| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 序言 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究内容和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 生猪产业研究现状 | 第10-11页 |
| 1.3.2 物流需求预测方法的研究现状 | 第11-12页 |
| 1.4 研究内容、研究方法和技术路线 | 第12-13页 |
| 1.4.1 研究内容 | 第12页 |
| 1.4.2 研究方法 | 第12-13页 |
| 1.4.3 技术路线 | 第13页 |
| 2 物流需求预测的相关概念 | 第13-15页 |
| 2.1 物流需求与物流需求预测 | 第13-14页 |
| 2.2 物流需求预测的原则和类型 | 第14-15页 |
| 2.2.1 物流需求预测的基本原则 | 第14-15页 |
| 2.2.2 物流需求预测的类型 | 第15页 |
| 3 生猪物流现状分析与研究 | 第15-26页 |
| 3.1 我国生猪产业现状 | 第15-21页 |
| 3.1.1 我国生猪生产布局现状 | 第15-18页 |
| 3.1.2 生猪屠宰与猪肉消费现状 | 第18-21页 |
| 3.2 我国生猪物流模式 | 第21-25页 |
| 3.2.1 我国猪肉的产销流程 | 第21页 |
| 3.2.2 “生猪老板主导”的生猪物流模式 | 第21-23页 |
| 3.2.3 “生猪老板主导”模式的成本分析 | 第23-25页 |
| 3.3 生猪物流需求预测的内容 | 第25-26页 |
| 3.3.1 生猪物流需求 | 第25-26页 |
| 3.3.2 生猪物流需求预测 | 第26页 |
| 4 生猪物流需求预测模型的建立 | 第26-49页 |
| 4.1 物流需求预测的方法 | 第26-33页 |
| 4.1.1 指数平滑法 | 第26-28页 |
| 4.1.2 灰色系统预测模型理论 | 第28-30页 |
| 4.1.3 BP 神经网络算法 | 第30-31页 |
| 4.1.4 非线性组合预测模型 | 第31-33页 |
| 4.2 全国生猪产量预测实例分析 | 第33-49页 |
| 4.2.1 指数平滑法预测 | 第33-37页 |
| 4.2.2 灰色系统预测模型 | 第37-38页 |
| 4.2.4 BP 神经网络模型预测 | 第38-43页 |
| 4.2.5 非线性组合预测模型预测 | 第43-45页 |
| 4.2.6 预测模型的评价 | 第45-47页 |
| 4.2.7 我国生猪出栏量预测结果分析 | 第47-49页 |
| 5 我国生猪物流的优化建议 | 第49-53页 |
| 5.1 生猪物流规范的建议 | 第49-51页 |
| 5.2 生猪物流组织模式的建议 | 第51-53页 |
| 6 结论与展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 附录A 生猪物流成本分析---以锦州到北京的生猪物流为例 | 第56-57页 |
| 附录B 灰色系统预测模型的 Matlab 程序实现代码 | 第57-59页 |
| 附录C BP 神经网络预测模型的 Matlab 程序实现代码 | 第59-61页 |
| 附录D 组合预测模型的 Matlab 程序实现代码 | 第61-63页 |
| 在学期间发表的学术论文和研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 详细摘要 | 第65-80页 |
