基于GA-SVM的区域物流需求预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·研究背景及意义 | 第10-12页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·国内外区域物流研究现状 | 第12-13页 |
| ·国内外区域物流需求预测研究现状 | 第13-16页 |
| ·目前研究中存在的问题 | 第16-17页 |
| ·研究内容及方法 | 第17-19页 |
| ·研究内容 | 第17-18页 |
| ·研究方法 | 第18页 |
| ·技术路线 | 第18-19页 |
| 第2章 区域物流需求预测分析 | 第19-38页 |
| ·区域物流 | 第19-23页 |
| ·物流的概念及分类 | 第19-20页 |
| ·区域物流的概念及特征 | 第20-23页 |
| ·需求与预测 | 第23-29页 |
| ·需求的定义及特征 | 第23-24页 |
| ·需求的可预测性 | 第24-25页 |
| ·预测的原理及原则 | 第25-27页 |
| ·预测的分类及方法 | 第27-29页 |
| ·物流需求与供给 | 第29-34页 |
| ·物流需求与供给的定义及特点 | 第29-30页 |
| ·物流需求的内涵 | 第30-32页 |
| ·物流需求与供给的影响因素 | 第32-34页 |
| ·区域物流需求预测 | 第34-37页 |
| ·区域物流需求的概念及特征 | 第34-35页 |
| ·区域物流需求预测的概念及内容 | 第35-36页 |
| ·区域物流需求预测的基本步骤 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 区域物流需求预测指标体系 | 第38-44页 |
| ·区域物流需求预测指标的选择原则 | 第38-39页 |
| ·强相关性原则 | 第38页 |
| ·统一度量衡原则 | 第38页 |
| ·可操作性原则 | 第38-39页 |
| ·相对独立性原则 | 第39页 |
| ·区域物流需求的影响因素 | 第39-41页 |
| ·区域物流需求预测指标体系的建立 | 第41-43页 |
| ·区域物流需求预测指标的选择 | 第41页 |
| ·区域物流需求预测指标体系 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于遗传算法-支持向量机的预测模型 | 第44-72页 |
| ·支持向量机理论 | 第44-58页 |
| ·经验风险最小化原理 | 第44-45页 |
| ·结构风险最小化原理 | 第45-47页 |
| ·支持向量机原理 | 第47-50页 |
| ·支持向量回归机的分类及其核函数 | 第50-58页 |
| ·遗传算法理论 | 第58-62页 |
| ·遗传算法概述 | 第58页 |
| ·遗传算法的基本原理 | 第58-61页 |
| ·遗传算法的基本计算过程 | 第61-62页 |
| ·GA-SVM 算法设计 | 第62-66页 |
| ·支持向量机理论的应用及不足 | 第62-63页 |
| ·GA-SVM 算法的基本思路 | 第63-65页 |
| ·GA-SVM 算法的实现步骤 | 第65-66页 |
| ·GA-SVM 算法实现 | 第66-71页 |
| ·MATLAB 概述 | 第66-67页 |
| ·支持向量机工具箱的选择 | 第67-68页 |
| ·GA-SVM 算法的实现 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 基于GA-SVM 的邯郸市物流需求预测 | 第72-88页 |
| ·样本数据的获取及预处理 | 第72-75页 |
| ·邯郸市物流发展概况 | 第72-73页 |
| ·指标数据的获取 | 第73页 |
| ·指标数据的预处理 | 第73-75页 |
| ·基于传统SVM 的区域物流需求预测 | 第75-79页 |
| ·基于GA-SVM 的区域物流需求预测 | 第79-83页 |
| ·对比分析 | 第83-87页 |
| ·本章小结 | 第87-88页 |
| 结论 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 附录 | 第94-100页 |
| 作者简介 | 第100-101页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第101-103页 |
