• <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
    久久久久视频综合| 大型av网站在线播放| 另类亚洲欧美激情| 国产一卡二卡三卡精品| 美女高潮喷水抽搐中文字幕| 久久人妻福利社区极品人妻图片| 久久99一区二区三区| 超色免费av| 一区二区三区精品91| 操出白浆在线播放| 日本撒尿小便嘘嘘汇集6| 欧美日韩亚洲国产一区二区在线观看 | 久久精品国产99精品国产亚洲性色 | 一本大道久久a久久精品| 精品国产国语对白av| 国产成+人综合+亚洲专区| 香蕉久久夜色| 精品少妇一区二区三区视频日本电影| 777久久人妻少妇嫩草av网站| 黑人巨大精品欧美一区二区mp4| a级毛片黄视频| 亚洲va日本ⅴa欧美va伊人久久| 精品福利观看| av线在线观看网站| 免费黄频网站在线观看国产| 国产不卡一卡二| www.999成人在线观看| 国产男女超爽视频在线观看| 亚洲一区二区三区欧美精品| 欧美日韩视频精品一区| 亚洲avbb在线观看| 成人精品一区二区免费| 久久国产亚洲av麻豆专区| 夫妻午夜视频| 99久久国产精品久久久| 夜夜骑夜夜射夜夜干| 色视频在线一区二区三区| av福利片在线| 久9热在线精品视频| 国产又色又爽无遮挡免费看| 大片免费播放器 马上看| 夜夜夜夜夜久久久久| 满18在线观看网站| 久久精品国产a三级三级三级| 老熟妇仑乱视频hdxx| 老司机靠b影院| 日本黄色视频三级网站网址 | 在线观看舔阴道视频| 自拍欧美九色日韩亚洲蝌蚪91| 91麻豆av在线| 最黄视频免费看| 亚洲国产毛片av蜜桃av| 久久精品亚洲精品国产色婷小说| 男女下面插进去视频免费观看| 在线永久观看黄色视频| 日韩 欧美 亚洲 中文字幕| av线在线观看网站| 999久久久精品免费观看国产| 女人爽到高潮嗷嗷叫在线视频| 国产精品免费大片| 桃红色精品国产亚洲av| 日韩欧美一区二区三区在线观看 | 水蜜桃什么品种好| 亚洲欧美一区二区三区久久| 伦理电影免费视频| 国产成人免费观看mmmm| 免费观看a级毛片全部| 天天添夜夜摸| 精品视频人人做人人爽| 女人被躁到高潮嗷嗷叫费观| 美女国产高潮福利片在线看| 精品国内亚洲2022精品成人 | 国产精品自产拍在线观看55亚洲 | 日本av手机在线免费观看| 老司机在亚洲福利影院| 久久国产精品男人的天堂亚洲| 国产在线免费精品| 亚洲精品乱久久久久久| 黑人巨大精品欧美一区二区mp4| kizo精华| 一进一出抽搐动态| 一区二区三区国产精品乱码| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品 国内视频| 国产精品 欧美亚洲| 黄色视频在线播放观看不卡| 黄片小视频在线播放| 人成视频在线观看免费观看| 久久人妻av系列| 一边摸一边做爽爽视频免费| 老汉色av国产亚洲站长工具| 日本vs欧美在线观看视频| 丝袜美足系列| 美女午夜性视频免费| 男女下面插进去视频免费观看| 国产亚洲欧美精品永久| 国产精品98久久久久久宅男小说| 日本精品一区二区三区蜜桃| 精品国产一区二区久久| 五月天丁香电影| 少妇精品久久久久久久| 午夜福利在线观看吧| 亚洲avbb在线观看| 亚洲三区欧美一区| 啦啦啦 在线观看视频| 午夜老司机福利片| 99九九在线精品视频| 亚洲少妇的诱惑av| 国产亚洲精品久久久久5区| 久久久久视频综合| 动漫黄色视频在线观看| 老司机影院毛片| 日韩大片免费观看网站| 一二三四在线观看免费中文在| 在线永久观看黄色视频| 热99re8久久精品国产| 一区二区三区国产精品乱码| videos熟女内射| 免费女性裸体啪啪无遮挡网站| 国产成人免费观看mmmm| 国产视频一区二区在线看| 中文字幕人妻丝袜一区二区| 日本一区二区免费在线视频| 超碰成人久久| 18禁国产床啪视频网站| 三级毛片av免费| 欧美乱码精品一区二区三区| 国产日韩欧美视频二区| 国产一区有黄有色的免费视频| 啦啦啦免费观看视频1| 国产av精品麻豆| 国产成人系列免费观看| 免费在线观看影片大全网站| 黄色 视频免费看| 99国产极品粉嫩在线观看| 国产精品麻豆人妻色哟哟久久| av欧美777| 一二三四社区在线视频社区8| 国产亚洲欧美在线一区二区| 狠狠狠狠99中文字幕| 成人黄色视频免费在线看| 在线av久久热| 国产男女内射视频| 成人18禁高潮啪啪吃奶动态图| 欧美日韩国产mv在线观看视频| 精品福利观看| 亚洲av成人不卡在线观看播放网| 18禁美女被吸乳视频| 国产精品久久电影中文字幕 | 两性午夜刺激爽爽歪歪视频在线观看 | 99国产精品99久久久久| av线在线观看网站| 满18在线观看网站| 国产免费视频播放在线视频| 国产高清激情床上av| 成人黄色视频免费在线看| 大片免费播放器 马上看| 欧美在线黄色| 久久精品成人免费网站| 午夜91福利影院| 国产不卡一卡二| 国产福利在线免费观看视频| 亚洲 欧美一区二区三区| 97在线人人人人妻| 超色免费av| 真人做人爱边吃奶动态| 国产xxxxx性猛交| 一级,二级,三级黄色视频| 国产精品一区二区免费欧美| 国产日韩欧美亚洲二区| 久久精品成人免费网站| 一区二区三区乱码不卡18| 国产精品久久久人人做人人爽| 成人手机av| 亚洲情色 制服丝袜| 亚洲精品中文字幕在线视频| 亚洲国产精品一区二区三区在线| 免费在线观看日本一区| 在线观看一区二区三区激情| 欧美亚洲 丝袜 人妻 在线| 啦啦啦视频在线资源免费观看| 日本欧美视频一区| 波多野结衣一区麻豆| 亚洲欧美一区二区三区久久| 99精品欧美一区二区三区四区| 亚洲人成电影免费在线| 欧美精品亚洲一区二区| 午夜福利免费观看在线| 久久久精品94久久精品| 涩涩av久久男人的天堂| 久久精品亚洲av国产电影网| 国产老妇伦熟女老妇高清| 亚洲精品一二三| 无人区码免费观看不卡 | 高清毛片免费观看视频网站 | 三级毛片av免费| 色老头精品视频在线观看| 精品人妻熟女毛片av久久网站| 菩萨蛮人人尽说江南好唐韦庄| 老熟妇乱子伦视频在线观看| 亚洲精品国产精品久久久不卡| 国产成人欧美在线观看 | 国产免费av片在线观看野外av| 最黄视频免费看| 久久精品亚洲熟妇少妇任你| 国产在线视频一区二区| 欧美成人免费av一区二区三区 | 久久久久久久大尺度免费视频| 欧美日韩亚洲综合一区二区三区_| www.熟女人妻精品国产| 久久人人97超碰香蕉20202| 高清黄色对白视频在线免费看| 国产高清国产精品国产三级| 免费黄频网站在线观看国产| 高清毛片免费观看视频网站 | 色婷婷av一区二区三区视频| 亚洲精品国产区一区二| 性色av乱码一区二区三区2| 久久ye,这里只有精品| 黑人巨大精品欧美一区二区蜜桃| 人成视频在线观看免费观看| 精品国产国语对白av| av视频免费观看在线观看| 欧美人与性动交α欧美精品济南到| 老司机亚洲免费影院| 日韩欧美三级三区| 精品午夜福利视频在线观看一区 | 1024视频免费在线观看| 亚洲午夜理论影院| 精品人妻熟女毛片av久久网站| 精品午夜福利视频在线观看一区 | 中亚洲国语对白在线视频| 99精品在免费线老司机午夜| av欧美777| 99香蕉大伊视频| 不卡av一区二区三区| 国产高清激情床上av| 亚洲国产av新网站| 亚洲熟女毛片儿| 黄色视频,在线免费观看| 欧美中文综合在线视频| 97在线人人人人妻| 男人操女人黄网站| 亚洲五月色婷婷综合| 香蕉丝袜av| 亚洲精品国产色婷婷电影| av天堂在线播放| 一级片免费观看大全| 精品国内亚洲2022精品成人 | 不卡一级毛片| 一级黄色大片毛片| 国产亚洲av高清不卡| 91字幕亚洲| 国产精品免费一区二区三区在线 | 丁香六月天网| 日韩三级视频一区二区三区| 一区二区三区精品91| 日日摸夜夜添夜夜添小说| 少妇 在线观看| 国产91精品成人一区二区三区 | av不卡在线播放| 大型黄色视频在线免费观看| kizo精华| 电影成人av| 十分钟在线观看高清视频www| 中文字幕高清在线视频| 飞空精品影院首页| 欧美午夜高清在线| 亚洲av第一区精品v没综合| 一本色道久久久久久精品综合| 精品少妇内射三级| 999精品在线视频| 人人妻人人爽人人添夜夜欢视频| 久久免费观看电影| 国产亚洲午夜精品一区二区久久| 97人妻天天添夜夜摸| 日韩欧美三级三区| 成年版毛片免费区| 欧美日本中文国产一区发布| svipshipincom国产片| 老熟妇仑乱视频hdxx| 啪啪无遮挡十八禁网站| 丰满少妇做爰视频| 亚洲精品国产精品久久久不卡| 久久久精品94久久精品| 国产真人三级小视频在线观看| 亚洲人成电影免费在线| 激情视频va一区二区三区| 香蕉丝袜av| 怎么达到女性高潮| 亚洲成人国产一区在线观看| 欧美日韩亚洲国产一区二区在线观看 | 中文字幕高清在线视频| kizo精华| av一本久久久久| 在线观看人妻少妇| 日本wwww免费看| 建设人人有责人人尽责人人享有的| 免费女性裸体啪啪无遮挡网站| 脱女人内裤的视频| 欧美激情 高清一区二区三区| 成人三级做爰电影| 韩国精品一区二区三区| 99久久精品国产亚洲精品| 黄色毛片三级朝国网站| 日本黄色日本黄色录像| av一本久久久久| 国产淫语在线视频| 日本av免费视频播放| 亚洲专区字幕在线| 精品国产乱码久久久久久男人| 国产免费视频播放在线视频| av有码第一页| 国产精品电影一区二区三区 | 老司机影院毛片| 日日爽夜夜爽网站| www.999成人在线观看| 大码成人一级视频| 亚洲欧美色中文字幕在线| av片东京热男人的天堂| 日韩制服丝袜自拍偷拍| 最黄视频免费看| 欧美日韩黄片免| 久久精品91无色码中文字幕| 国产精品98久久久久久宅男小说| 男女下面插进去视频免费观看| 在线观看舔阴道视频| 成年人免费黄色播放视频| 国产精品一区二区免费欧美| 国产欧美日韩一区二区三| 一级片'在线观看视频| 男人舔女人的私密视频| 操出白浆在线播放| 日韩免费av在线播放| 波多野结衣一区麻豆| 午夜两性在线视频| 亚洲五月婷婷丁香| 不卡一级毛片| 久久精品亚洲av国产电影网| 精品一区二区三区视频在线观看免费 | 欧美 亚洲 国产 日韩一| 国产在线免费精品| 国精品久久久久久国模美| 亚洲成av片中文字幕在线观看| 久久影院123| tube8黄色片| 国产欧美日韩综合在线一区二区| 日韩制服丝袜自拍偷拍| 最新的欧美精品一区二区| av免费在线观看网站| 久久久久久久精品吃奶| a级毛片黄视频| 国产成人精品久久二区二区91| 无限看片的www在线观看| 国内毛片毛片毛片毛片毛片| 高清欧美精品videossex| 中文字幕另类日韩欧美亚洲嫩草| 搡老熟女国产l中国老女人| 另类亚洲欧美激情| 9色porny在线观看| 黄片小视频在线播放| 国产aⅴ精品一区二区三区波| 国产精品久久久人人做人人爽| 亚洲成国产人片在线观看| 新久久久久国产一级毛片| e午夜精品久久久久久久| 91字幕亚洲| 99热国产这里只有精品6| 午夜精品国产一区二区电影| 亚洲人成电影免费在线| 人人妻,人人澡人人爽秒播| 国产成人一区二区三区免费视频网站| 韩国精品一区二区三区| 国产成人一区二区三区免费视频网站| 国产日韩欧美亚洲二区| 亚洲精品乱久久久久久| 精品亚洲乱码少妇综合久久| 老司机午夜十八禁免费视频| 亚洲欧美色中文字幕在线| 两人在一起打扑克的视频| 成人国产一区最新在线观看| 日本撒尿小便嘘嘘汇集6| 女人高潮潮喷娇喘18禁视频| 国产成人免费观看mmmm| 99re在线观看精品视频| www.精华液| 亚洲精品久久成人aⅴ小说| 欧美日韩亚洲国产一区二区在线观看 | 另类精品久久| 欧美日韩视频精品一区| 每晚都被弄得嗷嗷叫到高潮| 一进一出抽搐动态| 久久久国产欧美日韩av| 午夜激情久久久久久久| 欧美午夜高清在线| 人人澡人人妻人| 男女床上黄色一级片免费看| 91精品国产国语对白视频| 性高湖久久久久久久久免费观看| 精品国产国语对白av| 99精国产麻豆久久婷婷| 不卡av一区二区三区| 满18在线观看网站| 一边摸一边做爽爽视频免费| 亚洲色图 男人天堂 中文字幕| 国产高清视频在线播放一区| 女警被强在线播放| 少妇精品久久久久久久| 国产激情久久老熟女| 亚洲国产看品久久| 午夜成年电影在线免费观看| 高清视频免费观看一区二区| 看免费av毛片| 极品教师在线免费播放| 又黄又粗又硬又大视频| 久久免费观看电影| 亚洲精品在线美女| 日本wwww免费看| 午夜免费成人在线视频| 成人国语在线视频| 日本欧美视频一区| 搡老乐熟女国产| kizo精华| 黄色毛片三级朝国网站| 亚洲人成77777在线视频| 国产aⅴ精品一区二区三区波| 十八禁网站免费在线| 亚洲精品av麻豆狂野| 成年人免费黄色播放视频| 人人妻人人添人人爽欧美一区卜| 性高湖久久久久久久久免费观看| 精品人妻在线不人妻| 亚洲五月婷婷丁香| 老司机亚洲免费影院| 免费观看av网站的网址| 国产精品久久久久久精品电影小说| 亚洲黑人精品在线| 中文亚洲av片在线观看爽 | 91大片在线观看| 中文字幕人妻丝袜一区二区| 亚洲成人手机| 日本a在线网址| 岛国在线观看网站| 国产熟女午夜一区二区三区| 91成人精品电影| 国产激情久久老熟女| 欧美激情 高清一区二区三区| 亚洲色图综合在线观看| 俄罗斯特黄特色一大片| 下体分泌物呈黄色| 日本av免费视频播放| 天天躁夜夜躁狠狠躁躁| 婷婷丁香在线五月| 在线永久观看黄色视频| av国产精品久久久久影院| 90打野战视频偷拍视频| 欧美人与性动交α欧美软件| 夜夜爽天天搞| 久久久精品区二区三区| 性少妇av在线| 精品一区二区三卡| 国产一区二区 视频在线| 亚洲久久久国产精品| 少妇猛男粗大的猛烈进出视频| 日韩熟女老妇一区二区性免费视频| 一区二区三区国产精品乱码| 中文字幕人妻丝袜制服| 国产精品国产高清国产av | 高潮久久久久久久久久久不卡| 岛国毛片在线播放| 天天躁日日躁夜夜躁夜夜| 亚洲一码二码三码区别大吗| 久热爱精品视频在线9| 久久精品亚洲av国产电影网| 日韩欧美国产一区二区入口| 老司机福利观看| 在线永久观看黄色视频| 怎么达到女性高潮| 国产精品自产拍在线观看55亚洲 | 免费少妇av软件| 夫妻午夜视频| 亚洲中文av在线| 咕卡用的链子| 久久99一区二区三区| 日韩一区二区三区影片| 国产一区二区在线观看av| 搡老岳熟女国产| 国产精品 欧美亚洲| 国产精品二区激情视频| 91九色精品人成在线观看| 欧美精品一区二区大全| 国产亚洲一区二区精品| 桃花免费在线播放| 少妇被粗大的猛进出69影院| 怎么达到女性高潮| 中文字幕人妻丝袜制服| 在线观看www视频免费| 免费在线观看黄色视频的| 丁香六月天网| 久久久久精品国产欧美久久久| 在线天堂中文资源库| 免费在线观看日本一区| 国内毛片毛片毛片毛片毛片| 精品少妇一区二区三区视频日本电影| 精品国产一区二区久久| 亚洲国产看品久久| 两个人看的免费小视频| 99精国产麻豆久久婷婷| 亚洲熟女毛片儿| 亚洲国产av新网站| 人妻 亚洲 视频| 国产免费视频播放在线视频| 男女免费视频国产| 成人特级黄色片久久久久久久 | 久久久久久久国产电影| 日韩中文字幕视频在线看片| 80岁老熟妇乱子伦牲交| 午夜免费鲁丝| 狠狠狠狠99中文字幕| 麻豆乱淫一区二区| 99久久国产精品久久久| 人妻 亚洲 视频| 日日爽夜夜爽网站| 亚洲七黄色美女视频| 久热爱精品视频在线9| 国产成人av教育| 欧美在线黄色| 精品一区二区三区av网在线观看 | 欧美久久黑人一区二区| 国产精品av久久久久免费| 国产精品98久久久久久宅男小说| 久久香蕉激情| 国产精品久久久av美女十八| xxxhd国产人妻xxx| 欧美激情高清一区二区三区| 激情在线观看视频在线高清 | 色视频在线一区二区三区| 天天添夜夜摸| 亚洲专区国产一区二区| 免费不卡黄色视频| 热99久久久久精品小说推荐| 精品高清国产在线一区| 亚洲av国产av综合av卡| 精品亚洲乱码少妇综合久久| 国产亚洲午夜精品一区二区久久| 精品少妇黑人巨大在线播放| 欧美激情久久久久久爽电影 | 日韩免费av在线播放| 久久久久久亚洲精品国产蜜桃av| 国产不卡av网站在线观看| 搡老熟女国产l中国老女人| 久久天躁狠狠躁夜夜2o2o| 免费在线观看影片大全网站| 性少妇av在线| 一本一本久久a久久精品综合妖精| 99国产精品99久久久久| 亚洲av欧美aⅴ国产| 午夜精品国产一区二区电影| 大片电影免费在线观看免费| 亚洲久久久国产精品| 国产老妇伦熟女老妇高清| 久久香蕉激情| 美女午夜性视频免费| 亚洲 欧美一区二区三区| 大型av网站在线播放| 久久婷婷成人综合色麻豆| av又黄又爽大尺度在线免费看| 亚洲精品美女久久久久99蜜臀| 美女国产高潮福利片在线看| 久9热在线精品视频| 一个人免费看片子| 啦啦啦中文免费视频观看日本| 亚洲七黄色美女视频| 亚洲精品国产区一区二| 久久久久视频综合| 国产午夜精品久久久久久| 岛国在线观看网站| 69精品国产乱码久久久| 两个人免费观看高清视频| 亚洲av片天天在线观看| 老鸭窝网址在线观看| 亚洲国产欧美日韩在线播放| 国产精品欧美亚洲77777| 亚洲人成77777在线视频| 老司机在亚洲福利影院| 别揉我奶头~嗯~啊~动态视频| 人妻 亚洲 视频| 黑人操中国人逼视频| 久久精品91无色码中文字幕| 免费黄频网站在线观看国产| 久久久久久久久免费视频了| 亚洲国产精品一区二区三区在线| 亚洲国产欧美日韩在线播放| 亚洲综合色网址| 国产欧美亚洲国产| 女人爽到高潮嗷嗷叫在线视频| 一区在线观看完整版| 国产精品久久久av美女十八| 国产精品一区二区免费欧美| 高清av免费在线| 他把我摸到了高潮在线观看 | 香蕉丝袜av| 久久婷婷成人综合色麻豆| 成年女人毛片免费观看观看9 | 免费女性裸体啪啪无遮挡网站| 欧美日韩黄片免| 国产精品欧美亚洲77777| 日韩欧美免费精品| 美女视频免费永久观看网站| 狂野欧美激情性xxxx| 五月开心婷婷网| 麻豆乱淫一区二区| 老司机福利观看| 色94色欧美一区二区| 超碰97精品在线观看|