| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.2.3 研究述评 | 第14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 研究框架及方法 | 第15-18页 |
| 1.4.1 研究框架 | 第15-17页 |
| 1.4.2 研究方法 | 第17-18页 |
| 1.5 创新点 | 第18-19页 |
| 第二章 电商物流节点分层布局理论基础 | 第19-31页 |
| 2.1 电商物流基础理论 | 第19-23页 |
| 2.1.1 电商物流概念界定 | 第19-20页 |
| 2.1.2 电商物流的特征 | 第20-22页 |
| 2.1.3 电商物流运营模式 | 第22-23页 |
| 2.2 物流节点 | 第23-25页 |
| 2.2.1 物流节点概念界定 | 第23-24页 |
| 2.2.2 物流节点分类 | 第24-25页 |
| 2.3 电商物流节点布局模式与分层布局 | 第25-31页 |
| 2.3.1 电商物流节点概念界定 | 第25-26页 |
| 2.3.2 电商物流节点布局模式 | 第26-29页 |
| 2.3.3 电商物流节点分层布局内涵 | 第29-31页 |
| 第三章 电商物流需求影响因素分析 | 第31-43页 |
| 3.1 主要影响因素 | 第31-36页 |
| 3.2 电商物流需求预测指标分析 | 第36-38页 |
| 3.2.1 指标体系建立原则 | 第36-37页 |
| 3.2.2 电商物流需求预测指标体系 | 第37-38页 |
| 3.3 指标体系关联度分析 | 第38-43页 |
| 3.3.1 灰色关联度模型 | 第39-40页 |
| 3.3.2 灰色关联度分析 | 第40-43页 |
| 第四章 电商物流需求预测 | 第43-59页 |
| 4.1 BP神经网络 | 第43-46页 |
| 4.1.1 BP神经网络界定 | 第43-44页 |
| 4.1.2 BP神经网络算法 | 第44-46页 |
| 4.2 遗传算法 | 第46-47页 |
| 4.2.1 遗传算法的概念界定 | 第46页 |
| 4.2.2 遗传算法的应用步骤 | 第46-47页 |
| 4.3 基于遗传算法的BP神经网络预测模型 | 第47-55页 |
| 4.3.1 基于遗传算法的BP神经网络预测模型建立基本步骤 | 第47-49页 |
| 4.3.2 基于遗传算法BP神经网络的电商物流需求预测模型 | 第49-55页 |
| 4.4 电商物流需求预测 | 第55-59页 |
| 第五章 电商物流节点分层布局模型与实证分析 | 第59-77页 |
| 5.1 基于未来需求的电商物流节点分层布局算法 | 第59-61页 |
| 5.1.1 基本假设 | 第59-60页 |
| 5.1.2 基本模型 | 第60-61页 |
| 5.2 电商物流节点分层布局模型构建 | 第61-71页 |
| 5.2.1 地区需求等级划分 | 第61-64页 |
| 5.2.2 电商物流节点分层布局规划 | 第64-71页 |
| 5.3 电商物流节点分层布局实证分析及发展建议 | 第71-77页 |
| 5.3.1 电商物流布局实证分析 | 第71-73页 |
| 5.3.2 电商物流布局发展建议 | 第73-77页 |
| 结论与展望 | 第77-79页 |
| 一、研究结论 | 第77页 |
| 二、研究展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 附录 | 第83-103页 |
| 攻读学位期间取得的研究成果 | 第103-104页 |
| 致谢 | 第104页 |