基于遗传神经网络的城市圈物流需求预测--以鄱阳湖城市圈为例
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 国内外现状 | 第10-13页 |
| 1.3.1 国外现状 | 第10-11页 |
| 1.3.2 国内现状 | 第11-13页 |
| 1.4 论文的主要内容 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 区域物流需求分析及相关理论 | 第14-19页 |
| 2.1 区域物流 | 第14-15页 |
| 2.1.1 区域物流的概念 | 第14页 |
| 2.1.2 区域物流的特点 | 第14-15页 |
| 2.2 区域物流需求分析 | 第15-17页 |
| 2.2.1 区域物流需求分析定义与目的 | 第15-16页 |
| 2.2.2 区域物流需求分析特点 | 第16-17页 |
| 2.3 区域物流需求预测相关理论 | 第17-18页 |
| 2.3.1 区域物流需求预测步骤 | 第17页 |
| 2.3.2 区域物流需求预测数学函数模型 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 区域物流预测指标的构建与优化 | 第19-23页 |
| 3.1 物流预测指标构建原则 | 第19页 |
| 3.2 物流需求影响因素 | 第19-20页 |
| 3.3 物流需求预测指标构建 | 第20-22页 |
| 3.4 本章小结 | 第22-23页 |
| 第四章 遗传神经网络方法及模型构建 | 第23-33页 |
| 4.1 遗传算法 | 第23-25页 |
| 4.1.1 遗传算法简介与基本思想 | 第23页 |
| 4.1.2 遗传算法基本操作 | 第23-25页 |
| 4.1.3 遗传算法优点 | 第25页 |
| 4.2 BP神经网络 | 第25-29页 |
| 4.2.1 人工神经网络概述 | 第25页 |
| 4.2.2 BP神经网络模型结构 | 第25-28页 |
| 4.2.3 BP神经网络的优缺点 | 第28-29页 |
| 4.3 遗传神经网络构建 | 第29-32页 |
| 4.3.1 遗传算法与神经网络结合的可行性 | 第29-30页 |
| 4.3.2 遗传神经网络模型建立 | 第30-31页 |
| 4.3.3 参数初始化 | 第31-32页 |
| 4.4 本章小结 | 第32-33页 |
| 第五章 区域物流量预测的实证分析 | 第33-42页 |
| 5.1 数据选取及整理 | 第33-35页 |
| 5.1.1 数据选取 | 第33页 |
| 5.1.2 数据整理 | 第33-35页 |
| 5.2 区域物流量预测 | 第35-41页 |
| 5.2.1 BP神经网络预测 | 第36-38页 |
| 5.2.2 遗传神经网络预测 | 第38-41页 |
| 5.2.3 预测结果对比分析 | 第41页 |
| 5.3 本章小结 | 第41-42页 |
| 第六章 结论与展望 | 第42-43页 |
| 6.1 结论 | 第42页 |
| 6.2 展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46-47页 |
| 在读期间公开发表论文（著）及科研情况 | 第47页 |
