联动发展背景下宜宾港物流需求预测研究

发布时间：2017-06-09 09:03

  本文关键词：联动发展背景下宜宾港物流需求预测研究，，由笔耕文化传播整理发布。

【摘要】：在日趋激烈的国内外市场竞争环境下,港口发展不能简单的依靠规模化,需要在一定范围实行内外部联动协作,港口联动发展已成为一种趋势。明确港口自身的物流需求发展变化是港口进行系统规划、确定功能定位、制定联动发展战略的前提和基础。本文在港口联动发展、港口与腹地关系、港口物流需求预测等理论研究基础上,明确联动对港口物流需求的影响机理。根据联动发展背景下港口经济腹地以货源市场进行细分这一特征,首先,对宜宾港联动发展现状进行分析,以云、贵、川腹地资源为基础,进出港口货物运输组织为导向,找出联动发展情况下对宜宾港物流需求具有直接影响的经济腹地范围。其次,通过港口和腹地关系的定性分析找出影响宜宾港物流需求的因素,构建预测指标体系,并通过灰色关联度分析进行关键指标筛选。最后,提出嵌套组合的预测方式,内层以线性回归与指数平滑相组合预测出BP神经网络输入向量,外层以GM(1,1)与BP神经网络相组合预测出了宜宾港“十三五”期间的港口吞吐量情况。综合理论研究和实证分析,本文得出以下几点研究结论:第一,港口物流发展水平与经济腹地发展状况具有协同性,腹地的资源情况决定着产业结构进而影响港口的物流需求。经济腹地的货物运输情况和交通网络与港口的吞吐量有着明显的相关性,目前,公路运输对宜宾港的物流发展,特别是集装箱吞吐量有着很大的影响。第二,联动发展背景下对宜宾港物流需求具有直接影响的经济腹地为成都经济区、川南经济区、攀西-六盘水经济区的18个城市。第三,在长江经济带的历史机遇和联动发展的有益促进下,宜宾港的物流发展迅速,“十三五”期间港口货物吞吐量和集装箱吞吐量将保持高速增长,到2020年集装箱量将突破100万标箱。港口物流的快速发展需要宜宾港不断地进行战略规划及建设,为港口发展不断注入新的动力。第四,BP神经网络比GM(1,1)、线性回归、指数平滑更全面且预测精度更高。随着预测周期的延长,BP神经网络反应数据真实性的能力在下降,而GM(1,1)能很好解决这一问题,因为它能保持预测数据固有的趋势。总体而言,组合预测能克服各单项预测的片面性且在预测精度上更优。
【关键词】：港口联动 经济腹地 物流需求 组合预测
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F259.27;F552.7
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-20
• 1.1 研究背景10-11
• 1.2 研究意义11-12
• 1.2.1 理论意义11
• 1.2.2 现实意义11-12
• 1.3 国内外研究综述12-17
• 1.3.1 国外研究现状12-14
• 1.3.2 国内研究现状14-16
• 1.3.3 国内外研究现状评述16-17
• 1.4 研究内容及创新点17-18
• 1.4.1 研究内容17-18
• 1.4.2 研究创新点18
• 1.5 研究方法及技术路线18-20
• 1.5.1 研究方法18-19
• 1.5.2 技术路线19-20
• 第二章 联动发展背景下港口物流需求预测概述20-28
• 2.1 港口联动概述20-23
• 2.1.1 港口联动的定义20
• 2.1.2 港口联动的内容及模式20-22
• 2.1.3 联动影响港口物流需求的机理22-23
• 2.2 港口及腹地相互关系23-25
• 2.2.1 经济腹地对港口的影响23-24
• 2.2.2 港口对经济腹地的影响24
• 2.2.3 港口及经济腹地的协同发展24-25
• 2.3 联动发展背景下港口物流需求预测25-28
• 2.3.1 联动发展背景下港口物流需求特征25-26
• 2.3.2 联动发展背景下港口物流需求预测内容及步骤26-28
• 第三章 宜宾港联动发展状况及经济腹地划分28-36
• 3.1 宜宾港总体情况28-31
• 3.1.1 航道条件及基础设施建设29
• 3.1.2 港口业务开展情况29-30
• 3.1.3 港口的集疏运体系30
• 3.1.4 宜宾临港产业区情况30-31
• 3.2 宜宾港与其他港口联动发展状况31-33
• 3.3 联动发展背景下宜宾港经济腹地划分33-36
• 3.3.1 宜宾港经济腹地总体情况33
• 3.3.2 联动下宜宾港经济腹地划分33-36
• 第四章 联动发展背景下宜宾港物流需求预测模型构建36-48
• 4.1 定量预测方法36-42
• 4.1.1 指数平滑法36-37
• 4.1.2 GM(1,1)灰色预测37-39
• 4.1.3 回归分析预测法39-41
• 4.1.4 BP神经网络41-42
• 4.2 组合预测方法42-45
• 4.2.1 组合预测的分类43
• 4.2.2 组合预测权系数的确定方法43-44
• 4.2.3 组合预测效果的评价44-45
• 4.3 联动发展背景下宜宾物流需求预测模型45-48
• 第五章 联动发展背景下宜宾港物流需求预测实证分析48-68
• 5.1 预测指标构建48-51
• 5.1.1 港口物流需求影响因素分析48-49
• 5.1.2 预测指标的构建原则49-50
• 5.1.3 宜宾港物流需求预测指标集50-51
• 5.2 预测指标数据收集与筛选51-55
• 5.2.1 数据资料收集51-52
• 5.2.2 预测指标的筛选方法52-53
• 5.2.3 灰色关联度进行关键指标筛选53-55
• 5.3 货物吞吐量预测55-63
• 5.3.1 GM（1,1）时间序列预测55-56
• 5.3.2 BP神经网络预测56-61
• 5.3.3 GM(1,1)和BP神经网络组合预测61-63
• 5.4 集装箱吞吐量预测63
• 5.5 预测结果分析63-64
• 5.6 宜宾港港口物流发展建议64-68
• 第六章 总结与展望68-70
• 6.1 研究总结68
• 6.2 研究展望68-70
• 致谢70-72
• 参考文献72-76
• 附录: 部分MATLAB预测代码76-80
• 攻读学位期间取得的研究成果80

【相似文献】

中国期刊全文数据库 前10条

1 于忠霞;李家伟;;组合预测法在成都公路物流需求预测中的应用[J];中国储运;2008年03期

2 黄宁;;广西北部湾经济区物流需求预测分析[J];企业科技与发展;2012年09期

3 胡媛;;哈大齐工业走廊物流需求预测初探[J];中国水运(下半月);2011年05期

4 张平平;;基于灰色系统理论的山西省物流需求预测分析[J];机械管理开发;2012年01期

5 刘长秀,张悟移,林强;云南省物流需求预测[J];铁道运输与经济;2005年11期

6 骆达荣;;基于SVR残差修正自回归模型的区域物流需求预测[J];物流技术;2013年13期

7 高秀春;徐晶晶;高艳玲;;基于BP模型的港口物流需求预测研究[J];物流技术;2014年03期

8 周茵;;残差灰色预测模型在物流需求预测中的应用[J];铁道运输与经济;2007年11期

9 龙琼;张蕾;;基于压缩粒子群的弹性系数投入产出物流需求预测模型[J];湖南城市学院学报(自然科学版);2012年04期

10 樊寒伟;;呼和浩特市物流需求预测的实证分析[J];内蒙古科技与经济;2008年05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 王良杰;陕西省果品冷链物流需求预测[D];太原理工大学;2016年

3 王东蛟;广西区域物流需求预测研究[D];广西科技大学;2015年

4 郑晓丰;基于系统动力学的河北省物流需求预测研究[D];石家庄铁道大学;2016年

5 何鹏;基于优化型支持向量回归机的都市圈物流需求预测研究[D];重庆工商大学;2016年

6 冯永岩;北京市农产品冷链物流需求预测研究[D];华北电力大学(北京);2016年

7 袁玉龙;联动发展背景下宜宾港物流需求预测研究[D];重庆交通大学;2016年

8 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

9 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

10 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

  本文关键词：联动发展背景下宜宾港物流需求预测研究，由笔耕文化传播整理发布。

本文编号：434924