| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 数据挖掘技术研究现状 | 第10-11页 |
| 1.2.2 烟草物流研究现状 | 第11-13页 |
| 1.3 研究内容与意义 | 第13-14页 |
| 1.4 本研究主要创新点 | 第14-15页 |
| 1.5 论文结构 | 第15-17页 |
| 第二章 数据分析方法概述 | 第17-25页 |
| 2.1 数据挖掘技术的概念及分类 | 第17-19页 |
| 2.1.1 数据挖掘的概念 | 第17-18页 |
| 2.1.2 数据挖掘的分类 | 第18-19页 |
| 2.2 数据挖掘的技术与方法 | 第19-22页 |
| 2.2.1 数据挖掘的主要方法 | 第19-20页 |
| 2.2.2 数据挖掘的经典算法 | 第20-22页 |
| 2.3 R语言在数据挖掘中的应用 | 第22-24页 |
| 2.3.1 R语言概述 | 第22-23页 |
| 2.3.2 R语言的应用 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 物流储配环节运营特性及流程特征研究 | 第25-45页 |
| 3.1 物流订单分析的意义 | 第25-26页 |
| 3.2 烟草物流数据预处理 | 第26-27页 |
| 3.2.1 数据选取 | 第26页 |
| 3.2.2 数据整理 | 第26页 |
| 3.2.3 数据转换 | 第26-27页 |
| 3.3 基于数据挖掘的物流订单分析方法 | 第27-28页 |
| 3.4 对订单客户对象的分析 | 第28-31页 |
| 3.5 对订单数量指标的分析 | 第31-37页 |
| 3.5.1 按照下单时间分析 | 第31-33页 |
| 3.5.2 按照配送区域分析 | 第33-36页 |
| 3.5.3 对配送车辆与运载量的分析 | 第36-37页 |
| 3.6 对配送路径结构的分析 | 第37-40页 |
| 3.7 对配送延时性的分析 | 第40-43页 |
| 3.8 本章小结 | 第43-45页 |
| 第四章 基于时间序列的配送量预测模型 | 第45-65页 |
| 4.1 时间序列分析方法 | 第45-46页 |
| 4.2 建立周配送量时间序列 | 第46-48页 |
| 4.3 基于Holt-Winters的配送量预测模型 | 第48-55页 |
| 4.3.1 指数平滑与Holt-Winters算法 | 第48-50页 |
| 4.3.2 建立基于Holt-Winters的配送量预测模型 | 第50-52页 |
| 4.3.3 应用模型进行周配送量预测 | 第52-55页 |
| 4.4 基于L-M算法的神经网络配送量预测模型 | 第55-63页 |
| 4.4.1 BP神经网络与L-M算法 | 第55-57页 |
| 4.4.2 建立基于L-M算法的神经网络配送量预测模型 | 第57-60页 |
| 4.4.3 应用模型进行周配送量预测 | 第60-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65-66页 |
| 5.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文目录 | 第72页 |
