基于主成分分析的区域物流需求预测指标研究

首先分析了我国物流统计现状,指出我国区域物流统计制度体系仍然存在不足,制约了区域物流需求预测的研究;对比欧美国家预测物流需求时的指标数,说明我国区域物流预测指标中存在的问题;最后,以湖北省区域物流需求预测为例,运用主成分分析法把影响区域物流需求的多个指标综合为两个主成分指标,能为区域物流需求预测指标研究提供一定的参考.     

夏域物流需求预测方法研究

对区域物流需求预测的方法进行了研究,在对各单项预测模型进行选择和建立的基础上构建了组合预测模型,并且研究了确定权重系数的科学方法,同时将此方法应用到区域物流实例当中,运用组合预测模型对江苏省物流量进行了预测.     

基于ARIMA-RBF模型的区域物流需求预测

区域物流需求预测是区域物流系统规划和设计研究的基础,其结果为区域物流系统规划和设计提供科学的依据。考虑到影响区域物流需求的因素众多且复杂,且单一的预测模型很难做出准确预测,首先通过对影响物流需求的各生产或经济指标进行相关性分析,并构建基于ARIMA-RBF模型的区域物流需求量预测模型,然后以吉林省为例,对吉林省2014-2020年物流需求发展趋势进行了预测。结果表明,该方法具有较高的预测精确度,适用于不规则变化的区域物流需求预测。     

物流中心货运需求预测

针对以往物流中心货运需求预测存在的局限性,提出了一种新的方法,即先求出物流中心吸引范围内的区域货运需求预测总量,然后对该区域内的所有物流结点做竞争力评价,求出该物流中心的需求量在整个区域需求总量中所占的比例,最后将预测总量与比例相乘就得到该物流中心的有效货运需求预测量。     

基于市场细分理论的城市物流需求预测模型与应用——以广州市为例

为了确定城市各类物流基础设施的合理规模、提高物流系统规划的科学性、促进城市物流的精准化管理，提出了城市物流需求规模的预测方法。基于市场细分理论，将城市物流需求精细划分为本地商贸物流需求（城市配送）、本地生产物流需求（生产物流）、对外交易型中转物流需求（区域分拨）和通过型中转物流需求（中转物流）4类，并建立各类细分物流需求与对应社会经济指标的关系模型，预测未来城市物流需求总量。以广州市为例进行应用研究，结果表明，基于市场细分理论的城市物流需求预测方法具有可实施性，并解决了传统交通需求模型对物流需求预测实用性不足的问题。     

城市物流系统研究综述

随着经济全球化与区域经济一体化进程的推进,城市物流在城市经济和居民生活中的重要作用受到越来越多的学者关注,成为当前物流研究的一个重要领域。文中根据影响城市物流的因素,对城市物流与城市的发展、城市物流系统需求预测以及未来的发展趋势做了分析研究。     

基于BP神经网络模型的煤炭物流需求预测研究

从区域经济与煤炭产业内在关系的视角,对影响煤炭资源富集区物流的各因素进行分析和选择,构建BP神经网络预测模型,并利用Matlab技术对煤炭物流需求进行拟合,随后结合山西省1996-2011年的煤炭物流数据,分别对模型进行预测演练和精度检验,证明该模型应用于煤炭物流需求预测具有可行性和普适性,进一步对2012-2014年的煤炭物流需求进行预测,为现阶段煤炭产业物流的发展提供较为准确的参考。该模型首次采用区域经济指标结合产业发展因素的方法来对煤炭产业物流需求进行预测,在一定程度上反映了煤炭产业发展与煤炭物流需求之间的复杂映射关系,对今后区域内的产业物流需求预测具有重要的指导意义。     

基于多元变权组合预测模型的物流需求预测

物流需求预测是保障物流服务供给和需求平衡的重要依据,也是现代物流企业发展研究的重点之一.本文应用斜关联度选取地区生产总值、三产增加值、全社会固定资产投资总额、社会消费品总额以及人口数量指标建立多元回归预测模型和多变量灰色预测模型,鉴于单项预测模型的局限性,以绝对误差平方和最小为目标,通过改进变权组合预测方法确定最佳变权系数,构建物流需求的多元变权组合预测模型.结果表明:多元变权组合预测模型预测效果更优,方法在物流需求预测中有较好的效果.     

物流园区物流需求预测方法研究

在阐述了物流需求预测存在的问题的基础上,提出了确定物流园区物流需求的“宏观法”和“市场法”,并对这两种方法的预测原理、公式、步骤以及各自的优缺点和适用范围进行了阐述。最后,提出了物流园区物流需求预测的研究方向。     

基于灰色神经网络的区域物流需求预测

区域物流与区域经济存在密切关系。从决定区域物流需求的经济因素出发,利用BP神经网络的非线性强拟合能力,建立两者的非线性映射关系;针对模型外推预测的能力不足提出改进的方案,采用灰色模型与神经网络相结合进行预测研究,并用广东省物流需求预测做实证,验证了模型的有效性。     

基于灰色组合模型的区域物流需求预测研究

系统分析区域物流需求与相关影响因素关系,建立GM(1,1)、GM(0,N)单项预测模型,基于方差最小化准则构建组合模型,该组合模型克服了单项预测精度及适用条件等局限,改进了现有区域物流需求预测组合模型单因素多种方法简单组合的不足.最后采用2001-2009年安徽省物流需求数据进行实证分析,验证了组合预测模型的有效性.     

灾害应急物资需求预测模型研究

灾害应急物流管理是灾害应急管理体系中的重要组成部分,而灾害应急物资需求预测则是灾害应急物流管理的前提条件, "5.12汶川地震"更突出了其在灾害应急物流管理中的重要作用.针对传统灾害应急物资需求预测方法的不足,基于归一化处理后的欧氏算法,寻求最佳相似源案例,以确定源案例中的关键因素,建立了案例推理--关键因素模型,为目标案例进行灾害应急物资需求预测.最后将该模型运用于"汶川地震"的实例中,进行物资需求预测,验证了模型科学有效.     

基于支持向量机的城市物流需求预测研究

文章利用支持向量机的非线性能力对历史物流需求量进行学习,获得模型最优参数,对将来物流需求进行预测。文章调研了焦作市历年的城市物流需求数据对模型性能进行测试,测试结果表明,支持向量机针对城市物流需求预测精度较高,为城市物流需求预测提供了有效的方法。     

区域物流系统协调发展评价研究

基于复杂系统角度对区域物流系统协调发展进行研究,采用定量研究与定性研究相结合的方法,构建区域物流系统协调发展评价指标体系及模型,对区域物流系统的协调发展进行评价,为区域物流系统分析提供理论指导.并进一步为完善我国区域物流系统协调发展研究的体系,促进区域经济可持续发展研究提供了新的思路和方法.     

区域经济与区域物流定量研究方法探讨

近年来,国内学者从不同的角度对区域经济与区域物流之间的因果关系、协调性以及物流发展对区域经济制约影响作用进行了研究分析.文章旨在对区域经济与区域物流的各种定量研究方法进行总结,为进一步定量研究区域经济与区域物流之间的关系提供相应的参考.     

基于灰色系统的江苏省物流需求预测

准确的物流需求预测对我们的物流管理活动具有重要的指导意义。运用灰色关联度和灰色系统模型,对江苏省物流需求进行动态预测,预测结果的检验和分析,表明模型较精确,可以为物流需求预测提供一定的参考。     

基于贝叶斯组合模型的物流需求预测及分析

为克服单一预测方法假设条件及适用范围存在局限性的不足,以贝叶斯概率模型为基础,建立了基于GM(1,1)和多元线性回归模型的贝叶斯组合预测模型,各模型权重能够根据前期预测误差进行自适应调整,以保证预测精度.以北京市2009-2013年物流需求预测为例进行实例分析,结果表明贝叶斯组合预测模型的平均预测误差为0.95%,模型具有良好的自适应性和动态调整性,预测精度较高,可应用于物流需求预测研究.     

基于支持向量回归的服务备件需求量预测研究

随着市场竞争的日益激烈,售后维修服务成为一种有效的竞争手段.作为维修服务物质基础的备件,在服务中具有决定性的作用,所以服务备件物流管理在实践上得到越来越多的重视.本文将基于支持向量回归的数据挖掘方法,用于服务备件需求预测研究中.并结合实例,讨论了支持向量回归在汽车维修服务备件需求预测中的应用及其特点.     

基于灰色组合模型的区域物流需求预测研究

系统分析区域物流需求与相关影响因素关系,建立GM(1,1)、GM(0,N)单项预测模型,基于方差最小化准则构建组合模型,该组合模型克服了单项预测精度及适用条件等局限,改进了现有区域物流需求预测组合模型单因素多种方法简单组合的不足。最后采用2001-2009年安徽省物流需求数据进行实证分析,验证了组合预测模型的有效性。     

基于最小一乘准则最优回归模型的区域物流需求预测问题研究

结合统计学理论的研究成果,主要探讨了最小一乘法及其性质和求解,为最小一乘回归模型的应用奠定了基础,同时通过区域物流需求预测问题的研究,证明了最小一乘法的回归结果非常好,预测误差小,取得了可以接受的预测效果,并具有很好的稳健性.