• <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Elman-馬爾科夫模型的深基坑變形預(yù)測(cè)

    2019-09-10 23:05:47賈哲郭慶軍郝倩雯
    人民長(zhǎng)江 2019年1期
    關(guān)鍵詞:馬爾科夫基坑神經(jīng)網(wǎng)絡(luò)

    賈哲 郭慶軍 郝倩雯

    摘要:為提高深基坑變形預(yù)測(cè)精度,在基坑地表沉降預(yù)測(cè)中引入反饋型Elman神經(jīng)網(wǎng)絡(luò)模型,利用Elman神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)基坑沉降位移時(shí)間序列的滾動(dòng)預(yù)測(cè)。以西安地鐵5號(hào)線某車(chē)站基坑工程為例,基于組合預(yù)測(cè)思想,結(jié)合神經(jīng)網(wǎng)絡(luò)和馬爾科夫鏈兩種預(yù)測(cè)方法,建立了馬爾科夫鏈優(yōu)化的神經(jīng)網(wǎng)絡(luò)基坑地表沉降預(yù)測(cè)模型,借助馬爾科夫鏈模型對(duì)其隨機(jī)擾動(dòng)誤差進(jìn)行修正,并與前饋型BP神經(jīng)網(wǎng)絡(luò)滾動(dòng)預(yù)測(cè)模型對(duì)比。研究結(jié)果表明:Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在修正前、后的預(yù)測(cè)效果均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。設(shè)計(jì)開(kāi)發(fā)出的基于MATLAB的圖形用戶界面(GUI)預(yù)測(cè)系統(tǒng)實(shí)現(xiàn)了模型預(yù)測(cè)過(guò)程便捷化,使預(yù)測(cè)過(guò)程能夠以圖形結(jié)果動(dòng)態(tài)展現(xiàn),具有較強(qiáng)實(shí)用價(jià)值。

    關(guān)?鍵?詞:基坑變形預(yù)測(cè); 神經(jīng)網(wǎng)絡(luò); 馬爾科夫鏈; 圖形用戶界面

    中圖法分類(lèi)號(hào): TV551.4?文獻(xiàn)標(biāo)志碼: ADOI:10.16232/j.cnki.1001-4179.2019.01.036

    伴隨我國(guó)城市化進(jìn)程的加快,地鐵、地下商業(yè)街等地下工程開(kāi)始大量興建,深基坑工程隨之增多。由于城市地下作業(yè)環(huán)境的復(fù)雜性、施工工藝的特殊性以及城市建筑密集度的增大,施工風(fēng)險(xiǎn)越來(lái)越大[1]?;映两凳堑叵鹿こ探ㄔO(shè)中必然存在的現(xiàn)象,為消除基坑沉降所帶來(lái)的風(fēng)險(xiǎn)隱患,有必要對(duì)施工期間地表沉降進(jìn)行實(shí)時(shí)監(jiān)測(cè)。為進(jìn)一步確保基坑施工的安全性,可利用施工前期基坑沉降監(jiān)測(cè)數(shù)據(jù)對(duì)后續(xù)沉降變形特征進(jìn)行分析,預(yù)先發(fā)現(xiàn)險(xiǎn)情以便及時(shí)防控。

    深基坑變形的傳統(tǒng)計(jì)算方法有理論公式法和經(jīng)驗(yàn)系數(shù)法,傳統(tǒng)計(jì)算方法的結(jié)果是根據(jù)土力學(xué)、彈塑性力學(xué)等相關(guān)理論得到的近似解,與實(shí)際現(xiàn)場(chǎng)監(jiān)測(cè)結(jié)果相比誤差較大,且計(jì)算方法對(duì)人員理論知識(shí)水平要求較高,不適用于現(xiàn)場(chǎng)施工人員實(shí)時(shí)預(yù)測(cè)。自20世紀(jì)70年代計(jì)算機(jī)技術(shù)開(kāi)始廣泛應(yīng)用于工程領(lǐng)域,在基坑工程領(lǐng)域逐漸興起數(shù)值模擬和人工智能等預(yù)測(cè)方法[2]。有限元、離散元等數(shù)值模擬方法雖能夠較好反映深基坑施工變形規(guī)律,但存在建模技巧性大,計(jì)算結(jié)果依賴于本構(gòu)模型、地質(zhì)參數(shù)等信息的選取,模擬穩(wěn)定性不高等缺點(diǎn)。以神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)通過(guò)模擬動(dòng)物大腦神經(jīng)網(wǎng)絡(luò)行為進(jìn)行信息處理,具有較強(qiáng)的自適應(yīng)力和自學(xué)習(xí)力,對(duì)于基坑沉降變形等高度復(fù)雜的非線性問(wèn)題具有良好的計(jì)算能力。

    目前巖土工程中多采用BP等前饋神經(jīng)網(wǎng)絡(luò),并衍生出多種基于BP神經(jīng)網(wǎng)絡(luò)的綜合模型。鄭穎人指出在進(jìn)行基坑沉降預(yù)測(cè)時(shí)[3],不能一味采用前饋型神經(jīng)網(wǎng)絡(luò),可合理應(yīng)用反饋神經(jīng)網(wǎng)絡(luò)。因此本文將Elman反饋神經(jīng)網(wǎng)絡(luò)引入基坑沉降預(yù)測(cè),對(duì)比BP神經(jīng)網(wǎng)絡(luò)與Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)效果,為人工神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測(cè)中的應(yīng)用提供新方法。Elman神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于能源、環(huán)境等領(lǐng)域,例如王一珺利用實(shí)測(cè)風(fēng)速功率數(shù)據(jù)[4],建立基于Elman神經(jīng)網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測(cè)模型,并利用遺傳算法對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化;魏楨為預(yù)測(cè)風(fēng)電場(chǎng)噪聲[5],構(gòu)建風(fēng)電場(chǎng)噪聲Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,并繪制風(fēng)電場(chǎng)噪聲等值線地圖。

    由于建筑施工周期長(zhǎng),變形量呈逐漸增長(zhǎng)的趨勢(shì),數(shù)據(jù)整體方差較大,實(shí)測(cè)數(shù)據(jù)將不可避免地存在隨機(jī)擾動(dòng)誤差,單一神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度會(huì)有一定誤差[6]。馬爾科夫算法具有不受過(guò)去狀態(tài)影響的特點(diǎn),對(duì)復(fù)雜因素影響下的時(shí)間序列預(yù)測(cè)具有優(yōu)化作用,為解決基坑沉降變形擾動(dòng)性強(qiáng)的問(wèn)題,結(jié)合馬爾科夫鏈對(duì)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行優(yōu)化。由于神經(jīng)網(wǎng)絡(luò)與馬爾科夫鏈組合預(yù)測(cè)模型是基于MATLAB程序?qū)崿F(xiàn),需要操作人員掌握一定的計(jì)算機(jī)和神經(jīng)網(wǎng)絡(luò)相關(guān)知識(shí),不利于在施工現(xiàn)場(chǎng)直接運(yùn)用。因此,本文在建立組合預(yù)測(cè)模型基礎(chǔ)上,編寫(xiě)圖形用戶界面(Graphical User Interfaces)程序,實(shí)現(xiàn)現(xiàn)場(chǎng)預(yù)測(cè)可視化和操作簡(jiǎn)單化的要求。

    1?神經(jīng)網(wǎng)絡(luò)與馬爾科夫鏈預(yù)測(cè)原理

    1.1?神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)模型之一,其基本思想是梯度下降法,按照訓(xùn)練誤差反向傳播。BP神經(jīng)網(wǎng)絡(luò)模型通過(guò)訓(xùn)練、學(xué)習(xí),在輸入值一定的情況下,得到最接近期望輸出值的結(jié)果。

    Elman網(wǎng)絡(luò)主體結(jié)構(gòu)層仍與BP等前饋神經(jīng)網(wǎng)絡(luò)保持一致,但在輸入、隱含、輸出3個(gè)結(jié)構(gòu)層之外增加承接層組成反饋連接。承接層作用在于接收隱含層單元上一時(shí)刻的輸出量,并與當(dāng)前時(shí)刻網(wǎng)絡(luò)輸入一同作為隱含層輸入,隱含層與承接層的節(jié)點(diǎn)數(shù)為一一對(duì)應(yīng)關(guān)系。由于增加承接層所帶來(lái)的反饋與記憶功能,Elman神經(jīng)網(wǎng)絡(luò)對(duì)歷史數(shù)據(jù)的敏感性以及動(dòng)態(tài)信息的處理能力均有所提升,實(shí)現(xiàn)動(dòng)態(tài)建模的目標(biāo)。Elman網(wǎng)絡(luò)結(jié)構(gòu)圖及狀態(tài)空間表達(dá)式如圖1所示[7-8]。

    表達(dá)式中w為不同層間的連接權(quán)值;g[w3x(k)]為輸出單元一個(gè)y的傳遞函數(shù);f{w1xc(k)+w2[u(k-1)]}為隱含層單元x(k)的傳遞函數(shù),xc為反饋狀態(tài)向量。Elman神經(jīng)網(wǎng)絡(luò)權(quán)值修正采用BP算法,以誤差平方和作為學(xué)習(xí)指標(biāo),即E(w)=nk=1[yk(w)-y′k(w)]2,其中y′k(w)為原始輸入數(shù)據(jù)。

    1.2?馬爾科夫鏈

    馬爾科夫預(yù)測(cè)研究利用數(shù)學(xué)概率建立隨機(jī)模型,研究變量的初始概率和狀態(tài)轉(zhuǎn)移矩陣,從而確定變量狀態(tài)下一期的變化規(guī)律[9]。馬爾科夫鏈(簡(jiǎn)稱MC)是指狀態(tài)和時(shí)間均離散的馬爾科夫過(guò)程,變量未來(lái)取值只與該變量當(dāng)前的取值有關(guān)而與歷史取值無(wú)關(guān),因而具有無(wú)后效性。

    馬爾科夫鏈的函數(shù)描述如下:設(shè)隨機(jī)過(guò)程{X(n),n∈t},其中時(shí)間集合記為T(mén)={0,1,2,…},狀態(tài)空間集合記為E={E0,E1,E2,…},對(duì)于任意時(shí)刻n,n∈T以及任意狀態(tài)Ei,有:P{X(n+1)=En|X(n)=En},{X(n),n∈t}為馬爾科夫鏈[10]。

    2?深基坑變形預(yù)測(cè)模型建立及應(yīng)用

    2.1?神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

    根據(jù)預(yù)測(cè)理論可知,預(yù)測(cè)誤差的大小與預(yù)測(cè)時(shí)步成正比關(guān)系,對(duì)于僅以時(shí)間序列為單位的沉降變化值應(yīng)采用滾動(dòng)預(yù)測(cè)保持預(yù)測(cè)時(shí)步的合理化,因此兩種神經(jīng)網(wǎng)絡(luò)模型均采取滾動(dòng)預(yù)測(cè)方式。滾動(dòng)預(yù)測(cè)表述為:利用單一時(shí)序數(shù)據(jù){Yt}進(jìn)行預(yù)測(cè),提取s個(gè)時(shí)序?qū)Φ趕+1個(gè)時(shí)序進(jìn)行預(yù)測(cè);當(dāng)要預(yù)測(cè)第s+2個(gè)時(shí)序數(shù)據(jù)時(shí),使用第s+1的時(shí)序數(shù)據(jù)代替最前面的1個(gè)時(shí)序進(jìn)行預(yù)測(cè)[11]。

    BP和Elman同為神經(jīng)網(wǎng)絡(luò)模型,所以在數(shù)據(jù)選取、訓(xùn)練和網(wǎng)絡(luò)訓(xùn)練、參數(shù)設(shè)定等部分的代碼有許多相似之處,均需要設(shè)置學(xué)習(xí)速率、動(dòng)量系數(shù)、訓(xùn)練次數(shù)和誤差精度4類(lèi)參數(shù)。但在網(wǎng)絡(luò)建立方面二者有所不同,BP神經(jīng)網(wǎng)絡(luò)調(diào)用newff函數(shù),而Elman神經(jīng)網(wǎng)絡(luò)調(diào)用newelm函數(shù)。預(yù)測(cè)模型具體操作流程如圖2所示。

    2.2?馬爾科夫鏈優(yōu)化的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

    根據(jù)馬爾科夫鏈理論,首先將預(yù)測(cè)值的相對(duì)誤差按照大小等分為m個(gè)狀態(tài),則數(shù)據(jù)按照所對(duì)應(yīng)區(qū)間置入P=[P1,P2,…,Pm]空間內(nèi),若某一相對(duì)誤差s處于Pi狀態(tài),其經(jīng)過(guò)n步轉(zhuǎn)移至Pj的概率為

    C?(m)?ij?= S?ij?(n)Si(1)

    S?ij?(n)為處于Pi狀態(tài)所有數(shù)據(jù)經(jīng)過(guò)n步轉(zhuǎn)移至Pj狀態(tài)的的個(gè)數(shù);Si表示所有數(shù)據(jù)中狀態(tài)為Pi的數(shù)據(jù)個(gè)數(shù),由于最終時(shí)序狀態(tài)的發(fā)展無(wú)法確定,因此Si的統(tǒng)計(jì)數(shù)需要將最后n個(gè)數(shù)據(jù)去除。第n步時(shí)序狀態(tài)轉(zhuǎn)移概率矩陣C(n)為

    C(n)=C?(n)?11?C?(n)?12?…C?(n)?1mC?(n)?21?C?(n)?22?…C?(n)?2m…?C?(n)?m1?C?(n)?m2?…C?(n)?mm?(2)

    神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值可通過(guò)狀態(tài)轉(zhuǎn)移概率矩陣進(jìn)行優(yōu)化,首先確定優(yōu)化數(shù)據(jù)范圍,選取預(yù)測(cè)時(shí)步最近的r個(gè)相對(duì)誤差值;其次根據(jù)狀態(tài)轉(zhuǎn)移矩陣分別得出r個(gè)誤差值到預(yù)測(cè)數(shù)據(jù)的時(shí)步狀態(tài)概率,對(duì)所得r個(gè)概率進(jìn)行求和,最大概率值所處的狀態(tài)即為預(yù)測(cè)時(shí)步相對(duì)誤差所處的狀態(tài)。

    3?工程應(yīng)用

    西安地鐵5號(hào)線榮家寨車(chē)站位于金花南路與黃渠頭路十字路口,沿黃渠頭路東北走向布置。車(chē)站采用島式站臺(tái),全長(zhǎng)150 m,地下3層,主體為雙柱三跨箱型結(jié)構(gòu),共設(shè)4個(gè)出入口。車(chē)站采用明挖法施工,主體基坑開(kāi)挖深度為24.40~25.25 m,采用鉆孔灌注樁加內(nèi)支撐的圍護(hù)結(jié)構(gòu)型式,共4道支撐,第一道為鋼筋混凝土支撐,其余3道為鋼支撐。為保障車(chē)站施工時(shí)基坑及周邊建筑的安全,驗(yàn)證支護(hù)結(jié)構(gòu)可靠性,依據(jù)《城市軌道交通工程測(cè)量規(guī)范》對(duì)施工全過(guò)程實(shí)施嚴(yán)密的信息化監(jiān)測(cè)。

    本文以榮家寨車(chē)站深基坑地表沉降監(jiān)測(cè)為例,建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行沉降預(yù)測(cè)。訓(xùn)練樣本數(shù)據(jù)選取榮家寨地鐵車(chē)站深基坑2個(gè)沉降測(cè)點(diǎn)的實(shí)測(cè)數(shù)據(jù),命名為?Q1,Q2?,監(jiān)測(cè)時(shí)間段為2016年11月至2017年2月,監(jiān)測(cè)時(shí)間間隔為2 d,共收集51組數(shù)據(jù)。仿真預(yù)測(cè)按照數(shù)據(jù)量(30,50)分為中期、長(zhǎng)期預(yù)測(cè),輸出值為第31,51時(shí)步預(yù)測(cè)值。神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)量分別為24和34,采用滾動(dòng)預(yù)測(cè)方法,?其中s=5;最大訓(xùn)練次數(shù)為2 000次,訓(xùn)練收斂誤差為0.000 1,隱含層數(shù)均為11。仿真預(yù)測(cè)產(chǎn)生7個(gè)時(shí)步的數(shù)據(jù),預(yù)測(cè)結(jié)果如表1所示。

    通過(guò)表1可知,兩種模型預(yù)測(cè)趨勢(shì)與監(jiān)測(cè)值基本一致,說(shuō)明二者均具有持續(xù)性和長(zhǎng)期記憶性,Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)性能相對(duì)高于BP神經(jīng)網(wǎng)絡(luò)模型。?Q2?監(jiān)測(cè)點(diǎn)沉降量變化較為穩(wěn)定,Elman模型在?Q2?監(jiān)測(cè)點(diǎn)預(yù)測(cè)相對(duì)誤差遠(yuǎn)小于BP神經(jīng)網(wǎng)絡(luò)。對(duì)比長(zhǎng)期預(yù)測(cè)結(jié)果,Elman模型預(yù)測(cè)誤差普遍小于BP模型,因此說(shuō)明Elman神經(jīng)網(wǎng)絡(luò)對(duì)于小幅變化數(shù)據(jù)和大數(shù)據(jù)的預(yù)測(cè)較BP神經(jīng)網(wǎng)絡(luò)具有優(yōu)越性。

    由于基坑變形因素復(fù)雜,滾動(dòng)預(yù)測(cè)中前后期數(shù)據(jù)變形規(guī)律存在差異,基坑沉降變形規(guī)律使得在利用前期數(shù)據(jù)預(yù)測(cè)后期數(shù)據(jù)時(shí),預(yù)測(cè)系統(tǒng)存在滯后性,因此預(yù)測(cè)結(jié)果基本小于實(shí)測(cè)值。

    分別以BP和Elman神經(jīng)網(wǎng)絡(luò)的前6個(gè)時(shí)步預(yù)測(cè)值與監(jiān)測(cè)值的相對(duì)誤差作為馬爾科夫鏈優(yōu)化模型的樣本數(shù)據(jù),修正第7個(gè)預(yù)測(cè)值的數(shù)據(jù)偏差。以Q1點(diǎn)長(zhǎng)期預(yù)測(cè)值為例,將相對(duì)誤差按大小劃分為4個(gè)狀態(tài)區(qū)間,E1=[-9.44,-8.28),E2=[-8.28,-7.12),E3=[-7.12,-5.95),E4=[-5.95,-4.79]。按照所確定的誤差區(qū)間對(duì)前6個(gè)預(yù)測(cè)值誤差進(jìn)行區(qū)間標(biāo)注。由馬爾科夫鏈原理計(jì)算出3步狀態(tài)轉(zhuǎn)移矩陣:

    000.50.5?0.50.500?0100?00100010?0.500.50?0100?01000100?0010?1000?0100

    選取第51時(shí)步之前的3個(gè)時(shí)步數(shù)據(jù)進(jìn)行誤差修正。由表2可得,第51時(shí)步的相對(duì)誤差在E3區(qū)間概率最大,則修正值為F(x)=(1-δ)x=11.23mm,其中x為單一神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值,δ為相對(duì)誤差狀態(tài)區(qū)間的中間值。其它修正值如表3所示。

    根據(jù)表3可見(jiàn),馬爾科夫鏈對(duì)BP和Elman兩種神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的修正效果顯著,平均絕對(duì)誤差基本控制在5%以內(nèi)。對(duì)比BP-MC和Elman-MC模型,由于在單一神經(jīng)網(wǎng)絡(luò)模型中,Elman模型預(yù)測(cè)效果普遍優(yōu)于BP模型,因此經(jīng)過(guò)馬爾科夫鏈修正的Elman模型預(yù)測(cè)精度相對(duì)較高,絕對(duì)誤差均小于2%?;谏鲜鏊伎?,在地鐵施工過(guò)程中地表沉降預(yù)測(cè)可選用馬爾科夫鏈修正的Elman神經(jīng)網(wǎng)絡(luò)模型進(jìn)行計(jì)算。

    4?Elman-馬爾科夫鏈模型的GUI界面開(kāi)發(fā)

    MATLAB軟件雖然提供常見(jiàn)的基本函數(shù),用戶可通過(guò)輸入命令調(diào)用函數(shù),但缺少人機(jī)交互式的直觀界面,因此有必要設(shè)計(jì)圖形用戶界面(簡(jiǎn)稱GUI)。GUI的發(fā)展應(yīng)用為非專(zhuān)業(yè)用戶的使用提供便利,用戶在不懂得計(jì)算機(jī)語(yǔ)言的情況下也可以通過(guò)窗口、菜單、按鍵等方式進(jìn)行操作[12]。本文以Elman-MC預(yù)測(cè)模型為例,進(jìn)行GUI界面的開(kāi)發(fā)。

    4.1?Matlab GUI預(yù)測(cè)系統(tǒng)的模塊組成

    在MATLAB中可使用GUIDE命令完成GUI圖形界面布局和編程工作。在空白頁(yè)面建立表格、按鍵、文本框等控件,并在控件中利用Callback編程實(shí)現(xiàn)相應(yīng)的具體功能[13]?;映两殿A(yù)測(cè)系統(tǒng)主要由3個(gè)GUI板面組成,開(kāi)始界面、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)和馬爾科夫鏈優(yōu)化界面。

    4.2?Elman-馬爾科夫鏈GUI模塊設(shè)計(jì)

    根據(jù)Elman-MC預(yù)測(cè)模型的代碼,分別設(shè)計(jì)Elman和馬爾科夫鏈的GUI模塊,設(shè)計(jì)流程如圖3所示。

    Elman神經(jīng)網(wǎng)絡(luò)GUI界面的設(shè)計(jì)主要分為4部分。

    (1) 通過(guò)構(gòu)造數(shù)據(jù)矩陣生成分量向量實(shí)現(xiàn)滾動(dòng)預(yù)測(cè)。

    (2) 利用premmx函數(shù)對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理[14]。選用newelm函數(shù)構(gòu)建Elman神經(jīng)網(wǎng)絡(luò)框架,其中隱含層節(jié)點(diǎn)通過(guò)訓(xùn)練時(shí)序?s?確定,尋找神經(jīng)元個(gè)數(shù)在?s~2 s?范圍內(nèi)相對(duì)誤差最小的神經(jīng)元個(gè)數(shù)值。

    (3) 采用trainlm訓(xùn)練函數(shù),通過(guò)避免直接計(jì)算赫賽矩陣減少訓(xùn)練中的計(jì)算量[15]。

    (4) Elman神經(jīng)網(wǎng)絡(luò)的仿真預(yù)測(cè)使用sim函數(shù):Y=sim(net,P(:,end-6:end)),輸出前6個(gè)數(shù)據(jù)預(yù)測(cè)相對(duì)誤差。

    馬爾科夫鏈GUI界面的設(shè)計(jì)依據(jù)其功能分為以下3部分。

    (1) 導(dǎo)入Elman神經(jīng)網(wǎng)絡(luò)相對(duì)誤差和預(yù)測(cè)值至對(duì)應(yīng)的馬爾科夫鏈數(shù)據(jù)文本框中,并計(jì)算得出相對(duì)誤差的自相關(guān)系數(shù)。

    (2) 將訓(xùn)練誤差由小到大劃分為四個(gè)區(qū)間,產(chǎn)生狀態(tài)空間I。確定每個(gè)樣本誤差所處狀態(tài),并根據(jù)所選擇的不同滯后步數(shù)計(jì)算對(duì)應(yīng)的轉(zhuǎn)移概率矩陣。

    (3) 計(jì)算同一狀態(tài)的各預(yù)測(cè)概率加權(quán)和,其最大值所對(duì)應(yīng)的狀態(tài)即為預(yù)測(cè)誤差所處預(yù)測(cè)狀態(tài)[16]。取誤差狀態(tài)區(qū)間的中間值對(duì)Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值進(jìn)行修正。

    為驗(yàn)證Elman-MC預(yù)測(cè)模型GUI界面的運(yùn)行可靠性,以?Q3監(jiān)測(cè)點(diǎn)數(shù)據(jù)為樣本進(jìn)行預(yù)測(cè),中期數(shù)據(jù)預(yù)測(cè)過(guò)程如圖4,5所示。Q3?點(diǎn)第31時(shí)步監(jiān)測(cè)值為?6.04mm,Elman神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)值為5.66 mm,經(jīng)過(guò)馬爾科夫鏈修正預(yù)測(cè)值精確為6.08 mm,預(yù)測(cè)達(dá)到預(yù)期效果,說(shuō)明Elman-馬爾科夫鏈的GUI界面系統(tǒng)性能穩(wěn)定。此外,Elman-MC預(yù)測(cè)模型具有不依賴于具體工程的特征,因此能夠在不同工程中應(yīng)用,具有良好的可移植性。

    5?結(jié) 論

    (1) 分別采用BP和Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)基坑周?chē)乇沓两底冃我?guī)律,建立了滾動(dòng)預(yù)測(cè)模型。鑒于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)存在的缺陷性,利用馬爾科夫鏈無(wú)后效性特點(diǎn)對(duì)兩種神經(jīng)網(wǎng)絡(luò)模型優(yōu)化,提高網(wǎng)絡(luò)收斂速度和預(yù)測(cè)精度,有效避免了預(yù)測(cè)誤差隨預(yù)測(cè)跨度的增大而增大的問(wèn)題。對(duì)比單一神經(jīng)網(wǎng)絡(luò)模型可知,Elman模型預(yù)測(cè)精度優(yōu)于BP模型,經(jīng)過(guò)馬爾科夫鏈優(yōu)化的Elman預(yù)測(cè)模型同樣優(yōu)于BP模型。

    (2) 基于人工神經(jīng)網(wǎng)絡(luò)和馬爾科夫鏈的預(yù)測(cè)模型需要操作人員具備一定專(zhuān)業(yè)知識(shí),以Elman-馬爾科夫鏈預(yù)測(cè)模型為例,應(yīng)用Matlab GUI設(shè)計(jì)開(kāi)發(fā)預(yù)測(cè)系統(tǒng),實(shí)現(xiàn)了預(yù)測(cè)過(guò)程的可視化,使預(yù)測(cè)模型的應(yīng)用更具操作性、實(shí)用性和較為廣泛的施工現(xiàn)場(chǎng)應(yīng)用前景。

    (3) 由于基坑地表沉降變形過(guò)程受多種復(fù)雜因素影響、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)穩(wěn)定性和預(yù)測(cè)周期跨度有待提高,應(yīng)在建模過(guò)程中考慮更多影響因素、開(kāi)發(fā)更加合適的算法代碼,提高預(yù)測(cè)模型的穩(wěn)定性和周期跨度。

    參考文獻(xiàn):

    [1]夏志強(qiáng),周傳波,平雯,等.地鐵隧道盾構(gòu)法施工地表沉降特征及預(yù)測(cè)研究[J].城市軌道交通研究,2014,17(10):98-102,106.

    [2]李文棟.我國(guó)基坑工程的發(fā)展現(xiàn)狀[J].建筑工程技術(shù)與設(shè)計(jì),2015(8):45-46.

    [3]高瑋,鄭穎人.地下工程變形預(yù)測(cè)的集成智能方法[J].土木工程學(xué)報(bào),2004(4):87-92.

    [4]王一珺,賈嶸.基于Elman和實(shí)測(cè)風(fēng)速功率數(shù)據(jù)的短期風(fēng)功率預(yù)測(cè)[J].高壓電器,2017,53(9):125-129.

    [5]魏楨,鄧院昌,楊正浩.基于Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)噪聲預(yù)測(cè)模型[J].水電能源科學(xué),2015,33(5):203-206.

    [6]萬(wàn)臣,李建峰,趙勇,等.基于新維BP神經(jīng)網(wǎng)絡(luò)-馬爾科夫鏈模型的大壩沉降預(yù)測(cè)[J].長(zhǎng)江科學(xué)院院報(bào),2015,32(10):23-27,32.

    [7]孫學(xué)聰. 深基坑變形監(jiān)測(cè)及變形預(yù)測(cè)研究[D].西安:長(zhǎng)安大學(xué),2015:12-15.

    [8]楊小輝.基于Elman神經(jīng)網(wǎng)絡(luò)的復(fù)合土釘墻安全預(yù)測(cè)研究[D].邯鄲:河北工程大學(xué),2013:32-33.

    [9]張英豪,劉曉青,寧昕揚(yáng).灰色—馬爾科夫模型在南俄5水電站大壩變形預(yù)測(cè)中的應(yīng)用研究[J].水利水電技術(shù),2018,49(2):139-143.

    [10]朱軍桃,熊東旭,李亞威.基于卡爾曼濾波的灰色馬爾科夫組合模型在基坑變形監(jiān)測(cè)中的應(yīng)用[J].桂林理工大學(xué)學(xué)報(bào),2017,37(4):653-657.

    [11]曹凈,丁文云,趙黨書(shū),等.基于PSO-LSSVM模型的基坑變形時(shí)間序列預(yù)測(cè)[J].控制工程,2015,22(3):475-480.

    [12]曲方,張龍,李迎業(yè),等.基于BP神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測(cè)系統(tǒng)開(kāi)發(fā)[J].中國(guó)安全科學(xué)學(xué)報(bào),2012,22(1):11-16.

    [13]余勝威,吳婷,羅建橋.MATLAB GUI設(shè)計(jì)入門(mén)與實(shí)踐[M].北京:清華大學(xué)出版社,2016.

    [14]王中凱,梁秀娟,肖長(zhǎng)來(lái),等.Elman神經(jīng)網(wǎng)絡(luò)在平原區(qū)降水入滲補(bǔ)給預(yù)測(cè)中的應(yīng)用[J].節(jié)水灌溉,2013(7):42-44,52.

    [15]莫曼,鄢翠,方志杰.基于BP神經(jīng)網(wǎng)絡(luò)的軟地基沉降分析[J].廣西大學(xué)學(xué)報(bào):自然科學(xué)版,2015,40(1):202-207.

    [16]李義華,杜康,周潔.基于改進(jìn)灰色馬爾科夫模型的木材需求量預(yù)測(cè)[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2017,37(12):133-138.

    引用本文:賈?哲,郭慶軍,郝倩雯.基于Elman-馬爾科夫模型的深基坑變形預(yù)測(cè)[J].人民長(zhǎng)江,2019,50(1):202-206.

    Deformation prediction of deep foundation pitbased on Elman-Markov model

    JIA Zhe, GUO Qingjun, HAO Qianwen

    (School of Civil and Architecture Engineering, Xi′an Technological University, Xi′an 710021, China)

    Abstract:In order to improve the accuracy of deep foundation pit deformation prediction, a feedback Elman neural network model was introduced into the foundation pit surface settlement prediction. The rolling prediction of foundation pit settlement displacement time series can be realized by using Elman neural network algorithm. Taking the foundation pit engineering of a station of Xi'an Metro Line 5 as the example, based on the idea of combined forecasting, combining the two forecasting methods of Elman neural network and Markov chain, the prediction model of ground subsidence of foundation pit was established. The random disturbance error was corrected by Markov chain model. The effect of Elman neural network prediction model before and after the modification were both better than the BP neural network prediction model. Graphical User Interface (GUI) prediction system based on MATLAB was designed and developed, making the model prediction process easy and convenient and the prediction process can be displayed dynamically by graphical results.

    Key words:?foundation pit deformation prediction; neural network; Markov chain; graphical user interface

    猜你喜歡
    馬爾科夫基坑神經(jīng)網(wǎng)絡(luò)
    微型鋼管樁在基坑支護(hù)工程中的應(yīng)用
    全套管全回轉(zhuǎn)咬合樁在基坑支護(hù)中的技術(shù)應(yīng)用
    基于疊加馬爾科夫鏈的邊坡位移預(yù)測(cè)研究
    基坑開(kāi)挖及加固方法研究
    基于改進(jìn)的灰色-馬爾科夫模型在風(fēng)機(jī)沉降中的應(yīng)用
    神經(jīng)網(wǎng)絡(luò)抑制無(wú)線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    基坑開(kāi)挖對(duì)鄰近已開(kāi)挖基坑的影響分析
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    馬爾科夫鏈在教學(xué)評(píng)價(jià)中的應(yīng)用
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    天天添夜夜摸| 高清在线国产一区| 白带黄色成豆腐渣| 午夜福利欧美成人| 制服丝袜大香蕉在线| 欧美日韩福利视频一区二区| 成人一区二区视频在线观看| 1000部很黄的大片| 九色成人免费人妻av| 日韩高清综合在线| 亚洲精品乱码久久久v下载方式 | 国产亚洲欧美在线一区二区| 久久性视频一级片| 黑人欧美特级aaaaaa片| 久久香蕉精品热| eeuss影院久久| 在线观看美女被高潮喷水网站 | 中出人妻视频一区二区| 狂野欧美激情性xxxx| 麻豆成人午夜福利视频| 欧美一区二区精品小视频在线| 91在线观看av| 怎么达到女性高潮| www.熟女人妻精品国产| 黄色丝袜av网址大全| 黄色丝袜av网址大全| 日日夜夜操网爽| 国产精品99久久久久久久久| 亚洲va日本ⅴa欧美va伊人久久| 精品福利观看| 成人av一区二区三区在线看| 亚洲国产精品999在线| 久久这里只有精品中国| 深夜精品福利| 久久精品综合一区二区三区| 亚洲狠狠婷婷综合久久图片| 黄色日韩在线| 99久久九九国产精品国产免费| 亚洲欧美激情综合另类| 国产黄色小视频在线观看| 国产精品久久视频播放| 久久草成人影院| 欧美绝顶高潮抽搐喷水| 亚洲av成人不卡在线观看播放网| 叶爱在线成人免费视频播放| 三级毛片av免费| 国产在线精品亚洲第一网站| 中文字幕av在线有码专区| 成年版毛片免费区| 在线观看一区二区三区| 岛国在线免费视频观看| 精品日产1卡2卡| 亚洲最大成人中文| 国产精品久久久人人做人人爽| 母亲3免费完整高清在线观看| 老司机福利观看| 国产激情偷乱视频一区二区| 成人高潮视频无遮挡免费网站| 国产精品亚洲一级av第二区| 特级一级黄色大片| 麻豆久久精品国产亚洲av| 亚洲精品在线观看二区| 国产高清激情床上av| 欧美性猛交╳xxx乱大交人| 俄罗斯特黄特色一大片| 国产精品久久久人人做人人爽| 中文字幕人成人乱码亚洲影| 色哟哟哟哟哟哟| 人妻夜夜爽99麻豆av| 欧美不卡视频在线免费观看| 久久久久久久久中文| 中文字幕人妻熟人妻熟丝袜美 | 激情在线观看视频在线高清| 国产乱人伦免费视频| 久久精品91蜜桃| 精品国产超薄肉色丝袜足j| 亚洲国产欧美网| 制服人妻中文乱码| 亚洲欧美日韩高清在线视频| 激情在线观看视频在线高清| 日韩 欧美 亚洲 中文字幕| 在线观看美女被高潮喷水网站 | 国产精品久久久久久人妻精品电影| 97超视频在线观看视频| 中文字幕人妻熟人妻熟丝袜美 | 男女床上黄色一级片免费看| 村上凉子中文字幕在线| 老汉色∧v一级毛片| 欧美+亚洲+日韩+国产| 国产高清激情床上av| 亚洲内射少妇av| 综合色av麻豆| 国产精品久久视频播放| 成人鲁丝片一二三区免费| 欧美在线黄色| 黄色女人牲交| 99精品欧美一区二区三区四区| 免费大片18禁| 久久久国产成人免费| 亚洲在线自拍视频| 人妻夜夜爽99麻豆av| 少妇的逼好多水| 可以在线观看的亚洲视频| 午夜日韩欧美国产| 久久国产乱子伦精品免费另类| 香蕉丝袜av| 亚洲av不卡在线观看| 黄色成人免费大全| 亚洲国产欧美人成| 首页视频小说图片口味搜索| av福利片在线观看| 综合色av麻豆| 99久久成人亚洲精品观看| 999久久久精品免费观看国产| 床上黄色一级片| 精品无人区乱码1区二区| 91九色精品人成在线观看| 美女大奶头视频| 男女视频在线观看网站免费| 可以在线观看毛片的网站| 午夜福利在线在线| 一区二区三区免费毛片| 久久久精品大字幕| 麻豆成人av在线观看| 一区二区三区激情视频| 午夜精品久久久久久毛片777| 亚洲 国产 在线| 91九色精品人成在线观看| 国语自产精品视频在线第100页| 欧美又色又爽又黄视频| 黄色女人牲交| 综合色av麻豆| 好男人在线观看高清免费视频| 夜夜夜夜夜久久久久| 国产蜜桃级精品一区二区三区| 亚洲欧美日韩无卡精品| 国产一区在线观看成人免费| 熟女电影av网| ponron亚洲| 欧美日韩瑟瑟在线播放| 中文资源天堂在线| 国产熟女xx| 天堂影院成人在线观看| 久久久久性生活片| 一级作爱视频免费观看| 性欧美人与动物交配| 久久久国产成人精品二区| 成人亚洲精品av一区二区| 日本三级黄在线观看| 色av中文字幕| 一本精品99久久精品77| 日本在线视频免费播放| 色综合欧美亚洲国产小说| 高清在线国产一区| 精品人妻一区二区三区麻豆 | 午夜福利高清视频| 久久精品人妻少妇| 欧美av亚洲av综合av国产av| 精品人妻偷拍中文字幕| 欧美区成人在线视频| 在线a可以看的网站| 亚洲国产高清在线一区二区三| 精品国产超薄肉色丝袜足j| 久久久久亚洲av毛片大全| 国产真人三级小视频在线观看| 色在线成人网| 久久欧美精品欧美久久欧美| 色噜噜av男人的天堂激情| 亚洲最大成人中文| 一个人看的www免费观看视频| 亚洲精品一卡2卡三卡4卡5卡| 不卡一级毛片| 亚洲va日本ⅴa欧美va伊人久久| 久久久久久久久中文| 看片在线看免费视频| 国产毛片a区久久久久| 午夜两性在线视频| 99视频精品全部免费 在线| 欧美日韩国产亚洲二区| 91九色精品人成在线观看| 国产探花在线观看一区二区| 内射极品少妇av片p| 成人国产综合亚洲| 不卡一级毛片| 人人妻,人人澡人人爽秒播| 亚洲精品在线美女| 国产真实伦视频高清在线观看 | 日韩高清综合在线| 一本久久中文字幕| 99精品久久久久人妻精品| av女优亚洲男人天堂| 三级毛片av免费| 蜜桃亚洲精品一区二区三区| 欧美黄色淫秽网站| 久久性视频一级片| 亚洲人成伊人成综合网2020| 亚洲av免费高清在线观看| 国产精品香港三级国产av潘金莲| 97人妻精品一区二区三区麻豆| 少妇裸体淫交视频免费看高清| 欧美黑人巨大hd| 性色avwww在线观看| 免费看日本二区| 久久精品国产99精品国产亚洲性色| 蜜桃久久精品国产亚洲av| a级一级毛片免费在线观看| 久久伊人香网站| 精品99又大又爽又粗少妇毛片 | 男女之事视频高清在线观看| 女人被狂操c到高潮| 国产高清videossex| 久久久久亚洲av毛片大全| 免费搜索国产男女视频| 久久久久免费精品人妻一区二区| 九色成人免费人妻av| 亚洲av电影不卡..在线观看| 男人舔奶头视频| 免费看十八禁软件| 久久精品国产亚洲av涩爱 | tocl精华| 国语自产精品视频在线第100页| 国产黄a三级三级三级人| 久久九九热精品免费| 国产日本99.免费观看| 日本在线视频免费播放| 法律面前人人平等表现在哪些方面| 18+在线观看网站| 网址你懂的国产日韩在线| 久久香蕉精品热| 国产高潮美女av| 日韩欧美一区二区三区在线观看| 在线观看美女被高潮喷水网站 | 最新中文字幕久久久久| 欧美日韩中文字幕国产精品一区二区三区| 一夜夜www| 久久精品91无色码中文字幕| 十八禁人妻一区二区| 国产成人aa在线观看| 亚洲欧美精品综合久久99| 91在线观看av| ponron亚洲| 男人舔女人下体高潮全视频| 一二三四社区在线视频社区8| 欧美在线一区亚洲| 午夜激情福利司机影院| 国产成人欧美在线观看| 亚洲中文日韩欧美视频| 九九在线视频观看精品| 人妻夜夜爽99麻豆av| 在线天堂最新版资源| 97碰自拍视频| 久久久久久久久大av| 日本精品一区二区三区蜜桃| 亚洲aⅴ乱码一区二区在线播放| 麻豆国产av国片精品| 欧美色欧美亚洲另类二区| 欧美极品一区二区三区四区| 老司机福利观看| 天堂av国产一区二区熟女人妻| 日日夜夜操网爽| 国产99白浆流出| 国产av一区在线观看免费| 成人欧美大片| 国内久久婷婷六月综合欲色啪| 免费一级毛片在线播放高清视频| 国产乱人伦免费视频| 国内精品美女久久久久久| www日本黄色视频网| 亚洲av电影在线进入| a级毛片a级免费在线| 一级a爱片免费观看的视频| 午夜免费观看网址| 免费看美女性在线毛片视频| 黄色视频,在线免费观看| 18禁裸乳无遮挡免费网站照片| 国产麻豆成人av免费视频| 两人在一起打扑克的视频| 真实男女啪啪啪动态图| 又黄又粗又硬又大视频| 一级黄色大片毛片| 亚洲精品成人久久久久久| 91久久精品国产一区二区成人 | 亚洲一区高清亚洲精品| 久久精品亚洲精品国产色婷小说| 久久人人精品亚洲av| 成人午夜高清在线视频| 精品99又大又爽又粗少妇毛片 | 午夜激情福利司机影院| 在线十欧美十亚洲十日本专区| 久久久久久久久大av| 亚洲五月婷婷丁香| 国产激情欧美一区二区| 又粗又爽又猛毛片免费看| 精品久久久久久久毛片微露脸| 日本 欧美在线| 久99久视频精品免费| 蜜桃久久精品国产亚洲av| 99久久久亚洲精品蜜臀av| 免费看十八禁软件| 免费av不卡在线播放| 男女之事视频高清在线观看| 夜夜夜夜夜久久久久| 不卡一级毛片| 三级国产精品欧美在线观看| 一本综合久久免费| 国产一区在线观看成人免费| 俺也久久电影网| 中文资源天堂在线| 黄片小视频在线播放| 狂野欧美激情性xxxx| 在线天堂最新版资源| 少妇裸体淫交视频免费看高清| 麻豆国产av国片精品| 国产精品98久久久久久宅男小说| 国产一区二区在线av高清观看| 日韩有码中文字幕| 国产精品野战在线观看| 亚洲精品日韩av片在线观看 | 成人无遮挡网站| 女人被狂操c到高潮| 小说图片视频综合网站| 久久这里只有精品中国| 最近最新免费中文字幕在线| 亚洲第一电影网av| 亚洲一区二区三区不卡视频| 日韩中文字幕欧美一区二区| 免费电影在线观看免费观看| 欧美日韩一级在线毛片| 在线观看舔阴道视频| 国产爱豆传媒在线观看| 欧美av亚洲av综合av国产av| 在线观看美女被高潮喷水网站 | 高清毛片免费观看视频网站| 级片在线观看| 97碰自拍视频| 色播亚洲综合网| 久久久精品大字幕| 精品国产三级普通话版| 国产精华一区二区三区| 制服人妻中文乱码| www日本黄色视频网| 舔av片在线| 中国美女看黄片| 国产成人欧美在线观看| 特级一级黄色大片| 丰满的人妻完整版| 亚洲无线在线观看| 午夜福利在线在线| 床上黄色一级片| 很黄的视频免费| av专区在线播放| 每晚都被弄得嗷嗷叫到高潮| 日本精品一区二区三区蜜桃| 一边摸一边抽搐一进一小说| 久久久国产成人免费| 精品无人区乱码1区二区| 国产久久久一区二区三区| 国产精品久久久人人做人人爽| 长腿黑丝高跟| 在线观看午夜福利视频| 99热6这里只有精品| 少妇的丰满在线观看| 亚洲无线观看免费| 丁香欧美五月| 女生性感内裤真人,穿戴方法视频| 两人在一起打扑克的视频| 国产亚洲精品久久久久久毛片| 一二三四社区在线视频社区8| 99久久精品国产亚洲精品| 淫妇啪啪啪对白视频| 99久久久亚洲精品蜜臀av| 综合色av麻豆| www.熟女人妻精品国产| 女人高潮潮喷娇喘18禁视频| 桃红色精品国产亚洲av| 小蜜桃在线观看免费完整版高清| 999久久久精品免费观看国产| 一进一出好大好爽视频| 好男人在线观看高清免费视频| 窝窝影院91人妻| 国产三级在线视频| 日日干狠狠操夜夜爽| 亚洲成a人片在线一区二区| 精品人妻一区二区三区麻豆 | 国产精品 欧美亚洲| 蜜桃久久精品国产亚洲av| 成年版毛片免费区| 欧美bdsm另类| 日韩有码中文字幕| 亚洲av中文字字幕乱码综合| 草草在线视频免费看| av片东京热男人的天堂| 亚洲 欧美 日韩 在线 免费| 91在线精品国自产拍蜜月 | 美女黄网站色视频| 三级毛片av免费| 亚洲最大成人中文| 亚洲av免费在线观看| 国产精品久久久久久久久免 | 内射极品少妇av片p| 欧美午夜高清在线| 免费在线观看亚洲国产| 夜夜看夜夜爽夜夜摸| 久久久久久大精品| 亚洲人成网站高清观看| 精品国产三级普通话版| 国内精品久久久久久久电影| 亚洲国产高清在线一区二区三| 国产伦人伦偷精品视频| 99热这里只有是精品50| 亚洲精品亚洲一区二区| 啪啪无遮挡十八禁网站| 看免费av毛片| 日本 av在线| 国产成人欧美在线观看| 老熟妇仑乱视频hdxx| 日本 欧美在线| 特级一级黄色大片| 哪里可以看免费的av片| 级片在线观看| 神马国产精品三级电影在线观看| 性色av乱码一区二区三区2| 制服人妻中文乱码| 美女大奶头视频| 成人性生交大片免费视频hd| 欧美不卡视频在线免费观看| 淫秽高清视频在线观看| 精品久久久久久久久久久久久| 亚洲真实伦在线观看| 亚洲成av人片免费观看| 日本熟妇午夜| 久久久久久久午夜电影| 国内久久婷婷六月综合欲色啪| 午夜影院日韩av| 久久久久九九精品影院| 搞女人的毛片| 丰满乱子伦码专区| 天堂影院成人在线观看| 国产精品影院久久| 日韩av在线大香蕉| 国产午夜精品论理片| 十八禁网站免费在线| 精品久久久久久成人av| 国产午夜精品久久久久久一区二区三区 | 中文字幕久久专区| 丁香欧美五月| 国产亚洲精品久久久com| 真人做人爱边吃奶动态| 一进一出好大好爽视频| 国产麻豆成人av免费视频| 网址你懂的国产日韩在线| 香蕉丝袜av| 国产av麻豆久久久久久久| 精品国产美女av久久久久小说| 又黄又粗又硬又大视频| 亚洲成人精品中文字幕电影| 亚洲最大成人手机在线| 国产精品一区二区三区四区免费观看 | 国产野战对白在线观看| 男人的好看免费观看在线视频| 亚洲av二区三区四区| 男女视频在线观看网站免费| 亚洲精品一卡2卡三卡4卡5卡| 亚洲国产精品成人综合色| 国产伦一二天堂av在线观看| 90打野战视频偷拍视频| 天堂av国产一区二区熟女人妻| 88av欧美| 啦啦啦观看免费观看视频高清| 91麻豆精品激情在线观看国产| 最新美女视频免费是黄的| 男女做爰动态图高潮gif福利片| 蜜桃亚洲精品一区二区三区| www日本黄色视频网| 老司机午夜福利在线观看视频| 2021天堂中文幕一二区在线观| 99热6这里只有精品| 91字幕亚洲| 18禁黄网站禁片午夜丰满| 久久精品人妻少妇| 精品无人区乱码1区二区| 中文字幕av成人在线电影| 免费观看的影片在线观看| 国产精品亚洲一级av第二区| 一区二区三区免费毛片| 老司机在亚洲福利影院| 女人十人毛片免费观看3o分钟| 又黄又粗又硬又大视频| 欧美性猛交╳xxx乱大交人| 精品久久久久久久人妻蜜臀av| 成年女人永久免费观看视频| 高潮久久久久久久久久久不卡| 亚洲av美国av| 九色国产91popny在线| 97人妻精品一区二区三区麻豆| 在线观看免费午夜福利视频| 国产一级毛片七仙女欲春2| 毛片女人毛片| 全区人妻精品视频| 中国美女看黄片| 免费无遮挡裸体视频| 精品免费久久久久久久清纯| 日韩欧美在线乱码| 欧美一区二区国产精品久久精品| 99精品在免费线老司机午夜| 岛国视频午夜一区免费看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 日韩欧美在线乱码| 天堂动漫精品| 最新美女视频免费是黄的| 在线免费观看的www视频| 午夜久久久久精精品| av欧美777| 亚洲久久久久久中文字幕| 男女下面进入的视频免费午夜| 国产单亲对白刺激| 亚洲成人中文字幕在线播放| 少妇人妻精品综合一区二区 | 18美女黄网站色大片免费观看| 成年版毛片免费区| 免费人成视频x8x8入口观看| 日韩精品中文字幕看吧| 女人十人毛片免费观看3o分钟| 老司机深夜福利视频在线观看| 嫩草影院精品99| 丁香六月欧美| 欧美日韩中文字幕国产精品一区二区三区| 天堂av国产一区二区熟女人妻| 欧美日韩中文字幕国产精品一区二区三区| 小蜜桃在线观看免费完整版高清| 亚洲国产欧美人成| 色综合婷婷激情| 俄罗斯特黄特色一大片| 天天一区二区日本电影三级| 嫩草影院入口| 女同久久另类99精品国产91| 好男人在线观看高清免费视频| 日本免费一区二区三区高清不卡| 久久久久性生活片| 亚洲精品成人久久久久久| 日本在线视频免费播放| 精品乱码久久久久久99久播| 人妻丰满熟妇av一区二区三区| 久久精品影院6| 人人妻人人看人人澡| 极品教师在线免费播放| 欧美日本视频| 麻豆国产97在线/欧美| 日日夜夜操网爽| 97超视频在线观看视频| 欧洲精品卡2卡3卡4卡5卡区| 国产欧美日韩一区二区三| 国产在线精品亚洲第一网站| 亚洲国产欧美人成| 特级一级黄色大片| 老鸭窝网址在线观看| 麻豆成人av在线观看| 久久性视频一级片| 老汉色∧v一级毛片| 欧美成狂野欧美在线观看| 91字幕亚洲| 久久草成人影院| 亚洲,欧美精品.| 亚洲国产欧美网| а√天堂www在线а√下载| 国产视频一区二区在线看| 欧美成人一区二区免费高清观看| 亚洲色图av天堂| 老鸭窝网址在线观看| 精品一区二区三区视频在线观看免费| 毛片女人毛片| 每晚都被弄得嗷嗷叫到高潮| 亚洲欧美日韩高清专用| 成人av一区二区三区在线看| 国产成人aa在线观看| 午夜免费成人在线视频| 日本黄色片子视频| 国产三级在线视频| svipshipincom国产片| 亚洲av成人av| 亚洲最大成人中文| 亚洲人与动物交配视频| 国产高清激情床上av| 韩国av一区二区三区四区| 久久午夜亚洲精品久久| 最新中文字幕久久久久| 一区二区三区国产精品乱码| 国模一区二区三区四区视频| 久久欧美精品欧美久久欧美| 男女那种视频在线观看| 超碰av人人做人人爽久久 | 午夜免费观看网址| 特级一级黄色大片| 成人性生交大片免费视频hd| 丰满的人妻完整版| 好看av亚洲va欧美ⅴa在| tocl精华| 午夜a级毛片| 午夜日韩欧美国产| 国产亚洲av嫩草精品影院| 18禁黄网站禁片免费观看直播| 麻豆一二三区av精品| 黄片大片在线免费观看| 啦啦啦免费观看视频1| 看黄色毛片网站| 毛片女人毛片| 久久亚洲精品不卡| 亚洲一区二区三区不卡视频| av女优亚洲男人天堂| 免费av毛片视频| 亚洲欧美日韩东京热| 女警被强在线播放| 久久久久久久久大av| 欧美日韩瑟瑟在线播放| 免费在线观看亚洲国产|