| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-23页 |
| ·课题背景和问题的提出 | 第12-13页 |
| ·课题背景 | 第12-13页 |
| ·问题的提出 | 第13页 |
| ·国内外研究现状 | 第13-20页 |
| ·国外预测研究现状 | 第13-14页 |
| ·国内预测研究现状 | 第14-20页 |
| ·本文的主要目的和工作 | 第20-23页 |
| ·本文的主要目的 | 第20页 |
| ·本文的主要工作 | 第20-21页 |
| ·本文的主要创新点 | 第21-23页 |
| 第2章 区域物流及货运量相关理论概述 | 第23-29页 |
| ·区域物流理论 | 第23-24页 |
| ·区域物流的基本内涵 | 第23页 |
| ·区域物流的主要特征 | 第23-24页 |
| ·区域物流与区域经济的关系 | 第24-25页 |
| ·区域物流与区域经济相关理论 | 第24页 |
| ·区域物流对区域经济发展的影响 | 第24-25页 |
| ·区域经济对区域物流发展的作用 | 第25页 |
| ·区域货运量理论 | 第25-27页 |
| ·区域货运量内涵 | 第25页 |
| ·区域货运量影响因素 | 第25-26页 |
| ·区域物流需求与货运量 | 第26-27页 |
| ·区域货运量预测 | 第27-28页 |
| ·区域货运量预测原则 | 第27-28页 |
| ·区域货运量预测的基本步骤 | 第28页 |
| ·小结 | 第28-29页 |
| 第3章 区域货运量相关因素分析 | 第29-36页 |
| ·我国物流统计现状 | 第29-30页 |
| ·区域货运量影响因素经济指标 | 第30页 |
| ·区域货运量影响因素经济指标的关联度分析 | 第30-35页 |
| ·灰关联分析模型 | 第30-31页 |
| ·灰关联分析模型应用 | 第31-35页 |
| ·小结 | 第35-36页 |
| 第4章 区域货运量预测方法选择 | 第36-44页 |
| ·定性预测法 | 第36-37页 |
| ·德尔菲(Delphi)法 | 第36页 |
| ·头脑风暴法 | 第36-37页 |
| ·历史类比法 | 第37页 |
| ·定量预测方法 | 第37页 |
| ·预测方法的选择 | 第37-38页 |
| ·主成分分析—神经网络模型 | 第38-40页 |
| ·基本原理 | 第38-39页 |
| ·预测模型的建立 | 第39-40页 |
| ·主成分分析—支持向量机模型 | 第40-42页 |
| ·支持向量机 | 第40-41页 |
| ·预测模型的建立 | 第41-42页 |
| ·SVM与BP神经网络组合模型 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第5章 实例分析 | 第44-69页 |
| ·北京市物流概述 | 第44-45页 |
| ·北京市物流发展现状 | 第44-45页 |
| ·北京市物流业发展特点 | 第45页 |
| ·区域货运量预测数据的收集与处理 | 第45-52页 |
| ·区域货运量预测指标的选取 | 第45-47页 |
| ·数据的预处理 | 第47-49页 |
| ·预测指标的主成分分析 | 第49-52页 |
| ·区域货运量预测 | 第52-62页 |
| ·主成分—BP神经网络模型的实现及其结果分析 | 第52-54页 |
| ·主成分—支持向量机模型的实现及结果分析 | 第54-58页 |
| ·主成分—SVM与BP神经网络组合模型的实现及结果分析 | 第58-61页 |
| ·各种预测模型综合比较 | 第61-62页 |
| ·模型外推应用 | 第62-66页 |
| ·基于主成分—BP神经网络模型 | 第63页 |
| ·基于主成分—SVM模型 | 第63-64页 |
| ·基于标准SVM模型 | 第64页 |
| ·基于主成分—SVM与BP神经网络组合模型 | 第64-65页 |
| ·基于标准SVM与BP神经网络组合模型 | 第65页 |
| ·各种模型预测结果综合 | 第65-66页 |
| ·北京市应对物流需求发展的对策 | 第66-68页 |
| ·政策体系 | 第66-67页 |
| ·保障措施 | 第67-68页 |
| ·小结 | 第68-69页 |
| 结论和展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文 | 第76页 |