基于宏观经济指标的区域物流量需求预测研究

《基于宏观经济指标的区域物流量需求预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安理工大学硕士学位论文基于宏观经济指标的区域物流量需求预测研究姓名：苗艳艳申请学位级别：硕士专业：管理科学与工程指导教师：谢天保201203一／煳煳·—-___—_-·—·--_-____—_—-_——-’__-__——-_——___——_——-—___—__-————__·_——_·____-—-_————_-____——__l，▲”。!”¨fJI●⋯¨『J』JffJf，ffJJJ『『JJ刖题目：基于宏观经济指标的区域物流量需求预测研究学科名称：管理科学与工程学生姓名：苗艳艳签名：肖辑书乙导师姓名：谢天保副教

2、授签名：淋钇竹，＼摘要随着电子商务的迅猛发展，物流业以迅雷之势腾飞，物流业发展速度可见一斑。物流又与经济有着千丝万缕的关系，物流的繁荣离不开经济的发展，经济的发展势必会带动物流业前行。区域物流规划建设需要物流需求预测为基础，预测是规划工作中非常重要的环节，制定物流发展战略、建设物流基础设施设备等一系列活动都需要以物流需求的预测结通过查阅大量国内外物流量需求预测相关参考文献，分析目前国内区域物流发展的特点，结合前人在物流量需求预测中对宏观经济指标以及物流量范畴的研究，整体把握和评述目前物流量需求预测的研究现状，最终

3、确定了论文研究的宏观经济指标，并乔定论文研基于经济繁荣与物流量之间的密切联系，建立了宏观经济指标与区域物流量的理论关系模型，以陕西省为例，采用灰色关联度分析法，从定量化角度证明宏观经济指标与物流量之间存在的相关关系。针对与物流量指标具有较强关联关系的宏观经济指标，论文选择主成分分析法对所有指标进行综合分析，满足了各指标必须遵循的经济性、重要性、相互独立性、可比性以及时效性等原则，并降低了预测运算的复杂度。确定预测指标后，分别选择灰色预测法、BP神经网络法以及多元线性回归等三种方法建立基于宏观经济指标的陕西省物流量

4、需求预测模型，通过绝对误差分析，论证了论文选择的综合指标预测区域物流量的可行性和可靠性，最后利用误差最小的BP神经网络预测未来中期陕西省物流量。论文的研究工作以陕西省为例，界定了全新的物流量范围，并建立了基于宏观经济指标的物流量需求预测指标体系，通过三种数学模型结果值误差比较，选择一种最适合的预测方法，为该区域内物流系统规划以及物流企业发展规划提供较为准确的物流量数据，为后续区域物流量需求预测工作的进一步开展提供参考。【关键词】物流量；宏观经济指标；灰色关联度；主成分分析；BP神经网络【论文类型】应用型研究西安理

5、工大学项士毕业论文TITLE：FoRECASTINGoFREGIoNALLoGISTICSCAPACITYDEMU帅BASEDoNM-ACRoECoNoMICINDICAToRSSpeciaIty：ManagementScienceandEngineeringAutor：Y．anyanMiaoSuperVisor：Associateprof．TianbaoXiesignatll代：帆艄signature：T山州IeAbStraCtWitll吐屺rapiddevelopmentofE—commerce，tllelo

6、giSticsiIlduS臼ygrowtllrateis刚dent．1k他is觚删他l撕onsllipbetw呦L0酉stics觚dECononly．111elogisticsofprosperi够is、ⅣimoutEcon0IIlicdevelopmem，锄dEcon0IIlicdeVelopmentisbo岫dt0promotetllelogiSticsiIlduS臼可forward．RegioI谢logiSticsdem觚dforec嬲tingisiIIlport肌tforpl锄血nglo岔sticssyS

7、tem，mal(ingregion砒lo舀sticsdevelopmentpolic弘b伍ldingthelo西sticsi11鱼蚓乜ucture，如alyzinglogisticsm“ketsituation，锄dS0on．Theforec硒tingacc嗽cyisdirectlyrelatIedt0tllescientifici妙锄dratioI词．it)ronlo西sticspl卸-Iling．n啪ugll∞Cesst0alarge锄ountofdomeStic锄dforei萨logisticsdem锄df

8、0砌隐sting托f．erence．11伦cll玎entstamsofttlelogiSticsdem锄dforecaStiIlgis伊觞ped，锄dtllecu行entdomeSticregionallo西sticsdeVelopmentchar∞teristicsa陀觚alyzediIldetail．Combmed谢thtllepreviouS他searChiIltl