| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-22页 |
| ·选题背景与研究意义 | 第11-12页 |
| ·问题的提出 | 第11页 |
| ·研究的目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-19页 |
| ·国外景气监测预警理论的历史发展 | 第12-15页 |
| ·国内景气监测预警理论的研究现状 | 第15-18页 |
| ·景气监测预警理论在运输与物流领域中的应用状况 | 第18-19页 |
| ·研究现状小结 | 第19页 |
| ·论文研究内容及框架 | 第19-21页 |
| ·论文创新点 | 第21-22页 |
| 2 景气监测预警基本理论及方法 | 第22-25页 |
| ·常用景气监测方法及模型介绍 | 第22-23页 |
| ·景气指数法 | 第22页 |
| ·景气动向调查方法 | 第22-23页 |
| ·判别分析法 | 第23页 |
| ·常用景气预警方法及模型介绍 | 第23-24页 |
| ·ARMA模型 | 第23-24页 |
| ·人工神经网络模型 | 第24页 |
| ·小结 | 第24-25页 |
| 3 城市物流景气监测预警系统的设计 | 第25-29页 |
| ·城市物流景气监测预警系统的指导思想 | 第25-26页 |
| ·城市物流景气监测预警系统的组成 | 第26-29页 |
| 4 城市物流景气指标的构建及景气指数计算 | 第29-45页 |
| ·城市物流景气指标的构建 | 第29-34页 |
| ·城市物流景气指标体系选取原则 | 第29-30页 |
| ·景气指标的选取 | 第30页 |
| ·城市物流景气指标释义 | 第30-34页 |
| ·各景气指标权重的确定 | 第34页 |
| ·城市物流景气指数 | 第34-42页 |
| ·物流扩散指数 | 第35-39页 |
| ·物流合成指数 | 第39-42页 |
| ·北京市的物流景气指数计算 | 第42-44页 |
| ·物流扩散指数的编制 | 第42-43页 |
| ·物流合成指数的编制 | 第43-44页 |
| ·物流景气指数实证小结 | 第44-45页 |
| 5 城市物流景气信号模型构建及实证分析 | 第45-55页 |
| ·城市物流景气信号模型 | 第45-50页 |
| ·景气信号模型的原理和方法步骤 | 第45-46页 |
| ·区域划分与灯号显示 | 第46-47页 |
| ·单个指标临界点的确定 | 第47-49页 |
| ·物流景气综合指数的确定 | 第49-50页 |
| ·景气信号图 | 第50页 |
| ·北京市的物流景气信号分析 | 第50-54页 |
| ·景气指标预警界限的确定 | 第51-53页 |
| ·物流景气综合指数的确定 | 第53页 |
| ·物流景气综合指数的输出 | 第53-54页 |
| ·物流景气信号实证小结 | 第54-55页 |
| 6 城市物流景气预警模型构建及实证分析 | 第55-67页 |
| ·城市物流景气预警模型 | 第55-60页 |
| ·人工神经网络在城市物流景气预警系统中应用的可行性 | 第55-56页 |
| ·基于人工神经网络的物流景气预警系统 | 第56-59页 |
| ·城市物流景气预警的具体步骤 | 第59-60页 |
| ·北京市的物流景气预警实证 | 第60-65页 |
| ·物流景气预警系统指标体系及临界点 | 第60页 |
| ·人工神经网络预测模型的确定 | 第60-62页 |
| ·人工神经网络预测模型的模拟预测结果 | 第62-65页 |
| ·人工神经网络预测模型的应用小结 | 第65-67页 |
| 7 总结与展望 | 第67-71页 |
| ·研究结论 | 第67-69页 |
| ·研究展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |