸入值。因此,輸入神經(jīng)元個數(shù)為3,輸出為1。設(shè)計最大學(xué)習(xí)次數(shù)為18 000次,學(xué)習(xí)速度為0.002,取學(xué)習(xí)目標(biāo)誤差平方和為0.1。設(shè)計訓(xùn)練步數(shù)為3 000時,訓(xùn)練誤差達(dá)到1×9-3,滿足預(yù)計設(shè)計學(xué)習(xí)精度要求,所以取GNN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3×9×1。分別對GM1,GM2,GM3,BP,GNN模型進(jìn)行MATLAB仿真,采用后9年的實際集裝箱吞吐量數(shù)據(jù)預(yù)測集裝箱吞吐量,預(yù)測結(jié)果見表1。

    表1 GM(1,1)、BP神經(jīng)網(wǎng)絡(luò)和GNN預(yù)測值

    對表1中的各模型的相關(guān)預(yù)測數(shù)據(jù)與實際數(shù)據(jù)建立坐標(biāo)圖進(jìn)行比較,其中橫軸表示時間,縱軸表示每年的集裝箱吞吐量。坐標(biāo)如圖2,從圖2可以看出,GNN模型預(yù)測曲線更接近實際測量數(shù)據(jù)曲線,說明GNN模型優(yōu)于其它各單一預(yù)測模型。

    圖2 各種模型的預(yù)測結(jié)果比較Fig.2 Comparison of predicted results with different models

    令港口集裝箱吞吐量的預(yù)測值為dpre,實際值為dmea;dpre與dmea的關(guān)聯(lián)系數(shù)為C,效果系數(shù)為E,一致性指標(biāo)為A[13],則有:

    (8)

    (9)

    (10)

    關(guān)聯(lián)系數(shù)和效果系數(shù)越接近1,說明預(yù)測值越接近實際值,一致性指標(biāo)的值域為[0,1],值越接近1,說明預(yù)測值與實際值的變化曲線越趨于一致,擬合度就越好。采用表示各單一模型和GNN模型的擬合度,建立表2。從表2中可以看出:GNN模型的擬合度值均大于對應(yīng)的單一模型的值,說明GNN模型不僅適用于港口集裝箱吞吐量的預(yù)測,而且好于上述其它單一預(yù)測模型。

    表2 GM(1,1)、BP神經(jīng)網(wǎng)絡(luò)和GNN擬合度檢驗

    對表1中各模型的相關(guān)預(yù)測數(shù)據(jù)與實際數(shù)據(jù)取平均相對誤差(表3)作為評價指標(biāo),對各預(yù)測模型進(jìn)行評價。由表3可以看出:與各單一預(yù)測模型比較,GNN預(yù)測模型的平均誤差均小于其它單一預(yù)測模型對應(yīng)的值;最大誤差也均小于其它單一預(yù)測模型的最大誤差;特別是在實際數(shù)據(jù)變化幅度較大的2009年和2011年,GNN預(yù)測模型的平均誤差值與其它單一預(yù)測模型的平均誤差值相比較要小得多,預(yù)測效果明顯。

    表3 各種模型預(yù)測值相對誤差比較

    Table 3 Comparison of relative deviation of predicted results with different models

    年份實際值單一模型/%GM1GM2GM3BPGNN預(yù)測值/%200558.7710.8614.549.378.594.46200678.939.927.6211.0110.915.76

    (續(xù)表3)

    年份實際值單一模型/%GM1GM2GM3BPGNN預(yù)測值/%2007104.293.856.685.212.661.842008128.039.979.048.042.581.872009120.0314.2121.7818.909.516.262010141.5610.619.148.656.082.282011180.0715.9813.2812.207.703.862012229.089.3710.789.124.934.022013279.767.989.948.765.092.88

    對后9年的預(yù)測數(shù)據(jù)取平均相對誤差,均方根誤差,最大相對誤差以及最小相對誤差(表4)作為評價指標(biāo),討論各預(yù)測模型。從表4中可以看出,GNN預(yù)測結(jié)果明顯優(yōu)于單一GM預(yù)測和BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法,表現(xiàn)為GNN的4個評價指標(biāo)值均小于對應(yīng)的單一預(yù)測模型的評價指標(biāo)值。GNN預(yù)測更接近實際測量值。

    表4 各種預(yù)測結(jié)果相對誤差比較

    3 結(jié) 論

    筆者通過采用5個預(yù)測模型對南京港口集裝箱吞吐量進(jìn)行預(yù)測,并對其相對誤差進(jìn)行比較,得到如下結(jié)論:

    1)與其它4個單一模型比較,GNN模型的預(yù)測結(jié)果更接近實際值,預(yù)測精度更高。

    2)GNN模型充分利用了GM模型所需初始數(shù)據(jù)少、計算方法簡單和BP模型非線性強(qiáng)的優(yōu)點,提高了預(yù)測精度。

    3)GNN預(yù)測模型不僅適用于港口集裝箱吞吐量預(yù)測,還可用于其它領(lǐng)域的預(yù)測,應(yīng)用范圍廣泛。

    [1] 陳秀瑛,古浩.灰色線性回歸模型在港口吞吐量預(yù)測中的應(yīng)用[J].水運工程,2010(5):89-92. Chen Xiuying,Gu Hao.Application of grey linear regression model for forecast of port throughput [J].Port & Waterway Engineering,2010(5):89-92.

    [2] 林強(qiáng),陳一梅.灰色多元回歸模型在港口吞吐量預(yù)測中的應(yīng)用[J].水運工程,2008(7):77-80. Lin Qiang,Chen Yimei.Grey multiple regression model applied for port throughput forecasting [J].Port & Waterway Engineering,2008(7):77-80.

    [3] 劉志杰,季令,葉玉玲,等.基于徑向基神經(jīng)網(wǎng)絡(luò)的集裝箱吞吐量組合預(yù)測[J].同濟(jì)大學(xué)學(xué)報:自然科學(xué)版,2007,35(6):739-744. Liu Zhijie,Ji Ling,Ye Yuling,et al.Combined forecast method of port container throughput based on RBF neural network [J].Journal of Tongji University:Natural Science,2007,35(6):739-744.

    [4] 于莉,馬曉平.灰色理論在造船工序作業(yè)計劃預(yù)測中的應(yīng)用研究[J].江蘇科技大學(xué)學(xué)報:自然科學(xué)版,2007,21(2):17-19. Yu Li,Ma Xiaoping.Application research on grey-theory in forecast of shipbuilding process operation plan [J].Journal of Jiangsu University of Science and Technology:Natural Science Edition,2007,21(2):17-19.

    [5] 邱洪波,楊斌,黃勇.基于灰色理論的城市核心區(qū)道路交通安全分析[J].重慶交通大學(xué)學(xué)報:自然科學(xué)版,2013,32(6):1228-1231. Qiu Hongbo,Yang Bin,Huang Yong.Road traffic safety analysis at the core area of city based on the grey system theory [J].Journal of Chongqing Jiaotong University:Natural Science,2013,32(6):1228-1231.

    [6] 傅立.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)技術(shù)文獻(xiàn)出版社,1992:18-24. Fu Li.Grey System Theory and Its Applications [M].Beijing:Science and Technology Press,1992:18-24.

    [7] 張樹奎,魯子愛.港口環(huán)境資源的生態(tài)性評價方法研究[J].江蘇科技大學(xué)學(xué)報:自然科學(xué)版,2010,24(2):179-183. Zhang Shukui,Lu Zi’ai.Ecology evaluation method of port environment resource [J].Journal of Jiangsu University of Science and Technology:Natural Science Edition,2010,24(2):179-183.

    [8] 王偉.人工神經(jīng)網(wǎng)絡(luò)原理[M].北京:北京航空航天大學(xué)出版社,1995:46-51. Wang Wei.Artificial Neural Network Theory [M].Beijing:Beijing University of Aeronautics and Astronautics Press,1995:46-51.

    [9] 吳志周,范宇杰,馬萬經(jīng).基于灰色神經(jīng)網(wǎng)絡(luò)的點速度預(yù)測模型[J].西南交通大學(xué)學(xué)報,2012,47(2):285-290. Wu Zhizhou,Fan Yujie,Ma Wanjing.Spot speed prediction model based on grey neural network [J].Journal of southwest Jiaotong University,2012,47(2):285-290.

    [10] 范嫦娥,李德華.基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的路面使用性能評價方法[J].重慶交通大學(xué)學(xué)報:自然科學(xué)版,2013,32(1):80-83. Fan Chang’e,Li Dehua.Pavement performance evaluation based on SOM neural network [J].Journal of Chongqing Jiaotong University:Natural Science,2013,32(1):80-83.

    [11] 周鵬飛,溫勝強(qiáng),康海貴.基于馬爾可夫鏈與神經(jīng)網(wǎng)絡(luò)組合的路面使用性能預(yù)測[J].重慶交通大學(xué)學(xué)報:自然科學(xué)版,2012,31(5):997-1001. Zhou Pengfei,Wen Shengqiang,Kang Haigui.Pavement performance combining forecasting based on BP neural network and Markov model [J].Journal of Chongqing Jiaotong University:Natural Science,2012,31(5):997-1001.

    [12] 陳淑燕,王煒.交通量的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測方法[J].東南大學(xué)學(xué)報:自然科學(xué)版,2004,34(4):541-544. Chen Shuyan,Wang Wei.Grey neural network forecasting for traffic flow [J].Journal of Southeast University:Natural Science Edition,2004,34(4):541-544.

    [13] Legates D R,Mccabe G J.Evaluating the use of goodness of fit measures in hydropic and hydro-climatic model validation [J].Water Resources,1999,35(1):233-241.

    Prediction Model of Port Container Throughput Based on Grey Neural Network

    Zhang Shukui1, 2, Xiao Yingjie2, Lu Zi’ai3

    (1. Department of Navigation, Jiangsu Maritime Institute, Nanjing 211170, Jiangsu, China; 2. College of Merchant, Shanghai Maritime University, Shanghai 201306, China; 3. College of Harbor, Coastal & Offshore, Hohai University, Nanjing 210098, Jiangsu, China)

    In order to reduce prediction error of port container throughput and improve its prediction accuracy, a Grey neural network model of port container throughput was constructed after analyzing the advantages and disadvantages of the conventional Grey model and BP neural network model. The new model made full use of the characteristic of low data demand of Grey model and strong nonlinear fitting ability of BP neural network. The actually measured values were used as the initial data, and various prediction values of Grey model were used as input data of neural network and final output data of neural network was used as combination prediction result. A case study shows that the Grey neural network model can offer improved prediction accuracy and ideal prediction results, which is better than single forecasting model. Therefore, it is feasible and effective to predict port container throughput by Grey neural network model.

    transportation engineering; throughput; prediction; grey model; grey neural network

    10.3969/j.issn.1674-0696.2015.05.27

    2014-04-24;

    2014-07-08

    2013年度江蘇省教育教學(xué)研究課題項目(ZYB210);2013年交通運輸職業(yè)教育科研立項項目(2013A03)

    張樹奎(1973—),男,安徽阜陽人,副教授,博士,主要從事港口、海岸與近海工程及航海技術(shù)方面的研究。E-mail: zhangshkfy@163.com。

    U 695.2

    A

    1674-0696(2015)05-135-04

    猜你喜歡
    吞吐量預(yù)測值集裝箱
    IMF上調(diào)今年全球經(jīng)濟(jì)增長預(yù)期
    企業(yè)界(2024年8期)2024-07-05 10:59:04
    美軍一架C-130J正在投放集裝箱
    軍事文摘(2023年5期)2023-03-27 09:13:10
    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)測值
    ±800kV直流輸電工程合成電場夏季實測值與預(yù)測值比對分析
    法電再次修訂2020年核發(fā)電量預(yù)測值
    國外核新聞(2020年8期)2020-03-14 02:09:19
    虛實之間——集裝箱衍生出的空間折疊
    我家住在集裝箱
    中國公路(2017年8期)2017-07-21 14:26:20
    2016年10月長三角地區(qū)主要港口吞吐量
    集裝箱化(2016年11期)2017-03-29 16:15:48
    2016年11月長三角地區(qū)主要港口吞吐量
    集裝箱化(2016年12期)2017-03-20 08:32:27
    一種新型自卸式污泥集裝箱罐
    專用汽車(2015年2期)2015-03-01 04:06:52
    少妇熟女aⅴ在线视频| 一边摸一边做爽爽视频免费| 日韩 欧美 亚洲 中文字幕| 久久久水蜜桃国产精品网| 久久精品91无色码中文字幕| 久久久久性生活片| 麻豆一二三区av精品| 精品不卡国产一区二区三区| 久久精品国产亚洲av香蕉五月| 淫秽高清视频在线观看| 国产亚洲av嫩草精品影院| 国产成人啪精品午夜网站| 成人永久免费在线观看视频| 久久精品91蜜桃| 美女免费视频网站| 制服丝袜大香蕉在线| 午夜激情福利司机影院| 国产1区2区3区精品| 欧美日韩黄片免| 少妇人妻一区二区三区视频| 叶爱在线成人免费视频播放| xxxwww97欧美| 天堂av国产一区二区熟女人妻 | 国产男靠女视频免费网站| 变态另类丝袜制服| 最近在线观看免费完整版| 国产又黄又爽又无遮挡在线| 又紧又爽又黄一区二区| 久久99热这里只有精品18| 亚洲国产精品成人综合色| 久久久国产成人精品二区| 韩国av一区二区三区四区| 大型黄色视频在线免费观看| videosex国产| 久久久精品国产亚洲av高清涩受| www日本黄色视频网| or卡值多少钱| 99久久精品国产亚洲精品| 国产成人精品久久二区二区免费| 久久欧美精品欧美久久欧美| a级毛片a级免费在线| 国产成人aa在线观看| 久久久精品大字幕| 久久国产精品影院| 久久这里只有精品中国| 大型av网站在线播放| 精品久久蜜臀av无| 日韩精品中文字幕看吧| 国产一区二区在线观看日韩 | 日韩欧美精品v在线| av有码第一页| 精品一区二区三区四区五区乱码| 中文字幕高清在线视频| 神马国产精品三级电影在线观看 | 少妇熟女aⅴ在线视频| 一级a爱片免费观看的视频| 我要搜黄色片| 色综合欧美亚洲国产小说| 两性午夜刺激爽爽歪歪视频在线观看 | 美女午夜性视频免费| 91av网站免费观看| 可以免费在线观看a视频的电影网站| 国产熟女xx| 女人高潮潮喷娇喘18禁视频| 性色av乱码一区二区三区2| 亚洲一区高清亚洲精品| 天天一区二区日本电影三级| 亚洲精品久久成人aⅴ小说| 亚洲黑人精品在线| svipshipincom国产片| 欧美不卡视频在线免费观看 | 精品久久久久久久久久免费视频| 亚洲中文字幕日韩| 老汉色av国产亚洲站长工具| 18禁黄网站禁片午夜丰满| 精品第一国产精品| 一本精品99久久精品77| 久久香蕉国产精品| 国产一区二区三区视频了| 变态另类成人亚洲欧美熟女| 国产精品久久久av美女十八| 久久中文字幕一级| 黄色视频,在线免费观看| 俺也久久电影网| 亚洲人成电影免费在线| 精品日产1卡2卡| 欧美日韩一级在线毛片| 精华霜和精华液先用哪个| 国产免费av片在线观看野外av| 欧美性猛交黑人性爽| 免费在线观看黄色视频的| 啦啦啦韩国在线观看视频| 亚洲熟女毛片儿| 一进一出好大好爽视频| www.www免费av| x7x7x7水蜜桃| 亚洲成人国产一区在线观看| 亚洲,欧美精品.| 国产亚洲精品久久久久5区| 一本久久中文字幕| 国内精品久久久久久久电影| 天堂影院成人在线观看| 99久久99久久久精品蜜桃| 午夜两性在线视频| 日韩欧美精品v在线| 国产亚洲欧美在线一区二区| 欧美黑人巨大hd| x7x7x7水蜜桃| 亚洲av成人精品一区久久| 激情在线观看视频在线高清| 国产三级中文精品| 午夜免费观看网址| 日韩欧美免费精品| 国产麻豆成人av免费视频| 成人18禁高潮啪啪吃奶动态图| 搞女人的毛片| 国产蜜桃级精品一区二区三区| 国产精华一区二区三区| 男男h啪啪无遮挡| 亚洲精品一区av在线观看| 国产黄色小视频在线观看| 91麻豆av在线| 国产精品久久久久久久电影 | 精品一区二区三区视频在线观看免费| 老汉色av国产亚洲站长工具| 最新在线观看一区二区三区| 国产精品98久久久久久宅男小说| 88av欧美| 免费在线观看亚洲国产| 777久久人妻少妇嫩草av网站| 美女黄网站色视频| 很黄的视频免费| 在线十欧美十亚洲十日本专区| 国产主播在线观看一区二区| 欧美色视频一区免费| 99国产精品99久久久久| 啦啦啦免费观看视频1| 中国美女看黄片| 看免费av毛片| 日韩成人在线观看一区二区三区| 久久久久国内视频| 国产成人精品久久二区二区免费| 日韩精品免费视频一区二区三区| 给我免费播放毛片高清在线观看| 亚洲国产欧美网| 欧美av亚洲av综合av国产av| 麻豆av在线久日| 欧美一级a爱片免费观看看 | 正在播放国产对白刺激| 成人av一区二区三区在线看| а√天堂www在线а√下载| 高清在线国产一区| 国产三级中文精品| 欧美黑人巨大hd| 欧美一级a爱片免费观看看 | 制服人妻中文乱码| 波多野结衣高清无吗| 国产高清有码在线观看视频 | 丁香欧美五月| 两性夫妻黄色片| 中文字幕高清在线视频| 国产主播在线观看一区二区| 亚洲色图 男人天堂 中文字幕| 午夜日韩欧美国产| 丰满的人妻完整版| 美女 人体艺术 gogo| 色老头精品视频在线观看| 国产私拍福利视频在线观看| e午夜精品久久久久久久| 久久久久免费精品人妻一区二区| 国产免费av片在线观看野外av| 别揉我奶头~嗯~啊~动态视频| 国产伦在线观看视频一区| 草草在线视频免费看| 别揉我奶头~嗯~啊~动态视频| 国产成+人综合+亚洲专区| av国产免费在线观看| 俺也久久电影网| 在线国产一区二区在线| 亚洲片人在线观看| 黄色片一级片一级黄色片| 欧美日韩瑟瑟在线播放| 国产欧美日韩精品亚洲av| 久久久久久亚洲精品国产蜜桃av| 亚洲电影在线观看av| 90打野战视频偷拍视频| 国产精品久久电影中文字幕| 亚洲全国av大片| 两个人视频免费观看高清| 国产又黄又爽又无遮挡在线| 日韩欧美精品v在线| 十八禁人妻一区二区| 99国产精品99久久久久| 国产精品久久久久久精品电影| 精品熟女少妇八av免费久了| av免费在线观看网站| 免费高清视频大片| 老司机福利观看| 一区二区三区激情视频| 嫩草影院精品99| 高清在线国产一区| 久久人人精品亚洲av| 1024视频免费在线观看| 女人爽到高潮嗷嗷叫在线视频| 在线永久观看黄色视频| 国产97色在线日韩免费| 妹子高潮喷水视频| 亚洲av熟女| 脱女人内裤的视频| 亚洲美女视频黄频| 免费在线观看成人毛片| 国产亚洲精品久久久久久毛片| 亚洲狠狠婷婷综合久久图片| 国产精品一区二区免费欧美| 在线视频色国产色| 久久久国产成人免费| 一本大道久久a久久精品| 国产精品免费一区二区三区在线| 久久草成人影院| 999久久久精品免费观看国产| 制服丝袜大香蕉在线| 久久久久久久久免费视频了| 午夜福利欧美成人| 亚洲人成伊人成综合网2020| 一区二区三区激情视频| 国产成人精品无人区| 亚洲人成网站高清观看| 国产一区在线观看成人免费| 可以在线观看的亚洲视频| 成人国产综合亚洲| 久久久久久大精品| 两个人看的免费小视频| 啦啦啦免费观看视频1| 别揉我奶头~嗯~啊~动态视频| 亚洲午夜精品一区,二区,三区| 国产黄a三级三级三级人| 老司机福利观看| 精品电影一区二区在线| 桃红色精品国产亚洲av| 婷婷亚洲欧美| 两个人免费观看高清视频| 亚洲一区二区三区色噜噜| 久久久久久久久中文| 三级国产精品欧美在线观看 | 色在线成人网| 亚洲性夜色夜夜综合| 久久久久久亚洲精品国产蜜桃av| 国产免费男女视频| 啦啦啦免费观看视频1| 男女视频在线观看网站免费 | 久久99热这里只有精品18| 午夜福利在线观看吧| √禁漫天堂资源中文www| 国产精品乱码一区二三区的特点| 男女午夜视频在线观看| 一个人免费在线观看电影 | 桃色一区二区三区在线观看| 色老头精品视频在线观看| 久久精品国产亚洲av香蕉五月| a在线观看视频网站| 国产精品一区二区免费欧美| 99久久久亚洲精品蜜臀av| 亚洲精品国产精品久久久不卡| 操出白浆在线播放| 中文资源天堂在线| 国产成人系列免费观看| 69av精品久久久久久| 国产av一区在线观看免费| 国产精品99久久99久久久不卡| 18禁国产床啪视频网站| 午夜精品在线福利| 国产成人精品久久二区二区免费| 欧美日本亚洲视频在线播放| 岛国在线免费视频观看| 成人18禁高潮啪啪吃奶动态图| 男人舔女人的私密视频| 90打野战视频偷拍视频| 首页视频小说图片口味搜索| 欧美乱色亚洲激情| 色哟哟哟哟哟哟| 国产三级黄色录像| 久久久久久亚洲精品国产蜜桃av| 免费无遮挡裸体视频| 亚洲成人国产一区在线观看| 18禁黄网站禁片午夜丰满| 欧美日韩国产亚洲二区| 久久久国产欧美日韩av| 国产高清有码在线观看视频 | 国产伦一二天堂av在线观看| 国产av在哪里看| 国产精品av久久久久免费| 老司机午夜福利在线观看视频| 亚洲一区中文字幕在线| 他把我摸到了高潮在线观看| 亚洲色图 男人天堂 中文字幕| 色综合婷婷激情| 97人妻精品一区二区三区麻豆| 母亲3免费完整高清在线观看| 最近最新中文字幕大全电影3| 老熟妇仑乱视频hdxx| 免费观看人在逋| 成人18禁在线播放| 欧美日韩黄片免| 午夜福利免费观看在线| 国产v大片淫在线免费观看| 婷婷精品国产亚洲av| 亚洲av成人av| 女人被狂操c到高潮| 日本免费一区二区三区高清不卡| 香蕉国产在线看| 亚洲专区国产一区二区| 久久精品国产亚洲av高清一级| 色综合婷婷激情| 19禁男女啪啪无遮挡网站| 精品第一国产精品| 丰满人妻一区二区三区视频av | 露出奶头的视频| 50天的宝宝边吃奶边哭怎么回事| 深夜精品福利| 男女那种视频在线观看| 岛国视频午夜一区免费看| 高清在线国产一区| 18禁观看日本| 毛片女人毛片| 老司机在亚洲福利影院| АⅤ资源中文在线天堂| 很黄的视频免费| 久久久久久人人人人人| 搡老妇女老女人老熟妇| 国产成人av激情在线播放| 他把我摸到了高潮在线观看| 日韩欧美国产在线观看| 国产精品一及| 欧美中文综合在线视频| 国产一区在线观看成人免费| 欧美日韩亚洲国产一区二区在线观看| 搡老岳熟女国产| 国产日本99.免费观看| 亚洲 国产 在线| 欧美日韩一级在线毛片| 亚洲 国产 在线| 精品熟女少妇八av免费久了| 91字幕亚洲| 在线观看日韩欧美| 久久久久久九九精品二区国产 | 亚洲乱码一区二区免费版| 亚洲人成伊人成综合网2020| 人人妻人人澡欧美一区二区| 性欧美人与动物交配| 精品人妻1区二区| 精品一区二区三区四区五区乱码| 99国产极品粉嫩在线观看| bbb黄色大片| 午夜福利高清视频| 狂野欧美白嫩少妇大欣赏| 欧美一区二区精品小视频在线| 精品欧美国产一区二区三| 亚洲成人免费电影在线观看| 桃红色精品国产亚洲av| 亚洲精品中文字幕在线视频| 国产av又大| 色哟哟哟哟哟哟| tocl精华| 大型黄色视频在线免费观看| xxxwww97欧美| 18禁黄网站禁片免费观看直播| 成年女人毛片免费观看观看9| 久久人人精品亚洲av| 欧美丝袜亚洲另类 | 国产精品自产拍在线观看55亚洲| 亚洲成av人片在线播放无| 久久久精品欧美日韩精品| 亚洲av成人一区二区三| 99国产综合亚洲精品| 国产亚洲精品一区二区www| 亚洲狠狠婷婷综合久久图片| 搞女人的毛片| 日韩av在线大香蕉| 国产精品98久久久久久宅男小说| 一本久久中文字幕| 成人av一区二区三区在线看| 午夜激情福利司机影院| 午夜免费成人在线视频| 中出人妻视频一区二区| 久久亚洲精品不卡| 最新美女视频免费是黄的| 亚洲av美国av| 国产精品野战在线观看| 俄罗斯特黄特色一大片| 757午夜福利合集在线观看| 欧美成人性av电影在线观看| 亚洲色图av天堂| 午夜福利在线观看吧| 在线观看免费视频日本深夜| 制服诱惑二区| 99久久久亚洲精品蜜臀av| 99久久综合精品五月天人人| 人人妻人人澡欧美一区二区| 人妻久久中文字幕网| 午夜a级毛片| www.精华液| 欧美黑人精品巨大| 国产aⅴ精品一区二区三区波| 国产91精品成人一区二区三区| 两个人看的免费小视频| av有码第一页| 成人永久免费在线观看视频| 国产精品久久久久久人妻精品电影| 国产精品98久久久久久宅男小说| 在线观看午夜福利视频| 我的老师免费观看完整版| 别揉我奶头~嗯~啊~动态视频| 91字幕亚洲| 夜夜夜夜夜久久久久| 久久国产乱子伦精品免费另类| 色综合欧美亚洲国产小说| 亚洲国产看品久久| 亚洲第一电影网av| 波多野结衣高清作品| 亚洲 欧美一区二区三区| 亚洲无线在线观看| 超碰成人久久| 在线观看午夜福利视频| 成人av一区二区三区在线看| 精品一区二区三区四区五区乱码| 18禁观看日本| 久久精品国产99精品国产亚洲性色| 国产不卡一卡二| 国产av一区在线观看免费| 日本精品一区二区三区蜜桃| 在线国产一区二区在线| 日日干狠狠操夜夜爽| 国产精品免费视频内射| 精品欧美国产一区二区三| 又粗又爽又猛毛片免费看| 国产69精品久久久久777片 | av超薄肉色丝袜交足视频| 在线播放国产精品三级| 国产av一区二区精品久久| 日韩欧美国产在线观看| 女生性感内裤真人,穿戴方法视频| 精品高清国产在线一区| 丝袜美腿诱惑在线| 亚洲精品一卡2卡三卡4卡5卡| 91国产中文字幕| 午夜福利高清视频| 老司机午夜福利在线观看视频| 国产精品av视频在线免费观看| 欧美久久黑人一区二区| 久久久久久国产a免费观看| 国产熟女xx| 免费人成视频x8x8入口观看| 一区二区三区激情视频| 中文字幕精品亚洲无线码一区| 午夜影院日韩av| 色综合欧美亚洲国产小说| 香蕉av资源在线| 啦啦啦观看免费观看视频高清| 欧美一区二区国产精品久久精品 | av有码第一页| 搞女人的毛片| 桃红色精品国产亚洲av| 又粗又爽又猛毛片免费看| 成年女人毛片免费观看观看9| 国产蜜桃级精品一区二区三区| 人妻丰满熟妇av一区二区三区| 色综合站精品国产| 久久久久国产精品人妻aⅴ院| 又大又爽又粗| 天天躁夜夜躁狠狠躁躁| 中出人妻视频一区二区| 99热只有精品国产| 日韩欧美在线乱码| 国产精品久久久久久人妻精品电影| 亚洲电影在线观看av| 99热6这里只有精品| 中文字幕人成人乱码亚洲影| xxx96com| 欧美性猛交╳xxx乱大交人| 老熟妇乱子伦视频在线观看| 两性夫妻黄色片| 国产av在哪里看| 午夜成年电影在线免费观看| 哪里可以看免费的av片| 亚洲国产日韩欧美精品在线观看 | 久久中文字幕一级| 黑人巨大精品欧美一区二区mp4| 操出白浆在线播放| 男人舔女人下体高潮全视频| 日韩大尺度精品在线看网址| 一个人免费在线观看电影 | 亚洲精品色激情综合| 国产亚洲精品综合一区在线观看 | 久久久久久人人人人人| 婷婷丁香在线五月| 亚洲av成人av| 国产精品乱码一区二三区的特点| 两性夫妻黄色片| 女人高潮潮喷娇喘18禁视频| 天堂影院成人在线观看| 一个人免费在线观看的高清视频| 老司机在亚洲福利影院| 一级作爱视频免费观看| 啦啦啦免费观看视频1| 亚洲人成网站高清观看| 91av网站免费观看| 精品国产亚洲在线| 国产精品亚洲av一区麻豆| 18禁国产床啪视频网站| 中文资源天堂在线| 俺也久久电影网| 午夜免费成人在线视频| 正在播放国产对白刺激| 舔av片在线| 久热爱精品视频在线9| 免费在线观看黄色视频的| 亚洲国产看品久久| 日日爽夜夜爽网站| 99国产精品一区二区蜜桃av| 日韩欧美 国产精品| www国产在线视频色| 亚洲男人天堂网一区| 成人永久免费在线观看视频| 国产亚洲av嫩草精品影院| 久久人人精品亚洲av| 最近最新中文字幕大全电影3| 国产精品精品国产色婷婷| 麻豆成人av在线观看| 国内精品久久久久久久电影| 91麻豆精品激情在线观看国产| 9191精品国产免费久久| 18禁裸乳无遮挡免费网站照片| 神马国产精品三级电影在线观看 | 亚洲熟妇熟女久久| 成人国产综合亚洲| 亚洲成人久久爱视频| 一a级毛片在线观看| 一级毛片精品| 老鸭窝网址在线观看| 午夜福利高清视频| 色尼玛亚洲综合影院| 亚洲av电影在线进入| 在线观看66精品国产| 在线看三级毛片| 免费电影在线观看免费观看| 国产精品亚洲美女久久久| 久久九九热精品免费| 国产在线观看jvid| 日日夜夜操网爽| 男女视频在线观看网站免费 | 蜜桃久久精品国产亚洲av| 床上黄色一级片| 国产乱人伦免费视频| 国产成人一区二区三区免费视频网站| 免费av毛片视频| 欧美日本视频| 禁无遮挡网站| 啦啦啦免费观看视频1| 国产激情欧美一区二区| 啪啪无遮挡十八禁网站| 波多野结衣高清无吗| 欧美大码av| 日本免费a在线| 老汉色∧v一级毛片| 欧美另类亚洲清纯唯美| a级毛片a级免费在线| 亚洲成人免费电影在线观看| 欧美中文日本在线观看视频| 国产av不卡久久| 国产黄片美女视频| 日本撒尿小便嘘嘘汇集6| 亚洲av美国av| 欧美激情久久久久久爽电影| 在线观看免费午夜福利视频| 色综合亚洲欧美另类图片| 香蕉久久夜色| 好男人在线观看高清免费视频| 国产精品香港三级国产av潘金莲| 国产精品野战在线观看| 亚洲精品久久国产高清桃花| 少妇人妻一区二区三区视频| 国产激情欧美一区二区| 久久天躁狠狠躁夜夜2o2o| 2021天堂中文幕一二区在线观| 亚洲av成人精品一区久久| 大型av网站在线播放| www.自偷自拍.com| 国产又黄又爽又无遮挡在线| 国产高清有码在线观看视频 | 一本一本综合久久| 亚洲国产精品999在线| 国产99久久九九免费精品| 亚洲五月天丁香| 亚洲自拍偷在线| 成人一区二区视频在线观看| 1024视频免费在线观看| 日韩欧美精品v在线| 日日摸夜夜添夜夜添小说| 欧美成人一区二区免费高清观看 | 成人午夜高清在线视频| 伊人久久大香线蕉亚洲五| 最新美女视频免费是黄的| 两个人视频免费观看高清| 此物有八面人人有两片| 黑人欧美特级aaaaaa片| 亚洲黑人精品在线| 人人妻人人澡欧美一区二区| 欧美最黄视频在线播放免费| 欧美成人一区二区免费高清观看 | cao死你这个sao货| 别揉我奶头~嗯~啊~动态视频| 免费av毛片视频| 在线十欧美十亚洲十日本专区| 久久久精品国产亚洲av高清涩受| 99精品欧美一区二区三区四区|