| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 问题提出 | 第9-10页 |
| 1.2 研究目的及意义 | 第10-11页 |
| 1.3 研究的主要内容 | 第11-12页 |
| 1.4 研究思路 | 第12-15页 |
| 1.4.1 研究方法 | 第12-13页 |
| 1.4.2 技术路线 | 第13-15页 |
| 第二章 国内外相关研究与理论综述 | 第15-22页 |
| 2.1 物流需求预测研究综述 | 第15-18页 |
| 2.1.1 城市物流需求概念界定 | 第15-16页 |
| 2.1.2 物流需求预测的相关研究综述 | 第16-18页 |
| 2.2 指标选取方法研究综述 | 第18-19页 |
| 2.2.1 灰色关联分析法选取指标综述 | 第18页 |
| 2.2.2 层次分析法选取指标综述 | 第18-19页 |
| 2.2.3 模糊评价法选取指标综述 | 第19页 |
| 2.3 物流供需关系相关理论与研究综述 | 第19-21页 |
| 2.3.1 物流系统供需平衡原理及模式 | 第19-20页 |
| 2.3.2 物流供需关系研究现状 | 第20-21页 |
| 2.3.3 物流系统规划研究综述 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 城市物流需求预测指标体系的构建 | 第22-29页 |
| 3.1 物流需求预测指标构建原则 | 第22页 |
| 3.2 物流需求影响因素的选取 | 第22-23页 |
| 3.3 物流需求预测指标选取步骤 | 第23-25页 |
| 3.4 城市物流需求预测指标选取 | 第25-28页 |
| 3.4.1 数据获取 | 第25-26页 |
| 3.4.2 指标选取过程 | 第26-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 城市物流需求预测模型构建 | 第29-40页 |
| 4.1 Arima时间序列模型 | 第29-30页 |
| 4.2 BP神经网络预测模型 | 第30-32页 |
| 4.2.1 BP神经网络的基本结构 | 第30页 |
| 4.2.2 BP神经网络学习的基本思路 | 第30-31页 |
| 4.2.3 BP神经网络构建的基本流程 | 第31-32页 |
| 4.3 Arima-BP组合预测模型 | 第32-33页 |
| 4.4 案例分析 | 第33-39页 |
| 4.4.1 基于BP神经网络的物流需求预测模型 | 第33-35页 |
| 4.4.2 基于Arima时间序列的物流需求预测模型 | 第35-36页 |
| 4.4.3 基于Arima-BP神经网络的物流需求预测模型 | 第36-38页 |
| 4.4.4 不同模型预测结果对比分析 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 天津市物流产业发展对策分析 | 第40-46页 |
| 5.1 天津市2017-2020 年物流需求预测 | 第40-41页 |
| 5.2 天津市物流产业发展现状及存在问题 | 第41-43页 |
| 5.2.1 发展现状 | 第41-42页 |
| 5.2.2 存在问题 | 第42-43页 |
| 5.3 天津市物流产业发展对策 | 第43-45页 |
| 5.3.1 扩大产业规模,提高物流技术 | 第43页 |
| 5.3.2 改善交通基础设施,降低社会物流成本 | 第43-44页 |
| 5.3.3 大力发展港口物流,加强海港空港联动 | 第44页 |
| 5.3.4 大力发展高端物流业,不断提升创新能力 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第六章 结论与展望 | 第46-48页 |
| 6.1 结论 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-53页 |
| 发表论文和科研情况说明 | 第53-54页 |
| 致谢 | 第54页 |