致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 绪论 | 第12-20页 |
1.1 研究背景和意义 | 第12-13页 |
1.1.1 研究背景 | 第12-13页 |
1.1.2 研究意义 | 第13页 |
1.2 国内外研究现状 | 第13-16页 |
1.2.1 国外研究现状 | 第13-14页 |
1.2.2 国内研究现状 | 第14-16页 |
1.3 研究内容、方法与技术路线 | 第16-20页 |
1.3.1 研究内容 | 第16-17页 |
1.3.2 研究方法及技术路线 | 第17-20页 |
2 相关理论与方法概述 | 第20-30页 |
2.1 物流需求相关概述 | 第20-23页 |
2.1.1 物流需求内涵 | 第20-21页 |
2.1.2 物流需求特征 | 第21-23页 |
2.2 物流需求预测步骤及方法 | 第23-25页 |
2.2.1 物流需求预测步骤 | 第23-24页 |
2.2.2 物流需求预测方法 | 第24-25页 |
2.3 物流用地规模确定的原则及方法 | 第25-29页 |
2.3.1 物流用地规模确定原则 | 第25-26页 |
2.3.2 物流用地规模确定常用方法 | 第26-29页 |
2.4 本章小结 | 第29-30页 |
3 物流需求相关因素分析 | 第30-42页 |
3.1 影响北京市物流需求的主要因素 | 第30-33页 |
3.2 物流需求预测指标分析 | 第33-36页 |
3.2.1 指标体系选取的原则 | 第33-34页 |
3.2.2 物流需求的计量方式 | 第34-35页 |
3.2.3 物流需求预测指标体系 | 第35-36页 |
3.3 指标体系关联实证分析 | 第36-40页 |
3.3.1 灰色关联度模型 | 第36-38页 |
3.3.2 关联度实证分析 | 第38-40页 |
3.4 本章小结 | 第40-42页 |
4 物流需求预测模型的建立 | 第42-62页 |
4.1 物流需求预测方法选取和预测流程 | 第42-44页 |
4.2 灰色系统预测模型 | 第44-47页 |
4.2.1 一维灰色系统模型 | 第44-45页 |
4.2.2 多维灰色系统模型 | 第45-47页 |
4.3 BP神经网络建模思路 | 第47-49页 |
4.3.1 BP神经网络数学模型 | 第47-49页 |
4.3.2 BP神经网络学习算法 | 第49页 |
4.4 灰色神经网络预测模型的建立 | 第49-56页 |
4.4.0 组合模型建模思路 | 第50-51页 |
4.4.1 灰色神经网络预测模型建立 | 第51-54页 |
4.4.2 模型求解过程 | 第54-56页 |
4.5 粒子群算法优化灰色神经网络 | 第56-60页 |
4.5.1 算法形式化描述和流程 | 第56-57页 |
4.5.2 粒子群算法优化灰色神经网络的方法和流程 | 第57-60页 |
4.6 本章小结 | 第60-62页 |
5 基于物流需求预测的物流用地规模研究 | 第62-68页 |
5.1 物流需求与物流用地规模关联分析 | 第62-63页 |
5.2 物流用地规模确定 | 第63-66页 |
5.3 本章小结 | 第66-68页 |
6 北京市物流需求预测实证研究 | 第68-88页 |
6.1 北京市物流需求分析 | 第68-70页 |
6.1.1 北京市物流业发展现状 | 第68-69页 |
6.1.2 北京市物流需求类型和结构分析 | 第69-70页 |
6.2 预测模型实证分析 | 第70-83页 |
6.2.1 数据选取 | 第70-71页 |
6.2.2 BP神经网络模型预测 | 第71-73页 |
6.2.3 灰色GM(1,N)模型预测 | 第73-76页 |
6.2.4 灰色神经网络模型预测 | 第76-79页 |
6.2.5 基于粒子群优化的灰色神经网络模型预测 | 第79-82页 |
6.2.6 模型预测性能对比分析 | 第82-83页 |
6.3 北京市物流需求量预测及其应用 | 第83-87页 |
6.3.1 北京市未来物流量预测 | 第83-85页 |
6.3.2 北京市物流用地总体建设规模 | 第85-87页 |
6.5 本章小结 | 第87-88页 |
7 结论与展望 | 第88-90页 |
7.1 论文工作总结 | 第88页 |
7.2 不足与展望 | 第88-90页 |
参考文献 | 第90-94页 |
作者简历及攻读硕士/博士学位期间取得的研究成果 | 第94-98页 |
学位论文数据集 | 第98页 |