• <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 ?

    基于層次分析法和隨機森林回歸算法的谷物資源風(fēng)險評估模型

    2022-01-10 08:50:10曹天紅程云輝陳茂龍李虹輝
    食品與機械 2021年12期
    關(guān)鍵詞:谷物分析法毒素

    陳 卓 丁 利 曹天紅 程云輝 文 李 許 宙 陳茂龍 焦 葉 李虹輝

    (長沙理工大學(xué)食品與生物工程學(xué)院,湖南,長沙 410114)

    谷物是中國居民膳食的主要成分,第5次中國全面飲食研究(FCTDS)[1]表明,谷物、豆類及其制品占中國居民每日食物消費總量的37.44%。其主要提供膳食纖維、糖、蛋白質(zhì)[2],并含有多種脂類[3]、維生素、植物甾醇、角鯊烯[4]。然而,谷物及其衍生食品中包含的重金屬、真菌毒素、農(nóng)藥和一些食品添加劑存在潛在危害[5]。低水平的重金屬暴露也會損害器官[6],其中鉛(Pb)、鎘(Cd)和砷(As)被認(rèn)為是谷物中常見的有毒重金屬[7]。鎘會對肺、骨、腎、肝、免疫系統(tǒng)和生殖器官等產(chǎn)生一系列損傷[8],砷會影響血管系統(tǒng)并導(dǎo)致高血壓和心血管疾病[9]。有研究[10]表明,25%的谷物受到了不同程度的真菌毒素污染。有關(guān)谷物中真菌毒素污染的監(jiān)管和研究主要集中于黃曲霉毒素、伏馬毒素玉米赤霉烯酮以及脫氧血腐鐮刀菌烯醇等方面[11],其中,黃曲霉毒素B1對哺乳動物毒性最大,可造成中毒性肝炎、出血、水腫、免疫抑制和肝癌等損害[12]。目前,對谷物接觸不同污染物的風(fēng)險評估研究已廣泛開展,涉及單一物質(zhì)或同源化合物,如真菌毒素[13-15]和重金屬[16-17]。谷物及其衍生食物通常被多類污染物污染,僅涉及單一或同類污染物的風(fēng)險評估可能導(dǎo)致其對潛在健康風(fēng)險的低估[18]。而目前有關(guān)谷物資源同時接觸多類污染物的健康風(fēng)險評估尚未見報道。

    目前,食品風(fēng)險評估技術(shù)可分為定量評估法(灰色系統(tǒng)理論和故障分析法)、定性評估法(德爾菲法、蒙特卡洛法和決策樹法)以及綜合評估法(人工神經(jīng)網(wǎng)絡(luò)、粗糙學(xué)以及層次分析法)。定性分析方法主要用于從政策和理論分析中得出風(fēng)險評估結(jié)論,然而,由于數(shù)據(jù)主要來自問卷調(diào)查,因此不能準(zhǔn)確地構(gòu)建預(yù)警模型,定量分析中德爾菲法在預(yù)測單個標(biāo)量指標(biāo)方面比較成功,但不能處理多指標(biāo)的復(fù)雜系統(tǒng)。綜合評估方法中層次分析法(AHP)適用于對多指標(biāo)的復(fù)雜問題進行決策,而傳統(tǒng)的層次分析法依賴于研究者的經(jīng)驗來構(gòu)建判斷矩陣,容易導(dǎo)致誤判[19]。基于熵權(quán)的層次分析法(EM-AHP)根據(jù)谷物檢測數(shù)據(jù)的內(nèi)在規(guī)律計算各評價指標(biāo)的權(quán)重,反映谷物資源的整體風(fēng)險。人工神經(jīng)網(wǎng)絡(luò)(ANN)是一種有效的計算模型,被廣泛應(yīng)用于非線性函數(shù)近似[20]、模式識別[21]、復(fù)雜流程工業(yè)能量預(yù)測[22]、工業(yè)過程控制與風(fēng)險管理[23],紅棗缺陷識別[24],白酒酒花分類[25],可以在系統(tǒng)確切結(jié)構(gòu)未知的條件下進行建模,針對谷物檢測數(shù)據(jù)具有高維屬性、復(fù)雜性、離散性和非線性等特點,但人工神經(jīng)網(wǎng)絡(luò)建立的谷物風(fēng)險預(yù)警模型并不準(zhǔn)確。

    研究擬采用基于熵權(quán)的層次分析法通過數(shù)據(jù)壓縮和數(shù)據(jù)過濾提取谷物檢測數(shù)據(jù)的特征信息,并結(jié)合人工神經(jīng)網(wǎng)絡(luò)構(gòu)建谷物安全風(fēng)險預(yù)警模型;以鎘(Cd)、砷(As)、鉛(Pb)、鉻(Cr)、黃曲霉毒素(AFs)、伏馬毒素(FB)、玉米赤酶烯酮(ZEN)、

    脫氧雪腐鐮刀菌烯酮(DON)為谷物質(zhì)量安全評價指標(biāo),并作為模型的輸入,選擇隨機森林回歸(LR)、支持向量機回歸(SVM)、BP神經(jīng)網(wǎng)絡(luò)回歸(BP)、K近鄰回歸(KNN)4種機器學(xué)習(xí)算法進行模型的構(gòu)建和比較,其中由基于熵權(quán)的層次分析法結(jié)合隨機森林算法(RF)構(gòu)建的模型(AHP-RF)預(yù)測效果最好,其谷物風(fēng)險預(yù)警模型如圖1 所示。利用AHP-RF模型對2019年8月的谷物檢測數(shù)據(jù)進行風(fēng)險預(yù)測分析,旨在為谷物資源的安全監(jiān)管提供有針對性的參考建議。

    1 材料與方法

    1.1 指標(biāo)構(gòu)建和數(shù)據(jù)來源

    谷物資源中化學(xué)殘留的標(biāo)準(zhǔn)化可加強植物油質(zhì)量安全監(jiān)管,依據(jù)衛(wèi)生部(http://www.samr.gov.cn/)和市場監(jiān)督管理總局(http://www.samr.gov.cn/spcjs/)發(fā)布的國家食品安全標(biāo)準(zhǔn),同時結(jié)合市場監(jiān)督管理局的抽檢數(shù)據(jù),得出評價植物油質(zhì)量的8個指標(biāo)分別為鎘(Cd)、砷(As)、鉛(Pb)、鉻(Cr)、黃曲霉毒素(AFs)、伏馬毒素(FB)、玉米赤酶烯酮(ZEN)和脫氧雪腐鐮刀菌烯酮(DON),谷物中污染數(shù)據(jù)來源于小麥、大米、玉米、燕麥、大麥、高粱、黑麥和小米。其中重金屬污染數(shù)據(jù)來源于文獻[26-46],真菌毒素數(shù)據(jù)來源于文獻[47-62]。

    1.2 基于熵權(quán)的層次分析法

    假設(shè)相關(guān)函數(shù)的j參數(shù)是cij(y)(i表示第i次采樣):

    (1)

    相關(guān)函數(shù)稱為標(biāo)準(zhǔn)相關(guān)函數(shù),其中yj(1),yj(2),yj(3),yj(4)是cij(y)的節(jié)點,預(yù)處理后的信息矩陣為:

    圖1 谷物資源風(fēng)險評估模型Figure 1 Risk assessment model of grain resources

    (2)

    中心標(biāo)準(zhǔn)化

    (3)

    (4)

    (5)

    對于n對稱矩陣,特征值W=(ω1,ω2,…,ωi)可以通過乘積的均方根法(幾何平均法)得到:

    (6)

    用W融合樣本,得到谷物風(fēng)險融合數(shù)據(jù):

    (7)

    1.3 隨機森林

    首先,通過對樣本集進行重采樣來生成相同數(shù)量的樣本。假設(shè)特征數(shù)為K,對N個樣本在K個特征中隨機選擇T個特征,通過建立決策樹得到最佳分割點。最后,使用多數(shù)投票機制進行預(yù)測。隨機森林算法結(jié)構(gòu)如圖2所示。

    1.4 支持向量機

    支持向量機(SVM)是一種通用的前饋網(wǎng)絡(luò)類型,可應(yīng)用于分類(聚類)、回歸、字符識別和時間序列,SVM的訓(xùn)練算法創(chuàng)建了一個模型,該模型將新樣本分配給兩個類別之一,使其成為非概率二元線性分類器。SVM在回歸方法中的工作原理是找到符合統(tǒng)計學(xué)習(xí)理論的線性分離函數(shù),SVM具有良好的泛化能力,能夠解決小樣本問題。

    圖2 隨機森林結(jié)構(gòu)原理圖Figure 2 Schematic diagram of random forest structure

    1.5 神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)是根據(jù)誤差反向傳播進行訓(xùn)練的反饋神經(jīng)網(wǎng)絡(luò)?;舅枷胧翘荻认陆捣ǎㄟ^反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)的實際輸出和預(yù)期輸出之間的誤差平方和最小,主要過程是:對于n個輸入學(xué)習(xí)樣本:“X1,X2,…,Xn”,已知對應(yīng)的m個輸出樣本為“Y1,Y2,…,Ym”。網(wǎng)絡(luò)的實際輸出(Z1,Z2,…,Zn)和目標(biāo)向量(T1,T2,…,Tm)之間的誤差用于校正其權(quán)重,使得Zn盡可能接近預(yù)期的Tm。

    1.6 K近鄰算法

    K近鄰算法沒有顯式的學(xué)習(xí)過程或訓(xùn)練過程,是懶惰學(xué)習(xí),數(shù)據(jù)集事先已經(jīng)有了分類標(biāo)簽和數(shù)據(jù)特征值,通過測量不同特征值之間的距離來對數(shù)據(jù)進行分類。

    計算相鄰樣本的距離采用歐式距離或曼哈頓距離:

    (8)

    (9)

    算法過程:

    (1)計算測試數(shù)據(jù)與各訓(xùn)練數(shù)據(jù)之間的距離。

    (2)按距離的遞增關(guān)系排序。

    (3)選取距離最小的K個點。

    (4)確定前K個點所在類別的出現(xiàn)頻率。

    (5)返回前K個點中出現(xiàn)頻率最高的類別作為測試數(shù)據(jù)的預(yù)測分類。

    2 風(fēng)險評估模型構(gòu)建

    2.1 基于熵權(quán)的層次分析法

    為確定8種危險因素(Cd、As、Pb、Cr、AFB、FB、ZEN、DON)的離散程度,判斷8種危害指標(biāo)對綜合評價的影響,將預(yù)處理后的檢驗數(shù)據(jù)作為風(fēng)險評估模型的輸入,利用基于熵權(quán)的層次分析法對檢驗數(shù)據(jù)中的8個風(fēng)險評價指標(biāo)進行風(fēng)險融合。部分AHP融合結(jié)果見表1,基于熵權(quán)的層次分析法融合的各風(fēng)險評價指標(biāo)的權(quán)重比例如圖3所示,各指標(biāo)權(quán)重相差不大說明數(shù)據(jù)離散程度適合建模。

    表1 部分AHP風(fēng)險融合結(jié)果Table 1 Results of partial AHP risk fusion

    圖3 谷物資源中各危險因素的權(quán)重Figure 3 Weight of risk factors in grain resources

    2.2 數(shù)據(jù)標(biāo)準(zhǔn)化與風(fēng)險等級確定

    用min-max歸一化法對檢驗數(shù)據(jù)進行線性變換。每個指標(biāo)數(shù)據(jù)映射到區(qū)間[0,1]。min-max歸一化公式如下:

    (10)

    式中:

    i=1,2,…,1;

    j=1,2,…,m。

    標(biāo)準(zhǔn)化后確定谷物資源化學(xué)危害等級范圍[0.05,0.92],采用五等分法[63]將化學(xué)危害等級范圍劃分為5個風(fēng)險評價等級(見表2)。

    表2 谷物資源化學(xué)危害等級Table 2 Chemical hazard grade of grain resources

    2.3 機器學(xué)習(xí)算法構(gòu)建回歸模型

    將風(fēng)險融合的結(jié)果作為預(yù)警模型的預(yù)期輸出。構(gòu)建8輸入單輸出訓(xùn)練樣本數(shù)據(jù),預(yù)處理檢驗數(shù)據(jù)總量1 067。從數(shù)據(jù)中選擇75%的樣本作為訓(xùn)練樣本數(shù)據(jù),其余的作為測試樣本數(shù)據(jù)。

    為了驗證該模型的有效性,采用隨機森林(RF)、BP神經(jīng)網(wǎng)絡(luò)(BP)、K近鄰回歸(KNN)和支持向量機(SVM)回歸對數(shù)據(jù)進行建模。

    在隨機森林(RF)中,采用min-max標(biāo)準(zhǔn)化進行定量數(shù)據(jù)標(biāo)準(zhǔn)化,決策樹個數(shù)為100,分裂1個內(nèi)部節(jié)點需要的最少樣本為2,每個葉子節(jié)點需要的最少樣本數(shù)為2。

    在單層BP神經(jīng)網(wǎng)絡(luò)中,采用min-max標(biāo)準(zhǔn)化進行定量數(shù)據(jù)標(biāo)準(zhǔn)化,迭代次數(shù)為200,激勵函數(shù)為rule函數(shù),求解器為adam,輸入層、隱藏層和輸出層的節(jié)點數(shù)分別為8,20,1。

    在K近鄰回歸(KNN)中,采用min-max標(biāo)準(zhǔn)化進行定量數(shù)據(jù)標(biāo)準(zhǔn)化,所選用的近鄰數(shù)為5,預(yù)測權(quán)函數(shù)為uniform,葉大小為30,向量距離算法為歐式距離。

    在支持向量機(SVM)回歸中,采用min-max標(biāo)準(zhǔn)化進行定量數(shù)據(jù)標(biāo)準(zhǔn)化,核函數(shù)為bf(徑向基核),殘差收斂條件為0.000 1,使用收縮啟發(fā)式。

    由圖4可知,RF的泛化結(jié)果比BP、KNN和SVM的更接近實際值。

    圖4 4種機器學(xué)習(xí)算法的預(yù)測風(fēng)險值與實際風(fēng)險值的擬合結(jié)果Figure 4 Fitting results of four machine learning algorithms to predict risk value and actual risk value

    由RF、BP、KNN和SVM分別結(jié)合基于熵權(quán)的層次分析法對數(shù)據(jù)進行建模,由表3可知,4個模型的線性回歸決定系數(shù)分別0.999 8,0.928 6,0.900 8,0.963 1,說明RF算法的效果優(yōu)于其他3種算法。

    由圖5可知,基于熵權(quán)的層次分析法組合隨機森林回歸方法的擬合度優(yōu)于其他3種方法,可用于谷物化學(xué)危害要素危害程度的預(yù)測。

    4 谷物資源風(fēng)險評估分析

    采用AHP-RF模型對2019年8月20個樣本的檢驗數(shù)據(jù)進行評估,預(yù)測結(jié)果如圖6所示。

    表3 4種回歸算法的穩(wěn)定性比較Table 3 Comparison of stability of four regression algorithms

    由圖6可知,AHP-RF風(fēng)險評估模型可以準(zhǔn)確預(yù)測2019年8月初的食品安全風(fēng)險。2019年8月前20 d的風(fēng)險平均值為0.630,屬于[0.448,0.662],整體風(fēng)險處于中等風(fēng)險范圍。2019年8月前10 d的風(fēng)險分析表明,平均風(fēng)險值為0.675,而8月后10 d的平均風(fēng)險值為0.586,因此2019年8月前10 d的整體風(fēng)險較大。2019年8月高于高風(fēng)險預(yù)警參考值0.792的數(shù)據(jù)共有7個,占總數(shù)據(jù)的35%。而3—7月數(shù)據(jù)中風(fēng)險值高于高風(fēng)險預(yù)警參考值的數(shù)據(jù)僅占數(shù)據(jù)總量的9.6%,因此8月高風(fēng)險數(shù)據(jù)占比明顯上升,整體風(fēng)險趨勢明顯上升。因此,相關(guān)部門需重點關(guān)注這一時期的糧食生產(chǎn)。8月初檢驗樣本的風(fēng)險明顯增加,相關(guān)部門應(yīng)更重視2019年8月初的檢驗樣本,并采取如加強監(jiān)管,督促相關(guān)企業(yè)生產(chǎn)高質(zhì)量、低風(fēng)險的產(chǎn)品等相關(guān)措施,以控制風(fēng)險的持續(xù)增長,避免食品安全事故的發(fā)生。

    圖5 4種機器學(xué)習(xí)算法的線性回歸分析Figure 5 Linear regression analysis of four machine learning algorithms

    圖6 AHP-RF風(fēng)險評估模型的預(yù)測風(fēng)險值與實際風(fēng)險值Figure 6 Comparison between the predicted risk value and the actual risk value of AHP-RF risk assessment model in August 2019

    5 結(jié)論

    提出了一種AHP-RF方法,建立以谷物資源檢測數(shù)據(jù)作為輸入,采用基于熵權(quán)的層次分析法提取數(shù)據(jù)的特征變量作為隨機森林算法輸出的谷物資源風(fēng)險預(yù)警模型。結(jié)果表明,該模型獨立檢驗集的R2>0.99,表明其能夠較好地實現(xiàn)谷物資源的風(fēng)險評估。將AHP-RF方法應(yīng)用于2019年8月的谷物資源風(fēng)險分析,發(fā)現(xiàn)2019年8月的谷物資源風(fēng)險增加,存在安全隱患問題。食品檢驗部門可以利用此結(jié)果提高食品安全預(yù)警的效率。為了進一步研究,將研究卷積神經(jīng)網(wǎng)絡(luò)(CNN)來優(yōu)化數(shù)據(jù)預(yù)處理過程,CNN具有較強的非線性擬合能力和特征提取能力,應(yīng)用于谷物資源預(yù)警分析可能會揭示更多的未知規(guī)律。但CNN模型復(fù)雜度高、成本高、對數(shù)據(jù)質(zhì)量要求高,為此需要收集更多數(shù)據(jù),建立質(zhì)量更完善的谷物安全風(fēng)險指標(biāo)數(shù)據(jù)集,并將數(shù)據(jù)集與CNN結(jié)合建立模型,將有助于建立準(zhǔn)確、智能的食品風(fēng)險預(yù)警系統(tǒng)。

    猜你喜歡
    谷物分析法毒素
    異步機傳統(tǒng)分析法之困難及其克服
    防爆電機(2022年4期)2022-08-17 05:59:06
    烏克蘭谷物和油料作物庫存遠(yuǎn)低于2020年同期
    What Makes You Tired
    烏克蘭谷物和油料作物庫存遠(yuǎn)低于2020年同期
    一類具有毒素的非均勻chemostat模型正解的存在性和唯一性
    擊打式谷物加工農(nóng)具
    軍事文摘(2020年20期)2020-11-16 00:32:10
    毒蘑菇中毒素的研究進展
    基于時間重疊分析法的同車倒卡逃費探析
    層次分析法在SWOT分析法中的應(yīng)用
    嚴(yán)苛標(biāo)準(zhǔn)方能清洗校園“毒素”
    午夜福利在线免费观看网站| 我的亚洲天堂| 国产在视频线精品| 亚洲精品中文字幕在线视频| 在线精品无人区一区二区三| 久久性视频一级片| 成人18禁高潮啪啪吃奶动态图| 老司机深夜福利视频在线观看 | av一本久久久久| 精品第一国产精品| 亚洲国产精品成人久久小说| 亚洲图色成人| 中文字幕人妻丝袜一区二区| 免费看十八禁软件| 午夜激情久久久久久久| 亚洲精品av麻豆狂野| 国产精品久久久久久精品电影小说| 女人被躁到高潮嗷嗷叫费观| 亚洲,欧美精品.| 丝袜美腿诱惑在线| 又大又黄又爽视频免费| 一本—道久久a久久精品蜜桃钙片| 日韩av免费高清视频| 又大又黄又爽视频免费| 男女免费视频国产| 人人妻人人爽人人添夜夜欢视频| 看免费av毛片| 国产免费视频播放在线视频| 一区二区三区四区激情视频| 一级毛片女人18水好多 | 亚洲国产av新网站| 欧美在线一区亚洲| 永久免费av网站大全| 国产伦人伦偷精品视频| 性色av乱码一区二区三区2| 中文字幕人妻丝袜制服| 19禁男女啪啪无遮挡网站| 啦啦啦 在线观看视频| 精品福利永久在线观看| 久久久久国产一级毛片高清牌| 日本av手机在线免费观看| 精品福利观看| 国产又爽黄色视频| 国产成人精品在线电影| 国产成人av教育| 国产视频首页在线观看| 下体分泌物呈黄色| 美女午夜性视频免费| 九草在线视频观看| 女警被强在线播放| 国产免费视频播放在线视频| 晚上一个人看的免费电影| 久热这里只有精品99| 五月开心婷婷网| 久久久久精品人妻al黑| 十八禁人妻一区二区| 久久久亚洲精品成人影院| 亚洲伊人久久精品综合| 亚洲国产精品一区三区| 丰满饥渴人妻一区二区三| 精品国产一区二区三区四区第35| 国产亚洲精品久久久久5区| 别揉我奶头~嗯~啊~动态视频 | 欧美另类一区| 曰老女人黄片| 新久久久久国产一级毛片| 99re6热这里在线精品视频| 国产女主播在线喷水免费视频网站| 亚洲欧洲国产日韩| 真人做人爱边吃奶动态| 国产爽快片一区二区三区| 久久亚洲国产成人精品v| 亚洲av日韩在线播放| 精品一区二区三区四区五区乱码 | 亚洲精品在线美女| 国产午夜精品一二区理论片| 大话2 男鬼变身卡| 91麻豆av在线| 男人爽女人下面视频在线观看| 亚洲精品一区蜜桃| 99精国产麻豆久久婷婷| 亚洲av男天堂| 国语对白做爰xxxⅹ性视频网站| 老司机靠b影院| 久久久欧美国产精品| 高清黄色对白视频在线免费看| 精品久久久久久电影网| 精品卡一卡二卡四卡免费| 欧美成人精品欧美一级黄| 亚洲精品一二三| 叶爱在线成人免费视频播放| 亚洲欧美成人综合另类久久久| 国产人伦9x9x在线观看| 亚洲国产精品成人久久小说| 1024香蕉在线观看| 男女免费视频国产| 精品欧美一区二区三区在线| 一边摸一边抽搐一进一出视频| 日本五十路高清| 国产亚洲欧美在线一区二区| 波多野结衣一区麻豆| 免费久久久久久久精品成人欧美视频| av网站在线播放免费| 欧美国产精品一级二级三级| 国产av国产精品国产| 欧美乱码精品一区二区三区| 欧美av亚洲av综合av国产av| 日韩,欧美,国产一区二区三区| 汤姆久久久久久久影院中文字幕| 黑人欧美特级aaaaaa片| 每晚都被弄得嗷嗷叫到高潮| 五月开心婷婷网| 婷婷色综合大香蕉| 91精品国产国语对白视频| 欧美亚洲日本最大视频资源| 欧美日本中文国产一区发布| 午夜老司机福利片| 亚洲国产最新在线播放| videos熟女内射| 精品久久久久久久毛片微露脸 | 成年女人毛片免费观看观看9 | 成人亚洲欧美一区二区av| 日韩一卡2卡3卡4卡2021年| 美国免费a级毛片| 久久国产精品男人的天堂亚洲| 永久免费av网站大全| 男女边吃奶边做爰视频| 久久久久久久大尺度免费视频| 国产精品九九99| 99久久精品国产亚洲精品| 国产在视频线精品| 亚洲精品一二三| 亚洲人成电影观看| 一级毛片女人18水好多 | 久久性视频一级片| 男男h啪啪无遮挡| 午夜视频精品福利| 免费高清在线观看日韩| 国产极品粉嫩免费观看在线| 午夜久久久在线观看| 亚洲 欧美一区二区三区| a级毛片黄视频| 搡老岳熟女国产| 男女之事视频高清在线观看 | 99久久99久久久精品蜜桃| 中文字幕亚洲精品专区| 黄色一级大片看看| 亚洲国产av新网站| 成人三级做爰电影| 女性被躁到高潮视频| 亚洲第一av免费看| 国产成人精品久久二区二区91| 成人三级做爰电影| 麻豆乱淫一区二区| 日韩欧美一区视频在线观看| 国产黄色免费在线视频| 国产成人av激情在线播放| 性色av一级| 十八禁网站网址无遮挡| 电影成人av| 亚洲精品国产一区二区精华液| 曰老女人黄片| 国产一卡二卡三卡精品| 丝袜人妻中文字幕| 大码成人一级视频| 一本大道久久a久久精品| 又紧又爽又黄一区二区| 欧美精品高潮呻吟av久久| 人体艺术视频欧美日本| 久久久久久亚洲精品国产蜜桃av| 一区二区三区乱码不卡18| 亚洲成人免费av在线播放| 精品久久久久久久毛片微露脸 | 黄色一级大片看看| e午夜精品久久久久久久| 婷婷色综合www| av在线app专区| 视频区欧美日本亚洲| 精品熟女少妇八av免费久了| 99久久综合免费| 涩涩av久久男人的天堂| 人成视频在线观看免费观看| 国产高清videossex| 国产日韩欧美视频二区| 欧美日本中文国产一区发布| 国产97色在线日韩免费| 男人爽女人下面视频在线观看| 丝瓜视频免费看黄片| 老司机影院毛片| 亚洲免费av在线视频| 人人澡人人妻人| 亚洲av综合色区一区| 成年人免费黄色播放视频| 又大又黄又爽视频免费| www日本在线高清视频| 日韩视频在线欧美| 又大又爽又粗| 看免费av毛片| 精品亚洲乱码少妇综合久久| 亚洲欧美精品自产自拍| 久久综合国产亚洲精品| 午夜两性在线视频| 精品久久久久久久毛片微露脸 | 18在线观看网站| 亚洲精品国产色婷婷电影| 欧美日韩黄片免| 女人久久www免费人成看片| 桃花免费在线播放| 国产精品一区二区精品视频观看| 国产一区二区三区综合在线观看| 国产成人91sexporn| 在现免费观看毛片| 亚洲国产精品999| 别揉我奶头~嗯~啊~动态视频 | 久久久久国产精品人妻一区二区| 亚洲av美国av| 一区二区av电影网| a 毛片基地| 欧美老熟妇乱子伦牲交| 欧美人与性动交α欧美精品济南到| 丰满人妻熟妇乱又伦精品不卡| 欧美成人午夜精品| 精品国产一区二区三区久久久樱花| 亚洲国产欧美在线一区| 黄色 视频免费看| 久久精品人人爽人人爽视色| 国产亚洲午夜精品一区二区久久| 国产爽快片一区二区三区| 免费观看人在逋| 高清av免费在线| 国产亚洲一区二区精品| 欧美激情高清一区二区三区| 精品第一国产精品| 成年av动漫网址| 大话2 男鬼变身卡| 久久影院123| 久久久久久人人人人人| 天堂中文最新版在线下载| 一边亲一边摸免费视频| 国产亚洲一区二区精品| 大陆偷拍与自拍| 在线av久久热| 99热全是精品| 国产免费现黄频在线看| 欧美少妇被猛烈插入视频| 亚洲精品国产区一区二| 一级毛片黄色毛片免费观看视频| 精品欧美一区二区三区在线| 婷婷色av中文字幕| 一二三四社区在线视频社区8| 99热网站在线观看| 国产亚洲av高清不卡| 久久精品人人爽人人爽视色| 国产激情久久老熟女| 亚洲中文字幕日韩| 日韩,欧美,国产一区二区三区| 十分钟在线观看高清视频www| a 毛片基地| 欧美日本中文国产一区发布| 午夜久久久在线观看| 黄色 视频免费看| 国产伦人伦偷精品视频| 久久久久久久久免费视频了| 午夜免费成人在线视频| 只有这里有精品99| 高清欧美精品videossex| 新久久久久国产一级毛片| 1024视频免费在线观看| 精品少妇内射三级| 日韩电影二区| 少妇人妻 视频| 男人爽女人下面视频在线观看| 在线精品无人区一区二区三| 亚洲欧洲国产日韩| 韩国高清视频一区二区三区| 亚洲av日韩在线播放| 亚洲欧美日韩高清在线视频 | 色婷婷av一区二区三区视频| 国产黄色视频一区二区在线观看| 成年人免费黄色播放视频| 爱豆传媒免费全集在线观看| 国产欧美日韩一区二区三区在线| 亚洲人成电影观看| 久热爱精品视频在线9| 亚洲成人免费av在线播放| 麻豆国产av国片精品| a级毛片黄视频| videosex国产| 脱女人内裤的视频| 亚洲国产精品999| 午夜久久久在线观看| 午夜免费成人在线视频| 久久这里只有精品19| 久久久精品区二区三区| 免费看十八禁软件| 777久久人妻少妇嫩草av网站| 久久国产精品大桥未久av| 久久热在线av| 80岁老熟妇乱子伦牲交| 男女边吃奶边做爰视频| 欧美黑人精品巨大| 日韩中文字幕视频在线看片| 国产亚洲精品第一综合不卡| 国产极品粉嫩免费观看在线| 韩国高清视频一区二区三区| 日韩大码丰满熟妇| 亚洲精品第二区| 狠狠婷婷综合久久久久久88av| 黄色毛片三级朝国网站| 91精品三级在线观看| 黑人猛操日本美女一级片| av在线老鸭窝| 欧美黄色淫秽网站| 午夜精品国产一区二区电影| 国产一区二区三区av在线| 亚洲五月色婷婷综合| 高清黄色对白视频在线免费看| 91九色精品人成在线观看| 日本黄色日本黄色录像| 亚洲情色 制服丝袜| 两个人免费观看高清视频| 亚洲精品乱久久久久久| 亚洲欧美色中文字幕在线| 人人妻人人澡人人看| 国产无遮挡羞羞视频在线观看| av网站免费在线观看视频| 美国免费a级毛片| 五月开心婷婷网| 欧美日韩视频高清一区二区三区二| av视频免费观看在线观看| 日韩中文字幕视频在线看片| 少妇精品久久久久久久| 十分钟在线观看高清视频www| 日韩制服丝袜自拍偷拍| 少妇人妻 视频| 亚洲精品国产av蜜桃| 亚洲美女黄色视频免费看| 欧美成人午夜精品| 亚洲精品久久久久久婷婷小说| 曰老女人黄片| 亚洲av欧美aⅴ国产| 婷婷色综合www| 叶爱在线成人免费视频播放| 精品久久久精品久久久| 老司机影院毛片| 久久国产亚洲av麻豆专区| 亚洲,欧美精品.| 一级毛片电影观看| 国产av一区二区精品久久| xxx大片免费视频| av天堂在线播放| 视频区图区小说| 纯流量卡能插随身wifi吗| 国产精品偷伦视频观看了| 亚洲专区国产一区二区| 免费高清在线观看视频在线观看| 99热全是精品| 香蕉国产在线看| 秋霞在线观看毛片| 汤姆久久久久久久影院中文字幕| 激情视频va一区二区三区| 日韩一本色道免费dvd| 在线 av 中文字幕| 色精品久久人妻99蜜桃| 一边摸一边做爽爽视频免费| 18在线观看网站| 午夜两性在线视频| 国产精品成人在线| 妹子高潮喷水视频| 两性夫妻黄色片| 日韩中文字幕欧美一区二区 | 亚洲精品一卡2卡三卡4卡5卡 | 亚洲色图 男人天堂 中文字幕| 97精品久久久久久久久久精品| 国产福利在线免费观看视频| 手机成人av网站| 欧美xxⅹ黑人| 九色亚洲精品在线播放| 又大又爽又粗| 老汉色∧v一级毛片| 后天国语完整版免费观看| 国产成人欧美| 久久久精品国产亚洲av高清涩受| av天堂在线播放| 久久这里只有精品19| 自线自在国产av| 亚洲欧美成人综合另类久久久| 中文字幕制服av| 亚洲欧洲国产日韩| 无遮挡黄片免费观看| 免费不卡黄色视频| 午夜福利视频在线观看免费| 一级片'在线观看视频| 国产又爽黄色视频| 欧美中文综合在线视频| 亚洲第一青青草原| 一级毛片女人18水好多 | 五月天丁香电影| 高清黄色对白视频在线免费看| 亚洲国产精品成人久久小说| 麻豆av在线久日| 亚洲精品第二区| 免费人妻精品一区二区三区视频| 婷婷成人精品国产| 国产成人av教育| 老熟女久久久| 亚洲成国产人片在线观看| 日本91视频免费播放| 一本色道久久久久久精品综合| tube8黄色片| 国产精品人妻久久久影院| 久久国产精品男人的天堂亚洲| 国产男女内射视频| 1024香蕉在线观看| 黄色怎么调成土黄色| 黄色视频不卡| 99九九在线精品视频| 叶爱在线成人免费视频播放| 9热在线视频观看99| 婷婷色麻豆天堂久久| 日韩中文字幕欧美一区二区 | 国产成人系列免费观看| 2018国产大陆天天弄谢| av视频免费观看在线观看| av天堂久久9| 亚洲成av片中文字幕在线观看| xxxhd国产人妻xxx| 日韩熟女老妇一区二区性免费视频| 男男h啪啪无遮挡| 99精国产麻豆久久婷婷| 色婷婷久久久亚洲欧美| 1024视频免费在线观看| 晚上一个人看的免费电影| 国产国语露脸激情在线看| 好男人电影高清在线观看| 少妇人妻久久综合中文| 欧美av亚洲av综合av国产av| 日本猛色少妇xxxxx猛交久久| 91麻豆精品激情在线观看国产 | 国产欧美日韩一区二区三区在线| 亚洲伊人久久精品综合| 日韩视频在线欧美| av天堂久久9| 99re6热这里在线精品视频| 亚洲 欧美一区二区三区| 久久久国产精品麻豆| 亚洲国产最新在线播放| 男女下面插进去视频免费观看| 男人爽女人下面视频在线观看| 国产福利在线免费观看视频| 欧美成人午夜精品| 亚洲人成电影免费在线| 日本五十路高清| 大片电影免费在线观看免费| 亚洲男人天堂网一区| 高清不卡的av网站| 少妇裸体淫交视频免费看高清 | 一级a爱视频在线免费观看| 欧美亚洲 丝袜 人妻 在线| 久久久久久人人人人人| 桃花免费在线播放| 嫩草影视91久久| 少妇人妻 视频| 久久久国产欧美日韩av| 亚洲欧洲日产国产| 国产精品二区激情视频| 中文字幕av电影在线播放| 亚洲成色77777| 免费在线观看视频国产中文字幕亚洲 | 久久99一区二区三区| 一级a爱视频在线免费观看| 中文欧美无线码| 久久人人97超碰香蕉20202| 在线av久久热| 亚洲人成网站在线观看播放| 脱女人内裤的视频| 99精国产麻豆久久婷婷| 美女国产高潮福利片在线看| 日韩大码丰满熟妇| 男人舔女人的私密视频| 一本色道久久久久久精品综合| 久久亚洲精品不卡| 精品少妇久久久久久888优播| 女人久久www免费人成看片| 亚洲精品国产av成人精品| 高清黄色对白视频在线免费看| 国产亚洲av高清不卡| 中文字幕人妻熟女乱码| 欧美av亚洲av综合av国产av| 欧美精品av麻豆av| 在线天堂中文资源库| 91九色精品人成在线观看| 人成视频在线观看免费观看| 亚洲av综合色区一区| 菩萨蛮人人尽说江南好唐韦庄| 在线观看一区二区三区激情| 国产高清videossex| 国产欧美亚洲国产| 欧美 亚洲 国产 日韩一| 亚洲国产欧美一区二区综合| 国产无遮挡羞羞视频在线观看| 亚洲国产av影院在线观看| 国产精品麻豆人妻色哟哟久久| 国产精品三级大全| 在线天堂中文资源库| 婷婷色综合www| 亚洲一区二区三区欧美精品| 狠狠精品人妻久久久久久综合| 一级毛片 在线播放| 欧美变态另类bdsm刘玥| 久久 成人 亚洲| 少妇裸体淫交视频免费看高清 | 久久久久久人人人人人| 国产成人欧美在线观看 | 午夜福利视频精品| 高清黄色对白视频在线免费看| 丰满饥渴人妻一区二区三| 亚洲国产av影院在线观看| 一区福利在线观看| 一区二区三区四区激情视频| 成年美女黄网站色视频大全免费| 一级黄色大片毛片| 少妇人妻 视频| 日韩精品免费视频一区二区三区| 黄色a级毛片大全视频| 成在线人永久免费视频| 又紧又爽又黄一区二区| 精品国产一区二区久久| 国产精品久久久av美女十八| 青春草亚洲视频在线观看| av有码第一页| 欧美日韩av久久| 男人操女人黄网站| 亚洲第一av免费看| 亚洲欧美日韩高清在线视频 | 国产一区二区激情短视频 | 久久精品aⅴ一区二区三区四区| 精品少妇久久久久久888优播| 中文字幕人妻丝袜制服| 性色av一级| 国产97色在线日韩免费| 国产91精品成人一区二区三区 | 啦啦啦中文免费视频观看日本| 性色av乱码一区二区三区2| 天堂俺去俺来也www色官网| 两人在一起打扑克的视频| 赤兔流量卡办理| 热re99久久国产66热| 99国产精品一区二区蜜桃av | 狂野欧美激情性xxxx| 免费在线观看完整版高清| 天天躁日日躁夜夜躁夜夜| 日韩av不卡免费在线播放| 伊人久久大香线蕉亚洲五| 2018国产大陆天天弄谢| 黄色一级大片看看| a 毛片基地| 国产欧美日韩综合在线一区二区| 男人添女人高潮全过程视频| 一区二区三区四区激情视频| 天天操日日干夜夜撸| 国产一级毛片在线| 亚洲综合色网址| 欧美日本中文国产一区发布| 久久久久网色| 99香蕉大伊视频| 久久精品熟女亚洲av麻豆精品| 国产av国产精品国产| 欧美在线一区亚洲| 91字幕亚洲| 多毛熟女@视频| 五月开心婷婷网| 国产精品一区二区精品视频观看| 人人妻人人澡人人看| 国产av一区二区精品久久| 午夜日韩欧美国产| 亚洲精品久久久久久婷婷小说| 一个人免费看片子| 亚洲色图综合在线观看| 日韩一本色道免费dvd| 99久久人妻综合| av天堂久久9| 中文字幕另类日韩欧美亚洲嫩草| 婷婷色av中文字幕| 大片电影免费在线观看免费| 黄色视频不卡| 国产精品一区二区精品视频观看| 精品国产一区二区久久| 免费看不卡的av| 咕卡用的链子| 久久99精品国语久久久| 欧美av亚洲av综合av国产av| 一级毛片女人18水好多 | 婷婷成人精品国产| 国产亚洲欧美精品永久| 国产亚洲欧美在线一区二区| 精品福利观看| 国产成人91sexporn| 欧美黄色片欧美黄色片| 国产精品熟女久久久久浪| av福利片在线| av视频免费观看在线观看| 夜夜骑夜夜射夜夜干| 只有这里有精品99| 丁香六月天网| 久久热在线av| 亚洲av日韩在线播放| 999久久久国产精品视频| 夫妻午夜视频| 最近中文字幕2019免费版| 亚洲精品在线美女| 一级片'在线观看视频| 亚洲成色77777| 天堂俺去俺来也www色官网| 国产成人欧美在线观看 |