基于灰色优势分析的区域物流GM(1,1)预测模型

区域物流需求的快速增长,对拉动区域经济增长及促进区域产业优化升级起到重要作用。应用灰色系统理论优势分析方法对河南省物流需求影响因素开展分析,依据分析结果建立河南省物流需求的GM(1,1)模型,并对该区域未来物流需求进行了预测;影响因素分析结果及物流需求预测数据可以为该地区在制定区域物流发展规划时提供参考。     

基于灰色GM(1,1)模型的六安市农产品冷链物流需求预测

文章结合六安市农产品发展情况和相关政策导向确定了预测农产品冷链物流需求的种类指标,并以2011年-2017年农产品产量作为样本数据,采用灰色GM(1,1)模型预测六安市未来5年的农产品冷链物流需求量,同时对预测结果进行分析总结,一定程度上能为政府部门制订农产品冷链物流产业发展规划和进行物流决策提供参考。     

辽宁沿海经济带物流园区及大型专业物流中心布局优化研究

根据辽宁沿海经济带产业、城市、港口布局特点,在对经济带初步划分为7个物流集散区的前提下,采用2010年各县市统计年鉴数据,引用相关研究成果提出的规划数据,针对过境物流需求、工业物流需求、生活物流需求、农业物流需求等进行研究.分析物流市场需求现状,预测未来物流市场需求,并对以港口为中心兼顾铁路、高速公路等港口集疏运体系的物流园区、大型专业物流中心支撑系统进行综合评价,提出辽宁沿海经济带物流园区、大型专业物流中心空间布局的优化方案.根据分析评价的结果,提出至2020年辽宁沿海经济带应当规划建设15个物流园区、41个大型专业物流中心的建议.     

基于BP神经网络方法的城市物流需求预测研究

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.     

基于大数据的云端物流系统需求分析及优化设计

利用大数据对云计算物流系统进行分析,包括需求和设计等系统模块的分析.通过一系列物流业务量调研,采用Dijkstra算法、堆优化思想、“缩点思想”及最短路径原则,以商品溯源的数据为基础,构建快速高效的云端物流系统及最优化交通路径,探寻了物流产业未来高质量发展的新思路.     

情景分析法在物流需求预测中的应用探析

物流中心与外部社会环境存在着复杂的相互作用关系,为了使物流中心的规划与未来经济发展对物流的实际需求保持高度的协调和一致,探讨了在影响物流需求的环境因素不确定的条件下,采用一种将定性分析和定量分析有机结合的预测方法——情景分析法对物流需求进行预测分析,有一定的现实意义。     

基于压缩粒子群的弹性系数-投入产出物流需求预测模型

面向物流需求的预测问题,提出了一种基于压缩粒子群理论的弹性系数一投入产出物流需求预测模型．首先,引入弹性系数一投入产出模型,构建国民经济发展对物流需求的驱动模型;然后,基于压缩粒子群理论对物流需求的弹性系数进行优化预测,最终得到对未来物流需求的优化预测;最后通过应用算例验证了该模型的正确性和可靠性．     

基于时间序列分析方法的物流总额预测研究

介绍了物流的一些概念、时间序列分析的基本概念和模型、并建立了关于物流总额的模型,分析检验了数据的,预测了2015年的物流总额.我国的社会物流总额呈明显的上升趋势,并且在未来的一段时间,我国的物流产业会继续不断地发展.     

组合预测模型在物流需求预测中的应用

通过对物流需求影响因素的分析，建立了回归分析、灰色系统及神经网络方法的物流需求单项预测模型，鉴于单项预测模型的局限性，以误差绝对值加权和最小为最优化准则，建立了物流需求组合预测模型，并辅以实例进行分析和验证，通过误差的分析表明该模型能够改善预测精度，可以作为未来物流需求量预测的有效工具。     

港口物流与经济增长关系分析

以福建港口物流与经济增长之间的关系为研究对象,选取福建2004-2013年港口货物吞吐量、地区生产总值和三次产业生产总值等统计数据,运用回归分析方法与弹性系数法建立数学模型,运用灰色系统预测理论建立GM(1,1)预测模型,分析港口物流与腹地区域经济发展的关系.通过分析可知港口物流的发展能促进区域经济的增长,且对第二产业经济增长的拉动效应最大;目前GDP对港口物流发展仍缺乏弹性,未来港口货物吞吐量将持续快速增长,对区域经济增长的贡献将持续增大.