• <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
    高清在线视频一区二区三区| 中文欧美无线码| 欧美人与善性xxx| 欧美 日韩 精品 国产| 成人亚洲精品一区在线观看| 亚洲精华国产精华液的使用体验| 天天影视国产精品| 中文字幕久久专区| 欧美精品高潮呻吟av久久| 亚洲欧美色中文字幕在线| 少妇的逼水好多| 80岁老熟妇乱子伦牲交| 少妇的逼水好多| 久久鲁丝午夜福利片| 免费av不卡在线播放| 亚洲欧美一区二区三区黑人 | 日韩亚洲欧美综合| 少妇 在线观看| 国产精品久久久久久久久免| 高清不卡的av网站| 色吧在线观看| 亚洲欧洲国产日韩| 色吧在线观看| 制服人妻中文乱码| 成人18禁高潮啪啪吃奶动态图 | 人体艺术视频欧美日本| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 人妻制服诱惑在线中文字幕| 久久久久国产网址| 麻豆成人av视频| 欧美精品高潮呻吟av久久| 九九爱精品视频在线观看| 极品少妇高潮喷水抽搐| 国产高清三级在线| 久久这里有精品视频免费| 尾随美女入室| 女性生殖器流出的白浆| 欧美三级亚洲精品| 国产永久视频网站| 国产一区二区三区av在线| 视频区图区小说| 五月玫瑰六月丁香| 91在线精品国自产拍蜜月| 国产精品久久久久成人av| 九色亚洲精品在线播放| 久久精品国产亚洲网站| 高清午夜精品一区二区三区| 亚洲国产精品一区二区三区在线| 婷婷色麻豆天堂久久| 国产欧美另类精品又又久久亚洲欧美| 久久99热这里只频精品6学生| 人妻人人澡人人爽人人| 一级毛片我不卡| 国产精品一区www在线观看| 成年人午夜在线观看视频| 久久99热6这里只有精品| 如何舔出高潮| 高清毛片免费看| 国产一区二区三区综合在线观看 | www.色视频.com| 久久韩国三级中文字幕| 涩涩av久久男人的天堂| 国产成人精品久久久久久| 国产精品不卡视频一区二区| 两个人的视频大全免费| 国产精品人妻久久久影院| 插阴视频在线观看视频| 国产日韩欧美亚洲二区| 国产精品久久久久久久电影| 国产精品免费大片| 少妇熟女欧美另类| 国产又色又爽无遮挡免| 亚洲色图 男人天堂 中文字幕 | 欧美日韩国产mv在线观看视频| 熟妇人妻不卡中文字幕| 少妇高潮的动态图| 色吧在线观看| 精品人妻熟女av久视频| h视频一区二区三区| 伊人亚洲综合成人网| 一边亲一边摸免费视频| 国产 精品1| 秋霞伦理黄片| 国产精品成人在线| 大片免费播放器 马上看| 亚洲图色成人| 亚洲欧美一区二区三区黑人 | 日韩不卡一区二区三区视频在线| 夜夜骑夜夜射夜夜干| 国产亚洲av片在线观看秒播厂| 久久国产精品大桥未久av| 国产成人免费观看mmmm| 日韩免费高清中文字幕av| 欧美精品高潮呻吟av久久| 亚洲欧美一区二区三区黑人 | 久久久久久久久大av| 能在线免费看毛片的网站| 在线观看人妻少妇| 国产探花极品一区二区| 亚洲欧美成人精品一区二区| 一级片'在线观看视频| 高清不卡的av网站| 午夜激情福利司机影院| 国产亚洲精品第一综合不卡 | 在线 av 中文字幕| av女优亚洲男人天堂| 天堂俺去俺来也www色官网| 老女人水多毛片| videosex国产| 亚洲精品日韩av片在线观看| 十分钟在线观看高清视频www| 久久久久人妻精品一区果冻| 丝袜美足系列| 亚洲av综合色区一区| 18+在线观看网站| 女人久久www免费人成看片| 午夜福利在线观看免费完整高清在| 亚洲精品,欧美精品| 日韩大片免费观看网站| 我的老师免费观看完整版| 汤姆久久久久久久影院中文字幕| 免费久久久久久久精品成人欧美视频 | 秋霞在线观看毛片| 亚洲精品国产av蜜桃| 色5月婷婷丁香| 亚洲精品亚洲一区二区| 2018国产大陆天天弄谢| 毛片一级片免费看久久久久| 免费看av在线观看网站| 国产精品不卡视频一区二区| 久久久亚洲精品成人影院| 日韩中文字幕视频在线看片| 人人妻人人添人人爽欧美一区卜| 国产成人aa在线观看| 在线观看人妻少妇| 97超碰精品成人国产| 插逼视频在线观看| 免费人妻精品一区二区三区视频| 国产成人精品婷婷| 嫩草影院入口| 特大巨黑吊av在线直播| 免费看不卡的av| 国产女主播在线喷水免费视频网站| 日韩伦理黄色片| 久久久精品94久久精品| 91精品伊人久久大香线蕉| 如何舔出高潮| 国产毛片在线视频| 91久久精品国产一区二区三区| 婷婷色综合大香蕉| 亚州av有码| 9色porny在线观看| 成人无遮挡网站| 久久久久国产精品人妻一区二区| 欧美亚洲日本最大视频资源| 成年女人在线观看亚洲视频| 天堂中文最新版在线下载| 美女主播在线视频| 黑人高潮一二区| 色视频在线一区二区三区| 欧美日韩av久久| 乱码一卡2卡4卡精品| 大香蕉久久网| 最黄视频免费看| 美女xxoo啪啪120秒动态图| 日本欧美国产在线视频| 如何舔出高潮| 国产av一区二区精品久久| 成年美女黄网站色视频大全免费 | 国产精品99久久99久久久不卡 | 中文字幕人妻丝袜制服| 欧美人与性动交α欧美精品济南到 | 少妇精品久久久久久久| 大香蕉久久网| 中文欧美无线码| 亚洲av电影在线观看一区二区三区| a级毛片黄视频| 国产免费又黄又爽又色| 夫妻性生交免费视频一级片| 3wmmmm亚洲av在线观看| 久久影院123| 免费播放大片免费观看视频在线观看| 一级a做视频免费观看| 丝袜脚勾引网站| 国产成人精品一,二区| 亚洲精品aⅴ在线观看| 777米奇影视久久| 最近中文字幕高清免费大全6| 飞空精品影院首页| 国产探花极品一区二区| 久久精品国产自在天天线| 国产免费一区二区三区四区乱码| 国产69精品久久久久777片| 亚洲在久久综合| 国产熟女午夜一区二区三区 | 精品一区二区三卡| 免费看光身美女| 精品人妻偷拍中文字幕| 18+在线观看网站| 三级国产精品欧美在线观看| 91午夜精品亚洲一区二区三区| 我的女老师完整版在线观看| 最近中文字幕高清免费大全6| 99热这里只有是精品在线观看| 精品人妻在线不人妻| 男女免费视频国产| 一本色道久久久久久精品综合| 精品久久久精品久久久| 自线自在国产av| av有码第一页| 五月伊人婷婷丁香| 久久青草综合色| 999精品在线视频| 人妻一区二区av| 欧美日韩成人在线一区二区| 男女国产视频网站| 免费播放大片免费观看视频在线观看| 欧美人与性动交α欧美精品济南到 | 国产又色又爽无遮挡免| 成人免费观看视频高清| 黄色一级大片看看| 亚洲国产日韩一区二区| 69精品国产乱码久久久| 啦啦啦视频在线资源免费观看| 日日啪夜夜爽| 国产在线免费精品| 国产伦精品一区二区三区视频9| 国产精品人妻久久久久久| 少妇的逼水好多| 91久久精品电影网| 国产日韩一区二区三区精品不卡 | 成年女人在线观看亚洲视频| 看十八女毛片水多多多| 日韩制服骚丝袜av| av不卡在线播放| 少妇人妻精品综合一区二区| 国产精品人妻久久久久久| 免费高清在线观看视频在线观看| 国产精品国产三级国产av玫瑰| 王馨瑶露胸无遮挡在线观看| 丁香六月天网| 午夜免费男女啪啪视频观看| 亚洲美女黄色视频免费看| 黑人欧美特级aaaaaa片| 欧美精品亚洲一区二区| 91精品三级在线观看| 日本av免费视频播放| 青青草视频在线视频观看| 热re99久久精品国产66热6| 国产精品人妻久久久久久| freevideosex欧美| 多毛熟女@视频| 亚洲欧美中文字幕日韩二区| 大又大粗又爽又黄少妇毛片口| 五月伊人婷婷丁香| 精品人妻熟女av久视频| 天堂中文最新版在线下载| 久久99热这里只频精品6学生| 日韩电影二区| 久久久久精品久久久久真实原创| 啦啦啦啦在线视频资源| 日韩av在线免费看完整版不卡| 亚洲高清免费不卡视频| 免费看光身美女| 午夜久久久在线观看| 九九爱精品视频在线观看| 国产黄色免费在线视频| 日韩亚洲欧美综合| 国产高清不卡午夜福利| 天堂8中文在线网| 国产免费又黄又爽又色| 99久久中文字幕三级久久日本| 亚洲欧美日韩另类电影网站| 国产女主播在线喷水免费视频网站| 国产成人a∨麻豆精品| 在线播放无遮挡| 大码成人一级视频| 国产在线一区二区三区精| 亚洲精品久久久久久婷婷小说| 一本久久精品| 人人妻人人澡人人爽人人夜夜| 九色成人免费人妻av| 久久精品国产亚洲av天美| 欧美亚洲 丝袜 人妻 在线| 亚洲四区av| 伊人久久精品亚洲午夜| 国产精品免费大片| 日本欧美视频一区| 少妇人妻 视频| 久久精品国产亚洲网站| 全区人妻精品视频| 精品国产国语对白av| 色5月婷婷丁香| 一级片'在线观看视频| 黑人巨大精品欧美一区二区蜜桃 | 色哟哟·www| videos熟女内射| 免费观看的影片在线观看| 国产在线视频一区二区| 国国产精品蜜臀av免费| 日韩电影二区| 亚洲内射少妇av| 亚洲图色成人| 国产极品粉嫩免费观看在线 | 人妻夜夜爽99麻豆av| 日本av手机在线免费观看| 午夜视频国产福利| av一本久久久久| 成人综合一区亚洲| 精品午夜福利在线看| 亚洲精品一区蜜桃| 国产国语露脸激情在线看| 韩国av在线不卡| 人妻夜夜爽99麻豆av| 美女cb高潮喷水在线观看| 成人免费观看视频高清| 亚洲成人手机| 免费看光身美女| 18禁在线播放成人免费| 欧美老熟妇乱子伦牲交| 中国三级夫妇交换| 女性被躁到高潮视频| 91精品伊人久久大香线蕉| 九九爱精品视频在线观看| 你懂的网址亚洲精品在线观看| 男女国产视频网站| 亚洲欧美日韩另类电影网站| www.av在线官网国产| 最新中文字幕久久久久| 成年人午夜在线观看视频| 国产成人精品一,二区| 最黄视频免费看| 欧美精品国产亚洲| 成人18禁高潮啪啪吃奶动态图 | 亚洲精品一区蜜桃| 天天躁夜夜躁狠狠久久av| 天美传媒精品一区二区| 日本91视频免费播放| 18在线观看网站| 国产老妇伦熟女老妇高清| 亚洲人成77777在线视频| 精品久久久久久久久av| 亚洲精品中文字幕在线视频| 久久人妻熟女aⅴ| 国产日韩一区二区三区精品不卡 | 成人毛片60女人毛片免费| 久久青草综合色| 夜夜爽夜夜爽视频| 中文欧美无线码| 久久国内精品自在自线图片| 亚洲国产精品999| 99久久中文字幕三级久久日本| 韩国高清视频一区二区三区| 简卡轻食公司| 亚洲国产毛片av蜜桃av| 一区二区三区精品91| 热re99久久国产66热| 免费观看无遮挡的男女| av女优亚洲男人天堂| 日日摸夜夜添夜夜添av毛片| 欧美日韩在线观看h| 欧美日韩国产mv在线观看视频| 中文字幕久久专区| 成人手机av| 精品少妇内射三级| 伊人亚洲综合成人网| av有码第一页| 永久免费av网站大全| 高清不卡的av网站| 欧美97在线视频| 美女大奶头黄色视频| 免费观看无遮挡的男女| 久久久久久久久久久丰满| 午夜日本视频在线| xxx大片免费视频| 99久国产av精品国产电影| 99国产综合亚洲精品| 一本久久精品| 九草在线视频观看| 亚洲高清免费不卡视频| 99精国产麻豆久久婷婷| 91在线精品国自产拍蜜月| 欧美激情极品国产一区二区三区 | 啦啦啦在线观看免费高清www| 欧美成人精品欧美一级黄| 成人黄色视频免费在线看| 亚洲欧美中文字幕日韩二区| 日韩人妻高清精品专区| 久久精品国产亚洲网站| 男的添女的下面高潮视频| 最近的中文字幕免费完整| 一级,二级,三级黄色视频| 夜夜骑夜夜射夜夜干| 亚洲欧美一区二区三区黑人 | 岛国毛片在线播放| 久久久久久久精品精品| 久久精品人人爽人人爽视色| 观看美女的网站| 黄色一级大片看看| 少妇的逼好多水| av线在线观看网站| 精品久久蜜臀av无| 国产视频内射| 久久精品久久久久久噜噜老黄| 黑人巨大精品欧美一区二区蜜桃 | 久久久久人妻精品一区果冻| 一级爰片在线观看| 有码 亚洲区| 国产视频内射| 免费播放大片免费观看视频在线观看| 亚洲少妇的诱惑av| 超色免费av| 在现免费观看毛片| 亚洲精品第二区| 国产精品久久久久久久久免| 亚洲欧美成人综合另类久久久| 三级国产精品片| 国产精品偷伦视频观看了| av在线播放精品| 考比视频在线观看| 久久久久人妻精品一区果冻| 日本91视频免费播放| 大片电影免费在线观看免费| 在线观看www视频免费| 午夜福利网站1000一区二区三区| 国产视频首页在线观看| 伦精品一区二区三区| 亚洲精品国产色婷婷电影| 欧美亚洲日本最大视频资源| 搡女人真爽免费视频火全软件| 欧美亚洲日本最大视频资源| 国产成人91sexporn| 精品久久久噜噜| 看非洲黑人一级黄片| 亚洲少妇的诱惑av| 日韩精品有码人妻一区| 香蕉精品网在线| www.色视频.com| 热re99久久精品国产66热6| 久久久久精品久久久久真实原创| av在线老鸭窝| 七月丁香在线播放| 精品一区二区三卡| 精品久久蜜臀av无| 亚洲第一区二区三区不卡| 我要看黄色一级片免费的| 亚洲第一区二区三区不卡| 美女内射精品一级片tv| 制服丝袜香蕉在线| 久久午夜福利片| 99re6热这里在线精品视频| 亚洲,一卡二卡三卡| 丁香六月天网| 一级a做视频免费观看| 国产精品国产av在线观看| 亚洲欧美成人综合另类久久久| 国产在线一区二区三区精| 各种免费的搞黄视频| 国产精品蜜桃在线观看| 一区二区av电影网| 成年人午夜在线观看视频| 国产精品一区二区三区四区免费观看| 97在线视频观看| 亚洲激情五月婷婷啪啪| 丰满少妇做爰视频| 国产精品一区二区三区四区免费观看| 一区二区三区乱码不卡18| 久久久久国产网址| 日韩大片免费观看网站| 大片电影免费在线观看免费| 91久久精品国产一区二区成人| 春色校园在线视频观看| 久久精品国产亚洲av涩爱| 午夜av观看不卡| 我要看黄色一级片免费的| 嘟嘟电影网在线观看| 久久久午夜欧美精品| www.av在线官网国产| 精品久久久久久电影网| 国精品久久久久久国模美| 91精品一卡2卡3卡4卡| 亚洲av成人精品一二三区| 男人爽女人下面视频在线观看| 欧美丝袜亚洲另类| 满18在线观看网站| 制服诱惑二区| 国产av国产精品国产| av国产久精品久网站免费入址| 日韩一区二区三区影片| 欧美日韩综合久久久久久| 国产av国产精品国产| 国产午夜精品一二区理论片| 人人妻人人澡人人看| 欧美丝袜亚洲另类| 亚洲欧美一区二区三区黑人 | 久久人人爽人人片av| 我的老师免费观看完整版| 人人妻人人添人人爽欧美一区卜| 99久久精品一区二区三区| 欧美人与性动交α欧美精品济南到 | 免费久久久久久久精品成人欧美视频 | 夫妻性生交免费视频一级片| 日韩伦理黄色片| 久久青草综合色| 精品少妇黑人巨大在线播放| 一本—道久久a久久精品蜜桃钙片| 在线观看人妻少妇| a级毛片在线看网站| 最近2019中文字幕mv第一页| 免费看不卡的av| 一级片'在线观看视频| 日韩 亚洲 欧美在线| 母亲3免费完整高清在线观看 | 91久久精品国产一区二区成人| 免费少妇av软件| 亚洲综合色惰| 国产日韩欧美视频二区| 久久久午夜欧美精品| 一本大道久久a久久精品| .国产精品久久| 欧美国产精品一级二级三级| 亚洲少妇的诱惑av| 街头女战士在线观看网站| 免费看av在线观看网站| 亚洲成人av在线免费| 卡戴珊不雅视频在线播放| 欧美变态另类bdsm刘玥| 男女国产视频网站| 涩涩av久久男人的天堂| 极品人妻少妇av视频| 水蜜桃什么品种好| 亚洲av欧美aⅴ国产| 在线观看免费高清a一片| 日韩熟女老妇一区二区性免费视频| 午夜久久久在线观看| 日韩欧美一区视频在线观看| 国产精品秋霞免费鲁丝片| 国产在线一区二区三区精| 中文欧美无线码| 91精品国产九色| 亚洲精品自拍成人| 韩国av在线不卡| 三级国产精品欧美在线观看| 成年人午夜在线观看视频| 亚洲人成77777在线视频| 好男人视频免费观看在线| 日韩在线高清观看一区二区三区| 黑人欧美特级aaaaaa片| 亚洲人成网站在线播| √禁漫天堂资源中文www| 一个人看视频在线观看www免费| 日本爱情动作片www.在线观看| 我的老师免费观看完整版| av国产久精品久网站免费入址| 汤姆久久久久久久影院中文字幕| 久久久国产欧美日韩av| 国产成人91sexporn| 尾随美女入室| √禁漫天堂资源中文www| 国产又色又爽无遮挡免| 午夜福利影视在线免费观看| tube8黄色片| 欧美少妇被猛烈插入视频| 日韩在线高清观看一区二区三区| 一区二区三区免费毛片| 最新的欧美精品一区二区| 国产精品蜜桃在线观看| 一区二区av电影网| 久久久久久久久久久丰满| 亚洲中文av在线| 在线观看免费高清a一片| 亚洲精品久久成人aⅴ小说 | 亚洲色图 男人天堂 中文字幕 | 国产极品天堂在线| 青青草视频在线视频观看| 性高湖久久久久久久久免费观看| www.色视频.com| 国产精品麻豆人妻色哟哟久久| 五月伊人婷婷丁香| 久久久久久久国产电影| 日韩人妻高清精品专区| 日韩一区二区三区影片| 日本黄大片高清| 最近2019中文字幕mv第一页| 性高湖久久久久久久久免费观看| 欧美少妇被猛烈插入视频| 国产毛片在线视频| 久久久久人妻精品一区果冻| 国产毛片在线视频| 欧美另类一区| 尾随美女入室| 男女国产视频网站| 国产在线视频一区二区| 一级二级三级毛片免费看| 十八禁网站网址无遮挡| 久久午夜综合久久蜜桃| 免费看光身美女| 丰满迷人的少妇在线观看| 看免费成人av毛片| 国产成人av激情在线播放 | 色网站视频免费| 久久久久精品性色| 天堂中文最新版在线下载| 亚洲欧美日韩另类电影网站| 成人毛片60女人毛片免费| 一边摸一边做爽爽视频免费| 2022亚洲国产成人精品| 99热全是精品| 最新中文字幕久久久久| 亚洲第一av免费看| 男女高潮啪啪啪动态图| 午夜影院在线不卡| 中国国产av一级| 秋霞伦理黄片| 中文字幕精品免费在线观看视频 |