• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 12
    • 下载费用:30 金币  

    重庆时时彩组三报警软件: 一种CTA加氢精制生产过程代理模型建模方法.pdf

    关 键 词:
    一种 CTA 加氢精制 生产过程 代理 模型 建模 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201611076768.2

    申请日:

    2016.11.30

    公开号:

    CN106777922A

    公开日:

    2017.05.31

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06F 19/00申请日:20161130|||公开
    IPC分类号: G06F19/00(2011.01)I; G06N3/04; G06N3/08 主分类号: G06F19/00
    申请人: 华东理工大学
    发明人: 钱锋; 钟伟民; 杜文莉
    地址: 200237 上海市徐汇区梅陇路130号
    优先权:
    专利代理机构: 上海新天专利代理有限公司 31213 代理人: 龚敏
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611076768.2

    授权公告号:

    |||

    法律状态公告日:

    2017.06.23|||2017.05.31

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明涉及一种粗对苯二甲酸加氢精制生产过程代理模型建模方法,此方法主要通过系统分析加氢反应机理,寻找对加氢精制生产过程影响较大的操作参数作为相应的输入,以加氢精制生产过程的关键性能指标作为输出,同时采集实际工业装置运行数据,通过预处理操作获取相应合格的样本,采用拓扑结构为5×5×2的3层BP神经网络模型,运用Levenberg??Marquardt学习算法对模型进行训练,并通过预测数据验证其精度,从而获得能完整描述CTA加氢精制生产过程的神经网络代理模型,实现对加氢精制生产过程的预测,可为实际生产过程的优化运行操作提供良好的指导,在稳定生产、保证产品质量、降低能耗等方面具有重要的实际意义。

    权利要求书

    1.一种CTA加氢精制生产过程代理模型建模方法,其特征在于,它由下列步骤组成:
    步骤一、系统分析CTA加氢精制反应过程,选取对反应过程及产物有较大影响的操作参
    数,将其作为输入变量,选取部分关键性能指标作为输出变量;
    步骤二、根据步骤一中选取的操作参数及关键性能指标,对PTA工业装置采集实际运行
    数据,剔除部分异常工况数据点,获得相应合格的数据样本并归一化。取其中3/4的样本数
    据作为训练数据,用于学习与训练,剩余1/4的样本数据则作为模型的测试数据,用于后续
    的验证精度;
    步骤三、根据输入输出变量个数,运用经验公式获得得到BP人工神经网络的隐含层节
    点数目,并选取相应的传递函数,从而确定其网络拓扑结构;
    步骤四、使用Levenberg-Marquardt学习算法对使用训练数据训练,建立BP神经网络模
    型,并使用测试数据对模型进行验证,并获得有效的人工神经网络权重和阈值参数,获得能
    完整描述CTA加氢精制生产过程的神经网络代理模型;
    步骤五、将进料量及新的操作参数等运行数据输入到代理模型中,获得相应产物浓度
    的预测值,为实际生产提供指导。
    2.根据权利要求1所述的CTA加氢精制生产过程代理模型建模方法,其特征在于,步骤
    一所述输入变量包括,对苯二甲酸(TA)含量、对羧基苯甲醛(4-CBA含量)、对甲基苯甲酸(PT
    酸含量)、加氢反应器温度和打浆所需水含量。
    3.根据权利要求1所述的CTA加氢精制生产过程代理模型建模方法,其特征在于,步骤
    一所述输出变量为PTA产物中4-CBA浓度及PT酸浓度。
    4.根据权利要求1所述的CTA加氢精制生产过程代理模型建模方法,其特征在于,步骤
    二所述合格数据为稳定工况下的工业数据,模型输入输出数据的归一化范围都为[0,1]。
    5.根据权利要求1所述的CTA加氢精制生产过程代理模型建模方法,其特征在
    于,步骤三所述的神经网络选取三层BP神经网络,包括输入层、隐含层和输出层。输入
    层和输出层节点个数分别与输入、输出变量数相同,隐含层节点个数根据经验公式
    计算,其中,S代表隐含层节点个数,m代
    表输入层节点个数,n代表输出层节点个数。
    6.根据权利要求1所述的CTA加氢精制生产过程代理模型建模方法,其特征在于,步骤
    四BP神经网络输入层节点与隐含层节点间的权值与阈值矩阵为:
    <mrow> <msub> <mi>W</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <mo>-</mo> <mn>0.0675</mn> </mrow> </mtd> <mtd> <mn>0.0019</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.2599</mn> </mrow> </mtd> <mtd> <mn>0.1344</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.0867</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>0.0019</mn> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.4457</mn> </mrow> </mtd> <mtd> <mn>0.0273</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.0480</mn> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.0186</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0.0899</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.3105</mn> </mrow> </mtd> <mtd> <mn>0.0019</mn> </mtd> <mtd> <mn>0.1261</mn> </mtd> <mtd> <mn>0.1718</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>0.0369</mn> </mrow> </mtd> <mtd> <mn>0.5186</mn> </mtd> <mtd> <mn>0.0692</mn> </mtd> <mtd> <mn>0.0620</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.0575</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>0.0537</mn> </mrow> </mtd> <mtd> <mn>1.1782</mn> </mtd> <mtd> <mn>0.1391</mn> </mtd> <mtd> <mn>0.1376</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.0836</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
    <mrow> <msub> <mi>&theta;</mi> <mi>j</mi> </msub> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mn>0.3768</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mn>2.2700</mn> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.6312</mn> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>2.2866</mn> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.8139</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0.9242</mn> </mtd> <mtd> <mn>1.2216</mn> </mtd> <mtd> <mn>0.5910</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.7697</mn> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>0.0779</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
    其隐含层节点与输出层节点间的网络权值与阈值矩阵为:
    <mrow> <msub> <mi>W</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mo>-</mo> <mn>0.0012</mn> </mtd> </mtr> <mtr> <mtd> <mn>0.4633</mn> </mtd> </mtr> <mtr> <mtd> <mo>-</mo> <mn>0.3972</mn> </mtd> </mtr> <mtr> <mtd> <mo>-</mo> <mn>0.2846</mn> </mtd> </mtr> <mtr> <mtd> <mn>1.5332</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
    <mrow> <msub> <mi>&theta;</mi> <mi>j</mi> </msub> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mn>0.3350</mn> </mtd> </mtr> <mtr> <mtd> <mo>-</mo> <mn>0.1116</mn> </mtd> </mtr> </mtable> </mfenced> <mo>.</mo> </mrow>

    说明书

    一种CTA加氢精制生产过程代理模型建模方法

    技术领域

    本发明涉及一种粗对苯二甲酸(简称CTA)加氢精制生产过程代理模型建模方法,
    是使用替代模型完整描述原有工业过程的一种建模方法。具体而言,是CTA加氢精制生产过
    程关键性能指标的代理模型建模方法。

    背景技术

    精对苯二甲酸(Purified Terephthalic Acid,PTA)主要用于生产聚酯,同时也是
    重要的化工原料。其主要反应过程为对二甲苯在催化剂条件下与氧气发生反应,生成对苯
    二甲酸和水。经过不断的工艺改进与升级,现在PTA生产工艺主要以美国AMOCO工艺、英国
    ICI工艺和日本三井工艺为主。

    整体PTA工艺主要分为PX氧化单元和CTA加氢精制单元,由于PX氧化反应伴随大量
    的副反应进行,产生对甲基苯甲醛(TALD)、对甲基苯甲酸(PT酸)和对羧基苯甲醛(4-CBA)等
    副产物。其中4-CBA含量在2000ppm到3000ppm之间,虽然含量不高,但由于其对聚酯的熔点
    和纺丝有较大影响,危害产品品质,所以必须通过CTA加氢精制过程进行除去。由于4-CBA的
    分子结构与对苯二甲酸相似,能与对苯二甲酸形成共晶体,常规的物理方法很难除去,所以
    在CTA加氢精制单元中4-CBA在Pd/C催化剂的条件下与H2发生还原反应,将自身的醛基还原
    为甲基,从而生成水溶性物质PT酸并除去。

    CTA加氢精制生产流程如图1所示,主要分为三个部分:TA溶解段、加氢反应段和结
    晶段。由于常温下对苯二甲酸难溶于水,所以使用逐级预热升温来提高TA的溶解度,达到完
    全溶解TA的目的。首先将CTA与脱离子水打浆,配成26%到31%的浆料,在通过多级预热器
    加热后,使CTA在280o C,7.2MPa左右完全溶解,送入加氢反应器中。在加氢反应器中存在溶
    氢段和加氢反应段,TA溶液和H2都从反应器上部进料,在溶氢段中H2完全溶解于TA溶液中,
    在加氢反应段4-CBA在Pd/C催化剂的条件下被H2还原,生成水溶性物质PT酸。反应后的溶液
    通过四至五级的连续降温降压结晶,再通过离心机分离洗涤后干燥,最终获得精对苯二甲
    酸,产物中4-CBA含量小于25ppm。

    CTA加氢精制过程包含单元众多,存在大量的耦合与回流,属于高度非线性的系
    统。影响CTA加氢精制效果的因素有很多,通过进料及操作条件的控制来保证最终产品质量
    合格是必不可少的。因此,建立一个与实际工艺相符的,能正确描述整个工艺流程,反映产
    物浓度等关键性能指标的代理模型,对实际操作优化及指导实际工业生产具有重要意义。

    发明内容

    本发明要解决的技术问题是提供一种CTA加氢精制生产过程的代理模型建模方
    法,实现对整体加氢精制工艺的完整描述,正确反映产物浓度随进料及操作参数的变化情
    况,从而保证产品质量和生产过程的稳定运行。

    本发明技术方案如下:

    一种CTA加氢精制代理模型建模方法,其流程图如图3所示,具体分为以下几个步
    骤:

    步骤一、系统分析CTA加氢精制反应过程,选取对整体加氢精制工艺有较大影响的
    操作变量作为输入变量,选取部分关键产物浓度作为输出变量,采集实际工业装置运行数
    据,获得相应的输入、输出数据;

    步骤二、根据步骤一中选取的操作变量及部分产物浓度,对加氢精制工业装置采
    集实际运行数据,剔除部分异常工况数据,获得处理后的合格数据样本并归一化。取其中3/
    4的样本数据作为训练数据,用于学习与训练,剩余1/4的样本数据则作为模型的测试样本,
    用于后续的模型检验;

    步骤三、根据输入输出变量个数,确定神经网络的三层结构,并选取相应的传递函
    数,运用经验公式获得得到BP人工神经网络的隐含层节点数目,从而确定其网络拓扑结构;

    步骤四、对训练样本运用Levenberg-Marquardt学习算法训练,建立BP神经网络模
    型,并使用测试数据对模型进行验证,获得有效的人工神经网络权重和阈值参数,从而获得
    能正确描述CTA加氢精制生产过程的神经网络代理模型;

    步骤五、将新的实际运行数据输入到代理模型中,获得相应产物浓度的预测值,为
    实际生产提供技术基础,提供后续操作的指导。

    所述步骤一中,根据对整体工艺的机理与流程的系统分析,选取的输入变量为进
    料中的TA含量、4-CBA含量、PT酸含量、加氢反应器温度和打浆所需水含量。选取的输出变量
    为最终PTA产物中4-CBA浓度及PT酸浓度。

    所述步骤二中对实际工业装置采集到的样本数据进行预处理,剔除异常数据,同
    时,输入输出数据的归一化范围为[0,1]。

    所述步骤三中,隐含层节点数所用的经验公式如下:


    其中,S代表隐含层节点个数,m代表输入层节点个数,n代表输出层节点个数。通过
    计算获得隐含层节点数5个,从而最终确定5×5×2的BP神经网络拓扑结构。

    所述步骤四中BP神经网络输入层节点与隐含层节点间的权值与阈值矩阵为:



    隐含层节点与输出节点间的权值与阈值矩阵为:



    本发明的CTA加氢精制生产过程代理模型建模方法,能根据进料的不同预测出相
    应可能的产物浓度,从而指导实际生产中调整相应操作条件,使最终产品依然能达到合格
    的标准,从而达到稳定生产、保证产品质量的目的。

    附图说明

    图1:CTA加氢精制生产过程工艺流程图。

    图2:CTA加氢精制代理模型框架图。

    图3:BP神经网络网络拓扑结构图。

    图4:CTA加氢精制生产过程代理模型预测效果图。

    图5:CTA加氢精制生产过程代理模型预测另一效果图。

    具体实施方式

    本发明在实际应用中主要通过配置CTA浆料浓度来控制TA进料和水含量,通过成
    分分析仪测得浆料中4-CBA及PT酸浓度,并测得相应反应温度,以此获得输入样本数据。由
    于实际工业生产中常常通入过量的氢气,所以本发明不考虑氢气对模型的影响,即不选取
    氢气含量作为输入变量。运用在线监测设备获得最终产物中4-CBA和PT酸浓度的样本数据,
    以此构成输出样本。在数据预处理后搭建神经网络代理模型,正确描述相应进料及操作条
    件变化后产物浓度的变化情况,达到对CTA加氢精制工艺产物浓度的准确预测。以下结合附
    图及实例对本发明进行更为全面的描述:

    :图1为CTA加氢精制反应过程工艺流程图。CTA加氢精制工艺主要分为三个部分:
    CTA溶解过程、加氢精制反应及降温降压结晶过程。由于对苯二甲酸常温下难溶于水,所以
    首先在打浆罐中将CTA与脱离子水配成26%-31%左右的浆料,随后通过进料增加泵,进入
    连续串联的预热器逐级升温溶解CTA,通过蒸汽控制每级预热器温度,保证最后一级预热器
    出口温度大于280℃,使TA完全溶解。加氢反应器实际为一个固定床反应器,如图2所示,分
    为溶氢段和加氢反应段。TA溶液和氢气都从反应器顶部进入,氢气在溶氢段完全溶解于TA
    溶液中,溶液在Pd/C催化剂床层上保持一定高度的液位,在加氢催化剂床层中4-CBA被氢气
    还原,生成水溶性物质PT酸。随后反应液在逐步减压降温中,水分逐步蒸发,温度逐渐下降,
    PTA结晶析出。第一、第二结晶器的蒸汽回流给第二第三级预热器进行加热,在结晶器中,主
    要通过调整结晶器的压力和液位来控制PTA结晶粒度。随后再通过离心机分离后送入过滤
    机过滤,过滤后的滤饼送入干燥机干燥,最终获得精对苯二甲酸并送入料仓,产物中4-CBA
    含量小于25ppm。

    具体操作流程如图3,在系统分析CTA加氢精制工艺流程后,我们选取对苯二甲酸
    (TA)含量、对羧基苯甲醛(4-CBA含量)、对甲基苯甲酸(PT酸含量)、加氢反应器温度和打浆
    所需水含量这5个操作变量作为模型的输入变量;选取最终PTA产物中4-CBA浓度及PT酸浓
    度作为模型的输出变量,对PTA工业装置采集实际工业运行数据。随后进行数据预处理操
    作,将不满足产物中4-CBA浓度小于25ppm的数据剔除,剩余的合格数据分为训练和预测样
    本进行存储。在训练和预测时,都通过归一化将数据限定在[0,1]之间,所使用的归一化公
    式如下:

    假设总的样本矩阵为Z=[x1,...xm,u1,...un]T,其中[x1,...xm]T为输入样本矩阵,
    [u1,...un]T为输出样本矩阵。在训练网络时首先将Z按如下公式进行归一化操作:


    其中Zmax、Zmin为样本矩阵每一维的最大值和最小值。为归一化后的矩阵。

    在预测时,将预测的输入样本归一化后输入到已经训练好的网络,获得相应的神
    经网络模型预测值,再将模型预测值进行如下反归一化操作:


    本发明的CTA加氢精制生产过程神经网络代理模型,其简化数学模型可以如下表
    示:

    y(u1,u2)=f(x1,...xi)

    其中,xi(i=1,2,...m)、(u1、u2)分别代表代理模型的输入变量和输出变量,f为输
    入输出之间的映射关系。

    由于本发明中神经网络采用包含输入层、隐含层和输出层的三层BP神经网络结
    构,如图2。其数学描述可以表示为如下:

    设输入层输出为xi(i=1~l),隐层输出为yj(j=1~m),输出层输出为zk(k=1~
    n),输入层到隐层连接权值为wji,隐层到输出层连接权值为wkj′;隐层,输出层各神经元阈
    值为θj,θk′。

    正向传播:


    其中,f为各层传递函数,隐含层神经元传递函数采用S型正切函数tan-sigmoid函
    数:


    输出层神经元传递函数采用线性传递函数purelin函数。

    在输出端,网络输出与期望值构成的误差为


    P为学习样本数,tpk为样本期望输出值,Zpk为输出层实际输出值,若误差不为零,
    转入反向传播阶段,采用梯度下降法对权值进行调整,使误差趋于减小。


    在三层结构中,输入层和输出层节点数默认与输入和输出变量个数相同,隐含层
    节点个数则以经验公式计算得到,其计算公式如下:


    其中,S代表隐含层节点个数,m代表输入层节点个数,n代表输出层节点个数,计算
    得到隐含层节点个数为5,从而确定5×5×2的三层BP神经网络拓扑结构。

    本发明在训练网络时使用的学习函数为Levenberg-Marquardt学习算法,选择最
    大迭代次数为300次,目标误差为MSE=1×10-3。在使用预测样本对训练好的模型进行精度
    校验后,得到的有效的神经网络权值与阈值矩阵如下所示:

    输入层与隐含层之间的有效权值与阈值:



    隐含层与输出层之间的有效权值与阈值:



    CTA加氢精制生产过程代理模型结果


    4-CBA浓度
    PT酸浓度
    平均相对误差
    0.75%
    0.37%

    综上,能够获得CTA加氢精制生产过程代理模型,并且该代理模型预测结果与实际
    工业数据的平均相对误差都小于5%,在模型验证和预测结果上表现出较好的准确性(见图
    4和图5)??梢钥闯?,发明的CTA加氢精制生产过程代理模型建模方法,能较好的体现整体工
    艺中进料及操作参数的变化对部分产物浓度的影响,对产品质量进行了严格的监控,也为
    实际生产提供了良好的指导依据,以优化实际装置的运行,保证工业生产中的产物合格率
    及装置的稳定运行。

    本发明方法主要通过系统分析加氢反应机理,寻找对加氢精制生产过程影响较大
    的的操作参数作为相应的输入,以加氢精制生产过程的关键性能指标作为输出,同时采集
    实际工业装置运行数据,通过预处理操作获取相应合格的样本,采用拓扑结构为5×5×2的
    3层BP神经网络模型,运用Levenberg-Marquardt学习算法对模型进行训练,并通过预测数
    据验证其精度,从而获得能完整描述CTA加氢精制生产过程的神经网络代理模型,实现对加
    氢精制生产过程的预测,可为实际生产过程的优化运行操作提供良好的指导,在稳定生产、
    保证产品质量、降低能耗等方面具有重要的实际意义。

    综上所述仅为本发明的较佳实施例而已,并非用来限定本发明的实施范围。即凡
    依本发明申请专利范围的内容所作的等效变化与修饰,都应为本发明的技术范畴。

    关于本文
    本文标题:一种CTA加氢精制生产过程代理模型建模方法.pdf
    链接地址://www.4mum.com.cn/p-6021318.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 时时彩一期一计划大小单双 6码复式4中4多少组 时时彩后三稳赚平刷 全天时时彩最准计划 pk10破解器 手机版 安徽时时计划软件手机版下载手机版下载 二串一稳赚不赔方法 2018年大乐透停售时间 后二组选包胆后怎么玩 夺宝阁计划网址 游戏规则 3分pk拾是真还是假的 太子中心特中特 一天稳赚1000的办法 买手机的网站有哪些 双色球手机投注软件