欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

美賽參考代碼匯總實戰(zhàn):從環(huán)境配置到算法調(diào)優(yōu)的避坑指南

美賽參考代碼匯總實戰(zhàn):從環(huán)境配置到算法調(diào)優(yōu)的避坑指南 簡介《美賽各題型常見參考代碼匯總.zip》是一套面向數(shù)學建模競賽選手的代碼與案例資源包覆蓋從線性回歸、數(shù)據(jù)擬合等基礎統(tǒng)計方法到遺傳算法改進神經(jīng)網(wǎng)絡等智能優(yōu)化算法適合美賽、國賽及各類數(shù)學建模實戰(zhàn)場景。壓縮包共2000個文件以bmp圖像、m腳本、mat數(shù)據(jù)、txt說明、fig圖表為主要類型混合了源碼、可視化結果、訓練樣例與輔助說明便于對照運行或二次改造整體大小約109.72MB。資源目前已有4062人學習下載內(nèi)容圍繞常見題型組織包含基礎模型完整示例、改進算法多種實現(xiàn)以及配套的圖形文件和說明文檔。讀者可按圖索驥快速定位所需的建模模塊理解算法設計與數(shù)據(jù)流并直接復用或改造代碼特別適合希望系統(tǒng)提升建模實戰(zhàn)能力、從入門走向進階的競賽選手。1. 美賽各題型常見參考代碼匯總這份 zip 不是資料庫是改裝件“美賽各題型常見參考代碼匯總”這類資源下載過的人不少真正在賽前跑通過的人不多。整個 zip 的價值不在于“里面有什么算法”而在于把連續(xù)、離散、優(yōu)化、評價、預測這幾類題型的常用代碼按參考形態(tài)收在一處數(shù)據(jù)分析、智能算法、神經(jīng)網(wǎng)絡三個方向都有對應腳本。它解決的不是“不會建?!倍恰坝兴悸返珌聿患鞍汛a跑通”。適合時間緊、需要先有一份能跑通的基線模型再迭代的隊伍。我的建議是把它當改裝件用先不改算法只換數(shù)據(jù)和目標函數(shù)確認輸出能做成一頁圖表再往下調(diào)參數(shù)。2. 打開壓縮包先不急著跑目錄、環(huán)境和數(shù)據(jù)路徑一次理順2.1 目錄結構與文件類型先分清參考代碼、樣例數(shù)據(jù)和說明文檔大多數(shù)情況下解壓出來的內(nèi)容不是一個大亂燉而是按題型分好的文件夾。以我拆過的類似資源為例通常會有 01_連續(xù)型、02_離散型、03_優(yōu)化類這類目錄每個目錄里放著參考代碼.py 或 .m、示例數(shù)據(jù).csv 或 .xlsx以及一個說明文檔。有些包還會把繪圖腳本單獨放一個文件夾避免主程序和畫圖混在一起。拿到壓縮包第一步是不要在 IDE 里直接點運行而是先看一遍目錄。我習慣先敲一句tree -L 2 -F這樣能在一屏內(nèi)看清哪個文件是入口、哪個文件是數(shù)據(jù)。如果系統(tǒng)沒有 treeWindows 下可以用dir /s /b代替。說明文檔可能叫“00_使用說明.txt”或 README多數(shù)整理者會寫清每個腳本的作用、運行前要裝什么庫、數(shù)據(jù)文件放在哪。重點看三件事。腳本末尾是否有if __name__ __main__:有這一行說明可以單獨運行。是否有硬編碼的絕對路徑。是否引用了相對路徑下的數(shù)據(jù)文件。參考代碼和樣例數(shù)據(jù)放在同一級目錄是最理想的因為代碼大多按相對路徑讀數(shù)據(jù)。如果說明里寫了“請將數(shù)據(jù)放到 data 文件夾”最好原樣保留目錄結構不要為了整潔亂挪文件。挪完以后再跑大概率報 FileNotFoundError這是第一腳踩坑的常見來源。我一般還會在解壓后先做一次完整性檢查不是驗算數(shù)據(jù)而是確認 zip 本身沒壞。如果解壓時遇到 invalid zip archive、could not find EOCD 這類報錯通常是文件沒下完整重新下一遍比折騰解壓工具更快。確認沒問題后再把“參考代碼”整目錄復制一份作為工作副本不在原始文件上改。復制工作副本花不了兩分鐘但能在后續(xù)反復改參數(shù)時提供一張后悔藥。2.2 Python 環(huán)境與依賴用 venv 隔離避免“在我機器上能跑”參考代碼最怕的不是程序本身難而是環(huán)境不一致。很多代碼是 Python 3.6 ~ 3.9 時代寫的現(xiàn)在用 3.12 直接打開可能連 numpy 都進不去。我一般會為這類資源單獨建一個虛擬環(huán)境不讓它污染平時做項目的主環(huán)境。python -m venv venv source venv/bin/activate pip install --upgrade pip pip install -r requirements.txtWindows 下激活命令換成venv\Scripts\activate。如果壓縮包里沒有 requirements.txt先用最小依賴集跑通主程序pip install numpy pandas scipy matplotlib scikit-learn解釋一下venv創(chuàng)建的是獨立環(huán)境包版本不會互相覆蓋升級 pip 是因為舊版 pip 解析復雜依賴時容易失敗requirements.txt 里如果寫著 numpy1.19.5 這種老版本先別急著照單全收等主程序跑起來以后再決定要不要降級。注意tensorflow 和 keras 相關的代碼不要一上來就裝。參考代碼里如果只是用多層感知機scikit-learn 就夠。確實要用 LSTM 再單獨裝 tensorflowCPU 版在賽題數(shù)據(jù)量下也足夠不需要一開始就折騰 GPU。裝完以后做一個最小驗證python -c import numpy, pandas, sklearn; print(ok)這一句能快速排除“環(huán)境白裝了”的情況。還有一類坑藏在依賴約束里如果 requirements 里寫著 tensorflow2.10在老機器上會因為 CPU 指令集問題裝不上。遇到這種情況常見做法是改用 conda 裝讓 conda 挑一個與當前硬件匹配的包。如果還不行就用 CPU 版代替代價只是訓練慢一點不影響正確性。部分包里的 .m 文件是 MATLAB 代碼Python 環(huán)境管不了它們先跳過4.3 會講替代路線。2.3 數(shù)據(jù)路徑約定為什么相對路徑比絕對路徑靠譜參考代碼里常見兩種讀數(shù)據(jù)方式一種是寫死pd.read_excel(C:/Users/xxx/data.xlsx)一種是os.path.join(os.getcwd(), data)拼路徑。前者換臺電腦就廢后者換啟動目錄就廢。自己改的時候我一般統(tǒng)一換成基于當前腳本文件算路徑的方案from pathlib import Path # 當前腳本所在目錄不是命令行所在目錄 BASE_DIR Path(__file__).resolve().parent data_path BASE_DIR / data / data.csv df pd.read_csv(data_path, encodingutf-8) print(路徑檢查:, data_path, 存在:, data_path.exists())邏輯說明__file__是當前文件的路徑resolve()把相對路徑轉成絕對路徑parent取上一級目錄再往下拼數(shù)據(jù)文件。這樣不管 zip 解壓到哪個位置只要內(nèi)部目錄結構不變代碼就能找到數(shù)據(jù)。打印路徑和exists()是為了在找不到文件時立刻看到實際指向。我還會在開頭加一個檢查路徑不存在就打印提示并返回。很多參考代碼翻車不是算法問題而是數(shù)據(jù)沒讀進來后面所有矩陣都是空。路徑問題一次理順能省掉一整天的排查時間。還要多一句嘴盡量把 Excel 轉成 CSV 再喂給 pandas。Excel 讀取本身沒問題但多行表頭、合并單元格、日期格式都會在讀入時產(chǎn)生意外CSV 沒有這些花樣出問題也好查。如果代碼讀的是 xlsx而你的數(shù)據(jù)在多個 sheet 里最簡單的處理是先把目標 sheet 另存為 CSV再改路徑。不要在參考代碼上做太多自由度很高的改動改動越多邊界越難查。3. 把題型和代碼模板對上先判斷它到底該用哪份參考代碼3.1 題型分類與算法選型一張表說明映射關系美賽題型從建模角度大致分成五類連續(xù)、離散、優(yōu)化、評價、預測。參考代碼包通常是按這個分類組織的。拿到題目以后先判斷題型再找對應參考代碼順序不要反過來。題型常見背景默認參考算法包里對應方向連續(xù)型物理變化、增長曲線、流量趨勢微分方程 插值擬合01_連續(xù)型離散型網(wǎng)絡、狀態(tài)轉移、排隊圖論最短路/流、狀態(tài)轉移矩陣02_離散型優(yōu)化類資源分配、路徑規(guī)劃、生產(chǎn)調(diào)度遺傳算法、粒子群、模擬退火03_優(yōu)化評價類方案比選、風險排序、多指標評分熵權法、TOPSIS、層次分析04_評價預測類未來趨勢、回歸、時序線性回歸、MLP、LSTM05_預測選型邏輯很簡單。連續(xù)型題目給的是變化過程要找函數(shù)關系優(yōu)先擬合和參數(shù)估計。離散型題目涉及狀態(tài)和路徑圖論模型更直接。優(yōu)化類題目如果變量少、約束簡單窮舉或線性規(guī)劃就行變量一多啟發(fā)式算法更現(xiàn)實。評價類題目沒有標準答案關鍵是權重怎么來熵權法屬于數(shù)據(jù)驅動比拍腦袋定權重有說服力。預測類題目要的是未來值先跑一個簡單回歸當基線再看要不要上神經(jīng)網(wǎng)絡??磪⒖即a時不要上來就挑最“高級”的算法。對一場三到四天的比賽而言能跑通、能穩(wěn)定復現(xiàn)結果的基線遠比一個只在理想例子上好看的高級模型重要。假如題目還沒審完就打開 LSTM 腳本復制粘貼后續(xù)只會花大量時間在調(diào)參而不是解題上。參考代碼包的意義是提供起點不是終點。我一般會把“能找到基線結果”作為第一目標確認它能輸出圖表和指標再談優(yōu)化。3.2 智能算法參考代碼遺傳算法怎么改適應度函數(shù)優(yōu)化類題目對應的智能算法多數(shù)是基于種群的啟發(fā)式搜索。壓縮包里這類代碼的結構大同小異一個主函數(shù)負責初始化種群和迭代一個適應度函數(shù)負責評價個體。真正需要你改的只有適應度函數(shù)其他部分幾乎不用動。下面這段是能直接跑的簡化框架import numpy as np def fitness(x): # 以最小化 f x^2 2 為例 return x[0] ** 2 2 def ga(fn, lb-10.0, ub10.0, pop_size50, max_gen100, pc0.8, pm0.05): dim 1 pop np.random.uniform(lb, ub, (pop_size, dim)) for g in range(max_gen): scores np.array([fn(ind) for ind in pop]) order np.argsort(scores) pop pop[order] new_pop [pop[0].copy()] # 精英保留 while len(new_pop) pop_size: # 錦標賽只從前一半隨機取兩個 a pop[np.random.randint(0, pop_size // 2)] b pop[np.random.randint(0, pop_size // 2)] # 算術交叉 child 0.5 * (a b) if np.random.rand() pc else a.copy() # 高斯變異 if np.random.rand() pm: child np.clip(child np.random.normal( 0, 0.5 * (ub - lb)), lb, ub) new_pop.append(child) pop np.array(new_pop) idx int(np.argmin([fn(ind) for ind in pop])) return pop[idx], fn(pop[idx]) best, val ga(fitness) print(最優(yōu)解:, best, 最優(yōu)值:, val)邏輯說明初始化階段用均勻分布在上下界之間生成種群。每輪迭代先按適應度排序適應度越小排名越靠前錦標賽機制只從排序前一半個體里隨機取兩個做交叉保證優(yōu)質(zhì)個體更容易被選中精英保留策略把上一代最優(yōu)解直接復制進下一代防止最優(yōu)解丟失。變異用高斯擾動np.clip把子代限制在邊界內(nèi)。代碼以最小化問題為例如果賽題是最大化收益在適應度函數(shù)里加個負號即可。參數(shù)說明pop_size是種群規(guī)模一般取 30~200越大收斂越穩(wěn)但越慢max_gen是迭代代數(shù)建議從 100 開始看收斂曲線不夠再加pc是交叉概率0.6~0.9 是常見區(qū)間pm是變異概率太小容易早熟太大退化成隨機搜索0.05~0.2 可以先用。邊界lb和ub要跟決策變量的物理含義走比如資源分配問題里變量不能為負lb就設為 0。改適應度函數(shù)時最常犯的錯誤是把賽題里的幾個目標直接塞進一個返回值而不考慮量綱。既要成本最小又要時間最短直接相加會讓數(shù)值大的那項主導搜索。常見做法是先歸一化再加權把原始目標分別除以各自的最大值再乘權重相加。參考代碼里只留了一個適應度函數(shù)入口的話你的工作量就集中在這一處。3.3 神經(jīng)網(wǎng)絡參考代碼從 MLP 到 LSTM 的兩級方案預測類代碼一般分兩類同一時刻輸入輸出用 MLP按時間先后輸入輸出用 LSTM。很多參考代碼包會把兩層都放進去但先別急著用深度學習。先用 MLP 建立基線跑通了再換 LSTM這個順序能避免陷入黑匣子調(diào)參的泥潭。下面是 MLP 參考代碼的常見形態(tài)import numpy as np import pandas as pd from sklearn.neural_network import MLPRegressor from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler df pd.read_csv(data/train.csv) X df.iloc[:, :-1].values y df.iloc[:, -1].values X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42) scaler StandardScaler() X_train scaler.fit_transform(X_train) X_test scaler.transform(X_test) model MLPRegressor( hidden_layer_sizes(64, 32), activationrelu, max_iter500, random_state0 ) model.fit(X_train, y_train) print(train R2:, model.score(X_train, y_train)) print(test R2:, model.score(X_test, y_test))邏輯說明df.iloc[:, :-1]取所有行除最后一列默認最后一列是標簽train_test_split按八二劃分StandardScaler先 fit 再 transform測試集只做 transform不做 fit。這個順序是為了防止信息泄漏如果測試集也參與計算均值方差相當于把測試集信息暴露給模型。model.score在回歸問題里輸出的是 R2越接近 1 越好。參數(shù)說明hidden_layer_sizes(64, 32)表示兩個隱藏層神經(jīng)元數(shù)分別 64 和 32。層數(shù)和神經(jīng)元數(shù)不是越大越好賽題數(shù)據(jù)通常只有幾千行兩層 32~64 足夠。max_iter是最大迭代次數(shù)如果訓練還沒收斂就停了會看到警告調(diào)大到 800。activation保持 relu除非有特殊理由。random_state0保證每次跑的結果一致。時序類題目再用 LSTM。參考代碼里常見的是這種構造窗口的寫法import numpy as np def build_sequences(x, look_back10): Xs, ys [], [] for i in range(len(x) - look_back): Xs.append(x[i:i look_back]) ys.append(x[i look_back]) return np.array(Xs), np.array(ys) # 數(shù)據(jù)一維窗口 10 步 data np.loadtxt(data/series.csv) X, y build_sequences(data, 10) # LSTM 輸入要求 (樣本數(shù), 時間步, 特征數(shù)) X X.reshape(X.shape[0], X.shape[1], 1) print(X.shape, y.shape)邏輯說明look_back決定用過去多少步預測下一步Xs里每個元素是一個長度為窗口的片段ys是對應的下一個值。最后一定要把二維輸入 reshape 成三維第三維是特征數(shù)。這是 LSTM 參考代碼里最常見的結構門檻。這里有個容易翻車的細節(jié)時序數(shù)據(jù)生成序列時不能隨機打亂否則時間順序就沒了。MLP 那一步可以用train_test_splitLSTM 這步只能按時間前后切分。參考代碼里如果用random.shuffle處理時序數(shù)據(jù)說明它只適合做回歸示例不能直接套到趨勢預測上。壓縮包里如果給的是 LSTM 腳本先檢查它的數(shù)據(jù)預處理里有沒有打亂時序再決定要不要用。4. 避坑參考代碼運行時的五個典型坑與排查順序4.1 中文路徑和 Excel 編碼導致的讀取失敗現(xiàn)象pd.read_csv(數(shù)據(jù).csv)直接報 UnicodeDecodeError或者報 FileNotFoundError但文件明明在。這兩種報錯都讓人很煩躁因為問題不在代碼邏輯而在文件本身。原因Windows 下很多 Excel 另存的 CSV 是 GBK 或 GB2312 編碼而 pandas 默認用 UTF-8 讀路徑里的中文還可能被腳本當作亂碼處理。參考代碼通常是整理者在自己電腦上跑通的他可能從來沒遇到過編碼問題。解決讀取時指定編碼或者加一次兜底重試。try: df pd.read_csv(path, encodingutf-8) except UnicodeDecodeError: df pd.read_csv(path, encodinggbk)邏輯說明先按 UTF-8 讀讀不了再退回 GBK。這套邏輯能覆蓋絕大多數(shù)從中文 Excel 導出的 CSV。如果兩種編碼都失敗直接用文本編輯器把 CSV 另存為帶 BOM 的 UTF-8是最省事的方案。路徑里有中文導致的 FileNotFoundError比編碼問題更隱蔽排查時先打印os.path.abspath(path)看實際路徑再檢查文件名里的全角字符。4.2 NumPy 語法差異老代碼在新環(huán)境里報錯的替換寫法現(xiàn)象代碼里np.bool、np.float直接報 AttributeError或者程序停在一句類型判斷上提示 module numpy has no attribute xxx。原因參考代碼大多寫于 NumPy 1.24 發(fā)布之前老版本把np.float這類別名暴露在命名空間里新版本把它們刪掉了。參考代碼整理者通常不會為每個腳本做版本適配這類問題只能自己動手。解決把下面這個表記在心里遇到什么換什么。老寫法新寫法np.boolbool 或 np.bool_np.floatfloat 或 np.float64np.intint 或 np.int64np.objectobject替換完大多數(shù)情況就能跑。還有 pandas 的df.append在 2.0 里被移除老代碼如果用一句df df.append(new_row)會報屬性缺失改成pd.concat([df, new_row], ignore_indexTrue)。這些改動屬于機械替換不算改業(yè)務邏輯。如果替換完還報錯優(yōu)先看報錯堆棧最下面一行那才是真正出問題的地方不要在 warnings 里找原因。4.3 MATLAB 方案在沒裝 MATLAB 的機器上的替代路線現(xiàn)象.m文件雙擊打不開或者好不容易裝了個環(huán)境發(fā)現(xiàn)腳本用到某些工具箱函數(shù)報“函數(shù)未定義”。原因壓縮包里的部分參考代碼是 MATLAB 工作流寫的依賴統(tǒng)計工具箱或優(yōu)化工具箱而多數(shù)隊伍沒有正版授權網(wǎng)上找的替代品又容易在版本上出問題。解決用 Octave 跑大部分.m文件或者在包里找對應的 Python 實現(xiàn)。octave-cli model.m如果 Octave 報某個函數(shù)不存在八成是fitnlm、ga這類工具箱函數(shù)。處理辦法有兩個一是手動把這個函數(shù)翻譯成 scipy.optimize 里對應的接口二是直接放棄這批 MATLAB 代碼改用包里的 Python 版本。我的習慣是優(yōu)先找 Python 版本比賽時沒有時間花在翻譯語法上。還要注意一點MATLAB 和 Python 混在同一個文件夾時data.mat和data.csv可能同時存在腳本讀的未必是你以為的那個文件。跑之前看一眼代碼里的文件名不要想當然。4.4 矩陣維度與數(shù)據(jù)順序shape 不一致比報錯更隱蔽現(xiàn)象程序不報錯結果卻很奇怪比如所有預測值都接近同一常數(shù)或者優(yōu)化結果明顯偏離常識。這類問題最難查因為錯誤不會直接彈出來。原因最常見的是標簽和特征列順序不對、X 和 y 行數(shù)不一致、Excel 表頭被讀成一行數(shù)據(jù)。這三個問題都會讓模型在錯誤維度上訓練。解決在訓練前強制打印并斷言關鍵數(shù)據(jù)的形狀。print(X shape:, X.shape, y shape:, y.shape) assert len(X) len(y) assert X.shape[0] 1如果 X 是二維(n, 1)而算法要求(n, m)模型有可能把一個特征當多特征用數(shù)值上不報錯但預測結果會集中在均值附近。原因在于每個樣本攜帶的信息太少模型只能學到標簽均值。查法是這樣把特征名打印出來確認第一列不是序號再把第一行打印出來確認沒混入表頭。還要注意數(shù)據(jù)順序預測類題目按天給數(shù)據(jù)如果用隨機打亂的方式劃分訓練集和驗證集時間規(guī)律會被打散。參考代碼里如果帶了 shuffle要格外小心。時序數(shù)據(jù)只能按時間切分先看有沒有時間列有就按時間排序后再切。我見過有人把訓練集和驗證集混在一起標準化結果驗證時指標很好看提交后發(fā)現(xiàn)完全不可用這就是信息泄漏屬于數(shù)據(jù)順序問題里最傷的一種。4.5 隨機種子與結果復現(xiàn)為什么第二次跑結果不一樣現(xiàn)象同一份代碼第一次跑出 R20.83第二次變成 0.79遺傳算法兩次最優(yōu)解完全不同。很多隊伍在結果里寫“模型 R2 為 0.83”實際上這個數(shù)字根本不可復現(xiàn)。原因參考代碼沒有固定隨機種子初始化、劃分、變異都受隨機數(shù)影響。嚴格來說不可復現(xiàn)的結果不能作為論證依據(jù)。解決程序入口處固定種子。import random import numpy as np random.seed(0) np.random.seed(0) # sklearn 內(nèi)部還在 random_state 參數(shù)里固定 # tensorflow/keras 固定方式不同 import tensorflow as tf tf.random.set_seed(0)說明Python 標準庫random影響部分腳本numpy 影響大部分科學計算sklearn 基本靠random_state參數(shù)tensorflow 要單獨設種子。只固定一處不夠三處都要固定。固定種子以后前后兩次結果一致才能放心比較參數(shù)。如果固定完還是有浮動檢查代碼里有沒有在循環(huán)里調(diào)用np.random且沒有走同一個種子分支。5. 從參考代碼到自己的模型文件賽前 48 小時的驗證流程5.1 用一道舊題把四個模板跑通拿到參考代碼后最有效的第一個動作不是讀代碼而是找一道往年賽題把連續(xù)、優(yōu)化、預測三個模板分別套一次。目標不是得高分而是確認每個腳本都能輸入、運行、輸出結果。我會記錄每個腳本的運行時間超過十分鐘的算法文件先縮小數(shù)據(jù)規(guī)模跑通再決定要不要全量跑。這個預跑過程相當于給后面的比賽上保險。5.2 參數(shù)掃描參考代碼不夠好就調(diào)這些旋鈕跑通基線后不要再憑感覺調(diào)參直接做一個小網(wǎng)格搜索results [] for lr in [0.01, 0.001]: for hidden in [(32,), (64, 32)]: model MLPRegressor( hidden_layer_sizeshidden, learning_rate_initlr, max_iter500, random_state0 ) model.fit(X_train, y_train) results.append((lr, hidden, model.score(X_test, y_test))) for r in sorted(results, keylambda t: -t[2]): print(r)邏輯說明兩層循環(huán)遍歷學習率和隱藏層結構把每組參數(shù)對應的測試集 R2 記錄下來最后按從高到低排序。這樣選參數(shù)是有依據(jù)的而不是靠“感覺上次跑得好”。注意固定random_state0否則不同參數(shù)組之間的差異會被隨機噪聲干擾。如果參考代碼里已經(jīng)有 main 函數(shù)把它改造成接受參數(shù)的版本能省不少事。最后對每個提交結果做一次輸出檢查圖有沒有數(shù)據(jù)、坐標軸有沒有標簽、單位有沒有寫、參數(shù)表是不是和正文一致。有一次我為了趕時間把訓練集和驗證集一起標準化驗證集結果非常好看提交后才發(fā)現(xiàn)信息泄漏后悔藥都沒地方買。從那以后我每次跑參考代碼都強制走一遍固定種子、標準化只對訓練集 fit、結果先復現(xiàn)再提指標這三步。希望這套流程能幫到你。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
精品一二三区久久AAA片| 国外亚洲成AV人片在线观看| 嫩草AV久久伊人妇女超级A| 99在线精品免费视频| 丁香五月瑟瑟| 九九五月天| 欧美va亚洲va| 五月丁香啪啪综合| 亚洲天堂色色| 丁香花五月天婷婷成人社区| 色婷婷操逼| 美女天天艹人人爽| 亚洲激情婷婷| 国产成人网| 久久久宗合视频88| 久久精品视频99| 天天日夜夜高潮| 婷婷日| 九九色热视频| 丁香六月激情综合| 久热99久热| 97碰免费视频在线| 这里只有精品免费视频在线观看 | 天堂网啪啪| 免费观看亚洲AV片| 99爱免费视频| 另类专区在线观看| 五月天基地| 婷婷色女| 婷婷五月天国产| 亚洲AV成人在线| 国产麻豆视频| 日日骑夜夜撸| 亚洲精品永久久久久久| 成人免费120分钟啪啪| 亚洲五月天色色| WWW,色五月| 亚洲激情免费视频| 婷婷丁香五月综合| 色五月超碰| 五月丁香花伦理电影| 黄色激情五月天| 天天干天天爽| 日本精品99网站| 五月婷婷色播视频| 99久久久久久www| 丁香五月婷婷基地| 久久久99视频| 婷婷激情视频欧美视频自拍视频欧美剧| 婷婷五月天久久久| 久久九九国产| 五月丁香狠狠| 四川BBB搡BBB搡多人乱亂| 9久9久| 天天操天天操综合| 99热首页| 人人操插| 久久婷婷五月天激情| 欧美人与性动交CCOO| 大香蕉五月| 五月婷婷中文网| 色色五月丁香婷婷| 97资源碰碰在线| 亚洲激情电影五月天色婷婷丁香一起草 | 亚洲婷婷成人五月天| 九色婷婷| 超碰二区| 狠狠草在线观看| 五月天婷婷色| 九玖视频这里只有精品| 91精品久久久久久| 99re久热只有精品6在线直播.com| 三级成人网站| 99无码视频| 99九九在线观看免费| 精品皮股午夜AV| 色五月天综合网| 九九综合网色全集 | 久草五月天| 少妇真实被内射视频三四区| 欧美又粗又大一区二区在线观看| 丁香五月天啪啪| 秋霞av不能| 少妇人妻凹凸视频| 婷婷丁香六月天| 综合激情五月四射婷婷| 九九碰九九爱97超碰| 91久久国产综合久久| 五月丁香激情综合六月涩涩爱| 婷婷五月天丁香花| 日韩成人无码人妻| 97资源碰碰| 成年视频免费观看| 婷婷五月天视频| 一区=区操屄高清大全av| 丁香五月狠狠综合欧美| 婷婷五月花| 亚洲不卡| 久久六月综合| 五月丁香在线视频观看| 97色干| 激情综合亚洲| 婷婷五月天激情小说| 99精品一二三四视频| 第五色婷婷| 丁香花狠狠婷婷亚洲中文字幕| 日韩无码人妻一区二区三区综合| 久久A极片| 激情五月婷婷欧美极品 | 色婷婷五月天天天干天天操天天爽 | 思思久日精品视频| Www.久久| 亚洲色五月婷婷| 中文字幕在线不卡视频| www.五月天婷婷| 久久精品日| 五月天激情电影| 91婷婷丁香五月| 一起草日本| SESE无码AV| 丁香花社区av| 另类小说激情五月天| 五月天婷婷激情六月久久| Se.婷婷五月天| 亚洲成人在线播放| 五月天激情开心网| 久久码久久无清| 人妻久久久久久久| 丁香五月中文字幕| 五月丁香成人网| 久久久久亚洲A∨成人乱码电影| 综合婷婷| 99久久99热这里只有精品| 五月婷视屏在线观看| 婷婷丁香六月天激情四射网| 超碰国产在线观看| 婷婷五月天丁香花| 国产精品久久久爽爽爽麻豆色哟哟| 天堂爱爱| 九九无毛| 97丁香婷婷| 大香蕉婷婷| 欧美成人精品A片免费一区99| sS丁香五月婷婷| 五月婷婷六月丁香| 丁香成人色情五月天| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 五月婷六月| 九九超碰人人| 99热97| 国产夫妻操逼内射视频| 丁香五月天堂亚洲社区| 久艹大香蕉| www.色婷婷| 五月丁香综合网| 偷拍视频五月天| 五月婷九月| 婷婷色五月婷| mmm1717.6dbm人人爱人人操| 成人免费网站免费看| 97婷婷丁香| 五月丁香六月色婷婷综合五月天| 99热草草| 色五月91| 日日肏夜夜干| 色99视频| 天天日中文| 在线综合网| 嫩模aV在线| 亚洲婷婷免费| 骚货艹网站视频| 五月天婷婷爱| 婷婷五月激情黄色| 成人一级片| 梁铮版蜘蛛女在线观看| 婷婷中文网站| 欧美日韩中文国产一区发布| 四月婷婷五月丁香| 婷婷在线操| 免费超碰在线| 免费看欧美成人A片无码| 五月丁香龟婷婷| 九九精品热播| 超碰成人公开| 五月色综合| www激情网| 日韩av在线电影| 天天操夜夜操| 在线另类视频| 79色色色色| 综合激情五月丁香| 99啪在线| 日本女色人人| 97人人干| 综合网五月| 狠狠草天天草| 久久3p| 午夜国产精品AV在线播放| 99手机在线精品视频| 免费看欧美成人A片无码| 激情综合五月婷婷| 五月熟妇婷婷久久| 六月丁香久久| 丁香五月天婷婷91| 性爱网五月婷婷| 99爽视频| 五月天涩涩| 99爱免费在线观看| 九九re精品视频在线观看| 日本99视频| 婷婷丁香五月婷婷| 99免费视频在线观看爱| www.国产亚洲69ty.久久久久久久久久久久| 婷婷丁香五月天色色| 五月丁香色婷婷| 99热免费在线| 99热骚货| 天天激情综合| 久9久9久9久9久9久9| 婷婷综合丁香| 国产一级片| 能看的av| 五月亭亭性| 五月婷婷丁香伦理网| 婷婷色基地在线看 | 深夜婷婷五月丁香| 久久欧洲久久| 91超碰在线观看| 婷婷五月草| 丁香婷婷激情五月色| 婷婷狠狠操| 日韩人人操| 亚洲九区| 久久a热| 色婷婷丁香五月| 五月婷婷六月奇米网丁香| 色亚洲无码| 激情四射婷婷色色色| 激情综合网激情五月丁香五月俺也去| 无码人妻少妇色欲AV一区二区 | 深爱激情九九五月天 | 热九九在线| 婷婷六月色开| 日韩精品无码一区二区| 婷婷第六色| 丁香激情四射| 猫咪伊人久久| 九月婷婷色色| 91疯狂操操操操| 新激情五月开心五月婷婷五月丁香五月| 日本人妻A片成人免费看片| 日本久久9| 互月天综合| 狠狠操狠狠操AV| 成人电影AV在线观看| 五月丁香六月婷婷无码| 青青操日本摸摸看看| 久久综合伊人综合在线| 少妇伦子伦精品无吗| 天天天久久久| 天天日天天爽| 国产26uuu视频| 五月婷婷啪啪| 天天天久久久| 香蕉AV福利精品导航| 国产精品久久久99视频| 极品少妇XXXX精品少妇偷拍| www.日韩艹| 色99在线| 另类小说五月天综合网| 色婷婷成人色网| 九九热思思热| 91五月花丁香| 五月丁香自拍| 日91高清无玛| 日韩999| 91视频五月丁香| 丁香五月天啪啪| 五月花在线观看视频| 婷婷五月久久| 深爱婷婷丁香五月激情| 色综合色综合网| 深爱五月日韩| 婷婷五月天网址| 97色在线观看视频| 婷婷精品| 香蕉久久国产AV一区二区 | 五月激情久久| 国产.亚洲.欧洲视频在线| 天天插天天插| 五月婷婷综合激情| 四川BBB搡BBB搡多人乱亂| 狠狠色噜噜狠狠| 激情五月婷婷色| 天天做天天摸| 色五月天丁香婷婷| 丁香五月性爱| www久久久久久久久久久久久久久久久| 久久曰9| 日操夜操天天操不卡| 婷婷五月丁香人妻无码高清| 男人天堂99| 欧美久热| 婷婷性爱无码视频| www激情婷婷com| 久久久久人妻精品| 五月婷婷基地| XX色综合| enecarbon-materials.com污K127封锁请涟系@wip1688 | AV在线中文| 97人人射| 麻豆五月丁香婷婷| 五月天久久综合婷婷| 影音先锋天天日| 99九九久久| 99热精品在线| 99在线播放| 91视频精品99| 九九爱看亚洲| 综合性爱网| 精品久久艹| 色情成人五月天| 国精产品一区一区三区免费视频| 丁香六月青青草| av在线免费播放| 内射 无码 伊人| 激情丁香久久| 色色激情五月天| 襙比视频| 4438激情网| 色婷婷亚洲婷婷| 99国产在线精品视频| 婷婷激情五月天激情小说| 999热在线视频| 五月丁香综合久久| 五月天丁香久久| 婷婷综合| 9 99免费视频| 天天做综合网色综合| 午夜不卡成人一区二区| 五月丁香婷婷啪啪网| 婷婷色五月天在线| www.99热这里只有精品| 婷婷五月天综合蜜桃| 海外网站专业操老外| 色五月激情综合网| 日本高清久| 六月婷婷影院| 婷婷激情五月| 丁香玖玖视频大全| 99五月香婷婷丁香在线视频| 亚洲色五月婷婷| 丁香激情综合| 26UUU亚洲欧美| 日本三级中文字幕| 91色欲综合| 狠狠色综合网| 91色五月| 天天日天天色| 亚洲狠狠狠| www.久久| 丁香婷婷色九月| 国产精品第一国产精品| 色色色热热热| 國語久久婷| 99精品22| 欧美亚洲操逼| 夜夜躁狠狠| 91综合在线视频| 综合天堂AV久久久久久久| 8区视频在线| 视频色色色色色色| 小视频一区 | 婷婷色丁香六月| 99re这里只有精品国产99| 五月五月婷婷| 丁香六月婷婷激情| 五月丁香啪| 97人人干人人操| 99热首页| 热99在线| 五月婷婷激情久久| 色综合天天天天做夜夜| 天天日人人爽| 色亚洲色宗合| 婷婷激情另类| 99视频精品视频| 九热免费视频| 日本一级一片免费视频| 99视频久久久| 秋霞丝袜啪啪啪| 狠狠婷婷日韩| 超碰免费人人肏| 农村熟妇高潮精品A片| 五月丁香啪啪网| 一区二区成人电影| 久久久久婷婷| 这里只有精品免费视频| 亚洲欧美婷婷五月色综合| 玖玖婷婷五月天| 五月色丁香| 这里只有精品视频在线| 另类视频五月天| 色丁香五月| 婷婷综合色播网| 婷婷十月丁香| 五月天婷婷在线观看| 五月丁六月婷| 久久免费婷婷视频| 五月婷婷av| 婷婷综合网| 久色婷婷200| 噜噜噜噜综合在线| 丁香婷婷五月| 激情五月影院| 成人版视频在线观看| 久久精品系列| 五月婷婷色情| 26uuu| 丁香五月电影| 狠狠综合| 天天干人人奸97| 色色色com| 91呦呦呦| 免费人人操| 综合一区二区三区| 丁香五月色| 激情久久四色| 五月天久久www| 婷婷深爱五月丁香网| 99思思热只有在这里看| 欧美黄色韩日网| 色五月婷婷网| jiZZdr| 欧美激情综合色综合啪啪五月| 国产精品激情AV久久久青桔| 激情综合4月| 丁香五月天激情视频| 激情五月丁香五月| 色五月婷婷久久| 日韩成人网站精品久久大全| 无码成人AAAAA毛片AI换脸| www.五月婷婷久久.com| 99精品视频播放| 丁香五月六月婷婷怡红院| 久久久.www| 久婷婷色| 99国产欧美视频| 婷婷刺激综合| 久鲁鲁色网| 热思思九九| 97婷婷五月天| 色婷婷婷婷| 五月婷丁香| 99色一| 亚州激情九月| 人人爱国产| 婷婷五月天色综合翘| 日B日潘金莲BB| 色婷婷电影网| 91操人| 婷婷久久亚洲| 91精品综合久久婷婷九色| www.色婷婷| 五月情四婷婷| 综合九九久久| 无码99| 精品99只有。| 国产精品视频免费看| www五月| 婷婷中文字幕版| 99综合成人视频在线观看| 91丨九色丨高潮丰满日本| 婷婷第六色| 在线视频九色97| 啪啪 综合网| 888精品福利地址| 不卡成人免费| 一起草AV| 五月天婷婷人妻| 综合色五月| 99久久人妻精品无码二区| 夜夜爱网站| 婷婷五月综合激情| 色色色色色日韩午夜激情| www.黄色片-久久成人国产精品在线播放-999AV| 无码地址| 99热在线观看99| 99热综合网| 四月婷婷丁香| aaa丁香五月天| 91丨九色丨老熟女激情| 99热一区| 五月婷婷激情综合av| 成人天天爽| 亚洲AV永久无码影院黑人 | 激情五月综合六月丁香婷婷狠狠干| 久久99草五月婷婷| 97色色色| 天天爱天天爽| 婷婷色播综合五月| 操操天堂| 亚洲欧美日韩另类| 天天天天做夜夜夜夜做| 嫩草视频在线观看| 92久操视频| 超碰av在线| 色色色热| 五月丁香欧美综合免费视频| 97福利视频| 狠狠色婷婷色| 国产乱人偷精品人妻A片| 久久综合丁香| 五月激情六月宗合| 激情久久天天| 精品99这里有| 伊人五月婷婷| 啪啪色激情五月天| 国产肥白大熟妇BBBB视频| 26UUU欧美激情一区二区| AV伊人青草丁香六月| 人妻精品一区二区三区| 在线91日韩| 人人人舔人人人操人人人摸人人人97| 丁香五月天久久| 激情婷婷亚洲五月| 强辱丰满人妻HD中文字幕| 性爱AV天堂| 中文av网站| 97人人操人人爽| 黄网免费观看| 丁香婷婷五月激情| 五月天综合网| 99视频这里只有免费精品| 91一起操| 久久久久久久五月婷婷六月丁香综合,开心激情综合网 | 激情深爱五月天| 久久日曰| 人人播| 最新AV在线观看| 久久综合五月| 91日视频| 丁香婷婷五月综合色情| 大香蕉九九| 久久综合九九| 五月激情丁香六月狠狠干| 九九热精品在线| 天天综合激情| 久久人妻熟女一区二区| 六月五月婷婷| 综合超碰熟| 能看的AV| 狠狠色色| 成人国产欧美大片一区| 日韩欧美一级大黄网站| 91色干| 97婷婷丁香| 九九久久五月天| 色婷婷视频在线| 丁香婷婷综合精品六月初| 婷婷色在线| 日在线V视频在线播放| 五月丁香色停停啪啪啪| 激情伊人五月天| 日本九九网| 久99久在线| 这里只有精品亚洲| 亚洲电影在线观看| 五月天婷婷爱| 激情四射网| 91九九| 久久久精久人妻| 天天综合网色欲香| 久久xxxx| 丁香五月在线观看综合| 888久久久| 色五月成人| 综合激情开心五月| 亲子乱AV-区二区三区| 99在线免费观看| 九九色精品| 国产成人精品一区二区三区视频| 99在线精品视频免费观看20| 色哟哟精品| 丁香五月影院| 五月天婷婷乱论小说| 久久9视频| 一级AV片| 五月丁香啪啪综合| xxx综合在线| 久碰久| 久99热| 人人色AV| 五月丁香综合成人社区| 极品少妇高潮啪啪AV无码| 99国产这里只有精品| 亚洲AV综合网| 久久精品熟女亚洲AV麻豆| 欧美日韩成人在线网| 国产裸舞福利资源在线视频| www色综合亚洲92| 这里有精品| 久久99激情丁香婷婷小说网| 亚洲va日| 五月丁香啪。| 亚洲乱码日产精品BD| AV性爱在线| 激情的五月婷婷蜜桃| 去色色五月天| 亚洲精品字幕在线观看| 日本WWW九九九| 综合狠狠干| AV无码免费| 九七色色六月丁香| 大香蕉婷婷| 色五月激情婷婷| 久久综合激情五月天| 久久丁香九| 99这里只有精品| 久久九精品| 久久99热精品a片在线观看| 五月丁香啪啪婷婷| 97成人视频| 丁香六月婷婷综合| 欧美啪啪9| 天天干天天爽天天爽| 91操碰| 久久大香免费| 玖玖婷婷色欲| 久久久婷| 五月丁香| 色噜噜五月天| 中文乱子伦视频| 天天色伊人| 超碰在线国产| 婷婷大乡焦噜噜| 狠狠干.com| 激情五月婷婷综合| 婷婷四色五月| 天天做天天爱| 99热这里只有精品最新| 六月五月久久丁香| 成人五月天综合网| 五月婷啪| 91综合在线视频| 狠狠色婷| 日日噜噜夜夜狠狠久久丁香五月| 婷婷色导航| 五月婷婷啪| 久久色五月天| 中文av网站| 色欲天天综合| 丁香五月激情性色郤| 99热这里只有精品国产免费| 亚洲人妻av| 亚洲一区国产传媒| 啪啪六月婷婷| 欧美日韩五月婷婷| 自拍视频在线观看9| 婷婷五月五月丁香| 熟女色色一区二区| 亚洲精品国产A久久久久久| www.色五月| 天天干天天干天天干天天干天| 婷婷色色丁香五月天| 丁香五月在线观看| 99亚洲视频| 99热在线只有精品| 色丁香五月| 99爱视频在线播放| 色婷婷婷婷五月天| 丁香五月激情在线| 激情综合丁香五月| 四月丁香五月婷婷久久| 天天日综合| 色五月天成人| 五月婷婷影院| 色99在线观看| 97超碰综合| 亚洲另类电影| 日日夜夜狠狠| 啊v视频在线观看| 超碰在线成人| 日本乱子人伦在线视频| 久久se 综合网 | 永久的网站AAAA| 九九热色视频| 亚洲精品操一操、噜一噜、摸一摸、爽 | 色婷婷成人| 99免费| 日韩成人电影AV| 天天干天天干天天干| 8090在线影视少妇| 狠狠噪| 天天久久婷婷| 先锋资源91| 91超碰在线观看| 99re最新地址视频| 人人人人人人人人人草| 五月婷婷婷自由综合| 播五月丁香六月| 亚洲国产99| 久久免费操| 色色丁香| 国自产拍偷拍精品啪啪一区二区| 狠狠爱综合| 欧美色男人网站| 91碰操| 激情久久 婷婷| 夜夜 操无码| 亚洲精品色色| 欧洲精品欧洲情| 色噜噜狠狠狠综合曰曰曰| 久热这里只有精品视频免费观看| 婷婷激情六月视频| 日韩AAAAA| 国精产品一区一区三区免费视频 | 男女久久婷婷五月天| 99亚州综合精品成人网| 99久久99久久| 婷婷久久综合| 九日日夜夜69| 成人网站免费在线播放| 另类色视频| 99热久草| 人妻AV在线观看| WWW.国产| 五月情涩综合婷婷| 日本老女人黄页在线播放| 五月色无码| 26uuu精品一区二区| 久婷婷| 成人午夜无码视频| av操逼网| 色色五月婷婷久久| 99热这里只有精品10| 丁香美女主播视频在线观看| 9精品在线| 国产成人综合网| 丁香九色不卡aaa | 99噜噜噜| 新99色色色色色色| 欧美色婷婷| 天天日天天色| 五月天色欧美| 在线va网站| 这里只有精品免费视频| 人妻内射视频| 人人97操| 激情com| 色五月婷婷小说亚洲中文字幕组| 人人摸人人| www。五月,com| 九九色综合| 亚洲欧美另类在线23p| 久久伊人五月天| 超碰熟女农村在线69| 亚洲中文字幕网| 天天色天天爱天天爽| 99ri视频| 男人的天堂99| 五月天另类综合网| 超碰在线中文字幕| 综合欧美五月婷婷| 97人人干人人操| 一本久道综合色婷婷五月| 久久机热/这里只有精品| 中文字幕欧美精品久久| 久久99这里只有精品| 欧美成人精品一区二区 | 97成人在线视频| 五月激情丁香六月狠狠干| 野战毛片三一3| 牛色色碰| 天天日天天舔天天摸 | 成人AV免费观看| 六月婷婷五月天| 96精品成人无码A片观看金桔 | 日韩少妇内射免费播放| 99热在线观看免费中文| 婷婷五月天AV| 久久3级片| ,99视频久久| 99综合免费视频| 91综合在线观看首页| www.五月天。com| 五月天激情小说| 在线中文亚洲| 五月婷婷 激情五月| 亚洲亚洲人成综合网络| 婷色五月| 超碰在线免费| 亚洲免费视频网站| 天天爽综合网| http:色情日本com| 中文字幕丰满乱孑伦无码专区| 成人免费在线电影| 亚洲四色五月| 日韩欧美四五区| 婷婷五月天av| 欧美99| 中文色婷婷| 婷婷的色色五月天| 亚洲天堂aaa| 人人摸人人干| 激情五月天网页| 成人精品一区日本无码网| 色综合网上班开心婷婷久久| 亚洲综合网 665566| 丁香五月婷婷99| 色婷婷丁香五月天| 色色五月婷婷网| 婷婷性爱无码视频| 欧美电影在线播放| 五月丁香婷婷五月色| 天天天天干| 五月天婷婷综合久久| 日韩欧美颜射| 狠狠综合| www.99热这里只有精品| 伊九九三级区| 九月丁香婷婷| 99在线精品视频免费| 色婷五月天| 99热婷婷| 婷婷丁香在线| 96人人操人人操人人| www.久久| 天天在线久久综合| 在线播放人妻| 六月丁香五月激情婷婷| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 久久精热| 99人妻碰碰碰久久久久| 五月婷婷在线免费观看| 色婷婷情片| 婷婷丁香五月激情| 五月天激情图片网| 97干在线播放| 综激情网| 免费精品99| 五月婷婷丁香深深爱| 熟女人妻一区二区三区免费看| 久久这里在精品视频| 日产精品久久久久久久蜜臀| 色丁香在线视频| 五月丁小婷婷激情四射| 久久久人妻系列| 99在线视频女女视频| 国产精品色婷婷久久久精品| 超碰九九热| 天天干 夜夜爽| 久久精品国产色| 婷婷99狠狠躁天天久久久九九九| 亚洲激情97五月天| 天色色综合网| 天天综合五月天| 99五月丁香丁| 人妻熟女一区二区AV| 这里只有精品网站| 99资源在线视频| 久久婷婷五月天| 99在线视频精品| 丁香9月婷婷| 亚洲网站999| 播五月婷婷开心| 最近中文字幕大全免费版在线 | 久操干| 日日干日日| 久久99热 这里有精品| 丁香五月婷婷高清| 大香蕉天堂| 天天舔天天摸天天射| 日本激情综合| 激情综合网五月| 精品一区二区三区四区五区六区介绍| 婷婷伊人五月天| 婷婷五月天AV在线| 99er精品| 成人在线免费网址| 色综合激情| 快乐激情五月色婷婷| 亚洲激情网| 五月丁香六月成人| 五月六月丁香激情| 都市激情小说婷婷| 丁香五月综合亚洲| 亚洲综合五月天综合| AV天堂淫乩| 4399成人黄A片| 色色五月天丁香婷婷| 91在线看免费 九九九九| 婷婷色狠狠| 五月激情四射网站| www.97视频| 日韩中文字幕| 亚洲AV在线免费看| 欧美顶级少妇做爰HD| 狠狠狠狠狠狠| 91五月天| 天天天天操| 国产成人+综合亚洲+天堂| 五月天开心激情综合网| 夜夜爱网站| 丁香色婷婷五月天| 天天操夜夜操| 99热99在线| 大香蕉久| 欧美成人猛片AAAAAAA| 99网| 亚洲综合色成丁香五月色| 国产五月视频| 1024成人免费看| 婷婷在线日韩综合| 成人精品免费在线观看| 一级性感毛片| 色婷在线视频| 97操碰视频| 高清无码入口| 97色色视频| 无码日本精品XXXXXXXXX| 69精品人人人人| 色五月婷婷在线观看第一页舔| 色婷婷基地 | 五月丁香婷婷五月色| 91人妻人人操| 96色婷婷| 97操碰在线视频| 99热在线观看精品| 这里都是精品99| 五月天另类综合网| 色婷五月天网站| 亚洲 六月 综合| 六月婷婷在线| 波多野结衣AV无码Porn| 成人短视频在线| 天天草天天爽| 成人无码精品1区2区3区免费看 | 久草热在线视频| 久久9精品| 久久久人妻| 色欲色欲久久宗合网| 亚洲免费成人电影AV| 大香蕉啪啪啪啪啪啪| 97干欧美| 五月天激日本色情在线| 蜜臀嫩草| 开心深爱激情网| 丁香五月婷婷啪啪| 国产成人AV| 操比激情五月| 国产操碰| 天天做天天爰天天爽天天无遮挡| 色色综合网络| 成人 在线 日韩| 色婷婷电影网| 五月婷婷精品视频| 五月丁香花视频| 女性自慰系列第五页| 久久五月激情网| 激情婷婷五月社区| 99操逼| 大地资源色婷婷视频在线| 日韩精品呦呦va| 激情亚洲婷婷| 97色色色视屏| 5月婷婷6月六月丁香| 91精品久久久久久| 亚洲A片成人无码久久精品青桔 | 五月婷婷激情综合| 欧美性爱专区| 综合激情在线视频| 激情网站五月| 色人妻五月| 乱码操操| 俺也去五月婷婷丁| 好色婷婷| 亚洲天天免费| 夜夜夜夜夜骑撸| 97色色网| 久99久视频精品| 婷婷97碰碰| 亚洲影院婷婷色| 爆乳熟妇一区二区三区爆乳照片| 五月丁香啪啪啪啪| 国产精品国产| 精品影院| 噜噜操操| 色亚洲视频| 婷婷狠狠97| 四川女人毛多水多A片| 99ri视频在线播放| 五月伊人视频在线看| 综合XX网| 伊人无码高清| 在线你懂的亚洲欧| 激情二色月| 婷婷丁香激情综合色情| 99久久九九视频| 九九热自拍| 久久久五月婷婷| 色婷婷电影| 狠狠爱婷婷五月天| 激情五月婷婷| 99热免费在线| 欧美交换配乱吟粗大25P| 色情开心五月| 婷婷的五月天另类视频| 丁香美女五月天婷婷| 激情AV网| 亚洲人妻AV| 亚洲色色香蕉| 国产乱人偷精品人妻A片| 六月丁香激情| 久久伊人日日夜夜| 综合激情视频| 色色网91| anquye五月| 亚洲热热视频| 99精品视频推荐| 日本性激情色播| 九九热av| 在线伦子99热| 武汉美女啪啪视频免费一级片| 九月婷婷综合| 五月天停停日日| 色色色色色五月丁香| caopeng97日韩| 五月天啪啪啪| 草草影院爱爱| 国精产品一区二区三区| 天天干,夜夜爽| www久久久久久久97| 天天碰夜夜爽| 亚洲综合五月天| 99精品在线观看| www.夜夜操| 久久久久9久无码视频| 翔田千里aV中文字幕| 99日本精品视频热| 在线看av| 久久人妻系列| 欧美精品999| www.色综合| 日日操夜夜撸| 五月做爱| 激情综合亚洲色婷婷五月| 亚洲综合五月天婷婷丁香| 91.com男女操| 五月婷婷六月情| 99热超碰人| 丁香婷婷射| 丁香五月社区| 深爱婷婷基地| 大香蕉综合网| 婷婷五月天激情网| 精品99在线| 亚洲色夜| 色五月大| 婷婷久久在线| 五月天 另类图片| 五月天婷婷婷| 日日干日日s| 国外亚洲成AV人片在线观看| 99热 在线观看| 亚洲天堂色色| 色色无码日韩| 五月天激情小说| 99碰碰| 亚洲综合色婷婷| 色狠狠999综合| 激情五月天婷婷丁香| www天堂99| 亚洲噜色| 日本乱子人伦在线视频| 五月丁香六月婷婷不卡免费无码| 大香蕉啪啪啪| 五月人人丁香婷婷五月人人丁香| 六月激情婷婷| 婷婷五月天综合激情| 丁香婷婷深情五月亚洲| 色婷婷久久| 99亚洲视频| 欧日美女Va| 热久久这里只有精品| 狠狠色五月激情| 成人做爰A片免费看网站找不到了| 激情无码五月天| 国产亚洲精品久久久久久豆腐| 婷婷六月丁香激情综合| 色婷婷丁香A片区毛片区女人区| 狠狠色丁婷婷日日,伊人激情综合网| 天天干,夜夜爽| 天天操天天爽天天爱| caop视频| 婷婷五月天激情丁香| 婷婷综合在线网| 婷婷五月天天天| 久久总和99| 色色色婷婷五月天| 九九99在线免费在线观看视频| 日韩高清成人| 色狠狠综合| 久久五月丁香| 亚洲99在线| 337久久| 99热免费在线| 久久99久久99精品免观看粉嫩| 亚洲美女高潮久久久久久69| 男女99免费视频| 丁香婷婷啪啪| 爱草视频在线| 一级黄色片看看| 日本一级黄色电影| 久久亚洲婷婷| www.狠狠干| 久超免费视频| 丁香六月婷婷综合缴| 一区二区乱码视频| 色久综合| 91视屏在线观看com.wwwvv| 1024亚洲无码| 成人在线99| 99ri精品视频在线观看| 777精品久无码人妻蜜桃| 麻豆123区| 日本三日本三级少妇三级66| 激情另类综合| 五月丁香综合激情在线观看| 河北真实伦对白精彩脏话| 婷婷五月视屏| 91超级碰| 伊人综合网站| 天天爽,夜夜爽| 丁香五月婷婷啪啪| 精品夜夜澡人妻无码AV| 欧美成人性爱网| 五月丁香色色网| 无码免费人妻A片AAA毛片西瓜| 久久九九蜜| 任你日视频| 亚洲午夜av| 婷婷伊人久久综合| 超级碰碰碰97免费| 亚洲中文字幕在线观看| 色综合久久久久久久久五月| 二级黄色毛片| 激情五月天色播| 色色 9| 99riAV国产精品视频| 韩国真做片在线观看| 日日插日日干| 超碰不卡在线| 成人综合网站| 天天日天天爽夜夜爽| av中文在线| 五月天久久婷| 狠狠穞A片一區二區三區| 色色网站免费在线视频| www.com久久久久久久久久久久久久久久久| 无码色| 99色色网站| 涩涩婷婷五月| 六月婷婷色综合| 婷婷五月婷| 99热大全在线观看| 伊人高清无码| 亚洲色婷婷五月| 色五月婷婷中文字幕| 亚洲天堂色| 性视频久久| 26uuu亚洲欧美另类| www一起操| 亚洲黄色影视| 狠狠干夜夜干| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 伊人丁香在线| 欧美性爱五月天| 久久久婷丁香五月| 热久久这里只有三级视频| 色五月亚洲| 激情综合网激情五月天| 五月视频日本免费观看| 激情婷婷网| 精品国产乱码久久久久久免费| 99人妻碰碰碰久久久久视| WWW.开心五月天.COM| 欧美综合五月丁香六月婷| 色综啪啪网| 五月天激情图片| 五月婷婷视频| 91啪级电影| 亚洲av网站| 月色色综合婷婷网| 少妇人妻偷人精品无码视频新浪| 五月丁香亭亭| 丁香综合网| 精品一区二区三区四区五区六区介绍| 五月激情综合网| 亚洲人妻一区二区| 久久这里只有精彩| 婷婷五月激情的图片| 琪琪色综合网站| 亚洲色婷婷| 日韩久热| 无人精品在线视频| 森林影视大全,最好看的2019年视频 | 991自拍视频| 99热这里只有精| www激情| 成人五月天视频| 初夜av| 97色色色色色色色| 婷婷久久丁香五月| 天堂网操| 午夜天堂一区人妻| www.日日夜夜.com| 久久精品系列| 夜夜撸日日骑| 激情五月综合免费| 五月天婷婷综合久久| 99热久草| 一起草日本| 美女婷婷激情亚洲| CHINESE熟女老女人HD视频| 天天干天天色综合| 婷婷五月,偷窥偷拍网| 99re热视频这里只精品| 五月丁香六月情亚洲| 亚洲综合丁香五月| 99色视| 色五月婷婷中文字幕| 99在线免费视频| 婷婷综合网性| 中文字幕在线人妻| 伊人久久丁香五月91| 久久久av久av久片一区二区| 内射爽无广熟女亚洲| 天天日天天爽夜夜爽| 五月丁香六月婷| 日良久久| 久草视频一,二三四| 99这里| 欧美综合激情丁香五月六月婷| 中文字幕色色| 五月天激情视频五月天| 极品人妻videosss人妻| 色五月激情五月丁香五月婷婷啪啪综合| 婷丁五月| 性一交一乱一交A片久久四色| 欧美激情久| 婷婷五月激情五月丁香五月| 超碰激情五月| 五月久久丁香| 美女婷婷激情亚洲| 日本乱子人伦在线视频| 青青草国产亚洲精品久久| 无码日本精品XXXXXXXXX | 丁香五月综合| 99热这里只有精品中文字幕| 亚洲五月天激情| 高清无码网址| 热99在线| 深爱婷婷网| 久热九九| 中文字幕无码人妻少妇免费视频|