| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第13-19页 |
| ·课题提出的背景和意义 | 第13-15页 |
| ·国内外研究现状综述 | 第15-18页 |
| ·汽车物流的研究现状综述 | 第15-16页 |
| ·预测模型的研究现状综述 | 第16-18页 |
| ·论文研究的主要内容 | 第18-19页 |
| 第2章 我国第三方汽车物流发展现状研究 | 第19-33页 |
| ·我国汽车产业分析 | 第19-23页 |
| ·我国汽车产业发展历程简析 | 第19-21页 |
| ·我国汽车产业面临的机遇和挑战 | 第21-23页 |
| ·汽车物流概述 | 第23-26页 |
| ·汽车物流的概念和特点 | 第23-24页 |
| ·我国汽车物流发展现状研究 | 第24-26页 |
| ·第三方汽车物流在我国的发展研究 | 第26-32页 |
| ·第三方汽车物流 | 第26-27页 |
| ·第三方汽车物流的现状及发展趋势分析 | 第27-29页 |
| ·我国汽车物流的运行模式研究 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 常用物流预测方法的比较与分析 | 第33-43页 |
| ·物流系统预测的概念与原理 | 第33-35页 |
| ·物流系统预测概念及作用 | 第33-34页 |
| ·物流系统预测的原理 | 第34-35页 |
| ·物流预测的分类及一般步骤 | 第35-36页 |
| ·物流预测的分类 | 第35页 |
| ·物流预测的方法及步骤 | 第35-36页 |
| ·物流预测中常用定量预测方法的比较分析 | 第36-42页 |
| ·指数平滑法 | 第37-38页 |
| ·回归分析法 | 第38-39页 |
| ·灰色预测法 | 第39-40页 |
| ·基于神经网络的物流系统预测法 | 第40-42页 |
| ·比较与分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于灰色BP神经网络的物流需求量预测模型 | 第43-53页 |
| ·BP神经网络模型概述 | 第43-47页 |
| ·BP网络结构 | 第43-44页 |
| ·BP算法的数学描述 | 第44-47页 |
| ·灰色BP网络建模原理与方法 | 第47-48页 |
| ·预测算例 | 第48-50页 |
| ·训练结果 | 第50-51页 |
| ·预测结果及分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于RBF神经网络的物流需求量组合预测模型 | 第53-63页 |
| ·RBF神经网络模型概述 | 第53-55页 |
| ·RBF网络结构 | 第53-55页 |
| ·RBF学习过程 | 第55页 |
| ·RBF组合预测建模原理与方法 | 第55-60页 |
| ·建立RBF组合预测模型的理论基础 | 第55-56页 |
| ·建立前期预测模型 | 第56-57页 |
| ·RBF网络的建立及参数的训练 | 第57-60页 |
| ·RBF网络拟合及预测精度分析 | 第60页 |
| ·预测比较分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 基于灰色关联分析的我国汽车产销总量预测 | 第63-71页 |
| ·灰色关联分析 | 第63-67页 |
| ·灰色关联分析的原理及方法简述 | 第63-66页 |
| ·灰色关联分析的应用 | 第66-67页 |
| ·基于RBF神经网络的汽车产销总量预测模型 | 第67-70页 |
| ·建模思路 | 第67-68页 |
| ·预测实例 | 第68-70页 |
| ·预测结果分析 | 第70页 |
| ·本章小结 | 第70-71页 |
| 结论与展望 | 第71-73页 |
| 附录 | 第73-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-86页 |
| 学位论文评阅及答辩情况表 | 第86页 |