基于组合方法的港口物流需求预测研究

《基于组合方法的港口物流需求预测研究》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、福建农林大学硕士学位论文基于组合方法的港口物流需求预测研究姓名：黄俊聪申请学位级别：硕士专业：交通运输规划与管理指导教师：张正雄20090401福建农林大学2009届硕士学位论文基于组合方法的港口物流需求预测研究摘要：发展港口现代物流是港口城市经济发展的必然趋势，对港口物流未来需求的科学预测是港口城市科学地进行港口物流规划与物流园区建设的重要依据。港口物流需求预测精度的高低直接影响到港口物流规划与建设的科学性、先进性和合理性。如何提高港口物流需求预测的精度，是港口物流需求预测研究中的一项十分重要的内容。针对不同的港口开展物流需求预

2、测研究，对促进港口事业的又好又快发展具有重要的理论意义和现实意义。首先，根据港口物流需求及预测的基本理论，分析了港口物流需求与腹地区域经济的相互关系及港口物流需求预测的特点，指出港口物流需求与腹地区域经济存在极强的相关性，腹地经济规模和产业结构共同决定了物流需求的规模和结构。其次，针对港口物流需求的特点和影响因素，提出了采用物流需求规模指标和物流需求经济指标作为港口物流需求预测的主要指标体系。以影响物流需求的主要因子的变化来反应物流需求各个指标的变化，克服了以往单纯的从物流需求指标自身的历史数据来研究港口物流需求的发展态势及预测中

3、存在的准确性较低的不足之处。第三，针对单一预测方法预测精度较低的问题，提出以误差绝对值和为预测误差指标，建立了以灰色GM(1，1)预测模型及BP神经网络预测模型为基础的最优组合预测模型，并结合实例，对港口物流需求规模进行预测，预测精度明显高于单一的预测方法。第四，从物流需求结构、需求主体、流动规律、需求规模四个方面对福州港未来的物流需求进行了预测分析，结果表明福州港的港口吞吐量和集装箱运输量增长极为迅速，到2013港口吞吐量将突破1400万吨、集装箱运输量将突破300万标箱。与此同时，深入分析了福州市港口物流的发展现状和存在的主要

4、问题，对今后的港口物流发展提出了一些合理化的建议。基于组合方法的港口需求预测研究关键词：组合预测；预测指标体系；港口物流需求；福州港中图分类号：F252文献标识码：AIl福建农林大学2009届硕士学位论文ForecastAlgorithmicforPortLogisticDemandResearchBasedonCombinationModelAbstract：Developingthemodemlogisticsoftheportisanirreversibletrendfortheimprovementofcityeconom

5、y,andportlogisticplanninghasbecamefairycriticalforthemodemlogistics’developmentofaportcity．Thekeypartofportlogisticdemandresearchishowtoimprovetheforecastprecision，whichdirectlyinfluencedthescientificandrationalityoftheportlogisticplanning．Firstofall，viathebasictheory

6、ofportlogisticdemand，includingthebaseconcept，demandanalysisofportlogistics，thecharacteristicofportlogisticdemand．forecastandSOon．ThereWasastrongcorrelationbetweenportlogisticdemandandurbaneconomy,andLogisticscaleandstructurewasjointlydecidedbyeconomicscaleandindustria

7、lstructure．Secondly,byanalysisofinfluencefactorsandcurrentlogisticstatisticsituationofOurcountry,portlogisticdemandforecastindexsystemhasbeenestablished．ThelogisticdemandWasgreatlyreflectedbylogisticindexandeconomicindex．TheintrinsicattributeofportlogisticdemandWasrev

8、ealedbyforecastinglogisticdemandbyusinghinterlandeconomyindicesinsteadofthetimeseriesdataoflogisticscalevolumejtself．Thirdly