• <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 ?

    基于神經(jīng)網(wǎng)絡(luò)的核反應(yīng)堆堆芯熱功率預(yù)測

    2021-11-19 11:17:04張奧鑫楊韜燃
    計(jì)算機(jī)仿真 2021年10期
    關(guān)鍵詞:燃耗堆芯反應(yīng)堆

    張奧鑫,滕 婧,琚 贇,楊韜燃

    (華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院,北京 102206)

    1 引言

    1.1 核反應(yīng)堆堆芯熱功率預(yù)測

    核電站運(yùn)行期間,反應(yīng)堆堆芯熱功率分布是十分重要的狀態(tài)參數(shù),堆芯熱功率分布正常是保證反應(yīng)堆安全、經(jīng)濟(jì)運(yùn)行的基礎(chǔ)。如果堆芯熱功率高于一定值,反應(yīng)堆將超負(fù)荷運(yùn)行,甚至燒壞,進(jìn)而引發(fā)事故,危及人身安全;反之,如果堆芯熱功率低于一定值,則無法達(dá)到其額定運(yùn)行條件,反應(yīng)堆發(fā)電量將會降低,影響機(jī)組的經(jīng)濟(jì)性。因此,實(shí)時監(jiān)控和預(yù)測反應(yīng)堆堆芯熱功率分布,對提高反應(yīng)堆的安全性、經(jīng)濟(jì)性以及運(yùn)行靈活性都有十分重要的意義。然而,基于核反應(yīng)機(jī)理的物理模型和實(shí)驗(yàn)?zāi)P偷膫鹘y(tǒng)分析方法難以對堆芯功率分布進(jìn)行準(zhǔn)確、全面的預(yù)測。反應(yīng)堆熱功率測量的常用方法是中子通量密度法[1],即通過測量反應(yīng)堆中子通量密度來推測反應(yīng)堆堆芯熱功率的分布。但是,反應(yīng)堆的中子通量密度不僅與堆芯熱功率相關(guān),還和燃料的消耗程度(燃耗)有關(guān),且燃耗變化會引起堆外中子通量密度變化,因此該方法測量結(jié)果存在較大誤差。針對該問題,文獻(xiàn)[1]使用諧波合成法和燃耗分組法,分析了燃耗特性與堆芯熱功率分布的關(guān)系。宋世葭[2]等人提出了熱平衡的方法,利用能量平衡原理計(jì)算反應(yīng)堆堆芯熱功率分布。文獻(xiàn)[3]提出了使用堆芯外探測器監(jiān)測堆內(nèi)功率分布,通過分析堆芯外探測器的探測參數(shù),建立相應(yīng)的空間響應(yīng)函數(shù),進(jìn)而確定堆內(nèi)功率分布。然而,探測器的靈敏度和探測結(jié)果的不確定性都將影響堆內(nèi)功率分布估計(jì)的精度,文獻(xiàn)[4]針對這一問題,開發(fā)了NECP-ONLINE在線分析系統(tǒng),定量分析了功率分布與探測器信號的相對靈敏度系數(shù)之間的關(guān)系。姜頔[5]等人提出了一種基于字典序列優(yōu)化的核反應(yīng)堆堆芯熱功率預(yù)測控制方法,將功率控制問題轉(zhuǎn)化為具有不同目標(biāo)優(yōu)先級的字典序列優(yōu)化問題,在一定程度上提高了預(yù)測的精度。此外,影響反應(yīng)堆堆芯熱功率的因素還包括,時間平均燃耗、硼濃度、換料引起的反應(yīng)性增益、卸料燃耗等。然而,對這些參數(shù)的測量往往存在誤差,難以利用它們得到精確的堆芯熱功率分布估計(jì)。

    1.2 人工神經(jīng)網(wǎng)絡(luò)在核動力領(lǐng)域的應(yīng)用

    由于核能的特殊性和復(fù)雜性,核電生產(chǎn)過程中的安全性和可靠性一直是核電工程的重要研究課題,神經(jīng)網(wǎng)絡(luò)的提出為解決這類問題提供了一個良好的思路。由于核反應(yīng)過程涉及大量非線性和不確定性問題,這些問題很難通過確定的數(shù)學(xué)或物理表達(dá)進(jìn)行描述和建模,而人工神經(jīng)網(wǎng)絡(luò)在處理此類問題方面擁有明顯的優(yōu)勢。人工神經(jīng)網(wǎng)絡(luò)[7][6]作為對人腦神經(jīng)結(jié)構(gòu)和功能的模擬,能學(xué)習(xí)和存儲輸入-輸出模式的復(fù)雜映射關(guān)系。首先構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)初步建立輸入與輸出數(shù)據(jù)之間的映射,再根據(jù)當(dāng)前網(wǎng)絡(luò)輸出和實(shí)際輸出數(shù)據(jù)之間的誤差,通過梯度下降等方式調(diào)整網(wǎng)絡(luò)參數(shù),不斷進(jìn)行優(yōu)化,最終實(shí)現(xiàn)收斂,儲存各神經(jīng)元權(quán)值參數(shù)。由于神經(jīng)網(wǎng)絡(luò)建模不需基于嚴(yán)格的物理反應(yīng)過程描述,因此在核能領(lǐng)域已經(jīng)開展了許多應(yīng)用,如基于BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)解決故障診斷問題[7];在核燃料堆反應(yīng)參數(shù)預(yù)測中,Hakim Mazrou[8]等人利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測核反應(yīng)堆的安全參數(shù),如倍增系數(shù)、燃料功率峰值等;文獻(xiàn)[9]利用遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行非線性建模,實(shí)現(xiàn)了對核反應(yīng)堆堆芯參數(shù)的預(yù)測;Seixas等人針對核燃料棒破損問題,采用超聲波檢測和神經(jīng)網(wǎng)絡(luò)識別方法,成功完成了對破損燃料棒的探測[10]。鑒于神經(jīng)網(wǎng)絡(luò)在核電領(lǐng)域的成功應(yīng)用,本文基于深度學(xué)習(xí)框架Tensorflow[11],采用人工神經(jīng)網(wǎng)絡(luò)技術(shù),結(jié)合儀器探測到的核反應(yīng)堆參數(shù),包括堆芯運(yùn)行狀態(tài)和通道運(yùn)行狀態(tài)等歷史數(shù)據(jù),構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型,完成對核反應(yīng)堆堆芯熱功率分布的預(yù)測。

    本文隨后將介紹相關(guān)數(shù)據(jù)特征,然后從以下幾部分分別進(jìn)行闡述:第2節(jié)介紹本文所采用的神經(jīng)網(wǎng)絡(luò)模型,并針對堆內(nèi)功率分布估計(jì)問題進(jìn)行模型結(jié)構(gòu)優(yōu)化;第3節(jié)為仿真實(shí)驗(yàn)和結(jié)果分析;第4節(jié)進(jìn)行總結(jié)和展望。

    1.3 核功率預(yù)測特征介紹

    本文基于某重水堆(CUDA)核電站機(jī)組的真實(shí)數(shù)據(jù),原始數(shù)據(jù)集包含65維特征和321480條數(shù)據(jù),其特征情況參見表1。

    表1 某重水堆核電站可探測數(shù)據(jù)特征

    從表1可以看出,滿功率日是其中最為特殊的特征,在不同滿功率日條件下,核電機(jī)組功率相關(guān)數(shù)據(jù)由于控制棒的變化會進(jìn)行調(diào)整,從而維護(hù)核反應(yīng)堆內(nèi)部的能量平衡。所以可以將同一滿功率日條件下的數(shù)據(jù)看做一個時刻的狀態(tài)進(jìn)行處理。該數(shù)據(jù)集中每一個滿功率日包含380條通道監(jiān)測數(shù)據(jù),在后續(xù)處理中,將380條數(shù)據(jù)作為一組輸入數(shù)據(jù)。其他輸入數(shù)據(jù)特征主要分為兩大類,即通道運(yùn)行狀態(tài)和堆芯運(yùn)行狀態(tài),具體介紹如下:

    1)通道運(yùn)行狀態(tài)

    核反應(yīng)堆中每一個燃料組件都封裝在一個單獨(dú)的壓力管內(nèi),稱作“燃料通道”或技術(shù)通道,在CANDU重水堆核電站中,每個通道裝載12個燃料棒束。在反應(yīng)進(jìn)行過程中,燃料成分的損耗,即燃耗,將引起堆芯反應(yīng)狀態(tài)的變化,可以在一定程度上反映當(dāng)前堆芯熱功率的分布狀況。同時,通過監(jiān)測和分析通道運(yùn)行的數(shù)據(jù),如棒束燃耗分布、棒束功率分布、卸料燃耗等,可以判斷通道的運(yùn)行狀態(tài)。此外,其他通道監(jiān)測參數(shù),如軸向功率傾斜、通道超功率因子等參數(shù)亦可以用來分析堆芯的熱功率分布。

    2)堆芯運(yùn)行狀態(tài)

    堆芯運(yùn)行監(jiān)測[12]通過連續(xù)監(jiān)測和分析反應(yīng)堆中的區(qū)域功率、冷卻劑重水純度、區(qū)域初始液位、硼濃度等參數(shù),實(shí)時監(jiān)控堆芯內(nèi)反應(yīng)情況和堆芯熱功率分布狀態(tài)。為確保反應(yīng)堆在穩(wěn)定功率下運(yùn)行,必須不斷補(bǔ)償由于燃耗而損失的反應(yīng)性,實(shí)際操作中主要通過改變?nèi)苡诶鋮s劑中的硼濃度進(jìn)行調(diào)節(jié)。此外,隨著反應(yīng)的進(jìn)行,回路中冷卻劑的液位和重水純度同樣會發(fā)生變化,這些數(shù)據(jù)也可以用來分析堆芯反應(yīng)過程中熱功率分布情況。由于探測到的數(shù)據(jù)存在偏差,在進(jìn)行建模分析時同樣需考慮探測器最大偏差值。

    2 堆芯熱功率分布神經(jīng)網(wǎng)絡(luò)預(yù)測模型

    本文構(gòu)建了基于滿功率日時間序列的長短期記憶(LSTM)循環(huán)神經(jīng)網(wǎng)絡(luò)和基于特征再提取的卷積神經(jīng)網(wǎng)絡(luò)(CNN)對堆芯熱功率分布進(jìn)行預(yù)測。由于CNN的卷積和池化操作本身具有特征提取和降維的功能,其輸入使用表1中提到的所有64維特征(滿功率日特征被用來進(jìn)行數(shù)據(jù)分組)。對于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò),我們基于特征工程方法首先對數(shù)據(jù)進(jìn)行了特征篩選,然后再結(jié)合反應(yīng)堆反應(yīng)機(jī)理和專家經(jīng)驗(yàn)選擇了16個對堆芯熱功率影響較大的狀態(tài)特征,分別是:滿功率日、通道駐留時間、時間平均燃耗,平均出口卸料燃耗、換料引起的反應(yīng)性增益、最大棒束功率、最大通道功率、軸向功率傾斜、通道超功率因子、初始平均液位、區(qū)域初始最大液位偏差、計(jì)算出的硼濃度、通道卸料燃耗、冷卻劑重水純度、慢化劑重水純度、探測器最大偏差。

    2.1 基于滿功率日時間序列的LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)

    循環(huán)神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)最大的不同為是否引入隱藏層節(jié)點(diǎn)間的內(nèi)連接,隱藏層節(jié)點(diǎn)的計(jì)算不僅依賴于當(dāng)前輸入層的輸入值,還依賴于上一時刻該隱藏層各節(jié)點(diǎn)的輸出值。因此,循環(huán)神經(jīng)網(wǎng)絡(luò)被廣泛用于處理基于時間序列的問題。本研究中,同一通道的數(shù)據(jù)是是按滿功率日作為時間特征有序排列的,核反應(yīng)堆堆芯熱功率預(yù)測也可以看做一個基于時間序列數(shù)據(jù)的回歸問題,使用循環(huán)神經(jīng)網(wǎng)絡(luò)求解。而傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)容易出現(xiàn)梯度消失問題,且難以發(fā)現(xiàn)序列中時間間隔較大的時刻之間的聯(lián)系,LSTM網(wǎng)絡(luò)作為一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)可以有效解決這一問題,LSTM在隱藏層加入控制狀態(tài)更新的遺忘門、輸入門、更新門和輸出門,來選擇性的保留和遺忘部分之前時刻的信息,使網(wǎng)絡(luò)對之前的輸入有了記憶能力[14]。

    如圖1為LSTM隱藏層結(jié)構(gòu)示意圖。首先,遺忘門決定狀態(tài)中需要丟棄的信息,通過計(jì)算遺忘門系數(shù)ft來實(shí)現(xiàn),公式為

    圖1 LSTM隱藏層結(jié)構(gòu)圖

    ft=δ(Wf*[ht-1,xt]+bf)

    (1)

    it=δ(Wi*[ht-1,xt]+bi)

    (2)

    (3)

    (4)

    最后,輸出門根據(jù)ht-1,xt,Ct計(jì)算輸出門系數(shù)Ot和當(dāng)前時刻的輸出值ht

    Ot=δ(Wo*[ht-1,xt]+bO)

    (5)

    ht=Ot*tanh(Ct)

    (6)

    在上述公式中,Wf、Wi、WC、WO分別對應(yīng)ft、it、Ct、Ot的權(quán)值矩陣,bf、bi、bC、bO為相應(yīng)的偏置矩陣,ht、ht-1為t時刻和t-1時刻隱藏層的輸出向量,xt為當(dāng)前時刻輸入值。δ為sigmoid激活函數(shù),它可以將數(shù)據(jù)映射在0~1之間,數(shù)值越大表示其對結(jié)果的影響程度越大;而另一個激活函數(shù)tanh 則用在狀態(tài)更新和輸出上。當(dāng)序列第t時刻數(shù)據(jù)輸入到網(wǎng)絡(luò)中時,LSTM隱藏層的輸入包括當(dāng)前時刻的輸入xt和上一時刻的輸出ht-1,以及隱藏層的狀態(tài)Ct-1。隱藏層的任務(wù)就是計(jì)算并輸出ht,并更新狀態(tài)Ct。

    2.2 基于特征再提取的卷積神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)每兩層間均采用全連接,而卷積神經(jīng)網(wǎng)絡(luò)在卷積層和池化層采用局部連接的形式,通過卷積和池化操作對數(shù)據(jù)進(jìn)行特征提取,同時也可以對數(shù)據(jù)進(jìn)行降維[14],自行抽取局部特征,保留主要信息,挖掘局部數(shù)據(jù)的相關(guān)性。

    同一滿功率日下的380個通道的特征矩陣可被看做一張圖片,由于使用的數(shù)據(jù)只有二維,即長度(樣本數(shù))和寬度(特征數(shù)),在輸入層,可以將它看作灰度圖像,即只有一個顏色通道,對于深度一維設(shè)置為1。使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取,減少了特征工程的工作量,其獨(dú)有的局部視野感受能力為數(shù)據(jù)集在局部特征分析上提供了新的思路。因此,可以采用基于卷積神經(jīng)網(wǎng)絡(luò)的預(yù)測方法。

    一般的卷積神經(jīng)網(wǎng)絡(luò)包含兩部分:特征提取層和特征映射層。特征提取層也即是卷積層和池化層,該層每個神經(jīng)元與前一層的局部接受域相連,并提取該局部特征。進(jìn)行卷積操作時,感受視野的大小不同同樣會影響到局部特征的提取,本文嘗試了3*3和5*5的感受視野大小,實(shí)驗(yàn)表明,3*3的感受視野預(yù)測效果更好,池化窗口大小選擇2*2大小。網(wǎng)絡(luò)通常由多個特征映射組成,每個特征映射是一個平面,平面上所有神經(jīng)元的權(quán)值相等。

    如圖2所示,本文建立包含兩個卷積層和兩個池化層的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),下面對各個層的操作進(jìn)行介紹:

    圖2 包含兩個卷積層的卷積神經(jīng)網(wǎng)絡(luò)模型

    在卷積層,卷積神經(jīng)網(wǎng)絡(luò)采用局部過濾器,進(jìn)行卷積操作,取輸入項(xiàng)的局部矩陣進(jìn)行局部過濾,即與卷積核進(jìn)行內(nèi)積運(yùn)算,其計(jì)算過程可表示為

    (7)

    圖3 BP神經(jīng)網(wǎng)絡(luò)的損失函數(shù)變化

    池化層,通常被稱作下采樣層,跟隨在一個卷積層后,可進(jìn)一步縮小矩陣維數(shù)、同時排除異常數(shù)據(jù)的影響。在池化層,前一個卷積層的輸出作為該層的輸入特征。首先設(shè)置窗口大小,然后通過窗口滑動的方式,用窗口區(qū)域最大值來表示該窗口的特征值,組合這些特征值得到降維后的特征值矩陣,池化過程可表示為

    (8)

    經(jīng)過兩輪卷積層和池化層處理后得到降維后的特征值矩陣,然后通過最后一層全連接層將其與輸出層相連接,全連接層到輸出層的計(jì)算公式是

    xl=f(Klxl-1+bl)

    (9)

    3 實(shí)驗(yàn)與仿真分析

    3.1 數(shù)據(jù)預(yù)處理

    3.1.1 數(shù)據(jù)歸一化

    3.1.2 缺失值處理

    在數(shù)據(jù)采集過程中,由于人為操作不當(dāng)、設(shè)備老化等因素,會有一部分?jǐn)?shù)據(jù)存在缺失,從而影響模型的性能和訓(xùn)練準(zhǔn)確度。因此,在對原始數(shù)據(jù)進(jìn)行處理時,對于缺失值較多的特征直接棄用,對于缺失值較少的特征進(jìn)行了數(shù)據(jù)補(bǔ)充,本文采用的補(bǔ)充方法是在缺失值處補(bǔ)充該特征的平均值,以降低缺失數(shù)據(jù)對模型預(yù)測結(jié)果的的影響。

    3.2 網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化

    基于Tensorflow神經(jīng)網(wǎng)絡(luò)框架,分別搭建包含兩個隱藏層的BP神經(jīng)網(wǎng)絡(luò)、三層LSTM神經(jīng)網(wǎng)絡(luò)和包含兩個卷積層和兩個池化層的卷積神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)中輸入層節(jié)點(diǎn)為16個,第一隱藏層有10個節(jié)點(diǎn),第二隱藏層有6個節(jié)點(diǎn),該數(shù)目是根據(jù)實(shí)驗(yàn)在經(jīng)驗(yàn)值附近選擇的最佳值,輸出層為1個節(jié)點(diǎn);LSTM隱藏層包含LSTM神經(jīng)網(wǎng)絡(luò)單元,輸入層為16個輸入節(jié)點(diǎn),隱藏層有32個輸出節(jié)點(diǎn),輸出層為1個節(jié)點(diǎn);對于CNN網(wǎng)絡(luò)模型,第一卷積層設(shè)置4個卷積核進(jìn)行卷積,生成4個特征矩陣,第二卷積層設(shè)置2個卷積核,分別對4個特征矩陣進(jìn)行再卷積,生成8個特征矩陣。在選擇卷積核和池化窗口大小時,經(jīng)過多次嘗試,選取了3*3的卷積核大小,步長是(1,1),池化層的池化窗口大小為2*2,步長為(2,1),這樣經(jīng)過兩輪卷積層和池化層的操作,將原始數(shù)據(jù)的380*64*1維輸入特征矩陣轉(zhuǎn)化為380*16*8的降維后的特征矩陣,最后以兩個全連接層作為輸出層,完成功率分布預(yù)測。誤差函數(shù)均采用最小均方誤差函數(shù),輸出層激活函數(shù)均為Sigmoid函數(shù)。

    3.3 實(shí)驗(yàn)分析

    3.3.1 小批量訓(xùn)練網(wǎng)絡(luò)

    通過對樣本數(shù)據(jù)的觀察和分析,由于數(shù)據(jù)集較大,一次性把所有數(shù)據(jù)代入模型會使網(wǎng)絡(luò)訓(xùn)練速度慢、效率低。針對該問題,神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中通常采用Mini_Batching方法進(jìn)行處理,該方法的思想是每次選取數(shù)據(jù)集的一個子集代入模型訓(xùn)練,把所有批次數(shù)據(jù)全部代入模型后,求所有批次訓(xùn)練數(shù)據(jù)損失函數(shù)的平均值,然后對該損失函數(shù)進(jìn)行優(yōu)化。該方法大大提高了網(wǎng)絡(luò)的學(xué)習(xí)速率,同時,也會使網(wǎng)絡(luò)的梯度更準(zhǔn)確,避免陷入局部最優(yōu),有助于找到全局最優(yōu)解。本文模型訓(xùn)練過程中,每次訓(xùn)練選擇一個滿功率日下的380個通道的樣本數(shù)據(jù)進(jìn)行訓(xùn)練,即Batch_size值取380。

    3.3.2 分析損失函數(shù)

    為了對模型進(jìn)行性能分析,需要設(shè)定相應(yīng)的評價指標(biāo)。在模型訓(xùn)練過程中,通常采用損失函數(shù)作為模型預(yù)測準(zhǔn)確性的指標(biāo)[15]。在基于神經(jīng)網(wǎng)絡(luò)的堆芯熱功率預(yù)測模型中,常用的損失函數(shù)有兩種:均方誤差損失函數(shù)(MSE)和平均絕對誤差損失函數(shù)(MAE),通過多次試驗(yàn)證明:作為訓(xùn)練過程中的優(yōu)化目標(biāo),MSE相比于MAE擁有更好的性能,因此MAE可以作為模型的評價指標(biāo)。模型訓(xùn)練的準(zhǔn)則就是使損失函數(shù)值盡可能小,采用自適應(yīng)矩估計(jì)梯度下降法對損失函數(shù)進(jìn)行優(yōu)化。以下是對三種神經(jīng)網(wǎng)絡(luò)模型的均方差損失函數(shù)的分析。

    由圖3、圖4和圖5可以看出,模型在訓(xùn)練200次時,Loss值達(dá)到0.01并基本趨于穩(wěn)定,此時可以停止訓(xùn)練。LSTM模型在訓(xùn)練過程中收斂速度更快,在前100次下降明顯,很快就到達(dá)了穩(wěn)定點(diǎn),而BP神經(jīng)網(wǎng)絡(luò)和CNN達(dá)到穩(wěn)定點(diǎn)需要更多的訓(xùn)練次數(shù)。

    圖4 CNN的損失函數(shù)變化

    圖5 LSTM的損失函數(shù)變化

    3.3.3 特征選擇對模型的影響

    由于原始數(shù)據(jù)特征維度過大,而訓(xùn)練數(shù)據(jù)維度過大時往往會使得模型過于復(fù)雜,神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到有用信息的難度也大大增加,導(dǎo)致模型出現(xiàn)過擬合現(xiàn)象,即在訓(xùn)練集上表現(xiàn)良好,但在測試集上表現(xiàn)卻很差。本文在模型訓(xùn)練前基于現(xiàn)有研究對數(shù)據(jù)進(jìn)行了特征篩選,在前文中已經(jīng)介紹。

    為評價特征篩選后模型的表現(xiàn),使用篩選前的原始數(shù)據(jù)集和篩選后的數(shù)據(jù)集,分別與BP神經(jīng)網(wǎng)絡(luò)和LSTM網(wǎng)絡(luò)模型的訓(xùn)練結(jié)果進(jìn)行了對比,對比結(jié)果如圖6和圖7。

    圖6 使用不同數(shù)據(jù)時的模型擬合曲線

    圖7 使用不同數(shù)據(jù)時的模型擬合曲線和誤差曲線

    如圖6和圖7所示,通過模型在測試集上的表現(xiàn)可以看出,進(jìn)行特征選擇提高了神經(jīng)網(wǎng)絡(luò)的性能,在同樣迭代200次的情況下,損失函數(shù)數(shù)值下降明顯;BP神經(jīng)網(wǎng)絡(luò)和LSTM神經(jīng)網(wǎng)絡(luò)的模型擬合效果得到了顯著提高,預(yù)測誤差顯著下降,模型泛化性能顯著增強(qiáng)。

    對于卷積神經(jīng)網(wǎng)絡(luò),由于CNN本身可以通過卷積和池化操作進(jìn)行降維,從而提取數(shù)據(jù)的主要信息,研究選擇較多的64個特征進(jìn)行訓(xùn)練,同樣可將數(shù)據(jù)集進(jìn)行降維,且能達(dá)到較高的訓(xùn)練精度。

    3.3.4 三種模型的預(yù)測效果分析

    經(jīng)過數(shù)據(jù)預(yù)處理和對網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化,實(shí)驗(yàn)最終得到了各個網(wǎng)絡(luò)模型在測試集上的表現(xiàn)。

    由圖8、圖9和圖10可知,通過擬合曲線圖可以看出,三種神經(jīng)網(wǎng)絡(luò)模型都具有良好的擬合效果,預(yù)測誤差基本都保持在在±100MW以內(nèi),且絕大部分樣本的誤差在±50MW以內(nèi)。從中可以看出三種網(wǎng)絡(luò)模型均能通過訓(xùn)練學(xué)習(xí)到特征值與目標(biāo)值之間的內(nèi)在關(guān)系,在核反應(yīng)堆堆芯熱功率預(yù)測中表現(xiàn)了良好的性能,在測試集上有著十分可靠的預(yù)測效果。

    圖8 BP神經(jīng)網(wǎng)絡(luò)預(yù)測誤差曲線

    圖9 卷積神經(jīng)網(wǎng)絡(luò)預(yù)測誤差曲線

    圖10 循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測誤差曲線

    同時,采用了兩種評價指標(biāo)對三種神經(jīng)網(wǎng)絡(luò)模型預(yù)測效果的絕對誤差和相對誤差進(jìn)行了分析。絕對誤差(AE)即某一預(yù)測值對于其真實(shí)值的誤差的絕對值,平均絕對誤差(MAE)指所有樣本絕對誤差的平均值。相對誤差(RE)是預(yù)測誤差絕對值與原真實(shí)值的比值。通過分析絕對誤差和相對誤差,來評價模型的單樣本和整體預(yù)測性能。以一個滿功率日的380組數(shù)據(jù)為例,統(tǒng)計(jì)結(jié)果如下。

    從表2可以看出,相對于BP神經(jīng)網(wǎng)絡(luò),LSTM神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果中絕對誤差小于50MW的數(shù)據(jù)的所占比例分別達(dá)到97.63%和96.31%,平均絕對誤差分別為17.49MW、22.19MW,性能得到很大提升。絕對誤差超過150MW的數(shù)據(jù)只占很小的比例,不超過樣本總數(shù)的0.78%。

    表2 預(yù)測結(jié)果絕對誤差分析表

    從表3可以看出,相比較于BP神經(jīng)網(wǎng)絡(luò),LSTM神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果中相對誤差小于5%的數(shù)據(jù)所占比例分別到達(dá)97.11%和95.53%,相對誤差高于10%的數(shù)據(jù)比例分別為1.05%和1.32%。通過實(shí)驗(yàn)結(jié)果可以看出:相比較于BP神經(jīng)網(wǎng)絡(luò)和CNN模型,由于數(shù)據(jù)集是基于時間序列來構(gòu)建的,不同時刻的反應(yīng)堆狀態(tài)數(shù)據(jù)存在較大的關(guān)聯(lián),所以LSTM網(wǎng)絡(luò)具有更好的預(yù)測性能。綜上所述,基于神經(jīng)網(wǎng)絡(luò)的預(yù)測方法,能夠很好的滿足核反應(yīng)堆堆芯熱功率預(yù)測的需求。

    表3 預(yù)測結(jié)果相對誤差分析表

    4 結(jié)論

    本文分別使用基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)模型和特征再提取的CNN模型對滿功率日時間序列的反應(yīng)堆堆芯熱功率分布進(jìn)行了預(yù)測,并針對實(shí)際問題,將數(shù)據(jù)處理為時序數(shù)據(jù)和圖片像素矩陣數(shù)據(jù),以方便模型的使用,并對現(xiàn)有神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了結(jié)構(gòu)優(yōu)化。本文針對不同模型的預(yù)測效果進(jìn)行分析,經(jīng)過特殊結(jié)構(gòu)設(shè)計(jì)的兩種神經(jīng)網(wǎng)絡(luò)模型,均可以實(shí)現(xiàn)對預(yù)測數(shù)據(jù)的適應(yīng),并具有良好的預(yù)測性能,且與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型相比,具有特征提取的LSTM和CNN模型預(yù)測效果得到顯著提高。神經(jīng)網(wǎng)絡(luò)方法不僅方便、快捷,同時具有良好的預(yù)測效果,大大提高了核反應(yīng)堆堆芯預(yù)測效率。神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的自我學(xué)習(xí)能力,不同的網(wǎng)絡(luò)模型對堆芯熱功率預(yù)測均有良好的預(yù)測效果和穩(wěn)定性,對今后核反應(yīng)堆堆芯參數(shù)預(yù)測研究具有一定的應(yīng)用價值。

    猜你喜歡
    燃耗堆芯反應(yīng)堆
    應(yīng)用CDAG方法進(jìn)行EPR機(jī)組的嚴(yán)重事故堆芯損傷研究
    月球反應(yīng)堆屏蔽研究
    載人航天(2016年4期)2016-12-01 06:56:15
    基于Hoogenboom基準(zhǔn)模型的SuperMC全堆芯計(jì)算能力校驗(yàn)
    核技術(shù)(2016年4期)2016-08-22 09:05:32
    基于切比雪夫有理逼近方法的蒙特卡羅燃耗計(jì)算研究與驗(yàn)證
    核技術(shù)(2016年4期)2016-08-22 09:05:28
    核電反應(yīng)堆壓力容器頂蓋J型接頭內(nèi)壁殘余應(yīng)力
    焊接(2016年1期)2016-02-27 12:54:45
    IFBA/WABA 可燃毒物元件的燃耗特性分析
    壓水堆堆芯中應(yīng)用可燃毒物的兩個重要實(shí)驗(yàn)
    鉛基反應(yīng)堆研究現(xiàn)狀與發(fā)展前景
    負(fù)荷跟蹤運(yùn)行下反應(yīng)堆一回路控制系統(tǒng)仿真與驗(yàn)證
    低價值控制棒中子吸收體材料燃耗相關(guān)數(shù)據(jù)的制作及驗(yàn)證研究
    美国免费a级毛片| 亚洲激情五月婷婷啪啪| 可以免费在线观看a视频的电影网站| 免费在线观看日本一区| 午夜两性在线视频| 欧美变态另类bdsm刘玥| 精品免费久久久久久久清纯 | 午夜福利视频在线观看免费| 人体艺术视频欧美日本| 日韩制服骚丝袜av| 精品国产国语对白av| 美女视频免费永久观看网站| 久热这里只有精品99| 国产精品一区二区在线观看99| 香蕉国产在线看| 亚洲国产精品一区三区| 一二三四在线观看免费中文在| 久久久久久久大尺度免费视频| 少妇精品久久久久久久| 久久国产精品男人的天堂亚洲| 久久国产精品男人的天堂亚洲| 亚洲第一av免费看| 欧美精品高潮呻吟av久久| 在线观看人妻少妇| 欧美av亚洲av综合av国产av| 91成人精品电影| 亚洲精品一区蜜桃| 精品亚洲成a人片在线观看| 建设人人有责人人尽责人人享有的| 99热全是精品| 亚洲精品成人av观看孕妇| 国产黄色视频一区二区在线观看| 一本久久精品| 午夜福利影视在线免费观看| 精品少妇内射三级| 中文字幕最新亚洲高清| 久久ye,这里只有精品| 中国国产av一级| 久久久久久久久免费视频了| 亚洲欧美一区二区三区久久| 国语对白做爰xxxⅹ性视频网站| 国产精品一区二区精品视频观看| 啦啦啦啦在线视频资源| 欧美亚洲日本最大视频资源| 晚上一个人看的免费电影| 日韩欧美一区视频在线观看| 亚洲精品日韩在线中文字幕| 看免费av毛片| 亚洲图色成人| 高清黄色对白视频在线免费看| 国产一区亚洲一区在线观看| 不卡av一区二区三区| 午夜福利视频在线观看免费| 老鸭窝网址在线观看| 男女边吃奶边做爰视频| 国产日韩欧美视频二区| 十八禁网站网址无遮挡| 亚洲伊人久久精品综合| 亚洲自偷自拍图片 自拍| 天天躁狠狠躁夜夜躁狠狠躁| 美女脱内裤让男人舔精品视频| 亚洲国产av新网站| 热99国产精品久久久久久7| 国产亚洲av片在线观看秒播厂| 国产高清不卡午夜福利| 亚洲精品国产一区二区精华液| 欧美国产精品va在线观看不卡| 午夜福利视频在线观看免费| 天天操日日干夜夜撸| 大片电影免费在线观看免费| 一区二区三区激情视频| 黄色视频不卡| 又大又黄又爽视频免费| 一本综合久久免费| 男女无遮挡免费网站观看| 欧美精品一区二区大全| 中文字幕最新亚洲高清| 女人被躁到高潮嗷嗷叫费观| 大陆偷拍与自拍| 一本—道久久a久久精品蜜桃钙片| 欧美人与性动交α欧美软件| 男女无遮挡免费网站观看| av网站免费在线观看视频| 免费av中文字幕在线| 秋霞在线观看毛片| 91麻豆精品激情在线观看国产 | 国产精品人妻久久久影院| 精品少妇内射三级| 日本91视频免费播放| 男女免费视频国产| 黑人猛操日本美女一级片| 亚洲欧美日韩另类电影网站| 久久狼人影院| 欧美成狂野欧美在线观看| 高潮久久久久久久久久久不卡| 女人被躁到高潮嗷嗷叫费观| 日本a在线网址| 久久久国产一区二区| 9热在线视频观看99| 国产又色又爽无遮挡免| 日韩伦理黄色片| 99久久99久久久精品蜜桃| 免费黄频网站在线观看国产| 天天躁夜夜躁狠狠久久av| 激情五月婷婷亚洲| 欧美日韩亚洲高清精品| 亚洲国产精品一区二区三区在线| 人人澡人人妻人| 国产一级毛片在线| 狠狠婷婷综合久久久久久88av| 亚洲国产欧美在线一区| 国产日韩欧美视频二区| 精品久久久久久久毛片微露脸 | 搡老乐熟女国产| 久久久精品区二区三区| 99精国产麻豆久久婷婷| 激情五月婷婷亚洲| 好男人电影高清在线观看| 天天添夜夜摸| 国产男人的电影天堂91| 亚洲精品在线美女| 黄频高清免费视频| 久久综合国产亚洲精品| av天堂在线播放| 大话2 男鬼变身卡| 国产精品一区二区在线不卡| 飞空精品影院首页| 久久人妻熟女aⅴ| 亚洲欧洲日产国产| 老司机靠b影院| 成人亚洲精品一区在线观看| 日本猛色少妇xxxxx猛交久久| 亚洲欧美日韩另类电影网站| 久久国产精品大桥未久av| 精品久久蜜臀av无| 超碰97精品在线观看| 日韩熟女老妇一区二区性免费视频| 99热网站在线观看| 秋霞在线观看毛片| 99精国产麻豆久久婷婷| 欧美大码av| 每晚都被弄得嗷嗷叫到高潮| 亚洲国产精品一区二区三区在线| 亚洲国产精品一区三区| 国产亚洲精品第一综合不卡| 青草久久国产| 美国免费a级毛片| 亚洲精品久久成人aⅴ小说| 十八禁人妻一区二区| 久久精品久久精品一区二区三区| 国产真人三级小视频在线观看| 纵有疾风起免费观看全集完整版| 国产97色在线日韩免费| 黑人欧美特级aaaaaa片| 亚洲熟女精品中文字幕| 精品少妇久久久久久888优播| 91精品国产国语对白视频| 国产爽快片一区二区三区| 91精品三级在线观看| 亚洲一区二区三区欧美精品| 亚洲伊人久久精品综合| 校园人妻丝袜中文字幕| 侵犯人妻中文字幕一二三四区| 亚洲第一av免费看| 欧美日韩综合久久久久久| 69精品国产乱码久久久| av天堂久久9| 国产精品99久久99久久久不卡| 日韩视频在线欧美| 亚洲av日韩精品久久久久久密 | 久久久久视频综合| 啦啦啦中文免费视频观看日本| 亚洲欧美中文字幕日韩二区| 亚洲图色成人| 深夜精品福利| 久久久亚洲精品成人影院| 国产97色在线日韩免费| 黄色怎么调成土黄色| 欧美精品亚洲一区二区| 亚洲av成人不卡在线观看播放网 | 搡老岳熟女国产| 久久鲁丝午夜福利片| 免费观看av网站的网址| 婷婷色综合大香蕉| 夫妻午夜视频| 狂野欧美激情性bbbbbb| 国产亚洲精品第一综合不卡| 99re6热这里在线精品视频| 免费看十八禁软件| 人人妻人人澡人人看| 欧美日韩视频高清一区二区三区二| 一本综合久久免费| 亚洲图色成人| 人妻一区二区av| cao死你这个sao货| 日本一区二区免费在线视频| 熟女少妇亚洲综合色aaa.| 精品卡一卡二卡四卡免费| 超碰97精品在线观看| 男女午夜视频在线观看| 久久精品国产亚洲av涩爱| 精品福利永久在线观看| 七月丁香在线播放| 午夜免费鲁丝| 色婷婷久久久亚洲欧美| 欧美成人精品欧美一级黄| 精品一品国产午夜福利视频| 亚洲成色77777| 麻豆av在线久日| 少妇人妻 视频| 男女边吃奶边做爰视频| 天天躁日日躁夜夜躁夜夜| 日韩中文字幕欧美一区二区 | 亚洲国产av影院在线观看| 国产亚洲欧美精品永久| 美女大奶头黄色视频| 国产一区二区三区av在线| 成人三级做爰电影| 看免费av毛片| 秋霞在线观看毛片| 国产在线观看jvid| 欧美日本中文国产一区发布| 亚洲国产精品一区二区三区在线| 国产精品成人在线| 多毛熟女@视频| 一本久久精品| 狠狠精品人妻久久久久久综合| 午夜福利乱码中文字幕| 男女之事视频高清在线观看 | 午夜激情久久久久久久| 精品国产国语对白av| 亚洲av综合色区一区| 青春草视频在线免费观看| 你懂的网址亚洲精品在线观看| 久久这里只有精品19| 日韩大尺度精品在线看网址| 欧美不卡视频在线免费观看 | 丝袜在线中文字幕| 村上凉子中文字幕在线| 久久精品国产亚洲av香蕉五月| av在线天堂中文字幕| 久久精品成人免费网站| 亚洲成a人片在线一区二区| 中文字幕久久专区| 日本熟妇午夜| 亚洲专区中文字幕在线| 国产精品一区二区三区四区久久 | 成年女人毛片免费观看观看9| 热re99久久国产66热| 亚洲电影在线观看av| 国内揄拍国产精品人妻在线 | 国产真实乱freesex| 热99re8久久精品国产| 免费在线观看亚洲国产| 欧美成人免费av一区二区三区| 亚洲人成网站高清观看| 成人精品一区二区免费| 亚洲午夜精品一区,二区,三区| 亚洲国产欧美日韩在线播放| 久久久久久九九精品二区国产 | 亚洲va日本ⅴa欧美va伊人久久| 亚洲人成网站在线播放欧美日韩| 欧美+亚洲+日韩+国产| 久久久国产精品麻豆| 两人在一起打扑克的视频| 观看免费一级毛片| 不卡av一区二区三区| 天天躁夜夜躁狠狠躁躁| 免费av毛片视频| 搡老妇女老女人老熟妇| 亚洲成人久久爱视频| 久久热在线av| 国产精品99久久99久久久不卡| 男女午夜视频在线观看| 国产午夜精品久久久久久| 18禁裸乳无遮挡免费网站照片 | 夜夜躁狠狠躁天天躁| 在线观看66精品国产| 美女免费视频网站| 老汉色av国产亚洲站长工具| 国产精品 国内视频| 欧美丝袜亚洲另类 | 一本大道久久a久久精品| 老熟妇仑乱视频hdxx| 99热只有精品国产| 大型av网站在线播放| 久久久久久亚洲精品国产蜜桃av| 久久国产精品人妻蜜桃| 精品国产超薄肉色丝袜足j| 女生性感内裤真人,穿戴方法视频| 51午夜福利影视在线观看| 香蕉国产在线看| 法律面前人人平等表现在哪些方面| 搡老熟女国产l中国老女人| 日本黄色视频三级网站网址| 一级a爱片免费观看的视频| 女生性感内裤真人,穿戴方法视频| 日韩大码丰满熟妇| 非洲黑人性xxxx精品又粗又长| 成年免费大片在线观看| 国产精品永久免费网站| 国产高清videossex| 免费在线观看视频国产中文字幕亚洲| 伊人久久大香线蕉亚洲五| 亚洲,欧美精品.| 亚洲黑人精品在线| 婷婷丁香在线五月| 香蕉久久夜色| 日韩欧美国产一区二区入口| 在线天堂中文资源库| 1024视频免费在线观看| 欧美日韩亚洲国产一区二区在线观看| 亚洲国产欧美网| 亚洲专区中文字幕在线| 一二三四社区在线视频社区8| 欧美黑人巨大hd| 国产精品亚洲av一区麻豆| 男男h啪啪无遮挡| 国产一区二区三区视频了| 国产精品免费一区二区三区在线| 99久久无色码亚洲精品果冻| 国产亚洲欧美98| 午夜日韩欧美国产| 一区二区三区高清视频在线| 久久中文看片网| 中亚洲国语对白在线视频| 在线看三级毛片| 99国产精品99久久久久| 一区二区三区高清视频在线| 国产精品一区二区三区四区久久 | 欧美色欧美亚洲另类二区| 亚洲av中文字字幕乱码综合 | 99在线视频只有这里精品首页| 久久午夜综合久久蜜桃| 一边摸一边做爽爽视频免费| 18禁黄网站禁片免费观看直播| 久久久国产精品麻豆| 午夜老司机福利片| 看片在线看免费视频| 欧美一区二区精品小视频在线| 一二三四社区在线视频社区8| 亚洲色图 男人天堂 中文字幕| 天堂影院成人在线观看| 亚洲欧美精品综合一区二区三区| 久久亚洲精品不卡| 久久久久久久精品吃奶| 精品午夜福利视频在线观看一区| 日韩国内少妇激情av| 亚洲成人精品中文字幕电影| 国产亚洲精品久久久久5区| 欧美丝袜亚洲另类 | 黑人操中国人逼视频| 欧美又色又爽又黄视频| av有码第一页| 无人区码免费观看不卡| 免费一级毛片在线播放高清视频| 妹子高潮喷水视频| 国产成年人精品一区二区| 久久久久国内视频| 国内久久婷婷六月综合欲色啪| 精品福利观看| 日韩精品免费视频一区二区三区| 两个人视频免费观看高清| 婷婷丁香在线五月| 岛国在线观看网站| 在线视频色国产色| 国产精品av久久久久免费| 99久久精品国产亚洲精品| 在线国产一区二区在线| 国产三级在线视频| av视频在线观看入口| 99久久综合精品五月天人人| 9191精品国产免费久久| 午夜影院日韩av| 大型av网站在线播放| 日本在线视频免费播放| 色老头精品视频在线观看| 少妇被粗大的猛进出69影院| 嫁个100分男人电影在线观看| 制服人妻中文乱码| 亚洲国产欧美日韩在线播放| 视频区欧美日本亚洲| av片东京热男人的天堂| 亚洲va日本ⅴa欧美va伊人久久| 日本 av在线| 大香蕉久久成人网| 一级毛片精品| 日韩成人在线观看一区二区三区| 国产成人精品久久二区二区91| 欧洲精品卡2卡3卡4卡5卡区| 成人特级黄色片久久久久久久| 欧美激情极品国产一区二区三区| xxxwww97欧美| 亚洲av五月六月丁香网| 亚洲av美国av| 午夜激情福利司机影院| 成人永久免费在线观看视频| 久久亚洲精品不卡| 成年人黄色毛片网站| 久久国产亚洲av麻豆专区| 国产亚洲精品第一综合不卡| 日韩av在线大香蕉| 91老司机精品| 精品人妻1区二区| 亚洲国产精品成人综合色| 精品久久久久久久久久免费视频| 午夜福利在线在线| 亚洲aⅴ乱码一区二区在线播放 | bbb黄色大片| 国产伦在线观看视频一区| 日韩 欧美 亚洲 中文字幕| www.www免费av| 窝窝影院91人妻| 亚洲精品一区av在线观看| 亚洲一码二码三码区别大吗| 可以在线观看毛片的网站| 亚洲第一av免费看| 香蕉国产在线看| 一级毛片高清免费大全| 女人高潮潮喷娇喘18禁视频| 性色av乱码一区二区三区2| 午夜久久久在线观看| 身体一侧抽搐| 亚洲熟妇熟女久久| xxxwww97欧美| 在线观看66精品国产| 老汉色av国产亚洲站长工具| 日韩一卡2卡3卡4卡2021年| 手机成人av网站| 亚洲精品美女久久久久99蜜臀| e午夜精品久久久久久久| 国语自产精品视频在线第100页| 亚洲欧洲精品一区二区精品久久久| 国产片内射在线| 欧美乱码精品一区二区三区| 男女床上黄色一级片免费看| 午夜福利在线观看吧| 一级毛片精品| 在线观看一区二区三区| 欧美成狂野欧美在线观看| 人人妻人人看人人澡| av欧美777| 国产极品粉嫩免费观看在线| 一本综合久久免费| 在线免费观看的www视频| 日韩一卡2卡3卡4卡2021年| 国产乱人伦免费视频| 视频区欧美日本亚洲| 亚洲国产精品久久男人天堂| 18禁观看日本| 国产精品久久视频播放| 热re99久久国产66热| 久久精品aⅴ一区二区三区四区| 中文字幕人妻熟女乱码| 女性被躁到高潮视频| 国产精品一区二区三区四区久久 | 久久草成人影院| 999久久久精品免费观看国产| 久久人妻福利社区极品人妻图片| 国产aⅴ精品一区二区三区波| 婷婷精品国产亚洲av在线| a在线观看视频网站| 91在线观看av| 午夜免费观看网址| aaaaa片日本免费| 熟女电影av网| 欧美日韩乱码在线| 成人欧美大片| 国产精品久久久久久精品电影 | 国产午夜福利久久久久久| 日本a在线网址| 丁香六月欧美| 欧美黑人精品巨大| 久久这里只有精品19| 亚洲三区欧美一区| 啪啪无遮挡十八禁网站| 亚洲精品av麻豆狂野| 日韩精品免费视频一区二区三区| 国产熟女午夜一区二区三区| 色老头精品视频在线观看| 黄色视频不卡| 久久伊人香网站| 男女午夜视频在线观看| 欧美乱妇无乱码| 久久精品国产综合久久久| 国产精品二区激情视频| 亚洲avbb在线观看| 神马国产精品三级电影在线观看 | 亚洲一码二码三码区别大吗| 久久青草综合色| 国产一区在线观看成人免费| 亚洲色图 男人天堂 中文字幕| 国产免费男女视频| 国产黄a三级三级三级人| 日韩欧美在线二视频| 韩国精品一区二区三区| 男人的好看免费观看在线视频 | 色播在线永久视频| 一进一出好大好爽视频| 久久精品国产99精品国产亚洲性色| 黄色 视频免费看| 欧美成人一区二区免费高清观看 | 色综合站精品国产| 久久午夜综合久久蜜桃| 色在线成人网| 日本一区二区免费在线视频| 亚洲三区欧美一区| 高清毛片免费观看视频网站| 国产精品1区2区在线观看.| 国产精品九九99| 脱女人内裤的视频| 国产精品久久久久久精品电影 | 黄色 视频免费看| 亚洲国产精品成人综合色| netflix在线观看网站| 亚洲久久久国产精品| 欧美另类亚洲清纯唯美| 村上凉子中文字幕在线| 欧美人与性动交α欧美精品济南到| 美国免费a级毛片| 国产精品久久久久久亚洲av鲁大| 90打野战视频偷拍视频| 禁无遮挡网站| 中文字幕久久专区| 日本免费一区二区三区高清不卡| 日本精品一区二区三区蜜桃| 久久中文字幕人妻熟女| 18禁裸乳无遮挡免费网站照片 | 久久久久久久久中文| 国产av不卡久久| 国产区一区二久久| 亚洲一区中文字幕在线| 丝袜美腿诱惑在线| 亚洲av中文字字幕乱码综合 | 正在播放国产对白刺激| 在线观看一区二区三区| 精品久久蜜臀av无| 91成人精品电影| 97超级碰碰碰精品色视频在线观看| 久久久久久九九精品二区国产 | 午夜福利视频1000在线观看| 亚洲色图av天堂| 大型av网站在线播放| 99国产精品一区二区三区| 亚洲av日韩精品久久久久久密| 亚洲欧美日韩高清在线视频| 国产精品,欧美在线| 人妻久久中文字幕网| 精品人妻1区二区| 99久久国产精品久久久| 老熟妇仑乱视频hdxx| 亚洲一卡2卡3卡4卡5卡精品中文| 十八禁网站免费在线| 在线播放国产精品三级| 久久精品夜夜夜夜夜久久蜜豆 | 满18在线观看网站| 国产免费男女视频| 久久中文字幕一级| 韩国av一区二区三区四区| 一个人免费在线观看的高清视频| 日日爽夜夜爽网站| 亚洲精品美女久久av网站| 看免费av毛片| 亚洲av成人av| 国产主播在线观看一区二区| 成人亚洲精品av一区二区| 国产精品久久久av美女十八| 特大巨黑吊av在线直播 | 可以在线观看的亚洲视频| 亚洲精品中文字幕在线视频| 国产精华一区二区三区| 亚洲熟女毛片儿| 国产成人影院久久av| 婷婷精品国产亚洲av| 最近最新免费中文字幕在线| 国语自产精品视频在线第100页| 啪啪无遮挡十八禁网站| 欧美日韩精品网址| 69av精品久久久久久| 又黄又爽又免费观看的视频| 亚洲精品中文字幕一二三四区| 欧美绝顶高潮抽搐喷水| 中文字幕另类日韩欧美亚洲嫩草| 无限看片的www在线观看| 免费观看人在逋| 一本大道久久a久久精品| 少妇裸体淫交视频免费看高清 | 可以在线观看的亚洲视频| 天天躁夜夜躁狠狠躁躁| 黄色片一级片一级黄色片| 好男人电影高清在线观看| 中文字幕精品亚洲无线码一区 | 亚洲中文av在线| 看片在线看免费视频| 成人亚洲精品一区在线观看| 亚洲午夜理论影院| 免费看美女性在线毛片视频| 成人永久免费在线观看视频| 免费女性裸体啪啪无遮挡网站| 免费在线观看视频国产中文字幕亚洲| 欧美激情高清一区二区三区| 中文字幕精品免费在线观看视频| 日本a在线网址| 国产精品一区二区精品视频观看| 男女视频在线观看网站免费 | 欧美不卡视频在线免费观看 | 欧美成人一区二区免费高清观看 | 视频在线观看一区二区三区| 亚洲成人免费电影在线观看| 亚洲成av人片免费观看| 国产成人欧美| 可以在线观看的亚洲视频| 婷婷精品国产亚洲av在线| 女人被狂操c到高潮| 一区二区日韩欧美中文字幕|