| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 引言 | 第8-10页 |
| 第一章 物流概述 | 第10-18页 |
| 第一节 物流定义 | 第10-13页 |
| 一、 物流定义在美国的演变 | 第10-11页 |
| 二、 中国关于物流的典型定义 | 第11-13页 |
| 第二节 物流管理系统 | 第13-18页 |
| 一、 物流管理 | 第13-15页 |
| 二、 物流管理系统 | 第15页 |
| 三、 关键的物流活动 | 第15-18页 |
| 第二章 物流需求预测 | 第18-36页 |
| 第一节 物流需求与物流需求预测 | 第18页 |
| 第二节 物流需求预测步骤 | 第18-20页 |
| 一、 确定需求性质 | 第18-19页 |
| 二、 确定预测目标 | 第19页 |
| 三、 确定预测内容，收集资料进行初步分析 | 第19-20页 |
| 四、 选择预测方法 | 第20页 |
| 五、 预测和结果评价 | 第20页 |
| 第三节 物流需求预测的意义 | 第20-22页 |
| 一、 准确的预测可以提高客户满意度，提高企业的竞争力 | 第21页 |
| 二、 准确的预测可以减少企业的库存 | 第21页 |
| 三、 准确的预测可以有效地安排生产 | 第21页 |
| 四、 准确的预测可以改善运输管理 | 第21页 |
| 五、 准确的预测可以做出信息含量更高的定价，促销决策 | 第21-22页 |
| 第四节 物流需求预测预测方法 | 第22-36页 |
| 一、 定性预测方法 | 第22-25页 |
| 二、 定量预测方法 | 第25-36页 |
| 第三章 随机时间序列模型预测方法 | 第36-55页 |
| 第一节 随机时间序列预测方法的研究状况 | 第36-37页 |
| 第二节 平稳随机时间序列 | 第37-43页 |
| 一、 平稳随机时间序列的定义 | 第37页 |
| 二、 平稳随机时间序列的性质 | 第37-38页 |
| 三、 平稳随机时间序列线性模型的分类及特征 | 第38-41页 |
| 四、 ARMA模型的传递形式与逆转形式 | 第41-42页 |
| 五、 非平稳随机序列的平稳化模型 | 第42-43页 |
| 第三节 平稳随机时间序列模型识别 | 第43-48页 |
| 一、 AR模型识别 | 第45-46页 |
| 二、 MA模型识别 | 第46-47页 |
| 三、 ARMA模型识别 | 第47-48页 |
| 第四节 随机时间序列模型的参数估计与检验 | 第48-52页 |
| 一、 AR模型的参数估计 | 第48-49页 |
| 二、 MA模型的参数估计 | 第49-50页 |
| 三、 ARMA模型的参数估计 | 第50-51页 |
| 四、 随机时间序列模型的检验 | 第51-52页 |
| 第五节 随机时间序列模型的预测方法 | 第52-55页 |
| 一、 预测原理 | 第52页 |
| 二、 ARMA模型预测法 | 第52-53页 |
| 三、 预测误差及置信预测区间的计算 | 第53-55页 |
| 第四章 用随机时间序列模型进行物流需求预测 | 第55-67页 |
| 第一节 案例介绍 | 第55-56页 |
| 第二节 样本序列平稳化均值化 | 第56-59页 |
| 一、 判断样本序列的平稳性 | 第56页 |
| 二、 平稳化 | 第56-58页 |
| 三、 将序列y_t零均值化 | 第58-59页 |
| 第三节 模型的建立与识别 | 第59-60页 |
| 一、 计算序列ω_t的样本自相关函数与样本偏相关函数 | 第59页 |
| 二、 模型识别 | 第59-60页 |
| 第四节 参数估计与检验 | 第60-64页 |
| 一、 模型参数估计 | 第60-61页 |
| 二、 模型检验 | 第61-64页 |
| 第五节 预测 | 第64-67页 |
| 一、 对序列ω_t进行预测 | 第64页 |
| 二、 对序列x_t进行预测 | 第64页 |
| 三、 预测误差及置信区间 | 第64-67页 |
| 第五章 总结与展望 | 第67-70页 |
| 第一节 方法评价 | 第67-68页 |
| 第二节 展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 后记 | 第72页 |
