北京市物流需求预测研究

发布时间：2017-03-19 09:07

  本文关键词：北京市物流需求预测研究，由笔耕文化传播整理发布。

【摘要】：物流需求预测作为城市物流系统规划的基础,是进行物流资源有效配置,建设高效物流运作系统的重要前提。因此,分析社会经济活动等各种因素对物流供给的需求满足程度,进行有效的物流需求预测,有助于把握区域物流需求强度,实现区域物流服务的需求与供给相对平衡,对提高区域物流规划质量和区域物流运行效率具有重要的理论和实际意义。本文以国内外区域物流需求预测研究现状以及相关的理论知识为基础,结合物流需求的特性,以北京市为背景,开展了物流需求预测方面的研究。主要做了以下几方面的工作：(1)结合影响物流需求的因素,构建了北京市物流需求预测指标体系。利用灰色关联模型对指标体系关联度进行了定量分析,选取与物流需求具有较高关联度的影响因素用于物流需求预测模型的建立。(2)针对城市物流系统具有的复杂性、非线性、随机性的特征,将灰色系统模型与神经网络模型有效结合构成灰色神经网络模型用于物流需求预测问题求解。在此基础上,针对灰色神经网络易陷入局部最优和收敛速度慢的问题,采用粒子群算法对灰色神经网络的初始参数进行优化,建立了基于粒子群优化灰色神经网络预测模型,提高了模型的稳健性和精度。(3)分析了物流需求与物流用地规模之间的关联关系,在对比各类方法优缺点的基础上对参数法的计算公式进行修正,通过修正系数、配建区系数等参数的引入,提出了更为通用的物流用地总规模计算方法。(4)对北京市物流需求预测进行实证研究,预测结果表明基于粒子群优化的灰色神经网络预测模型在精度上显示比单一预测模型以及灰色神经网络模型预测效果更好,从而验证了模型的高度拟合性和稳定性。模型的外推应用表明,北京市物流需求在未来几年呈上升趋势,物流需求的快速增长也带动了物流用地的需求。
【关键词】：物流需求预测 灰色神经网络 粒子群算法 物流用地规模
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F259.27
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-12
• 1 绪论12-20
• 1.1 研究背景和意义12-13
• 1.1.1 研究背景12-13
• 1.1.2 研究意义13
• 1.2 国内外研究现状13-16
• 1.2.1 国外研究现状13-14
• 1.2.2 国内研究现状14-16
• 1.3 研究内容、方法与技术路线16-20
• 1.3.1 研究内容16-17
• 1.3.2 研究方法及技术路线17-20
• 2 相关理论与方法概述20-30
• 2.1 物流需求相关概述20-23
• 2.1.1 物流需求内涵20-21
• 2.1.2 物流需求特征21-23
• 2.2 物流需求预测步骤及方法23-25
• 2.2.1 物流需求预测步骤23-24
• 2.2.2 物流需求预测方法24-25
• 2.3 物流用地规模确定的原则及方法25-29
• 2.3.1 物流用地规模确定原则25-26
• 2.3.2 物流用地规模确定常用方法26-29
• 2.4 本章小结29-30
• 3 物流需求相关因素分析30-42
• 3.1 影响北京市物流需求的主要因素30-33
• 3.2 物流需求预测指标分析33-36
• 3.2.1 指标体系选取的原则33-34
• 3.2.2 物流需求的计量方式34-35
• 3.2.3 物流需求预测指标体系35-36
• 3.3 指标体系关联实证分析36-40
• 3.3.1 灰色关联度模型36-38
• 3.3.2 关联度实证分析38-40
• 3.4 本章小结40-42
• 4 物流需求预测模型的建立42-62
• 4.1 物流需求预测方法选取和预测流程42-44
• 4.2 灰色系统预测模型44-47
• 4.2.1 一维灰色系统模型44-45
• 4.2.2 多维灰色系统模型45-47
• 4.3 BP神经网络建模思路47-49
• 4.3.1 BP神经网络数学模型47-49
• 4.3.2 BP神经网络学习算法49
• 4.4 灰色神经网络预测模型的建立49-56
• 4.4.0 组合模型建模思路50-51
• 4.4.1 灰色神经网络预测模型建立51-54
• 4.4.2 模型求解过程54-56
• 4.5 粒子群算法优化灰色神经网络56-60
• 4.5.1 算法形式化描述和流程56-57
• 4.5.2 粒子群算法优化灰色神经网络的方法和流程57-60
• 4.6 本章小结60-62
• 5 基于物流需求预测的物流用地规模研究62-68
• 5.1 物流需求与物流用地规模关联分析62-63
• 5.2 物流用地规模确定63-66
• 5.3 本章小结66-68
• 6 北京市物流需求预测实证研究68-88
• 6.1 北京市物流需求分析68-70
• 6.1.1 北京市物流业发展现状68-69
• 6.1.2 北京市物流需求类型和结构分析69-70
• 6.2 预测模型实证分析70-83
• 6.2.1 数据选取70-71
• 6.2.2 BP神经网络模型预测71-73
• 6.2.3 灰色GM(1,N)模型预测73-76
• 6.2.4 灰色神经网络模型预测76-79
• 6.2.5 基于粒子群优化的灰色神经网络模型预测79-82
• 6.2.6 模型预测性能对比分析82-83
• 6.3 北京市物流需求量预测及其应用83-87
• 6.3.1 北京市未来物流量预测83-85
• 6.3.2 北京市物流用地总体建设规模85-87
• 6.5 本章小结87-88
• 7 结论与展望88-90
• 7.1 论文工作总结88
• 7.2 不足与展望88-90
• 参考文献90-94
• 作者简历及攻读硕士/博士学位期间取得的研究成果94-98
• 学位论文数据集98

【相似文献】

中国期刊全文数据库 前10条

1 杨帅;;武汉市物流需求预测[J];当代经济(下半月);2007年10期

2 胡燕祝;吕宏义;;基于支持向量回归机的物流需求预测模型研究[J];物流技术;2008年05期

3 黄毅;;广西物流需求预测[J];经济研究参考;2010年53期

4 刘丽艳;张启波;;基于支持向量机回归的农产品物流需求预测[J];科技创新导报;2011年25期

5 耿波;赵爱文;;灰色预测在物流需求预测中的应用分析——以徐州地区为例[J];科技风;2012年21期

6 崔翠;;国内外物流需求预测研究概况[J];物流工程与管理;2013年04期

7 邓敬春;杨梅;;四阶段法在物流需求预测中的应用研究[J];物流工程与管理;2013年04期

8 周晓娟;景志英;;基于多元线性回归模型的河北省物流需求预测实证分析[J];物流技术;2013年09期

9 高洪波;杨建强;;基于多变量灰色模型算法的物流需求预测研究[J];物流技术;2013年13期

10 施先亮,张可明;2008年北京奥运赛事物流需求预测[J];数量经济技术经济研究;2003年10期

中国重要会议论文全文数据库 前5条

1 胡常伟;陈新;陈新度;;多品种小批量产品分销中的物流需求预测方法[A];全国生产工程第九届年会暨第四届青年科技工作者学术会议论文集（二）[C];2004年

2 史磊;李江宏;李智鹏;;乌鲁木齐市物流需求预测研究[A];地理学核心问题与主线——中国地理学会2011年学术年会暨中国科学院新疆生态与地理研究所建所五十年庆典论文摘要集[C];2011年

3 袁丽娜;周建勤;;基于滑动平均-灰色模型的物流需求预测研究[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年

4 陈德良;王文科;;湖南省物流需求预测[A];《两型社会建设与湖南管理创新》论坛论文集[C];2008年

5 刘洪霞;鹿应荣;;非线性预测模型在粮食物流需求预测中的应用[A];农业系统工程理论与实践研究——全国农业系统工程学术研讨会论文集[C];2006年

中国硕士学位论文全文数据库 前10条

1 孙剑青;北京市物流需求预测研究[D];北京交通大学;2016年

2 陈云飞;物流需求预测在M公司的应用研究[D];苏州大学;2014年

3 黄丽;随机时间序列模型在物流需求预测中的应用[D];武汉大学;2004年

4 李自立;基于支持向量机的区域物流需求预测研究[D];武汉科技大学;2009年

5 黄永福;重庆市物流需求预测方法及应用研究[D];重庆交通大学;2009年

6 李娟;区域经济关联视角下河北省物流需求预测研究[D];燕山大学;2014年

7 何霞;基于灰色系统和神经网络的省级区域物流需求预测[D];长沙理工大学;2009年

8 文培娜;基于人工神经网络的区域物流需求预测及实证研究[D];北京物资学院;2010年

9 刘海波;赤峰市物流需求预测研究[D];吉林大学;2012年

10 万福来;天津港物流需求预测和物流发展策略研究[D];天津大学;2012年

  本文关键词：北京市物流需求预测研究，由笔耕文化传播整理发布。

，

本文编号：255828