基于物流需求货运量的预测模型的研究与应用

发布时间：2017-08-29 13:02

  本文关键词：基于物流需求货运量的预测模型的研究与应用

  更多相关文章： 货运量 灰色预测 指数平滑法 组合预测

【摘要】：近年来,随着经济形势与结构的变化与发展,现代物流业在国民经济发展与资源配置中的作用也日益凸显。物流业被看作是经济发展的基础产业,其发展程度也是国家或地区发展水平的重要标志之一。随着国家“十二五”规划提出加快现代物流体系的建设、物流基础设施的建设、降低物流成本、提高物流效率、优化物流产业的发展格局以及提高物流标准化水平,而这些将有利于促进物流需求的快速增长,因此对物流需求建立合理的预测模型是非常有必要的。本文以物流业发展现状为实际研究背景,对基于以货运量为指标的物流需求的预测模型进行了深入研究。文中主要从以下几个方面展开工作:1.在对物流业的相关理论与国内外物流业研究现状综述的基础上,阐述了目前物流业发展过程中存在的问题,明确了影响物流需求分析的几个因素,通过灰关联分析选取了货运量为物流需求的预测指标,筛选出灰色预测法和指数平滑法作为货运量分析预测的基本方法,为预测模型的进一步优化改进提供了基础资料。2.针对传统GM(1,1)模型的改进方法复杂、使用范围有限、预测精度不高等问题,我们首先用二次插值的方法重新构造背景值,进一步通过滑动平均法对原始数据进行初值预处理,给出了物流需求货运量的改进GM(1,1)预测模型;然后,考虑到物流需求的货运量的数据特点,对指数平滑基本模型中的平滑系数进行优化,给出了基于误差平方和最小的指数平滑预测模型;最后,运用模型进行短期预测,实例仿真验证了模型的可行性和有效性。3.考虑到单项预测模型精度的局限性,运用组合预测的相关理论,对物流需求货运量的组合预测模型进行了深入的研究,首先给出了基于误差平方和最小的定权组合预测模型;又将向量夹角余弦与有序加权几何平均值相结合的权重确定法运用于定权组合模型,给出了改进的定权组合预测模型;然后,为了进一步提高组合预测模型的精度,采用基于误差平方和最小的原理求解各时刻的权重,给出了物流需求的货运量的变权组合预测模型;最后,通过实例仿真及比较分析进一步验证了组合预测模型具有更强的稳定性和有效性。
【关键词】：货运量 灰色预测 指数平滑法 组合预测
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F259.2
【目录】：

• 中文摘要5-6
• ABSTRACT6-10
• 1. 绪论10-15
• 1.1 研究背景和意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 国外研究现状11-12
• 1.2.2 国内研究现状12-13
• 1.3 篇章结构安排13-15
• 2. 物流需求预测概述15-20
• 2.1 物流需求预测综述15-17
• 2.1.1 物流需求预测概念15
• 2.1.2 物流需求预测类型15-16
• 2.1.3 物流需求预测原理16-17
• 2.1.4 物流需求预测过程17
• 2.2 物流需求的影响因素分析17-19
• 2.3 本章小结19-20
• 3. 预测模型相关的基础理论20-27
• 3.1 灰色理论简介20-22
• 3.1.1 灰色系统理论的基本原理20
• 3.1.2 灰色系统理论的主要内容20-21
• 3.1.3 灰色关联度分析21
• 3.1.4 灰色预测模型21-22
• 3.2 指数平滑法简介22-25
• 3.2.1 一次指数平滑法22-23
• 3.2.2 二次指数平滑法23
• 3.2.3 三次指数平滑法23-24
• 3.2.4 平滑系数与初始值的确定24-25
• 3.3 组合预测理论简述25-26
• 3.4 本章小结26-27
• 4. 物流需求货运量的单项预测模型建立及实证分析27-39
• 4.1 物流需求指标的选取27-29
• 4.2 基于货运量的改进GM(1,1)预测模型29-34
• 4.2.1 传统GM(1,1)模型29-30
• 4.2.2 改进的GM(1,1)模型30-31
• 4.2.3 应用实例仿真31-34
• 4.3 基于货运量的改进指数平滑法预测模型34-38
• 4.3.1 指数平滑法预测准则34-35
• 4.3.2 改进的指数平滑预测模型35-36
• 4.3.3 应用实例仿真36-38
• 4.4 本章小结38-39
• 5. 物流需求货运量的组合预测模型建立及实证分析39-50
• 5.1 定权组合预测模型39-45
• 5.1.1 基于误差平方和最小的定权组合模型39-40
• 5.1.2 改进的定权组合预测模型40-42
• 5.1.3 应用实例仿真42-45
• 5.2 变权组合预测模型45-47
• 5.2.1 基于误差平方和最小的变权组合预测45
• 5.2.2 应用实例仿真45-47
• 5.3 各预测模型对比分析47-49
• 5.4 本章小结49-50
• 6.总结与展望50-51
• 6.1 结论50
• 6.2 展望50-51
• 参考文献51-53
• 攻读硕士学位期间发表学术论文情况53-54
• 致谢54-55
• 作者简介55-56

【相似文献】

中国期刊全文数据库 前10条

1 许正良,赵英才;综合预测模型的探讨[J];工业技术经济;1992年03期

2 杨桂元,唐小我;对预测模型质量评价的方法探讨[J];中国软科学;1998年11期

3 鲍祥霖;一个新的销量预测模型[J];系统工程理论方法应用;2000年01期

4 李小燕;试论破产预测模型在审计评估中的应用[J];审计理论与实践;2001年05期

5 唐艳;对一种税收预测模型的看法[J];山西财税;2004年08期

6 王文莲;张志宇;;预测模型智能选择的探讨[J];中国管理信息化;2006年02期

7 葛菊红;化存才;;“平移序列”的灰色预测模型及其在国庆黄金周中的应用[J];云南大学学报(自然科学版);2006年S1期

8 吴忠权;;黔南州2006—2010年人才需求总量预测模型构建[J];科技信息(学术研究);2007年12期

9 吴建国;;城市主导特色的预测模型[J];统计与决策;2007年09期

10 汪燕;黄会明;姚静;;基于灰色预测模型与回归理论对千车故障数的分析[J];铜陵学院学报;2007年05期

中国重要会议论文全文数据库 前10条

1 鄢小彬;肖新平;;基于灰色马尔可夫模型的煤矿安全预测[A];第九届中国青年信息与管理学者大会论文集[C];2007年

2 罗荣桂;黄敏镁;;基于自适应神经模糊推理系统的服务业发展预测模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;刘豹;徐德民;;预测模型的选择及其智能化实现[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

4 肖健华;吴今培;;基于支持向量机的预测模型及应用[A];2003年中国智能自动化会议论文集（下册）[C];2003年

5 李阳旭;邓辉文;;一种新的企业市场预测模型及其比较研究[A];2004年中国管理科学学术会议论文集[C];2004年

6 马志元;;城市区域经济、人口、能源、环境综合系统预测模型及应用[A];中国城市建设与环境保护实践——城市建设与环境保护学术研讨会论文集[C];1997年

7 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角气象科技论坛论文集[C];2004年

8 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角科技论坛——气象科技发展论坛论文集[C];2004年

9 张晓f^;;全球煤炭产量的灰色预测模型[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

10 肖会敏;樊为刚;;基于神经网络的粮食产量预测模型[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

中国重要报纸全文数据库 前10条

1 刘庆;“预测模型”要缓行[N];网络世界;2006年

2 特约记者 刘京涛;华东化工销售员工设计价格预测模型见成效[N];中国石油报;2010年

3 南方日报记者 彭琳　实习生 周鹏程;预测世界杯之外 大数据还能做什么[N];南方日报;2014年

4 本报记者 张超;预测模型：推算SARS起落潮[N];科技日报;2003年

5 本报记者 段佳;机器“品肉师”替您“尝鲜”[N];大众科技报;2010年

6 BMC首席IT技术官 Mahendra Durai　IDC顾问 Eric Hatcher Randy Perry;预测智能：管理复杂基础架构的锁钥[N];中国计算机报;2010年

7 张琳 赵伟;巧用Excel构建利润预测模型[N];财会信报;2007年

8 杨宜勇（作者为国家发改委经济研究所副所长）;发挥信息化对就业的“增补效应”[N];第一财经日报;2005年

9 本报记者 汤浔芳　实习记者 董文萍;“孵化器”模式：大数据的垂直运营样本[N];21世纪经济报道;2014年

10 本报记者 安丰;深部找矿的探镜[N];中国国土资源报;2006年

中国博士学位论文全文数据库 前10条

1 师懿;城市交通规划环评中空气污染预测模型研究[D];中国地质大学;2015年

2 张丽;牦牛肉用品质特性及近红外预测模型和产量等级系统的研究[D];中国农业科学院;2015年

3 吴利丰;分数阶灰色预测模型及其应用研究[D];南京航空航天大学;2015年

4 王菲;肉牛饲料有效能值预测模型的建立与评价[D];中国农业大学;2016年

5 周闯;原发性肝癌术后转移复发分子预测模型的优化整合与临床转化[D];复旦大学;2012年

6 孙忠林;煤矿安全生产预测模型的研究[D];山东科技大学;2009年

7 王冬光;控制技术在投资预测模型建立中的应用研究[D];哈尔滨工程大学;2005年

8 张丽峰;中国能源供求预测模型及发展对策研究[D];首都经济贸易大学;2006年

9 王育红;灰色预测模型与灰色证据组合模型研究及应用[D];南京航空航天大学;2010年

10 崔立志;灰色预测技术及其应用研究[D];南京航空航天大学;2010年

中国硕士学位论文全文数据库 前10条

1 刘冰;基于神经网络的纤维热磨过程能耗预测模型的研究[D];东北林业大学;2015年

2 张念;铁路轨道几何不平顺趋势预测的关键算法研究[D];西南交通大学;2015年

3 田振伟;城市能源预测模型的研究与应用[D];昆明理工大学;2015年

4 吴迪;基于模糊决策树算法的安全库存量预测模型[D];中国地质大学(北京);2015年

5 齐雯;采用灰色预测模型改进的HHT算法在故障诊断中的应用[D];华南理工大学;2015年

6 王萍;膀胱癌遗传分数的计算及发病风险预测模型的构建[D];复旦大学;2013年

7 石大宏;基于序列的蛋白质—核苷酸绑定位点预测研究[D];南京理工大学;2015年

8 熊盛华;基于BP神经网络的混合预测模型的实例研究[D];兰州大学;2015年

9 赵Z，

本文编号：753405