区域物流需求预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题来源 | 第9页 |
| ·选题背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-13页 |
| ·研究目的及论文内容安排 | 第13-14页 |
| ·研究思路和论文技术路线 | 第14-16页 |
| 第二章 区域物流需求理论分析以及预测内容 | 第16-22页 |
| ·物流需求分析的目的 | 第16页 |
| ·物流需求分析的原则 | 第16-17页 |
| ·区域物流需求的特点 | 第17-18页 |
| ·区域物流需求的影响因素 | 第18-20页 |
| ·区域物流需求的可预测性及其内容 | 第20-22页 |
| ·区域物流需求的可预测性 | 第20-21页 |
| ·区域物流需求的预测内容 | 第21-22页 |
| 第三章 区域物流需求指标体系及预测方法 | 第22-30页 |
| ·我国物流产业的统计现状 | 第22-23页 |
| ·区域物流需求预测指标的选择原则 | 第23-24页 |
| ·区域物流需求预测模型指标的选择 | 第24-26页 |
| ·物流需求指标的选择 | 第24-25页 |
| ·区域经济指标的选择 | 第25页 |
| ·区域物流预测指标体系的建立 | 第25-26页 |
| ·预测指标体系评价 | 第26-27页 |
| ·需求预测常用方法 | 第27-28页 |
| ·需求预测的步骤 | 第28-30页 |
| 第四章 基于支持向量机的物流需求预测模型 | 第30-46页 |
| ·统计学习理论 | 第30-32页 |
| ·一般机器学习方法所遇到的问题 | 第30-31页 |
| ·统计学习理论的基本内容 | 第31-32页 |
| ·核方法 | 第32-33页 |
| ·核方法基本原理 | 第32-33页 |
| ·核函数 | 第33页 |
| ·支持向量回归算法 | 第33-37页 |
| ·多元线性回归的不足 | 第33-34页 |
| ·SVR模型 | 第34-37页 |
| ·其他支持向量机回归模型 | 第37-38页 |
| ·SVR模型在区域物流需求预测中的应用 | 第38-46页 |
| ·上海市经济概况 | 第38-39页 |
| ·样本数据的获取 | 第39-40页 |
| ·预测模型构建 | 第40-41页 |
| ·预测结果分析 | 第41-46页 |
| 第五章 基于遗传算法和神经网络的组合预测模型 | 第46-62页 |
| ·遗传算法简介 | 第46-49页 |
| ·神经网络简介 | 第49-52页 |
| ·遗传算法与神经网络的融合 | 第52-53页 |
| ·基于遗传算法和神经网络的组合预测模型 | 第53-58页 |
| ·神经网络权值和阈值的优化 | 第53-55页 |
| ·组合预测模型应用 | 第55-58页 |
| ·上海市物流产业发展分析与对策 | 第58-62页 |
| ·上海市物流需求结构分析 | 第58页 |
| ·上海市物流需求主体分析 | 第58-59页 |
| ·上海市物流产业发展建议 | 第59-62页 |
| 结束语 | 第62-64页 |
| ·结论 | 第62页 |
| ·研究工作与创新 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录1 区域物流需求预测历史数据 | 第67-69页 |
| 附表1 训练样本集 | 第67-68页 |
| 附表2 测试样本集 | 第68-69页 |
| 附录2 学术成果 | 第69-70页 |
| 1、攻读硕士学位期间参与的科研项目及学术活动 | 第69页 |
| 2、攻读硕士学位期间发表论文情况 | 第69-70页 |
| 致谢 | 第70页 |
