天津港物流需求预测和物流发展策略的研究

《天津港物流需求预测和物流发展策略的研究》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、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编

2、以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日I摘要随着近些年中国外贸交易额的持续高速增长以及世界经济一体化程度的加深，世界各国的大型港口特别是枢纽港将在推进经济发展的历程中发挥重要作用，尤其对于港口资源及腹地企业资源的配置方面。随着全球生产与制造业正在逐步向亚洲尤其是中国转移，我国沿海港口将承担着重要的货物疏散任务，所以加快发展港口现代物流业是经济发展的客观要求，也是我国港口物流业做强做大的重要机遇，抓住这

3、一机遇的前提是对港口物流需求的发展趋势进行预判，尤其是港口物货物和集装箱吞吐量水平的变化。考虑到物流需求的非线性变化特点及我国物流数据统计不完善的特殊情况，本文创造性地将灰色理论与神经网络算法相结合，以克服数据贫乏和数据非线性的困难。所以，作者首先对灰色系统理论和人工神经网络理论进行简述，通过分析影响区域物流需求的各项指标来研究港口物流需求发展问题，并进一步以天津港为研究对象进行实证分析。作者简单介绍物流需求预测的基本理论和方法，包括区域物流需求预测指标选取、灰色理论、神经网络算法等，这是后续实证工作展开的理论基础。其次，重点分

4、析了影响港口物流需求的五方面因素，即经济水平、产业结构、消费水平、区域贸易及固定投资额，通过对五方面影响因素的分析，提取出用于天津港港口实际需求预测的二级指标集。然后，根据港口物流需求预测指标集的设定以及对算法可行性分析的基础上，构建了用于港口物流需求预测的灰色神经网络组合模型，该模型以影响指标和时间因素共九个指标作为输入，以港口货物吞吐量作为输出，实证研究表明模型对输入与输出之间的非线性关系进行了较好的拟合。最后，文章以天津港港口物流需求预测为实证研究的对象，对港口未来几年的发展给出预测结果，并根据预测结果及国内外成熟港口的成

5、长模式提出天津港港口物流发展的五大方面策略，包括陆上疏运结构、内河运输、港口物流功能、港企合作和信息平台建设等。研究结果表明，采用灰色预测理论与非线性预测功能的神经网络的组合算法，能够有效地发现港口物流需求影响因素与输出指标之间的联系，本文的实证研究有效验证了该算法的可靠性和可行性，为研究港口物流需求预测乃至区域物流需求预测提供了另一种思路。关键词：灰色神经网络；港口物流需求预测；物流发展策略IIABSTRACTWiththesustainedrapidgrowthofChina’sforeigntradevolumeinrec

6、entyears,thelargeporthuballaroundtheworldwereplayingimportantrolesonpromotingtheintegrationoftheworldeconomy,aswellasontheoptimizationofresourcesconfiguration.AndunderthebackgroundthatglobalproductionandmanufacturingindustryisgraduallytransferredtoAsia,especiallyChin

7、a,coastalportsofChinawillassumeanimportantcargoevacuationmission,sotospeedupthedevelopmentoftheportofmodernlogisticsindustryistheobjectiverequirements.Inordertoseizetheopportunity,wemustdoresearchonestablishmentofportlogisticsdemand.Consideringthelackandnonlinearvari

8、ationofthelogisticsdata,thispapercreativelygetthegraytheoryandneuralnetworkalgorithmcombinedtoovercomepredictiondifficult.Firstly,t