基于多步預(yù)測(cè)性能指標(biāo)函數(shù)的神經(jīng)網(wǎng)絡(luò)逆動(dòng)態(tài)控制方法
格式:pdf
大?。?span id="pzj5aal" class="single-tag-height" data-v-09d85783>454KB
頁(yè)數(shù):3P
人氣 :56
4.5
針對(duì)一些復(fù)雜的非線性系統(tǒng)在神經(jīng)網(wǎng)絡(luò)逆動(dòng)態(tài)控制方法下控制效果不理想的問(wèn)題 ,本文提出對(duì)被控對(duì)象進(jìn)行直接多步預(yù)測(cè) ,利用多步預(yù)測(cè)性能指標(biāo)函數(shù)對(duì)系統(tǒng)實(shí)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的逆控制。并將仿真結(jié)果與利用遞推多步預(yù)測(cè)方法的結(jié)果進(jìn)行了比較 ,得到直接多步預(yù)測(cè)控制較遞推多步預(yù)測(cè)更準(zhǔn)確的結(jié)論。
基于遞歸神經(jīng)網(wǎng)絡(luò)的基坑工程變形多步預(yù)測(cè)方法研究
格式:pdf
大?。?span id="o2mf505" class="single-tag-height" data-v-09d85783>625KB
頁(yè)數(shù):4P
針對(duì)深基坑系統(tǒng)的復(fù)雜的非線性及基坑工程變形多步預(yù)測(cè)的重要性,將人工神經(jīng)網(wǎng)絡(luò)技術(shù)引入其中。分析了用bp網(wǎng)絡(luò)進(jìn)行多步預(yù)測(cè)時(shí)存在的不足,提出了基于遞歸神經(jīng)網(wǎng)絡(luò)的基坑工程變形多步預(yù)測(cè)模型。通過(guò)一軟土深基坑工程變形多步預(yù)測(cè)實(shí)例的分析,論證了遞歸神經(jīng)網(wǎng)絡(luò)用于基坑工程變形多步預(yù)測(cè)的可靠性和實(shí)用性。該方法有效可行,在其他領(lǐng)域的多步預(yù)測(cè)中同樣具有廣闊的應(yīng)用前景。
基于人工神經(jīng)網(wǎng)絡(luò)(BP)的混凝土抗裂性能指標(biāo)預(yù)測(cè)
格式:pdf
大小:376KB
頁(yè)數(shù):3P
通過(guò)對(duì)人工神經(jīng)元及bp網(wǎng)絡(luò)的簡(jiǎn)要介紹,結(jié)合三峽工程大壩混凝土試驗(yàn)實(shí)測(cè)數(shù)據(jù),應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的理論和方法,利用matlab語(yǔ)言編制了基于神經(jīng)網(wǎng)絡(luò)理論的混凝土抗裂指標(biāo)預(yù)測(cè)程序,實(shí)現(xiàn)了對(duì)混凝土抗裂指標(biāo)值的預(yù)測(cè),證明了人工神經(jīng)網(wǎng)絡(luò)在混凝土抗裂指標(biāo)預(yù)測(cè)方面的可行性與可靠性。
基于灰色神經(jīng)網(wǎng)絡(luò)的企業(yè)風(fēng)險(xiǎn)特征指標(biāo)動(dòng)態(tài)預(yù)測(cè)方法研究
格式:pdf
大?。?span id="qhkhgca" class="single-tag-height" data-v-09d85783>995KB
頁(yè)數(shù):9P
4.6
根據(jù)企業(yè)風(fēng)險(xiǎn)特征指標(biāo)預(yù)測(cè)問(wèn)題的特點(diǎn),提出將灰色系統(tǒng)gm(1,1)模型與神經(jīng)網(wǎng)絡(luò)結(jié)合建立一階灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,以實(shí)現(xiàn)系統(tǒng)預(yù)測(cè)的動(dòng)態(tài)性及提高系統(tǒng)的預(yù)測(cè)精度.但該模型具有一定的局限性,從模型參數(shù)的角度給出了該模型只適用于具有\(zhòng)"單調(diào)\"性數(shù)據(jù)的證明,進(jìn)而提出了三階灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,以適應(yīng)預(yù)測(cè)數(shù)據(jù)\"非單調(diào)\"或擺動(dòng)的情況.但隨著系統(tǒng)建模過(guò)程中階數(shù)的增加,預(yù)測(cè)精度會(huì)有所下降,因此應(yīng)根據(jù)數(shù)據(jù)特點(diǎn)選擇預(yù)測(cè)模型.最后,通過(guò)實(shí)證分析驗(yàn)證了上述模型及證明結(jié)論.
用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)并控制鉆井動(dòng)態(tài)
格式:pdf
大小:167KB
頁(yè)數(shù):5P
4.4
用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)并控制鉆井動(dòng)態(tài)
基于神經(jīng)網(wǎng)絡(luò)方法對(duì)多層磚房震害預(yù)測(cè)
格式:pdf
大?。?span id="drnm2om" class="single-tag-height" data-v-09d85783>210KB
頁(yè)數(shù):3P
4.8
強(qiáng)烈的地震給人們生命財(cái)產(chǎn)帶來(lái)巨大損失,為了能夠在地震之前預(yù)測(cè)出建筑物震害,提出一多層磚房為例。利用matlab神經(jīng)網(wǎng)絡(luò)工具箱,建立一種基于貝葉斯正則算法的bp神經(jīng)網(wǎng)絡(luò)模型,并以過(guò)去發(fā)生地震地區(qū)的多層磚房調(diào)查數(shù)據(jù)為震害因子的震害預(yù)測(cè)方法。結(jié)果表明:對(duì)多層磚房的震害樣本的預(yù)測(cè)達(dá)到理想效果。
基于神經(jīng)網(wǎng)絡(luò)的電梯導(dǎo)軌多步校直彎曲形式預(yù)測(cè)
格式:pdf
大?。?span id="l3iwx84" class="single-tag-height" data-v-09d85783>731KB
頁(yè)數(shù):1P
4.5
基于神經(jīng)網(wǎng)絡(luò)的電梯導(dǎo)軌多步校直彎曲形式預(yù)測(cè)
基坑變形的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)建模預(yù)報(bào)方法
格式:pdf
大小:175KB
頁(yè)數(shù):4P
3
基坑變形的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)建模預(yù)報(bào)方法——為了對(duì)基坑變形進(jìn)行更準(zhǔn)確的監(jiān)測(cè)和預(yù)報(bào),根據(jù)基坑變形的特點(diǎn),提出了應(yīng)用動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)時(shí)建模預(yù)報(bào),并采用一種改進(jìn)的在線學(xué)習(xí)算法,較好地描述了基坑變形的動(dòng)態(tài)特性。通過(guò)對(duì)某工程基坑的監(jiān)測(cè),驗(yàn)證了該方法...
基于MATLAB神經(jīng)網(wǎng)絡(luò)方法的多層磚房震害預(yù)測(cè)
格式:pdf
大?。?span id="skwx2ii" class="single-tag-height" data-v-09d85783>172KB
頁(yè)數(shù):4P
4.3
提出利用matlab人工神經(jīng)網(wǎng)絡(luò)工具箱建立基于貝葉斯正則算法的bp神經(jīng)網(wǎng)絡(luò)模型,以地震區(qū)多層磚房震害調(diào)查數(shù)據(jù)為因子的震害預(yù)測(cè)方法。神經(jīng)網(wǎng)絡(luò)模型輸入震害因子包括建筑的層數(shù)、施工質(zhì)量、房屋整體性等,輸出值為建筑物在地震作用下的破壞程度。結(jié)果表明,本方法可以對(duì)多層磚房的震害樣本進(jìn)行預(yù)測(cè)并達(dá)到較理想的效果。
基于RBF神經(jīng)網(wǎng)絡(luò)的公路貨運(yùn)量預(yù)測(cè)方法研究
格式:pdf
大?。?span id="hhqa5yj" class="single-tag-height" data-v-09d85783>603KB
頁(yè)數(shù):4P
4.7
本文提出了一種基于rbf神經(jīng)網(wǎng)絡(luò)的直接預(yù)測(cè)法,對(duì)公路貨運(yùn)量進(jìn)行了預(yù)測(cè),并利用matlab工具箱予以了實(shí)現(xiàn).對(duì)2004和2005年公路貨運(yùn)量預(yù)測(cè)的結(jié)果表明,預(yù)測(cè)值與國(guó)家統(tǒng)計(jì)局公布的實(shí)際數(shù)值有很好的一致性,預(yù)測(cè)精度也高于其它rbf預(yù)測(cè)法,有很好的應(yīng)用性.
基于小波神經(jīng)網(wǎng)絡(luò)方法的電力需求預(yù)測(cè)
格式:pdf
大?。?span id="mm6j775" class="single-tag-height" data-v-09d85783>1.1MB
頁(yè)數(shù):7P
4.5
當(dāng)前,諸多研究人員被電力負(fù)載預(yù)測(cè)所吸引,由于其是精確計(jì)劃、調(diào)度及運(yùn)維電力系統(tǒng)的先決條件.眾多因素均影響著電力負(fù)載預(yù)測(cè),因此提出一個(gè)混合模型來(lái)提升預(yù)測(cè)的準(zhǔn)確性是有必要的.文中提出一種采用2種方法的新的混合負(fù)載估計(jì)方案:小波變換(avelettransform,wt)和人工神經(jīng)網(wǎng)絡(luò)(artificialneuralnetwork,ann).為了將大型非對(duì)稱時(shí)變電力原始數(shù)據(jù)集合考慮到其中,根據(jù)時(shí)間和頻率采用小波技術(shù)來(lái)分解數(shù)據(jù),眾多小波函數(shù)可以采用,但選擇一種合適的小波函數(shù)在設(shè)計(jì)此模型中扮演著關(guān)鍵作用.文中采用了以下幾種類型的小波函數(shù),即haar小波函數(shù)、deubechies小波函數(shù)、symlet小波函數(shù)以及coiflet小波函數(shù),將電力負(fù)載數(shù)據(jù)分解成不同的段.隨后,使用ann來(lái)預(yù)測(cè)負(fù)載的非線性數(shù)據(jù).由aemo獲取一周每天24h的數(shù)據(jù)驗(yàn)證了文中所設(shè)計(jì)模型的有效性.
基于BP神經(jīng)網(wǎng)絡(luò)的民航安全預(yù)測(cè)方法研究
格式:pdf
大?。?span id="llvgcnk" class="single-tag-height" data-v-09d85783>58KB
頁(yè)數(shù):4P
4.4
為了對(duì)民航系統(tǒng)安全運(yùn)行狀態(tài)進(jìn)行科學(xué)的分析和預(yù)測(cè),針對(duì)反映民航系統(tǒng)安全運(yùn)行狀態(tài)的重要指標(biāo)之一——飛行事故萬(wàn)時(shí)率,采用bp神經(jīng)網(wǎng)絡(luò)的時(shí)間序列非線性預(yù)測(cè)模型及方法,對(duì)其進(jìn)行了分析研究和仿真驗(yàn)證,計(jì)算結(jié)果表明,該預(yù)測(cè)方法是可行的,并與實(shí)際具有較好的一致性。
基于廣義回歸神經(jīng)網(wǎng)絡(luò)的公路貨運(yùn)量預(yù)測(cè)方法研究
格式:pdf
大小:483KB
頁(yè)數(shù):3P
4.7
公路貨運(yùn)量受多種因素影響,各因素的作用機(jī)制通常不能準(zhǔn)確地用數(shù)學(xué)語(yǔ)言進(jìn)行描述。采用廣義回歸神經(jīng)網(wǎng)絡(luò)(grnn)對(duì)貨運(yùn)量進(jìn)行分析及預(yù)測(cè)。通過(guò)對(duì)1995~2003年南京市公路運(yùn)量的歷史數(shù)據(jù)進(jìn)行分析和處理,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和擬合,用2004~2005年的實(shí)際數(shù)據(jù)進(jìn)行模型檢驗(yàn),結(jié)果證明了grnn用于貨運(yùn)量預(yù)測(cè)的有效性。
基于神經(jīng)網(wǎng)絡(luò)的公路貨運(yùn)量預(yù)測(cè)方法研究
格式:pdf
大?。?span id="kifbcwb" class="single-tag-height" data-v-09d85783>127KB
頁(yè)數(shù):未知
4.8
通過(guò)對(duì)公路貨運(yùn)量的預(yù)測(cè)方法進(jìn)行研究比較,并根據(jù)公路貨運(yùn)量形成的復(fù)雜和非線性等特點(diǎn),建立bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型.利用黑龍江省公路貨運(yùn)量及其相關(guān)影響因素的實(shí)際數(shù)據(jù),確定網(wǎng)絡(luò)輸入與輸出樣本,并對(duì)bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)進(jìn)行訓(xùn)練和預(yù)測(cè).通過(guò)對(duì)網(wǎng)絡(luò)輸出的誤差曲線圖的分析,驗(yàn)證bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)的精確性和簡(jiǎn)單方便性,提高了公路貨運(yùn)量預(yù)測(cè)的精確性.
開(kāi)采地面沉陷預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)方法研究
格式:pdf
大?。?span id="7m2hf5a" class="single-tag-height" data-v-09d85783>205KB
頁(yè)數(shù):5P
3
開(kāi)采地面沉陷預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)方法研究——應(yīng)用神經(jīng)網(wǎng)絡(luò)理論,建立了開(kāi)采地面沉陷預(yù)測(cè)的bp神經(jīng)網(wǎng)絡(luò)模型,采用開(kāi)采地面沉陷實(shí)測(cè)數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練,以此訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)模型來(lái)描述開(kāi)采地面沉陷與其影響因素之間的非線性映射關(guān)系,并采用測(cè)試樣本對(duì)模型進(jìn)行了...
基于房屋普查數(shù)據(jù)與人工神經(jīng)網(wǎng)絡(luò)的震害預(yù)測(cè)方法
格式:pdf
大小:533KB
頁(yè)數(shù):4P
4.6
為簡(jiǎn)化震害預(yù)測(cè)工作,提出一種以房屋普查數(shù)據(jù)為震害影響因子并利用人工神經(jīng)網(wǎng)絡(luò)模型為工具的震害預(yù)測(cè)方法。從以往震害實(shí)例中選取了具有典型破壞特點(diǎn)的建筑物作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本,用收集的數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練并得到了收斂的網(wǎng)絡(luò),應(yīng)用此收斂的網(wǎng)絡(luò)對(duì)一組新的房屋數(shù)據(jù)進(jìn)行震害預(yù)測(cè),結(jié)果表明了運(yùn)用此方法和模型的實(shí)用性。
基于RBF神經(jīng)網(wǎng)絡(luò)方法的混凝土強(qiáng)度預(yù)測(cè)
格式:pdf
大?。?span id="s2w7m52" class="single-tag-height" data-v-09d85783>198KB
頁(yè)數(shù):2P
4.7
在分析普通混凝土強(qiáng)度各影響因素的基礎(chǔ)上,選取6個(gè)影響因素組成輸入層,以混凝土28d強(qiáng)度作為輸出,建立徑向基函數(shù)網(wǎng)絡(luò),經(jīng)網(wǎng)絡(luò)訓(xùn)練和仿真結(jié)果對(duì)比,表明所建網(wǎng)絡(luò)結(jié)構(gòu)合理、收斂速度快、精度高,可以滿足普通混凝土強(qiáng)度預(yù)測(cè)要求,具有廣泛的應(yīng)用前景。
一種基于神經(jīng)網(wǎng)絡(luò)的房?jī)r(jià)指數(shù)預(yù)測(cè)方法
格式:pdf
大?。?span id="wbzakiv" class="single-tag-height" data-v-09d85783>184KB
頁(yè)數(shù):未知
4.4
房地產(chǎn)業(yè)是國(guó)民經(jīng)濟(jì)發(fā)展的重要支柱產(chǎn)業(yè)之一,因此,科學(xué)預(yù)測(cè)房地產(chǎn)價(jià)格指數(shù)具有十分重要的意義。將神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于房?jī)r(jià)指數(shù)預(yù)測(cè),收集我國(guó)主要城市的房地產(chǎn)價(jià)格指數(shù)數(shù)據(jù),使用spssclementine軟件進(jìn)行分析。實(shí)驗(yàn)結(jié)果表明,該預(yù)測(cè)方法是可行的和有效的。
神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)法在軟基沉降預(yù)測(cè)中的應(yīng)用
格式:pdf
大?。?span id="dpay5dq" class="single-tag-height" data-v-09d85783>295KB
頁(yè)數(shù):3P
3
神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)法在軟基沉降預(yù)測(cè)中的應(yīng)用——通過(guò)引入神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型,對(duì)軟基沉降序列進(jìn)行了非線性組合預(yù)測(cè)。預(yù)測(cè)結(jié)果表明,神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)的結(jié)果比各單項(xiàng)模型預(yù)測(cè)的結(jié)果都好,提高了軟基沉降的預(yù)測(cè)精度,可進(jìn)一步推廣應(yīng)用?! ?/p>
公路軟基沉降函數(shù)干涉神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型
格式:pdf
大?。?span id="b2x2xhg" class="single-tag-height" data-v-09d85783>211KB
頁(yè)數(shù):3P
3
公路軟基沉降函數(shù)干涉神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型——建立了基于函數(shù)干涉神經(jīng)網(wǎng)絡(luò)的公路軟基沉降預(yù)測(cè)模型。工程實(shí)例表明,所建議的模型外延性好,而且,可以由較短預(yù)壓期內(nèi)沉降觀測(cè)資料預(yù)測(cè)遠(yuǎn)期沉降發(fā)展,與傳統(tǒng)沉降預(yù)測(cè)模型相比具有顯著的優(yōu)越性,工程應(yīng)用前景廣闊.
人工神經(jīng)網(wǎng)絡(luò)在材料性能預(yù)測(cè)中的應(yīng)用
格式:pdf
大?。?span id="2pcmkkj" class="single-tag-height" data-v-09d85783>312KB
頁(yè)數(shù):2P
4.6
泡沫金屬試樣測(cè)試復(fù)雜,對(duì)試樣而言又急需知道基體結(jié)構(gòu)參數(shù)與力學(xué)性能和阻尼性能的關(guān)系,采用線性回歸技術(shù)無(wú)法實(shí)現(xiàn)這一功能,應(yīng)用人工神經(jīng)網(wǎng)絡(luò),則解決了通過(guò)測(cè)量泡沫金屬的四個(gè)基本參數(shù)達(dá)到推知其力學(xué)性能、阻尼性能的課題。
人工神經(jīng)網(wǎng)絡(luò)方法在基坑變形預(yù)測(cè)中的應(yīng)用研究
格式:pdf
大小:280KB
頁(yè)數(shù):4P
3
人工神經(jīng)網(wǎng)絡(luò)方法在基坑變形預(yù)測(cè)中的應(yīng)用研究——分析研究了人工神經(jīng)網(wǎng)絡(luò)方法在基坑變形預(yù)測(cè)中的建模方法,并通過(guò)實(shí)例應(yīng)用,證明這種方法是切實(shí)可行的。同時(shí)將人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)結(jié)果和灰色系統(tǒng)模型及時(shí)序模型預(yù)測(cè)進(jìn)行比較,充分證明人工神經(jīng)網(wǎng)絡(luò)方法在變形預(yù)...
遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)方法在橋梁震害預(yù)測(cè)中的應(yīng)用
格式:pdf
大?。?span id="jxgqr2x" class="single-tag-height" data-v-09d85783>1.5MB
頁(yè)數(shù):7P
4.4
本文將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,從而建立了一種高效的、實(shí)用的橋梁震害預(yù)測(cè)方法。根據(jù)遺傳算法具有局部尋優(yōu)的特點(diǎn),為避免bp神經(jīng)網(wǎng)絡(luò)陷入局部極小值,本文將二者結(jié)合起來(lái)形成ga-bp混合算法,以ga優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。在大量收集梁式橋震害資料的基礎(chǔ)上,將此算法引入橋梁的震害預(yù)測(cè)中,并與傳統(tǒng)的單獨(dú)bp神經(jīng)網(wǎng)絡(luò)相比較,結(jié)果表明該方法能夠有效、準(zhǔn)確地對(duì)橋梁結(jié)構(gòu)進(jìn)行震害預(yù)測(cè)。
基于神經(jīng)網(wǎng)絡(luò)算法的工程造價(jià)控制方法實(shí)證研究
格式:pdf
大?。?span id="aolvgsa" class="single-tag-height" data-v-09d85783>188KB
頁(yè)數(shù):3P
4.4
在現(xiàn)代工程建設(shè)中,工程造價(jià)為衡量工程的成本投入提供了可靠的依據(jù).行之有效的確定和控制工程造價(jià)的方法,是提高工程質(zhì)量和建設(shè)效率、降低成本的重要途徑之一.文章根據(jù)當(dāng)前的主流應(yīng)用方向,清晰闡述了常用的工程造價(jià)的確定方法.詳細(xì)分析工程造價(jià)的控制思路.最后通過(guò)實(shí)例,嘗試在實(shí)踐中找到確定并控制工程造價(jià)的方法.
基于小波神經(jīng)網(wǎng)絡(luò)的工程陶瓷動(dòng)態(tài)車削力預(yù)測(cè)
格式:pdf
大?。?span id="jkig2bz" class="single-tag-height" data-v-09d85783>195KB
頁(yè)數(shù):未知
4.7
以小波分析和bp神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),構(gòu)建了小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。使用ca6140車床對(duì)氟金云母陶瓷進(jìn)行了干車削試驗(yàn),并用三向測(cè)力儀測(cè)量了切削過(guò)程的切削力變化趨勢(shì)?;谛〔ò械膚pbmpen函數(shù)對(duì)切削力信號(hào)進(jìn)行了降噪處理,切削力信號(hào)在降噪后有明顯改善,能更形象地表達(dá)出切削力的變化趨勢(shì)。基于小波神經(jīng)網(wǎng)絡(luò)對(duì)切削力進(jìn)行了預(yù)測(cè),結(jié)果表明:小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值、信號(hào)降噪處理值和試驗(yàn)值都非常相近,說(shuō)明切削力在預(yù)測(cè)過(guò)程中具有一定的可靠性,小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)前對(duì)切削力信號(hào)的降噪處理是合理的。
文輯推薦
知識(shí)推薦
百科推薦
職位:暖通項(xiàng)目經(jīng)理
擅長(zhǎng)專業(yè):土建 安裝 裝飾 市政 園林