• <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
    h日本视频在线播放| 99久久人妻综合| 亚洲av成人精品一区久久| 亚洲在久久综合| 日韩av在线免费看完整版不卡| 免费播放大片免费观看视频在线观看 | 国产高清视频在线观看网站| 国语对白做爰xxxⅹ性视频网站| 嘟嘟电影网在线观看| 国产伦精品一区二区三区四那| 精品熟女少妇av免费看| av又黄又爽大尺度在线免费看 | 国产精品人妻久久久久久| 日本黄大片高清| 免费av毛片视频| 毛片一级片免费看久久久久| 亚洲图色成人| 美女脱内裤让男人舔精品视频| 日韩欧美精品v在线| 狂野欧美激情性xxxx在线观看| 国产片特级美女逼逼视频| 成人二区视频| 亚洲成av人片在线播放无| 纵有疾风起免费观看全集完整版 | 成年女人永久免费观看视频| 久久人人爽人人片av| 成人午夜精彩视频在线观看| 国产亚洲5aaaaa淫片| 一级毛片电影观看 | 插逼视频在线观看| 亚洲av成人av| 少妇人妻精品综合一区二区| 午夜免费男女啪啪视频观看| 亚洲欧美精品专区久久| 99国产精品一区二区蜜桃av| 色尼玛亚洲综合影院| 伦理电影大哥的女人| 3wmmmm亚洲av在线观看| 18禁在线无遮挡免费观看视频| 成人亚洲精品av一区二区| 免费看光身美女| 成人三级黄色视频| 性插视频无遮挡在线免费观看| 麻豆av噜噜一区二区三区| 日本三级黄在线观看| 日韩欧美国产在线观看| av黄色大香蕉| 老女人水多毛片| 成人午夜精彩视频在线观看| 日韩一区二区视频免费看| 熟妇人妻久久中文字幕3abv| 欧美日韩综合久久久久久| 亚洲激情五月婷婷啪啪| 久久精品国产自在天天线| 高清av免费在线| 激情 狠狠 欧美| 欧美成人一区二区免费高清观看| 亚洲国产色片| 日本黄色片子视频| 国产在视频线在精品| 波多野结衣巨乳人妻| 午夜免费男女啪啪视频观看| 少妇的逼水好多| 女人久久www免费人成看片 | 亚洲四区av| 久久精品夜色国产| 午夜爱爱视频在线播放| 白带黄色成豆腐渣| 国产精品人妻久久久久久| 亚洲无线观看免费| 国产熟女欧美一区二区| 亚洲国产精品成人综合色| 国产 一区精品| eeuss影院久久| 九九热线精品视视频播放| 99久国产av精品国产电影| 18禁动态无遮挡网站| 亚洲在线观看片| 国产精品99久久久久久久久| 永久免费av网站大全| 国产精品综合久久久久久久免费| 亚洲欧美日韩无卡精品| av.在线天堂| 色网站视频免费| 亚洲精品日韩在线中文字幕| 成年女人看的毛片在线观看| 美女大奶头视频| 亚洲欧美日韩高清专用| 美女国产视频在线观看| 久久精品久久久久久噜噜老黄 | 色视频www国产| 日韩一区二区三区影片| 观看免费一级毛片| 成人一区二区视频在线观看| 精品一区二区三区人妻视频| 少妇高潮的动态图| 伦精品一区二区三区| 九草在线视频观看| 女人久久www免费人成看片 | 久久韩国三级中文字幕| 简卡轻食公司| 国产在线一区二区三区精 | 日韩欧美 国产精品| 久久99蜜桃精品久久| 久久久久久久久大av| 国产精品爽爽va在线观看网站| 少妇猛男粗大的猛烈进出视频 | av免费观看日本| 中文字幕熟女人妻在线| 岛国在线免费视频观看| 69人妻影院| 岛国毛片在线播放| 91久久精品电影网| 国产精品av视频在线免费观看| 国产亚洲最大av| 精品久久久久久久末码| 美女cb高潮喷水在线观看| 99热这里只有是精品在线观看| 成人综合一区亚洲| 亚洲精品国产成人久久av| 亚洲国产欧美人成| 欧美另类亚洲清纯唯美| 亚洲在线观看片| 波野结衣二区三区在线| 深夜a级毛片| 高清av免费在线| av国产久精品久网站免费入址| 特大巨黑吊av在线直播| 成人综合一区亚洲| 人人妻人人澡人人爽人人夜夜 | 久久人人爽人人片av| 美女被艹到高潮喷水动态| 两性午夜刺激爽爽歪歪视频在线观看| 国产精品综合久久久久久久免费| 五月玫瑰六月丁香| 禁无遮挡网站| 最近最新中文字幕大全电影3| 内射极品少妇av片p| 一个人看视频在线观看www免费| 99视频精品全部免费 在线| 成人三级黄色视频| 色综合站精品国产| 国产成人aa在线观看| 亚洲不卡免费看| 尾随美女入室| 国产免费一级a男人的天堂| 久久99精品国语久久久| 色综合站精品国产| 插阴视频在线观看视频| 欧美成人精品欧美一级黄| 看黄色毛片网站| 国内少妇人妻偷人精品xxx网站| 国产成人91sexporn| 国产视频首页在线观看| 国产精华一区二区三区| videos熟女内射| 久久久久国产网址| 2021天堂中文幕一二区在线观| 免费看美女性在线毛片视频| 99久久精品国产国产毛片| 中文字幕亚洲精品专区| 国产伦一二天堂av在线观看| 国产精品福利在线免费观看| av又黄又爽大尺度在线免费看 | 精品不卡国产一区二区三区| 一级黄色大片毛片| 国产精品福利在线免费观看| 成人漫画全彩无遮挡| 日本黄色片子视频| 国产精品野战在线观看| 少妇熟女aⅴ在线视频| 日韩中字成人| 99九九线精品视频在线观看视频| 日韩 亚洲 欧美在线| av女优亚洲男人天堂| 国产色爽女视频免费观看| 欧美激情久久久久久爽电影| 蜜臀久久99精品久久宅男| 久久亚洲精品不卡| 狂野欧美激情性xxxx在线观看| 欧美成人a在线观看| 欧美极品一区二区三区四区| 欧美高清成人免费视频www| 成人毛片a级毛片在线播放| 国产男人的电影天堂91| 一区二区三区四区激情视频| 久久99精品国语久久久| 九色成人免费人妻av| 国产精华一区二区三区| 非洲黑人性xxxx精品又粗又长| 精品一区二区免费观看| 亚洲国产精品专区欧美| 日日干狠狠操夜夜爽| 免费观看的影片在线观看| 亚洲图色成人| 欧美人与善性xxx| ponron亚洲| 床上黄色一级片| 国产精品一区www在线观看| 国产乱来视频区| 午夜视频国产福利| 欧美一区二区精品小视频在线| 国产色爽女视频免费观看| 精品无人区乱码1区二区| 午夜福利成人在线免费观看| 国产探花极品一区二区| 国产精品国产三级专区第一集| 又粗又硬又长又爽又黄的视频| 日本av手机在线免费观看| 国产片特级美女逼逼视频| 秋霞伦理黄片| 成人毛片60女人毛片免费| 99热网站在线观看| 精品久久久久久久末码| 老师上课跳d突然被开到最大视频| 国产白丝娇喘喷水9色精品| 哪个播放器可以免费观看大片| 最近最新中文字幕免费大全7| 国产一区有黄有色的免费视频 | 男女边吃奶边做爰视频| 久久久色成人| 亚洲天堂国产精品一区在线| 白带黄色成豆腐渣| 国产一区二区三区av在线| 久久精品综合一区二区三区| 天天躁日日操中文字幕| 超碰97精品在线观看| 欧美一级a爱片免费观看看| 亚洲经典国产精华液单| 久久久久精品久久久久真实原创| 欧美性感艳星| 国产中年淑女户外野战色| 欧美日韩在线观看h| 色哟哟·www| 国产成人aa在线观看| a级一级毛片免费在线观看| 亚洲真实伦在线观看| 国产成人福利小说| 亚洲成人久久爱视频| 秋霞伦理黄片| 日韩人妻高清精品专区| 淫秽高清视频在线观看| 热99re8久久精品国产| 大又大粗又爽又黄少妇毛片口| 熟女电影av网| 九九爱精品视频在线观看| 成人欧美大片| 精品国产一区二区三区久久久樱花 | 久久久a久久爽久久v久久| 欧美区成人在线视频| 七月丁香在线播放| 毛片女人毛片| 亚洲三级黄色毛片| 成人毛片a级毛片在线播放| 一级二级三级毛片免费看| 一级av片app| 人人妻人人澡人人爽人人夜夜 | 国产av在哪里看| 久久久久久久午夜电影| 久久人人爽人人片av| 亚洲精华国产精华液的使用体验| 精品人妻视频免费看| 天天躁日日操中文字幕| 久久久久国产网址| 校园人妻丝袜中文字幕| 日日摸夜夜添夜夜添av毛片| 亚洲国产欧美在线一区| videos熟女内射| 亚洲精品成人久久久久久| 欧美xxxx性猛交bbbb| 插逼视频在线观看| 美女内射精品一级片tv| 岛国毛片在线播放| 99九九线精品视频在线观看视频| 国产精品电影一区二区三区| 中文精品一卡2卡3卡4更新| 色尼玛亚洲综合影院| 久久99蜜桃精品久久| 人妻少妇偷人精品九色| 九九在线视频观看精品| 69人妻影院| 人人妻人人看人人澡| 久久久久久久久久黄片| 亚洲久久久久久中文字幕| 中文欧美无线码| 国产黄色视频一区二区在线观看 | 99热6这里只有精品| 国产极品精品免费视频能看的| 欧美zozozo另类| av在线亚洲专区| 日本猛色少妇xxxxx猛交久久| av黄色大香蕉| 国产伦精品一区二区三区视频9| 又爽又黄无遮挡网站| ponron亚洲| 国内精品宾馆在线| 国产老妇女一区| 欧美zozozo另类| 欧美+日韩+精品| 国产精品日韩av在线免费观看| 又黄又爽又刺激的免费视频.| 国产精品av视频在线免费观看| 国产一级毛片在线| 亚洲精品乱码久久久久久按摩| 日本一二三区视频观看| 日本免费在线观看一区| 国产精华一区二区三区| 天堂中文最新版在线下载 | 熟妇人妻久久中文字幕3abv| 蜜臀久久99精品久久宅男| 能在线免费看毛片的网站| av专区在线播放| 最新中文字幕久久久久| 最近的中文字幕免费完整| 久久久久国产网址| 亚洲18禁久久av| 亚洲精品456在线播放app| 日本黄色视频三级网站网址| 国产精品三级大全| 嘟嘟电影网在线观看| 男的添女的下面高潮视频| 18禁在线无遮挡免费观看视频| 免费一级毛片在线播放高清视频| 草草在线视频免费看| 啦啦啦啦在线视频资源| 在线观看av片永久免费下载| 91精品伊人久久大香线蕉| 中国美白少妇内射xxxbb| 在线免费观看的www视频| 国产91av在线免费观看| 日韩av在线免费看完整版不卡| 日日摸夜夜添夜夜爱| 成人综合一区亚洲| av国产免费在线观看| 熟女人妻精品中文字幕| 黄色一级大片看看| 国产av不卡久久| 国产精品永久免费网站| 2022亚洲国产成人精品| 99久国产av精品国产电影| 黄色一级大片看看| 亚洲精品国产成人久久av| 国产综合懂色| 久久久午夜欧美精品| 精品久久久久久久末码| 可以在线观看毛片的网站| 欧美日韩在线观看h| 一边摸一边抽搐一进一小说| 青春草视频在线免费观看| 黄片无遮挡物在线观看| 国模一区二区三区四区视频| 国产精品野战在线观看| 欧美日韩在线观看h| 一本久久精品| 久久久久免费精品人妻一区二区| 搡女人真爽免费视频火全软件| 欧美色视频一区免费| 精品少妇黑人巨大在线播放 | 亚洲av电影不卡..在线观看| 三级国产精品欧美在线观看| 国产高清有码在线观看视频| 啦啦啦韩国在线观看视频| 欧美bdsm另类| 非洲黑人性xxxx精品又粗又长| 日韩人妻高清精品专区| 最近2019中文字幕mv第一页| 日韩av在线免费看完整版不卡| 日韩 亚洲 欧美在线| 男女啪啪激烈高潮av片| 国产精品一二三区在线看| 人人妻人人澡欧美一区二区| 免费看av在线观看网站| 欧美bdsm另类| av线在线观看网站| 亚洲av男天堂| 国产色婷婷99| 欧美一区二区国产精品久久精品| 午夜免费男女啪啪视频观看| 青青草视频在线视频观看| av在线亚洲专区| 日本免费a在线| 天堂中文最新版在线下载 | av免费在线看不卡| 日韩视频在线欧美| 一级毛片电影观看 | 国产男人的电影天堂91| a级一级毛片免费在线观看| 欧美一区二区国产精品久久精品| 久久久久免费精品人妻一区二区| 免费观看性生交大片5| 国产精品乱码一区二三区的特点| 嫩草影院入口| 亚洲成色77777| 超碰av人人做人人爽久久| 国产探花在线观看一区二区| 久久久成人免费电影| 午夜亚洲福利在线播放| 亚洲最大成人手机在线| 国产精品一区二区在线观看99 | 深夜a级毛片| 午夜激情福利司机影院| 午夜福利高清视频| 午夜老司机福利剧场| 91狼人影院| 亚洲国产欧洲综合997久久,| 国产69精品久久久久777片| ponron亚洲| 好男人在线观看高清免费视频| 高清午夜精品一区二区三区| 嫩草影院入口| 18+在线观看网站| 亚洲国产欧美人成| 成人综合一区亚洲| 最近最新中文字幕免费大全7| 国产精品久久电影中文字幕| 婷婷色综合大香蕉| 婷婷色av中文字幕| 亚洲激情五月婷婷啪啪| 亚洲综合精品二区| 看十八女毛片水多多多| 欧美一区二区亚洲| 亚洲av成人精品一区久久| 亚洲美女视频黄频| 啦啦啦啦在线视频资源| 亚洲精品亚洲一区二区| 午夜免费激情av| h日本视频在线播放| 成人漫画全彩无遮挡| 啦啦啦观看免费观看视频高清| 亚洲精品日韩在线中文字幕| 亚洲欧美日韩高清专用| 美女脱内裤让男人舔精品视频| 一夜夜www| 国产午夜精品一二区理论片| 黑人高潮一二区| 亚洲国产精品国产精品| av国产免费在线观看| 国产视频内射| 国产爱豆传媒在线观看| 美女cb高潮喷水在线观看| 国产毛片a区久久久久| 我要搜黄色片| 国产又色又爽无遮挡免| 亚洲国产欧美在线一区| 午夜久久久久精精品| 日韩中字成人| 免费看av在线观看网站| 神马国产精品三级电影在线观看| 亚洲综合精品二区| 寂寞人妻少妇视频99o| 最近的中文字幕免费完整| 精品人妻视频免费看| 别揉我奶头 嗯啊视频| 国产成年人精品一区二区| 成人欧美大片| 久久精品久久精品一区二区三区| 高清午夜精品一区二区三区| 最近的中文字幕免费完整| 成人三级黄色视频| 观看免费一级毛片| 噜噜噜噜噜久久久久久91| 日韩国内少妇激情av| 国模一区二区三区四区视频| 国产 一区 欧美 日韩| 日韩三级伦理在线观看| 在线播放无遮挡| 日日摸夜夜添夜夜爱| 日本免费在线观看一区| 秋霞在线观看毛片| 免费播放大片免费观看视频在线观看 | 国产午夜精品论理片| 久久韩国三级中文字幕| 纵有疾风起免费观看全集完整版 | 国产在视频线在精品| 国产亚洲91精品色在线| 特级一级黄色大片| 春色校园在线视频观看| 日本五十路高清| 欧美成人午夜免费资源| 国产一区二区在线av高清观看| 色5月婷婷丁香| 亚洲婷婷狠狠爱综合网| 日韩人妻高清精品专区| 成人亚洲精品av一区二区| 亚洲一级一片aⅴ在线观看| 国产伦精品一区二区三区四那| 久久99热这里只频精品6学生 | 女人十人毛片免费观看3o分钟| 夫妻性生交免费视频一级片| 亚洲人与动物交配视频| 国内揄拍国产精品人妻在线| 国产淫语在线视频| 成人午夜高清在线视频| 两个人的视频大全免费| 特大巨黑吊av在线直播| 国产亚洲91精品色在线| 免费看光身美女| 国产在视频线精品| 欧美日本亚洲视频在线播放| 日韩欧美国产在线观看| 青春草亚洲视频在线观看| 夫妻性生交免费视频一级片| 三级毛片av免费| 久久精品夜夜夜夜夜久久蜜豆| 久久久精品大字幕| 日本av手机在线免费观看| 欧美日韩一区二区视频在线观看视频在线 | 97人妻精品一区二区三区麻豆| 精品久久久久久久久久久久久| 国产精品日韩av在线免费观看| 九草在线视频观看| 简卡轻食公司| 成人国产麻豆网| av专区在线播放| 日韩av在线大香蕉| 午夜福利高清视频| 九九爱精品视频在线观看| 国产一区二区在线av高清观看| 黄色配什么色好看| 成人性生交大片免费视频hd| av国产免费在线观看| 欧美一级a爱片免费观看看| 在线观看美女被高潮喷水网站| 全区人妻精品视频| 免费看av在线观看网站| 国产成年人精品一区二区| 特级一级黄色大片| 亚洲四区av| 国产 一区精品| 亚洲人成网站高清观看| 一夜夜www| 国产精品一区二区性色av| 如何舔出高潮| 精品久久国产蜜桃| 亚洲性久久影院| 少妇裸体淫交视频免费看高清| 如何舔出高潮| 国产精品99久久久久久久久| a级毛片免费高清观看在线播放| 啦啦啦韩国在线观看视频| 精品久久久久久久久av| 看片在线看免费视频| 久久综合国产亚洲精品| 国内精品一区二区在线观看| 性色avwww在线观看| 一区二区三区高清视频在线| 精品无人区乱码1区二区| 亚洲精品成人久久久久久| 高清在线视频一区二区三区 | 插阴视频在线观看视频| ponron亚洲| 麻豆av噜噜一区二区三区| 午夜a级毛片| 亚洲av成人精品一区久久| or卡值多少钱| 国产av不卡久久| 国产精品电影一区二区三区| 九九热线精品视视频播放| 国产成人一区二区在线| 日本免费a在线| 亚洲成人av在线免费| 午夜免费激情av| 成年女人看的毛片在线观看| 午夜免费激情av| av.在线天堂| 大香蕉97超碰在线| 边亲边吃奶的免费视频| 1024手机看黄色片| 日韩人妻高清精品专区| 麻豆精品久久久久久蜜桃| av免费观看日本| 亚洲国产精品国产精品| 亚洲av成人av| 国产亚洲精品av在线| 日本爱情动作片www.在线观看| 人人妻人人澡人人爽人人夜夜 | 噜噜噜噜噜久久久久久91| 伊人久久精品亚洲午夜| 18禁在线无遮挡免费观看视频| 亚洲欧美精品自产自拍| 非洲黑人性xxxx精品又粗又长| 国产精品无大码| 久久久久久久久久久丰满| 日韩欧美三级三区| 国产成人午夜福利电影在线观看| 一区二区三区乱码不卡18| 国产 一区精品| 国产伦精品一区二区三区四那| 亚洲国产最新在线播放| 久久国产乱子免费精品| av专区在线播放| 午夜老司机福利剧场| 日本色播在线视频| 国产激情偷乱视频一区二区| 插阴视频在线观看视频| av国产免费在线观看| 人人妻人人看人人澡| 禁无遮挡网站| 免费播放大片免费观看视频在线观看 | 亚洲精品aⅴ在线观看| 免费黄网站久久成人精品| 99九九线精品视频在线观看视频| 身体一侧抽搐| 久久精品国产亚洲av天美| 深爱激情五月婷婷| 国产女主播在线喷水免费视频网站 | 一级爰片在线观看| 少妇猛男粗大的猛烈进出视频 | 精品人妻偷拍中文字幕| 亚洲精品一区蜜桃| 日韩成人av中文字幕在线观看| 欧美一区二区精品小视频在线| 级片在线观看| 日韩成人av中文字幕在线观看| 日韩av不卡免费在线播放|