摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第8-18页 |
1.1 研究背景和意义 | 第8-10页 |
1.1.1 研究背景 | 第8-9页 |
1.1.2 研究意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-16页 |
1.2.1 国内研究现状 | 第10-12页 |
1.2.2 国外研究现状 | 第12-15页 |
1.2.3 研究综述 | 第15-16页 |
1.3 研究内容、方法与技术路线 | 第16-18页 |
1.3.1 研究内容 | 第16-17页 |
1.3.2 方法与技术路线 | 第17-18页 |
第二章 相关背景知识介绍 | 第18-35页 |
2.1 智慧物流概述 | 第18-22页 |
2.1.1 我国物流业发展现状 | 第18-20页 |
2.1.2 我国智慧物流发展现状 | 第20-22页 |
2.2 物流需求相关概述 | 第22-26页 |
2.2.1 物流需求内涵 | 第22-23页 |
2.2.2 物流需求预测概念 | 第23页 |
2.2.3 物流需求预测类型 | 第23-24页 |
2.2.4 物流需求特征 | 第24-25页 |
2.2.5 物流需求预测原则 | 第25-26页 |
2.3 物流需求预测步骤及方法 | 第26-27页 |
2.4 货运量需求的变化特征和预测思路 | 第27-28页 |
2.5 灰色理论 | 第28-31页 |
2.5.1 灰色系统理论概述 | 第28-29页 |
2.5.2 灰色关联度模型 | 第29-31页 |
2.5.3 灰色预测模型 | 第31页 |
2.6 指数平滑理论 | 第31-34页 |
2.6.1 一次指数平滑法 | 第32-33页 |
2.6.2 二次指数平滑法 | 第33页 |
2.6.3 三次指数平滑法 | 第33-34页 |
2.7 本章小结 | 第34-35页 |
第三章 物流需求相关因素分析 | 第35-42页 |
3.1 影响南京市物流需求的主要因素 | 第35-37页 |
3.2 南京市民的消费与结构的变化对物流需求的影响 | 第37-39页 |
3.2.1 从定性角度分析 | 第37-38页 |
3.2.2 从定量角度分析 | 第38-39页 |
3.3 物流需求预测指标分析 | 第39-41页 |
3.3.1 城市物流需求预测指标的选取原则 | 第39-40页 |
3.3.2 物流需求预测指标体系建立 | 第40-41页 |
3.4 本章小结 | 第41-42页 |
第四章 物流需求预测模型的建立 | 第42-51页 |
4.1 加权朴素贝叶斯预测模型 | 第42-44页 |
4.1.1 传统的朴素贝叶斯分类预测模型 | 第42-43页 |
4.1.2 加权朴素贝叶斯预测模型 | 第43-44页 |
4.2 改进的粒子群优化算法 | 第44-46页 |
4.2.1 惯性权重线性递减粒子群优化算法 | 第44-46页 |
4.3 基于LDWPSO的加权朴素贝叶斯预测模型 | 第46-50页 |
4.3.1 模型的一般过程 | 第46-47页 |
4.3.2 样本数据标准化 | 第47-48页 |
4.3.3 计算概率 | 第48-49页 |
4.3.4 确定属性权值 | 第49-50页 |
4.3.5 分类预测 | 第50页 |
4.4 本章小结 | 第50-51页 |
第五章 南京市物流需求预测实证研究 | 第51-63页 |
5.1 南京市物流需求分析 | 第51-53页 |
5.1.1 南京市物流业发展现状 | 第51-53页 |
5.2 预测模型及实证分析 | 第53-55页 |
5.2.1 物流需求指标的选取 | 第53-54页 |
5.2.2 数据选取 | 第54-55页 |
5.3 物流需求货运量的单项预测模型建立及实证分析 | 第55-62页 |
5.3.1 基于GM)1,1(的货运量预测模型 | 第55-57页 |
5.3.2 基于指数平滑法的货运量预测模型 | 第57-59页 |
5.3.3 基于LDWPSO的加权朴素贝叶斯算法的预测模型 | 第59-61页 |
5.3.4 预测模型结果对比 | 第61-62页 |
5.4 本章小结 | 第62-63页 |
第六章 总结与展望 | 第63-65页 |
6.1 结论 | 第63页 |
6.2 不足与展望 | 第63-65页 |
参考文献 | 第65-68页 |
附录1 攻读硕士学位期间撰写的论文 | 第68-69页 |
致谢 | 第69页 |