基于灰色神经网络的浙江道路物流需求预测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·问题的提出 | 第9-11页 |
| ·选题的背景 | 第9-11页 |
| ·研究目的 | 第11页 |
| ·研究意义 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·研究的内容与方法 | 第15-17页 |
| ·研究内容 | 第15-16页 |
| ·研究方法 | 第16-17页 |
| ·论文的结构 | 第17-19页 |
| 2 浙江省道路物流需求分析 | 第19-31页 |
| ·工业化道路物流需求分析与特点 | 第20-22页 |
| ·工业化道路物流的需求和主要表现 | 第20-21页 |
| ·工业化道路物流费用分析与发展特点 | 第21页 |
| ·主要工业产品需求 | 第21-22页 |
| ·市场化道路物流需求分析与特点 | 第22-24页 |
| ·市场化道路物流主要形态 | 第22-23页 |
| ·市场化道路物流需求总量与结构分析 | 第23页 |
| ·典型专业市场物流需求 | 第23-24页 |
| ·进出口贸易道路物流需求分析与特点 | 第24-28页 |
| ·进出口物流需求流向流量特点分析 | 第24-26页 |
| ·进出口物流运输方式与特点分析 | 第26-27页 |
| ·典型港口集装箱道路物流需求分析 | 第27-28页 |
| ·城市服务业物流需求分析与特点 | 第28-31页 |
| ·城市化道路物流需求表现与需求量分析 | 第28-29页 |
| ·主要城市配送产品需求分析 | 第29-31页 |
| 3 道路物流需求预测统计指标体系 | 第31-38页 |
| ·物流需求量预测指标的选择原则 | 第31-32页 |
| ·物流需求量预测指标体系的构建 | 第32-34页 |
| ·物流需求量预测指标的内容 | 第34-36页 |
| ·物流需求规模指标 | 第34-35页 |
| ·物流需求结构指标 | 第35页 |
| ·物流需求量预测其他指标 | 第35-36页 |
| ·选择合适的物流需求量化指标 | 第36-38页 |
| ·影响物流需求的主要因素 | 第36-37页 |
| ·物流需求量预测相关指标的选择 | 第37-38页 |
| 4 基于灰色神经网络的组合物流需求预测模型 | 第38-49页 |
| ·基于灰色理论的预测方法 | 第38-40页 |
| ·灰色理论的发展 | 第38页 |
| ·灰色系统建模理论 | 第38-40页 |
| ·基于神经网络的预测方法 | 第40-44页 |
| ·神经网络概述 | 第40页 |
| ·BP神经网络的数学模型 | 第40-41页 |
| ·BP神经网络的学习算法 | 第41-44页 |
| ·灰色理论和神经网络的融合 | 第44-49页 |
| ·灰色神经网络模型一般研究 | 第44-46页 |
| ·灰色神经网络优化模型 GNNM(1，N)的建立 | 第46-48页 |
| ·GNNM(1，N)的学习算法 | 第48-49页 |
| 5 浙江省道路物流需求预测实证分析 | 第49-66页 |
| ·浙江省道路物流需求指标的检验 | 第49-50页 |
| ·道路物流需求量指标的确定 | 第49-50页 |
| ·需求预测相关经济指标的检验 | 第50页 |
| ·建立浙江道路物流需求预测实例计算模型 | 第50-59页 |
| ·单一预测模型的建立和检验 | 第51-56页 |
| ·灰色神经网络预测模型的建立 | 第56-57页 |
| ·单一预测模型和组合预测效果的比较 | 第57-59页 |
| ·对预测模型的结果分析 | 第59-66页 |
| ·预测结果的马尔可夫链分析 | 第59-62页 |
| ·基于 Bayes方法的组合预测误差修正模型 | 第62-66页 |
| 6 结论及展望 | 第66-68页 |
| ·研究的主要结论 | 第66-67页 |
| ·研究展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间主要科研成果 | 第73页 |
