| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 引言 | 第14-18页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究思路与方法 | 第15-16页 |
| 1.2.1 研究思路 | 第15页 |
| 1.2.2 研究方法 | 第15-16页 |
| 1.3 研究内容与特色之处 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 特色之处 | 第17-18页 |
| 2 快递业务量预测的方法及理论综述 | 第18-24页 |
| 2.1 快递业务量预测方法的文献综述 | 第18-20页 |
| 2.1.1 相关文献的研究现状 | 第18-19页 |
| 2.1.2 相关文献评述 | 第19-20页 |
| 2.2 灰色系统理论与马尔可夫理论概述 | 第20-24页 |
| 2.2.1 灰色系统理论相关概述 | 第20-21页 |
| 2.2.2 马尔可夫理论相关概述 | 第21-22页 |
| 2.2.3 灰色马尔可夫预测概述 | 第22-24页 |
| 3 高校快递业务量预测模型的构建 | 第24-34页 |
| 3.1 灰色预测模型及改进 | 第24-30页 |
| 3.1.1 级比检验 | 第24-25页 |
| 3.1.2 灰生成 | 第25-26页 |
| 3.1.3 GM(1,1)模型构建及改进 | 第26-28页 |
| 3.1.4 模型检验与评价 | 第28-30页 |
| 3.2 灰色马尔可夫模型 | 第30-34页 |
| 3.2.1 GM(1,1)建模 | 第30页 |
| 3.2.2 状态划分 | 第30-31页 |
| 3.2.3 建立状态转移矩阵 | 第31-32页 |
| 3.2.4 马氏性检验 | 第32-33页 |
| 3.2.5 预测值的选取方法 | 第33-34页 |
| 4 高校快递业务量预测的实证研究——以安徽理工大学为例 | 第34-48页 |
| 4.1 安徽理工大学快递服务中心概况 | 第34-36页 |
| 4.1.1 服务中心运营概况 | 第34页 |
| 4.1.2 快递接驳量概况 | 第34页 |
| 4.1.3 快递揽收量概况 | 第34-36页 |
| 4.2 三种预测模型在安徽理工大学快递业务量预测中的应用 | 第36-43页 |
| 4.2.1 传统灰色预测模型的应用 | 第36-38页 |
| 4.2.2 改进后灰色预测模型的应用 | 第38-40页 |
| 4.2.3 灰色马尔可夫预测模型的应用 | 第40-43页 |
| 4.3 预测效果对比分析 | 第43-44页 |
| 4.4 后续预测结果 | 第44页 |
| 4.5 安徽理工大学快递服务中心运营建议 | 第44-48页 |
| 5 基于快递业务量预测的高校快递企业运营对策 | 第48-52页 |
| 5.1 高校快递企业普遍存在的问题 | 第48-49页 |
| 5.1.1 配送人员短缺 | 第48页 |
| 5.1.2 扰乱高校秩序 | 第48页 |
| 5.1.3 流量资源被忽视 | 第48-49页 |
| 5.2 基于高校快递业务量预测的对策建议 | 第49-52页 |
| 5.2.1 积极引入现代科技手段 | 第49页 |
| 5.2.2 结合多种配送方式 | 第49-50页 |
| 5.2.3 充分利用流量资源 | 第50-52页 |
| 6 结论与不足 | 第52-54页 |
| 6.1 研究结论 | 第52-53页 |
| 6.2 不足之处 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-63页 |
| 表15 安徽理工大学2017.3—2017.7快递日接驳量 | 第57-58页 |
| 表16 安徽理工大学2017.3—2017.7快递日揽收量 | 第58-59页 |
| 表17 安徽理工大学2017.9—2018.1快递日接驳量 | 第59-60页 |
| 表18 安徽理工大学2017.9—2018.1快递日揽收量 | 第60-61页 |
| 表19 安徽理工大学2018.9—2019.1快递日接驳量预测值 | 第61-62页 |
| 表20 安徽理工大学2018.9—2019.1快递日揽收量预测值 | 第62-63页 |
| 致谢 | 第63-64页 |
| 作者简介及读研期间主要科研成果 | 第64页 |
