版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、第7章灰色預測方法預測就是借助于對過去的探討去推測、了解未來?;疑A測通過原始數(shù)據(jù)的處理和灰色模型的建立,發(fā)現(xiàn)、 掌握系統(tǒng)發(fā)展規(guī)律, 對系統(tǒng)的未來狀態(tài)做出科學的定量預測。對于一個具體的問題,究竟選擇什么樣的預測模型應以充分的定性分析結論為依據(jù)。模型的選擇不是一成不變的。一個模型要經(jīng)過多種檢驗才能判定其是否合適,是否合格。只有通過檢驗的模型才能用來進行預測。本章將簡要介紹灰數(shù)、灰色預測的概念,灰色預測模型的構造、檢驗、 應用,最后對災變預測的原理作了介紹。7.1灰數(shù)簡介7.1.1灰數(shù)灰色系統(tǒng)理論中的一個重要概念是灰數(shù)?;覕?shù)是指未明確指定的數(shù),即處在某一范圍內(nèi)的數(shù),灰數(shù)是區(qū)間數(shù)的一種推廣?;疑到y(tǒng)
2、用灰數(shù)、灰色方程、灰色矩陣等來描述,其中灰數(shù)是灰色系統(tǒng)的基本“單元” 或“細胞”。我們把只知道大概范圍而不知其確切值的數(shù)稱為灰數(shù)。在應用中,灰數(shù)實際上指在某一個區(qū)間或某個一般的數(shù)集內(nèi)取值的不確定數(shù),通常用記號“”表示灰數(shù)。灰數(shù)有以下幾類:1. 僅有下界的灰數(shù)有下界而無上界的灰數(shù)記為:.a,:或:a,其中為灰數(shù)的下確界,它是一個確定 的數(shù),我們稱 a,二為的取數(shù)域,簡稱的灰域。一棵生長著的大樹,其重量便是有下界的灰數(shù),因為大樹的重量必大于零,但不可能用 一般手段知道其準確的重量,若用表示大樹的重量,便有-0。2. 僅有上界的灰數(shù)有上界而無下界的灰數(shù)記為一(:,a或:(a),其中為灰數(shù)的上確界,是
3、一個確定的數(shù)。一項投資工程,要有個最高投資限額, 一件電器設備要有個承受電壓或通過電流的最高 臨界值。工程投資、電器設備的電壓、電流容許值都是有上界的灰數(shù)。3. 區(qū)間灰數(shù)既有下界又有上界的灰數(shù)稱為區(qū)間灰數(shù),記為- a.a1。海豹的重量在2025公斤之間,某人的身高在 1.81.9米之間,可分別記為20,251, : 21.8,1.9】4. 連續(xù)灰數(shù)與離散灰數(shù)在某一區(qū)間內(nèi)取有限個值或可數(shù)個值的灰數(shù)稱為離散灰數(shù),取值連續(xù)地充滿某一區(qū)間的灰數(shù)稱為連續(xù)灰數(shù)。某人的年齡在30到35之間,此人的年齡可能是 30, 31, 32, 33, 34, 35這幾個數(shù), 因此年齡是離散灰數(shù)。人的身高、體重等是連續(xù)灰
4、數(shù)。5. 黑數(shù)與白數(shù)當 HU:或、:M- 2,即當?shù)纳稀⑾陆缃詾闊o窮或上、下界都是灰數(shù)時, 稱為黑數(shù)。當:a,a且a = a時,稱為白數(shù)。為討論方便,我們將黑數(shù)與白數(shù)看成特殊的灰數(shù)。6. 本征灰數(shù)與非本征灰數(shù)本征灰數(shù)是指不能或暫時還不能找到一個白數(shù)作為其“代表”的灰數(shù),比如一般的事前預測值、宇宙的總能量、準確到秒或微妙的“年齡”等都是本征灰數(shù)。非本征灰數(shù)是指憑先驗信息或某種手段,可以找到一個白數(shù)作為其“代表”的灰數(shù)。我們稱此白數(shù)為相應灰數(shù)的白化值,記為,并用-a表示以為白化值的灰數(shù)。如托人代買一件價格100元左右的衣服,可將100作為預購衣服價格:100的白化數(shù),記為 100 =100。從本質(zhì)
5、上來看,灰數(shù)又可分為信息型、概念型、層次型三類。1. 信息型灰數(shù),指因暫時缺乏信息而不能肯定其取值的數(shù),如:預計某地區(qū)今年夏糧 產(chǎn)量在100萬噸以上,:.100,:;估計某儲蓄所年底居民存款總額將達7000萬到9000萬,:7000,9000 1;預計西安地區(qū)5月份最高氣溫不超過36C, 0,361。這些都是 信息型灰數(shù)。由于暫時缺乏信息,不能肯定某數(shù)的確切取值,而到一定的時間,通過信息補充,灰數(shù)可以完全變白。2概念型灰數(shù),也稱意愿型灰數(shù)。指由人們的某種觀念、意愿形成的灰數(shù)。如某人希 望至少獲得1萬元科研經(jīng)費,并且越多越好,-1000Q:;某工廠廢品率為1%,希望大幅度降低,當然越小越好,:-
6、0,.01 L這些都是概念型灰數(shù)。3層次型灰數(shù),由層次的改變形成的灰數(shù)。有的數(shù),從系統(tǒng)的高層次,即宏觀層次、 整體層次或認識的概括層次上看是白的,可到低層次上,即到系統(tǒng)的微觀層次、分部層次或認識的深化層次則可能是灰的。例如,一個人的身高,以厘米度量是白的,若精確到萬分之一毫米就成灰的了。7.1.2灰數(shù)白化與灰度有一類灰數(shù)是在某個基本值附近變動的,這類灰數(shù)白化比較容易,我們可以其基本值為主要白化值。以為基本值的灰數(shù)可記為:a或:a ,a/ ,其中為擾動灰元,此灰數(shù)的白化值為:a =a。如今年的科研經(jīng)費在5萬元左右,可表示為-50000 =50000 ,或:50000-,50000,它的白化值為
7、50000。對于一般的區(qū)間灰數(shù):.a,b我們將白化值取為:=c(a + (1_a)b,口 e 0,11定義7.1形如 :a (1 -)b ,b,1】的白化稱為等權白化。定義7.2在等權白化中,取一 _ 2而得到的白化值稱為等權均值白化。當區(qū)間灰數(shù)取值的分布信息缺乏時,常采用等權均值白化。定義 7.3 設區(qū)間灰數(shù)- a,b,: 2,C,d 1,1a,(1-)b , 0,1,苑二Pc +仆- P)d,徒0,1 ,當a = B時,稱與取數(shù)一致,當0再時,稱與取數(shù)非 一致。在灰數(shù)的分布信息已知時,往往采取非等權白化。例如某人2000年的年齡可能是 40歲到60歲 40,60】是個灰數(shù)。根據(jù)了解,此人受
8、初、中級教育共12年,并且是在60年代中期考入大學的,故此人的年齡到2000年為58歲左右的可能性較大,或者說在 56歲到60歲的可能性較大。這樣的灰數(shù),如果再作等權白化,顯然是不合理的。為此,我們用 白化權函數(shù)來描述一個灰數(shù)對其取值范圍內(nèi)不同數(shù)值的“偏愛”程度。對概念型灰數(shù)中表示意愿的灰數(shù),其白化權函數(shù)一般設計為單調(diào)增函數(shù)。一般來說,一個灰數(shù)的白化權函數(shù)是研究者根據(jù)已知信息設計的,沒有固定的程式。函數(shù)曲線的起點和終點一般應有其含義。如在外貿(mào)談判中,就有一個由灰變白的過程。開始談判時,甲方說我的出口額至少要 5億元,乙方說我的進口額不大于3億。則成交額這一灰數(shù)將在3億與5億間取值,其白化權函數(shù)
9、可將起點定為3億,終點定為5億?;叶燃礊榛覕?shù)的測度?;覕?shù)的灰度在一定程度上反映了人們對灰色系統(tǒng)之行為特征的未知程度。在實際應用中,我們會遇到大量的白化權函數(shù)未知的灰數(shù),例如由一般灰色系統(tǒng)之行為特征預測值構成的灰數(shù),就難以給出其白化權函數(shù)。我們認為,灰數(shù)的灰度主要與相應定義信息域的長度及其基本值有關。如果考慮一個4000左右的灰數(shù),給出其估計值的兩個灰數(shù)- 0累加生成與累減生成之間的關系如下圖所示:1-AGOIAGOX(0) X X (0) 2關聯(lián)度為了定量地研究兩個事物間的關聯(lián)程度,人們提出了各種形式的指數(shù),如相關系數(shù)和相似系數(shù)等等。這些指數(shù)大多以數(shù)理統(tǒng)計原理為基礎,需要足夠的樣本個數(shù)或者要求
10、數(shù)據(jù)服從一定的概率分布。在客觀世界中,有許多因素之間的關系是灰色的,分不清哪些因素之間關系密切,哪些不密切,這樣就難以找到主要矛盾和主要特性?;乙蛩仃P聯(lián)分析,目的是定量地表征諸因素之間的關聯(lián)程度,從而揭示灰色系統(tǒng)的主要特性。關聯(lián)分析是灰色系統(tǒng)分析和預測的基礎。關聯(lián)分析是一種相對性的排序分析。從思路上來看,源于幾何直觀。如圖7.1所示的A、B、C、D四個時間序列,曲線 A與B比較平行,我們就認為 A與B的關聯(lián)程度大。曲線 C 與A隨時間變化的方向很不一致,認為A與C的關聯(lián)程度較小。曲線 A與D相差最大,則認為兩者的關聯(lián)程度最小。將曲線A與B、C、D的關聯(lián)程度分別記為ab , %, Ud,則它們之
11、間有如下排序關系:發(fā)展變化趨勢越接近,關聯(lián)程度越大;反之亦然。關聯(lián)度分析是分析系統(tǒng)中各因素關聯(lián)程度的方法。計算關聯(lián)度需先計算關聯(lián)系數(shù)。 (1)關聯(lián)系數(shù)的計算設參考序列為X。=x(1),x(2),X0(n)比較序列為Xi 二Xi(1),xi(2),必(n)關聯(lián)系數(shù)定義為:1 nr i(k)n k 呂 (7.2.2)另外,定量地表征灰色系統(tǒng)諸因子之間關聯(lián)程度的指數(shù)有兩種,按其計算方法的差異, 分別稱為絕對值關聯(lián)度和速率關聯(lián)度。 以上我們所介紹的是絕對值關聯(lián)度的概念和計算 關速率關聯(lián)度的問題,在此不作詳述。7.3灰色預測模型7.3.1 GM( 1,1)模型1. GM(1,1)模型 令X(0)為GM(
12、1,1)建模序列,X =(x(1),x(0 )(2) ,.,x(0)( n)X為X(0)的1-AGO序列,X =(x(1),x(2),x(1)(n),k(1)(0兒X (k)二 X (i)i(k)mjn mjn x0(l) _Xj (I) + P max max x0(l)_Xj(l)x0(k) - 人(k) : P max maxx(I)-Xj(I)(7.2.1)式中,min/i、 /i、min min x0(I) Xi(I)Xo(k)Xi(k)為第k點與的絕對差;j丨j為兩級最小差,其中x(l) -Xj(l)是第一級最小差,表示在序列上找各點與的最小差;n | m x(n I-x(j I)
13、為第二級最小差,表示在各序列中找出的最小差基礎上尋求所有 max max x0(I) Xi(I)序列中的最小差; j 丨j分辨率,0 : P : 1,一般采用P =0.5。對單位不一,初值不同的序列,在計算關聯(lián)系數(shù)之前應首先進行初值化, 所有數(shù)據(jù)分別除以第一數(shù)據(jù),將變量化為無單位的相對數(shù)值。(2)關聯(lián)度的計算 關聯(lián)系數(shù)只表示了各個時刻參考序列和比較序列之間的關聯(lián)程度, 列之間的關聯(lián)程度,必須求出它們的時間平均值,即關聯(lián)度。因此,計算關聯(lián)度的公式為:是兩級最大差,其含義與最小差相似。P稱為即將該序列的為了從總體上了解序g , k = 1,2,,n(732)令Z為X(1)的緊鄰均值(MEAN )生
14、成序列Z=(z(2), z(3),.,z(n)Z(k)=0.5X(k)+0.5X(k1)則GM(1,1)的定義型,即GM(1,1)的灰微分方程模型為x(0)(k) + az(k) = b模型符號含義為GMGfy式中稱為發(fā)展系數(shù),為灰色作用量。 的最小二乘估計參數(shù)列滿足:=(BT B)BTYn其中MOdel(1,11)1個變量設為待估參數(shù)向量,即=(a,b)T ,則灰微分方程(7.3.2)-z(1)(2)-z(1)11丁x(0)(3)(1)=3(0)( n)_dxdtax 二 b(7.3.3)為灰色微分方程 x(0)(k) az(1)(kb的白化方程,也叫影子方程。 如上所述,則有dx(1) b
15、ax b的解也稱時間響應函數(shù)為a aGM(1,1)灰色微分方程x(k) az(k) =b的時間響應序列為bbaka e + a , k =1,2,., n1)2)3)白化方程dt(1),(k 1) T (0)取 x(0)二 x(0)(1),則4)還原值(0),(k 1)bbaka e + a , k =1,2,., n列)(k 1) = 4(k 1) -0)(k)上式即為預測方程。有關建模的問題說明如下:1. 定原始序列X(0)中的數(shù)據(jù)不一定要全部用來建模,對原始數(shù)據(jù)的取舍不同,可得 模型不同,即和不同。2. 模的數(shù)據(jù)取舍應保證建模序列等時距、相連,不得有跳躍出現(xiàn)。可采3. 一般建模數(shù)據(jù)序列應
16、當由最新的數(shù)據(jù)及其相鄰數(shù)據(jù)構成,當再出現(xiàn)新數(shù)據(jù)時,用兩種方法處理:一是將新信息加入原始序列中,重估參數(shù);二是去掉原始序列中最老的一個數(shù)據(jù),再加上最新的數(shù)據(jù),所形成的序列和原序列維數(shù)相等,再重估參數(shù)。7.3.2 GM (1,1)模型檢驗GM(1,1)模型的檢驗分為三個方面:殘差檢驗;關聯(lián)度檢驗;后驗差檢驗。1 .殘差檢驗殘差大小檢驗,即對模型值和實際值的殘差進行逐點檢驗。首先按模型計算 X(1(1),將0)(i 1)累減生成X (i),最后計算原始序列x(0)(i)與G0)(i)的絕對殘差序列(0) =/(i),i=1,2,.,n,也(0)(i)=x(0)一爐(i)及相對殘差序列-%0 =,i
17、= 1,2,.,n, x()(i)并計算平均相對殘差給定,當:,且n 0.950.800.700.65勉強合格0.65不合格若相對殘差、關聯(lián)度、后驗差檢驗在允許的范圍內(nèi),則可以用所建的模型進行預測,否 則應進行殘差修正。7.3.3 GM( 1,1)模型應用實例解:設 X(k)=2.67,3.13,3.25,3.36,3.56,3.72第1步構造累加生成序列X)(k)=2.67,5.80,9.05,第2步構造數(shù)據(jù)矩陣和數(shù)據(jù)向量2_丄21 _x(1)(3)XX(1 )(2)x(1)(2)x(1)(3)x(1 4)12.41,15.97,1-4.2357.425-10.7319.6911例7.1某大
18、型企業(yè)1999年至2004年的產(chǎn)品銷售額如下表,試建立 GM(1,1)預測模型, 并預測2005年的產(chǎn)品銷售額。年份199920002001200220032004銷售額(億元)2.673.133.253.363.563.72-14.19x(1 *4)x(5).-17.83x(5)x(1 )(6)_x(0) (2)3.131x(0) (3)3.25x(0)3.36x(0)3.56:x(0)一1 i3.72 一Yn 二fl第 3 步計算=b_=(BTB),BTY707.46375 - 54.41Btb-54.415-0.008667 0.094319(BtB) J= 1(0.094319 1.2
19、26382-0.043879= (BTB)-*BTYn= 2.925663 一第4步得出預測模型dx(1)dt 0.043879=2.9256630.043879 k? (k 1) =69.3457 e- 66.6757bv(0) /(x(I 丿=2.67; a = 66.6757)第5步殘差檢驗(1) 根據(jù)預測公式,計算化),得刃(k) = 2.67, 5.78, 9.03, 12.43, 15.97, 19.68, 19.69 (=0,1,,6)(2) 累減生成 妙(k)序列,=1,2, - ,6?)(k) = 2.67, 3.11, 3.25, 3.40, 3.54, 3.71原始序列:
20、X(0)(k) = 2.67, 3.13, 3.25, 3.36, 3.56, 3.72(3) 計算絕對殘差和相對殘差序列絕對殘差序列:= 0, 0.02, 0, 0.04, 0.02 , 0.01相對殘差序列:=0, 0.64%, 0, 1.19%, 0.56% , 0.27%相對殘差不超過1.19%,模型精確度高。第6步進行關聯(lián)度檢驗(1) 計算序列x(0)與好0)的絕對殘差序列.-:(0) (k)A (0)、= 0,0.02,0,0.04,0.02,0.01A (0)min :(k) = min 0,0.02,0,0.04,0.02,0.01 = 0max (k) = max 0,0.0
21、2,0,0.04,0.02,0.01 = 0.04(2) 計算關聯(lián)系數(shù)由于只有兩個序列(即一個參考序列,一個被比較序列)故不再尋求第二級最小差和最大差。(k)二(k =1,.,6, P =0.5)min (k) P max :(k) 也(k) + P maxA(k) 求得 (k) = 1,0.5, 1,0.33, 0.5, 0.67(3) 計算關聯(lián)度1 nn心)n 心=0.67r=0.67是滿足P=0.5時的檢驗準則r0.6的。第7步后驗差檢驗1(0)(1)計算:X化=6 2.67+3.13+3.25+3.36+3.56+3.72=3.28計算X(0)序列的均方差:(0) (0) 2)1/2=
22、0.3671n -1計算殘差的均值: 計算殘差的均方差:1=6 (k) =0.015( X (k)-x ( :(k) - J-=0.0152計算 c :S2 =0.0152/0.3671=0.0414計算小殘差概率:=0.67450.3671=0.27466k A(k) =丿0.15,0.005,0.015,0.025,0.005,0.005所有都小于,故小殘差概率 6 :: So =1 ,而同時C=0.04140.35 ,故模型 0.043879 kX (k 1) =69.3457e- 66.6757 合格。第8步預測:k=7, X(0)(8)=(8) X(7)=4.23即2005年的產(chǎn)品銷
23、售額預測值為4.23億元。7.3.4 GM (1,1)殘差模型當原始數(shù)據(jù)序列 X(0)建立的GM(1,1)模型檢驗不合格時,可以用GM(1,1)殘差模型來修 正。如果原始序列建立的GM(1,1)模型不夠精確,也可以用GM(1,1)殘差模型來提高精度。若用原始序列X(0)建立的GM(1,1)模型(0)X(1)(i 1)=可獲得生成序列X的預測值,定義殘差序列 則對應的殘差序列為:(1) b b蔦e-i aa e + ae(0)(j) =x(1)(j) - ?(1)(j)。若取戸,i+ 1,n.計算其生成序列e(0) (k)=e(0)(1),(1)e (k),并據(jù)此建立相應的GM(1,1)模型:山
24、J|e(0)(1)-Le0)(i+1)ae(0)(2),,e(0)( n)ek. _beae得修正模型x(1)(k 1) = x(0)-ak eb;mo)-aeke e(7.3.4)1 k _iQ k蘭i為修正參數(shù)。6(k _i)=丿其中應用此模型時要考慮:1. 一般不是使用全部殘差數(shù)據(jù)來建立模型,而只是利用了部分殘差。2. 修正模型所代表的是差分微分方程,其修正作用與(k i)中的i的取值有關。X (O)x(o)x(o)x()XI = Xl(1), N ,0(n)7.3.5 GM (1,N)模型如果考慮的系統(tǒng)由若干個相互影響的因素組成, 為系統(tǒng)特征數(shù)據(jù)序列,而(o)2=(i),(0)x2 )
25、(0)x2 )(n)(0) x2)(0)X N =x(0)Nx(0)N(n)為相關因素序列。 列,則稱Xi為 Xj 的 1-ago 序列(i =1,2,,N), Z1為Xi的緊鄰生成序Nx(0) (k) az(k)bixi(1)(k)i=2(7.3.5)為GM(1,N)灰色微分方程。定義出=la pm J為GM(1,N)灰色微分方程的參數(shù)列,根據(jù)最小二乘法可以得出: = (BtB)BtY式中_-Z(1 )(2)xy(2)xN)(2)1B-Zxy(3)xN)(3)b =_Z1(1)(n) x( n)xN)( n) _| Y=x1 0) (2)X1( )(3)x10)(n)Tdxjdtax1 二
26、bzxjdxfbNX(1) N為GM(1,N)灰色微分方程 于是,我們有7.3.5)的白化方程,也稱影子方程。(7.3.6)1)白化方程(7.3.6)的解為NNx(t) =e瓦 JbXi(t)eatdt+x(1)(0) 送 Jbx(0)dt2i =2NN十妒(0) -1遲 bXj(0)吃 fbix(1)(t)eatdtN為DXi(k)可視*為灰常量,這樣,GM(1,N)t =2i =22)當Xi (i叫2., N變化幅度很小時,灰色微分方程(7.3.5)的近似時間響應式為11)(k1)= X1(1)(0)-丄 bixi(1)(k 1) eka i=21 Nbx(k 1)a i=2(7.3.7)
27、其中為(0)取為才1)。3)累減還原式為只)(k 十1)=斤)(k+1)斤)(k)(7.3.8)灰色系統(tǒng)建模的基本思路可以概括為以下幾點:(1) 建立模型常用的數(shù)據(jù)有以下幾種:1科學實驗數(shù)據(jù);2經(jīng)驗數(shù)據(jù);3生產(chǎn)數(shù)據(jù);4 決策數(shù)據(jù)。(2) 序列生成數(shù)據(jù)是建立灰色模型的基礎數(shù)據(jù)。(3) 一般非負序列累加生成后,得到準光滑序列,對于滿足光滑條件的序列,即可建 立GM微分模型。(4) 模型精度可以通過不同的灰數(shù)生成方式,數(shù)據(jù)的取舍,序列的調(diào)整、修正以及不同級 別的殘差GM模型補充得到提咼。(5) 灰色系統(tǒng)理論采用殘差大小檢驗、關聯(lián)度檢驗、后驗差檢驗三種方法檢驗、判斷 模型的精度。7.4災變預測灰色災變
28、預測的任務是給出下一個或幾個異常值出現(xiàn)的時刻,以便人們提前防備,采取對策,減少損失。作為灰色預測模型的應用,以下簡要介紹灰色災變預測的原理和方法。定義7.4設原始序列為=(1),,(n)。給定上限異常值(災變值),稱的子序列X】 xq(1)】, xq(2), .,xiq(m)= xlq(i) xlq(i),=1, 2,, 為上災變序列。定義7.5設原始序列=(1),,(n),給定下限異常值(災變值),稱的子序列= x q(1) , xq(2) 1,,xh(l)l= xq(i)l xq(i)乜;=1, 2,, 為下災變序列。定義7.6設為原始序列,X = x q(1) 1, xq(2) 1,,x
29、h(m)為災變序列,則稱Q(0)=q(1),q(2);q(m)為災變?nèi)掌谛蛄?。定義7.7設q(0)= (k1)=(q(1)-P)e環(huán)-(q(1) -匕代皿)a q(1- 亠aa=( 1 一 e )( a )e定義7.8設=(1),(n)為原始序列,n為現(xiàn)在,給定異常值,相應的災變?nèi)掌?序列Q(0)q(1),q(2);q(m)其中,q(m)(空n)為最近一次災變發(fā)生的日期,則稱(?(m 1)為下一次災變的預測日期;對任意0,稱0m k)為未來第次災變的預測日期。例7.2某地區(qū)平均降水量(單位:毫米)的原始數(shù)據(jù)為:X 3.X 1 ,x 2 ,., x 24 /=386.6, 514.6, 434.1,48
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 黃金煥膚病因介紹
- 和解調(diào)解協(xié)議書6篇
- 2023車庫租賃協(xié)議書七篇
- 土地流轉工作協(xié)議書
- 足跟瘀斑病因介紹
- 萎縮性毛周角化病病因介紹
- 中考政治總復習基礎知識梳理九年級全冊第二單元了解祖國愛我中華
- 中小學教師教育政策法規(guī)知識408新教師培訓省公開課全國賽課一等獎微課獲獎
- (可行性報告)一專業(yè)建設可行性分析
- (2024)植物纖維模塑制品項目可行性研究報告模板立項審批(一)
- CFA固定收益證券知到智慧樹期末考試答案題庫2024年秋首都經(jīng)濟貿(mào)易大學
- 高齡心房顫動患者抗凝治療中國專家共識(2024)解讀
- 光伏項目達標投產(chǎn)實施細則-施工
- 《技術經(jīng)濟學》練習題集
- 2023年黑龍江省齊齊哈爾市龍沙區(qū)煙草專賣局公務員考試《行政職業(yè)能力測驗》歷年真題及詳解
- 噴涂質(zhì)量協(xié)議書(2篇)
- GB/T 44580-2024熱塑性塑料閥門疲勞強度試驗方法
- 統(tǒng)編版(2024)七年級上冊道德與法治第三單元《珍愛我們的生命》測試卷(含答案)
- 事故隱患內(nèi)部舉報獎勵制度
- 小區(qū)智能化安防項目設計總體說明
- 法律法規(guī)知識測試題庫(共200題)
評論
0/150
提交評論