• <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SVM-MCD的大壩變形監(jiān)測數(shù)據(jù)異常值判定

    2022-04-16 13:55:31楊承志魏博文徐鎮(zhèn)凱
    人民長江 2022年3期
    關(guān)鍵詞:監(jiān)測數(shù)據(jù)殘差大壩

    楊承志 魏博文 徐鎮(zhèn)凱

    摘要: 變形是最能直觀反映混凝土壩運行性能的宏觀效應(yīng)量。考慮到監(jiān)測數(shù)據(jù)異常值對監(jiān)控模型精度與大壩安全性態(tài)診斷的不利影響,提出了一種基于支持向量機的混凝土壩變形監(jiān)測數(shù)據(jù)異常值判定方法。在分析混凝土壩原型變形監(jiān)測數(shù)據(jù)顯性異常點的基礎(chǔ)上,通過構(gòu)建基于支持向量機理論(SVM)的高精度計算體系,充分利用結(jié)果效應(yīng)量與驅(qū)動環(huán)境量之間的映射交互關(guān)系,結(jié)合最小協(xié)方差矩陣(MCD)穩(wěn)健估計理論對殘差序列進行異常值判定,而后將其異常確定值進行有機性替代處理,解決了內(nèi)蘊復雜環(huán)境干預的監(jiān)測信息挖掘難點。工程實例分析表明:所建判定系統(tǒng)的精準性及泛化能力均得以提升,相比于傳統(tǒng)方法具有較好的實用性和魯棒性,能有效地避免變形監(jiān)測數(shù)據(jù)預處理中的誤判漏判等困擾。此外,所提出的判定方法經(jīng)一定的優(yōu)化和拓展,亦可推廣應(yīng)用于其他水工建筑物的數(shù)據(jù)異常值判定分析。

    關(guān) 鍵 詞: 安全監(jiān)測; 異常值判定; 支持向量機; 最小協(xié)方差矩陣; 混凝土壩

    中圖法分類號: ?TV698

    文獻標志碼: ?A

    DOI: 10.16232/j.cnki.1001-4179.2022.03.033

    0 引 言

    隨著大壩安全監(jiān)測自動化監(jiān)控水平的提高,測點增多、測頻加密,觀測數(shù)據(jù)量大大增加,對監(jiān)測數(shù)據(jù)的準確性和可靠性的要求也越來越高,在數(shù)據(jù)的采集、傳輸過程中,不可避免的會存在異常的數(shù)據(jù)? [1] 。這些異常值會對大壩安全監(jiān)測工作帶來諸多不良影響,一方面,如果這些異常測值是錯誤的,將會對大壩監(jiān)控模型有較大的干擾,影響大壩安全分析,甚至引發(fā)大壩安全事故誤報,導致巨大的經(jīng)濟安全資源浪費;另一方面,如果這些異常值是大壩工作運行狀態(tài)的實際反映,那么它蘊含著大量的大壩安全信息,需要對其進行詳細認真的分析,以尋找其異常原因? [2] 。因此,在大壩安全監(jiān)測數(shù)據(jù)預處理工作中,尋求一種可靠性較高的處理異常值方案具有重要意義。

    傳統(tǒng)的異常值識別辦法主要有拉依達準則、羅曼諾夫斯基準則、格拉布斯準則及狄克松準則等? [3] 。這些準則都是基于統(tǒng)計數(shù)學理論,只是單純地對大壩觀測數(shù)據(jù)進行處理,并未涉及大壩環(huán)境量變化對觀測數(shù)據(jù)的影響,不能很好地區(qū)分異常值到底是錯誤值還是反映大壩安全實況的真實值,容易出現(xiàn)誤判? [4] 。因此,通過引入數(shù)學模型獲得殘差序列,再結(jié)合常用異常值識別方法對殘差序列加以識別,進而判斷原始監(jiān)測序列中異常值的方法? [5] ,能夠較好地解決混凝土壩監(jiān)測數(shù)據(jù)與外界環(huán)境脫離的問題。為此,何金平等? [6] 分析了白塞爾公式在大壩變形監(jiān)測中的適用條件,并將其應(yīng)用在異常值識別工作中;顧沖時等? [7] 利用程序設(shè)計語言,采用圖像處理技術(shù)對大壩監(jiān)測資料自動化識別;李明超等? [8] 針對野值識別問題,提出了以改進局部異常系數(shù)算法為基礎(chǔ)的密度分簇局部異常識別方法;陶家祥等? [9] 采用多元線性回歸、格拉布斯判別法與現(xiàn)場工況相結(jié)合的方法對監(jiān)測數(shù)據(jù)異常值加以判別;趙澤鵬等? [10] 將穩(wěn)健估計方法引入到粗差識別的建模工作中,使得識別結(jié)果更加可靠。但是由于回歸類方法本身存在的問題? [11] ,在建模擬合的過程中,原本的異常數(shù)據(jù)會導致擬合過程線靠近,影響結(jié)果的精確性;陶園等? [12] 借鑒人工免疫的工作模式,設(shè)計出基于該模式下的多層粗差檢驗法,可對大容量、長時間序列的數(shù)據(jù)進行快速的粗差識別,但是缺乏大量時間數(shù)據(jù)的論證和完善。

    針對以上方法在運用過程中的不足,本文采用魯棒性和泛化能力更優(yōu)的支持向量機(Support Vector Machine,SVM)處理混凝土壩效應(yīng)量和環(huán)境量之間的交互關(guān)系,并利用抗差性能較好的最小協(xié)方差矩陣(Minimum Covariance Determinant,MCD)穩(wěn)健估計對殘差序列進行異常值判定,據(jù)此建立一套基于SVM-MCD的混凝土壩變形監(jiān)測數(shù)據(jù)異常值判定方案,以期提高混凝土壩原位監(jiān)測數(shù)據(jù)預處理工作中異常值檢測的可靠性。

    1 混凝土壩監(jiān)測數(shù)據(jù)異常值判定方法

    異常值通常分為隨機誤差、粗差和系統(tǒng)誤差,其中粗差是與混凝土壩實際情況無關(guān),在數(shù)據(jù)讀取或者傳輸過程中受外部環(huán)境干擾而意外失靈造成的誤差,包括缺失值、不變數(shù)據(jù)值、孤立噪聲值和短時郵編數(shù)據(jù)值,是大壩安全異常值檢測的主要內(nèi)容? [13] 。而異常值很難通過一般的檢測方法去識別它。因此,本文擬提出基于SVM和MCD穩(wěn)健估計方法對混凝土壩變形監(jiān)測數(shù)據(jù)異常值進行判定。

    1.1 混凝土壩變形監(jiān)測數(shù)學模型

    考慮到混凝土壩監(jiān)測數(shù)據(jù)異常值檢測受環(huán)境影響較大,通過建立混凝土壩監(jiān)測數(shù)學模型模擬環(huán)境量與效應(yīng)量之間的關(guān)系,消除因內(nèi)蘊復雜環(huán)境引起的混凝土壩監(jiān)測數(shù)據(jù)異常的情況。

    混凝土壩變形的影響因素較多,根據(jù)經(jīng)典混凝土壩變形監(jiān)測模型可知,混凝土壩變形主要是由水位、溫度變化引起的可逆變形與筑壩材料隨時間響應(yīng)引起的不可逆變形組成? [14] ,因此,其數(shù)學模型可寫為

    δ=δ H+δ T+δ θ (1)

    式中: δ? H 為水壓分量;δ? T 為溫度分量;δ θ 為時效分量。

    水壓分量 δ? H? 代表壩體和水庫地基在水庫水荷載和壩體重量作用下的變形,其變化主要與上游水深有關(guān)? [15] ,可表示為

    δ H=? n ?i=1? α iH i (2)

    式中: α? i 為統(tǒng)計系數(shù);H 為上游水深,m;對于重力壩而言, n=3;對于拱壩而言,n=4,5 。

    溫度分量 δ? T? 描述了壩體和環(huán)境溫度變化引起的變形。大壩在服役多年后,其內(nèi)部溫度場可視為穩(wěn)態(tài)? [16] ,可用多周期諧波函數(shù)表示為

    δ T=? 2 ?i=1? ?b? 1i? sin? 2 π it 365 +b? 2i? cos? 2 π it 365?? (3)

    式中: t為監(jiān)測日至初始監(jiān)測日的時間, d ;i=1為年周期;i=2為半年周期;b? 1?? i ,b? 2?? i? 為統(tǒng)計系數(shù)。

    時效分量 δ θ 是由大壩混凝土和基巖的蠕變和塑性變形引起的。大壩正常運行時,各組成部分在初期迅速變化,后期趨于穩(wěn)定? [17] 。通常用如下組合形式表示:

    δ θ=c 1θ+c 2 ln θ (4)

    式中: c? 1 ,c? 2 為統(tǒng)計系數(shù);θ=t/100。

    所以,式(1)又可寫為

    δ= α 0+? n ?i=1? α iH i+? 2 ?i=1? (b? 1i? sin? 2 π it 365 +b? 2i? cos? 2 π it 365 )+? c 1θ+c 2 ln θ (5)

    式中: α? 0為常數(shù)項。

    1.2 混凝土壩變形監(jiān)測異常值計算體系

    混凝土壩變形與各環(huán)境因子之間的關(guān)系比較復雜,回歸方法在求解這種復雜關(guān)系的時候結(jié)果往往不盡人意。由于支持向量機在求解分類擬合問題上有較高的精度,且其最后的結(jié)果是由小部分的支持向量確定,消除了大量不必要的試料? [18] ,因而采用其來求解數(shù)學模型?;舅枷胫饕袃牲c:① 基于結(jié)構(gòu)最小化理論,尋找最優(yōu)超平面使得正、負向量間隔最大;② 用核函數(shù)將低維線性不可分問題轉(zhuǎn)化為高維空間線性問題,代替計算? [19-20] 。

    假設(shè)一組混凝土壩環(huán)境量訓練樣本集? x ={x 1,x 2,…,x n},其中 x i = {x? i1 ,x? i2 ,…,x? in }?? T代表模型中的因子項(水位、溫度、時效因子的組合形式)。如圖1所示,其最優(yōu)超平面可以被定義為

    f(x)= w ??T · x +b (6)

    式中:? w 為權(quán)重向量,決定了超平面的方向;b 為常數(shù),決定了超平面與原子之間的距離。

    考慮到混凝土壩變形監(jiān)測序列樣本中存在離群值,通過引入了松弛因子 ξ和懲罰系數(shù)C ,通過凸二次規(guī)劃將目標函數(shù)轉(zhuǎn)化為

    min? 1 2 ?‖ w ‖? 2+C? n ?i=1? ξ i? s.t.y i? w ??T · x +b ≥1-ξ i, ξ i≥0? (7)

    在低維特征空間中,通常難以找到一個合適的超平面對有效成分進行分割,即難以找到混凝土壩效應(yīng)量與環(huán)境量之間的交互關(guān)系。因此,通過引入Lagrange乘子 α? i 和核函數(shù)K x i·x j ?將各環(huán)境因子與大壩效應(yīng)因子變換到高維特征空間,上述目標函數(shù)轉(zhuǎn)化為

    f x = sgn??? n ?i=1? y iα iK? x ?i· x ?j +b? (8)

    式中: x? j 為待測樣本的特征向量,j=1,2,…,n。

    由于核函數(shù)類型對SVM模型的性能影響較大,選擇合適的核函數(shù)極為重要。本文采用混凝土壩部分原位監(jiān)測數(shù)據(jù)進行擬合試驗,對比分析在相同數(shù)據(jù)條件下不同核函數(shù)的擬合結(jié)果,如圖2所示。對于不同的數(shù)據(jù)類型,核函數(shù)主要分為? [21]

    線性核:

    K? x ?i· x ?j = x ?i??? T? x ?j (9)

    多項式核:

    K? x ?i· x ?j =? ?x ?i??? T? x ?j ??n (10)

    高斯徑向基核:

    K? x ?i· x ?j = exp? - ‖x i-x j‖? 2/ 2σ 2?? (11)

    Sigmoid核:

    K? x ?i· x ?j = tanh? a? x ?i??? T · x ?j -b ,a>0,b>0 (12)

    由圖2可以看出:高斯RBF核SVM模型擬合結(jié)果明顯優(yōu)于線性核和多項式核SVM模型,并且比Sigmoid核SVM模型擬合誤差低。因此,本文采用高斯RBF核作為SVM模型的核函數(shù)。因此,目標函數(shù)轉(zhuǎn)化為

    f x = sgn??? n ?i=1? y iα i exp? - ?‖x i·x j‖? 2 2σ 2? +b? (13)

    式中: σ 為核函數(shù)參數(shù)。

    1.3 混凝土壩變形監(jiān)測數(shù)據(jù)異常值識別方法

    3 σ 準則、Grubbs準則和Dixon準則等是數(shù)據(jù)異常值識別的常用統(tǒng)計檢驗方法。相關(guān)研究指出:格拉布斯準則和狄克松準則僅適用于混凝土壩監(jiān)測數(shù)據(jù)小樣本容量的異常數(shù)據(jù)鑒別,而3 σ 準則較為適用于樣本量較為豐富的數(shù)據(jù)異常值識別? [22-23] 。因此,在混凝土壩長期監(jiān)測資料異常值診斷中,格拉布斯準則和狄克松準則將不再適用,而3 σ 準則在使用過程中比較容易受到異常值的影響而向其偏移,這對處理粗差問題顯然存在矛盾,故在此引入最小協(xié)方差矩陣穩(wěn)健估計算法。

    MCD穩(wěn)健估計算法是一種魯棒性很強的位置和分布估算法? [24-25] ,其主要是利用馬氏距離和迭代思想構(gòu)建一個穩(wěn)健的協(xié)方差行列式估計量? [26-27] 。對于一個 m×n維矩陣 X ??m×n? ,找到一個樣本量為 h 的子集,根據(jù)MCD均值和協(xié)方差估計公式計算 T? i 和S? i? ,而后得出樣本與中心之間的馬氏距離 MD ,通過不斷迭代,直至找到一個子集,使得它在所有大小為 h 的子集中,該子集的協(xié)方差矩陣的行列式是最小的。在異常值的探測中,為了得到盡可能高的崩潰點, h 常取? [28-29] :

    h=? m+n+1 2? ≈ m 2? (14)

    MD x = ??x- x? ???t S ??-1? x- x? ???(15)

    MD x = X 2? n,0.975? ?(16)

    式中: x? 為均值,? S ?是協(xié)方差矩陣, MD 是馬氏距離,用于反映一個數(shù)據(jù)點 x i 距離數(shù)據(jù)集整體的距離;本文采用PL6測點2018年1月1日至12月31日的混凝土壩變形原型監(jiān)測數(shù)據(jù),所以 m =365, n =1,則 h =183。計算得出 T?? MCD 和 S?? MCD ,構(gòu)建控制函數(shù),即:

    T i=X i-T?? MCD? ≤3S?? MCD? ,i=1,2,…,n (17)

    式中:? T i ≤3S?? MCD? 時,數(shù)據(jù)位于置信區(qū)間;反之,當 T i >3S?? MCD?? 時,此為小概率事件,則認為該數(shù)據(jù)異常? [26] 。

    1.4 混凝土壩變形監(jiān)測數(shù)據(jù)異常值判定步驟

    基于上述方法的介紹,本文融合支持向量機良好的分類準確性與最小協(xié)方差矩陣穩(wěn)健估計算法數(shù)據(jù)抗差能力強的特點,提出了一種基于支持SVM-MCD的混凝土壩變形監(jiān)測數(shù)據(jù)異常值判定方案,其流程如圖3所示,步驟如下。

    步驟1:依據(jù)剔除顯性異常值后的混凝土壩變形監(jiān)測數(shù)據(jù)計算其水壓、溫度、時效分量值;

    步驟2:利用支持向量機求解數(shù)學模型;

    步驟3:計算數(shù)學模型的擬合值和實測值之間差值,得到殘差序列;

    步驟4:初始化均值 T? i 和協(xié)方差S? i ,并計算出馬氏 距離d(i) ;

    步驟5:利用最小協(xié)方差矩陣穩(wěn)健估計算法輸出最優(yōu)位置參數(shù) T?? MCD 和尺度參數(shù) S?? MCD ;

    步驟6:對殘差序列進行異常值識別,重復該步驟直至篩選出所有異常值。

    2 實例分析

    2.1 混凝土重力壩

    棉花灘碾壓混凝土重力壩壩頂高程179.0 m,最大壩高113.0 m,壩頂全長為308.5 m,水庫總庫容為20.35億m? 3 。為監(jiān)測該壩的水平變形,該壩布置了正垂與倒垂監(jiān)測儀器,如圖4所示。

    與溢流壩段相比,非溢流壩段的監(jiān)測數(shù)據(jù)受外界環(huán)境如流激振動等干擾較小,其測值的可靠性和準確性相對較高。本文取PL6測點2018年1月1日至12月31日自動化監(jiān)測數(shù)據(jù)作為分析對象,每日監(jiān)測的環(huán)境變量(氣溫、庫水位)和實測變形的過程線如圖5所示。

    由圖5可知,PL6測點上游水位變化與實測 變形規(guī)律一致,庫水位升高,大壩 向下游方向水平變形增大;氣溫與實測變形規(guī)律相反,溫度升高,壩頂向上游變形,符合大壩安全監(jiān)測的普遍規(guī)律。

    2.1.1 混凝土重力壩內(nèi)蘊監(jiān)測信息挖掘

    首先利用SVM構(gòu)建該重力壩水平變形監(jiān)控模型,為檢驗SVM模型的精度,同時采用逐步回歸方法建立了該測點的監(jiān)控模型,模型擬合結(jié)果如圖6所示,殘差序列如圖7所示。

    由圖6可知,2種模型的擬合值與實測值變化趨勢大體一致,說明本次研究建立的模型是有效的。與逐步回歸模型后半段擬合值稍微偏離實測值相比,基于SVM-MCD的數(shù)學模型其擬合值更接近變形實測值,說明基于SVM所建模型的效果更佳。由圖7可知,基于SVM-MCD的重力壩變形監(jiān)測數(shù)據(jù)殘差序列表現(xiàn)出明顯的高頻特性,在0附近振動;而逐步回歸方法的殘差則是來回擺動,表現(xiàn)不如前述方法穩(wěn)定。

    為進一步說明所建模型的擬合精度,分別計算了兩種模型的復相關(guān)系數(shù)( R?? 2 )、平均誤差百分比( MAPE )、均值(? X?? )和標準差( σ )(見表1)。

    表1中的統(tǒng)計指標更進一步說明基于SVM-MCD的監(jiān)控模型相比于回歸模型的誤差更小,其模型精度更高。分析其原因,主要有兩點:① SVM算法因為有松弛因子 ξ 和懲罰系數(shù) C 的存在,抗干擾能力強,不易受異常值的影響,而傳統(tǒng)回歸模型擬合效果受到異常值的影響,回歸線向異常值發(fā)生偏離;② SVM算法在求解的過程中通過核技巧將低維的數(shù)據(jù)映射到高維空間,能夠更為有效地挖掘出混凝土壩的變形與各影響因素之間的的復雜非線性關(guān)系。

    2.1.2 混凝土重力壩異常值判定

    對回歸建模方法和支持向量機建模方法所得殘差序列分別使用3 σ 準則和MCD穩(wěn)健估計算法進行控制閾值的確定,結(jié)果如表2和圖7所示。

    由表2可知,不管是回歸方法還是支持向量機方法所得殘差序列,用MCD穩(wěn)健估計算法改進后的控制域都比用3 σ 準則得到的更小,因為在計算過程中,MCD方法能夠抵抗監(jiān)測序列中原本異常值的影響,從而得到更加可靠的控制閾值。結(jié)合圖7中的控制閾值線,對于變化波動較大的監(jiān)測序列,3 σ 準則不能很好地識別異常點,甚至出現(xiàn)判別不了的情況。而不同方法模型所得殘差用同一種控制函數(shù)得到的控制域也不一樣,由于回歸方法的擬合效果不好,可以認為其挖掘混凝土內(nèi)蘊信息的能力差,即擬合線不能很好地反映大壩的安全監(jiān)測信息,雖然可以識別出異常值,但是和前述方法有一定的差別,其可靠性相對較低。與之相比,本文提出的基于SVM的穩(wěn)健估計方法控制閾更合理,能夠有效識別混凝土壩監(jiān)測數(shù)據(jù)的異常值,大幅減少誤判漏判的現(xiàn)象,使得混凝土壩安全監(jiān)測能夠安全的進行。

    基于SVM算法得到的結(jié)果,利用MCD穩(wěn)健估計算法進行異常值判定,共計識別出11個粗差點,如表3所列。結(jié)合圖6可知,這些異常值并沒有出現(xiàn)在實測值序列的最大值或者最小值處,而是在某處的突變點,比較符合異常值的分布規(guī)律。通過分析工程實測資料,未發(fā)現(xiàn)這些值對應(yīng)的日期與鄰近幾天的天氣和水位有突變情況,而且也沒有大型工程施工。對識別出來的異常值用擬合值代替,再對修改后的重力壩變形監(jiān)測數(shù)據(jù)建立基于SVM-MCD的大壩變形監(jiān)測數(shù)據(jù)擬合數(shù)學模型,殘差分析時不再有新的異常值被識別出來,因此,所識別出來的11個點均為異常值。

    2.2 混凝土拱壩

    二灘混凝土拱壩最大壩高240 m,壩頂弧長 774.69 ?m,總庫容59億m? 3 ,該壩的垂線監(jiān)測儀器布設(shè)方案如圖8所示。

    選取拱冠梁處PL08測點2017年5月1日至2018年4月30日變形監(jiān)測數(shù)據(jù),共365組,由于該數(shù)據(jù)實測精度較高,沒有明顯的異常值,所以本文在其中隨機加入6個粗差(見表4),加入粗差后的變形過程線如圖9所示。

    對加入粗差后的數(shù)據(jù)分別建立SVM模型和逐步回歸模型,然后利用3 σ 準則和MCD穩(wěn)健估計算法對殘差序列進行異常值識別,結(jié)果如圖9所示。由于數(shù)據(jù)的規(guī)律性比較好,所以兩種方法建立的模型精度都較高,但是對比同樣是SVM模型的建模結(jié)果進行異常值判定發(fā)現(xiàn),3 σ 準則只能識別出2個異常值,而本文所用方法能夠把所有的異常值都識別出來,同時也沒有新的測值被判定為異常值,說明本文所用方法不容易造成誤判結(jié)果,性能優(yōu)越。

    3 結(jié) 論

    (1) 考慮到混凝土壩原型監(jiān)測數(shù)據(jù)中蘊含復雜環(huán)境干預的監(jiān)測信息挖掘難點,利用支持向量機良好的的求解分類擬合問題能力,有效探尋出結(jié)果效應(yīng)量與驅(qū)動環(huán)境量之間的映射交互關(guān)系。

    (2) 本文提出了一種混凝土壩變形原位監(jiān)測資料異常值判定方法,發(fā)揮了MCD穩(wěn)健估計抗差能力強的優(yōu)勢,從而得出更合理的控制閾,解決了傳統(tǒng)回歸方法的漏判誤判現(xiàn)象,可有效判定原始序列中的異常值。實例分析可以看出,本文所建模型擬合精度得到較好的提升,異常值判定結(jié)果更可靠。

    (3) 本文提出基于SVM-MCD的異常點判定方法,亦為其他水工建筑物數(shù)據(jù)(如滲流、應(yīng)力)的處理提供了一種新的思路。

    參考文獻:

    [1]? 謝中凱,王良,蘇玉杰,等.考慮不確定性的大壩監(jiān)測信息異常診斷方法及應(yīng)用[J].水電能源科學,2020,38(10):59-62.

    [2] CHEN X Y,ZHANG B,WANG T,et al.Robust principal component analysis for accurate outlier sample detection in RNA-Seq data[J].BMC Bioinformatics,2020,21(1):1141-1152.

    [3] NEZAM B,RICHARD J B.Bayesian model checking,comparison and selection with emphasis on outlier detection for geotechnical reliability-based design[J].Computers and Geotechnics,2019,116:71-79.

    [4] LIU Q,WANG Z,LIU X D,et al.Outlier detection of time series with a novel hybrid method in cloud computing[J].International Journal of High Performance Computing and Networking,2019,14(4):39-46.

    [5] 李嘯嘯,蔣敏,吳震宇,等.大壩安全監(jiān)測數(shù)據(jù)粗差識別方法的比較與改進[J].中國農(nóng)村水利水電,2011(3):102-105,112.

    [6] 何金平,施玉群,張博.測值異常條件下變形監(jiān)測中誤差估計[J].水電能源科學,2010,28(7):67-69,22.

    [7] 鄭森,顧沖時,邵晨飛.基于圖像處理技術(shù)的大壩監(jiān)測數(shù)據(jù)粗差識別[J].南水北調(diào)與水利科技(中英文),2020,18(5):123-129.

    [8] 李明超,李明昊,任秋兵,等.基于密度分簇的長周期監(jiān)測數(shù)據(jù)異常識別方法[J].水力發(fā)電學報,2021,40(3):124-133.

    [9] 陶家祥,熊紅陽,胡波.論大壩安全監(jiān)測數(shù)據(jù)異常值的判斷方法[J].三峽大學學報(自然科學版),2016,38(6):15-17.

    [10]? 趙澤鵬,陳建康,張瀚,等.基于穩(wěn)健估計的大壩監(jiān)測數(shù)據(jù)粗差識別方法[J].水電能源科學,2018,36(12):68-71.

    [11] WEI B,LIU B,YUAN D Y,et al.Spatiotemporal hybrid model for concrete arch dam deformation monitoring considering chaotic effect of residual series[J].Engineering Structures,2021,228:339-353.

    [12] 陶園,劉曉青.基于人工免疫模式的大壩監(jiān)測數(shù)據(jù)粗差識別[J].水利水電技術(shù),2019,50(3):66-71.

    [13] 高熠飛,王建平,李林峰.基于柯西分布的水文序列異常值檢測方法[J].河海大學學報(自然科學版),2020,48(4):307-313.

    [14] 吳中如.水工建筑物安全監(jiān)控理論及其應(yīng)用[M].北京:高等教育出版社,2003.

    [15] WEI B W,YUAN D Y,XU Z K,et al.Modified hybrid forecast model considering chaotic residual errors for dam deformation[J].Structural Control and Health Monitoring,2017,25(8):2188-2204.

    [16] WEI B W,CHEN L J,LI H K,et al.Optimized prediction model for concrete dam displacement based on signal residual amendment[J].Applied Mathematical Modelling,2020,78:1441-1462.

    [17] WEI B W,YUAN D Y,LI H K,et al.Combination forecast model for concrete dam displacement considering residual correction[J].Structural Health Monitoring,2019,18(1):232-244.

    [18] 溫勇兵,徐鎮(zhèn)凱,魏博文,等.基于逐步回歸和GDCS-SVM的大壩變形預測組合模型[J].水電能源科學,2017,35(5):92-94.

    [19] 郭保蘇,吳文文,付強,等.基于支持向量機分類策略的多晶硅電池片色差檢測[J].計量學報,2019,40(6):1013-1019.

    [20] 蘇懷智,溫志萍,吳中如.基于SVM理論的大壩安全預警模型研究[J].應(yīng)用基礎(chǔ)與工程科學學報,2009,17(1):40-48.

    [21] 王坤,侯樹賢,王力.基于自適應(yīng)變異PSO-SVM的APU性能參數(shù)預測模型[J].系統(tǒng)工程與電子技術(shù),2021,43(2):526-536.

    [22] 張蓓,王順芳.基于MCD穩(wěn)健估計的PCA人臉識別算法[J].計算機工程與設(shè)計,2015(3):778-782.

    [23] YOSHINAO I,MASAKI T.Low-cost unsupervised outlier detection by autoencoders with robust estimation[J].Journal of Information Processing,2019,27:1071-1097.

    [24] MSAYIB Y,CRAIG M,SIMARD M A,et al.Robust estimation of quantitative perfusion from multi‐phase pseudo‐continuous arterial spin labeling[J].Magnetic Resonance in Medicine,2020,83(3):562-591.

    [25] LIU J,DANIEL P P.Regularized robust estimation of mean and covariance matrix for incomplete data[J].Signal Processing,2019,165:38-61.

    [26] 吳國慶,顏學峰.基于改進MCD的粗差判別方法及性能分析[J].華東理工大學學報(自然科學版),2008(2):267-272.

    [27] 花勝強,李永紅,高磊,等.基于離差和改進的大壩變形監(jiān)測粗差判別方法[J].水電能源科學,2020,38(6):67-69.

    [28] MIA H,MICHIEL D,PETER J R.Minimum covariance determinant and extensions[J].Wiley Interdisciplinary Reviews:Computational Statistics,2018,10(3):117-131.

    [29] GUSRIANI N F.Linear regression based on Minimum Covariance Determinant(MCD)and TELBS methods on the productivity of phytoplankton[J].IOP Conference Series:Materials Science and Engineering,2018,332(1):321-339.

    (編輯:胡旭東)

    Abnormal values determination of concrete dam deformation monitoring ?data based on SVM-MCD

    YANG Chengzhi,Wei Bowen,XU Zhenkai

    ( School of Civil Engineering and Architecture,Nanchang University,Nanchang 330031,China )

    Abstract:

    Deformation is the macroscopic effect that can most directly reflect the operation performance of concrete dams.Considering the adverse effects of abnormal monitoring data on the accuracy of monitoring model and diagnosis of dam safety state,this paper proposed a method for determining abnormal values of concrete dam deformation monitoring data based on support vector machine and minimum covariance matrix theory.Firstly based on the analysis of the dominant abnormal points in the deformation monitoring data,a high-precision calculation system based on the support vector machine theory (SVM) was constructed,and the mapping interaction between the result effect and the driving environment was fully utilized.Then combined with the minimum covariance matrix( MCD ) robust estimation theory,the abnormal values of the residual sequence were determined,and then the abnormal determined values were organically substituted,so as to solve the difficulty of monitoring information mining in the intervention of complex environment.The analysis of engineering examples showed that the accuracy and generalization ability of the judgment system constructed in this paper were improved.Compared with the traditional method,it has better practicability and robustness,and can effectively avoid the misjudgment and omission in the preprocessing of deformation monitoring data.In addition,the proposed method can also be applied to the determination and analysis of abnormal data of other hydraulic structures after certain optimization and expansion.

    Key words:

    safety monitoring;abnormal values determination;support vector machine;minimum covariance matrix;concrete dam

    猜你喜歡
    監(jiān)測數(shù)據(jù)殘差大壩
    一種改進的殘差χ2故障檢測算法
    基于殘差學習的自適應(yīng)無人機目標跟蹤算法
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    自動化學報(2019年6期)2019-07-23 01:18:32
    GSM-R接口監(jiān)測數(shù)據(jù)精確地理化方法及應(yīng)用
    大壩:力與美的展現(xiàn)
    百科知識(2018年6期)2018-04-03 15:43:54
    幫海貍建一座大壩
    大壩
    平穩(wěn)自相關(guān)過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    GPS異常監(jiān)測數(shù)據(jù)的關(guān)聯(lián)負選擇分步識別算法
    基于小波函數(shù)對GNSS監(jiān)測數(shù)據(jù)降噪的應(yīng)用研究
    日本一二三区视频观看| 3wmmmm亚洲av在线观看| 欧美区成人在线视频| 亚洲性久久影院| 久久国产精品男人的天堂亚洲 | 大片免费播放器 马上看| 国产国拍精品亚洲av在线观看| av免费观看日本| 日本-黄色视频高清免费观看| 女人久久www免费人成看片| 熟女av电影| 一级毛片aaaaaa免费看小| 又爽又黄a免费视频| 丝袜脚勾引网站| 精品熟女少妇av免费看| 赤兔流量卡办理| 国产精品国产三级国产专区5o| 美女内射精品一级片tv| 五月玫瑰六月丁香| 久久精品久久久久久噜噜老黄| 国产 一区精品| 亚洲精品视频女| 肉色欧美久久久久久久蜜桃| 久久久久久久久久人人人人人人| 成人综合一区亚洲| 精品一品国产午夜福利视频| 久久久久久久亚洲中文字幕| 日韩电影二区| 国产精品麻豆人妻色哟哟久久| 亚洲第一av免费看| 精品视频人人做人人爽| 亚洲av成人精品一区久久| 国产色爽女视频免费观看| 人人妻人人看人人澡| 久久久精品免费免费高清| 观看免费一级毛片| 国产乱人偷精品视频| 高清毛片免费看| 少妇熟女欧美另类| 少妇熟女欧美另类| 国产91av在线免费观看| 精品亚洲成a人片在线观看 | av在线观看视频网站免费| 黄片无遮挡物在线观看| 国产精品一及| 国产精品人妻久久久影院| 亚洲欧洲日产国产| 国产精品久久久久久av不卡| 日韩一区二区三区影片| 国产成人午夜福利电影在线观看| 亚洲精品日韩av片在线观看| 日本爱情动作片www.在线观看| 美女高潮的动态| 91精品一卡2卡3卡4卡| 汤姆久久久久久久影院中文字幕| 久久青草综合色| 亚洲成人一二三区av| 人人妻人人看人人澡| 国产黄色免费在线视频| 噜噜噜噜噜久久久久久91| 少妇 在线观看| 中文字幕久久专区| 国产精品.久久久| 在线天堂最新版资源| 边亲边吃奶的免费视频| 这个男人来自地球电影免费观看 | 麻豆国产97在线/欧美| 我要看日韩黄色一级片| 啦啦啦中文免费视频观看日本| 午夜免费鲁丝| 热99国产精品久久久久久7| 三级国产精品片| 伊人久久国产一区二区| 免费看不卡的av| 一个人看的www免费观看视频| 中文字幕av成人在线电影| 亚洲伊人久久精品综合| 一级片'在线观看视频| 天天躁日日操中文字幕| 狂野欧美白嫩少妇大欣赏| 国产乱人偷精品视频| 国产精品不卡视频一区二区| 国产高清不卡午夜福利| 久久久亚洲精品成人影院| 最近最新中文字幕免费大全7| 精品久久久久久久久av| 韩国高清视频一区二区三区| 三级经典国产精品| 丰满人妻一区二区三区视频av| 一本久久精品| 亚洲av中文字字幕乱码综合| 国产永久视频网站| 免费av中文字幕在线| 99热全是精品| 高清视频免费观看一区二区| 国产精品av视频在线免费观看| 欧美xxxx黑人xx丫x性爽| 97在线人人人人妻| 国内少妇人妻偷人精品xxx网站| 亚洲国产欧美人成| 中文字幕亚洲精品专区| 成年美女黄网站色视频大全免费 | 26uuu在线亚洲综合色| 91精品伊人久久大香线蕉| 蜜桃久久精品国产亚洲av| 免费av不卡在线播放| 99热网站在线观看| 久久久久国产精品人妻一区二区| 岛国毛片在线播放| xxx大片免费视频| 在线观看免费高清a一片| 久久久久国产精品人妻一区二区| 麻豆精品久久久久久蜜桃| 直男gayav资源| 午夜免费男女啪啪视频观看| 国产精品不卡视频一区二区| 少妇的逼水好多| 精品少妇黑人巨大在线播放| 女性生殖器流出的白浆| 中文天堂在线官网| 亚洲欧美成人综合另类久久久| 中国国产av一级| 日韩亚洲欧美综合| 纯流量卡能插随身wifi吗| 亚洲性久久影院| 在线观看av片永久免费下载| 中文精品一卡2卡3卡4更新| 一二三四中文在线观看免费高清| 国产精品99久久99久久久不卡 | 99久久人妻综合| 久久毛片免费看一区二区三区| 一个人看的www免费观看视频| 91aial.com中文字幕在线观看| 在线观看三级黄色| av国产精品久久久久影院| 国产中年淑女户外野战色| 日韩电影二区| 精品酒店卫生间| 亚洲国产日韩一区二区| 亚洲成人av在线免费| 2022亚洲国产成人精品| av又黄又爽大尺度在线免费看| 在线观看美女被高潮喷水网站| 最近手机中文字幕大全| 极品教师在线视频| 亚洲精品一二三| 身体一侧抽搐| 最近最新中文字幕免费大全7| 一二三四中文在线观看免费高清| 青春草国产在线视频| 秋霞伦理黄片| 在线天堂最新版资源| 精品一区二区免费观看| 美女福利国产在线 | 波野结衣二区三区在线| 91aial.com中文字幕在线观看| 丰满乱子伦码专区| 少妇猛男粗大的猛烈进出视频| 久久国内精品自在自线图片| 狂野欧美激情性bbbbbb| 美女视频免费永久观看网站| videos熟女内射| 国产成人一区二区在线| 久久人妻熟女aⅴ| 国产一区二区在线观看日韩| 在线观看国产h片| 久久久久网色| 99热这里只有是精品50| 人人妻人人澡人人爽人人夜夜| 亚洲美女黄色视频免费看| 午夜激情久久久久久久| 国产成人a∨麻豆精品| 亚洲av综合色区一区| 亚洲精品一二三| 日韩av不卡免费在线播放| 欧美精品国产亚洲| 丰满少妇做爰视频| 日韩成人伦理影院| 我的女老师完整版在线观看| 欧美3d第一页| 亚洲精品aⅴ在线观看| 成人18禁高潮啪啪吃奶动态图 | 亚洲,一卡二卡三卡| 免费黄频网站在线观看国产| av免费观看日本| 春色校园在线视频观看| 国产成人freesex在线| 亚洲精品乱久久久久久| 晚上一个人看的免费电影| 人妻一区二区av| 在线观看免费日韩欧美大片 | 在线观看免费日韩欧美大片 | 久久青草综合色| 在线观看一区二区三区激情| 久久99蜜桃精品久久| 最后的刺客免费高清国语| 另类亚洲欧美激情| 亚洲一级一片aⅴ在线观看| 少妇熟女欧美另类| 亚洲av日韩在线播放| 超碰av人人做人人爽久久| 日日啪夜夜爽| 亚洲天堂av无毛| 99久国产av精品国产电影| 91狼人影院| 一本—道久久a久久精品蜜桃钙片| 99热全是精品| 国产免费一级a男人的天堂| 国产精品精品国产色婷婷| 成年免费大片在线观看| av在线老鸭窝| 色综合色国产| 亚洲一区二区三区欧美精品| 99热网站在线观看| 国精品久久久久久国模美| 男人爽女人下面视频在线观看| 老熟女久久久| 伊人久久精品亚洲午夜| 婷婷色综合大香蕉| 91在线精品国自产拍蜜月| 中文字幕制服av| 人妻制服诱惑在线中文字幕| 精品久久久久久久久亚洲| av国产精品久久久久影院| 国产精品伦人一区二区| 色5月婷婷丁香| 国产黄频视频在线观看| 成人18禁高潮啪啪吃奶动态图 | 国产精品三级大全| 乱码一卡2卡4卡精品| 蜜臀久久99精品久久宅男| 亚洲欧美清纯卡通| 久久鲁丝午夜福利片| 中文精品一卡2卡3卡4更新| 亚洲精品国产av蜜桃| 亚洲av欧美aⅴ国产| 欧美成人a在线观看| av视频免费观看在线观看| 日本vs欧美在线观看视频 | 国产伦在线观看视频一区| 亚洲精品日韩av片在线观看| 男男h啪啪无遮挡| 久热这里只有精品99| 久久久成人免费电影| 韩国av在线不卡| 全区人妻精品视频| 午夜福利视频精品| 熟女av电影| 精品午夜福利在线看| 91精品国产九色| 精品人妻偷拍中文字幕| 99久久综合免费| 美女中出高潮动态图| 成人毛片a级毛片在线播放| 少妇人妻久久综合中文| 啦啦啦视频在线资源免费观看| 建设人人有责人人尽责人人享有的 | 成人18禁高潮啪啪吃奶动态图 | 欧美精品一区二区大全| 激情 狠狠 欧美| 亚洲国产成人一精品久久久| 看免费成人av毛片| 草草在线视频免费看| 丰满少妇做爰视频| 免费看av在线观看网站| 日日摸夜夜添夜夜添av毛片| 肉色欧美久久久久久久蜜桃| 色婷婷av一区二区三区视频| 美女cb高潮喷水在线观看| 在线观看一区二区三区激情| av网站免费在线观看视频| 久久ye,这里只有精品| 嘟嘟电影网在线观看| 国产欧美亚洲国产| 一区二区av电影网| 日本一二三区视频观看| 赤兔流量卡办理| 欧美日韩在线观看h| 国产免费视频播放在线视频| 老师上课跳d突然被开到最大视频| 大话2 男鬼变身卡| 舔av片在线| 亚洲美女搞黄在线观看| 亚洲美女黄色视频免费看| 国产精品99久久99久久久不卡 | 人人妻人人爽人人添夜夜欢视频 | 最近中文字幕高清免费大全6| 人妻 亚洲 视频| 国产精品国产三级国产av玫瑰| 亚洲精品国产av蜜桃| 国产黄频视频在线观看| a级毛色黄片| 欧美精品一区二区大全| 国产淫片久久久久久久久| 熟女电影av网| 一本久久精品| 国产av码专区亚洲av| 国产高清有码在线观看视频| 久久久a久久爽久久v久久| 国产乱人视频| 在线观看国产h片| 免费黄色在线免费观看| 久久久欧美国产精品| 1000部很黄的大片| 精品久久久久久久久av| 日韩一区二区三区影片| 人妻一区二区av| 哪个播放器可以免费观看大片| av在线播放精品| 欧美日韩亚洲高清精品| 免费看光身美女| 在线观看一区二区三区| 好男人视频免费观看在线| 亚洲精品一区蜜桃| 在线天堂最新版资源| 各种免费的搞黄视频| 高清欧美精品videossex| 精品久久久噜噜| 男人舔奶头视频| 免费观看性生交大片5| 国产日韩欧美亚洲二区| 永久免费av网站大全| 欧美日韩视频高清一区二区三区二| 国产无遮挡羞羞视频在线观看| 男女无遮挡免费网站观看| 久久久午夜欧美精品| 黑人猛操日本美女一级片| 热99国产精品久久久久久7| 人人妻人人爽人人添夜夜欢视频 | 精品国产一区二区三区久久久樱花 | 成人国产av品久久久| 男男h啪啪无遮挡| 国产在线视频一区二区| 久久97久久精品| 久久久久久久久久成人| 在线观看美女被高潮喷水网站| 97超碰精品成人国产| 夫妻午夜视频| 国产成人午夜福利电影在线观看| 噜噜噜噜噜久久久久久91| 精品一品国产午夜福利视频| 国产男女内射视频| 成人午夜精彩视频在线观看| 丰满乱子伦码专区| 熟女av电影| 国产高清国产精品国产三级 | 一区二区三区四区激情视频| 免费看光身美女| 观看美女的网站| 91狼人影院| 我要看日韩黄色一级片| 国产伦理片在线播放av一区| 超碰av人人做人人爽久久| 熟女av电影| 激情 狠狠 欧美| 国产又色又爽无遮挡免| 18禁在线播放成人免费| 人人妻人人爽人人添夜夜欢视频 | 一区二区三区免费毛片| 岛国毛片在线播放| 亚洲内射少妇av| 亚洲av不卡在线观看| 你懂的网址亚洲精品在线观看| 免费不卡的大黄色大毛片视频在线观看| 国产精品一二三区在线看| 性高湖久久久久久久久免费观看| 亚洲一级一片aⅴ在线观看| 麻豆成人午夜福利视频| 国产精品人妻久久久久久| 国产精品秋霞免费鲁丝片| 女性被躁到高潮视频| 国产在线免费精品| 免费久久久久久久精品成人欧美视频 | 国产男女内射视频| 在线亚洲精品国产二区图片欧美 | 韩国高清视频一区二区三区| 永久网站在线| 免费观看无遮挡的男女| 欧美变态另类bdsm刘玥| 亚洲av男天堂| 蜜桃亚洲精品一区二区三区| 亚洲欧美一区二区三区黑人 | 大陆偷拍与自拍| 欧美少妇被猛烈插入视频| 久久久久久久国产电影| 日韩av在线免费看完整版不卡| 日韩免费高清中文字幕av| 欧美人与善性xxx| 中国三级夫妇交换| a 毛片基地| 黄色日韩在线| 精品午夜福利在线看| 久久人人爽人人片av| 九草在线视频观看| 日韩三级伦理在线观看| 国产无遮挡羞羞视频在线观看| 夫妻性生交免费视频一级片| 夫妻午夜视频| 蜜桃亚洲精品一区二区三区| 高清午夜精品一区二区三区| 天美传媒精品一区二区| 乱码一卡2卡4卡精品| 亚洲欧美精品专区久久| 亚洲成人手机| 少妇的逼水好多| 十分钟在线观看高清视频www | 久久人人爽人人片av| 亚洲av欧美aⅴ国产| 国产免费视频播放在线视频| 一级毛片aaaaaa免费看小| 搡女人真爽免费视频火全软件| 女性被躁到高潮视频| 99re6热这里在线精品视频| 免费久久久久久久精品成人欧美视频 | 多毛熟女@视频| 尤物成人国产欧美一区二区三区| 欧美精品人与动牲交sv欧美| 亚洲欧美日韩卡通动漫| 久久精品熟女亚洲av麻豆精品| 亚洲激情五月婷婷啪啪| 日本av手机在线免费观看| 联通29元200g的流量卡| 日韩伦理黄色片| 国产成人aa在线观看| 精品国产露脸久久av麻豆| av在线播放精品| 女性生殖器流出的白浆| 国产精品久久久久成人av| 人妻夜夜爽99麻豆av| 51国产日韩欧美| 亚洲精品视频女| 国产无遮挡羞羞视频在线观看| 久久精品国产自在天天线| 久久久久久久久久久丰满| 国产精品国产三级国产av玫瑰| 精品视频人人做人人爽| 欧美一区二区亚洲| 女性生殖器流出的白浆| 日本欧美国产在线视频| 午夜福利在线在线| 久久久久久人妻| 一本—道久久a久久精品蜜桃钙片| 久久国产精品男人的天堂亚洲 | 99久久精品一区二区三区| 搡老乐熟女国产| 亚洲欧美日韩东京热| 嫩草影院入口| 国产免费福利视频在线观看| 日韩一区二区三区影片| 视频区图区小说| 丝袜喷水一区| 国产亚洲最大av| 亚洲久久久国产精品| 欧美成人a在线观看| 久久久成人免费电影| 在线 av 中文字幕| 中文字幕av成人在线电影| 热re99久久精品国产66热6| 精品国产乱码久久久久久小说| 中文字幕人妻熟人妻熟丝袜美| 久久人人爽人人爽人人片va| 亚洲性久久影院| 高清不卡的av网站| 永久网站在线| 建设人人有责人人尽责人人享有的 | 自拍欧美九色日韩亚洲蝌蚪91 | freevideosex欧美| 中文字幕免费在线视频6| 中国三级夫妇交换| 美女中出高潮动态图| 国产亚洲91精品色在线| av黄色大香蕉| 观看av在线不卡| 少妇熟女欧美另类| 日本黄大片高清| 最近中文字幕高清免费大全6| 联通29元200g的流量卡| 精品久久久久久久久av| 成年女人在线观看亚洲视频| 一级片'在线观看视频| 在线观看一区二区三区激情| 草草在线视频免费看| 午夜精品国产一区二区电影| 自拍偷自拍亚洲精品老妇| 亚洲精品成人av观看孕妇| 91久久精品电影网| 老司机影院成人| 身体一侧抽搐| 毛片女人毛片| 亚洲成人av在线免费| 亚洲色图综合在线观看| 亚洲性久久影院| 免费久久久久久久精品成人欧美视频 | 五月玫瑰六月丁香| 高清毛片免费看| 亚洲天堂av无毛| 超碰97精品在线观看| 一区二区三区精品91| 丝袜脚勾引网站| av.在线天堂| 国语对白做爰xxxⅹ性视频网站| 亚洲色图av天堂| 色视频在线一区二区三区| 亚洲久久久国产精品| 国产综合精华液| 国产av一区二区精品久久 | 简卡轻食公司| 纵有疾风起免费观看全集完整版| 我要看黄色一级片免费的| av.在线天堂| 一区二区三区免费毛片| 国产av精品麻豆| 国产在视频线精品| 夜夜看夜夜爽夜夜摸| 国产精品嫩草影院av在线观看| 精品熟女少妇av免费看| 99久久精品国产国产毛片| 亚洲第一区二区三区不卡| 日韩亚洲欧美综合| 日韩一本色道免费dvd| 最近的中文字幕免费完整| 日韩人妻高清精品专区| 99热全是精品| 免费观看a级毛片全部| 在线亚洲精品国产二区图片欧美 | 亚洲av综合色区一区| 国产 一区精品| 亚洲国产成人一精品久久久| 草草在线视频免费看| 亚洲美女搞黄在线观看| 久久久久久伊人网av| 老女人水多毛片| 97超视频在线观看视频| 久久久久久久亚洲中文字幕| 97超视频在线观看视频| 亚洲国产毛片av蜜桃av| 久久久成人免费电影| 亚洲不卡免费看| 高清日韩中文字幕在线| 国产精品av视频在线免费观看| 嫩草影院新地址| 乱码一卡2卡4卡精品| 国产精品av视频在线免费观看| 免费黄网站久久成人精品| 精品国产三级普通话版| 免费黄网站久久成人精品| 国产一区二区在线观看日韩| 亚洲av不卡在线观看| 免费播放大片免费观看视频在线观看| 美女高潮的动态| 亚洲天堂av无毛| 亚洲精品国产av蜜桃| 少妇丰满av| 国产爽快片一区二区三区| 欧美日韩精品成人综合77777| 久久久久久人妻| 日本vs欧美在线观看视频 | 亚洲精品中文字幕在线视频 | 亚洲国产高清在线一区二区三| av不卡在线播放| 边亲边吃奶的免费视频| 日韩一区二区三区影片| 亚洲熟女精品中文字幕| 蜜桃久久精品国产亚洲av| 99久久中文字幕三级久久日本| 中文字幕久久专区| 成人影院久久| 人妻一区二区av| 欧美成人a在线观看| 日本免费在线观看一区| 黄色视频在线播放观看不卡| 自拍偷自拍亚洲精品老妇| 男人狂女人下面高潮的视频| 久久精品久久久久久噜噜老黄| 亚洲国产精品国产精品| 各种免费的搞黄视频| 在线观看免费视频网站a站| 成人18禁高潮啪啪吃奶动态图 | 成人综合一区亚洲| 日韩伦理黄色片| 中文字幕亚洲精品专区| 蜜臀久久99精品久久宅男| 亚洲精品成人av观看孕妇| 蜜臀久久99精品久久宅男| 久久99热6这里只有精品| 日韩av在线免费看完整版不卡| 男人爽女人下面视频在线观看| 大陆偷拍与自拍| 好男人视频免费观看在线| 黄色日韩在线| 美女内射精品一级片tv| 欧美激情国产日韩精品一区| 国产精品爽爽va在线观看网站| 国产午夜精品一二区理论片| 亚洲成人中文字幕在线播放| 性色av一级| 国产精品偷伦视频观看了| 国产淫片久久久久久久久| 国产成人精品久久久久久| 毛片女人毛片| av.在线天堂| 一区二区三区免费毛片| 亚洲成色77777| 最近中文字幕高清免费大全6| 中国美白少妇内射xxxbb| 97在线视频观看| 欧美97在线视频| 亚洲av福利一区| 精品亚洲乱码少妇综合久久| 26uuu在线亚洲综合色| 久久久久久久大尺度免费视频| 亚洲精品日韩av片在线观看| 欧美高清性xxxxhd video| 26uuu在线亚洲综合色| 极品教师在线视频|