首页--经济论文--交通运输经济论文--水路运输经济论文--中国水路运输经济论文

大数据环境下港口干散货提货风险分析与预警研究

致谢第5-6页
摘要第6-8页
ABSTRACT第8-10页
1 引言第16-40页
    1.1 研究背景和意义第16-22页
        1.1.1 研究背景第16-19页
        1.1.2 问题提出第19-20页
        1.1.3 研究意义第20-22页
    1.2 研究问题界定第22-25页
        1.2.1 港口干散货货运业务简介第22-24页
        1.2.2 港口干散货提货风险问题定义第24-25页
    1.3 研究内容和方法第25-30页
        1.3.1 研究内容第25-29页
        1.3.2 基本方法框架第29-30页
    1.4 研究创新点第30-31页
    1.5 数据来源和分析工具第31-38页
        1.5.1 大数据环境第31-32页
        1.5.2 大数据来源第32-34页
        1.5.3 数据描述第34-37页
        1.5.4 数据分析工具第37-38页
    1.6 本章小节第38-40页
2 文献综述第40-60页
    2.1 研究问题综述第40-46页
        2.1.1 货运风险问题第40-42页
        2.1.2 港口干散货货运风险问题第42-43页
        2.1.3 港口干散货提货风险问题第43-46页
    2.2 相关基础理论第46-51页
        2.2.1 风险管理理论第46-49页
        2.2.2 社会网络理论第49-51页
    2.3 研究方法概述第51-58页
        2.3.1 特征选择第51-53页
        2.3.2 贝叶斯网络第53-55页
        2.3.3 社会网络分析第55-58页
    2.4 本章小结第58-60页
3 港口干散货提货风险因素分析第60-94页
    3.1 风险因素分析第60-63页
        3.1.1 风险因素分析流程第60-61页
        3.1.2 风险因素识别方法第61-62页
        3.1.3 风险因素评价方法第62页
        3.1.4 港口领域风险因素分析第62-63页
    3.2 港口干散货提货风险因素识别第63-74页
        3.2.1 文献法识别提货风险因素第64-65页
        3.2.2 专家会议法识别提货风险因素第65-67页
        3.2.3 业务流程分析法识别提货风险因素第67-70页
        3.2.4 港口干散货提货风险因素集第70-74页
    3.3 港口干散货提货关键风险因素选择第74-81页
        3.3.1 特征选择基本流程第74-75页
        3.3.2 基于特征选择的方法建模第75-77页
        3.3.3 特征排序方法选择第77-80页
        3.3.4 分类器选择第80-81页
        3.3.5 模型验证方法选择第81页
    3.4 实例分析第81-93页
        3.4.1 数据采集第81-85页
        3.4.2 评估指标第85页
        3.4.3 实验设置第85页
        3.4.4 特征排序结果分析第85-87页
        3.4.5 分类结果分析第87-92页
        3.4.6 关键风险因素集第92-93页
    3.5 本章小节第93-94页
4 基于贝叶斯网络的港口干散货提货风险预测模型构建第94-116页
    4.1 港口风险管理领域贝叶斯网络应用研究第94-97页
        4.2.1 基于专家知识的贝叶斯网络应用研究第95页
        4.2.2 基于专家知识和数据相结合的贝叶斯网络应用研究第95-96页
        4.2.3 基于数据学习的贝叶斯网络应用研究第96-97页
    4.2 港口干散货提货风险贝叶斯网络示例分析第97-99页
    4.3 港口干散货提货风险预测建模第99-102页
        4.3.1 贝叶斯网络建模方法第99-101页
        4.3.2 贝叶斯网络结构学习第101页
        4.3.3 贝叶斯网络参数学习第101-102页
        4.3.4 领域专家知识检验第102页
    4.4 实例分析第102-114页
        4.4.1 数据采集第103页
        4.4.2 结构学习及分析第103-110页
        4.4.3 参数学习及分析第110-111页
        4.4.4 模型评估第111-114页
    4.5 本章小节第114-116页
5 基于社会网络分析的港口干散货提货风险预测模型优化第116-136页
    5.1 港口干散货提货司机社会网络示例分析第116-118页
    5.2 港口干散货提货司机社会网络构建第118-123页
        5.2.1 提货司机群体特征分析第119页
        5.2.2 提货司机网络数据基础第119-120页
        5.2.3 提货司机社会网络构建第120-123页
    5.3 港口干散货提货司机网络特征分析第123-127页
        5.3.1 节点曝光度特征第124页
        5.3.2 节点度特征第124-125页
        5.3.3 边强度特征第125-127页
    5.4 港口干散货提货风险预测模型优化第127-128页
        5.4.1 分布式社会网络特征的提取第127-128页
        5.4.2 关键风险因素集优化第128页
    5.5 实例分析第128-134页
        5.5.1 数据采集与匹配第129-130页
        5.5.2 提货司机社会网络结构分析第130-132页
        5.5.3 提货司机社会网络特征分析第132-134页
    5.6 本章小节第134-136页
6 港口干散货提货风险预测实证分析第136-156页
    6.1 大数据来源第136-146页
        6.1.1 提货抽检记录第137-139页
        6.1.2 港口生产数据第139-143页
        6.1.3 海关数据第143-144页
        6.1.4 天气数据第144-145页
        6.1.5 原始数据集第145-146页
    6.2 数据预处理第146-151页
        6.2.1 结构化处理第147-148页
        6.2.2 数据匹配第148-149页
        6.2.3 数据清洗第149页
        6.2.4 不平衡数据集处理第149-150页
        6.2.5 数据标准化第150页
        6.2.6 数据离散化第150-151页
    6.3 结果分析第151-154页
        6.3.1 实验设置第151-152页
        6.3.2 评估指标第152页
        6.3.3 实验结果及分析第152-154页
    6.4 本章小节第154-156页
7 港口干散货提货风险分级与实时预警第156-166页
    7.1 港口干散货提货风险分级第156-158页
        7.1.1 提货风险分级方法第156-157页
        7.1.2 提货风险升级策略第157-158页
    7.2 港口干散货提货风险预警系统实现第158-164页
        7.2.1 风险预警方法第158-159页
        7.2.2 流数据处理框架第159-161页
        7.2.3 风险预警系统实现第161-164页
    7.3 本章小节第164-166页
8 结论与展望第166-170页
    8.1 论文主要结论第166-167页
    8.2 论文局限性第167-168页
    8.3 未来研究工作第168-170页
参考文献第170-182页
作者简历及攻读博士学位期间取得的研究成果第182-186页
学位论文数据集第186页

论文共186页,点击 下载论文
上一篇:含Ti高熵合金的结构与性能研究
下一篇:狄拉克半金属的第一性原理研究