摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第10-20页 |
1.1 研究背景 | 第10-11页 |
1.2 研究意义 | 第11页 |
1.3 国内外研究现状 | 第11-16页 |
1.3.1 供应网络供需协同研究现状 | 第11-12页 |
1.3.2 市场需求预测研究现状 | 第12-13页 |
1.3.3 供应网络库房选址研究 | 第13页 |
1.3.4 供应网络库存管理研究 | 第13-15页 |
1.3.5 供应网络库存转运研究 | 第15-16页 |
1.4 本文研究内容和研究思路 | 第16-20页 |
1.4.1 研究内容 | 第16-17页 |
1.4.2 技术路线 | 第17-20页 |
第2章 相关理论与基础 | 第20-28页 |
2.1 供应网络供需协同理论 | 第20-21页 |
2.2 市场需求预测方法 | 第21-26页 |
2.2.1 时间序列预测分析方法 | 第21-22页 |
2.2.2 多元回归预测方法 | 第22-24页 |
2.2.3 指数平滑预测方法 | 第24页 |
2.2.4 向量自回归模型 | 第24页 |
2.2.5 情景知识的分析预测 | 第24-25页 |
2.2.6 综合集成预测方法 | 第25-26页 |
2.3 供应网络的库存管理 | 第26-27页 |
2.4 供应网络库存转运策略 | 第27页 |
2.5 遗传算法 | 第27页 |
2.6 本章小结 | 第27-28页 |
第3章 基于需求预测的电商供应网络库房选址 | 第28-44页 |
3.1 可实现用户交付服务 | 第28-30页 |
3.2 电商供应网络需求预测 | 第30-39页 |
3.2.1 不同视角下的市场需求分析 | 第30-31页 |
3.2.2 基本假设与相关参数 | 第31-32页 |
3.2.3 宏观市场需求预测 | 第32-34页 |
3.2.4 中观市场需求预测 | 第34-36页 |
3.2.5 微观市场需求预测 | 第36-39页 |
3.3 基于需求预测的电商供应网络库房选址 | 第39-42页 |
3.3.1 库房选址原则 | 第39页 |
3.3.2 利用K-means进行区域聚类 | 第39-40页 |
3.3.3 利用多属性决策进行库房选址 | 第40-42页 |
3.4 本章小结 | 第42-44页 |
第4章 基于需求预测的电商供应网络库存策略 | 第44-52页 |
4.1 问题描述 | 第44-45页 |
4.2 基于需求预测电商供应网络的库存模型 | 第45-48页 |
4.2.1 库存均衡状态 | 第45-46页 |
4.2.2 库存目标函数 | 第46-47页 |
4.2.3 模型求解算法 | 第47-48页 |
4.3 基于需求预测的电商供应网络转运模型 | 第48-49页 |
4.3.1 模型目标函数 | 第48-49页 |
4.3.2 模型求解算法 | 第49页 |
4.4 本章小结 | 第49-52页 |
第5章 基于需求预测的电商供应网络库房选址和库存策略实证研究 | 第52-72页 |
5.1 数据来源与预处理 | 第52页 |
5.2 电商供应网络需求预测实证分析 | 第52-64页 |
5.2.1 基于ARIMA模型的需求预测 | 第53-56页 |
5.2.2 基于多元线性回归模型的需求预测 | 第56-57页 |
5.2.3 基于向量自回归的需求预测 | 第57-58页 |
5.2.4 基于三次指数平滑法的市场需求预测 | 第58-59页 |
5.2.5 基于BP神经网络的残差预测 | 第59-60页 |
5.2.6 基于情景分析的不规则需求预测 | 第60-61页 |
5.2.7 基于综合集成的市场需求预测 | 第61-63页 |
5.2.8 几种预测模型对比分析 | 第63-64页 |
5.3 基于需求预测的电商供应网络库房选址 | 第64-68页 |
5.3.1 基于K-means的库房分区 | 第64页 |
5.3.2 基于多属性决策的库房选址 | 第64-68页 |
5.4 基于需求预测的电商供应网络库存分析 | 第68-71页 |
5.4.1 基于需求预测的电商供应网络库存策略 | 第68-70页 |
5.4.2 基于需求预测的电商供应网络转运策略 | 第70-71页 |
5.5 本章小结 | 第71-72页 |
结论 | 第72-74页 |
参考文献 | 第74-80页 |
附录 | 第80-84页 |
攻读硕士学位期间发表的论文及科研成果 | 第84-86页 |
致谢 | 第86-87页 |