积分商城

最新搜索： qn8035 CCS3.3 PCB 小孙学变频 TB62726 arduino IDE
您现在的位置是：首页 > 技术资料 > 基于U形卷积神经网络的震相识别与到时拾取方法研究
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于U形卷积神经网络的震相识别与到时拾取方法研究

更新时间：2019-12-30 18:00:44 大小：2M 上传用户：songhuahua查看TA发布的资源 标签：卷积神经网络 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

精确获取震相到时是地震定位和地震走时成像等研究的重要基础.近年来,随着地震台站的不断加密,地震台网监测到的地震数量成倍增长,发展快速、准确、适用性强的震相到时自动拾取算法是地震行业的迫切需求.本文在前人工作基础上,发展了Pg、Sg震相自动识别与到时拾取的U网络算法(Unet＿cea),使用汶川余震和首都圈地震台网记录的89344个不同震级、不同信噪比的样本进行训练和测试.研究表明,U网络能够较好地识别Pg、Sg震相类型和拾取到时,Pg、Sg震相的正确识别率分别为81%和79.1%,与人工标注到时的均方根误差分别为0.41s和0.54s.U网络在命中率、均方根误差等性能指标上均明显优于STA/LTA和峰度分析自动拾取方法.研究获得的最优模型可以为区域地震台网的自动处理提供辅助.


部分文件列表

文件名 大小
基于U形卷积神经网络的震相识别与到时拾取方法研究.pdf 2M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
第
卷 第  
期
８
地
球
物
理
学 报  
ꢀ
，
Ｖｏｌ．６２ Ｎｏ．８  
６２  
ꢀ
ꢀ
ꢀ
ꢀ
年
月
８
，
Ａｕ ．２０１９  
ｇ
２０１９  
ＣＨＩＮＥＳＥ ＪＯＵＲＮＡＬ ＯＦ ＧＥＯＰＨＹＳＩＣＳ  
ꢀ ꢀ ꢀ  
， ，  
赵明 陈石 房立华等  
， （）：  
６２８ ３０３４３０４２  
－
，
基于 形卷积神经网络的震相识别与到时拾取方法研究 地球物理学报  
．２０１９． Ｕ ．  
：
／
ｄｏｉ１０．６０３８ｃ ２０１９Ｍ０４９５．  
ｊｇ  
，
，
，
ＺｈａｏＭ ＣｈｅｎＳ Ｆａｎ Ｌ Ｈ ｅｔａｌ．２０１９．Ｅａｒｔｈｕａｋｅ ｈａｓｅａｒｒｉｖａｌａｕｔｏ ｉｃｋｉｎ ｂａｓｅｄｏｎ Ｕｓｈａｅｄｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌ  
ꢀ ꢀ ꢀｐ  
ｐ ꢀ  
ꢀ
ꢀ
ｇ
ꢀ
ｑ
ꢀ
ꢀ
－
ｐ
ｇ
ꢀ
ꢀ
ꢀ
－
ꢀ
（
）， （）：  
，
： ／  
ｎｅｔｗｏｒｋ．ＣｈｉｎｅｓｅＪ．Ｇｅｏ ｈｓ．ｉｎＣｈｉｎｅｓｅ ６２８ ３０３４３０４２ｄｏｉ１０．６０３８ｃ ２０１９Ｍ０４９５．  
ｊｇ  
ꢀ
ꢀ
－
ｐ ｙ  
基于 形卷积神经网络的震相识别与  
Ｕ
到时拾取方法研究  
，
２３  
１
１
１
＊
，
，
，
赵明 陈石 房立华  
ＤａｖｉｄＡ Ｙｕｅｎ  
ꢀ ꢀ  
，
中国地震局地球物理研究所 北京  
１
２
３
１０００８１  
ꢀ
，
美国哥伦比亚大学应用物理和应用数学系 纽约  
１００２７  
ꢀ
，
中国地质大学大数据学院 武汉  
４３００７４  
ꢀ
， ，  
摘要 精确获取震相到时是地震定位和地震走时成像等研究的重要基础 近年来 随着地震台站的不断加密 地震  
．
ꢀ
， 、 、  
台网监测到的地震数量成倍增长 发展快速 准确 适用性强的震相到时自动拾取算法是地震行业的迫切需求 本  
．
，
文在前人工作基础上 发展了  
、
Ｐ Ｓ  
ｇ ｇ  
（
网络算法  
Ｕ Ｕｎｅｔｃｅａ  
＿
），  
震相自动识别与到时拾取的  
使用汶川余震和首都圈  
、
个不同震级 不同信噪比的样本进行训练和测试 研究表明  
．
，
网络能够较好地识别  
Ｕ
ｇ ｇ  
、
地震台网记录的  
８９３４４  
Ｐ Ｓ  
， 、  
Ｐ Ｓ  
ｇ ｇ  
，
与人工标注到时的均方根误差分别为  
８１％ ７９．１％  
震相类型和拾取到时  
震相的正确识别率分别为  
和
０．４１ｓ  
、
网络在命中率 均方根误差等性能指标上均明显优于  
／
ＳＴＡ ＬＴＡ  
和
和峰度分析自动拾取方法 研究获得  
．
０．５４ｓ．Ｕ  
的最优模型可以为区域地震台网的自动处理提供辅助  
．
； ； ；  
网络 震相识别 区域地震台网 汶川余震  
关键词  
Ｕ
ꢀ
：
／
ｄｏｉ１０．６０３８ｃ ２０１９Ｍ０４９５  
ｊｇ  
，
２０１８０８１３ ２０１９０３０１  
－
中图分类号  
收稿日期  
收修定稿  
Ｐ６３１  
ꢀ
－
－
－
Ｅａｒｔｈｕａｋｅ ｈａｓｅａｒｒｉｖａｌａｕｔｏ ｉｃｋｉｎ ｂａｓｅｄｏｎＵｓｈａｅｄｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ  
ꢀ ꢀ ꢀ  
ｐ
ꢀ
ｐ
ꢀ
ꢀ
－
ｐ
－
ꢀ
ꢀ
ｑ
ｇ
ꢀ
，
２３  
１
１
１
＊
，
，
，
ＣＨＥＮＳｈｉ ＦＡＮＧＬｉＨｕａ ＤａｖｉｄＡ Ｙｕｅｎ  
ꢀ ꢀ ꢀ ꢀ  
ＺＨＡＯ Ｍｉｎ  
ꢀ
ｇ
ꢀ
，
，
，
１Ｉｎｓｔｉｔｕｔｅｏ Ｇｅｏ ｈｓｉｃｓ ＣｈｉｎａＥａｒｔｈｕａｋｅＡｄｍｉｎｉｓｔｒａｔｉｏｎ Ｂｅｉｉｎ １０００８１ Ｃｈｉｎａ  
ꢀｆ  
ｐ ｙ ｊ ｇ  
ꢀ
ꢀ
ｑ
ꢀ
ꢀ
，
，
，
ｌｉｅｄＰｈｓｉｃｓａｎｄＡ ｌｉｅｄ Ｍａｔｈｅｍａｔｉｃｓ ＣｏｌｕｍｂｉａＵｎｉｖｅｒｓｉｔ ＮｅｗＹｏｒｋ１００２７ ＵＳＡ  
ꢀ ｙ ꢀｐｐ  
２Ｄｅａｒｔｍｅｎｔｏ  
Ａ
ꢀ ｐ ꢀｆ ｐｐ  
ꢀ
ꢀ
ꢀ
ｙ
ꢀ
ꢀ
ꢀ
，
，
，
３Ｄｅａｒｔｍｅｎｔｏ Ｂｉ Ｄａｔａ ＣｈｉｎａＵｎｉｖｅｒｓｉｔ ｏ Ｇｅｏｓｃｉｅｎｃｅ Ｗｕｈａｎ４３００７４ Ｃｈｉｎａ  
ꢀ ｐ ꢀｆ  
ｙ ｆ  
ꢀ ꢀ  
ｇ
ꢀ
ꢀ
ꢀ
ꢀ
Ａｂｓｔｒａｃｔ Ａｃｃｕｒａｔｅｓｅｉｓｍｉｃ ｈａｓｅａｒｒｉｖａｌｔｉｍｅ ｉｃｋｉｎ ｉｓｔｈｅｂａｓｉｓｆｏｒｅａｒｔｈｕａｋｅｌｏｃａｔｉｏｎａｎｄ  
ｇ ꢀ  
ꢀｐ ꢀ ꢀｐ ꢀ ꢀ ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ｑ
ꢀ
ꢀ
ｓｅｉｓｍｉｃｔｒａｖｅｌｔｉｍｅｔｏｍｏｒａｈ ．Ｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｏｆｓｅｉｓｍｉｃｓｔａｔｉｏｎｓａｎｄｔｈｅｉｍ ｒｏｖｅｍｅｎｔｏｆ  
ｇ ｐ ｙ  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ｐ  
ꢀ
ꢀ
ꢀ
ꢀ
，
，
ｍｏｎｉｔｏｒｉｎ ｃａａｂｉｌｉｔｉｅｓ ｉｔｉｓａｎｕｒｅｎｔｎｅｅｄｔｏｄｅｖｅｌｏ ｆａｓｔ ａｃｃｕｒａｔｅａｎｄａｄａｔａｂｌｅａｌｏｒｉｔｈｍｓ．  
ꢀ ꢀ ꢀ ｇ ꢀ ꢀ ꢀ ｇ  
ｇ
ꢀ
ｐ
ꢀ
ｐ
ꢀ
ꢀ
ꢀ
ｐ
，
（
＿ ）  
Ｂａｓｅｄｏｎ ｒｅｖｉｏｕｓｗｏｒｋ ｔｈｉｓ ａｅｒｄｅｖｅｌｏｅｄａＵｓｈａｅｄｎｅｕｒａｌｎｅｔｗｏｒｋ Ｕｎｅｔｃｅａ ｆｏｒＰ ａｎｄ  
ｐ ꢀꢀ ｐ ꢀ  
ꢀ ꢀｐ ꢀｐｐ ꢀ ꢀｇ  
ꢀ
－
ꢀ
ꢀ
，
ｈａｓｅｄｅｔｅｃｔｉｏｎａｎｄａｒｒｉｖａｌｔｉｍｅ ｉｃｋｉｎ ａｎｄｔｒａｉｎｅｄｍｏｄｅｌｏｎ８９３４４ｗａｖｅｆｏｒｍｓａｍ ｌｅｓｗｉｔｈ  
ｐ
ꢀ
Ｓ
ｇｐ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀｐ ꢀ ꢀ ꢀ ꢀ  
ｇ
ꢀ
ｄｉｆｆｅｒｅｎｔｍａｎｉｔｕｄｅｓａｎｄｓｉｎａｌｔｏｎｏｉｓｅｒａｔｉｏｌｅｖｅｌｓｆｒｏｍ ＷｅｎｃｈｕａｎａｆｔｅｒｓｈｏｃｋｓａｎｄｔｈｅＢｅｉｉｎ  
ꢀ ｇ ꢀ ｇ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ｊ ｇ  
ꢀ
－
－
ꢀ
ꢀ
ｃａｉｔａｌｃｉｒｃｌｅｓｅｉｓｍｉｃｎｅｔｗｏｒｋ．ＴｈｅｒｅｓｅａｒｃｈｓｈｏｗｓｔｈａｔｔｈｅＵｎｅｔｃａｎｒｅｃｏｎｉｚｅＰ ａｎｄＳ ｈａｓｅｓ  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀｇ ꢀｇｐ  
ｐ
ꢀ
ꢀ
ꢀ
－
ｇ
ꢀ
ꢀ
，
，
ｗｉｔｈｈｉｈｃｏｒｒｅｃｔｒａｔｅ ８１％ ａｎｄ７９．１％ ｒｅｓｅｃｔｉｖｅｌ ．Ｃｏｍ ａｒｅｄｗｉｔｈ ｍａｎｕａｌ ｉｃｋｓ ｔｈｅｍｅａｎ  
ꢀ ｇꢀ ꢀｐ  
ꢀ
ꢀ
ｐ
ｙ
ｐ
ꢀ
ꢀ
ꢀ
，
ｓｕａｒｅｒｏｏｔｅｒｒｏｒｓｏｆＰ ａｎｄＳ ａｒｅ０．４１ｓａｎｄ０．５４ｓ ｒｅｓｅｃｔｉｖｅｌ ．ＴｈｅＵｎｅｔｉｓｓｕｅｒｉｏｒｔｏｔｈｅ  
ꢀ ꢀｇ ꢀｇ ꢀ ꢀ ｐ ꢀ ꢀ  
ｑ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｐ
ｙ
ꢀ －  
ꢀ
（
），  
国家自然科学基金  
（ ， ），  
中国地震局地球物理研究所基本科研业务专项  
４１７７４０６７ ４１８０４０４７  
基金项目 国家重点研发计划  
ꢀ
２０１８ Ｙ ＦＣ１５０３４００  
（
）
及中国地震局监测预报司自动编目专项资助  
ＤＱＪＢ１８０１  
．
，
男
，
， ，  
年生 助研 主要从事地震数据自动处理方法研究  
１９８４ ．Ｅ ｍａｉｌ ｍｚｈａｏ ｃｅａｉ ．ａｃ．ｃｎ  
ｇｐ  
：
第一作者简介 赵明  
ꢀ
－
＠
－
，
男
，
， ， ，  
年生 博士 研究员 主要从事地震学和地球内部结构研究  
１９８１ ．Ｅ ｍａｉｌ ｆｌｈ ｃｅａｉ ．ａｃ．ｃｎ  
ｇｐ  
：
通讯作者 房立华  
ꢀ
＊
－
＠
－
３０３５  
：
赵明等 基于 形卷积神经网络的震相识别与到时拾取方法研究  
Ｕ
期
８
ꢀ
／
ＳＴＡ ＬＴＡａｎｄｋｕｒｔｏｓｉｓａｎａｌｓｉｓｍｅｔｈｏｄｓｉｎ ｅｒｆｏｒｍａｎｃｅａｎｄｈａｓｈｉｈｅｒｈｉｔｒａｔｅａｎｄｌｏｗｅｒｒｏｏｔ  
ꢀ ꢀｐ ꢀ ｇ ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ｙ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｍｅａｎｓｕａｒｅｅｒｒｏｒ．Ｔｈｅｏｔｉｍａｌｍｏｄｅｌｏｂｔａｉｎｅｄｆｒｏｍｔｈｅｓｔｕｄ ｃａｎａｓｓｉｓｔａｕｔｏｍａｔｉｃｃａｔａｌｏｉｎ  
ꢀｑ ꢀｐ ꢀ ꢀ ꢀ ꢀ ꢀ  
ｇ ｇ  
ꢀ
ꢀ
ꢀ
ｙ
ꢀ
ꢀ
ｗｏｒｋｏｆｔｈｅｒｅｉｏｎａｌｓｅｉｓｍｉｃｎｅｔｗｏｒｋｓ．  
ꢀ ꢀ ꢀ ｇ ꢀ ꢀ  
； ； ；  
Ｋｅｗｏｒｄｓ Ｕｎｅｔ Ｐｈａｓｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｒｅｉｏｎａｌｓｅｉｓｍｉｃｎｅｔｗｏｒｋｓ Ｗｅｎｃｈｕａｎａｆｔｅｒｓｈｏｃｋｓ  
ꢀ
ꢀ
－
ꢀ
ｇ
ꢀ
ꢀ
ｙ
， ）、  
卷 积 神 经 网 络  
２０１９  
（
ＣＮＮ  
）
蒋一 然 和 宁 杰 远  
（
，
Ｐｅｒｏｌｅｔａｌ．２０１８  
ꢀ ꢀ  
） ，  
等方法 参见  
（ ）  
的
２０１８  
等
Ｋｏｎ  
引言  
ｇ
０
ꢀ
，
ＣＮＮ  
，
方法近两年来得到了较多应用 其  
综述 其中  
．
，
基于地震台网的观测数据 编制地震观测报告  
强大之处在于多层结构的设计能自动学习不同层次  
（ “  
简称 地震编目  
”），  
是中国地震局地震监测工作的  
： ，  
的特征 较浅的卷积层能学习到一些局部特征 而较  
、
核心任务之一 这些数据是地震速报 地震预警等防  
．
，
深的卷积层能够学习到更加抽象的特征 从而有助  
于同时提升模型分类能力和泛化能力 在地震  
．ＣＮＮ  
， 、  
震减灾工作的重要环节 也是地震层析成像 震源机  
、 ，  
与噪声分类 震相分类等问题上得到了较好应用 即  
制反演和地球内部结构等研究的重要基础 地震编  
．
、 、  
目的主要内容包括震相识别 到时拾取 振幅和周期  
，
使对一些低信噪比的数据 甚至肉眼难以识别的微  
、 ，  
测量 初动极性标注和地震定位等工作 其中最重要  
， （  
震信号 也能有效甄别 如  
，
；
赵明  
Ｒｏｓｓｅｔａｌ．２０１８  
ꢀ ꢀ  
，
的环节是震相识别和到时拾取 在区域台网中 最常  
．
，
）
，
然而 在震相到时拾取方面 机器学习和  
２０１９ ．  
，
等
、
Ｓ ．Ｐ Ｓ  
ｇ ｇ ｇ  
见的震相是  
和
分别指来自上地壳内  
深度学习方法的拾取精度有待进一步提高  
．
Ｐ
ｇ
、
Ｐ Ｓ  
，
波 或射线底部到达上地壳的  
、
Ｐ Ｓ  
，
（
等提出全卷积网络  
Ｌｏｎ ＦＣＮ  
ｇ
），  
震源的上行  
年
使得  
２０１４  
，
（
，
）
，
无 需 全 连 接 层 即 可 进 行 密 集 的 像 素 预 测  
波 其震中距一般不超过  
中国地震局  
１０°  
传统的震相识别和到时拾取主要有人工处理和  
自动处理两种 人工识别主要依靠地震台网分析人  
２０１７ ．  
ＣＮＮ  
（
， ）  
Ｌｏｎ ｅｔａｌ． ２０１５ ．  
ｇ
ꢀ
ꢀ
从 而 得 到 进 一 步 普 及  
ＣＮＮ  
等在  
基础上提出  
网络并应用  
Ｕ
．
Ｒｏｎｎｅｂｅｒｅｒ  
ｇ
ＦＣＮ  
，
员通过浏览连续波形 识别地震 这种方法效率低  
．
、
，
在医学图像分割上 取得了媲美专业医生的精准度  
、 ， ，  
主观性强 一致性差 尤其是遇到余震序列时 经常  
（
，
Ｒｏｎｎｅｂｅｒｅｒｅｔａｌ． ２０１５ ．Ｕ  
ｇ ꢀ ꢀ  
）
网络的主要特点是  
、
会漏掉地震 自动处理算法是根据波形在振幅 频率  
．
，
不仅实现了输出层与输入层在分辨率上的一致性  
，
等方面的不同特征建立特征方程 进行检测 常用方  
．
还通过对称式的结构设计融合了 网络中的低  
ＦＣＮ  
维和高维特征 图像分割是对图像的每个像素进行  
．
：
法有 利用短时平均和长时平均比值的  
／
ＳＴＡ ＬＴＡ  
（
， ； ， ；  
Ａｌｌｅｎ １９７８ ＢａｅｒａｎｄＫｒａｄｏｌｆｅｒ １９８７ Ｗｉｔｈｅｒｓ  
ꢀ
，
分类 根据像素点对应的类别概率进行定位和边缘  
方法  
ꢀ
，
ｅｔａｌ．１９９８  
ꢀ
），  
利用赤池信息准则寻找全局最小值作  
，
，
、
波形  
检测 与此十分类似 震相分类则是确定  
Ｐ Ｓ  
、
对应的起震点 我  
（ ， ；  
Ａｋａｉｋｅ １９７４ Ｓｌｅｅｍａｎａｎｄ  
ꢀ
，
的位置 到时拾取则是寻找  
为震相到时的  
方法  
ＡＩＣ  
Ｐ Ｓ  
．
，
；
，
；
刘劲松等  
ＶａｎＥｃｋ １９９９ Ａｋａｚａｗａ ２００４  
，
），  
、
波
Ｐ Ｓ  
们可以利用标注好到时及误差范围的地震  
２０１３  
ꢀ
（
以及利用偏度  
Ｓｋｅｗｎｅｓｓ  
）
（ ）  
等反映数据  
Ｋｕｒｔｏｓｉｓ  
，
形数据作为样本训练 网络模型 使其输出波形每  
Ｕ
和峰度  
／
分布形态的高阶统计量的偏度 峰度方法  
（
、
Ｐ Ｓ  
，
起震点概率 概率最大的采  
个采样点所对应的  
Ｓａｒａｉｏｔｉｓ  
ｇ
，
；
，
，
ｅｔａｌ． ２００２ Ｋüｅｒｋｏｃｈｅｔａｌ． ２０１０ ２０１２  
ꢀ ꢀ  
），  
、
Ｐ Ｓ  
，
到时 基于以上基本原理 本研究利  
．
等
样点即为  
ꢀ
ｐ
（
等 这些方法前人做过较多综述 刘翰林和吴庆举  
．
，
、
Ｐ Ｓ  
ｇ ｇ  
用汶川地震余 震和 首都圈地 震台 网记 录的  
；
李力等  
２０１７  
，
）
、
由于地震波形受仪器类型 环  
２０１８ ．  
，
到时数据建立数据集 应用 网络进行  
Ｕ
、
震相  
Ｐ Ｓ  
ｇ ｇ  
，
境噪声以及震源复杂性的影响 这些自动处理方法局  
，
分类与到时拾取 并与  
／
方法比  
ＳＴＡ ＬＴＡ Ｋｕｒｔｏｓｉｓ  
、
， ： ，  
限性也很明显 主要表现在如下方面 稳定性较差 不  
、 、 ，  
较了震相识别正确率 拾取误差 漏检率 以及在不  
；
同的参数和阈值选择对结果影响很大 灵敏度较低  
，
同信噪比水平下的表现进行了对比分析  
．
，
对信噪比较低的微震信号 检测效果往往难以达到预  
；
期 经常混淆  
、
ＰＳ  
；
震相 震相到时拾取精度较低  
Ｓ ．  
方法与数据  
１
ꢀ
，
近年来 由于机器学习和深度学习技术的快速  
，
发展 国内外地震学家越来越多利用机器学习和深  
形神经网络  
１．１ Ｕ  
ꢀ
，
度学习对地震和噪声进行分类 如随机森林  
（
Ｍａ ｉ  
ｇｇ  
（
）
和
本研 究 在  
等
Ｐｅｒｏｌ  
２０１８  
ＺｈｕａｎｄＢｅｒｏｚａ  
ꢀ ꢀ  
， ）、  
支持向量机  
ｅｔａｌ．２０１７  
ꢀ
（
，
Ｋｏｒｔｓｔｒｍｅｔａｌ．２０１６  
ꢀ ꢀ  
；
（
）
的研究基础上 编写了基于 网络的震相识别  
２０１９  
，
Ｕ

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

  • 我来看看怎 打赏5.00元   3天前

    用户：xzxbybd

  • 21ic下载 打赏310.00元   3天前

    用户：zhengdai

  • 21ic下载 打赏310.00元   3天前

    用户：gsy幸运

  • 21ic下载 打赏310.00元   3天前

    用户：小猫做电路

  • 21ic下载 打赏270.00元   3天前

    用户：liqiang9090

  • 21ic下载 打赏210.00元   3天前

    用户：w178191520

  • 21ic下载 打赏210.00元   3天前

    用户：kk1957135547

  • 21ic下载 打赏110.00元   3天前

    用户：w1966891335

  • 21ic下载 打赏110.00元   3天前

    用户：w993263495

  • 21ic下载 打赏100.00元   3天前

    用户：1111111ffgg

  • 21ic下载 打赏40.00元   3天前

    用户：jh03551

  • 21ic下载 打赏30.00元   3天前

    用户：WK520077778

  • 21ic下载 打赏30.00元   3天前

    用户：sun2152

  • 21ic下载 打赏15.00元   3天前

    用户：x15580286248

  • 21ic下载 打赏25.00元   3天前

    用户：xzxbybd

  • 21ic下载 打赏25.00元   3天前

    用户：ytt006

  • 21ic下载 打赏10.00元   3天前

    用户：poplarly

  • 21ic下载 打赏20.00元   3天前

    用户：muguang28

  • 21ic下载 打赏10.00元   3天前

    用户：konglongcong

  • 21ic下载 打赏10.00元   3天前

    用户：铁蛋锅

  • 21ic下载 打赏20.00元   3天前

    用户：muguang28

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号