基于经济转型背景下的物流需求预测

研究了经济转型背景下物流的需求预测.采用灰色关联模型对物流需求的主要因素进行关联性分析,得出本文选用的相关指标;结合区域经济、产业结构、科技创新和技术进步等相关指标构建系统动力学模型,对区域物流需求进行预测模拟.利用Ven-simPLE软件对中部六省2008～2017年的面板数据进行仿真模拟分析.研究表明,区域物流需求受多种因素影响,仅经济的发展不能带动当地物流行业的发展.通过模拟发现;提高物流的供给能力、科技创新和技术进步水平对区域经济发展有促进作用,对区域物流行业的发展有提升作用.     

多元可变参数需求预测模型分析与应用

针对现有区域物流需求预测目标单一、预测数据复杂的问题,提出了多元可变参数的物流需求预测模型.在分析区域物流需求预测影响因素,并建立区域物流需求预测指标体系的基础上,运用粗糙集理论对预测指标进行预处理,建立多输入多输出小波网络(multi-input and multi-output wavelet network,MMWNN)多元预测模型,采用迭代梯度下降法和逐步检验法确定预测网络中的可变参数.利用粗糙集约简后的评价指标来实现对多元区域物流需求的预测,实例仿真结果表明该模型具有较高的预测精度和有效度.     

基于遗传BP神经网络的区域物流需求预测

针对当前区域物流需求预测数据复杂且可变性较大、预测方法环境适应性较差的问题,提出了基于遗传BP神经网络的区域物流需求预测模型。首先,分析区域物流需求预测影响因素,并建立区域物流需求预测指标体系;其次,采用遗传算法优化预测网络中的可变参数,并建立多输入-多输出的BP神经网络多元预测模型;最后,通过实例结果表明该模型具有较高的预测精度和有效度。     

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。     

安徽省区域物流竞争力与区域经济发展关系研究

以物流发展基础支撑、物流发展成效和物流竞争力潜力为区域物流竞争力指标,区域经济规模和居民生活水平为区域经济指标,选取安徽省2007—2016年相关数据进行统计分析,研究发现:2007—2013年区域物流竞争力和区域经济发展趋势基本一致;2012年后皖北的物流竞争力增速最快,2015年超过皖中和皖南,同时期皖北的经济水平赶超皖南,三大区域的物流竞争力与经济发展之间是相互促进的联动关系。同时提出提高区域物流能力与物流效能、加强皖南公路基础设施建设、扩大区域物流需求等建议,以期为安徽省物流能力和经济的协调发展提供参考。     

区域物流需求分析模型及其算法

物流需求量是区域物流中心功能设计和规模确定的依据，本文参考了宏观经济预测和交通需求预测的有关方法，构造了多区间投入产出模型和空间价格均衡模型相结合的区域物流需求分析模型，利用多区间投入产出模型能较好地分析地区间和部门间的经济关联，利用空间价格均衡模型能将物流产生作为内生变量处理，人而使区域物流需求分析模型成为包含宏观经济分析层和物流分析层的两层次决策问题，分析过程能同时把握社会经济条件和物流供应条件两方面因素，最后根据模型的特点，给出其求解算法。     

基于SVM和神经网络组合预测模型的物流需求预测

物流需求的定量数据是区域物流发展政策和规划的重要依据,影响物流需求的因素很多,传统的预测方法无法全面考虑各种因素,预测精度较低。为了提高物流需求预测的精度,采用组合预测的方法,建立一种基于支持向量机和神经网络的组合模型。首先采用支持向量机进行预测得到预测基本数据,然后通过BP神经网络进行残差修正,通过算例仿真分析,结果表明组合预测模型具有更高的精度,是一种有效的预测方法,为物流需求预测提供了新的思路。     

安徽省物流能力与区域经济发展的互动关系

本文对安徽省1990—2011年的区域经济和物流行业的数据进行统计分析,探究安徽省物流能力与区域经济发展之间的互动关系。通过建立数学模型,运用EVIEWS软件进行ADF检验、协整分析、格兰杰因果关系检验和脉冲响应分析,研究发现安徽省物流能力和区域经济发展之间有长期的协整关系和单向的格兰杰因果关系,同时得出了两者在短期内的相互作用机制。最后提出相关政策建议,对安徽省制定物流产业和经济发展规划提供决策参考。     

安徽省区域经济物流弹性研究

对安徽省1990—2011年的物流能力和GDP数据进行了统计分析和回归分析,建立了物流能力与时间、GDP之间的数学模型,进而对安徽省区域经济物流弹性进行分析。研究结果表明安徽省物流能力和区域经济发展之间存在互动关系,并对安徽省2012-2021年区域经济物流弹性进行了预测。基于分析的结论提出相关政策建议,对安徽省制定物流产业和经济发展规划提供参考。     

福建省区域物流与区域经济的实证研究

福建作为中国东部沿海地区经济最具活力的地区之一,通过大力发展现代区域物流业,促进了区域经济的增长,同时,经济的增长也带动了区域物流的发展.本文将采用误差修正模型及格兰杰因果检验,通过对1978～2010年福建省的经济指标时间序列进行协整分析,探讨福建GDP、物流产值、货物周转量、物流里程的协整关系,从而得出福建区域物流与区域经济增长之间的互动效应.本文发现区域物流的发展水平与区域经济增长存在长期均衡关系.     

物流网络中多地区配送需求预测方法研究

物流网络较为复杂,当前预测方法只采用一种方法对物流网络中多地区配送需求进行预测,无法保证预测精度。提出一种新的需求预测方法, 通过两个或两个以上不一样的预测方法,对物流网络中多地区配送需求进行预测,构建物流网络中多地区配送需求组合预测模型,对不同方法进行加权组合,通过熵值法对组合预测模型的组合权重进行计算,充分利用不同预测方法的优点,获取较优的预测结果。通过残差检验和后验差检验,对组合预测模型的配送需求预测能力进行评价。实验结果表明,所提方法具有很高的预测精度。     

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．     

我国社会物流需求量的非线性回归预测

为了更好地发展物流业,需要对物流需求量进行准确地预测.文中以1992-2011年的货运量来反映我国社会物流需求量,用非线性时间序列模型进行预测.该模型具有较高的拟合精度,可以比较准确地预测出2014-2023年的物流需求量,为我国物流业的合理规划提供参考.     

基于LPSVR的区域经济发展预测算法

针对区域经济社会系统指标数据存在的高度非线性和二次规划过程涉及的计算复杂性，建立了基于线性规划支持向量回归的区域经济发展预测算法LPSVR。针对预测结果的可信度问题，在LPSVR算法中引入了预测信任度的概念，并给出了具体的计算方法。LPSVR算法在优化过程中折中考虑了经验风险和置信范围，因而具有良好的泛化能力。LPSVR采用线性规划取代二次规划，使得计算的时间和空间复杂度大为降低。以江门市的经济发展预测作为研究实例，LPSVR算法给出了满意的预测结果和预测信任度。     

基于主成分分析的东北中心城市物流业发展水平测评

物流业不仅涉及领域较广、吸纳就业人数众多,而且具有促进生产、拉动消费等功能,是促进区域产业结构调整、加速经济发展方式转变和增强区域经济竞争能力的重要产业部门.大力发展物流业,既是东北三省物流产业发展的内在需求,也是振兴东北老工业基地的重要产业计划.基于东北地区物流业的发展基础和《东北地区物流业发展规划（2011～2015）》,采用主成分分析方法,选取物流需求、物流供给、物流环境3个一级指标及其20个二级指标测评东北地区四大中心城市的物流产业发展水平.结果显示：长春、哈尔滨在第一主成分排名中靠后,沈阳、哈尔滨在第二主成分排名中居前,综合测评的排名顺序为大连、沈阳、哈尔滨、长春.     

现代物流、产业集群和区域经济的关系分析

现代物流、产业集群和区域经济三者相辅相成,互为条件。区域经济发展促进现代物流的发展,而区域物流通过提高经济活动的效率和水平、提供物质保障、推动区域产业结构升级来促进区域经济发展;产业集群通过推动产业结构升级和优化、促进区域创新能力的增强、塑造区域品牌来提高区域核心竞争力;产业集群以区域物流提供的物质流动为支撑并为区域物流发展提供更大空间。基于此,应大力发展增长极导向型、区位导向型和网络开发型模式,形成三者之间的良性互动。     

区域物流系统及物流园规划方法体系

物流系统规划是区域物流系统发展最有效的控制手段之一。为了促进中国物流规划理论研究和工程应用,提高物流系统规划和建设的科学性,采用货运规划、园区规划和微观仿真的理论,在追踪国外最新研究的基础上,建立了一套从宏观到微观、涵盖不同规划层次的方法体系,并对货运预测模型、网络优化模型、用地布局方法的发展历史与现状进行了概括,指出了中国物流规划理论研究存在的问题和重点课题。     

Prediction of the Logistics Demand Based on an Innovative Mixed Model: an Empirical Case from Nanping City,China

The research intends to make scientific prediction of the logistics demand of Nanping City based on mathematical model calculation so as to provide reasonable strategic guidance for the sustainable and healthy development of urban logistics industry. It constructs a comprehensive index system composed of freight volume and other eight relevant economic indices to form the foundation for the model construction. Combining forecasting models of principal component regression and GM( 1,1) together,it makes mathematical calculation to predict the logistics demand of Nanping City from the years 2018 to 2022. The research makes systematical analyses of the indices influencing the precise prediction of logistics demand from a new perspective,which offers an innovative and practical option for urban logistics prediction. In line with the prediction,it offers some suggestions for the improvement of demand prediction and some strategies for the better development of the logistics industry in Nanping City.