• <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 ?

    基于麻雀搜索算法的GDP增長率預(yù)測模型研究

    2024-03-07 05:57:56馬長發(fā)馬子薇
    技術(shù)與市場 2024年2期
    關(guān)鍵詞:互信息增長率麻雀

    馬長發(fā),馬子薇

    新疆財經(jīng)大學(xué)統(tǒng)計與數(shù)據(jù)科學(xué)學(xué)院,新疆 烏魯木齊 830012

    0 引言

    GDP增長率可以反映出一個國家的經(jīng)濟情況,它直接影響國家的宏觀調(diào)控政策,同時影響金融、非金融公司的有關(guān)決策。如何準確、高效地對GDP增速進行預(yù)測,是值得關(guān)注及深入探討的課題。因此,研究基于統(tǒng)計數(shù)據(jù)的季度GDP增速高精度預(yù)測方法,揭示其變化規(guī)律,對我國宏觀經(jīng)濟決策有著重要的現(xiàn)實意義。

    一直以來,國內(nèi)外學(xué)者在對GDP進行預(yù)測時,主要采用的是灰色預(yù)測模型、自回歸預(yù)測模型、移動平均法等傳統(tǒng)的時間序列預(yù)測模型,國外學(xué)者Box et al.[1]在1976年所提出的自回歸移動平均(ARIMA)模型是時間序列線性預(yù)測的典型代表。國內(nèi)學(xué)者華鵬 等[2]確立ARIMA(1,1,0)模型對廣東省GDP進行短期預(yù)測,為政府部門制定經(jīng)濟計劃提供了依據(jù)和參考。傳統(tǒng)時間序列方法要求時序數(shù)據(jù)穩(wěn)定,并對復(fù)雜的非線性系統(tǒng)擬合能力較差,且易發(fā)生多重共線性,導(dǎo)致預(yù)測精度不夠準確。近年來,機器學(xué)習(xí)算法對于體量大、不確定性強的數(shù)據(jù)顯示出了比傳統(tǒng)模型更好的預(yù)測效果,因而被廣泛應(yīng)用于經(jīng)濟數(shù)據(jù)的預(yù)測。黃卿 等[3]利用機器學(xué)習(xí)方法中的BP神經(jīng)網(wǎng)絡(luò)、SVM、XGboost算法對滬深300股指期貨進行預(yù)測,結(jié)果顯示:3種機器學(xué)習(xí)方法都有較好的預(yù)測能力,但XGboost的預(yù)測能力更優(yōu)。

    傳統(tǒng)的線性建模方法僅僅是根據(jù)已有變量之間的關(guān)系來擬合,其結(jié)果通常與已有的設(shè)定值相差無幾。神經(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)算法可以抓住特征之間的非線性關(guān)系,處理特征之間的多重共線性問題,在經(jīng)濟預(yù)測研究方面有突出的表現(xiàn)。與此同時,集成學(xué)習(xí)算法還有一個優(yōu)勢,可以對預(yù)測中各特征的重要性進行計算,從而反映出哪些因素驅(qū)動了預(yù)測結(jié)果。故通過集成學(xué)習(xí)方法,從理論上為GDP增長和其他宏觀經(jīng)濟指標的預(yù)測提供了一個切實可行的分析工具。因此,本文建立了SVR、GBDT、RFR、Adaboost、XGBoost和LightGBM集成模型,并采用麻雀搜索優(yōu)化算法對模型的重要參數(shù)進行調(diào)整,并選取MSE、MAE、可決系數(shù)R2作為模型評價指標,通過對比分析選出對于國內(nèi)生產(chǎn)總值增長率具有更好效果的預(yù)測模型。

    1 相關(guān)算法原理

    1.1 AdaBoost算法

    AdaBoost是一種以Boosting算法為基礎(chǔ)的迭代式學(xué)習(xí)算法,最早由Freund和Schapire提出[4]。此算法對Boosting技術(shù)的思想進行了很好的傳承,即在每一輪的訓(xùn)練中,AdaBoost會增加被分類錯誤的樣本的權(quán)重,從而在下一輪的訓(xùn)練中,弱學(xué)習(xí)器會更加專注于被分類錯誤的樣本,從而提高分類準確率。當(dāng)所有的弱學(xué)習(xí)器集都被訓(xùn)練完畢后,AdaBoost通過加權(quán)多數(shù)票的方式,將多個弱學(xué)習(xí)器集成為一個強學(xué)習(xí)器集。

    1.2 RFR算法

    RFR算法的基本思想是從一組Boot strap sampling隨機樣本中選擇一組樣本,利用CART模型對每一個樣本進行模型化,再將多個決策樹的預(yù)測結(jié)果進行結(jié)合,得出最后的預(yù)測結(jié)果。該方法是將多個決策樹的預(yù)測值進行簡化平均??梢允拐`差均勻化,并明顯提高預(yù)測的準確性。

    1.3 GBDT算法

    GBDT算法(gradient boosting decision tree)也被稱為梯度提升決策樹,是一種由多個決策樹組成的迭代算法,對AdaBoost算法進行優(yōu)化和改進[5]。GBDT算法可以用于數(shù)據(jù)的分類和數(shù)據(jù)的回歸。在使用GBDT算法進行回歸預(yù)測時,先對輸入的樣本數(shù)據(jù)進行訓(xùn)練,然后每個決策樹(較小的,即較淺的樹深)被用來調(diào)整和修改預(yù)測結(jié)果。

    1.4 SVR算法

    支持向量機(SVM)是基于統(tǒng)計學(xué)習(xí)理論中的VC維度理論和經(jīng)驗風(fēng)險最小化原理的一種機器學(xué)習(xí)方法。支持向量機回歸(SVR)是在SVM的基礎(chǔ)上發(fā)展起來的,用于解決回歸預(yù)測問題。SVR繼承了SVM良好的泛化能力和泛化力,在很多領(lǐng)域都有很好的表現(xiàn)。

    1.5 XGBoost算法

    XGBoost(eXtreme gradient boosting)是一種用于監(jiān)督學(xué)習(xí)算法中分類和回歸的極端梯度提升樹算法,由Chen et al.[6-7]在2015年提出。由于GBDT的改進,XGBoost算法的運行速度比傳統(tǒng)梯度算法至少快一個數(shù)量級,包括并行計算、近似樹構(gòu)建、內(nèi)存優(yōu)化和稀疏數(shù)據(jù)的有效處理。同時,CPU多線程加速了樹的構(gòu)建,支持多平臺和分布式計算,并提供了出色的可擴展性,以進一步提高訓(xùn)練速度。

    1.6 LightGBM算法

    LightGBM(light weight gradient boosting machine)是一個常用于競賽的模型,由微軟在2017年首次開發(fā)[8]。它使用Boosting策略提升了模型,也是GBDT的改進算法。

    1.7 SSA麻雀搜索算法

    SSA的靈感來源于麻雀的覓食和反捕食行為[9]。該算法基于仿生學(xué)原理,即麻雀種群在日常覓食中有發(fā)現(xiàn)者、跟隨者和偵察者3個主要角色。在目標優(yōu)化問題中,擬合度的大小反映了每個麻雀位置所對應(yīng)的可行方案的優(yōu)勢程度。更新麻雀位置的規(guī)則根據(jù)麻雀的適應(yīng)度值而不同。

    2 預(yù)測指標選取與處理

    2.1 指標的選取及數(shù)據(jù)來源

    本文通過參考相關(guān)文獻[10-12],以宏觀經(jīng)濟理論中凱恩斯ISLM模型為基本構(gòu)造基礎(chǔ)特征體系。凱恩斯ISLM模型構(gòu)建基礎(chǔ)特征體系從理論上來說,國民收入核算將GDP劃分成四大類。

    Y=C+I+G+NX

    (1)

    其中Y、C、I、G、NX分別代表國內(nèi)生產(chǎn)總值、消費、投資、政府購買和凈出口。

    由此本文選取一般公共預(yù)算支出檔期同比增長率(X1)、工業(yè)增加值月度同比增長率(X2)、第三產(chǎn)業(yè)增加值當(dāng)期實際同比增速(X3)、出口額月度同比增長率(X4)、社會消費品零售總額月度實際同比增長率(X5)、居民消費價格指數(shù)(X6)、不變價國內(nèi)生產(chǎn)總值GDP季度同比增長率(X7)共7個指標,數(shù)據(jù)期間為2003年第1季度至2022年第4季度。數(shù)據(jù)均來源于中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫。

    2.2 特征選擇

    在特征選擇中,根據(jù)特征集與目標變量以及特征之間的相關(guān)性,從給定的特征集中刪除一些特征,從而選擇出相關(guān)的特征子集,該過程稱為“特征選擇”。

    2.2.1 相關(guān)系數(shù)

    在對指標進行相關(guān)分析時,最常用的一種方法是計算相關(guān)系數(shù),它能夠反映出變量之間的線性相關(guān)程度。其計算方法如下。

    (2)

    式中:cov(x,y)表示變量x和y之間的協(xié)方差,δx表示變量x的標準差,δy表示變量y的標準差。

    ρx,y絕對值越大,說明相關(guān)性越強。其優(yōu)點是計算簡單,缺點是只能用來判斷變量之間的線性相關(guān)程度,而無法描述變量間的非線性關(guān)系,即使它們之間的非線性關(guān)系很顯著,相關(guān)系數(shù)仍可能接近0。

    圖1的熱力圖直觀地展示了特征之間以及各特征與目標變量之間的相關(guān)系數(shù),可以初步分析特征的重要性。圖中顯示,GDP(Y)與工業(yè)增加值(X2)的相關(guān)系數(shù)為0.96,與第三產(chǎn)業(yè)增加值(X3)的相關(guān)系數(shù)為0.95,二者之間的線性相關(guān)程度非常高,說明工業(yè)增加值與第三產(chǎn)業(yè)增加值是影響GDP的重要因素。

    圖1 相關(guān)系數(shù)熱力圖

    2.2.2 互信息

    互信息屬于特征選擇中過濾法方式的一種,它能夠被用來對變量之間的線性關(guān)系進行描述,也能夠?qū)Ψ蔷€性關(guān)系進行描述,通常既可以用于回歸也可以用于分類算法中?;バ畔⒌闹翟酱?說明2個變量之間的相關(guān)性較強。隨機變量x與y之間的互信息I(x,y)定義為:

    (3)

    式中:p(x)、p(y)與p(x,y)分別為隨機變量x、y各自的邊像概率分布和聯(lián)合概率分布。

    利用sklearn.feature_selection中mutual_info_regression函數(shù)可以得到各特征變量與目標量的互信息值,對數(shù)據(jù)集中的特征運用互信息過濾法篩選。觀察可以發(fā)現(xiàn),大多數(shù)互信息值大于0.1,因此,選取了互信息值大于0.1的特征,經(jīng)過篩選后,最終所選取的特征按互信息值從大到小排序如圖2所示。

    圖2 互信息值

    由圖2可知,互信息值小于0.1的變量有居民消費價格指數(shù),因此,在構(gòu)建模型時,為避免特征冗余的情況發(fā)生,選擇將居民消費價格指數(shù)特征剔除,僅將其他剩余變量用于構(gòu)建模型。

    3 實證分析

    3.1 數(shù)據(jù)準備與試驗環(huán)境

    由本文2.2.2所選取,一般公共預(yù)算支出、工業(yè)增加值、第三產(chǎn)業(yè)增加值、出口總額(美元)、社會消費品零售總額共5個指標作為預(yù)測模型的輸入變量(影響因素),GDP作為預(yù)測指標。數(shù)據(jù)分析試驗在Python 3.8環(huán)境下完成。

    3.2 回歸算法選取

    本小節(jié)主要采用由Python程序語言設(shè)計的sklearn框架來構(gòu)建SVR、GBDT、RFR、Adaboost、XGBoost和LightGBM的預(yù)測模型。機器學(xué)習(xí)回歸算法預(yù)測模型的構(gòu)建大致流程為:特征工程—樣本集拆分—回歸算法選擇—模型參數(shù)調(diào)優(yōu)—模型驗證與評估—模型預(yù)測。詳細步驟描述如下。

    1)使用經(jīng)過預(yù)處理后的樣本數(shù)據(jù)作為樣本集,首先將樣本集隨機劃分成8:2的比例,其中80%的樣本數(shù)據(jù)作為訓(xùn)練樣本集,20%作為測試樣本集,利用pyhton編程語言包sklearn.model_selection中KFlod交叉驗證法將樣本集劃分為訓(xùn)練集和測試集,模型的評估指標為MSE、MAE和R2。

    2)使用缺失參數(shù)建立SVR、GBDT、RFR、Adaboost、XGBoost和LightGBM算法模型。

    3)利用麻雀搜索算法對每個預(yù)測模型進行相應(yīng)的參數(shù)尋優(yōu),對預(yù)測模型進行優(yōu)化。

    4)在此基礎(chǔ)上,對所提出的優(yōu)化算法所修正的模型進行誤差分析,并與所修正的模型進行比較,最終獲得具有較好預(yù)測效果的機器學(xué)習(xí)回歸算法。

    3.3 麻雀搜索算法

    在粒子群算法優(yōu)化過程中,通過群體內(nèi)個體的信息交換,整個群體的運動在解決問題的空間中產(chǎn)生了從無序到有序的進化過程,并由此得到一套參數(shù)最優(yōu)解。在SSA中,每個麻雀對應(yīng)的位置都可以成為優(yōu)化問題的最優(yōu)解。在目標優(yōu)化問題中,擬合度的大小反映了每個麻雀位置所對應(yīng)的可行方案的優(yōu)勢程度。更新麻雀位置的規(guī)則根據(jù)麻雀的適應(yīng)度值而不同。最優(yōu)模型對應(yīng)的最優(yōu)參數(shù)組合如表1所示。

    表1 SSA算法最優(yōu)參數(shù)取值

    3.4 模型的優(yōu)選

    本文建立了SVR、GBDT、RFR、Adaboost、XGBoost和LightGBM集成模型,并采用麻雀搜索優(yōu)化算法對模型的重要參數(shù)進行調(diào)整,最終模型的預(yù)測效果以MSE、MAE和可決系數(shù)R2這3種評價指標來評估。

    3.4.1 模型的評價標準

    (4)

    (5)

    可決系數(shù)(R2):用來衡量回歸模型的擬合能力,R2值越接近于1,模型解釋因變量的能力越強,即模型擬合效果越好。

    (6)

    3.4.2 模型優(yōu)選結(jié)果

    本文建立SVR、GBDT、RFR、Adaboost、XGBoost和LightGBM集成模型引入麻雀搜索優(yōu)化算法(SSA)對模型的重要參數(shù)進行調(diào)整后進行GDP增長率預(yù)測,各預(yù)測模型真實值與預(yù)測值對比如圖3所示。

    圖3 6種預(yù)測模型真實值與預(yù)測值對比

    由圖3可知,經(jīng)過麻雀搜索算法(SSA)參數(shù)優(yōu)化后的6種模型中,SSA-GBDT模型和SSA-XGBoost模型相較于其他幾種模型預(yù)測更準確,而SSA-LightGBM模型預(yù)測相對不準確。為更加清楚地看出各模型預(yù)測結(jié)果,計算各模型均方誤差(MSE)、平均絕對誤差(MAE)與可決系數(shù)R2,結(jié)果如表2所示。

    表2 模型指標對比表

    結(jié)果顯示:對麻雀算法優(yōu)化后的模型指標,依據(jù)模型預(yù)測性能的優(yōu)劣情況將其按降序排列:SSA-GBDT、SSA-XGBoost、SSA-RFR、SSA-Adaboost、SSA-SVR、SSA-LightGBM。顯然,與其他模型相比,SSA-GBDT模型具有更優(yōu)的預(yù)測性能,MSE、MAE、R2分別為0.148 6、0.196 3、0.975 1。綜上所述,基于麻雀搜索優(yōu)化算法的GBDT模型預(yù)測性能顯著優(yōu)于其他模型,對于國內(nèi)生產(chǎn)總值增長率預(yù)測具有更好的效果。

    4 結(jié)束語

    本文以探索季度GDP增長率變化的規(guī)律、尋求高精度預(yù)測季度GDP增長率的方法為目的,基于中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫2003年第1季度至2022年第4季度的指標數(shù)據(jù),分析我國GDP增長率預(yù)測模型。建立了SVR、GBDT、RFR、Adaboost、XGBoost和LightGBM集成模型,引入麻雀搜索優(yōu)化算法(SSA)對模型的重要參數(shù)進行調(diào)整,以MSE、MAE、可決系數(shù)R2作為模型評價指標,比較多個模型的效果,選取具有更高預(yù)測精度的模型,能夠更準確地預(yù)測GDP增長率。依據(jù)模型預(yù)測性能的優(yōu)劣情況將其按降序排列為SSA-GBDT、SSA-XGBoost、SSA-RFR、SSA-Adaboost、SSA-SVR、SSA-LightGBM,其中,SSA-GBDT模型具有更優(yōu)的預(yù)測性能,MSE、MAE、可決系數(shù)R2分別為0.148 6、0.196 3、0.975 1,說明基于麻雀搜索優(yōu)化算法的GBDT模型預(yù)測對于國內(nèi)生產(chǎn)總值增長率預(yù)測具有更好的效果。

    猜你喜歡
    互信息增長率麻雀
    2020年河北省固定資產(chǎn)投資增長率
    2019年河北省固定資產(chǎn)投資增長率
    拯救受傷的小麻雀
    1958年的麻雀
    麻雀
    趣味(語文)(2018年2期)2018-05-26 09:17:55
    國內(nèi)生產(chǎn)總值及其增長率
    貨幣供應(yīng)量同比增長率
    緊盯著窗外的麻雀
    山東青年(2016年1期)2016-02-28 14:25:22
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    聯(lián)合互信息水下目標特征選擇算法
    麻豆乱淫一区二区| 亚洲精品成人av观看孕妇| 国产在视频线精品| 91精品伊人久久大香线蕉| 午夜91福利影院| 人妻人人澡人人爽人人| 精品国产国语对白av| 最后的刺客免费高清国语| 春色校园在线视频观看| 一本久久精品| a级毛片黄视频| 性色avwww在线观看| 亚洲综合色惰| 18禁在线播放成人免费| av播播在线观看一区| 嘟嘟电影网在线观看| 97在线视频观看| 国产精品人妻久久久久久| 一区二区av电影网| 国产av一区二区精品久久| 国产视频内射| 青青草视频在线视频观看| 国产爽快片一区二区三区| 国产 精品1| 99热全是精品| 18禁动态无遮挡网站| 久久精品国产亚洲av天美| 免费黄频网站在线观看国产| av专区在线播放| 尾随美女入室| 色94色欧美一区二区| 亚洲av二区三区四区| 国产一区有黄有色的免费视频| 亚洲国产毛片av蜜桃av| 国产色婷婷99| 欧美老熟妇乱子伦牲交| 伦理电影大哥的女人| 老司机影院毛片| 久久国产精品大桥未久av| 永久网站在线| 久久久午夜欧美精品| av福利片在线| 成人国语在线视频| 国产精品欧美亚洲77777| 观看美女的网站| 热re99久久国产66热| 精品国产国语对白av| 中文字幕av电影在线播放| 丝袜美足系列| 大香蕉97超碰在线| 午夜激情福利司机影院| 亚洲精品456在线播放app| 日日啪夜夜爽| 两个人免费观看高清视频| 午夜福利,免费看| 国产成人精品在线电影| 我的老师免费观看完整版| 亚洲精品乱码久久久久久按摩| 欧美人与性动交α欧美精品济南到 | 老司机亚洲免费影院| 亚洲五月色婷婷综合| 如何舔出高潮| 亚洲av成人精品一区久久| av专区在线播放| 中文字幕久久专区| 久久久精品免费免费高清| 欧美老熟妇乱子伦牲交| 免费高清在线观看日韩| 久久热精品热| 五月伊人婷婷丁香| 亚洲精品色激情综合| 久久午夜综合久久蜜桃| av天堂久久9| 日本午夜av视频| 免费人妻精品一区二区三区视频| 免费高清在线观看视频在线观看| 日韩中字成人| 亚洲欧洲日产国产| 91久久精品国产一区二区成人| 大片免费播放器 马上看| 观看美女的网站| 久久 成人 亚洲| 99久国产av精品国产电影| 99热这里只有是精品在线观看| 国产成人精品一,二区| 精品人妻熟女毛片av久久网站| 岛国毛片在线播放| 国产男女超爽视频在线观看| 日本-黄色视频高清免费观看| 久久精品国产亚洲av涩爱| 国产一区二区在线观看av| 久久热精品热| 国产成人精品无人区| 天天躁夜夜躁狠狠久久av| 亚洲欧美精品自产自拍| 亚洲欧美成人综合另类久久久| 菩萨蛮人人尽说江南好唐韦庄| 亚洲av日韩在线播放| 亚洲精品自拍成人| 精品国产一区二区久久| 一区二区av电影网| 男女免费视频国产| 欧美bdsm另类| 成人国产麻豆网| av在线观看视频网站免费| 久久久久久久久久久免费av| 久久久久国产精品人妻一区二区| 插逼视频在线观看| 亚洲欧美成人精品一区二区| 国产精品麻豆人妻色哟哟久久| 中文字幕亚洲精品专区| 免费黄色在线免费观看| 亚洲欧美日韩另类电影网站| 国产无遮挡羞羞视频在线观看| 亚洲精品国产av蜜桃| 一区二区三区乱码不卡18| 成人午夜精彩视频在线观看| 国产一区亚洲一区在线观看| 99热网站在线观看| 久久久久精品久久久久真实原创| 亚洲精品日韩在线中文字幕| 国产免费福利视频在线观看| 亚洲,欧美,日韩| 熟女av电影| 国产成人freesex在线| av视频免费观看在线观看| 免费看光身美女| 久久亚洲国产成人精品v| 高清午夜精品一区二区三区| 成人毛片a级毛片在线播放| 不卡视频在线观看欧美| 卡戴珊不雅视频在线播放| 久久久久久伊人网av| 九九在线视频观看精品| 国产亚洲av片在线观看秒播厂| 久久毛片免费看一区二区三区| 国产男女内射视频| 在线免费观看不下载黄p国产| 下体分泌物呈黄色| av线在线观看网站| 久久精品国产亚洲av涩爱| 国产永久视频网站| 一级毛片 在线播放| 最近中文字幕高清免费大全6| 国产 精品1| av在线老鸭窝| 性高湖久久久久久久久免费观看| 亚洲一区二区三区欧美精品| 日韩中文字幕视频在线看片| 91精品伊人久久大香线蕉| 日本黄色片子视频| 亚洲丝袜综合中文字幕| 一级毛片黄色毛片免费观看视频| 日韩伦理黄色片| 亚洲av电影在线观看一区二区三区| 中文乱码字字幕精品一区二区三区| 免费黄网站久久成人精品| 国产毛片在线视频| 美女大奶头黄色视频| av免费在线看不卡| 国产成人a∨麻豆精品| 免费看av在线观看网站| 热99久久久久精品小说推荐| 人妻夜夜爽99麻豆av| 色婷婷av一区二区三区视频| 男女边吃奶边做爰视频| 精品国产一区二区久久| 国产高清不卡午夜福利| 日韩强制内射视频| 色哟哟·www| 国产伦精品一区二区三区视频9| 免费观看av网站的网址| 日韩伦理黄色片| 天堂8中文在线网| 久久精品夜色国产| 久久精品熟女亚洲av麻豆精品| 最近中文字幕2019免费版| 26uuu在线亚洲综合色| 亚洲情色 制服丝袜| 人妻少妇偷人精品九色| 欧美精品高潮呻吟av久久| 亚洲av二区三区四区| 欧美日韩精品成人综合77777| 成人18禁高潮啪啪吃奶动态图 | 青春草国产在线视频| 久久婷婷青草| 波野结衣二区三区在线| 亚洲天堂av无毛| 黑人欧美特级aaaaaa片| 狂野欧美激情性bbbbbb| 精品视频人人做人人爽| 午夜福利在线观看免费完整高清在| 日本vs欧美在线观看视频| 一区二区三区四区激情视频| 韩国高清视频一区二区三区| 久久毛片免费看一区二区三区| 两个人的视频大全免费| 日本wwww免费看| av在线播放精品| 亚洲精品456在线播放app| 中国美白少妇内射xxxbb| 91久久精品电影网| 国产一区亚洲一区在线观看| 婷婷色综合www| 91成人精品电影| 精品国产露脸久久av麻豆| 色婷婷av一区二区三区视频| 亚洲高清免费不卡视频| 成年av动漫网址| 大香蕉久久网| 日韩伦理黄色片| 91久久精品国产一区二区成人| 纯流量卡能插随身wifi吗| 人妻制服诱惑在线中文字幕| 观看av在线不卡| 一区二区三区四区激情视频| 女的被弄到高潮叫床怎么办| 日韩一区二区视频免费看| 国产成人精品无人区| 啦啦啦在线观看免费高清www| 亚洲,一卡二卡三卡| 国产欧美日韩一区二区三区在线 | 人人妻人人添人人爽欧美一区卜| 久久久精品区二区三区| 亚洲,欧美,日韩| 制服诱惑二区| 亚洲精品久久午夜乱码| 欧美成人精品欧美一级黄| 91精品三级在线观看| 国产一区二区在线观看av| 精品卡一卡二卡四卡免费| 特大巨黑吊av在线直播| 黄色一级大片看看| 精品久久久久久久久亚洲| 国产黄片视频在线免费观看| 91精品国产九色| 亚洲精品美女久久av网站| 超色免费av| 免费大片18禁| 丝袜在线中文字幕| 大香蕉久久网| 搡女人真爽免费视频火全软件| av在线播放精品| 国产爽快片一区二区三区| 人人妻人人澡人人爽人人夜夜| 亚洲美女视频黄频| 日韩欧美精品免费久久| 国产色爽女视频免费观看| 亚洲成人av在线免费| 婷婷色综合大香蕉| 一二三四中文在线观看免费高清| 国产爽快片一区二区三区| 波野结衣二区三区在线| 桃花免费在线播放| 国产亚洲精品久久久com| 欧美97在线视频| 91久久精品电影网| 亚洲精品国产色婷婷电影| 日本黄色片子视频| 看免费成人av毛片| 一区二区av电影网| 婷婷色综合www| 亚洲三级黄色毛片| 久久热精品热| 美女xxoo啪啪120秒动态图| 嘟嘟电影网在线观看| 免费大片黄手机在线观看| 少妇被粗大猛烈的视频| 国产成人免费无遮挡视频| 十八禁高潮呻吟视频| 狠狠婷婷综合久久久久久88av| 精品久久蜜臀av无| 欧美xxxx性猛交bbbb| 久久亚洲国产成人精品v| 日本色播在线视频| 亚洲成人手机| 涩涩av久久男人的天堂| 国产成人精品久久久久久| 日本猛色少妇xxxxx猛交久久| 午夜激情福利司机影院| 久久精品国产亚洲av涩爱| 国产国语露脸激情在线看| 性色avwww在线观看| 精品一区二区三卡| 2022亚洲国产成人精品| 色视频在线一区二区三区| 欧美成人午夜免费资源| 狠狠婷婷综合久久久久久88av| 国产男女内射视频| 性色av一级| 欧美激情极品国产一区二区三区 | 97超视频在线观看视频| 水蜜桃什么品种好| 亚洲国产精品999| 日韩精品有码人妻一区| 我要看黄色一级片免费的| 80岁老熟妇乱子伦牲交| 中文欧美无线码| 亚洲成人手机| 中文字幕久久专区| 国产精品偷伦视频观看了| 中文字幕av电影在线播放| 在线观看人妻少妇| 制服丝袜香蕉在线| 久久久久人妻精品一区果冻| 女的被弄到高潮叫床怎么办| 国产有黄有色有爽视频| 欧美另类一区| 婷婷成人精品国产| 熟女电影av网| 97在线视频观看| 91精品国产九色| 国产熟女欧美一区二区| 精品久久久久久久久av| 妹子高潮喷水视频| 久久女婷五月综合色啪小说| 久久人人爽人人爽人人片va| 在线观看www视频免费| 色94色欧美一区二区| 亚洲综合色网址| 久久精品国产亚洲网站| 久久精品人人爽人人爽视色| 777米奇影视久久| 人妻系列 视频| 久久女婷五月综合色啪小说| 免费久久久久久久精品成人欧美视频 | 国产 一区精品| 好男人视频免费观看在线| 精品亚洲成国产av| 人人妻人人澡人人爽人人夜夜| 爱豆传媒免费全集在线观看| 国产精品国产三级国产专区5o| 成人亚洲精品一区在线观看| 大片电影免费在线观看免费| 成人二区视频| 在线天堂最新版资源| 国产精品欧美亚洲77777| 亚洲国产欧美日韩在线播放| 全区人妻精品视频| 在线观看国产h片| 久久精品国产鲁丝片午夜精品| 人成视频在线观看免费观看| 久久青草综合色| 国产日韩欧美在线精品| 国产精品偷伦视频观看了| av国产久精品久网站免费入址| 久久这里有精品视频免费| 观看av在线不卡| 日韩亚洲欧美综合| 免费看光身美女| 精品午夜福利在线看| 啦啦啦啦在线视频资源| 国产有黄有色有爽视频| 成人18禁高潮啪啪吃奶动态图 | 日本-黄色视频高清免费观看| 亚洲国产精品一区三区| 久久久国产欧美日韩av| 大香蕉久久成人网| av电影中文网址| 欧美激情 高清一区二区三区| 色婷婷av一区二区三区视频| 麻豆乱淫一区二区| 国产av码专区亚洲av| 一级二级三级毛片免费看| 丁香六月天网| 在线观看免费日韩欧美大片 | 最近中文字幕2019免费版| 久久久久人妻精品一区果冻| 精品亚洲成a人片在线观看| 国产精品久久久久久久久免| 波野结衣二区三区在线| 中文字幕最新亚洲高清| 黑人巨大精品欧美一区二区蜜桃 | 91国产中文字幕| 一本久久精品| 欧美激情国产日韩精品一区| 亚洲av福利一区| 中文字幕制服av| 母亲3免费完整高清在线观看 | 另类亚洲欧美激情| 亚洲综合色惰| 日本黄色片子视频| 寂寞人妻少妇视频99o| 国产黄片视频在线免费观看| 男女无遮挡免费网站观看| 免费播放大片免费观看视频在线观看| 国产精品99久久99久久久不卡 | 亚洲av成人精品一二三区| 亚洲精品成人av观看孕妇| 插逼视频在线观看| 人人妻人人添人人爽欧美一区卜| 亚洲三级黄色毛片| 亚洲美女视频黄频| 久久99热6这里只有精品| 免费观看av网站的网址| 亚洲欧美日韩卡通动漫| 久热这里只有精品99| 亚洲av.av天堂| 国产无遮挡羞羞视频在线观看| 国产成人精品无人区| 男男h啪啪无遮挡| 国产av一区二区精品久久| 亚洲av男天堂| 欧美亚洲日本最大视频资源| 人成视频在线观看免费观看| 久久午夜福利片| 亚洲无线观看免费| 2018国产大陆天天弄谢| 国产在线一区二区三区精| 只有这里有精品99| 五月天丁香电影| 夫妻性生交免费视频一级片| 亚洲情色 制服丝袜| 亚洲三级黄色毛片| 极品人妻少妇av视频| 久久99热6这里只有精品| 永久免费av网站大全| 91精品国产国语对白视频| 中国美白少妇内射xxxbb| 久久久国产一区二区| 日日啪夜夜爽| 五月伊人婷婷丁香| 亚洲欧美日韩另类电影网站| 精品熟女少妇av免费看| 久久 成人 亚洲| 熟女av电影| 有码 亚洲区| 精品亚洲成a人片在线观看| 美女主播在线视频| 少妇熟女欧美另类| 永久免费av网站大全| 大片免费播放器 马上看| 欧美+日韩+精品| 国产精品欧美亚洲77777| tube8黄色片| 久久精品久久久久久噜噜老黄| 久久99热6这里只有精品| 男的添女的下面高潮视频| 亚洲精品国产av成人精品| 伦理电影大哥的女人| 美女xxoo啪啪120秒动态图| 秋霞伦理黄片| 一本—道久久a久久精品蜜桃钙片| 99热这里只有精品一区| 黄片无遮挡物在线观看| a 毛片基地| 夜夜看夜夜爽夜夜摸| 少妇猛男粗大的猛烈进出视频| 久久久久久久久久成人| 一级毛片电影观看| 国产免费又黄又爽又色| 日本vs欧美在线观看视频| 亚洲国产欧美日韩在线播放| 欧美日韩成人在线一区二区| 国产 精品1| 三级国产精品欧美在线观看| 一本久久精品| 欧美最新免费一区二区三区| 黑人欧美特级aaaaaa片| 亚洲丝袜综合中文字幕| 亚洲国产av新网站| 中文字幕亚洲精品专区| 国产极品天堂在线| 极品少妇高潮喷水抽搐| 亚洲第一区二区三区不卡| 丝袜美足系列| 精品酒店卫生间| 啦啦啦中文免费视频观看日本| 国产精品不卡视频一区二区| 多毛熟女@视频| 精品视频人人做人人爽| 五月玫瑰六月丁香| 午夜福利视频在线观看免费| 精品久久久久久电影网| 99热这里只有精品一区| av福利片在线| 婷婷色av中文字幕| 国产精品偷伦视频观看了| 99热全是精品| 亚洲一区二区三区欧美精品| 黄色视频在线播放观看不卡| 国产成人精品久久久久久| 中文字幕精品免费在线观看视频 | 亚洲av欧美aⅴ国产| 久久国内精品自在自线图片| 在线天堂最新版资源| 丰满少妇做爰视频| 久久久久久久久久人人人人人人| 国产av国产精品国产| 一个人看视频在线观看www免费| 日韩av免费高清视频| 久久久久久久亚洲中文字幕| 最近最新中文字幕免费大全7| 十八禁高潮呻吟视频| 极品人妻少妇av视频| 乱人伦中国视频| 精品久久久久久电影网| 99久久人妻综合| 日韩制服骚丝袜av| av线在线观看网站| 日韩制服骚丝袜av| 伊人久久国产一区二区| 亚洲国产av新网站| 亚洲精品一区蜜桃| 亚洲伊人久久精品综合| 九九爱精品视频在线观看| 视频区图区小说| 久久精品国产亚洲av天美| av福利片在线| 欧美亚洲日本最大视频资源| 制服诱惑二区| 亚洲国产欧美日韩在线播放| 欧美人与性动交α欧美精品济南到 | 日本欧美视频一区| 亚洲国产欧美在线一区| 免费少妇av软件| 国产亚洲欧美精品永久| 一个人免费看片子| 亚洲精品色激情综合| 国产日韩欧美在线精品| 亚洲av福利一区| 在线观看免费视频网站a站| 夫妻午夜视频| 日韩在线高清观看一区二区三区| 青春草亚洲视频在线观看| 国产不卡av网站在线观看| 在线观看国产h片| 高清视频免费观看一区二区| 色视频在线一区二区三区| 看免费成人av毛片| 男男h啪啪无遮挡| 色网站视频免费| 久久国内精品自在自线图片| 高清黄色对白视频在线免费看| 简卡轻食公司| 美女大奶头黄色视频| 亚洲欧美日韩另类电影网站| 一区二区三区精品91| 国产精品久久久久久精品古装| 哪个播放器可以免费观看大片| 纯流量卡能插随身wifi吗| 九九久久精品国产亚洲av麻豆| 涩涩av久久男人的天堂| 大码成人一级视频| 免费人成在线观看视频色| 一级毛片电影观看| 亚洲国产精品999| 一区二区三区四区激情视频| 亚洲经典国产精华液单| 最近手机中文字幕大全| 两个人的视频大全免费| 少妇 在线观看| 91aial.com中文字幕在线观看| 中文字幕亚洲精品专区| 日本vs欧美在线观看视频| 国产成人精品一,二区| 一级a做视频免费观看| 亚洲欧美成人精品一区二区| 黄色怎么调成土黄色| av有码第一页| 午夜福利影视在线免费观看| 午夜福利在线观看免费完整高清在| 曰老女人黄片| 亚州av有码| 大香蕉久久网| 精品卡一卡二卡四卡免费| 老司机影院毛片| 欧美 亚洲 国产 日韩一| 午夜福利网站1000一区二区三区| 水蜜桃什么品种好| 街头女战士在线观看网站| 精品99又大又爽又粗少妇毛片| 女人精品久久久久毛片| 精品视频人人做人人爽| 制服人妻中文乱码| 欧美激情极品国产一区二区三区 | av一本久久久久| 国产欧美日韩精品亚洲av| 亚洲国产欧美网| 久久99一区二区三区| 黑人巨大精品欧美一区二区mp4| 制服诱惑二区| 国产精品影院久久| 老司机午夜十八禁免费视频| 亚洲国产看品久久| 国产精品一区二区在线不卡| 亚洲精品国产精品久久久不卡| 国产在视频线精品| 久久免费观看电影| 悠悠久久av| 在线av久久热| 在线永久观看黄色视频| 精品国内亚洲2022精品成人 | h视频一区二区三区| 国产一区二区 视频在线| 视频区欧美日本亚洲| 国产精品熟女久久久久浪| 一边摸一边抽搐一进一小说 | 欧美精品高潮呻吟av久久| 国产片内射在线| 大香蕉久久网| 久久精品亚洲熟妇少妇任你| 久久99一区二区三区| 国产亚洲av高清不卡| bbb黄色大片| 99re在线观看精品视频| 9色porny在线观看| 亚洲精品粉嫩美女一区| 国产精品久久久久成人av| 久久免费观看电影| 欧美 日韩 精品 国产| 国产精品亚洲av一区麻豆| 欧美午夜高清在线| 99国产精品99久久久久| 99国产精品一区二区蜜桃av |