导读:本文包含了城市物流需求论文开题报告文献综述及选题提纲参考文献，主要关键词:遗传算法,BP神经网络,优化物流需求
城市物流需求论文文献综述
于蕾[1]（2019）在《基于遗传神经网络的城市区域圈物流需求预测——以合肥都市圈为例》一文中研究指出选取6组物流预测的输入变量作为训练集的输入变量,次年的公路货运总量为输出变量。由于2018年社会消费品零售总额缺失,因此先根据往年数据,采用线性回归的模式进行预测,得出2017年社会消费品零售总额,进而使用该数据进行进一步的预测与分析。使用Matlab实现对数据的编程处理,用BP神经网络模型对区域物流量给予合理地预测,通过对比试验结果证明,经过遗传算法优化的神经网络在区域物流预表现出更高的精准度。从而使得政府部门制定科学推动经济发展的方针与政策,为推动物流行业基础设施建设工作的顺利开展制定科学的决策。(本文来源于《黔南民族师范学院学报》期刊2019年04期）
胡鹏基[2]（2019）在《基于Arima-BP的城市物流需求预测及发展对策研究》一文中研究指出近年来随着区域协调发展、产业分工协作趋势不断增强,现代物流业逐渐发展成为中国国民经济体系中重要的基础性服务产业。其中在中观物流领域,城市物流扮演着重要的角色,它服务于城市需求,促进城市经济快速发展。同时,城市经济的形成又是城市物流存在的条件,城市运输能力不足,交通运输基础设施落后等严重影响了城市物流效率,只有运输能力与城市物流需求匹配时,才能真正体现出它的经济价值和社会价值,所以提前预测物流需求能够减少运力浪费,有针对性地改善基础设施,进而提高物流效率。物流需求往往又与宏观经济指标相关。因此,本文从宏观经济指标出发,结合相关文献分析与物流需求相关的因素,通过灰色关联分析得到用于预测城市物流需求的指标集,然后分析Arima时间序列模型与BP神经网络的原理和特点,将两者加以结合形成Arima-BP组合预测模型,并以天津市为例进行模型验证并对天津市物流需求趋势进行预测,依据预测结果并结合物流及配套产业现状提出城市物流发展的对策与建议。详细内容如下:首先,以城市物流需求为研究对象,提出了本文所要研究的问题,阐述了研究的重要性,并指出了现有研究的不足,从而引出本文的研究内容,并绘制技术路线图;基于上述研究内容,详细阐述了相关概念及已有研究成果,为本文研究提供理论依据。然后,根据预测原理及模型,提出了基于Arima-BP的建模与仿真思路。通过文献整理了分析物流需求的影响因素,采用灰色关联分析建立物流需求预测指标体系。结合Arima时间序列模型和BP神经网络模型在处理时间序列数据及学习算法上的优点,提出了Arima-BP组合预测模型的思路与模型架构,可以更好地预测城市物流需求,为本文研究提供理论依据。最后,利用Matlab仿真软件设计和实现预测模型,通过案例分析进一步验证了组合预测模型的有效性;在此基础上,预测了天津市城市物流需求的变化趋势,并结合天津市目前物流产业发展基础,找出应对仍在上涨的物流需求所存在的差距和不足,给出相应的对策和建议。研究结果表明:组合模型的预测结果在预测精度上取得了明显的提升,本模型的可行性和有效性得到验证;实证方面,天津市物流需求呈平稳上升趋势,可以着重考虑从公路、铁路等交通基础方面入手,提高城市运输能力,使之与城市物流需求相匹配,从而真正实现城市物流的价值。(本文来源于《天津理工大学》期刊2019-02-01）
张海霞,张金梅,薛卓之[3]（2018）在《以市场需求为导向的城市物流服务营销策略研究》一文中研究指出电子商务行业的蓬勃发展促进了物流产业服务水平的提升,近年来,我国物流产业的标准化、信息化水平都大幅提升。在激烈的市场竞争下,传统的物流营销策略不足以支撑现有物流市场份额,向小批量、多频次、时效性强的城市配送转型就是一个必然策略。如何在城市物流配送中满足市场需求,提升服务质量,降低物流成本就是本文研究的主要问题。(本文来源于《现代营销(下旬刊)》期刊2018年10期）
林伟滨[4]（2018）在《基于BP神经网络的城市物流需求预测模型研究》一文中研究指出随着社会经济的持续发展,城市物流行业得到飞速发展,物流行业的发展需要得到物流需求的支持,但是物流需求具有较强的多变性和复杂性,对其进行精确预测的难度较大.基于此,本文将对BP神经网络结构进行分析,并以某市为例对该城市的物流需求预测模型进行构建和分析.(本文来源于《赤峰学院学报(自然科学版)》期刊2018年08期）
孙逊,刘斌,朱汉民,姚华[5]（2018）在《基于经济密度的城市物流需求综合预测新方法》一文中研究指出传统的物流需求预测模型是基于国民经济总量(GDP)数据,这种总量分析没有考虑到经济增长质量和生产率的因素。为弥补传统预测模型的不足,考虑到中国国民经济与社会发展要从数量型(规模型)增长向质量型(效率型)增长转变,从增长质量的一个角度即经济密度视角,综合分析基于地区生产总值和基于经济密度的物流需求预测模型,以其预测结果的综合误差平方和最小为原则,提出城市物流需求综合预测方法。该方法可以得出相对精确的物流量,为用地规模确定、物流基础设施规划和建设提供科学依据。(本文来源于《物流技术》期刊2018年02期）
应玉萍[6]（2017）在《基于BP神经网络方法的城市物流需求预测研究》一文中研究指出物流量是衡量地区经济发展的重要因素,准确的物流预测结果对物流产业的发展具有重大的指导作用.神经网络是重要的综合预测评价方法,在解决众多非线性问题时,对于由数据资料缺失造成的预测结果与真实结果相差较大的问题,可以最大限度的减小误差,增加预测准确性.本文针对城市经济与城市物流存在的内在关系,以青海省为例,根据青海省相关经济发展因素建立基于神经网络的"城市经济—物流需求"预测模型,对其城市物流量进行预测,对比预测结果与实际结果可知其误差小、可信度较高.最后,通过此方法预测得到了青海省未来五年城市物流量,具有较高的科学价值.(本文来源于《青海师范大学学报(自然科学版)》期刊2017年04期）
汪洪帆[7]（2017）在《基于BP神经网络的杭州城市圈物流需求预测》一文中研究指出利用BP神经网络来模拟杭州城市圈的物流需求量与各城市经济因素的内在关系,以此来进行杭州城市圈物流需求量的未来预测。因此,采用Matlab方法,以杭州市2000~2015年的数据为例,阐述了该方法的现实意义。(本文来源于《现代商贸工业》期刊2017年29期）
段思明[8]（2017）在《随机需求下带时间窗的城市农产品冷链物流配送优化问题研究》一文中研究指出我国农业结构日益完善,居民购买能力逐渐提高,对农产品的质量控制更加严格。近年来,我国一直提倡“最先一公里”、“最后一公里”的冷链运输。这对城市农产品冷链物流既是机遇又是挑战。一般而言,温度与时间是我们关注的重点,因此需要先进的科学技术为依托提高温控技术含量。城市冷链配送我们需注意两点。一方面,我们需知道检测物流服务水平的重要指标是:是否具备处理客户随机需求的能力,如何有效处理时间窗限制;另一方面,易腐的冷链品对时间具有强烈的敏感性,在运输过程中很容易产生货损成本。因此基于实际的城市交通拥堵情况,如何缩短配送时间、减少货损成本和缺货成本、提高客户的满意度,实现冷链物流配送成本最优化,是研究配送优化的关键问题。本文综合考虑配送中心固定成本(建设成本与操作成本)等成本费用。还考虑到经营环境、社会基础设施、市场环境等影响因素,建立了多目标城市农产品冷链物流配送中心的选址并求出目标权重;根据零售商的随机需求量、时间窗限制等因素,充分考虑到车辆成本、带时间窗的惩罚成本、货损成本和随机需求下缺货成本,建立冷链配送路径优化模型。应用双层规划思想,构成配送选址和路径优化双层模型,其相互制约相互影响。最后本文选择了遗传算法来进行求解,并以武汉X公司为背景进行算例验证分析。本文主要贡献有:(1)建立多目标农产品配送中心选址模型,并运用模糊层次分析法求解目标权重。(2)充分考虑零售商的随机性需求、时间窗限制、道路拥堵对物流运输的影响,建立城市农产品冷链物流路径优化模型。(3)构建随机需求下带时间窗的城市农产品冷链物流配送选址和路径优化的双层规划模型。(4)选择遗传算法(GA)进行求解,并用算例进行验证,用MATLAB软件进行求解得到最佳结果。(本文来源于《浙江工业大学》期刊2017-10-01）
李兆奇[9]（2017）在《城市群区域性物流需求结构测评及实证研究》一文中研究指出在对城市群区域性物流需求结构特征进行分析的基础上,重点研究了城市群区域性物流需求结构的测评指标与方法,分别从点、线、网叁个方面给出了相应的测评指标,并基于城市群物流需求结构特征的分析设计了测评方法,最后以环渤海城市群的若干个主要节点城市为例对城市群物流需求结构测评方法进行检验和实证分析,证实了方法的有效性和可行性。(本文来源于《物流技术》期刊2017年07期）
夏建民[10]（2017）在《基于遗传神经网络的城市圈物流需求预测》一文中研究指出在世界经济的一体化发展、科技信息技术的持续创新发展,和供应链管理理论长久优化的推动下,世界范围内的物流行业正在高速发展,目前全球各个国家非常看重物流业的发展,并把它看作为能够彰显国家现代化发展程度以及综合实力一个重要标志。特别是在物流相关理论知识、技术等多方面获得巨大的进步,各个国家都将物流产业定位为整个国民经济发展基础和主动脉,是各个国家在这个新环境下经济发展的新增长点与拉动力。而作为当代物流产业的一个重要组成部分区域物流,它的发展水平能够对区域经济的合理发展、稳健起着至关重要的作用,所以区域物流规划对于区域经济起到一定的支撑作用,同时区域物流的预测对于区域规划也具有至关重要的影响力。不过因为中国物流行业的起步相对较晚,所以在物流需求预测过程中所需要使用的相关历史数据不多,而且不完全符合科学合理性。同时区域物流的影响因子与区域经济之间是含有一定的非线性关系,因此运用传统预测方法(线性回归、时间序列模型等)对物流量进行预测是无法得到精准有效的结果。所以在面对所需数据量匮乏、区域物流预测指标不清晰这些问题,怎么选择出一个合理有效的预测方法对物流进行科学合理的预测已经成为目前的重中之重。随着信息技术的不断发展,越来越多的算法不断的涌现,遗传算法、核算法、支持向量机等,可以帮助处理一些非线性数据,同时为物流预测提供了新途径。为了科学合理的预测区域物流量,给政府制定促进经济发展的宏观政策、方针以及物流行业所需的基础设施建设的决策行为提供必要的参考意义。在对国内外物流研究现状进行调查分析的前提下,依据区域物流需求和区域经济之间的关联关系,分析总结得出6个影响区域物流的重要影响因素,构建预测指标,对比研究经过遗传算法的神经网络与传统的BP神经网络预测结果,验证遗传神经网络在区域物流预测的可行性。(本文来源于《江西师范大学》期刊2017-05-01）
城市物流需求论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来随着区域协调发展、产业分工协作趋势不断增强,现代物流业逐渐发展成为中国国民经济体系中重要的基础性服务产业。其中在中观物流领域,城市物流扮演着重要的角色,它服务于城市需求,促进城市经济快速发展。同时,城市经济的形成又是城市物流存在的条件,城市运输能力不足,交通运输基础设施落后等严重影响了城市物流效率,只有运输能力与城市物流需求匹配时,才能真正体现出它的经济价值和社会价值,所以提前预测物流需求能够减少运力浪费,有针对性地改善基础设施,进而提高物流效率。物流需求往往又与宏观经济指标相关。因此,本文从宏观经济指标出发,结合相关文献分析与物流需求相关的因素,通过灰色关联分析得到用于预测城市物流需求的指标集,然后分析Arima时间序列模型与BP神经网络的原理和特点,将两者加以结合形成Arima-BP组合预测模型,并以天津市为例进行模型验证并对天津市物流需求趋势进行预测,依据预测结果并结合物流及配套产业现状提出城市物流发展的对策与建议。详细内容如下:首先,以城市物流需求为研究对象,提出了本文所要研究的问题,阐述了研究的重要性,并指出了现有研究的不足,从而引出本文的研究内容,并绘制技术路线图;基于上述研究内容,详细阐述了相关概念及已有研究成果,为本文研究提供理论依据。然后,根据预测原理及模型,提出了基于Arima-BP的建模与仿真思路。通过文献整理了分析物流需求的影响因素,采用灰色关联分析建立物流需求预测指标体系。结合Arima时间序列模型和BP神经网络模型在处理时间序列数据及学习算法上的优点,提出了Arima-BP组合预测模型的思路与模型架构,可以更好地预测城市物流需求,为本文研究提供理论依据。最后,利用Matlab仿真软件设计和实现预测模型,通过案例分析进一步验证了组合预测模型的有效性;在此基础上,预测了天津市城市物流需求的变化趋势,并结合天津市目前物流产业发展基础,找出应对仍在上涨的物流需求所存在的差距和不足,给出相应的对策和建议。研究结果表明:组合模型的预测结果在预测精度上取得了明显的提升,本模型的可行性和有效性得到验证;实证方面,天津市物流需求呈平稳上升趋势,可以着重考虑从公路、铁路等交通基础方面入手,提高城市运输能力,使之与城市物流需求相匹配,从而真正实现城市物流的价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
城市物流需求论文参考文献
[1].于蕾.基于遗传神经网络的城市区域圈物流需求预测——以合肥都市圈为例[J].黔南民族师范学院学报.2019
[2].胡鹏基.基于Arima-BP的城市物流需求预测及发展对策研究[D].天津理工大学.2019
[3].张海霞,张金梅,薛卓之.以市场需求为导向的城市物流服务营销策略研究[J].现代营销(下旬刊).2018
[4].林伟滨.基于BP神经网络的城市物流需求预测模型研究[J].赤峰学院学报(自然科学版).2018
[5].孙逊,刘斌,朱汉民,姚华.基于经济密度的城市物流需求综合预测新方法[J].物流技术.2018
[6].应玉萍.基于BP神经网络方法的城市物流需求预测研究[J].青海师范大学学报(自然科学版).2017
[7].汪洪帆.基于BP神经网络的杭州城市圈物流需求预测[J].现代商贸工业.2017
[8].段思明.随机需求下带时间窗的城市农产品冷链物流配送优化问题研究[D].浙江工业大学.2017
[9].李兆奇.城市群区域性物流需求结构测评及实证研究[J].物流技术.2017
[10].夏建民.基于遗传神经网络的城市圈物流需求预测[D].江西师范大学.2017