• <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 ?

    基于雙向門控循環(huán)單元的通信基站流量預(yù)測研究

    2022-06-28 02:56:22高躍衡石尚軒羅吉祥
    軟件導(dǎo)刊 2022年6期
    關(guān)鍵詞:梯度時(shí)刻基站

    高躍衡,張 艷,石尚軒,羅吉祥

    (上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院,上海 200093)

    0 引言

    2021 年是我國“十四五”規(guī)劃開局之年,“加快數(shù)字化發(fā)展”“完善基礎(chǔ)設(shè)施網(wǎng)絡(luò)”已成為“十四五”規(guī)劃的重中之重[1]。隨著現(xiàn)代通信科學(xué)技術(shù)的飛速更迭,目前已經(jīng)發(fā)展出5G 乃至6G 的高速通信技術(shù)[2],讓生活變得更加便捷。但在通信技術(shù)發(fā)展過程中,也衍生出了移動(dòng)通信基站潮汐效應(yīng)問題,即網(wǎng)絡(luò)流量在一天的不同時(shí)段具有某種周期性的變化特征[3]。在流量使用高峰時(shí)段,通信基站[4-5]往往會(huì)處于超負(fù)荷運(yùn)轉(zhuǎn)狀態(tài),無線網(wǎng)絡(luò)較為擁堵,用戶上網(wǎng)體驗(yàn)變差[6-7],此時(shí)運(yùn)營商需要擴(kuò)充基站的載頻數(shù)量以緩解擁堵,從而造成高能耗。相反,在流量使用低谷時(shí)段,如果仍按照高峰時(shí)段的標(biāo)準(zhǔn)配置基站載頻,通信基站的資源利用率就會(huì)變得很低,從而造成不必要的資源浪費(fèi)。

    為了避免網(wǎng)絡(luò)擁堵和資源浪費(fèi),采用合理的智能化算法以實(shí)現(xiàn)基站載頻數(shù)量配置的自動(dòng)化、智能化、精準(zhǔn)化、快速化,成為當(dāng)前亟待解決的問題。

    1 相關(guān)工作

    為了科學(xué)配置資源,對于通信基站流量配置常采用機(jī)器學(xué)習(xí)模型預(yù)測方法。目前,科研工作者已經(jīng)從不同角度提出了以下幾類解決方案:

    (1)利用線性模型進(jìn)行預(yù)測。如:文獻(xiàn)[8-10]基于線性模型分別提出利用自回歸滑動(dòng)平均模型(Autoregressive Moving Average Model,ARMA)、Switching 差分整合移動(dòng)平均自回歸模型(Autoregressive Integrated Moving Average model,ARIMA)、模糊自回歸模型進(jìn)行預(yù)測的方法。然而,通信基站流量往往不是線性的,并且較為復(fù)雜,利用線性模型預(yù)測不但精度不高,而且只能做短期預(yù)測。

    (2)利用遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測。遞歸神經(jīng)網(wǎng)絡(luò)可以用來模擬流量非線性變化。如:劉淵等[11]提出一種基于小波分析、自回歸網(wǎng)絡(luò)(Autoregressive Model,AR)和Elman 網(wǎng)絡(luò)的組合預(yù)測方法。Li 等[12]采用螢火蟲算法優(yōu)化網(wǎng)絡(luò)的初始權(quán)值和閾值,再結(jié)合誤差反向傳播算法(Error Back Propagation Training,BP)對流量進(jìn)行預(yù)測,預(yù)測結(jié)果相對更精確,但仍未達(dá)到理想效果。

    (3)利用循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)進(jìn)行預(yù)測。雖然遞歸神經(jīng)網(wǎng)絡(luò)可以模擬實(shí)際流量的非線性變化狀態(tài),但是由于遞歸神經(jīng)網(wǎng)絡(luò)的形式是樹狀展開,因此捕獲時(shí)序特征的能力較弱。而對于通信基站流量,其最密切關(guān)聯(lián)的變量就是時(shí)間,因此有學(xué)者提出利用RNN,一種遞歸神經(jīng)網(wǎng)絡(luò)的變體,它對時(shí)序特征的捕獲能力很強(qiáng),且對時(shí)序信息具有記憶能力。長短期記憶網(wǎng)絡(luò)(Long Short-term Memory,LSTM)是RNN 的一種變體,其結(jié)構(gòu)較RNN 更為復(fù)雜,有效地解決了RNN 梯度爆炸或梯度消失問題,且對于長期預(yù)測更為精確。Vinayakumar 等[13]在相同的誤差評(píng)價(jià)指標(biāo)上對比RNN 和LSTM,分別對網(wǎng)絡(luò)流量作出預(yù)測,LSTM 明顯優(yōu)于RNN。有學(xué)者將LSTM 與其他網(wǎng)絡(luò)或方法結(jié)合,提出改良LSTM,如:文獻(xiàn)[14-16]分別結(jié)合多通道方式和LSTM、自動(dòng)編碼器和LSTM、改進(jìn)粒子濾波算法(Particle Filter,PF)和LSTM。門控循環(huán)單元(Gate Recurrent Unit,GRU)是RNN 的另一種變體,其在LSTM 的基礎(chǔ)上簡化了部分結(jié)構(gòu),并保持精確的預(yù)測能力,使預(yù)測更加高效,且GRU 在通信基站流量預(yù)測問題上表現(xiàn)要略微優(yōu)于LSTM。Ramakrishnan 等[17]對 比GRU 和LSTM 發(fā)現(xiàn),GRU 較LSTM 預(yù)測更準(zhǔn)確、速度更快,也更高效。Cao 等[18]結(jié)合CNN 和門控循環(huán)單元(Gate Recurrent Unit,GRU),使CNN 將流量學(xué)習(xí)為圖像預(yù)測交互式流量,GRU 預(yù)測純業(yè)務(wù)流量,其精確度及效率要高于LSTM。

    但是,上述通信基站流量預(yù)測方法,大多是按照數(shù)據(jù)時(shí)序進(jìn)行單向預(yù)測,只考慮了前一時(shí)刻和當(dāng)前時(shí)刻的關(guān)聯(lián),并沒有考慮到前一時(shí)刻、當(dāng)前時(shí)刻和后一時(shí)刻之間的關(guān)聯(lián),預(yù)測精度不夠高。因此,必須從提高精度著手進(jìn)行深入研究。根據(jù)通信基站流量預(yù)測本質(zhì)上是時(shí)間序列預(yù)測這一特征,再利用GRU 對于時(shí)間序列的敏感性特點(diǎn),及其在長期預(yù)測較RNN 更精確且相對于LSTM 效率更高兩方面的優(yōu)勢,進(jìn)行流量預(yù)測算法研究。提出一種基于雙向門控循環(huán)單元(Bi-directional Gate Recurrent Unit,BGRU),對于通信基站流量具有良好記憶功能和更高精確度的預(yù)測模型。該模型在訓(xùn)練時(shí),將輸入序列從正反兩個(gè)方向同時(shí)進(jìn)行訓(xùn)練,將每個(gè)細(xì)胞的狀態(tài)值進(jìn)行拼接,以保留雙向的邊緣信息。

    2 算法原理

    算法整體流程如下:

    (1)數(shù)據(jù)處理。對數(shù)據(jù)進(jìn)行分組打亂和標(biāo)準(zhǔn)化處理。

    (2)選取網(wǎng)絡(luò)。對比線性網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、RNN、LSTM 以及GRU,綜合考量預(yù)測精度和實(shí)際情況發(fā)現(xiàn),GRU在基站流量預(yù)測問題上的表現(xiàn)最好,但仍有提升空間。再考慮到時(shí)間序列的前后關(guān)聯(lián)性,提出基于BGRU 的基站流量預(yù)測網(wǎng)絡(luò)。

    (3)訓(xùn)練過程。訓(xùn)練時(shí)采取Adam 算法,該算法使得梯度更新平穩(wěn)并能處理稀疏梯度,更容易得到全局最優(yōu)解。

    (4)實(shí)驗(yàn)驗(yàn)證。設(shè)計(jì)參數(shù)調(diào)整實(shí)驗(yàn)和對比實(shí)驗(yàn),參數(shù)調(diào)整實(shí)驗(yàn)反映調(diào)整過程,對比實(shí)驗(yàn)引入4 個(gè)網(wǎng)絡(luò):LSTM、GRU、雙向長短期記憶網(wǎng)絡(luò)(Bi-directional Long Short-term Memory,BLSTM)和BGRU。采取GRU 和BGRU、LSTM 和BLSTM 作對比,反映雙向網(wǎng)絡(luò)在處理時(shí)序問題上精確度優(yōu)于單向網(wǎng)絡(luò)。采取LSTM 和GRU、BLSTM 和BGRU 作對比,反映在基站流量預(yù)測問題上GRU 要優(yōu)于LSTM。

    2.1 GRU神經(jīng)網(wǎng)絡(luò)

    2014 年,Chung 等[19]提出門控循環(huán)單元GRU 網(wǎng)絡(luò),它在性能上與LSTM 不相上下,都能有效地對RNN 所產(chǎn)生的梯度爆炸或梯度消失現(xiàn)象進(jìn)行抑制,兩者在不同的問題上會(huì)有不同的效果,需具體分析。但是相較于LSTM 的“三門”設(shè)計(jì),GRU 比LSTM 的結(jié)構(gòu)更為簡潔,計(jì)算效率要高于LSTM,GRU 在LSTM 的結(jié)構(gòu)上進(jìn)行簡化,GRU 只有兩個(gè)門控單元,分別是更新門與重置門。如圖1 所示,即GRU 結(jié)構(gòu)圖。

    Fig.1 Structure of GRU圖1 GRU結(jié)構(gòu)

    “更新門”與“重置門”的數(shù)學(xué)公式分別如式(1)、式(2)所示。

    GRU 網(wǎng)絡(luò)將上個(gè)時(shí)刻的狀態(tài)信息ht-1和當(dāng)前時(shí)刻的輸入信息xt各自通過權(quán)重Wz后,再拼接通過σ即Sigmoid函數(shù)得到這兩個(gè)門控單元的狀態(tài),并記更新后的信息為zt,而重置后的信息為rt。

    “重置過程”與“更新過程”的數(shù)學(xué)公式分別如式(3)、式(4)所示。

    由式(3)可知,將重置后的信息rt與上個(gè)時(shí)刻的狀態(tài)信息ht-1相乘后,與xt各自通過權(quán)重W后進(jìn)行拼接。隨后通過tanh 激活函數(shù),將其范圍縮放在[-1,1]區(qū)間,得到候選值,包含對當(dāng)前時(shí)刻信息的記憶情況,這就是“重置過程”。由式(4)可知,(1 -zt)代表遺忘程度,而其與上個(gè)時(shí)刻的狀態(tài)信息ht-1相乘后,則表示對上個(gè)時(shí)刻的信息相應(yīng)程度上的遺忘,更新后的信息zt與候選值相乘,則代表了對當(dāng)前信息相應(yīng)程度上的記憶,最后將兩者拼接為當(dāng)前時(shí)刻的輸出,即ht,這便為“更新過程”。

    2.2 BGRU神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    如圖2 所示,即單BGRU 的結(jié)構(gòu)圖。BGRU 結(jié)構(gòu)采用兩層GRU 在同一組數(shù)據(jù)上并行預(yù)測,兩層GRU 相互獨(dú)立,互不干擾。輸入X={X1,X2,X3,…,Xt}和狀態(tài)信息h={h0,h1,h2,…,ht}將依次輸入GRU 和GRU’,其中GRU 為前向?qū)?,GRU’為后向?qū)?,兩層的傳播方向相反,每個(gè)時(shí)刻各自都有輸出,分別包含前向信息和后向信息,最終拼接在一起作為該時(shí)刻的輸出Y={Y1,Y2,Y3,…,Yt}。因此,該輸出便保留了邊緣信息。

    2.3 BGRU神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

    Fig.2 Single layer BGRU structure圖2 單層BGRU結(jié)構(gòu)

    盡管LSTM 或是GRU 都針對無法進(jìn)行長時(shí)序記憶作出了修正方案,但隨著時(shí)序的延長,或多或少會(huì)遺忘一部分邊緣信息。因此,為了提升模型精度、盡量不遺漏邊緣信息,將采用三層雙向門控循環(huán)單元BGRU,結(jié)合一層全連接層Dense 進(jìn)行基站流量信息預(yù)測??紤]到Tanh 函數(shù)區(qū)間在[-1,1],而上行流量并沒有負(fù)值出現(xiàn),于是采取計(jì)算量更小且導(dǎo)數(shù)性質(zhì)更優(yōu)的ReLU 函數(shù)作為激活函數(shù),式(5)為ReLU 函數(shù)的數(shù)學(xué)表達(dá)式。

    損失函數(shù)采用均方誤差(Mean Squared Error,MSE),用來衡量預(yù)測值與真實(shí)值之間的偏差程度。每層選取32個(gè)神經(jīng)元,且每層的合并方式選擇拼接concat。

    2.4 BGRU預(yù)測流程

    BGRU 預(yù)測流程:

    (1)數(shù)據(jù)處理。將數(shù)據(jù)按照一定時(shí)間長度劃分為各序列,將序列隨機(jī)打亂,保證訓(xùn)練時(shí)的可靠性,隨后進(jìn)行標(biāo)準(zhǔn)化操作,使訓(xùn)練更高效且精度更高。

    (2)數(shù)據(jù)輸入。將處理好的上行流量數(shù)據(jù)按照三維向量的形狀輸入到第一層BGRU 網(wǎng)絡(luò)內(nèi),其中第一維是所有數(shù)據(jù)的數(shù)量總和,第二維是按照一定時(shí)間間隔劃分好的所有時(shí)間序列的數(shù)量總和,第三維則是數(shù)據(jù)特征量,在此僅為上行流量。

    (3)單層BGRU 處理。根據(jù)式(1)、式(2),正向GRU 通過1 時(shí)刻的輸入X1及0 時(shí)刻的狀態(tài)h0經(jīng)過Sigmoid 函數(shù)得到“更新門”和“重置門”的狀態(tài)z1、r1。根據(jù)式(3),r1*h0和x1拼接,通過ReLU 函數(shù)得到狀態(tài)候選值。再根據(jù)式(4),時(shí)刻信息遺忘后的信息(1 -z1)*h0和1 時(shí)刻信息要記憶的信息拼接得到1 時(shí)刻的輸出h1。循環(huán)上述過程,直到得到所有時(shí)刻的輸出h={h0,h1,h2,…,ht}。同樣地,反向GRU 也與上述過程相類似,只是從序列的反向計(jì)算得到所有時(shí)刻的輸出。隨后將各時(shí)刻的正反向輸出進(jìn)行concat 拼接,得到第一層BGRU 各時(shí)刻的輸出Y={Y1,Y2,Y3,…,Yt}。

    (4)多層BGRU 處理。多層BGRU,即將步驟(3)重復(fù)多遍,得到更深層網(wǎng)絡(luò),提取更本質(zhì)的特征,采取3 層BGRU,即將步驟(3)重復(fù)3 遍。將第1 層BGRU 的輸出作為第2 層BGRU 的輸入,循環(huán)上述過程,最終第3 層BGRU的輸出只取其中正向GRU 的最后時(shí)刻輸出以及反向GRU最后時(shí)刻的輸出,進(jìn)行concat 拼接。輸入進(jìn)入Dense 層,整合后得到最終輸出。如圖3所示,即具體網(wǎng)絡(luò)結(jié)構(gòu)。

    Fig.3 3-layer BGRU network structure圖3 3層BGRU網(wǎng)絡(luò)結(jié)構(gòu)

    2.5 Adam優(yōu)化算法

    模型采取Adam 算法[20]進(jìn)行訓(xùn)練模型。對Adam 算法過程進(jìn)行描述如式(6)——式(8)所示。

    由式(6)可知,β1為指數(shù)衰減率,g為t時(shí)刻梯度,mt為梯度一階矩,此式可以看作是對歷史梯度求加權(quán)平均。根據(jù)式(7),β2為指數(shù)衰減率,g為t時(shí)刻梯度,vt為梯度二階矩,此式可以看作是對歷史梯度的平方求加權(quán)平均。而式(8)則是對變量進(jìn)行更新,其中為lrt學(xué)習(xí)率,?是為了避免除數(shù)等于0以致出現(xiàn)數(shù)學(xué)錯(cuò)誤而設(shè)定的一個(gè)常數(shù)。

    Adam 算法引入了兩個(gè)關(guān)鍵變量,即梯度一階矩與梯度二階矩。梯度一階矩參照Momentum 算法,結(jié)合動(dòng)量的概念,可以實(shí)現(xiàn)梯度更新時(shí)的穩(wěn)定和平滑。梯度二階矩參照Rmsprop 算法,用來處理稀疏梯度。Adam 算法訓(xùn)練時(shí)所需內(nèi)存小,且需調(diào)整的參數(shù)較少,其在更新步長時(shí)會(huì)作出自適應(yīng)調(diào)節(jié),可以有效地讓梯度下降到全局最優(yōu)解。

    若不使用Adam 算法進(jìn)行訓(xùn)練,則不論是Momentum 算法、Rmsprop 算法抑或是Sgd 算法,都會(huì)有各自的缺點(diǎn),帶來諸如收斂到局部最優(yōu)或是收斂太慢等問題,而Adam 算法則綜合了諸多梯度下降算法的優(yōu)點(diǎn)。

    3 實(shí)驗(yàn)與分析

    3.1 數(shù)據(jù)集與數(shù)據(jù)預(yù)處理

    本文數(shù)據(jù)集來自于北京國測星繪信息技術(shù)有限公司http://www.satimage.cn/,其中包括眾多小區(qū)每小時(shí)的上行及下行流量數(shù)據(jù),從2018 年3 月1 日至2018 年4 月19 日,共計(jì)50 天。取其中第186 號(hào)小區(qū)的上行流量作為研究數(shù)據(jù),并按照4∶1 的比例將其劃分為訓(xùn)練集和測試集,其中訓(xùn)練集共有960 條數(shù)據(jù),測試集有240 條數(shù)據(jù)。最后用2018 年4 月20 日至2018 年4 月24 日,共計(jì)5 天的數(shù)據(jù)作為未來數(shù)據(jù),進(jìn)行結(jié)果驗(yàn)證。

    首先將數(shù)據(jù)集中所有時(shí)間的上行流量總量N按一定的時(shí)間步長Timestep提取為一個(gè)長度為Timestep的時(shí)間序列Time(t)1,隨后重復(fù)此提取步驟得到一個(gè)數(shù)據(jù)序列Data{Time(t)1,Time(t)2,Time(t)3,...,Time(t)N-Timestep},然 后將此數(shù)據(jù)序列隨機(jī)打亂得到新的數(shù)據(jù)序列Data'{Time(t)p,Time(t)q,Time(t)r,...,Time(t)w},p≠q≠r≠w且皆為常數(shù),且皆小于等于(N-Timestep)。

    將所得新數(shù)據(jù)序列Data'按4∶1 的比例劃分為訓(xùn)練集Train{Time(t)1,Time(t)2,Time(t)3,...,Time(t)N*0.8} 和測試集Test{Time(t)1,Time(t)2,Time(t)3,...,Time(t)N*0.2},將Train和Test按照式(9)進(jìn)行標(biāo)準(zhǔn)化,可得標(biāo)準(zhǔn)化后的訓(xùn)練集Train'和測試集Test',此時(shí)它們均值為0,方差為1。

    其中,式(10)為均值表達(dá)式,式(11)為標(biāo)準(zhǔn)差表達(dá)式。

    3.2 超參數(shù)選擇

    用R2評(píng)估模型預(yù)測正確率,L2 正則化參數(shù)選取0.01,訓(xùn)練次數(shù)為600 次。在此基礎(chǔ)上,分別對學(xué)習(xí)率、時(shí)間步長及批次大小進(jìn)行實(shí)驗(yàn)分析和選取。

    3.2.1 學(xué)習(xí)率調(diào)整分析

    學(xué)習(xí)率是非常重要的超參數(shù),它的選取決定著神經(jīng)網(wǎng)絡(luò)的收斂速度和準(zhǔn)確程度。若選取過大,會(huì)導(dǎo)致梯度徘徊在最優(yōu)點(diǎn)附近并產(chǎn)生震蕩導(dǎo)致無法收斂;若選取過小,則會(huì)導(dǎo)致梯度收斂速度極慢且容易收斂到局部最優(yōu)解。在時(shí)間步長為24、批次大小為256 的條件下,對學(xué)習(xí)率的選取展開實(shí)驗(yàn),學(xué)習(xí)率的選取通常以10 為倍數(shù)進(jìn)行調(diào)節(jié),選取0.1、0.01、0.001、0.000 1這4組數(shù)據(jù)進(jìn)行實(shí)驗(yàn)分析。學(xué)習(xí)率變化時(shí),在訓(xùn)練集和測試集上的損失值及R2的變化情況如表1所示。

    Table 1 Experiment of learning rate adjustment表1 學(xué)習(xí)率調(diào)整實(shí)驗(yàn)

    可以看出,在學(xué)習(xí)率0.001 時(shí),模型的預(yù)測性能最佳,因此選擇學(xué)習(xí)率為0.001。

    3.2.2 時(shí)間步長調(diào)整分析

    選取時(shí)間步長分別為2、6、12、24、36、48,在學(xué)習(xí)率確定為0.001、批次大小為256 的條件下進(jìn)行訓(xùn)練。時(shí)間步長變化時(shí),在訓(xùn)練集和測試集上的損失值及R2的變化情況如表2所示。

    Table 2 Experiment of time step adjustment表2 時(shí)間步長調(diào)整實(shí)驗(yàn)

    可以看出,在時(shí)間步長為12 或24 時(shí),模型性能達(dá)到最佳,綜合考慮訓(xùn)練時(shí)間,選擇時(shí)間步長為12。

    3.2.3 批次大小調(diào)整分析

    選取訓(xùn)練批次分別為16、32、64、128、256,在學(xué)習(xí)率為0.001 和時(shí)間步長為12 的條件下進(jìn)行訓(xùn)練。批次大小變化時(shí),在訓(xùn)練集和測試集上的損失值及R2的變化情況和單輪迭代所需時(shí)間變化情況如表3所示。

    Table 3 Experiment of batch size adjustment表3 批次大小調(diào)整實(shí)驗(yàn)

    同批次大小的損失函數(shù)如圖4 所示,其中(a)、(b)、(c)、(d)、(e)圖依次為訓(xùn)練批次為16、32、64、128、256時(shí)的損失函數(shù)。

    Fig.4 Loss function for different batch size圖4 不同批次大小的損失函數(shù)

    3.3 模型評(píng)價(jià)標(biāo)準(zhǔn)

    本文將以4 個(gè)評(píng)價(jià)指標(biāo)對模型進(jìn)行定量評(píng)估,分別是MSE、平均絕對誤差(Mean Absolute Error,MAE)、可決系數(shù)(Coefficient of Determination,R2)以及中值絕對誤差(Medi?an Absolute Error,MedAE)。

    MSE 為預(yù)測數(shù)據(jù)和真實(shí)數(shù)據(jù)對應(yīng)時(shí)刻數(shù)據(jù)誤差平方和的均值,MSE 越小說明預(yù)測效果越好,若MSE=0,則說明完全預(yù)測準(zhǔn)確。其公式如式(12)所示,其中n為測試集總樣本數(shù),為預(yù)測值,yi為真實(shí)值。

    MAE 為預(yù)測數(shù)據(jù)和真實(shí)數(shù)據(jù)絕對差值之和的均值,其范圍是[0,+∞),同樣地,MAE 越小,說明模型具有越完美的預(yù)測效果。其公式如式(13)所示,其中n為測試集總樣本數(shù)為預(yù)測值,yi為真實(shí)值。

    R2是解釋模型擬合程度的一個(gè)數(shù)值,其范圍為[0,1],越接近1,說明模型擬合程度越高,越接近0,則說明模型擬合程度越低,若R2=0,則說明完全預(yù)測準(zhǔn)確。其公式如式(14)所示,其中n為測試集總樣本數(shù)為預(yù)測值為真實(shí)值的平均值,yi為真實(shí)值。

    MedAE 為預(yù)測值與真實(shí)值絕對差值的中位數(shù),MedAE越小,代表模型預(yù)測越準(zhǔn)確,由于采用中位數(shù)的方式,因而此評(píng)價(jià)指標(biāo)不易受個(gè)別跳躍點(diǎn)的影響,更具穩(wěn)定性。其公式如式(15)所示,其中n為測試集的總樣本數(shù),為預(yù)測值,yi為真實(shí)值。

    3.4 模型比較選擇

    為了驗(yàn)證所提BGRU 算法相對于其他常見模型在基站流量預(yù)測問題上的有效性,將在相同超參數(shù)的前提下,選取GRU、LSTM、BLSTM 分別與BGRU 作比較。BGRU、GRU、BLSTM、LSTM 的預(yù)測值和真實(shí)值分別在MSE、MAE、R2、MedAE 上的評(píng)估結(jié)果如表4所示。

    BGRU、GRU、BLSTM、LSTM 在測試集中隨機(jī)抽取連續(xù)100 小時(shí)的預(yù)測值和真實(shí)值的比較結(jié)果如圖5 所示,其中(a)、(b)、(c)、(d)圖分別為BGRU、GRU、BLSTM、LSTM。

    Table 4 Comparison of model prediction effect on test set表4 模型在測試集上的預(yù)測效果比較

    從表4 和圖5 不難發(fā)現(xiàn),對于基站流量預(yù)測問題,BGRU 和GRU 的各項(xiàng)參數(shù)都分別優(yōu)于BLSTM 和LSTM,這表明GRU 模型的整體表現(xiàn)要優(yōu)于LSTM 模型。同時(shí)可以得出,BGRU 和BLSTM 的各項(xiàng)參數(shù)都分別優(yōu)于GRU 和LSTM,這表明雙向網(wǎng)絡(luò)的整體表現(xiàn)要優(yōu)于單向網(wǎng)絡(luò)。

    Fig.5 Prediction of different models on test set圖5 不同模型在測試集上的預(yù)測情況

    3.5 未來數(shù)據(jù)預(yù)測及比較

    對BGRU、GRU、BLSTM、LSTM 這4 種模型,分別在未來5 天,共120 小時(shí)的數(shù)據(jù)上進(jìn)行預(yù)測,如表5 所示,分別在MSE、MAE、R2、MedAE 作出評(píng)估結(jié)果。

    Table 5 Comparison of model prediction effect in the future data表5 模型對未來數(shù)據(jù)的預(yù)測效果比較

    BGRU、GRU、BLSTM、LSTM 在未來5 天數(shù)據(jù)上的預(yù)測值和真實(shí)值的比較結(jié)果如圖6所示,其中(a)、(b)、(c)、(d)圖分別為BGRU、GRU、BLSTM、LSTM。

    綜合考量表4、表5 和圖5、圖6,雖然在未來數(shù)據(jù)上,模型精度較測試集略低。但是發(fā)現(xiàn)無論是在測試集還是在未來數(shù)據(jù)上,相較于對照的3 個(gè)模型,BGRU 不僅具有更高的精度,而且更具穩(wěn)定性,因此最終選擇BGRU 作為流量預(yù)測網(wǎng)絡(luò)。

    4 結(jié)語

    Fig.6 Prediction of different models in the future data圖6 不同模型在未來數(shù)據(jù)上的預(yù)測情況

    本文針對通信基站流量調(diào)配不合理問題,提出了一種基于雙向門控循環(huán)單元BGRU 的預(yù)測方法。該方法首先將數(shù)據(jù)按12 小時(shí)的時(shí)間長度分組并打亂,再作標(biāo)準(zhǔn)化處理;然后輸入網(wǎng)絡(luò)的數(shù)據(jù)將進(jìn)入第一層BGRU,數(shù)據(jù)分別經(jīng)過正向時(shí)序GRU 與反向時(shí)序GRU 并進(jìn)行獨(dú)立處理,在每個(gè)時(shí)間點(diǎn)得到來自于兩個(gè)方向GRU 的不同輸出,而后進(jìn)行拼接操作,再作為輸入,送入下一層BGRU。經(jīng)過3 層的BGRU 處理后,取最后一層網(wǎng)絡(luò)的兩個(gè)方向各自最后時(shí)刻的輸出,進(jìn)行拼接操作后作為預(yù)測結(jié)果。從北京國測星繪采集了約8GB 的小區(qū)上行流量數(shù)據(jù),選取適當(dāng)?shù)某瑓?shù)以使損失函數(shù)收斂到最優(yōu)狀態(tài),選取GRU、BLSTM、LSTM 3個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)比較,在測試集上驗(yàn)證該方法在通信基站流量預(yù)測問題上的優(yōu)越性?;凇熬W(wǎng)絡(luò)自身結(jié)構(gòu)特點(diǎn)”和“單、雙向網(wǎng)絡(luò)”兩個(gè)不同角度進(jìn)行綜合比較分析發(fā)現(xiàn),在“網(wǎng)絡(luò)自身結(jié)構(gòu)特點(diǎn)”方向,GRU 網(wǎng)絡(luò)整體優(yōu)于LSTM網(wǎng) 絡(luò),其 中BGRU 的R2比BLSTM 高0.087、GRU 的R2比LSTM 高0.117,而在“單、雙向網(wǎng)絡(luò)”方向,雙向網(wǎng)絡(luò)整體優(yōu)于單向網(wǎng)絡(luò),其中BGRU 的R2比GRU 高0.049,BLSTM 的R2比LSTM 高0.079。再通過5 天的未來數(shù)據(jù)進(jìn)行驗(yàn)證,整體精度較測試集有所下降,但BGRU 仍為最優(yōu)。綜合考量后,選擇表現(xiàn)最優(yōu)的BGRU 作為預(yù)測模型。相對于傳統(tǒng)的RNN、LSTM 等預(yù)測方法,此方法具有更高效、更準(zhǔn)確的特點(diǎn)。

    此方法可以針對不同小區(qū)個(gè)性化地提出不同的流量預(yù)測模型,在兼顧準(zhǔn)確性的同時(shí),可以實(shí)現(xiàn)一定程度上的流量配置自動(dòng)化,節(jié)省人力成本。如此,資源將得到更合理的分配,并不會(huì)過多配置造成浪費(fèi),也不會(huì)過少配置造成網(wǎng)絡(luò)堵塞。此算法也能夠推廣至與時(shí)間序列相關(guān)的預(yù)測問題,例如對城市交通流量、心電圖、水文流量等的預(yù)測。但是,該算法仍有改進(jìn)空間,未來工作會(huì)將注意力機(jī)制與BGRU 相結(jié)合,對周期性的尖峰和低谷數(shù)據(jù)配置更高的權(quán)重,令其得到更多關(guān)注,從而進(jìn)一步減小預(yù)測誤差。

    猜你喜歡
    梯度時(shí)刻基站
    冬“傲”時(shí)刻
    一個(gè)改進(jìn)的WYL型三項(xiàng)共軛梯度法
    捕獵時(shí)刻
    一種自適應(yīng)Dai-Liao共軛梯度法
    一類扭積形式的梯度近Ricci孤立子
    可惡的“偽基站”
    基于GSM基站ID的高速公路路徑識(shí)別系統(tǒng)
    小基站助力“提速降費(fèi)”
    街拍的歡樂時(shí)刻到來了
    基站輻射之爭亟待科學(xué)家發(fā)聲
    久久久久久久久中文| 国产一卡二卡三卡精品| 啦啦啦韩国在线观看视频| 制服诱惑二区| 99国产精品免费福利视频| 神马国产精品三级电影在线观看 | 婷婷六月久久综合丁香| 一级毛片高清免费大全| 免费在线观看亚洲国产| 亚洲一码二码三码区别大吗| 国产精品香港三级国产av潘金莲| 亚洲中文字幕一区二区三区有码在线看 | 欧美大码av| 欧美色视频一区免费| 久久久久久大精品| 在线永久观看黄色视频| 每晚都被弄得嗷嗷叫到高潮| 成年女人毛片免费观看观看9| 国产伦人伦偷精品视频| 国产精品1区2区在线观看.| 人人澡人人妻人| 夜夜夜夜夜久久久久| 人成视频在线观看免费观看| 少妇被粗大的猛进出69影院| 99国产极品粉嫩在线观看| 欧美不卡视频在线免费观看 | 国产蜜桃级精品一区二区三区| 波多野结衣高清无吗| ponron亚洲| 欧美日韩精品网址| 真人做人爱边吃奶动态| 人妻久久中文字幕网| 欧美色视频一区免费| 老鸭窝网址在线观看| 久久久久久久午夜电影| 1024香蕉在线观看| 中文字幕人成人乱码亚洲影| 亚洲欧美激情在线| 国产亚洲精品av在线| 窝窝影院91人妻| 国产区一区二久久| 一个人观看的视频www高清免费观看 | 精品久久久精品久久久| netflix在线观看网站| 久久久久久久久免费视频了| 天堂影院成人在线观看| 亚洲第一欧美日韩一区二区三区| 好男人在线观看高清免费视频 | 69av精品久久久久久| 午夜亚洲福利在线播放| 男女床上黄色一级片免费看| 一区二区日韩欧美中文字幕| 成人特级黄色片久久久久久久| 亚洲自偷自拍图片 自拍| 高潮久久久久久久久久久不卡| www.精华液| 日本一区二区免费在线视频| 亚洲精华国产精华精| 亚洲av电影在线进入| 精品乱码久久久久久99久播| 久久国产乱子伦精品免费另类| 亚洲精品中文字幕在线视频| 免费无遮挡裸体视频| av电影中文网址| 久久青草综合色| 久久人妻av系列| 亚洲国产精品久久男人天堂| 色av中文字幕| 波多野结衣一区麻豆| 亚洲av熟女| 久久久久久久午夜电影| 国产又爽黄色视频| 久久香蕉精品热| 日本黄色视频三级网站网址| 熟妇人妻久久中文字幕3abv| 日日夜夜操网爽| 国产精品 欧美亚洲| 黄色片一级片一级黄色片| 亚洲人成电影观看| 久久亚洲真实| 亚洲精品中文字幕一二三四区| 真人一进一出gif抽搐免费| 国产成人精品无人区| 日韩视频一区二区在线观看| 男女床上黄色一级片免费看| 国产av一区二区精品久久| 男女做爰动态图高潮gif福利片 | 亚洲视频免费观看视频| 国产真人三级小视频在线观看| 999久久久国产精品视频| 午夜福利高清视频| 丝袜在线中文字幕| 精品国产超薄肉色丝袜足j| 国产视频一区二区在线看| 亚洲中文字幕日韩| 日本黄色视频三级网站网址| 97人妻天天添夜夜摸| 欧美绝顶高潮抽搐喷水| 国产精品乱码一区二三区的特点 | 欧美亚洲日本最大视频资源| 夜夜看夜夜爽夜夜摸| 咕卡用的链子| 九色国产91popny在线| 精品午夜福利视频在线观看一区| 一进一出抽搐动态| 国产精华一区二区三区| 欧美成人性av电影在线观看| 淫秽高清视频在线观看| 91精品三级在线观看| 久久天堂一区二区三区四区| 日韩欧美三级三区| 日韩欧美一区二区三区在线观看| 午夜福利欧美成人| 欧美日本亚洲视频在线播放| 黑人巨大精品欧美一区二区蜜桃| 好男人电影高清在线观看| 亚洲人成网站在线播放欧美日韩| 黑人巨大精品欧美一区二区mp4| 少妇熟女aⅴ在线视频| 91九色精品人成在线观看| 色综合婷婷激情| 91精品国产国语对白视频| 久久影院123| 麻豆一二三区av精品| 国产激情欧美一区二区| 精品第一国产精品| 最新美女视频免费是黄的| 怎么达到女性高潮| 精品久久久久久久人妻蜜臀av | 婷婷精品国产亚洲av在线| 久久久久亚洲av毛片大全| 午夜精品国产一区二区电影| 纯流量卡能插随身wifi吗| 久久久久久人人人人人| 大型黄色视频在线免费观看| 人人妻,人人澡人人爽秒播| 久久久久亚洲av毛片大全| 黑人巨大精品欧美一区二区蜜桃| 伊人久久大香线蕉亚洲五| 亚洲av成人不卡在线观看播放网| 亚洲欧美日韩另类电影网站| 欧美日韩精品网址| 国产一级毛片七仙女欲春2 | 国产精品一区二区精品视频观看| 久久久久国产精品人妻aⅴ院| 91九色精品人成在线观看| 国产激情欧美一区二区| 精品卡一卡二卡四卡免费| 夜夜看夜夜爽夜夜摸| 黄色 视频免费看| 纯流量卡能插随身wifi吗| 黑人巨大精品欧美一区二区蜜桃| 亚洲av成人不卡在线观看播放网| 亚洲av成人不卡在线观看播放网| 神马国产精品三级电影在线观看 | 热99re8久久精品国产| 免费在线观看日本一区| 一本综合久久免费| 最好的美女福利视频网| 十八禁网站免费在线| 亚洲七黄色美女视频| 亚洲免费av在线视频| 精品久久久久久久人妻蜜臀av | 精品人妻1区二区| 久久人妻熟女aⅴ| 国产麻豆69| 亚洲精品av麻豆狂野| 亚洲欧美日韩另类电影网站| 国产精品二区激情视频| 日日干狠狠操夜夜爽| 欧美激情高清一区二区三区| 成年人黄色毛片网站| 首页视频小说图片口味搜索| 欧美中文日本在线观看视频| 成人亚洲精品av一区二区| 免费久久久久久久精品成人欧美视频| 免费在线观看日本一区| 国产成人精品久久二区二区免费| 色婷婷久久久亚洲欧美| 99国产精品一区二区三区| 亚洲一区中文字幕在线| 国产精品乱码一区二三区的特点 | 亚洲狠狠婷婷综合久久图片| 午夜亚洲福利在线播放| 两性夫妻黄色片| 精品国产一区二区久久| 国产精品美女特级片免费视频播放器 | 久热这里只有精品99| 国产黄a三级三级三级人| 欧美一级a爱片免费观看看 | 亚洲精品久久成人aⅴ小说| 亚洲成人精品中文字幕电影| 国产片内射在线| 狂野欧美激情性xxxx| aaaaa片日本免费| 成熟少妇高潮喷水视频| 国产成人啪精品午夜网站| 黄色丝袜av网址大全| 亚洲少妇的诱惑av| 国产一区在线观看成人免费| 国产精品久久久久久精品电影 | 亚洲视频免费观看视频| 国产亚洲欧美在线一区二区| 免费女性裸体啪啪无遮挡网站| 又大又爽又粗| tocl精华| 久久精品国产99精品国产亚洲性色 | av福利片在线| 欧美黄色淫秽网站| 亚洲在线自拍视频| 亚洲国产日韩欧美精品在线观看 | 69av精品久久久久久| 在线观看免费午夜福利视频| 国产极品粉嫩免费观看在线| 老司机午夜十八禁免费视频| 久久精品国产99精品国产亚洲性色 | 国产精品亚洲av一区麻豆| 亚洲精品国产一区二区精华液| av天堂久久9| 欧美乱码精品一区二区三区| 老司机在亚洲福利影院| 国产成人欧美| 91成人精品电影| 一进一出好大好爽视频| 国产精品九九99| 中国美女看黄片| 亚洲成国产人片在线观看| 精品一区二区三区av网在线观看| 日韩国内少妇激情av| 亚洲精品中文字幕在线视频| 婷婷精品国产亚洲av在线| 国产私拍福利视频在线观看| 亚洲精品美女久久av网站| 91成年电影在线观看| 免费搜索国产男女视频| 操美女的视频在线观看| 日韩欧美国产在线观看| 男男h啪啪无遮挡| 亚洲精品在线美女| 国产三级在线视频| 久久精品国产亚洲av香蕉五月| 91av网站免费观看| 亚洲成av人片免费观看| 国产97色在线日韩免费| 国产精品一区二区免费欧美| 香蕉久久夜色| 亚洲成人免费电影在线观看| 巨乳人妻的诱惑在线观看| 美女高潮喷水抽搐中文字幕| 亚洲国产欧美一区二区综合| 国产成人一区二区三区免费视频网站| 亚洲精品国产一区二区精华液| 国产亚洲精品综合一区在线观看 | 亚洲人成电影观看| 亚洲免费av在线视频| 淫妇啪啪啪对白视频| 又黄又爽又免费观看的视频| 欧美一区二区精品小视频在线| 美女午夜性视频免费| 变态另类丝袜制服| 母亲3免费完整高清在线观看| bbb黄色大片| 亚洲欧美日韩高清在线视频| 欧美激情久久久久久爽电影 | 中文字幕人妻熟女乱码| www.精华液| 欧美乱码精品一区二区三区| 老汉色∧v一级毛片| 国产xxxxx性猛交| 日日干狠狠操夜夜爽| 真人一进一出gif抽搐免费| 亚洲av电影不卡..在线观看| 精品卡一卡二卡四卡免费| 黄网站色视频无遮挡免费观看| 久久久国产欧美日韩av| 国产精品av久久久久免费| 国产麻豆成人av免费视频| 中文字幕最新亚洲高清| 在线国产一区二区在线| 麻豆成人av在线观看| 国产在线观看jvid| 久久香蕉国产精品| 国产伦人伦偷精品视频| 精品欧美国产一区二区三| 性少妇av在线| 怎么达到女性高潮| 久久精品91蜜桃| 国产真人三级小视频在线观看| 亚洲精品美女久久av网站| 亚洲aⅴ乱码一区二区在线播放 | 久久人人97超碰香蕉20202| 1024香蕉在线观看| 18禁裸乳无遮挡免费网站照片 | 两个人视频免费观看高清| 国产成人av教育| 日日夜夜操网爽| 亚洲国产高清在线一区二区三 | 日日摸夜夜添夜夜添小说| 亚洲人成网站在线播放欧美日韩| 亚洲欧美日韩无卡精品| АⅤ资源中文在线天堂| 一边摸一边抽搐一进一小说| 欧美一级毛片孕妇| 咕卡用的链子| 老汉色∧v一级毛片| 国产精品久久久人人做人人爽| 免费观看人在逋| 操出白浆在线播放| 欧美一级a爱片免费观看看 | 高清黄色对白视频在线免费看| 国产成人一区二区三区免费视频网站| 精品卡一卡二卡四卡免费| 久久香蕉精品热| 美女午夜性视频免费| 国产精品av久久久久免费| 极品人妻少妇av视频| 看黄色毛片网站| 老汉色∧v一级毛片| 国产精品免费一区二区三区在线| 亚洲九九香蕉| 免费在线观看亚洲国产| 黄色a级毛片大全视频| 日韩中文字幕欧美一区二区| 中文字幕人成人乱码亚洲影| 免费女性裸体啪啪无遮挡网站| 日本vs欧美在线观看视频| 日日爽夜夜爽网站| 久久精品91蜜桃| 欧美黄色片欧美黄色片| 国产色视频综合| 美女扒开内裤让男人捅视频| 午夜福利影视在线免费观看| 国产欧美日韩一区二区三区在线| 国产精品日韩av在线免费观看 | 男人舔女人的私密视频| 一个人免费在线观看的高清视频| 女警被强在线播放| 国产成人免费无遮挡视频| 一进一出抽搐gif免费好疼| 久久精品影院6| 男人操女人黄网站| 啦啦啦观看免费观看视频高清 | 国产成人影院久久av| 久久国产精品人妻蜜桃| 黑人巨大精品欧美一区二区mp4| 亚洲激情在线av| 日韩av在线大香蕉| 亚洲国产精品久久男人天堂| 天天一区二区日本电影三级 | 免费在线观看黄色视频的| 国产1区2区3区精品| 天天躁夜夜躁狠狠躁躁| 久久久久久久午夜电影| 久久久精品国产亚洲av高清涩受| 亚洲在线自拍视频| 亚洲一区二区三区色噜噜| 变态另类丝袜制服| 18禁黄网站禁片午夜丰满| 亚洲国产欧美网| 少妇粗大呻吟视频| 美女高潮喷水抽搐中文字幕| 最近最新免费中文字幕在线| svipshipincom国产片| 又紧又爽又黄一区二区| 日韩欧美一区视频在线观看| 男人的好看免费观看在线视频 | 黄片小视频在线播放| 如日韩欧美国产精品一区二区三区| av天堂久久9| 999久久久精品免费观看国产| 99国产精品免费福利视频| 欧美色欧美亚洲另类二区 | 亚洲性夜色夜夜综合| 性少妇av在线| 亚洲专区字幕在线| 午夜福利欧美成人| 麻豆av在线久日| 国内久久婷婷六月综合欲色啪| 黑人巨大精品欧美一区二区mp4| 亚洲视频免费观看视频| 久久久久九九精品影院| 啦啦啦观看免费观看视频高清 | 亚洲五月天丁香| 国产精品一区二区在线不卡| 黄网站色视频无遮挡免费观看| 国产三级黄色录像| 精品熟女少妇八av免费久了| 亚洲国产欧美网| 国产在线观看jvid| 国产成人精品无人区| 中文字幕最新亚洲高清| 亚洲精品在线美女| 性色av乱码一区二区三区2| 九色国产91popny在线| 老汉色∧v一级毛片| av有码第一页| 国产成人av教育| 又黄又粗又硬又大视频| 亚洲国产毛片av蜜桃av| 欧美成人一区二区免费高清观看 | 欧美一级毛片孕妇| 国产精品1区2区在线观看.| 国产成年人精品一区二区| 在线观看免费午夜福利视频| 亚洲午夜理论影院| 亚洲国产毛片av蜜桃av| 色精品久久人妻99蜜桃| 精品第一国产精品| 黑人巨大精品欧美一区二区蜜桃| 少妇裸体淫交视频免费看高清 | 夜夜看夜夜爽夜夜摸| 国产精品一区二区三区四区久久 | 成人免费观看视频高清| 亚洲成av人片免费观看| 韩国av一区二区三区四区| 亚洲精品久久成人aⅴ小说| 亚洲成av人片免费观看| 国产熟女xx| 国产一卡二卡三卡精品| 黄色片一级片一级黄色片| 天天一区二区日本电影三级 | 狂野欧美激情性xxxx| 侵犯人妻中文字幕一二三四区| 99国产精品免费福利视频| 三级毛片av免费| 黄片小视频在线播放| 久久久久九九精品影院| 亚洲 欧美一区二区三区| 精品久久久久久,| 亚洲aⅴ乱码一区二区在线播放 | 久久久久久久午夜电影| 成熟少妇高潮喷水视频| 久久婷婷成人综合色麻豆| 香蕉丝袜av| 亚洲欧洲精品一区二区精品久久久| 女人被躁到高潮嗷嗷叫费观| 精品免费久久久久久久清纯| 正在播放国产对白刺激| 欧美+亚洲+日韩+国产| а√天堂www在线а√下载| 欧美久久黑人一区二区| 成人av一区二区三区在线看| 两个人视频免费观看高清| 啦啦啦观看免费观看视频高清 | 免费在线观看亚洲国产| 成年版毛片免费区| 天堂√8在线中文| 国产亚洲欧美精品永久| 国产成人欧美| 99国产精品一区二区蜜桃av| 精品国产乱子伦一区二区三区| 欧美在线黄色| 久久久国产成人免费| 老司机在亚洲福利影院| 国产一区二区在线av高清观看| 亚洲国产中文字幕在线视频| 悠悠久久av| 两个人视频免费观看高清| 两个人看的免费小视频| 午夜免费成人在线视频| 高清黄色对白视频在线免费看| 精品久久久久久久久久免费视频| 亚洲伊人色综图| 亚洲人成电影观看| 久久精品亚洲熟妇少妇任你| 午夜免费观看网址| 国内精品久久久久久久电影| 精品少妇一区二区三区视频日本电影| 女性生殖器流出的白浆| 国产成人啪精品午夜网站| 男人舔女人的私密视频| 亚洲国产精品成人综合色| 人妻丰满熟妇av一区二区三区| 中文字幕人成人乱码亚洲影| 一进一出抽搐动态| 亚洲人成网站在线播放欧美日韩| 黑丝袜美女国产一区| 中文字幕最新亚洲高清| 人人妻人人澡欧美一区二区 | 老熟妇乱子伦视频在线观看| 亚洲av日韩精品久久久久久密| svipshipincom国产片| 国产野战对白在线观看| 麻豆国产av国片精品| 又黄又爽又免费观看的视频| 国产精品爽爽va在线观看网站 | 1024视频免费在线观看| 国产免费男女视频| 男女床上黄色一级片免费看| 可以免费在线观看a视频的电影网站| 亚洲精品国产区一区二| 高清黄色对白视频在线免费看| 脱女人内裤的视频| 午夜福利一区二区在线看| 久久久久久亚洲精品国产蜜桃av| 国产一级毛片七仙女欲春2 | 精品久久久久久久毛片微露脸| 欧美国产日韩亚洲一区| 色在线成人网| 真人一进一出gif抽搐免费| 色老头精品视频在线观看| 国产精品av久久久久免费| 高潮久久久久久久久久久不卡| 午夜福利一区二区在线看| 女人被狂操c到高潮| 午夜精品国产一区二区电影| 日韩大码丰满熟妇| 欧美乱色亚洲激情| 国产午夜精品久久久久久| 正在播放国产对白刺激| 91成人精品电影| 午夜精品在线福利| 一级a爱视频在线免费观看| 免费看美女性在线毛片视频| 午夜免费鲁丝| 精品国产美女av久久久久小说| 美女扒开内裤让男人捅视频| 欧美日本亚洲视频在线播放| 99香蕉大伊视频| 亚洲欧美日韩另类电影网站| 人成视频在线观看免费观看| 亚洲国产精品合色在线| 久久人妻熟女aⅴ| 精品国产国语对白av| 久久精品人人爽人人爽视色| 人妻丰满熟妇av一区二区三区| 免费在线观看完整版高清| 日韩欧美在线二视频| 久久狼人影院| 精品欧美一区二区三区在线| 村上凉子中文字幕在线| 国产麻豆69| 日韩欧美国产一区二区入口| 久久精品成人免费网站| 国产精品国产高清国产av| av在线天堂中文字幕| 一级毛片女人18水好多| 亚洲av美国av| 亚洲国产精品久久男人天堂| 日韩 欧美 亚洲 中文字幕| 久久精品国产99精品国产亚洲性色 | 欧美 亚洲 国产 日韩一| 久久中文字幕人妻熟女| 亚洲中文日韩欧美视频| АⅤ资源中文在线天堂| 黄色a级毛片大全视频| 亚洲激情在线av| 国产片内射在线| 久久婷婷人人爽人人干人人爱 | 天天躁狠狠躁夜夜躁狠狠躁| 十分钟在线观看高清视频www| 国产亚洲精品第一综合不卡| 精品无人区乱码1区二区| 成人国产一区最新在线观看| 99精品久久久久人妻精品| 久久久久国产一级毛片高清牌| 久久人人精品亚洲av| 久久久久久亚洲精品国产蜜桃av| 国产男靠女视频免费网站| 国产麻豆69| 婷婷精品国产亚洲av在线| 精品一区二区三区四区五区乱码| 嫩草影视91久久| 午夜精品在线福利| 身体一侧抽搐| 日韩有码中文字幕| 久久人人97超碰香蕉20202| 久99久视频精品免费| 黄色 视频免费看| 欧美乱妇无乱码| 国产一级毛片七仙女欲春2 | 国产亚洲av嫩草精品影院| 亚洲中文字幕日韩| 午夜福利视频1000在线观看 | 午夜福利在线观看吧| 久久国产精品影院| 中国美女看黄片| 亚洲三区欧美一区| tocl精华| 国产99白浆流出| 亚洲人成电影免费在线| 嫩草影视91久久| 97超级碰碰碰精品色视频在线观看| 欧美日本亚洲视频在线播放| 久久精品国产99精品国产亚洲性色 | 老汉色∧v一级毛片| 男人操女人黄网站| 午夜福利高清视频| 成人手机av| 悠悠久久av| 国产麻豆成人av免费视频| 亚洲精品在线观看二区| 国产麻豆69| 午夜影院日韩av| 大码成人一级视频| 午夜a级毛片| 级片在线观看| 欧美激情 高清一区二区三区| 50天的宝宝边吃奶边哭怎么回事| 男女床上黄色一级片免费看| 久久青草综合色| 久久香蕉国产精品| 久久精品国产综合久久久| 久久中文字幕一级| 亚洲最大成人中文| 中国美女看黄片| 亚洲中文字幕一区二区三区有码在线看 | or卡值多少钱| 亚洲最大成人中文| 电影成人av| 身体一侧抽搐| 日韩一卡2卡3卡4卡2021年| 亚洲国产精品sss在线观看| 国产精品久久电影中文字幕| 亚洲成人国产一区在线观看|