| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第15-23页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.1.1 研究背景 | 第15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 国外研究现状 | 第16-18页 |
| 1.2.2 国内研究现状 | 第18-20页 |
| 1.3 研究内容、方法与技术路线图 | 第20-23页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 研究方法 | 第21页 |
| 1.3.3 技术线路图 | 第21-23页 |
| 2 相关理论综述 | 第23-27页 |
| 2.1 物流需求相关概述 | 第23-24页 |
| 2.1.1 区域物流需求的内涵 | 第23页 |
| 2.1.2 区域物流需求特点 | 第23-24页 |
| 2.2 物流需求预测步骤 | 第24-25页 |
| 2.3 常用的物流需求预测方法 | 第25-27页 |
| 2.3.1 定量预测 | 第25页 |
| 2.3.2 定性预测 | 第25-27页 |
| 3 蚌埠市物流需求影响因素分析 | 第27-35页 |
| 3.1 蚌埠物流发展基本情况 | 第27-28页 |
| 3.1.1 蚌埠市简介 | 第27页 |
| 3.1.2 蚌埠市物流发展基本状况 | 第27-28页 |
| 3.2 蚌埠市物流需求影响因素分析 | 第28-30页 |
| 3.2.1 区域经济水平 | 第28页 |
| 3.2.2 经济产业结构 | 第28-29页 |
| 3.2.3 居民消费水平 | 第29页 |
| 3.2.4 基础设施布局、建设水平 | 第29-30页 |
| 3.2.5 其他因素 | 第30页 |
| 3.3 区域物流需求预测指标选取 | 第30-31页 |
| 3.3.1 物流需求规模计量指标选取 | 第30-31页 |
| 3.3.2 区域物流需求影响因素指标选取 | 第31页 |
| 3.4 区域物流与其影响因素的相关性分析 | 第31-35页 |
| 3.4.1 指标数据选择 | 第31-32页 |
| 3.4.2 公路货运发送量与其影响因素之间的相关性实证分析 | 第32-35页 |
| 4 PCA-GA-SVM预测模型的构建 | 第35-46页 |
| 4.1 支持向量机理论 | 第35-40页 |
| 4.1.1 线性可分SVM | 第35-37页 |
| 4.1.2 近似线性可分SVM | 第37-38页 |
| 4.1.3 非线性SVM | 第38-39页 |
| 4.1.4 支持向量回归机算法 | 第39-40页 |
| 4.2 遗传算法理论 | 第40-43页 |
| 4.2.1 遗传算法的数学模型 | 第40-41页 |
| 4.2.2 遗传算法构成要素 | 第41-42页 |
| 4.2.3 标准遗传算法运算流程 | 第42-43页 |
| 4.3 GA优化SVM基本原理 | 第43-46页 |
| 4.3.1 GA优化SVM模型设计 | 第43-44页 |
| 4.3.2 PCA-GA-SVM的实现流程 | 第44-46页 |
| 5 基于PCA-GA-SVM的蚌埠市物流需求预测 | 第46-56页 |
| 5.1 数据来源与预处理 | 第46-47页 |
| 5.1.1 数据来源 | 第46页 |
| 5.1.2 数据预处理 | 第46-47页 |
| 5.2 基础PCA-GA-SVM的蚌埠市物流需求预测 | 第47-52页 |
| 5.2.1 主成分分析 | 第47-49页 |
| 5.2.2 仿真结果分析 | 第49-52页 |
| 5.3 预测结果对分析比和未来预测 | 第52-56页 |
| 5.3.1 模型预测结果对比分析 | 第52-55页 |
| 5.3.2 蚌埠市物流需求量预测 | 第55-56页 |
| 6 结论与展望 | 第56-58页 |
| 6.1 研究结论 | 第56页 |
| 6.2 对策建议 | 第56-57页 |
| 6.3 不足与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 作者简介及读研期间主要科研成果 | 第63页 |