电子商务环境下的生鲜农产品动态需求预测研究

发布时间：2017-10-27 13:23

  本文关键词：电子商务环境下的生鲜农产品动态需求预测研究

  更多相关文章： 生鲜农产品 电子商务 多因素 动态 需求预测

【摘要】：随着社会经济的迅速发展,城市居民的生活节奏日益加快。人们在追求高品质的生鲜农产品的同时也在寻求购买生鲜农产品的便捷方式。生鲜农产品电子商务的兴起与发展,满足了人们通过便捷的方式购买到高品质生鲜农产品的需求,在农产品的生产者与消费者之间建立了一条新的销售渠道。在大数据时代的背景下,信息对国家、企业与个人的价值不再仅仅局限于获取的渠道上,更多的体现在如何利用己知的信息提取出有效的数据并加以合理的分析与处理,以此来指导国家政策的制定、企业战略的实施与个人生活的改善。生鲜农产品电子商务发展的目标在于彻底解决农产品市场中的供求问题,有效协调对于农产品的生产者与消费者之间的供需平衡,最终实现农业生产的订单化。这一目标的实现离不开对生鲜农产品电子商务下的信息数据处理,只有通过对数据合理的分析处理才能掌握市场的变化趋势,进而寻找合适的供求平衡点。因此,对生鲜农产品市场信息进行实时、准确的预测越发显得重要。本文首先总结归纳了国内现存的一些生鲜农产品电子商务模式,探讨了制约其发展的一些不足之处,提出一种以电子商务企业与中高端有机生鲜农产品生产基地、第三方冷链物流企业、社区实体店合作的新型电子商务模式,并通过分析指出动态需求预测是影响生鲜农产品电子商务发展的关键因素。文中着重以影响需求变化的各种因素为基础,结合数据模糊量化的预处理技术,采用RBF神经网络与SVM(支持向量机)两种方法模型构造了一套生鲜农产品动态需求预测的系统。然后通过一个实例的处理分析,应用MATLAB软件进行模拟计算,综合对比两种方法下的系统预测的有效性与合理性。最后,总结了本文研究的主要结论与不足,并对今后相关领域的研究做出了展望。结果表明,采用多因素下非线性回归方法的模型构造的动态需求预测系统,能够实时有效的预测电子商务环境下的生鲜农产品市场需求,为解决农产品市场供求不平衡的问题做出了积极的贡献。
【关键词】：生鲜农产品 电子商务 多因素 动态 需求预测
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F323.7;F724.6
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-18
• 1.1 研究背景与意义10-12
• 1.1.1 中国农业发展现状10-11
• 1.1.2 农产品电子商务的兴起与发展11-12
• 1.2 国内外研究现状12-17
• 1.2.1 农产品电子商务的研究现状12-14
• 1.2.2 农产品预测系统发展现状14-15
• 1.2.3 农产品预测方法发展现状15-17
• 1.3 主要研究内容及思路17-18
• 第二章 生鲜农产品电子商务模式分析18-26
• 2.1 电子商务下的生鲜农产品的主要特征18-19
• 2.2 生鲜农产品电子商务特点及模式分析19-26
• 2.2.1 生鲜农产品电子商务的特点19-21
• 2.2.2 传统的生鲜农产品B2C电子商务模式21-23
• 2.2.3 合作式的生鲜农产品电子商务模式23-26
• 第三章 生鲜农产品电子商务模式下的需求预测特征分析26-32
• 3.1 发展生鲜农产品电子商务的客观要求26-29
• 3.1.1 现存一些生鲜农产品电子商务平台的不足及改进26-28
• 3.1.2 动态需求预测是发展生鲜农产品电子商务的关键28-29
• 3.2 生鲜农产品电子商务模式下动态需求预测的复杂性29-32
• 3.2.1 影响电子商务下生鲜农产品需求的因素分析29-31
• 3.2.2 结合影响因素展开动态需求预测的重要性31-32
• 第四章 生鲜农产品的动态需求预测分析系统构成32-39
• 4.1 动态需求预测方法的选择与评价32-34
• 4.1.1 动态需求预测方法的选择32-34
• 4.1.2 动态需求预测方法的评价34
• 4.2 影响农产品需求各因素的模糊化处理34-37
• 4.3 动态需求预测分析系统框架37-39
• 第五章 基于两种方法的生鲜农产品动态需求预测39-54
• 5.1 基于RBF神经网络的动态需求预测模型39-42
• 5.1.1 RBF神经网络结构39-41
• 5.1.2 基于RBF神经网络动态学习算法的建模41-42
• 5.1.3 基于RBF神经网络的动态需求预测步骤42
• 5.2 基于SVM(支持向量机)的动态需求预测模型42-46
• 5.2.1. SVM算法的模型建立42-45
• 5.2.2. 基于SVM的农产品需求预测步骤45-46
• 5.3 案例分析46-51
• 5.3.1 RBF神经网络分析46-49
• 5.3.2 SVM分析49-51
• 5.4 两种方法的综合比较分析51-54
• 第六章 结论与展望54-56
• 6.1 研究结论54-55
• 6.2 研究展望55-56
• 参考文献56-58
• 致谢58-59
• 附录A59-71

【参考文献】

中国期刊全文数据库 前1条

1 何忠伟;中国粮食供求模型及其预测研究[J];北京电子科技学院学报;2005年01期

，

本文编号：1103675