首页> 正文

供应链管理环境下物流园区货流预测研究

2020-12-07阅读(598)

供应链管理环境下物流园区货流预测研究

论文摘要

物流园区（Logistics Park or Freight Village）是具有一定规模和综合服务功能的物流集结点,在供应链管理环境的影响下,对未来的经济发展将起到举足轻重的作用。随着对土地的严格管控,城市可用于建设物流园区的土地日益紧缺,必须对货流进行精确预测和评估,才能增强物流园区规划合理性,使之成为发展现代物流、促进经济增长的物流枢纽。因此预测方法的选用研究以及提高货流预测准确度成为货流预测的热点。本文重点研究了供应链管理环境下物流园区货流预测问题。详细论述了物流园区货流分析的内容及特征,深入讨论了影响物流园区货流量变动的主要因素,对盖家沟物流园区货流进行了细致的调查和分析。通过对回归分析（Regression Analysis,RA）、时间序列（Time Series,TS）、灰色理论（Grey Model,GM）、神经网络（Neural Network,NN）等传统和现代预测方法的比较分析,分别从物流园区层面和区域经济层面,建立了基于季节影响因素的混合灰色BP算法神经网络（Grey-Back Propagation Neural Network,GBPNN）预测模型和基于RBF的广义回归神经网络（GRNN）预测模型。GBPNN中,对梯度下降BP算法函数traingd、梯度下降动量BP算法函数trainlm和动量及自适应梯度递减训练函数traingdx进行比较分析,确定选用trainlm作为训练函数。通过建立专家评估系统,对物流园区货流季节影响因子进行评估,然后将季节影响因子作为GBPNN的输入层,采用试算法确定网络输入节点和隐层节点个数,最大限度地避免了产生局部极值,提高了预测精度;GRNN模型中,采用关联分析方法确定影响因素关联程度大小,设置不同的光滑因子比较和检验,得到比较理想的预测效果。通过采用盖家沟物流园区TCL配送货流数据,用Matlab编程对GBPNN和GRNN两预测模型进行了验证,得出所设计的GBPNN和GRNN预测模型在物流园区货流预测应用中预测逼近效果良好、预测精度高的结论。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 课题提出的背景和意义
  • 1.2 国内外研究现状综述
  • 1.3 论文研究主要内容
  • 第2章 物流园区货流情况分析
  • 2.1 供应链管理
  • 2.1.1 供应链管理的概念
  • 2.1.2 供应链管理的特征
  • 2.2 物流园区货流分析内容
  • 2.2.1 货流结构
  • 2.2.2 货流规模
  • 2.2.3 货流流向
  • 2.3 物流园区货流影响因素
  • 2.3.1 宏观和外部影响因素
  • 2.3.2 内部影响因素
  • 2.3.3 企业产品和销售方式
  • 2.3.4 影响因素权重分析
  • 2.4 盖家沟物流园区及货流调查情况
  • 2.4.1 盖家沟物流园区概况
  • 2.4.2 调查数据采集
  • 2.4.3 调查过程问题分析
  • 2.5 物流园区货流特征分析
  • 2.6 本章小结
  • 第3章 货流预测方法比较与分析
  • 3.1 物流园区货流预测概述
  • 3.1.1 物流园区货流预测主要内容
  • 3.1.2 货流预测步骤
  • 3.2 主要货流预测方法
  • 3.2.1 回归预测
  • 3.2.2 时间序列预测
  • 3.2.3 灰色预测
  • 3.2.4 神经网络
  • 3.3 预测方法比较分析及选择
  • 3.4 本章小结
  • 第4章 混合灰色理论与BP算法神经网络物流园区货流预测模型
  • 4.1 BP神经网络
  • 4.1.1 BP神经网络模型概述
  • 4.1.2 BP算法原理
  • 4.1.3 BP算法步骤
  • 4.2 货流季节影响因子专家评估系统
  • 4.2.1 专家评估系统设计原理
  • 4.2.2 专家评估系统设计
  • 4.2.3 专家评估系统步骤
  • 4.3 混合灰色理论与BP算法神经网络物流园区货流预测模型
  • 4.3.1 模型设计思路
  • 4.3.2 基于季节影响因子的网络设计
  • 4.4 物流园区预测模型应用
  • 4.4.1 预测算例
  • 4.4.2 训练结果
  • 4.4.3 预测分析
  • 4.4.4 预测结论
  • 4.4.5 预测比较
  • 4.5 本章小结
  • 第5章 基于RBF的广义回归神经网络物流园区货流预测模型
  • 5.1 RBF径向基网络概述
  • 5.1.1 RBF网络结构
  • 5.1.2 RBF函数
  • 5.1.3 RBF学习算法
  • 5.1.4 RBF网络的特点
  • 5.2 基于 RBF的广义回归神经网络预测模型
  • 5.2.1 广义回归神经网络结构及特点
  • 5.2.2 广义回归神经网络预测模型思路
  • 5.2.3 影响因素选择
  • 5.2.4 广义回归神经网络设计步骤
  • 5.3 广义回归神经网络预测模型的应用
  • 5.3.1 预测实例
  • 5.3.2 预测分析
  • 5.3.3 预测结论
  • 5.4 本章小结
  • 总结与展望
  • 附录
  • 参考文献
  • 致谢
  • 学位论文评阅及答辩情况表

    • 相关论文文献

    • [1].“准确、快捷、安全、专业”——广东时捷物流有限公司[J]. 广东交通 2018(01)
    • [2].物流遇上5G 颠覆性变革呼之欲出[J]. 今日科技 2019(12)
    • [3].轻奢品物流中存在的问题及改进建议[J]. 物流工程与管理 2019(12)
    • [4].职业院校物流专业校企合作的探讨[J]. 中外企业家 2020(02)
    • [5].物流专业教学中非正式学习环境模型的构建研究[J]. 物流科技 2019(12)
    • [6].人力资本对我国物流业发展的影响研究[J]. 物流工程与管理 2019(12)
    • [7].构建物流企业核心竞争力的营销策略探讨[J]. 住宅与房地产 2019(33)
    • [8].我国西部发展可持续物流面临的挑战及对策研究[J]. 经济研究导刊 2019(32)
    • [9].“一带一路”背景下郑州市物流业发展研究[J]. 经济研究导刊 2019(34)
    • [10].大力发展现代物流业 促进区域经济发展[J]. 现代商业 2019(31)
    • [11].滇桂黔三省（区）物流业与区域经济增长关系研究[J]. 物流工程与管理 2019(12)
    • [12].大数据时代我国推进物流信息化建设探讨[J]. 现代商贸工业 2020(01)
    • [13].论第四方物流与食品物流结合的可能性[J]. 中国市场 2020(01)
    • [14].基于长江三角地区物流岗位人才分层分级的调查研究[J]. 中国市场 2020(01)
    • [15].智慧物流推动物流业转型升级的现状分析[J]. 西部皮革 2019(24)
    • [16].公铁联运物流信息共享模式研究[J]. 物流技术与应用 2020(01)
    • [17].物流行业分拣机设计研究[J]. 工业设计 2019(12)
    • [18].基于成果导向的物流专业与创新创业教育融合发展路径研究[J]. 现代营销(信息版) 2020(01)
    • [19].适应物流业转型升级的跨境分段培养模式研究——以南京工业职业技术学院物流专业为例[J]. 江苏高职教育 2019(02)
    • [20].物联网和智慧物流在企业管理中的应用探讨[J]. 中国市场 2020(02)
    • [21].5G网络在物流行业中的应用研究[J]. 物流工程与管理 2020(01)
    • [22].新形势下物流新业态发展路径探析[J]. 现代商业 2020(02)
    • [23].降低物流成本的有效途径研究[J]. 现代营销(下旬刊) 2020(01)
    • [24].《中国物流年鉴》[J]. 中国物流与采购 2020(02)
    • [25].大力推进物流业高质量发展[J]. 中国物流与采购 2019(24)
    • [26].商务部积极推进物流发展工作[J]. 中国物流与采购 2019(24)
    • [27].智领物流，慧见未来[J]. 中国物流与采购 2019(24)
    • [28].日本物流的发展现状[J]. 中国物流与采购 2019(24)
    • [29].《中国物流年鉴》[J]. 中国物流与采购 2019(24)
    • [30].2019中国物流年度奖[J]. 中国物流与采购 2019(24)

    标签：;  ;  ;  ;  

    供应链管理环境下物流园区货流预测研究
    下载Doc文档

    猜你喜欢

    © 2025 毕速过 版权所有 鄂ICP备12018319号-5