• <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 ?

    缺失數(shù)據(jù)條件下基于GAN與LSTM的水文預報研究

    2021-06-16 10:27:42盧文龍
    人民黃河 2021年6期
    關(guān)鍵詞:水文預測模型

    秦 鵬,陳 雨,盧文龍

    (1.四川大學 電子信息學院,四川 成都610065;2.成都萬江港利科技股份有限公司,四川 成都610041)

    水文預報[1]旨在根據(jù)某一區(qū)域或某一水文站的歷史水文氣象數(shù)據(jù)對河流水文情勢進行定性或定量預測,是防洪調(diào)度決策、生態(tài)環(huán)境保護、水資源綜合開發(fā)利用等的重要依據(jù)。水文預報方法可分為傳統(tǒng)方法和新方法兩大類。傳統(tǒng)的中長期預報方法主要是根據(jù)河川徑流的變化具有連續(xù)性、周期性、地區(qū)性和隨機性等特點來開展研究,主要有成因分析和水文統(tǒng)計方法[2]。ARIMA模型[3]的基本思想是通過差分消除序列中的趨勢項,將非平穩(wěn)序列轉(zhuǎn)化為平穩(wěn)序列,逐漸應(yīng)用于水文預報[4-5];李亞偉等[6]提出的SVR模型建立在VC維概念和結(jié)構(gòu)風險最小化原理基礎(chǔ)上,根據(jù)有限的樣本信息在模型的學習精度和學習能力之間尋求最佳組合,也成功應(yīng)用于水文預報。近年來,隨著計算機技術(shù)的發(fā)展和新的數(shù)學方法的不斷涌現(xiàn),針對復雜的水文水資源時間序列問題,具有極強的自適應(yīng)學習能力和非線性映射能力的深度神經(jīng)網(wǎng)絡(luò)方法應(yīng)運而生,如人工神經(jīng)網(wǎng)絡(luò)(ANN)、遞歸神經(jīng)網(wǎng)絡(luò)(RNN)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)以及長短時記憶網(wǎng)絡(luò)(LSTM)。

    水文數(shù)據(jù)是對大自然發(fā)生的水文情況實時、連續(xù)、長期觀察記錄的結(jié)果,具有序列性、實時性、海量性等特點。數(shù)據(jù)缺失在水文學研究中是一個常見的問題,其產(chǎn)生的原因多種多樣,包括測量儀器的損壞、環(huán)境的干擾以及人工記錄中的誤差等[7]。數(shù)據(jù)缺失通常會降低水文模型統(tǒng)計分析的準確性[8],甚至會造成對兩個或多個變量之間的時序關(guān)系進行有偏的估計[9]。這兩種問題(準確性驟降和估計偏差)都可能導致在分析存在數(shù)據(jù)缺失的數(shù)據(jù)集時受到極大的干擾,從而得出不正確的結(jié)論[10]。因此,水文數(shù)據(jù)的質(zhì)量和完整性對于水文預報模型至關(guān)重要。

    水文數(shù)據(jù)是典型的時間序列數(shù)據(jù),為了解決時間序列預測模型因數(shù)據(jù)缺失而導致的精度、性能等問題,有關(guān)學者已經(jīng)提出了多種方法。最早的解決方案是直接省略缺失數(shù)據(jù),僅采用觀測到的數(shù)據(jù)。但是當數(shù)據(jù)缺失較嚴重時,模型的性能將非常差。張升堂等[11]提出一種線性插值模型,該模型采用缺失數(shù)據(jù)站點鄰近的3個位置生成一個時空插值平面進行線性插值。謝景新[12]提出由一系列已知觀測點形成一條光滑曲線,通過求解三彎矩陣方程得出曲線函數(shù)組繼而對缺失站點進行插值的三次樣條插值法,但是無論是線性插值還是樣條插值都僅僅是對缺失數(shù)據(jù)的一次平滑和近似擬合,無法挖掘到缺失數(shù)據(jù)的隱藏信息。王方超等[13]提出了一種調(diào)整最大似然法,不引入外部信息,根據(jù)數(shù)據(jù)自身的特性進行插值,是一種數(shù)據(jù)驅(qū)動估算法。此外還有基于回歸的估算、基于主成分分析的數(shù)據(jù)估算等方法作為改進的插補方法被提出來,這些方法雖然改善了插值精度,提高了統(tǒng)計分析的準確性,但是仍然無法解決估計偏差的問題。水文數(shù)據(jù)是時間序列數(shù)據(jù),其各個特征在時間序列上呈高度相關(guān)性,缺失值的估算應(yīng)考慮水文數(shù)據(jù)的時間序列性質(zhì)。

    近年來,循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)中的長短時記憶網(wǎng)絡(luò)(LSTM)和門控循環(huán)單元網(wǎng)絡(luò)(GRU)在關(guān)于時間序列數(shù)據(jù)的應(yīng)用上具有優(yōu)秀的表現(xiàn),例如機器翻譯和文本識別。RNN可以通過反饋連接的時間延遲單元捕獲輸入序列的動態(tài)時間關(guān)系,學習水文系統(tǒng)的順序或時變模式,展示了強大的預測性能。生成對抗網(wǎng)絡(luò)(GAN)模型具有學習原始數(shù)據(jù)分布生成數(shù)據(jù)的特點,Goodfellow等[14]、王萬良等[15]從理論上證明了當GAN模型達到收斂狀態(tài)時,生成數(shù)據(jù)具有和真實數(shù)據(jù)相同的分布。筆者在存在缺失的水文數(shù)據(jù)集中引入GAN模型,把GRU作為生成器,把CNN作為判別器,通過對抗學習,為數(shù)據(jù)集中的缺失部分填充與真實數(shù)據(jù)分布一致的生成數(shù)據(jù)。該生成數(shù)據(jù)與真實數(shù)據(jù)分布趨于一致,而且可以表征缺失數(shù)據(jù)的時序特性,是高質(zhì)量的填充數(shù)據(jù)。因此,GAN模型為上述問題提供了更好的解決方案。與此同時,將GAN模型與長短時記憶網(wǎng)絡(luò)(LSTM)結(jié)合,提出了一種新的耦合模型GAN-LSTM(簡稱為GANL)。該模型由GAN和LSTM兩個子模型耦合組成,首先通過GAN模型對數(shù)據(jù)缺失部分進行填充,整合出高質(zhì)量的數(shù)據(jù),解決目前水文預報中常見的數(shù)據(jù)缺失問題;然后通過GAN模型整合出的數(shù)據(jù)來訓練LSTM模型,進行預測處理。該模型不僅有效改善了缺失數(shù)據(jù)的問題,而且可以捕獲水文時間序列觀測值的長期相關(guān)性,利用缺失信息來改善預測性能,從而有效地實現(xiàn)數(shù)據(jù)缺失條件下的水文預報。

    1 生成對抗網(wǎng)絡(luò)介紹

    受博弈論中的二人零和博弈(two-player game)啟發(fā),Goodfellow開創(chuàng)性地提出了GAN模型。在二人零和博弈中,博弈雙方的利益之和為零或一個常數(shù),即一方有所得,另一方必有所失。GAN模型中的博弈雙方分別由生成模型G(generative model)和判別模型D(discriminative model)組成,將隨機變量作為生成模型的輸入,經(jīng)過其非線性映射,輸出對應(yīng)的信號作為判別模型的輸入,由判別模型來判斷該信號來自于真實數(shù)據(jù)的概率。在訓練過程中,生成器努力地欺騙判別器,而判別器努力地學習如何正確區(qū)分真假樣本,這樣,兩者就形成了對抗的關(guān)系,最終目標就是讓生成器生成足以以假亂真的偽樣本。GAN模型在計算機視覺領(lǐng)域已得到成功運用,如圖像修復、語義分割和視頻預測[16-18]。

    2 模型設(shè)計

    GANL模型(如圖1所示)主要完成兩方面的任務(wù):一是學習數(shù)據(jù)分布、捕獲缺失信息,生成缺失數(shù)據(jù)以整合出高質(zhì)量的數(shù)據(jù);二是將整合出的數(shù)據(jù)作為訓練數(shù)據(jù),訓練預測模型、進行有效的水文預報。圖1左半部分描述的是GAN模型,由生成器GRU和判別器CNN組成。將觀測數(shù)據(jù)、缺失標志組成的聯(lián)合向量作為生成器的輸入,在經(jīng)過GRU訓練后形成一種新的特征表示,然后將新特征傳入判別器CNN中,由判別器CNN來鑒別傳過來的新特征分布是否與真實歷史數(shù)據(jù)的分布趨于一致,如果一致則可以作為最終生成數(shù)據(jù)對缺失數(shù)據(jù)進行填充,繼而作為圖1右側(cè)預測模型的訓練數(shù)據(jù),如果不一致則重新傳回GRU層進行重復對抗訓練。圖1右側(cè)描述的是LSTM模型,此部分模型輸入的是由GAN模型傳來的整合填充過的多變量時序數(shù)據(jù)(流量、降雨量、蒸發(fā)量等),輸出是預測值(水位等)。

    圖1 GANL模型

    2.1 GAN子模型

    GAN模型包含生成模型和判別模型兩個模塊。生成模型接收隨機信號作為輸入,經(jīng)過某種映射后又將輸出信號作為判別模型的輸入,由判別模型來判斷該信號來自真實數(shù)據(jù)的概率。因此,兩個模塊的目標是完全相反的,生成模型的目標是最小化對數(shù)似然函數(shù),使得輸出信號與真實數(shù)據(jù)的分布趨于一致,而判別模型的目標則是用最大化對數(shù)似然函數(shù)判斷輸入信號是否來源于真實數(shù)據(jù)。利用GAN模型可以學習數(shù)據(jù)分布生成數(shù)據(jù)的特點,將觀測數(shù)據(jù)和缺失標志組成的聯(lián)合數(shù)據(jù)作為生成模型的輸入,經(jīng)過非線性映射將聯(lián)合數(shù)據(jù)的特征分布傳遞給判別模型,然后由判別模型來判斷生成的特征分布和真實數(shù)據(jù)的特征分布的異同,反復對抗訓練直到判別器無法判斷兩者的區(qū)別,此時判別模型的輸出結(jié)果就是要填充的缺失數(shù)據(jù)。CNN上面的max_pooling層對CNN的輸出特征進行降采樣池化操作,softmax層判斷新特征分布是否與原數(shù)據(jù)分布一致,fully_connected層對特征空間維度進行轉(zhuǎn)換以方便后續(xù)的預測。

    2.1.1 GRU生成模型

    用長度為T的D維向量表示一個多元時間序列水文數(shù)據(jù),記為X=(x1,x2,…,x T),其中每一個時刻的x都有D個變量表示t時刻變量d的觀測值。引入一個D維的缺失標志向量m t∈{0,1}D來表示t時刻的觀測變量是否缺失。

    GRU結(jié)構(gòu)如圖2所示,對于每個時刻的隱藏單元,GRU都有一個復位門r t和更新門z t來控制隱藏特征h t,更新方式如下:

    式中:W z,W r,W,U z,Ur,U和bz,b r,b均為可以學習的參數(shù),表示連接各個門的權(quán)重;σ()為Sigmoid函數(shù);?為element-wise乘法(矩陣的對位元素依次相乘)。

    圖2 GRU結(jié)構(gòu)

    2.1.2 CNN判別模型

    將卷積神經(jīng)網(wǎng)絡(luò)CNN作為判別模型,將GRU的輸出結(jié)果h t轉(zhuǎn)化為新的特征表示

    式中:h t為GRU提取的特征為判別模型CNN生成的特征;Wc為CNN的模型參數(shù)。

    接下來采用池化層提取重要特征,然后將提取出的特征輸入到softmax層,根據(jù)映射的概率值來判斷是否和原始數(shù)據(jù)分布一致。如果一致則可以作為整合數(shù)據(jù)通過全連接層輸入到圖1右邊的預測模型中。

    2.1.3 GAN模型目標函數(shù)

    GAN模型的學習過程是生成模型和判別模型反復對抗訓練的過程,兩個模型的目標截然相反,本質(zhì)上一個是最小化、另一個是最大化問題,這個最小最大優(yōu)化目標表示如下:

    式中:D表示判別器;G表示生成器;D(x)為判別器的輸出;G(z)為生成器的輸出;Pdata為輸入數(shù)據(jù)的分布;Pz為生成數(shù)據(jù)的分布;V為Pdata和Pz兩個分布的jensen-shannon差異。

    實際訓練中,GAN模型收斂的過程是非常緩慢的。在GAN模型訓練過程中,默認判別模型的判別能力比生成模型的數(shù)據(jù)生成能力強,這樣判別模型才能指導生成模型朝好的方向?qū)W習,因此通常的做法是先更新判別模型的參數(shù)多次,再更新生成模型的參數(shù)一次。本文借鑒文獻[19]的做法,分別為判別模型和生成模型設(shè)置不同的學習率,以加快判別模型的收斂速度。

    2.2 LSTM子模型

    水文數(shù)據(jù)是典型的時間序列數(shù)據(jù),數(shù)據(jù)間有較強的關(guān)聯(lián)性。LSTM是一種循環(huán)神經(jīng)網(wǎng)絡(luò),通過內(nèi)部特有的門控狀態(tài)來記憶長遠的歷史數(shù)據(jù)并且捕捉隨時間變化的特征信息,因此選擇LSTM作為預測模型,接收GAN模型整合出的數(shù)據(jù)進行預測,其計算過程為

    式中:h t為隱藏傳遞狀態(tài);z為當前輸入和上一個傳遞狀態(tài)h t-1的向量乘積;z f,z i,z o為內(nèi)部的門控信號;ct為當前時間步的內(nèi)部細胞狀態(tài);y t為當前時間步的輸出;W為連接各個門的權(quán)重。

    3 試驗設(shè)計及結(jié)果分析

    設(shè)計對比試驗,以研究不同模型在數(shù)據(jù)缺失條件下的預測性能。以清溪水文站的實測水文數(shù)據(jù)集為例,展示了模型的性能,并與目前幾種經(jīng)典的水文預報方法進行比較。

    3.1 數(shù)據(jù)集

    采用清溪河清溪水文站從2003年1月1日到2005年9月26日共計1 000 d的觀測數(shù)據(jù)作為試驗數(shù)據(jù)。由于設(shè)備損毀、人為失誤等因素造成了部分數(shù)據(jù)缺失,因此1 000 d里實際觀測記錄數(shù)據(jù)的只有882 d,缺失了118 d的數(shù)據(jù)。

    水文站的監(jiān)測信息紛繁眾多,包括水位、流量、流速、含沙量、降雨量、蒸發(fā)量、流向、水質(zhì)等。眾多相關(guān)性不強的外部特征會影響模型收斂速度,為了解決預測模型收斂速度慢的問題,用極端梯度提升法[20]提取最為重要的3個特征并將其作為輸入指標。也就是說,每一刻的輸入數(shù)據(jù)由3個變量(流量、降雨量、蒸發(fā)量)組成,然后定義水位為預測輸出值。

    試驗中的實測數(shù)據(jù)集缺失部分主要是輸入變量,但難免有輸入數(shù)據(jù)和輸出數(shù)據(jù)均缺失的情況發(fā)生。本文所提出的模型是一個插補和預測相結(jié)合的耦合模型,其中GAN模型屬于插補模型,填充的是輸入數(shù)據(jù)如降雨量、蒸發(fā)量、流量。對于輸入數(shù)據(jù)和輸出數(shù)據(jù)同時缺失的情況,仍然利用GAN模型填充輸入數(shù)據(jù)并在相應(yīng)的輸出數(shù)據(jù)處做一個標記位,最后利用K近鄰算法對標記位上的數(shù)據(jù)進行填充,最大限度地降低這種極端惡劣的數(shù)據(jù)缺失情況對預測模型的影響。由于本實例應(yīng)用中數(shù)據(jù)量相對較少且時間序列預測法適宜于短期預測,因此將對比試驗設(shè)置成預見期為3 d的短期水文預報。短期水文預報中水文數(shù)據(jù)的時序性和完整性非常重要,所以各種情況下的缺失數(shù)據(jù)都應(yīng)填充后作為模型的訓練要素輸入模型。

    3.2 基準模型

    對比試驗中采用K近鄰算法作為填充數(shù)據(jù)的基準方法,即把缺失數(shù)據(jù)鄰近點的加權(quán)平均值作為估算的填充數(shù)據(jù)。同時在采用K近鄰算法填充數(shù)據(jù)后的預測模型中使用水文預報中經(jīng)典的SVR模型和ARIMA模型的組合模型作為GANL模型的試驗對比模型,試驗環(huán)境和參數(shù)設(shè)置如下。

    SVR模型中的內(nèi)核函數(shù)用于更改輸入空間的維數(shù),從而產(chǎn)生更為可靠的回歸,對模型預測性能的改善起著至關(guān)重要的作用。核函數(shù)有多種,如線性、多項式、徑向基函數(shù)、多層感知等,本文選用徑向基核函數(shù)RBF。同時選用兩步網(wǎng)格搜索方法對SVR參數(shù)進行了優(yōu)化,與傳統(tǒng)方法(例如反復試驗)相比,可以更有效、更系統(tǒng)地校準參數(shù)。本文所采用的SVR模型是利用Chang和Lin開發(fā)的LIBSVM工具箱建立的。

    為了使ARIMA模型適用于水文時間序列數(shù)據(jù)并進行有效預測,采用模型識別、參數(shù)估計和診斷檢查3個步驟來建立最優(yōu)模型。在識別階段,將經(jīng)驗自相關(guān)模式與理論模式進行匹配,使用自相關(guān)函數(shù)(ACF)和部分自相關(guān)函數(shù)(PACF)來確定最佳擬合模型參數(shù)(p,d,q),其中:p表示模型中滯后觀測值的數(shù)量,d表示原始觀測值相差的次數(shù),q表示移動平均窗口的大小。通過觀察序列的自相關(guān)函數(shù)和偏相關(guān)函數(shù)圖,初步確定模型參數(shù):p=0~5,d=0~2,q=0~2。一旦確定了暫定模型,就可以直接估算模型參數(shù),使誤差最小化。參數(shù)估計可以使用非線性優(yōu)化程序來完成。模型構(gòu)建的最后一步是對模型進行適當?shù)脑\斷檢查。如果模型不夠好,則應(yīng)確定一個新的暫定模型,然后再次進行參數(shù)估計和模型驗證。通過多輪對比試驗,本文選擇了參數(shù)為(5,1,0)的ARIMA模型。

    3.3 評價指標

    由于填充數(shù)據(jù)的質(zhì)量高低不能直觀展示,因此各模型性能均通過整合后數(shù)據(jù)的最終預測結(jié)果表現(xiàn)來體現(xiàn)。為了從多角度衡量模型的預測效果,本文采用平均絕對誤差(MAE)、平均絕對百分比誤差(MAPE)、均方根誤差(RMSE)作為預測準確性的度量指標,公式如下:

    式中:Yi為實測值為預測值。

    3.4 試驗結(jié)果分析

    為了驗證本文所提出的模型在缺失數(shù)據(jù)條件下的預測性能,分別與采用了K近鄰算法填充數(shù)據(jù)后的SVR模型和ARIMA模型進行了預見期為3 d的水文預報對比試驗。試驗將填充整合后前800 d數(shù)據(jù)作為訓練集,后200 d數(shù)據(jù)作為測試集,結(jié)果如圖3所示。

    圖3 填充數(shù)據(jù)后各模型預測結(jié)果比較

    與此同時,設(shè)置完全相同的試驗環(huán)境和參數(shù)直接對原始實測數(shù)據(jù)在各模型下進行水文預報對比試驗,結(jié)果如圖4所示。

    圖4 實測數(shù)據(jù)下各模型預測結(jié)果比較

    對比圖3、圖4發(fā)現(xiàn),填充后的數(shù)據(jù)擬合結(jié)果顯著優(yōu)于有缺失的實測數(shù)據(jù)擬合結(jié)果。

    圖3 中各個模型預測值在訓練集和測試集中的平均絕對誤差(MAE)、平均絕對百分比誤差(MAPE)和均方根誤差(RMSE)分別見表1和表2。

    表1 訓練集模型性能對比

    表2 測試集模型性能對比

    從表1、表2可以直觀地看出,本文所提出的模型在缺失數(shù)據(jù)條件下的預測性能強于另外兩個模型。圖3展示了各個模型的預測結(jié)果和實測值的擬合情況,其中SVR模型的預測效果最糟糕,這是因為SVR模型在數(shù)據(jù)缺失條件下的魯棒性很差,無法挖掘缺失數(shù)據(jù)的隱藏信息甚至可能在填充數(shù)據(jù)后引入了缺失值和預測值間本來不存在的關(guān)系,導致模型性能急劇下降;ARIMA模型預測擬合結(jié)果整體較好,魯棒性強于SVR模型,但是仔細觀察可以發(fā)現(xiàn)模型在部分峰值處預測效果較差,這是因為ARIMA模型對缺失數(shù)據(jù)采用K近鄰算法進行填充,是一種簡單的線性平滑處理,如果碰到本身就是峰值數(shù)據(jù)且出現(xiàn)缺失這種情況的話,就無法有效利用鄰近數(shù)據(jù)挖掘缺失信息,存在估計偏差的問題,預測性能就會受到影響;GANL模型的預測結(jié)果最好,這是因為它可以在對抗中學習數(shù)據(jù)分布并生成高質(zhì)量的填充數(shù)據(jù),不再受到數(shù)據(jù)缺失的限制,最大限度減弱填充數(shù)據(jù)時多變量間估計偏差的影響。

    4 結(jié) 論

    通過生成對抗網(wǎng)絡(luò)在存在缺失的數(shù)據(jù)集上挖掘數(shù)據(jù)缺失信息、填充高質(zhì)量的數(shù)據(jù),可以緩解當前水文預報中常見的數(shù)據(jù)缺失問題。將插補模型GAN和預測模型LSTM進行深度結(jié)合,提出的GANL模型,能夠在數(shù)據(jù)缺失條件下實現(xiàn)可靠有效的預測。以清溪河清溪水文站的實測水文數(shù)據(jù)為例,對GANL模型進行了試驗評估,結(jié)果表明,在數(shù)據(jù)缺失條件下其性能顯著優(yōu)于其他模型。

    猜你喜歡
    水文預測模型
    一半模型
    2022年《中國水文年報》發(fā)布
    無可預測
    黃河之聲(2022年10期)2022-09-27 13:59:46
    選修2-2期中考試預測卷(A卷)
    選修2-2期中考試預測卷(B卷)
    重要模型『一線三等角』
    水文
    水文水資源管理
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    水文
    两个人视频免费观看高清| 中文资源天堂在线| 特大巨黑吊av在线直播| 97超级碰碰碰精品色视频在线观看| bbb黄色大片| 久久久精品国产亚洲av高清涩受| 亚洲人成伊人成综合网2020| 久9热在线精品视频| x7x7x7水蜜桃| 精品日产1卡2卡| 丰满人妻熟妇乱又伦精品不卡| 法律面前人人平等表现在哪些方面| 午夜精品一区二区三区免费看| 欧美久久黑人一区二区| 国产又黄又爽又无遮挡在线| 淫妇啪啪啪对白视频| 中文资源天堂在线| 亚洲一区中文字幕在线| 国产午夜福利久久久久久| 日韩成人在线观看一区二区三区| 日韩精品免费视频一区二区三区| 19禁男女啪啪无遮挡网站| 在线观看美女被高潮喷水网站 | 老司机午夜十八禁免费视频| 久久这里只有精品19| 国产成人精品久久二区二区91| 免费看十八禁软件| 很黄的视频免费| 日本三级黄在线观看| 黑人欧美特级aaaaaa片| 一区二区三区国产精品乱码| 激情在线观看视频在线高清| 少妇粗大呻吟视频| 亚洲乱码一区二区免费版| 国产又色又爽无遮挡免费看| 久久精品国产亚洲av香蕉五月| 老汉色av国产亚洲站长工具| 日日干狠狠操夜夜爽| 久久性视频一级片| 午夜精品久久久久久毛片777| xxxwww97欧美| 久久午夜综合久久蜜桃| 一级毛片高清免费大全| 欧美不卡视频在线免费观看 | 欧美成狂野欧美在线观看| 午夜精品久久久久久毛片777| 久久久久久久久中文| 午夜日韩欧美国产| 在线十欧美十亚洲十日本专区| 国产乱人伦免费视频| 亚洲成人久久性| 亚洲国产看品久久| 国产精品,欧美在线| 国产一区二区三区在线臀色熟女| 99久久无色码亚洲精品果冻| 日韩有码中文字幕| 国产区一区二久久| 欧美极品一区二区三区四区| 成人一区二区视频在线观看| 国产成+人综合+亚洲专区| 色综合婷婷激情| 亚洲一区中文字幕在线| 男人舔女人的私密视频| 久久精品夜夜夜夜夜久久蜜豆 | 久久精品91无色码中文字幕| 麻豆成人午夜福利视频| 老司机午夜十八禁免费视频| 亚洲人成网站高清观看| 日韩国内少妇激情av| xxx96com| netflix在线观看网站| 动漫黄色视频在线观看| 2021天堂中文幕一二区在线观| 18禁国产床啪视频网站| 欧美性猛交╳xxx乱大交人| 18禁裸乳无遮挡免费网站照片| 久久久久性生活片| 黄色丝袜av网址大全| 成人一区二区视频在线观看| 日韩欧美在线乱码| 手机成人av网站| 一进一出抽搐gif免费好疼| 少妇人妻一区二区三区视频| 99热只有精品国产| 久久人妻福利社区极品人妻图片| 日本 欧美在线| 最近在线观看免费完整版| 中出人妻视频一区二区| 精品久久久久久久久久免费视频| 亚洲午夜理论影院| 亚洲中文字幕日韩| 男女午夜视频在线观看| 国产精品久久久久久精品电影| a级毛片a级免费在线| 男插女下体视频免费在线播放| 亚洲欧美激情综合另类| 天堂影院成人在线观看| 成人高潮视频无遮挡免费网站| 国产激情偷乱视频一区二区| av免费在线观看网站| 亚洲精品在线美女| 亚洲片人在线观看| 亚洲av电影在线进入| 午夜精品在线福利| 国产片内射在线| 国产亚洲精品综合一区在线观看 | 国产亚洲精品久久久久5区| 久久性视频一级片| 人妻久久中文字幕网| 午夜日韩欧美国产| 在线观看66精品国产| 亚洲国产精品sss在线观看| 亚洲18禁久久av| 少妇裸体淫交视频免费看高清 | 亚洲欧美日韩高清在线视频| 欧美日韩瑟瑟在线播放| 女人高潮潮喷娇喘18禁视频| 亚洲国产欧洲综合997久久,| 免费搜索国产男女视频| 国产成人aa在线观看| 级片在线观看| 日本熟妇午夜| 成人特级黄色片久久久久久久| 97碰自拍视频| 久久精品夜夜夜夜夜久久蜜豆 | 琪琪午夜伦伦电影理论片6080| av视频在线观看入口| 男插女下体视频免费在线播放| 午夜福利在线观看吧| 成年人黄色毛片网站| 操出白浆在线播放| 久久午夜综合久久蜜桃| 国产精品一区二区三区四区免费观看 | 三级毛片av免费| 天堂影院成人在线观看| 欧美日韩瑟瑟在线播放| 欧美+亚洲+日韩+国产| 精品乱码久久久久久99久播| 亚洲七黄色美女视频| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲avbb在线观看| 天堂av国产一区二区熟女人妻 | 欧美黑人精品巨大| 淫秽高清视频在线观看| 国产欧美日韩一区二区精品| 国产高清videossex| 国产精品99久久99久久久不卡| 日韩欧美国产一区二区入口| www.999成人在线观看| 一个人观看的视频www高清免费观看 | 欧美中文综合在线视频| 少妇熟女aⅴ在线视频| 午夜免费成人在线视频| 久久久久久国产a免费观看| 男人的好看免费观看在线视频 | 午夜福利在线在线| 免费高清视频大片| a级毛片在线看网站| 亚洲国产中文字幕在线视频| 国产精品国产高清国产av| 国产成人系列免费观看| 99国产综合亚洲精品| 一级作爱视频免费观看| 国产人伦9x9x在线观看| 欧美日韩瑟瑟在线播放| 无遮挡黄片免费观看| 19禁男女啪啪无遮挡网站| 别揉我奶头~嗯~啊~动态视频| 国产高清videossex| 久久久久国产精品人妻aⅴ院| 久久久国产欧美日韩av| 中文字幕熟女人妻在线| 男插女下体视频免费在线播放| 国产精品 欧美亚洲| 亚洲专区字幕在线| 人人妻人人澡欧美一区二区| 成在线人永久免费视频| 精品欧美国产一区二区三| 久久性视频一级片| 欧美中文日本在线观看视频| 久久精品亚洲精品国产色婷小说| 国产爱豆传媒在线观看 | 亚洲天堂国产精品一区在线| 久热爱精品视频在线9| 巨乳人妻的诱惑在线观看| 亚洲av电影在线进入| 亚洲色图 男人天堂 中文字幕| 日韩欧美国产在线观看| 国产精品国产高清国产av| 欧美在线黄色| 黄频高清免费视频| 狂野欧美白嫩少妇大欣赏| 99精品在免费线老司机午夜| 亚洲精品在线美女| 亚洲av美国av| 后天国语完整版免费观看| 精品一区二区三区av网在线观看| 久久精品国产综合久久久| 亚洲精品色激情综合| 欧美一区二区国产精品久久精品 | 免费搜索国产男女视频| 人妻久久中文字幕网| 熟妇人妻久久中文字幕3abv| 日本免费一区二区三区高清不卡| 麻豆国产97在线/欧美 | 亚洲中文日韩欧美视频| 好男人电影高清在线观看| 欧美日韩中文字幕国产精品一区二区三区| 一个人免费在线观看电影 | 国产成年人精品一区二区| 国产成人影院久久av| www.熟女人妻精品国产| 国产精品1区2区在线观看.| 日本 av在线| 母亲3免费完整高清在线观看| 午夜久久久久精精品| 亚洲精品中文字幕在线视频| 国产亚洲欧美在线一区二区| 免费在线观看成人毛片| 国产熟女xx| 女人高潮潮喷娇喘18禁视频| 在线观看美女被高潮喷水网站 | 国产成人啪精品午夜网站| 国语自产精品视频在线第100页| 国产精品香港三级国产av潘金莲| а√天堂www在线а√下载| 可以免费在线观看a视频的电影网站| 久久久久国产精品人妻aⅴ院| 18禁黄网站禁片免费观看直播| 欧美成人性av电影在线观看| 日韩欧美在线二视频| 亚洲电影在线观看av| 日韩三级视频一区二区三区| 三级毛片av免费| 好看av亚洲va欧美ⅴa在| 日韩成人在线观看一区二区三区| 亚洲七黄色美女视频| 欧美日韩瑟瑟在线播放| 少妇人妻一区二区三区视频| 51午夜福利影视在线观看| 国产激情久久老熟女| av福利片在线观看| 亚洲激情在线av| 亚洲欧美日韩高清专用| 一级毛片高清免费大全| 啦啦啦免费观看视频1| 母亲3免费完整高清在线观看| 中文字幕最新亚洲高清| 一边摸一边做爽爽视频免费| 亚洲精品美女久久av网站| 非洲黑人性xxxx精品又粗又长| 精品久久久久久久人妻蜜臀av| 村上凉子中文字幕在线| 黄频高清免费视频| 国产精品 欧美亚洲| 久久精品91蜜桃| 国产三级黄色录像| 两人在一起打扑克的视频| 久久精品亚洲精品国产色婷小说| 国产不卡一卡二| 久久九九热精品免费| 在线国产一区二区在线| 日韩欧美精品v在线| 久久精品91无色码中文字幕| 日本一本二区三区精品| 18禁观看日本| 亚洲性夜色夜夜综合| 欧美一区二区国产精品久久精品 | svipshipincom国产片| 麻豆成人av在线观看| 欧美av亚洲av综合av国产av| 亚洲精华国产精华精| 人妻丰满熟妇av一区二区三区| 久久久久久九九精品二区国产 | cao死你这个sao货| 可以免费在线观看a视频的电影网站| 韩国av一区二区三区四区| 国产久久久一区二区三区| 在线观看免费视频日本深夜| 久久精品aⅴ一区二区三区四区| 国产成人aa在线观看| 又黄又爽又免费观看的视频| 免费高清视频大片| 久久久久久亚洲精品国产蜜桃av| 午夜精品在线福利| 亚洲精品av麻豆狂野| 精品久久久久久,| 一区二区三区激情视频| 久久婷婷人人爽人人干人人爱| 在线观看午夜福利视频| 亚洲av片天天在线观看| 精华霜和精华液先用哪个| www.www免费av| 成人欧美大片| 午夜福利在线在线| 亚洲五月天丁香| 一级毛片精品| 啦啦啦免费观看视频1| 真人一进一出gif抽搐免费| 亚洲av成人一区二区三| 国产精品香港三级国产av潘金莲| 国产熟女午夜一区二区三区| 天堂av国产一区二区熟女人妻 | 亚洲,欧美精品.| 成年人黄色毛片网站| 精品久久久久久久人妻蜜臀av| 男人舔女人的私密视频| 少妇裸体淫交视频免费看高清 | 国产精品98久久久久久宅男小说| 黄色女人牲交| 99精品久久久久人妻精品| 国产亚洲精品av在线| 日韩 欧美 亚洲 中文字幕| 男人的好看免费观看在线视频 | 嫩草影院精品99| 欧美日韩亚洲国产一区二区在线观看| 亚洲精品在线美女| 免费观看人在逋| 50天的宝宝边吃奶边哭怎么回事| 国产亚洲精品第一综合不卡| 亚洲精品久久国产高清桃花| 看黄色毛片网站| 免费av毛片视频| aaaaa片日本免费| 一级黄色大片毛片| 欧美性猛交黑人性爽| 特大巨黑吊av在线直播| 国产一区二区三区视频了| 免费观看人在逋| 91老司机精品| 一级a爱片免费观看的视频| 亚洲精品中文字幕一二三四区| 国产aⅴ精品一区二区三区波| 妹子高潮喷水视频| 九九热线精品视视频播放| 一卡2卡三卡四卡精品乱码亚洲| 午夜两性在线视频| 19禁男女啪啪无遮挡网站| 狂野欧美激情性xxxx| 黄色 视频免费看| 国产成人精品无人区| 国产99久久九九免费精品| 国产精品久久久av美女十八| 制服诱惑二区| 亚洲va日本ⅴa欧美va伊人久久| 十八禁网站免费在线| 中出人妻视频一区二区| 全区人妻精品视频| 我要搜黄色片| 中文字幕最新亚洲高清| 男女午夜视频在线观看| 亚洲五月婷婷丁香| 两人在一起打扑克的视频| 精品久久久久久久久久免费视频| 此物有八面人人有两片| 欧美成人一区二区免费高清观看 | 99久久99久久久精品蜜桃| av在线播放免费不卡| 国产av又大| 亚洲最大成人中文| 亚洲国产欧洲综合997久久,| 女人被狂操c到高潮| 一区二区三区激情视频| 久久中文字幕一级| 99国产精品99久久久久| 香蕉av资源在线| 99精品久久久久人妻精品| 少妇熟女aⅴ在线视频| 国产高清视频在线观看网站| 欧美黄色淫秽网站| 精品国产超薄肉色丝袜足j| 制服丝袜大香蕉在线| 免费观看精品视频网站| 亚洲精品一区av在线观看| 一本久久中文字幕| 国产免费男女视频| 亚洲熟妇中文字幕五十中出| 免费看日本二区| 成人av一区二区三区在线看| av视频在线观看入口| 国产成人精品久久二区二区免费| 久久99热这里只有精品18| 很黄的视频免费| 久久香蕉精品热| 69av精品久久久久久| 亚洲午夜理论影院| 久久精品aⅴ一区二区三区四区| 亚洲成人久久爱视频| www日本在线高清视频| 亚洲av日韩精品久久久久久密| 欧美日韩亚洲国产一区二区在线观看| 99国产极品粉嫩在线观看| 国产成人影院久久av| 欧美绝顶高潮抽搐喷水| 99精品欧美一区二区三区四区| 欧美另类亚洲清纯唯美| 日韩欧美国产一区二区入口| 午夜福利在线观看吧| 成人永久免费在线观看视频| 亚洲18禁久久av| 欧美国产日韩亚洲一区| 村上凉子中文字幕在线| 国产熟女午夜一区二区三区| 午夜激情av网站| av在线天堂中文字幕| 看免费av毛片| 国产高清激情床上av| 99riav亚洲国产免费| 夜夜躁狠狠躁天天躁| 亚洲片人在线观看| 97超级碰碰碰精品色视频在线观看| 成人特级黄色片久久久久久久| 岛国在线免费视频观看| 亚洲av成人一区二区三| 亚洲国产欧洲综合997久久,| 亚洲国产精品久久男人天堂| 亚洲乱码一区二区免费版| 国产熟女午夜一区二区三区| 在线a可以看的网站| 欧美在线一区亚洲| 亚洲国产欧美网| 欧美性猛交黑人性爽| 亚洲免费av在线视频| 又黄又粗又硬又大视频| 女生性感内裤真人,穿戴方法视频| 午夜成年电影在线免费观看| 18禁观看日本| 桃红色精品国产亚洲av| 色老头精品视频在线观看| 久久久久久大精品| 人妻丰满熟妇av一区二区三区| 国产蜜桃级精品一区二区三区| 亚洲第一欧美日韩一区二区三区| 一进一出抽搐gif免费好疼| 高清毛片免费观看视频网站| 曰老女人黄片| 精品国产乱码久久久久久男人| 日日爽夜夜爽网站| 在线免费观看的www视频| 欧洲精品卡2卡3卡4卡5卡区| 国产精品久久久av美女十八| 久久这里只有精品19| 国产高清视频在线播放一区| 久久天躁狠狠躁夜夜2o2o| 亚洲va日本ⅴa欧美va伊人久久| 少妇裸体淫交视频免费看高清 | 国产野战对白在线观看| 国产精品美女特级片免费视频播放器 | 可以免费在线观看a视频的电影网站| 一区二区三区高清视频在线| 亚洲五月婷婷丁香| 国产亚洲精品久久久久久毛片| 麻豆av在线久日| 亚洲av五月六月丁香网| 国产伦人伦偷精品视频| 久久精品亚洲精品国产色婷小说| 视频区欧美日本亚洲| 国产探花在线观看一区二区| 香蕉av资源在线| 国产成人啪精品午夜网站| 国产一区在线观看成人免费| 国产区一区二久久| av天堂在线播放| 三级毛片av免费| 国产三级中文精品| 可以在线观看的亚洲视频| 精品国产超薄肉色丝袜足j| a在线观看视频网站| 精品福利观看| 久久亚洲真实| 免费无遮挡裸体视频| 国产成人精品久久二区二区91| 欧美性长视频在线观看| 香蕉丝袜av| 韩国av一区二区三区四区| 亚洲无线在线观看| 成人精品一区二区免费| 亚洲无线在线观看| 可以在线观看毛片的网站| 波多野结衣高清作品| 九色国产91popny在线| 精品国产美女av久久久久小说| 欧洲精品卡2卡3卡4卡5卡区| 国产又色又爽无遮挡免费看| 亚洲欧美精品综合久久99| www日本黄色视频网| 狂野欧美激情性xxxx| 啦啦啦免费观看视频1| 老司机福利观看| 午夜福利欧美成人| 欧美一级毛片孕妇| 久久国产乱子伦精品免费另类| 99久久精品国产亚洲精品| 最好的美女福利视频网| e午夜精品久久久久久久| 午夜影院日韩av| 少妇的丰满在线观看| 日韩欧美国产一区二区入口| 18禁黄网站禁片午夜丰满| www.自偷自拍.com| 精品一区二区三区四区五区乱码| 国产爱豆传媒在线观看 | 亚洲一区二区三区色噜噜| 一本久久中文字幕| 国产午夜福利久久久久久| 麻豆国产av国片精品| 久久婷婷成人综合色麻豆| 午夜精品久久久久久毛片777| 男人舔女人的私密视频| 国产成人aa在线观看| 成人国产一区最新在线观看| 国产成人av教育| 又粗又爽又猛毛片免费看| 国产成人av教育| av中文乱码字幕在线| 国产成人一区二区三区免费视频网站| 91字幕亚洲| xxxwww97欧美| 久久欧美精品欧美久久欧美| av片东京热男人的天堂| 久久精品人妻少妇| 在线看三级毛片| av中文乱码字幕在线| 欧美中文日本在线观看视频| 亚洲成人中文字幕在线播放| 午夜福利成人在线免费观看| 亚洲美女视频黄频| 级片在线观看| 99精品欧美一区二区三区四区| 久久久精品大字幕| 99精品欧美一区二区三区四区| 最新美女视频免费是黄的| 亚洲国产欧洲综合997久久,| 国产人伦9x9x在线观看| www日本黄色视频网| av片东京热男人的天堂| 日韩欧美精品v在线| 一卡2卡三卡四卡精品乱码亚洲| 欧美黑人精品巨大| 日韩欧美国产在线观看| 99精品欧美一区二区三区四区| 啦啦啦韩国在线观看视频| 亚洲精品国产精品久久久不卡| 中文字幕av在线有码专区| 香蕉丝袜av| 亚洲国产精品合色在线| 日本 欧美在线| 一级黄色大片毛片| 亚洲五月婷婷丁香| 黄色 视频免费看| 黄色片一级片一级黄色片| 国产三级在线视频| 夜夜夜夜夜久久久久| 久久欧美精品欧美久久欧美| 夜夜夜夜夜久久久久| 搡老岳熟女国产| 国产成人啪精品午夜网站| 国产私拍福利视频在线观看| 亚洲欧美日韩高清在线视频| 久久久久久久午夜电影| 香蕉久久夜色| 久久久久久久精品吃奶| 一二三四在线观看免费中文在| 男插女下体视频免费在线播放| 成人av一区二区三区在线看| 国产成人一区二区三区免费视频网站| 国产三级中文精品| 女人被狂操c到高潮| 男女下面进入的视频免费午夜| 国产片内射在线| 男人舔女人的私密视频| 在线看三级毛片| 日韩成人在线观看一区二区三区| 成人三级做爰电影| 搡老岳熟女国产| 午夜久久久久精精品| 免费在线观看完整版高清| 成人欧美大片| 久久中文字幕一级| 国产精品国产高清国产av| 禁无遮挡网站| 男人舔奶头视频| 欧美另类亚洲清纯唯美| 欧美黄色片欧美黄色片| 国产成人精品久久二区二区免费| 男女之事视频高清在线观看| 又紧又爽又黄一区二区| 99在线视频只有这里精品首页| av中文乱码字幕在线| 国产成人欧美在线观看| 日韩欧美一区二区三区在线观看| 丰满人妻熟妇乱又伦精品不卡| 五月玫瑰六月丁香| 亚洲午夜理论影院| 久久精品国产亚洲av高清一级| 欧美成人午夜精品| 国产精品美女特级片免费视频播放器 | 搡老熟女国产l中国老女人| 大型av网站在线播放| 全区人妻精品视频| 黄色片一级片一级黄色片| 18禁黄网站禁片免费观看直播| 久久午夜综合久久蜜桃| 亚洲无线在线观看| 757午夜福利合集在线观看| 在线观看免费日韩欧美大片| 久久欧美精品欧美久久欧美| 国产精品久久电影中文字幕| 美女高潮喷水抽搐中文字幕| 欧美高清成人免费视频www| 亚洲黑人精品在线| 99久久久亚洲精品蜜臀av| 可以免费在线观看a视频的电影网站| 久久天堂一区二区三区四区| 精品久久久久久久人妻蜜臀av|