| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题提出的背景和意义 | 第12-14页 |
| ·国内外研究现状综述 | 第14-17页 |
| ·论文研究主要内容 | 第17-18页 |
| 第2章 物流园区货流情况分析 | 第18-32页 |
| ·供应链管理 | 第18-19页 |
| ·供应链管理的概念 | 第18页 |
| ·供应链管理的特征 | 第18-19页 |
| ·物流园区货流分析内容 | 第19-21页 |
| ·货流结构 | 第19-20页 |
| ·货流规模 | 第20-21页 |
| ·货流流向 | 第21页 |
| ·物流园区货流影响因素 | 第21-26页 |
| ·宏观和外部影响因素 | 第22-24页 |
| ·内部影响因素 | 第24-25页 |
| ·企业产品和销售方式 | 第25-26页 |
| ·影响因素权重分析 | 第26页 |
| ·盖家沟物流园区及货流调查情况 | 第26-29页 |
| ·盖家沟物流园区概况 | 第26-27页 |
| ·调查数据采集 | 第27-29页 |
| ·调查过程问题分析 | 第29页 |
| ·物流园区货流特征分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 货流预测方法比较与分析 | 第32-40页 |
| ·物流园区货流预测概述 | 第32-33页 |
| ·物流园区货流预测主要内容 | 第32-33页 |
| ·货流预测步骤 | 第33页 |
| ·主要货流预测方法 | 第33-38页 |
| ·回归预测 | 第34-35页 |
| ·时间序列预测 | 第35页 |
| ·灰色预测 | 第35-37页 |
| ·神经网络 | 第37-38页 |
| ·预测方法比较分析及选择 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 混合灰色理论与BP算法神经网络物流园区货流预测模型 | 第40-54页 |
| ·BP神经网络 | 第40-44页 |
| ·BP神经网络模型概述 | 第40-41页 |
| ·BP算法原理 | 第41-43页 |
| ·BP算法步骤 | 第43-44页 |
| ·货流季节影响因子专家评估系统 | 第44-46页 |
| ·专家评估系统设计原理 | 第44-45页 |
| ·专家评估系统设计 | 第45页 |
| ·专家评估系统步骤 | 第45-46页 |
| ·混合灰色理论与BP算法神经网络物流园区货流预测模型 | 第46-49页 |
| ·模型设计思路 | 第46页 |
| ·基于季节影响因子的网络设计 | 第46-49页 |
| ·物流园区预测模型应用 | 第49-53页 |
| ·预测算例 | 第49-50页 |
| ·训练结果 | 第50-51页 |
| ·预测分析 | 第51页 |
| ·预测结论 | 第51-52页 |
| ·预测比较 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于RBF的广义回归神经网络物流园区货流预测模型 | 第54-62页 |
| ·RBF径向基网络概述 | 第54-56页 |
| ·RBF网络结构 | 第54-55页 |
| ·RBF函数 | 第55页 |
| ·RBF学习算法 | 第55-56页 |
| ·RBF网络的特点 | 第56页 |
| ·基于 RBF的广义回归神经网络预测模型 | 第56-58页 |
| ·广义回归神经网络结构及特点 | 第56-57页 |
| ·广义回归神经网络预测模型思路 | 第57-58页 |
| ·影响因素选择 | 第58页 |
| ·广义回归神经网络设计步骤 | 第58页 |
| ·广义回归神经网络预测模型的应用 | 第58-60页 |
| ·预测实例 | 第58-60页 |
| ·预测分析 | 第60页 |
| ·预测结论 | 第60页 |
| ·本章小结 | 第60-62页 |
| 总结与展望 | 第62-64页 |
| 附录 | 第64-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 学位论文评阅及答辩情况表 | 第73页 |
