• <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Stacking集成學(xué)習(xí)的聲波時(shí)差測井曲線復(fù)原研究

    2024-06-07 20:09:27曹志民丁璐韓建
    化工自動(dòng)化及儀表 2024年3期
    關(guān)鍵詞:復(fù)原決策樹聲波

    曹志民 丁璐 韓建

    DOI:10.20030/j.cnki.1000?3932.202403015

    摘 要 聲波時(shí)差測井曲線在石油勘探中發(fā)揮著不可或缺的作用,但是受地質(zhì)或儀器的影響,經(jīng)常會(huì)出現(xiàn)部分甚至完整的聲波測井曲線缺失的情況。針對(duì)這一問題,提出了一種基于Stacking集成學(xué)習(xí)的聲波時(shí)差測井曲線復(fù)原方法,該模型使用隨機(jī)森林(RF)、梯度提升決策樹(GBDT)、輕量梯度提升機(jī)(LightGBM)和極限梯度提升(XGBoost)作為基學(xué)習(xí)器,支持向量回歸(SVR)作為元學(xué)習(xí)器,同時(shí)采用5折交叉驗(yàn)證的方法。實(shí)驗(yàn)選取了大慶油田某區(qū)塊的實(shí)際測井?dāng)?shù)據(jù),分別進(jìn)行了同井和異井間的缺失聲波時(shí)差測井曲線復(fù)原實(shí)驗(yàn),結(jié)果表明,所提方法比單一模型預(yù)測更加準(zhǔn)確,驗(yàn)證了此方法的可行性。

    關(guān)鍵詞 聲波時(shí)差測井曲線 Stacking集成學(xué)習(xí) 測井曲線復(fù)原 5折交叉驗(yàn)證

    中圖分類號(hào) TP274?? 文獻(xiàn)標(biāo)志碼 A?? 文章編號(hào) 1000?3932(2024)03?0470?07

    基金項(xiàng)目:海南省科技專項(xiàng)(批準(zhǔn)號(hào):ZDYF2022GXJS220,ZDYF2022GXJS222)資助的課題。

    作者簡介:曹志民(1980-),副教授,從事地球物理測井、油氣人工智能方面的科研與教學(xué)工作。

    通訊作者:韓建(1976-),教授,從事油井信號(hào)檢測、機(jī)器學(xué)習(xí)、模式識(shí)別的研究,han?jian@126.com。

    引用本文:曹志民,丁璐,韓建.基于Stacking集成學(xué)習(xí)的聲波時(shí)差測井曲線復(fù)原研究[J].化工自動(dòng)化及儀表,2024,51(3):470-476.

    聲波時(shí)差測井曲線在地質(zhì)勘探和油氣開發(fā)中具有重要的應(yīng)用價(jià)值,它能夠提供關(guān)于巖性、孔隙度、滲透率及裂縫等地下巖石特征的信息,為油氣勘探和開發(fā)決策提供科學(xué)依據(jù)[1]。然而在實(shí)際工作中,受鉆井液污染、儀器故障等原因,經(jīng)常出現(xiàn)部分聲波測井曲線失真或缺失的情況,重新測量井的經(jīng)濟(jì)成本和時(shí)間成本可能很高,特別是在已經(jīng)投入大量資金和時(shí)間的情況下,重新測量不切實(shí)際。隨著人工智能等領(lǐng)域的不斷發(fā)展,機(jī)器學(xué)習(xí)在儲(chǔ)層測井評(píng)價(jià)[2,3]、巖性識(shí)別[4]及測井曲線復(fù)原[5~7]等方面得到了成功的應(yīng)用。其中,集成學(xué)習(xí)具有解釋性強(qiáng)、訓(xùn)練速度快和泛化能力高等優(yōu)點(diǎn)。

    筆者以隨機(jī)森林(Random Forest,RF)、梯度提升決策樹(Gradient Boosting Decision Tree,GBDT)、輕量梯度提升機(jī)(Light Gradient Boosting Machine,LightGBM)和極限梯度提升(eXtreme Gradient Boosting,XGBoost)作為基學(xué)習(xí)器,以支持向量回歸(Support Vector Regression,SVR)作為元學(xué)習(xí)器,同時(shí)采用5折交叉驗(yàn)證的方法,建立了一個(gè)基于Stacking集成學(xué)習(xí)算法的聲波時(shí)差測井曲線預(yù)測模型。

    1 基本理論

    1.1 RF

    RF是以隨機(jī)的方式建立一個(gè)森林,通過集成學(xué)習(xí)的思想將多棵樹集成的一種算法,它的基本單元是決策樹,每一棵決策樹之間沒有關(guān)聯(lián)。RF的基本原理如下[8]:

    a. 從訓(xùn)練數(shù)據(jù)集中,用Bootstrap重采樣方法隨機(jī)有放回地抽取n個(gè)數(shù)據(jù)集,得到n個(gè)子訓(xùn)練集。

    b. 使用子訓(xùn)練集訓(xùn)練決策樹。在訓(xùn)練過程中,對(duì)于每個(gè)節(jié)點(diǎn)的切分都需要先隨機(jī)選擇k個(gè)特征,然后從這k個(gè)特征中找到最優(yōu)的切分點(diǎn)來劃分左右子樹(這里生成的決策樹都是二叉樹)。

    c. 重復(fù)步驟b,生成多個(gè)決策樹模型。

    d. 對(duì)每棵決策樹進(jìn)行預(yù)測,RF最終的預(yù)測結(jié)果是所有決策樹預(yù)測結(jié)果的均值。

    RF的結(jié)構(gòu)示意圖如圖1所示。

    1.2 GBDT

    GBDT結(jié)合了決策樹和梯度提升算法的特點(diǎn),是一種基于迭代的集成學(xué)習(xí)算法[9]。在每一輪迭代中,GBDT首先訓(xùn)練一個(gè)新的決策樹模型來擬合當(dāng)前模型的殘差(預(yù)測值與真實(shí)值之間的差異),然后將新的決策樹模型與原有的模型進(jìn)行加權(quán)組合,得到一個(gè)更準(zhǔn)確的預(yù)測模型,這個(gè)過程會(huì)一直迭代,直到達(dá)到預(yù)定的迭代次數(shù)或者達(dá)到某個(gè)停止條件。GBDT的表達(dá)式為:

    F(x,ω)=ph(x,ω)? (1)

    其中,x為輸入樣本,p為第i棵決策樹的權(quán)重系數(shù),h為第i棵決策樹,ω為第i棵決策樹的參數(shù)。

    1.3 LightGBM

    LightGBM是一種梯度提升框架,其原理與GBDT基本一致[10]。LightGBM通過引入基于梯度的單邊采樣(Gradient?based One?Side Sampling,GOSS)和互斥特征捆綁(Exclusive Feature Bundling,EFB)方法,有效解決了傳統(tǒng)GBDT算法在計(jì)算特征分裂點(diǎn)時(shí)需要遍歷全部數(shù)據(jù)計(jì)算信息增益的耗時(shí)問題。GOSS方法通過對(duì)樣本梯度的絕對(duì)值進(jìn)行上下采樣,選取梯度絕對(duì)值較大的樣本進(jìn)行計(jì)算,從而去除了大量梯度較小的樣本,使得計(jì)算效率得到顯著提高。而EFB方法則通過對(duì)具有相似特征分布的特征進(jìn)行捆綁,減少了特征分裂時(shí)的計(jì)算量,進(jìn)一步加快了算法的執(zhí)行速度。

    LightGBM采用帶深度限制的葉子生長leaf?wise節(jié)點(diǎn)分裂方法,在當(dāng)前所有節(jié)點(diǎn)中找到具有最優(yōu)增益的節(jié)點(diǎn)來進(jìn)行下一次的搜索和分裂,其分裂過程如圖2所示。為了快速找到最優(yōu)分裂節(jié)點(diǎn),LightGBM還使用了直方圖算法,將特征值按照降序或升序排列,并將其分為多個(gè)桶(即直方圖),每個(gè)桶中存儲(chǔ)了該特征值的統(tǒng)計(jì)信息,如數(shù)量、梯度及梯度平方和等,即可以快速計(jì)算各個(gè)分裂節(jié)點(diǎn)的增益,并找到最優(yōu)的分裂節(jié)點(diǎn),其構(gòu)建過程如圖3所示。

    1.4 XGBoost

    XGBoost是基于Boosting框架的一種實(shí)現(xiàn)結(jié)構(gòu),在GBDT的基礎(chǔ)上做了進(jìn)一步改進(jìn)[11]。XGBoost利用二階泰勒展開來優(yōu)化損失函數(shù),從而提高了模型的預(yù)測能力,并且引入了正則項(xiàng),使用L1正則化(Lasso)和L2正則化(Ridge)來控制模型的復(fù)雜度,有效地避免了過擬合。XGBoost的目標(biāo)函數(shù)包含了損失函數(shù)和正則項(xiàng)兩部分,表示為:

    L(φ)t?

    g

    f(

    x)+

    hf

    x)+Ω(f) (2)

    其中,L(φ)t為第t次迭代的目標(biāo)函數(shù),g為x的一階導(dǎo)數(shù),h為x的二階導(dǎo)數(shù),f()為第t次迭代的決策樹模型,Ω(f)為第j次迭代的正則項(xiàng)。

    1.5 SVR

    SVR是一種基于支持向量機(jī)的回歸方法,它的回歸過程與線性回歸類似,但具有更高的準(zhǔn)確度和泛化能力[12]。不同于傳統(tǒng)的線性回歸方法,SVR的目標(biāo)不是直接擬合數(shù)據(jù),而是通過在二維空間中找到一個(gè)分離超平面來建?;貧w問題。同時(shí),SVR通過將再投影誤差作為復(fù)雜度懲罰項(xiàng)來調(diào)節(jié)回歸模型的靈活性。這個(gè)懲罰項(xiàng)控制著模型對(duì)數(shù)據(jù)點(diǎn)的擬合程度,從而對(duì)模型的復(fù)雜度進(jìn)行調(diào)節(jié)。通過調(diào)節(jié)復(fù)雜度參數(shù),可以靈活地控制模型的泛化能力,使其更好地適應(yīng)不同的數(shù)據(jù)集。對(duì)于數(shù)據(jù)集的某個(gè)樣本點(diǎn)(x,y)(i=1,2,…,l),SVR的優(yōu)化目標(biāo)為:

    [w,ξ,ξ][min] w +C(ξ+ξ)

    s.t.

    y-w?(

    x)-b≤ε+

    ξ ,

    ξ≥0,i=1,2,…,l

    -y-w?(

    x)+b≤ε+ξ,

    ξ≥0(3)

    其中,w為權(quán)重系數(shù),C為懲罰系數(shù),b為常值偏差,ξ和ξ為松弛變量,?()為將輸入數(shù)據(jù)映射到高維特征空間的非線性函數(shù)。

    SVR的結(jié)構(gòu)示意圖如圖4所示。只有當(dāng)樣本點(diǎn)落在間隔ε之外時(shí),才會(huì)考慮其損失,而在間隔ε內(nèi)的樣本點(diǎn)則不計(jì)入損失。

    1.6 Stacking模型

    Stacking模型是一種集成學(xué)習(xí)方法,采用基學(xué)習(xí)器層和元學(xué)習(xí)器層兩層架構(gòu),用于組合多個(gè)基礎(chǔ)學(xué)習(xí)器的預(yù)測結(jié)果,以提高模型的準(zhǔn)確性和魯棒性[13]。Stacking模型的基本思想是通過訓(xùn)練一個(gè)元模型,來組合多個(gè)不同的基模型的預(yù)測結(jié)果,其結(jié)構(gòu)示意圖如圖5所示。

    1.7 K折交叉驗(yàn)證

    在機(jī)器學(xué)習(xí)建模過程中,一般會(huì)將數(shù)據(jù)集劃分為訓(xùn)練集和測試集。測試集是獨(dú)立于訓(xùn)練過程的數(shù)據(jù),不參與模型的訓(xùn)練,而是用于評(píng)估最終模型的性能。在訓(xùn)練模型的過程中,常常會(huì)出現(xiàn)過擬合的問題,即模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)良好,但在未見過的測試數(shù)據(jù)上的預(yù)測效果較差。如果使用測試數(shù)據(jù)來調(diào)整模型參數(shù),就相當(dāng)于在訓(xùn)練時(shí)已經(jīng)利用了部分測試數(shù)據(jù)的信息,這將影響最終評(píng)估結(jié)果的準(zhǔn)確性。因此,一種常見的做法是將訓(xùn)練數(shù)據(jù)再劃分出一部分作為驗(yàn)證數(shù)據(jù),用于評(píng)估模型的訓(xùn)練效果。這樣可以確保最終評(píng)估是在模型未曾接觸過的數(shù)據(jù)上進(jìn)行的。

    K折交叉驗(yàn)證將數(shù)據(jù)集分為K個(gè)互斥的子集,稱為折。在每一輪中,將其中一個(gè)折作為子驗(yàn)證集,其余K-1個(gè)折作為子訓(xùn)練集,使用子訓(xùn)練集進(jìn)行模型訓(xùn)練,并在子驗(yàn)證集上進(jìn)行模型評(píng)估。這一過程會(huì)重復(fù)K次,每次都會(huì)選擇不同的子驗(yàn)證集。最終,將K次驗(yàn)證的結(jié)果進(jìn)行平均,這種方法可以更準(zhǔn)確地評(píng)估模型的性能,因?yàn)樗鼤?huì)使用到數(shù)據(jù)集中的所有樣本進(jìn)行驗(yàn)證,避免了只使用一部分?jǐn)?shù)據(jù)可能帶來的偏差[14]。

    1.8 評(píng)價(jià)指標(biāo)

    為了定量評(píng)價(jià)本方法的客觀性能,采用均方誤差(Mean Square Error,MSE)、均方根誤差(Root Mean Square Error,RMSE)、平均絕對(duì)誤差(Mean Absolute Error,MAE)、平均絕對(duì)相對(duì)誤差(Mean Absolute Percentage Error,MAPE)、對(duì)稱平均絕對(duì)百分比誤差(Symmetric Mean Absolute Percentage Error,SMAPE)和皮爾遜相關(guān)系數(shù)(Pearson Correlation Coefficients,PCCs)作為評(píng)價(jià)指標(biāo)。評(píng)價(jià)指標(biāo)MSE、RMSE、MAE、MAPE、SMAPE的數(shù)值越小,代表模型的準(zhǔn)確性越高。PCCs表示真實(shí)值與預(yù)測值之間的相關(guān)程度,其值越大,模型的準(zhǔn)確性越高。

    2 實(shí)驗(yàn)與結(jié)果分析

    文中的Stacking模型選用RF、GBDT、LightGBM、XGBoost4種模型作為基學(xué)習(xí)器,SVR作為元學(xué)習(xí)器,并采用K折交叉驗(yàn)證(這里K取5)的方法。實(shí)驗(yàn)的總體框圖如圖6所示。

    筆者選用大慶油田某區(qū)塊的兩口井(編號(hào)為W1、W2)作為實(shí)驗(yàn)數(shù)據(jù)來源,采樣間隔均為0.125 m,即每隔0.125 m有一個(gè)采樣點(diǎn),均包含井徑(CaLiper,CAL)、自然伽馬(Natural Gamma Ray,GR)、自然電位(Spontaneous Potential,SP)、深側(cè)向電阻率 (LateroLog Deep,LLD)、淺側(cè)向電阻率(LateroLog Shallow,LLS)、密度(Density,DEN)、聲波時(shí)差(Acoustic,AC)7條測井曲線。W1井的起止深度為井下1 284~2 712 m,共計(jì)11 425個(gè)采樣點(diǎn)。W2井的起止深度為井下1 578~1 954 m,共計(jì)3 009個(gè)采樣點(diǎn)。AC曲線作為目標(biāo)曲線,其他6條曲線作為母曲線。為了驗(yàn)證筆者所提方法的有效性,進(jìn)行了兩組實(shí)驗(yàn):

    a. 同井缺失聲波時(shí)差測井曲線復(fù)原實(shí)驗(yàn);

    b. 異井缺失聲波時(shí)差測井曲線復(fù)原實(shí)驗(yàn)。

    2.1 同井缺失聲波時(shí)差測井曲線復(fù)原實(shí)驗(yàn)

    這里以W1井和W2井缺失某些聲波時(shí)差測井曲線的復(fù)原實(shí)驗(yàn)為例。隨機(jī)選取30%的AC曲線進(jìn)行刪除,作為缺失的AC曲線段,并作為此次實(shí)驗(yàn)的測試集,其他完整測井曲線作為訓(xùn)練集。W1井和W2井的實(shí)驗(yàn)結(jié)果分別如圖7、8所示。

    為了進(jìn)一步體現(xiàn)筆者所提模型的復(fù)原效果,表1和表2分別列舉了W1井和W2井的AC曲線缺失段的不同復(fù)原方法和筆者所提方法的定量評(píng)價(jià)結(jié)果。

    從各個(gè)評(píng)價(jià)指標(biāo)結(jié)果來看,筆者所提方法結(jié)果均優(yōu)于對(duì)比方法。

    2.2 異井缺失聲波時(shí)差測井曲線復(fù)原實(shí)驗(yàn)

    這里分別以W1井和W2井作為此次實(shí)驗(yàn)的訓(xùn)練集和測試集,并將W2井的AC曲線全部刪除,作為完整缺失AC曲線的井。實(shí)驗(yàn)結(jié)果如圖9所示。

    為了進(jìn)一步體現(xiàn)筆者所提模型的復(fù)原效果,表3列舉了W2井的AC曲線不同復(fù)原方法和筆者所提方法的定量評(píng)價(jià)結(jié)果。雖然W1井與W2井同處一個(gè)區(qū)塊,但是儲(chǔ)層巖性分布差異較大,加大了W2井的AC曲線復(fù)原難度,復(fù)原結(jié)果沒有同井復(fù)原結(jié)果好,但仍優(yōu)于對(duì)比方法。

    3 結(jié)束語

    介紹了一種基于Stacking集成學(xué)習(xí)的缺失聲波時(shí)差測井曲線復(fù)原方法。該方法將RF、GBDT、LightGBM和XGBoost作為Stacking模型的基學(xué)習(xí)器,SVR作為Stacking模型的元學(xué)習(xí)器,并采用了5折交叉驗(yàn)證的方法,以減少過擬合的風(fēng)險(xiǎn)。對(duì)同井和異井間缺失的聲波時(shí)差測井曲線進(jìn)行了復(fù)原實(shí)驗(yàn),結(jié)果表明筆者所提方法可以有效地提升缺失聲波時(shí)差測井曲線復(fù)原的精確度,從多種評(píng)價(jià)指標(biāo)來看,該方法的評(píng)價(jià)指標(biāo)均優(yōu)于單一模型。

    參 考 文 獻(xiàn)

    [1] 霍學(xué)文.聲波測井儀器的基本原理及應(yīng)用探析[J].石化技術(shù),2017,24(11):184.

    [2] WANG Z ,TANG H M,HOU Y M,et al.Quantitative evaluation of unconsolidated sandstone heavy oil reservoirs based on machine learning[J].Geological Journal,2023,58(6):2321-2341.

    [3] 秦瑞寶,葉建平,李利,等.基于機(jī)器學(xué)習(xí)的煤層含氣量測井評(píng)價(jià)方法——以沁水盆地柿莊南區(qū)塊為例[J].石油物探,2023,62(1):68-79.

    [4] 谷宇峰,張道勇,鮑志東,等.利用GS?LightGBM機(jī)器學(xué)習(xí)模型識(shí)別致密砂巖地層巖性[J].地質(zhì)科技通報(bào),2021,40(4):224-234.

    [5] 王俊,曹俊興,尤加春.基于GRU神經(jīng)網(wǎng)絡(luò)的測井曲線重構(gòu)[J].石油地球物理勘探,2020,55(3):510-520;468.

    [6] CHENG C,GAO Y,CHEN Y,et al.Reconstruction Me? thod of Old Well Logging Curves Based on BI?LSTM Model—Taking Feixianguan Formation in East Sichuan as an Example[J].Coatings,2022,12(2):113.

    [7] 李楓林,劉懷山,楊熙鐳,等.基于U?Net神經(jīng)網(wǎng)絡(luò)的聲波測井曲線重構(gòu)[J].中國海洋大學(xué)學(xué)報(bào)(自然科學(xué)版),2023,53(8):86-92;103.

    [8] 方匡南,吳見彬,朱建平,等.隨機(jī)森林方法研究綜述[J].統(tǒng)計(jì)與信息論壇,2011,26(3):32-38.

    [9] 陳天鍇,王貴勇,申立中,等.基于GBDT算法的柴油機(jī)性能預(yù)測[J].車用發(fā)動(dòng)機(jī),2022(5):51-58.

    [10] WANG D N,LI L,ZHAO D.Corporate finance risk pr? ediction based on LightGBM[J].Information Sciences:An International Journal,2022,602:259-268.

    [11] 賴儒杰,范啟富.基于指數(shù)平滑和XGBoost的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測[J].化工自動(dòng)化及儀表,2020,

    47(3):243-247;250.

    [12] PENG X J,DONG X.Projection support vector regression algorithms for data regression[J].Knowledge?Based Systems,2016,112:54-66.

    [13] YANG R X,SUN C Y,XU L.Prediction of photovoltaic power generation based on stacking model fusion[J].Computer System Application,2020,29(5):36-45.

    [14] 朱文廣,李映雪,楊為群,等.基于K-折交叉驗(yàn)證和Stacking融合的短期負(fù)荷預(yù)測[J].電力科學(xué)與技術(shù)學(xué)報(bào),2021,36(1):87-95.

    (收稿日期:2023-07-26,修回日期:2024-04-08)

    Research on Acoustic Moveout Logging Curves Restoration Based on Stacking Ensemble Learning

    CAO Zhi?min1a,1b,2, DING Lu1a,2, HAN Jian1a,1b,2

    (1a. SANYA Offshore Oil & Gas Research Institute;

    1b. School of Physics and Electronic Engineering, Northeast Petroleum University;

    2. Research Center for Oil & Gas Testing and Measurement Technology and Instrumentation of Heilongjiang Province)

    Abstract? Acoustic moveout logging curves play an indispensable role in petroleum exploration, but the influence from geology and instruments results in the loss of partial or even complete acoustic logging curves. In this paper,? a method of acoustic moveout logging curve restoration based on Stacking ensemble learning was proposed. The model employs random forest(RF), gradient lifting decision tree(GBDT), lightweight gradient lifting machine(LightGBM) and extreme gradient lifting(XGBoost) as the base learners, takes support vector regression(SVR) as the meta?learner and adopts a five?fold cross validation method. In the experiment, the a sections? actual logging data in Daqing Oilfield was selected to respectively implement the restoration experiments of the? same well and different wells missing acoustic transit time logging curves. The experimental results show that, the method proposed outperforms the single model in the prediction and it verifies the feasibility of this method.

    Key words?? acoustic moveout logging curves, Stacking ensemble learning, restoration of logging curves, five?fold cross validation

    猜你喜歡
    復(fù)原決策樹聲波
    溫陳華:唐宋甲胄復(fù)原第一人
    淺談曜變建盞的復(fù)原工藝
    毓慶宮惇本殿明間原狀陳列的復(fù)原
    紫禁城(2020年8期)2020-09-09 09:38:04
    一種針對(duì)不均衡數(shù)據(jù)集的SVM決策樹算法
    決策樹和隨機(jī)森林方法在管理決策中的應(yīng)用
    電子制作(2018年16期)2018-09-26 03:27:06
    愛的聲波 將愛留在她身邊
    中國寶玉石(2018年3期)2018-07-09 03:13:58
    聲波殺手
    自適應(yīng)BPSK在井下鉆柱聲波傳輸中的應(yīng)用
    “聲波驅(qū)蚊”靠譜嗎
    基于決策樹的出租車乘客出行目的識(shí)別
    久久久久国产网址| 欧美日韩一区二区视频在线观看视频在线| 天堂中文最新版在线下载| 汤姆久久久久久久影院中文字幕| 爱豆传媒免费全集在线观看| 男男h啪啪无遮挡| 99热6这里只有精品| 亚洲欧美色中文字幕在线| 国产免费现黄频在线看| 极品人妻少妇av视频| 久久精品久久精品一区二区三区| 午夜激情福利司机影院| 熟女av电影| 日韩人妻高清精品专区| xxx大片免费视频| 中文字幕av电影在线播放| 欧美丝袜亚洲另类| 亚洲国产精品999| a级毛片在线看网站| av又黄又爽大尺度在线免费看| 日韩成人av中文字幕在线观看| 最近手机中文字幕大全| 乱码一卡2卡4卡精品| 国产成人freesex在线| 男的添女的下面高潮视频| 777米奇影视久久| av电影中文网址| 蜜桃久久精品国产亚洲av| 国产探花极品一区二区| 日韩人妻高清精品专区| 国产精品三级大全| 中文乱码字字幕精品一区二区三区| 中文字幕制服av| 久久av网站| 视频在线观看一区二区三区| 成人18禁高潮啪啪吃奶动态图 | 国产精品久久久久久久久免| 国产不卡av网站在线观看| 久久久亚洲精品成人影院| 中文精品一卡2卡3卡4更新| 日韩免费高清中文字幕av| 晚上一个人看的免费电影| 伦精品一区二区三区| 亚洲精品日韩在线中文字幕| 免费av中文字幕在线| 成年人午夜在线观看视频| 亚洲第一av免费看| 一级,二级,三级黄色视频| a级毛片免费高清观看在线播放| 99久久精品国产国产毛片| 久久久久久久国产电影| 人人妻人人澡人人爽人人夜夜| 欧美日韩视频精品一区| 国精品久久久久久国模美| 亚洲精品中文字幕在线视频| 国产精品一区二区三区四区免费观看| 久久久久久久久久久久大奶| 亚洲欧洲精品一区二区精品久久久 | 一级毛片 在线播放| 久久午夜福利片| 蜜桃久久精品国产亚洲av| videosex国产| 女人精品久久久久毛片| 美女国产高潮福利片在线看| 99久久精品一区二区三区| 人体艺术视频欧美日本| 亚洲综合色网址| 春色校园在线视频观看| 精品亚洲成国产av| 满18在线观看网站| 久久人人爽人人爽人人片va| 久久午夜综合久久蜜桃| 夜夜骑夜夜射夜夜干| 九九爱精品视频在线观看| 麻豆成人av视频| 街头女战士在线观看网站| 黑人欧美特级aaaaaa片| 国产无遮挡羞羞视频在线观看| 精品亚洲成a人片在线观看| 国产av精品麻豆| 亚洲精品一二三| videosex国产| 亚洲av男天堂| 欧美日韩av久久| 日韩电影二区| 日本与韩国留学比较| 精品久久国产蜜桃| 亚洲精品成人av观看孕妇| h视频一区二区三区| 亚洲欧美一区二区三区黑人 | 久久99蜜桃精品久久| 日韩成人av中文字幕在线观看| 人妻系列 视频| 男人添女人高潮全过程视频| 婷婷色麻豆天堂久久| 久久久久人妻精品一区果冻| 中文字幕免费在线视频6| 欧美+日韩+精品| 人妻夜夜爽99麻豆av| 黑人猛操日本美女一级片| 欧美xxxx性猛交bbbb| 久久久a久久爽久久v久久| 夜夜看夜夜爽夜夜摸| 午夜激情久久久久久久| 丰满饥渴人妻一区二区三| 91精品三级在线观看| 日韩中字成人| 国产成人a∨麻豆精品| 久久精品国产亚洲av天美| 亚洲中文av在线| 草草在线视频免费看| 人妻人人澡人人爽人人| av专区在线播放| 欧美日韩一区二区视频在线观看视频在线| 国产一区亚洲一区在线观看| 男人爽女人下面视频在线观看| 久久久久久久亚洲中文字幕| 亚洲一区二区三区欧美精品| 色视频在线一区二区三区| 亚洲精品国产av蜜桃| 伦理电影大哥的女人| 国产一区二区在线观看日韩| 免费观看性生交大片5| 亚洲精品456在线播放app| 大香蕉久久网| 亚洲av福利一区| 亚洲人与动物交配视频| kizo精华| 七月丁香在线播放| 亚洲欧美一区二区三区国产| 国产精品不卡视频一区二区| 亚洲国产精品一区二区三区在线| 欧美国产精品一级二级三级| 如何舔出高潮| 一个人免费看片子| 日产精品乱码卡一卡2卡三| 日本爱情动作片www.在线观看| 国产免费视频播放在线视频| 一本久久精品| 最近的中文字幕免费完整| 另类精品久久| 韩国av在线不卡| 能在线免费看毛片的网站| 性色av一级| 夜夜爽夜夜爽视频| 99久久精品一区二区三区| 久久这里有精品视频免费| 男女无遮挡免费网站观看| 久久精品人人爽人人爽视色| 18在线观看网站| 成人国产麻豆网| 免费不卡的大黄色大毛片视频在线观看| 五月伊人婷婷丁香| 极品人妻少妇av视频| 久久影院123| 日韩亚洲欧美综合| 色视频在线一区二区三区| 在线 av 中文字幕| 特大巨黑吊av在线直播| 亚洲国产精品国产精品| 在线播放无遮挡| 国产在线视频一区二区| 日本与韩国留学比较| 丰满乱子伦码专区| 26uuu在线亚洲综合色| 天堂8中文在线网| av不卡在线播放| 国产成人精品一,二区| xxxhd国产人妻xxx| 春色校园在线视频观看| 中文字幕精品免费在线观看视频 | 91成人精品电影| 亚洲国产毛片av蜜桃av| 欧美激情国产日韩精品一区| 大又大粗又爽又黄少妇毛片口| 在线精品无人区一区二区三| 国产一区二区三区综合在线观看 | 日韩,欧美,国产一区二区三区| 亚洲性久久影院| av有码第一页| 超色免费av| 免费看av在线观看网站| 久久精品久久久久久久性| 秋霞伦理黄片| 我的老师免费观看完整版| 日韩伦理黄色片| 青青草视频在线视频观看| 亚洲五月色婷婷综合| 美女中出高潮动态图| 久久99一区二区三区| 亚洲av中文av极速乱| 欧美国产精品一级二级三级| 水蜜桃什么品种好| 男人添女人高潮全过程视频| 精品久久久精品久久久| 大香蕉97超碰在线| 久久久久久久久久久丰满| 性高湖久久久久久久久免费观看| 两个人的视频大全免费| 精品久久蜜臀av无| 午夜福利影视在线免费观看| 国产精品久久久久久精品古装| 又黄又爽又刺激的免费视频.| 人人妻人人澡人人爽人人夜夜| 欧美人与性动交α欧美精品济南到 | 我的女老师完整版在线观看| 亚洲欧美日韩卡通动漫| 国产成人aa在线观看| av在线老鸭窝| 亚洲国产毛片av蜜桃av| 亚洲欧美一区二区三区黑人 | 色婷婷久久久亚洲欧美| 国产一区有黄有色的免费视频| 国产白丝娇喘喷水9色精品| 欧美日韩视频精品一区| 日本av手机在线免费观看| 国产日韩欧美视频二区| 日日摸夜夜添夜夜添av毛片| 久久99精品国语久久久| xxxhd国产人妻xxx| 亚洲国产精品成人久久小说| 午夜免费男女啪啪视频观看| 日韩在线高清观看一区二区三区| 高清在线视频一区二区三区| 亚洲欧美成人精品一区二区| 亚洲欧美成人精品一区二区| 成人免费观看视频高清| 交换朋友夫妻互换小说| 亚洲伊人久久精品综合| 国产综合精华液| 国产日韩欧美视频二区| 免费少妇av软件| 国产免费福利视频在线观看| 国产亚洲欧美精品永久| 精品人妻熟女av久视频| 国产欧美日韩一区二区三区在线 | 国产精品欧美亚洲77777| 91精品伊人久久大香线蕉| 丰满饥渴人妻一区二区三| 中国美白少妇内射xxxbb| 日韩一本色道免费dvd| 免费大片18禁| 免费黄网站久久成人精品| 99re6热这里在线精品视频| 男人操女人黄网站| 国产av精品麻豆| 哪个播放器可以免费观看大片| 黑人高潮一二区| 一本大道久久a久久精品| 日韩视频在线欧美| 只有这里有精品99| 青春草亚洲视频在线观看| 妹子高潮喷水视频| 亚洲性久久影院| 全区人妻精品视频| 人人妻人人爽人人添夜夜欢视频| 欧美日韩综合久久久久久| 精品久久久久久久久亚洲| 黄片播放在线免费| 韩国av在线不卡| 丝袜喷水一区| 大话2 男鬼变身卡| 欧美精品国产亚洲| 毛片一级片免费看久久久久| 韩国av在线不卡| 国产毛片在线视频| 亚洲熟女精品中文字幕| 欧美国产精品一级二级三级| www.色视频.com| 国产精品免费大片| 高清不卡的av网站| 欧美97在线视频| 精品人妻偷拍中文字幕| 日韩制服骚丝袜av| 国产老妇伦熟女老妇高清| a级片在线免费高清观看视频| 欧美亚洲 丝袜 人妻 在线| 欧美另类一区| 日韩亚洲欧美综合| av在线老鸭窝| 日本欧美视频一区| 大话2 男鬼变身卡| 九色成人免费人妻av| 人人妻人人添人人爽欧美一区卜| 水蜜桃什么品种好| 国产在线一区二区三区精| 亚洲国产日韩一区二区| 国产极品天堂在线| 又大又黄又爽视频免费| 国产成人av激情在线播放 | 色婷婷久久久亚洲欧美| 欧美成人午夜免费资源| 亚洲精品久久成人aⅴ小说 | 亚州av有码| 人人澡人人妻人| 涩涩av久久男人的天堂| 午夜免费男女啪啪视频观看| 26uuu在线亚洲综合色| 观看美女的网站| 亚洲综合精品二区| 亚洲国产精品国产精品| 国产探花极品一区二区| 午夜福利,免费看| 22中文网久久字幕| 在线观看三级黄色| 最近2019中文字幕mv第一页| 日本欧美视频一区| 天天躁夜夜躁狠狠久久av| 日本vs欧美在线观看视频| 国语对白做爰xxxⅹ性视频网站| 丰满饥渴人妻一区二区三| 人人妻人人澡人人爽人人夜夜| 亚洲精品乱久久久久久| 婷婷色综合www| 少妇的逼水好多| 成人国产麻豆网| 大片免费播放器 马上看| 久久精品熟女亚洲av麻豆精品| 高清黄色对白视频在线免费看| 亚州av有码| 天堂俺去俺来也www色官网| 五月开心婷婷网| 久久久精品94久久精品| 极品少妇高潮喷水抽搐| 久久av网站| 我的女老师完整版在线观看| 人妻人人澡人人爽人人| 免费黄频网站在线观看国产| av有码第一页| 成人国产麻豆网| 人成视频在线观看免费观看| 国产精品免费大片| 婷婷成人精品国产| 熟女电影av网| 中国国产av一级| 水蜜桃什么品种好| 在线精品无人区一区二区三| 国产亚洲欧美精品永久| 久久99热6这里只有精品| 亚洲图色成人| 波野结衣二区三区在线| 国产精品偷伦视频观看了| 国产av国产精品国产| 国产一区有黄有色的免费视频| 国产免费福利视频在线观看| 成人国产麻豆网| 春色校园在线视频观看| 国产亚洲精品第一综合不卡 | 婷婷色综合www| 亚洲国产毛片av蜜桃av| 亚洲色图 男人天堂 中文字幕 | 欧美日韩成人在线一区二区| 啦啦啦中文免费视频观看日本| a 毛片基地| 80岁老熟妇乱子伦牲交| 九九久久精品国产亚洲av麻豆| 国产成人a∨麻豆精品| 日韩一区二区视频免费看| 国产男女超爽视频在线观看| 最新中文字幕久久久久| av福利片在线| 大香蕉97超碰在线| 午夜福利,免费看| 亚洲av男天堂| 一区二区三区乱码不卡18| 亚洲人成网站在线播| 波野结衣二区三区在线| 国国产精品蜜臀av免费| 我要看黄色一级片免费的| 国产成人午夜福利电影在线观看| 久久久久久久亚洲中文字幕| 午夜免费男女啪啪视频观看| 黄片无遮挡物在线观看| 色视频在线一区二区三区| videos熟女内射| 亚洲美女黄色视频免费看| 99久久精品国产国产毛片| 99热这里只有精品一区| 精品人妻在线不人妻| 国产熟女午夜一区二区三区 | 人妻 亚洲 视频| 亚洲国产av新网站| 啦啦啦啦在线视频资源| 久久女婷五月综合色啪小说| 国产日韩一区二区三区精品不卡 | 亚洲国产精品999| 26uuu在线亚洲综合色| 日本欧美国产在线视频| 在线观看人妻少妇| .国产精品久久| 国产精品国产三级专区第一集| 黑人猛操日本美女一级片| 另类精品久久| 五月开心婷婷网| 中国国产av一级| 欧美亚洲日本最大视频资源| 亚洲av二区三区四区| 少妇丰满av| 99久久精品国产国产毛片| 日韩欧美一区视频在线观看| a级毛片在线看网站| 久久人人爽av亚洲精品天堂| 涩涩av久久男人的天堂| 汤姆久久久久久久影院中文字幕| 美女xxoo啪啪120秒动态图| 中文字幕亚洲精品专区| 日韩伦理黄色片| 亚洲国产精品国产精品| 亚州av有码| 国产日韩欧美亚洲二区| 一边亲一边摸免费视频| 热99久久久久精品小说推荐| 久久青草综合色| 久久精品人人爽人人爽视色| 插阴视频在线观看视频| 22中文网久久字幕| 免费观看的影片在线观看| 大陆偷拍与自拍| 欧美 亚洲 国产 日韩一| 亚洲国产精品一区二区三区在线| 日韩亚洲欧美综合| 国产免费一级a男人的天堂| 99久国产av精品国产电影| 亚洲欧美精品自产自拍| 狂野欧美白嫩少妇大欣赏| 黄片无遮挡物在线观看| av线在线观看网站| 精品久久蜜臀av无| 国产精品人妻久久久久久| av一本久久久久| 秋霞伦理黄片| 日韩成人av中文字幕在线观看| 欧美人与善性xxx| 久久99热这里只频精品6学生| 99re6热这里在线精品视频| 91精品国产国语对白视频| 久久国产精品大桥未久av| 在现免费观看毛片| 天堂中文最新版在线下载| 水蜜桃什么品种好| 一区在线观看完整版| 亚洲精品乱码久久久v下载方式| av免费观看日本| 蜜桃久久精品国产亚洲av| 国产成人免费观看mmmm| 成人午夜精彩视频在线观看| 18禁在线播放成人免费| 蜜桃在线观看..| 18在线观看网站| 美女cb高潮喷水在线观看| 久久精品国产亚洲av涩爱| 观看美女的网站| 国产成人freesex在线| av国产久精品久网站免费入址| av有码第一页| 免费观看的影片在线观看| 精品国产一区二区三区久久久樱花| 精品久久久久久久久av| 亚洲成色77777| 国产高清国产精品国产三级| 国产精品.久久久| 能在线免费看毛片的网站| 欧美精品一区二区大全| 国产精品国产三级国产专区5o| 边亲边吃奶的免费视频| 999精品在线视频| 99热国产这里只有精品6| 国产高清三级在线| 美女主播在线视频| 精品亚洲成a人片在线观看| 一级片'在线观看视频| 欧美老熟妇乱子伦牲交| 国产成人免费无遮挡视频| 久久久久久久久久久免费av| 99久国产av精品国产电影| 亚洲av国产av综合av卡| 香蕉精品网在线| 国产伦精品一区二区三区视频9| 51国产日韩欧美| 插逼视频在线观看| 韩国av在线不卡| 亚洲精品乱码久久久久久按摩| 久久国内精品自在自线图片| 色94色欧美一区二区| av女优亚洲男人天堂| 大话2 男鬼变身卡| 韩国高清视频一区二区三区| 日韩制服骚丝袜av| 考比视频在线观看| 91在线精品国自产拍蜜月| 午夜视频国产福利| 国产一区亚洲一区在线观看| 国产精品国产av在线观看| 欧美日韩视频高清一区二区三区二| 亚洲第一av免费看| 国产高清国产精品国产三级| 波野结衣二区三区在线| 9色porny在线观看| 99国产精品免费福利视频| 国语对白做爰xxxⅹ性视频网站| 亚洲在久久综合| av国产久精品久网站免费入址| 国产不卡av网站在线观看| 男男h啪啪无遮挡| 午夜福利网站1000一区二区三区| 亚洲国产最新在线播放| 天天操日日干夜夜撸| 国产精品一二三区在线看| 精品国产一区二区久久| 精品一品国产午夜福利视频| 国产黄片视频在线免费观看| 男女免费视频国产| 国产精品嫩草影院av在线观看| 99视频精品全部免费 在线| 国产高清国产精品国产三级| 老司机影院毛片| 久久精品夜色国产| 欧美人与性动交α欧美精品济南到 | 日韩在线高清观看一区二区三区| 夫妻午夜视频| 性高湖久久久久久久久免费观看| 亚洲国产精品专区欧美| 精品人妻一区二区三区麻豆| 97超视频在线观看视频| 亚洲精品美女久久av网站| 免费播放大片免费观看视频在线观看| 免费观看无遮挡的男女| 看十八女毛片水多多多| 看非洲黑人一级黄片| 飞空精品影院首页| 国产精品一国产av| 晚上一个人看的免费电影| 69精品国产乱码久久久| 国产爽快片一区二区三区| 少妇人妻 视频| 丝瓜视频免费看黄片| 搡女人真爽免费视频火全软件| 一级毛片我不卡| 欧美日韩一区二区视频在线观看视频在线| 男女国产视频网站| 在线播放无遮挡| 日韩伦理黄色片| 内地一区二区视频在线| 亚洲av欧美aⅴ国产| 国产精品久久久久成人av| 精品国产露脸久久av麻豆| 精品国产国语对白av| 永久网站在线| 97在线视频观看| 蜜桃在线观看..| 美女xxoo啪啪120秒动态图| 国产一级毛片在线| 亚洲欧洲国产日韩| 亚洲国产毛片av蜜桃av| 精品午夜福利在线看| 狠狠精品人妻久久久久久综合| av播播在线观看一区| 午夜福利视频在线观看免费| 18禁在线播放成人免费| 老女人水多毛片| 99久久中文字幕三级久久日本| 涩涩av久久男人的天堂| 人人妻人人添人人爽欧美一区卜| 亚洲中文av在线| 亚洲精品第二区| 亚洲国产av影院在线观看| 亚洲精华国产精华液的使用体验| 亚洲国产精品专区欧美| 日韩成人伦理影院| 中文字幕精品免费在线观看视频 | 这个男人来自地球电影免费观看 | av播播在线观看一区| 自线自在国产av| 中文字幕最新亚洲高清| 久久国产精品大桥未久av| 国产亚洲一区二区精品| 18禁裸乳无遮挡动漫免费视频| 免费黄网站久久成人精品| 亚洲国产精品专区欧美| 久久久欧美国产精品| 亚洲高清免费不卡视频| 亚洲精品久久久久久婷婷小说| 少妇人妻精品综合一区二区| 日本wwww免费看| 91精品一卡2卡3卡4卡| 春色校园在线视频观看| 精品熟女少妇av免费看| 久热久热在线精品观看| 一级毛片电影观看| 99国产综合亚洲精品| 欧美亚洲日本最大视频资源| 久久人人爽人人爽人人片va| 美女中出高潮动态图| 少妇猛男粗大的猛烈进出视频| 成人免费观看视频高清| 少妇熟女欧美另类| xxx大片免费视频| 日韩,欧美,国产一区二区三区| 亚洲欧美日韩卡通动漫| 岛国毛片在线播放| 午夜激情av网站| 成人国产av品久久久| 一级毛片黄色毛片免费观看视频| 免费观看无遮挡的男女| 国产精品 国内视频| 久久久国产欧美日韩av| 欧美性感艳星| 人人妻人人爽人人添夜夜欢视频| 啦啦啦视频在线资源免费观看| 免费大片黄手机在线观看| 曰老女人黄片| 日韩制服骚丝袜av| 伊人久久精品亚洲午夜| 黄色毛片三级朝国网站| 国产极品天堂在线|