• <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 ?

    基于信息?;c支持向量回歸機的內(nèi)河船舶油耗預測

    2021-12-17 06:39:02童亮陳雪梅鄭朋飛
    船海工程 2021年6期
    關鍵詞:粒化油耗預測值

    童亮,陳雪梅,鄭朋飛

    (重慶交通大學 航運與船舶工程學院,重慶 400074)

    由于不斷增長的航運需求,船舶溫室氣體排放量預計將在2050年前較2018年增加50%[1]。因此,作為《船舶能效管理計劃》(ship energy efficiency management plan,SEEMP)的重要組成部分,越來越多的國際規(guī)則的制定已集中于船舶能源效率的提高。在船舶實際運營過程中,燃油費用占運營總成本的30%~60%[2],而內(nèi)河船舶多變的通航環(huán)境使其油耗過程更具復雜性。因此,在一定的航程和有限的時間內(nèi)使船舶油耗最低是我國內(nèi)河航運業(yè)技術改造和產(chǎn)業(yè)升級迫切需要解決的重要問題之一。

    船舶油耗預測的建模方法可分為:理論公式建模和統(tǒng)計數(shù)據(jù)建模。理論建模,模型的建立需要完整的船舶設計參數(shù)和實驗數(shù)據(jù),分析過程中涉及環(huán)境因素過多且建模難度相對較大[3-4],因此理論公式建模無法囊括所有船型,實用性需進一步提高。統(tǒng)計數(shù)據(jù)的建模主要通過分析船舶油耗相關因素,將數(shù)學方法和機器學習相結(jié)合,擯棄冗雜的機理分析,建立實測數(shù)據(jù)的預測模型,準確度高,實用性好。

    因此,針對復雜的能耗特征和多變的內(nèi)河環(huán)境,考慮以內(nèi)河某散貨船為例,對目標船舶安裝多個傳感器測得實船數(shù)據(jù),采用多個模型(SVR模型、BP模型和ELM模型)分別對油耗進行預估,對比分析網(wǎng)絡模型對實船油耗的預測結(jié)果;利用支持向量回歸機(support vector regression,SVR)與模糊信息?;?fuzzy information granulation,FIG)結(jié)合的方法對船舶未來一段時間內(nèi)的油耗進行回歸于預測分析。

    1 內(nèi)河船舶能耗主要影響因素

    內(nèi)河運輸節(jié)能降耗面臨著以下問題[5]:①量大面廣,船型雜亂;②船齡偏老,信息化不高;③管理水平低較,運輸效率有待提高;④能耗管控不力,綜合油耗相對偏高,排放高。列舉影響船舶油耗的主要因素見表1。

    表1 影響船舶油耗的主要因素

    2 數(shù)據(jù)預處理

    船舶航行時,系統(tǒng)采集到的多維數(shù)據(jù)具有樣本大、準確度低的特點。為了得到精準的預測模型和有效的預測結(jié)果,通常使用區(qū)間縮放法將輸入數(shù)據(jù)、輸出數(shù)據(jù)線性壓縮至[0,1]區(qū)間內(nèi)的量綱值,以消除多維數(shù)據(jù)不同量綱的影響。歸一化處理見下式[6]。

    (1)

    式中:x*為歸一化處理后的數(shù)據(jù);x為輸入數(shù)據(jù);xmax為輸入數(shù)據(jù)最大值;xmin為輸入數(shù)據(jù)最小值。

    模型的輸入?yún)?shù)眾多,變量之間有一定的相互作用和關聯(lián)性。因此,采用主成分分析法(principal component analysis,PCA)對變量進行降維處理,提取影響油耗的關鍵特征。

    Fp=a1i·ZX1+a2i·ZX2+…+api·ZXp

    (2)

    式中:FP為影響油耗的主成分;a1i,a2i,…,api(i=1,2,…,m)為輸入變量的協(xié)方差陣Σ對應的特征向量,ZX1,ZX2,…,ZXp為輸入變量的標準化值。

    3 組合預測模型

    3.1 SVR模型

    在航船舶的燃油消耗時間序列具有較強的非線性和隨機性,采用SVR模型對船舶油耗進行預測,該模型具有以下優(yōu)勢[7]:①SVR模型得到的是理論上的全局最優(yōu)解,可避免局部最優(yōu)問題;②SVR模型通過非線性變換將原始變量映射到高維特征空間構(gòu)造線性分類函數(shù),既可保證模型的良好泛化能力,又可解決向量“維數(shù)災難”問題。模型中關于油耗預測的非線性回歸問題的尋優(yōu)實施步驟為:

    1)在高維特征空間建立線性回歸函數(shù)。

    f(x)=wΦ(x)+b

    (3)

    式中:Ф(x)為非線性映射函數(shù)。

    2)定義ε線性不敏感損失函數(shù)。

    (4)

    式中:f(x)為預測值;y為對應的實際值。若預測值與實際值之間的差值小于等于ε,則損失為0。

    (5)

    式中:Ф(x)為非線性映射函數(shù),C為懲罰因子,ε規(guī)定了回歸函數(shù)的誤差要求。

    f(x)=w*Φ(x)+b*=

    (6)

    選取徑向基核函數(shù)

    K(xi,xj)=Φ(xi)Φ(xj)

    (7)

    5)帶入核函數(shù),求解回歸函數(shù)。

    f(x)=w*Φ(x)+b*=

    (8)

    3.2 模糊信息?;?/h3>

    傳統(tǒng)油耗預測模型只對數(shù)據(jù)進行預處理,未對其影響因素進行特征分析,使得預測結(jié)果不精確、波動性大;預測大多停留在點時間上,忽視了對油耗一段時間內(nèi)的波動情況和變化范圍。因此,通過信息粒化(information granulation, IG)對大量油耗數(shù)據(jù)的內(nèi)部特征進行分析,將整體劃分為個體。

    FIG將油耗數(shù)據(jù)劃分成2 h一個窗口并對其模糊化處理,選用三角型的模糊粒子在窗口上建立模糊集,代替原窗口數(shù)據(jù),使實船油耗數(shù)據(jù)中不確定的變量轉(zhuǎn)換成確定數(shù)值,很好地解決了模糊數(shù)中無法準確度量只能模糊處理的矛盾。三角型隸屬函數(shù)如下。

    (9)

    式中:x為輸入的時間變量;a、m、b分別為輸入數(shù)據(jù)粒化后的最小值Low、平均值average和最大值Up。

    3.3 算法實現(xiàn)流程

    基于模糊信息粒化的SVR組合預測模型的流程見圖1。

    圖1 基于模糊信息粒化的SVR組合模型流程

    運用三角型函數(shù)對記錄的油耗時序值進行FIG處理,得到?;礚ow、R、Up,利用SVR模型對粒化后的數(shù)據(jù)進行回歸預測,得到預測的每個窗口油耗范圍RLow、Raverage和RUp,將預測數(shù)據(jù)與實際數(shù)據(jù)的變化趨勢和變化范圍進行比較,驗證模型預測效果。

    4 實例驗證

    4.1 研究對象

    以長江某散貨船為研究對象,該輪主要參數(shù)和主機相關參數(shù)見表2。

    表2 目標船舶主要參數(shù)

    4.2 PCA處理

    運用PCA對表1中的油耗相關參數(shù)進行分析,得到10個主成分的特征值、貢獻率。通過式(2),計算主成分與相關參數(shù)的對應關系,得到各參數(shù)的主成分貢獻率見表3。

    表3 相關參數(shù)主成分貢獻率

    從表3知,Z1~Z7的累積貢獻率達到96.367 2%,Z8~Z10的貢獻率則很小。因此,油耗預測模型的輸入維數(shù)降為以下7維:雙機轉(zhuǎn)速n2、單機轉(zhuǎn)速n1、航速V、水流速Vw、載貨量W、風速Vs、風向Vd。

    4.3 多個預測模型對比

    選取目標船舶江陰-南家坨航次,總計1 320組上水航行數(shù)據(jù),以每30 min內(nèi)主機累積消耗的燃油作為分析對象。為不失一般性,采用隨機的方法產(chǎn)生1 000組數(shù)據(jù)作為訓練集和320組數(shù)據(jù)作為測試集分別對模型的性能進行評價。按照時間序列的燃油消耗數(shù)據(jù)集見圖2。

    圖2 目標船舶燃油消耗時間序列

    觀察圖2燃油消耗時間序列,可知油耗波動起伏明顯,多個無序的峰值給預測帶來了難度。運用SVR模型對數(shù)據(jù)集進行預測,過程如下:首先對輸入的多維參數(shù)作歸一化處理,默認核函數(shù)為徑向基核函數(shù)(RBF),采用交叉驗證的方法尋找中間參數(shù)C(懲罰因子)和參數(shù)g(RBF核函數(shù)中的方差),運用GS算法得到精細尋優(yōu)的最佳C和g來訓練SVR模型,記錄輸入?yún)?shù)的回歸預測值,輸出真實值與預測值的對比結(jié)果。本次精細尋優(yōu)下的最優(yōu)參數(shù)bestC=16,bestg=0.250 0,數(shù)據(jù)集的預測結(jié)果見圖3、4。

    圖3 SVR訓練集預測結(jié)果

    圖4 SVR測試集預測結(jié)果

    由圖3、4所示,SVR模型訓練集和測試集的均方誤差分別為0.000 991 15和0.007 124 99,決定系數(shù)分別達到0.985 65和0.976 54。這表明,所建立的SVR油耗回歸模型具有非常好的泛化能力,預測效果良好。

    對320組測試集分別運用BP模型、ELM模型進行預測。BP模型參數(shù)設置如下:最大訓練次數(shù)為1 000、訓練要求精度為10-3、學習率為0.1;ELM模型的激活函數(shù)為sigmoid、隱含層神經(jīng)元個數(shù)為7、性能函數(shù)為mse。測試集的預測結(jié)果見圖5、6。

    圖5 BP模型測試集預測結(jié)果

    圖6 ELM極限學習機測試集預測結(jié)果

    將SVR模型的測試集預測結(jié)果對比BP神經(jīng)網(wǎng)絡、ELM極限學習機,結(jié)果見表4。表4表明4VR模型的預測誤差最小且準確度最高。

    表4 SVR、BP模型和Elman測試集結(jié)果對比

    4.4 模糊信息粒化SVR模型

    將記錄的1 320組油耗時序值作為輸入數(shù)據(jù),以每2 h為1個?;翱趯τ秃倪M行?;?,結(jié)果見圖7。其中,Low粒子描述的是油耗2 h內(nèi)變化的最小值;R粒子描述的是油耗2 h內(nèi)變化的平均值;Up粒子描述的是油耗2 h內(nèi)變化的最大值。

    圖7 模糊?;Y(jié)果

    將粒化結(jié)果Low、R、Up作為SVR模型的輸入?yún)?shù),構(gòu)建FIG_SVR組合預測模型,結(jié)果見圖8。

    圖8表明組合模型的Low參數(shù)、Up參數(shù)預測準確率較高且符合參數(shù)走勢,但R參數(shù)預測值普遍高于?;怠_@是由于目標船舶的主機分為左機、右機,航行時當只開單機(左機或者右機)時,速度低,油耗??;雙機(左右機)航行時,速度高,油耗大。因此,進行預測時,對于單雙機的油耗并未能區(qū)分預測,導致數(shù)據(jù)之間的跳躍性大,降低了組合模型的魯棒性,所以平均值R參數(shù)的預測結(jié)果偏高。以Low參數(shù)為例詳解FIG_SVR組合模型回歸預測:選用三角型函數(shù)對油耗時序值進行FIG處理,對粒化值Low參數(shù)作歸一化處理,利用交叉驗證(CV)方法得到最佳參數(shù)組合C=35,g=0.125 0,根據(jù)最佳參數(shù)訓練SVR模型,得到Low參數(shù)的擬合預測值,將預測值與實際值進行差值計算,誤差結(jié)果見圖8d)。

    圖8 ?;礥p、R和Low的SVR預測結(jié)果

    4.5 油耗預測變化趨勢結(jié)果驗證

    通過對油耗數(shù)據(jù)進行FIG_SVR組合模型的預測得到波動范圍RLow、Raverage和RUp,將預測值與2 h內(nèi)的實際油耗值進行比較,結(jié)果見表5。

    表5 船舶油耗變化趨勢和變化空間預測

    真實值與預測值的相對誤差不超過4%,由模糊粒子提供的預測范圍也符合油耗的真實波動范圍。由此可見,基于模糊信息粒化的支持向量回歸機組合預測模型能夠準確地描述油耗未來2 h內(nèi)的波動態(tài)勢。

    通過FIG對數(shù)據(jù)進行窗口劃分和模糊化處理,以粒子為單位對油耗數(shù)據(jù)進行Low、R和Up粒子的分類。與原始數(shù)據(jù)相比,該方法對實船2 h內(nèi)的油耗波動情況進行了有效的挖掘,解決了以往預測模型中大量數(shù)據(jù)模糊分類和粗糙處理的弊??;根據(jù)挖掘得到的Low、R和Up粒子通過歸一化和預處理后作為輸入建立泛化功能良好的SVR油耗動態(tài)預測模型,該組合模型良好的預測結(jié)果得到了合理驗證。

    5 結(jié)論

    基于支持向量回歸機的油耗預測模型具有較優(yōu)的預測性能,模型的預測精度為SVR模型>ELM模型>BP模型;通過FIG_SVR組合預測模型得到了較為精確的未來油耗的變化趨勢和波動情況。

    猜你喜歡
    ?;?/a>油耗預測值
    IMF上調(diào)今年全球經(jīng)濟增長預期
    企業(yè)界(2024年8期)2024-07-05 10:59:04
    不談油耗 只講運動 試駕第十一代思域e:HEV
    車主之友(2022年5期)2022-11-23 07:22:20
    加拿大農(nóng)業(yè)部下調(diào)2021/22年度油菜籽和小麥產(chǎn)量預測值
    ±800kV直流輸電工程合成電場夏季實測值與預測值比對分析
    法電再次修訂2020年核發(fā)電量預測值
    國外核新聞(2020年8期)2020-03-14 02:09:19
    琯溪蜜柚汁胞?;绊懸蛩丶胺揽丶夹g綜述
    降低內(nèi)燃裝卸機械油耗措施的探討
    雙管齊下 YarisL致享綜合油耗測試
    車迷(2017年12期)2018-01-18 02:16:10
    輪胎式裝載機油耗測量方法探討
    建筑機械化(2015年7期)2015-01-03 08:09:00
    粗?;疍NA穿孔行為的分子動力學模擬
    亚洲专区国产一区二区| av天堂在线播放| 97在线人人人人妻| 久久精品熟女亚洲av麻豆精品| 国产91精品成人一区二区三区 | 大片电影免费在线观看免费| 成人18禁在线播放| 精品少妇久久久久久888优播| 91精品国产国语对白视频| 亚洲精品一卡2卡三卡4卡5卡| 国产亚洲精品第一综合不卡| 精品国产一区二区三区久久久樱花| 最黄视频免费看| 50天的宝宝边吃奶边哭怎么回事| 中文亚洲av片在线观看爽 | 69av精品久久久久久 | 久久天堂一区二区三区四区| 母亲3免费完整高清在线观看| 成人手机av| 18禁裸乳无遮挡动漫免费视频| 午夜久久久在线观看| 国产日韩一区二区三区精品不卡| 制服人妻中文乱码| 啦啦啦视频在线资源免费观看| 又黄又粗又硬又大视频| 97人妻天天添夜夜摸| 国产精品久久久久久精品古装| 国产男靠女视频免费网站| 丁香欧美五月| 久久av网站| 久久人妻福利社区极品人妻图片| 69av精品久久久久久 | 亚洲精品中文字幕在线视频| 免费黄频网站在线观看国产| 国产伦理片在线播放av一区| 视频区欧美日本亚洲| 国产成人精品久久二区二区91| 午夜老司机福利片| 大片免费播放器 马上看| 999久久久国产精品视频| 十八禁网站免费在线| 18在线观看网站| svipshipincom国产片| 成年版毛片免费区| 日韩欧美三级三区| 99精品久久久久人妻精品| 精品少妇久久久久久888优播| 热re99久久精品国产66热6| 美女高潮喷水抽搐中文字幕| 最黄视频免费看| 99精品在免费线老司机午夜| 日本五十路高清| 露出奶头的视频| 视频区图区小说| 99精品在免费线老司机午夜| 男女午夜视频在线观看| 满18在线观看网站| 国产人伦9x9x在线观看| 999久久久精品免费观看国产| 国产精品免费一区二区三区在线 | 99久久国产精品久久久| 国产1区2区3区精品| 每晚都被弄得嗷嗷叫到高潮| 极品教师在线免费播放| 欧美另类亚洲清纯唯美| 一边摸一边做爽爽视频免费| 日韩一卡2卡3卡4卡2021年| 淫妇啪啪啪对白视频| 激情视频va一区二区三区| 午夜福利,免费看| 中文欧美无线码| 久久人妻av系列| 天堂俺去俺来也www色官网| 国产一卡二卡三卡精品| a在线观看视频网站| 亚洲情色 制服丝袜| 在线观看www视频免费| 99精品欧美一区二区三区四区| 久久精品亚洲av国产电影网| netflix在线观看网站| 男女午夜视频在线观看| 少妇裸体淫交视频免费看高清 | 天堂中文最新版在线下载| 老司机午夜福利在线观看视频 | 亚洲av电影在线进入| 亚洲国产av影院在线观看| 免费一级毛片在线播放高清视频 | 国产精品久久电影中文字幕 | 午夜精品国产一区二区电影| 久久中文字幕一级| av一本久久久久| 日本黄色视频三级网站网址 | 91精品国产国语对白视频| 日韩欧美国产一区二区入口| 久久99一区二区三区| 亚洲精品国产一区二区精华液| 国产精品99久久99久久久不卡| 在线永久观看黄色视频| 免费观看a级毛片全部| 亚洲色图综合在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 色精品久久人妻99蜜桃| 天堂8中文在线网| 亚洲国产成人一精品久久久| 99国产综合亚洲精品| 狂野欧美激情性xxxx| 9热在线视频观看99| 久热这里只有精品99| 国产精品久久久久久人妻精品电影 | 国产成人av教育| 亚洲国产欧美网| 国产野战对白在线观看| 最近最新免费中文字幕在线| 一级毛片女人18水好多| 国产精品麻豆人妻色哟哟久久| 在线看a的网站| 正在播放国产对白刺激| 黑人巨大精品欧美一区二区蜜桃| a级毛片在线看网站| 久久国产精品人妻蜜桃| av天堂在线播放| 满18在线观看网站| 我的亚洲天堂| 男人舔女人的私密视频| 男女下面插进去视频免费观看| 国产成人啪精品午夜网站| 一边摸一边做爽爽视频免费| 国产精品自产拍在线观看55亚洲 | 免费在线观看视频国产中文字幕亚洲| 日韩欧美三级三区| 成人国产av品久久久| 国产亚洲精品久久久久5区| 熟女少妇亚洲综合色aaa.| 少妇 在线观看| 亚洲久久久国产精品| 18禁黄网站禁片午夜丰满| 亚洲欧美一区二区三区久久| 国产不卡av网站在线观看| 成年人黄色毛片网站| 国产免费视频播放在线视频| 欧美精品高潮呻吟av久久| 最近最新免费中文字幕在线| 热re99久久国产66热| 丝袜喷水一区| 如日韩欧美国产精品一区二区三区| 丁香六月欧美| 男女无遮挡免费网站观看| 在线观看免费日韩欧美大片| 搡老熟女国产l中国老女人| avwww免费| 青草久久国产| 淫妇啪啪啪对白视频| 国产在线一区二区三区精| 亚洲av第一区精品v没综合| 亚洲欧洲精品一区二区精品久久久| 日本黄色视频三级网站网址 | 色婷婷av一区二区三区视频| 亚洲色图av天堂| 免费在线观看完整版高清| bbb黄色大片| 欧美精品啪啪一区二区三区| 1024香蕉在线观看| 亚洲免费av在线视频| 黄色成人免费大全| 俄罗斯特黄特色一大片| 久久久久精品国产欧美久久久| 午夜视频精品福利| 满18在线观看网站| 色视频在线一区二区三区| 99国产极品粉嫩在线观看| 精品福利永久在线观看| 午夜日韩欧美国产| 午夜福利一区二区在线看| 久9热在线精品视频| 午夜日韩欧美国产| 国产伦理片在线播放av一区| 777米奇影视久久| 亚洲熟女毛片儿| 精品久久久久久久毛片微露脸| 老司机福利观看| 国产精品免费视频内射| 大陆偷拍与自拍| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品一区二区精品视频观看| 国产精品自产拍在线观看55亚洲 | 麻豆乱淫一区二区| 日韩欧美免费精品| 精品第一国产精品| 极品少妇高潮喷水抽搐| 成年人黄色毛片网站| 日韩免费高清中文字幕av| 日韩欧美一区二区三区在线观看 | 欧美一级毛片孕妇| 超碰97精品在线观看| 国产精品一区二区在线观看99| 极品人妻少妇av视频| 亚洲国产中文字幕在线视频| 亚洲国产精品一区二区三区在线| 日韩中文字幕视频在线看片| 大片免费播放器 马上看| 国产亚洲精品第一综合不卡| 51午夜福利影视在线观看| 亚洲精品乱久久久久久| 少妇猛男粗大的猛烈进出视频| 美女视频免费永久观看网站| kizo精华| 亚洲av国产av综合av卡| 久久久精品94久久精品| av免费在线观看网站| 国产高清激情床上av| 日韩人妻精品一区2区三区| 50天的宝宝边吃奶边哭怎么回事| 亚洲伊人色综图| 纵有疾风起免费观看全集完整版| 操美女的视频在线观看| 久久99热这里只频精品6学生| 国产精品99久久99久久久不卡| 亚洲美女黄片视频| 丝袜美腿诱惑在线| 人人妻人人澡人人看| 亚洲 欧美一区二区三区| 美国免费a级毛片| 女人被躁到高潮嗷嗷叫费观| 亚洲精品美女久久av网站| tocl精华| 久久影院123| 欧美 亚洲 国产 日韩一| 老司机靠b影院| 在线观看免费午夜福利视频| 女人爽到高潮嗷嗷叫在线视频| 国产真人三级小视频在线观看| 欧美成狂野欧美在线观看| netflix在线观看网站| av欧美777| 久9热在线精品视频| 欧美人与性动交α欧美软件| 国产欧美日韩精品亚洲av| 热99re8久久精品国产| 一本久久精品| 1024香蕉在线观看| 99热网站在线观看| 亚洲熟女毛片儿| 中文字幕人妻丝袜制服| 色视频在线一区二区三区| 一个人免费看片子| 国产欧美日韩综合在线一区二区| 亚洲精品成人av观看孕妇| 性高湖久久久久久久久免费观看| av一本久久久久| 亚洲欧美日韩另类电影网站| 国产精品.久久久| 一级片'在线观看视频| 热99国产精品久久久久久7| 亚洲专区中文字幕在线| 欧美激情 高清一区二区三区| 黑丝袜美女国产一区| 美女主播在线视频| 国产精品一区二区免费欧美| 国产精品99久久99久久久不卡| 女人高潮潮喷娇喘18禁视频| 亚洲av日韩在线播放| 国产一区二区 视频在线| 手机成人av网站| www.自偷自拍.com| 亚洲精品美女久久久久99蜜臀| 满18在线观看网站| 午夜免费鲁丝| 黄色成人免费大全| 久热这里只有精品99| 汤姆久久久久久久影院中文字幕| 国产精品久久电影中文字幕 | 99国产综合亚洲精品| 视频区图区小说| 少妇猛男粗大的猛烈进出视频| 丝瓜视频免费看黄片| 黑丝袜美女国产一区| av片东京热男人的天堂| 高清在线国产一区| 建设人人有责人人尽责人人享有的| h视频一区二区三区| 久久精品国产亚洲av高清一级| 女警被强在线播放| 久久 成人 亚洲| 乱人伦中国视频| 日韩欧美免费精品| 午夜成年电影在线免费观看| 亚洲一区中文字幕在线| 久久国产精品男人的天堂亚洲| 人成视频在线观看免费观看| av一本久久久久| 国产精品国产高清国产av | 欧美黄色片欧美黄色片| 操出白浆在线播放| 久久精品亚洲熟妇少妇任你| 他把我摸到了高潮在线观看 | 国产欧美日韩一区二区三区在线| 黄色视频,在线免费观看| 亚洲第一欧美日韩一区二区三区 | 男女床上黄色一级片免费看| 最新在线观看一区二区三区| 亚洲五月色婷婷综合| 捣出白浆h1v1| 大码成人一级视频| 丁香六月天网| aaaaa片日本免费| 黄色 视频免费看| 欧美日韩成人在线一区二区| 国产亚洲av高清不卡| 最近最新中文字幕大全免费视频| 一区二区三区乱码不卡18| 性高湖久久久久久久久免费观看| av国产精品久久久久影院| 国产精品免费一区二区三区在线 | 日日夜夜操网爽| 免费在线观看完整版高清| 黑人猛操日本美女一级片| 国产成人系列免费观看| 少妇的丰满在线观看| 国产在线一区二区三区精| av福利片在线| 欧美日韩黄片免| 国产黄色免费在线视频| 亚洲欧美日韩另类电影网站| 国产成人影院久久av| 手机成人av网站| 日本a在线网址| av电影中文网址| 午夜福利在线免费观看网站| 黑人操中国人逼视频| 五月开心婷婷网| 久久午夜综合久久蜜桃| 91成人精品电影| 国产成人精品无人区| 美女扒开内裤让男人捅视频| 变态另类成人亚洲欧美熟女 | 一边摸一边抽搐一进一小说 | 曰老女人黄片| 国产一区二区三区综合在线观看| 可以免费在线观看a视频的电影网站| 亚洲三区欧美一区| 国产男女超爽视频在线观看| 久久ye,这里只有精品| 精品人妻1区二区| 午夜福利在线观看吧| 亚洲av成人一区二区三| 人妻一区二区av| 日韩大片免费观看网站| 精品国产超薄肉色丝袜足j| 日本a在线网址| 亚洲午夜理论影院| 91麻豆精品激情在线观看国产 | 欧美日韩亚洲综合一区二区三区_| 最近最新中文字幕大全电影3 | 亚洲天堂av无毛| 日韩视频一区二区在线观看| 一区二区三区精品91| 美女扒开内裤让男人捅视频| 丰满饥渴人妻一区二区三| 国产成人精品在线电影| 亚洲精品av麻豆狂野| 日韩欧美一区二区三区在线观看 | 宅男免费午夜| 老司机午夜十八禁免费视频| 美女国产高潮福利片在线看| 久久久久精品人妻al黑| 夫妻午夜视频| 国产精品麻豆人妻色哟哟久久| 国产国语露脸激情在线看| 香蕉久久夜色| avwww免费| 亚洲国产成人一精品久久久| 亚洲国产欧美一区二区综合| 国产99久久九九免费精品| 精品国产一区二区三区四区第35| 一级,二级,三级黄色视频| 久久国产精品人妻蜜桃| 午夜视频精品福利| 久久精品91无色码中文字幕| 色综合婷婷激情| 国产xxxxx性猛交| 最黄视频免费看| 下体分泌物呈黄色| 99精品欧美一区二区三区四区| 国产麻豆69| 777久久人妻少妇嫩草av网站| 一二三四社区在线视频社区8| 精品久久蜜臀av无| 成人国产av品久久久| 欧美日韩福利视频一区二区| 老司机亚洲免费影院| 在线永久观看黄色视频| 久久香蕉激情| 国产精品熟女久久久久浪| 午夜福利,免费看| 最新在线观看一区二区三区| 在线观看www视频免费| 久久中文字幕一级| 国产aⅴ精品一区二区三区波| 嫩草影视91久久| 人成视频在线观看免费观看| 日日爽夜夜爽网站| 精品国产一区二区三区四区第35| 麻豆国产av国片精品| 欧美人与性动交α欧美软件| 亚洲成av片中文字幕在线观看| 午夜激情久久久久久久| www.自偷自拍.com| 成人手机av| 色94色欧美一区二区| 黄色丝袜av网址大全| videos熟女内射| a在线观看视频网站| av电影中文网址| 亚洲精品粉嫩美女一区| 老司机午夜十八禁免费视频| av免费在线观看网站| 久久久国产精品麻豆| 高清在线国产一区| 日韩制服丝袜自拍偷拍| 日韩人妻精品一区2区三区| 一级毛片精品| 日韩 欧美 亚洲 中文字幕| 久久香蕉激情| 国产精品国产高清国产av | kizo精华| 桃花免费在线播放| 建设人人有责人人尽责人人享有的| 黄色视频,在线免费观看| 精品第一国产精品| 天天躁狠狠躁夜夜躁狠狠躁| a在线观看视频网站| 亚洲欧美一区二区三区久久| 亚洲第一青青草原| 热99re8久久精品国产| 王馨瑶露胸无遮挡在线观看| 热99久久久久精品小说推荐| 亚洲天堂av无毛| 看免费av毛片| 久久精品aⅴ一区二区三区四区| 女警被强在线播放| 精品少妇一区二区三区视频日本电影| 亚洲人成77777在线视频| 久久久精品94久久精品| 日韩欧美国产一区二区入口| 无遮挡黄片免费观看| 欧美激情高清一区二区三区| 国产高清国产精品国产三级| 伊人久久大香线蕉亚洲五| 精品福利永久在线观看| 亚洲成人手机| 他把我摸到了高潮在线观看 | 女人被躁到高潮嗷嗷叫费观| 精品福利永久在线观看| 精品高清国产在线一区| 另类亚洲欧美激情| 99热网站在线观看| 欧美日韩黄片免| av网站免费在线观看视频| 成人精品一区二区免费| 热99久久久久精品小说推荐| e午夜精品久久久久久久| 精品国产超薄肉色丝袜足j| 99国产精品一区二区蜜桃av | 丁香六月欧美| 国产不卡av网站在线观看| 桃花免费在线播放| 国产成人欧美| 18禁美女被吸乳视频| 日日爽夜夜爽网站| 亚洲视频免费观看视频| 久久久久久亚洲精品国产蜜桃av| 99国产极品粉嫩在线观看| 欧美成狂野欧美在线观看| 一边摸一边抽搐一进一出视频| 成人免费观看视频高清| 黑人欧美特级aaaaaa片| 免费少妇av软件| 国产成人一区二区三区免费视频网站| 黄网站色视频无遮挡免费观看| 久久99一区二区三区| 啪啪无遮挡十八禁网站| 亚洲欧美日韩高清在线视频 | 国产精品欧美亚洲77777| 午夜福利欧美成人| 人妻久久中文字幕网| 精品亚洲成国产av| 久久午夜亚洲精品久久| 国产精品98久久久久久宅男小说| 中文字幕人妻丝袜制服| 少妇猛男粗大的猛烈进出视频| 黄片小视频在线播放| 国产精品久久电影中文字幕 | 国产精品久久久久成人av| 国产欧美亚洲国产| √禁漫天堂资源中文www| 亚洲伊人色综图| 制服诱惑二区| 国产精品一区二区精品视频观看| 男女免费视频国产| 色播在线永久视频| 亚洲久久久国产精品| 久久久精品94久久精品| 另类亚洲欧美激情| 91麻豆av在线| 99久久人妻综合| 免费不卡黄色视频| 少妇粗大呻吟视频| 欧美精品人与动牲交sv欧美| 久久精品亚洲精品国产色婷小说| 国产一区二区激情短视频| 久久热在线av| 国产精品久久久人人做人人爽| 狂野欧美激情性xxxx| 国产深夜福利视频在线观看| 亚洲天堂av无毛| 国产视频一区二区在线看| 国产成人精品久久二区二区91| 精品国产国语对白av| 十八禁网站免费在线| av一本久久久久| 久久狼人影院| 国产精品亚洲av一区麻豆| 国产精品影院久久| 国产欧美日韩综合在线一区二区| 亚洲中文字幕日韩| 电影成人av| 国产老妇伦熟女老妇高清| 免费女性裸体啪啪无遮挡网站| 中文字幕高清在线视频| 中文字幕人妻丝袜一区二区| 久久久久精品国产欧美久久久| 在线观看免费视频网站a站| 国产单亲对白刺激| 日本五十路高清| 女警被强在线播放| 纯流量卡能插随身wifi吗| 久久精品亚洲av国产电影网| 久久久久久免费高清国产稀缺| 嫁个100分男人电影在线观看| 亚洲三区欧美一区| 亚洲中文av在线| 最新的欧美精品一区二区| 黄色视频在线播放观看不卡| cao死你这个sao货| 又紧又爽又黄一区二区| 亚洲精品自拍成人| 九色亚洲精品在线播放| 天天操日日干夜夜撸| 下体分泌物呈黄色| 精品国产一区二区三区四区第35| 满18在线观看网站| 欧美人与性动交α欧美软件| 久久中文字幕人妻熟女| 亚洲av片天天在线观看| 日韩熟女老妇一区二区性免费视频| 亚洲 欧美一区二区三区| 日本黄色日本黄色录像| 色视频在线一区二区三区| 亚洲av美国av| 国产成人av激情在线播放| 免费在线观看完整版高清| 国产aⅴ精品一区二区三区波| 国产精品免费一区二区三区在线 | 亚洲av电影在线进入| 国产1区2区3区精品| 五月开心婷婷网| 国产1区2区3区精品| 美女高潮到喷水免费观看| av国产精品久久久久影院| 欧美日本中文国产一区发布| 亚洲情色 制服丝袜| 亚洲视频免费观看视频| 国产人伦9x9x在线观看| 欧美激情 高清一区二区三区| 国产人伦9x9x在线观看| 久久毛片免费看一区二区三区| 多毛熟女@视频| 国产免费av片在线观看野外av| √禁漫天堂资源中文www| 一区二区日韩欧美中文字幕| 成人18禁在线播放| 欧美老熟妇乱子伦牲交| 国产人伦9x9x在线观看| 深夜精品福利| 国产成人av激情在线播放| 99在线人妻在线中文字幕 | 一级毛片女人18水好多| 亚洲精品美女久久av网站| 99精品在免费线老司机午夜| 在线天堂中文资源库| 久久国产亚洲av麻豆专区| 免费在线观看完整版高清| 色视频在线一区二区三区| 久久久水蜜桃国产精品网| 黄片播放在线免费| 亚洲精品美女久久久久99蜜臀| av国产精品久久久久影院| 国产亚洲欧美在线一区二区| 午夜日韩欧美国产| 少妇裸体淫交视频免费看高清 | 窝窝影院91人妻| 国产午夜精品久久久久久| 国产成人免费无遮挡视频| 国产一区二区三区在线臀色熟女 | 电影成人av| 热re99久久精品国产66热6| 国产欧美日韩一区二区精品| 天天躁夜夜躁狠狠躁躁| 99热网站在线观看| 丁香欧美五月| 久久久精品94久久精品| 久久av网站| 窝窝影院91人妻| 国产一区二区三区在线臀色熟女 | 欧美日韩亚洲综合一区二区三区_|