湖北省城乡食品冷链物流系统需求预测: 理论、实践与创新

第1章 研究的背景和意义 1.1 研究的背景 1.1.1 我国食品冷链物流的现状 1.1.2 物流系统需求预测 1.2 研究的目的和意义 1.3 研究内容和创新之处 1.3.1 研究内容 1.3.2 创新点 1.4 研究的思路及方法 1.4.1 研究的思路 1.4.2 研究方法 1.5 研究的总体框架 第2章 国内外研究现状 2.1 国内外食品冷链物流的研究现状 2.1.1 食品冷链物流概述 2.1.2 食品冷链物流的运营管理 2.1.3 食品冷链物流的技术创新 2.1.4 湖北省食品冷链物流的发展 2.2 国内外物流需求预测的研究现状 2.2.1 物流需求的统计学意义 2.2.2 物流需求预测的技术和方法 第3章 预测原理及方法 3.1 预测的基本原理 3.1.1 惯性原理 3.1.2 类推原理 3.1.3 相关原理 3.2 预测的原则 3.3 预测的步骤 3.4 预测的分类 3.4.1 按照预测时间的长短跨度进行分类 3.4.2 按预测的观察视角和研究层面进行分类 3.4.3 按预测的方法进行分类 3.5 食品冷链物流系统需求预测 3.5.1 食品冷链物流系统需求预测的特点 3.5.2 食品冷链物流系统需求预测的考虑因素 第4章 常规预测方法及算例分析 4.1 引言 4.2 传统经典的定性预测法与方法分析 4.2.1 市场调查法 4.2.2 专家调查法 4.2.3 类比法 4.3 常规定性预测法的算例分析 4.4 传统经典的定量预测法与方法分析 4.4.1 回归预测法 4.4.2 时间序列预测方法 4.5 常规定量预测法的算例分析 4.5.1 湖北省城乡食品冷链物流系统需求预测统计指标的确定 4.5.2 基于指数平滑法的湖北省城乡食品冷链物流系统需求预测 4.5.3 基于灰色预测法的湖北省城乡食品冷链物流系统需求预测 第5章 基于优化神经网络的湖北省城乡食品冷链物流系统需求预测 5.1 人工神经网络及算例分析 5.1.1 人工神经网络概述 5.1.2 人工神经网络的模型和结构 5.1.3 基于多元回归和BP神经网络的湖北省城乡食品冷链物流系统需求预测 5.1.4 基于时间序列和BP神经网络的湖北省城乡食品冷链物流系统需求预测 5.2 基于Aw-BP的预测方法及算例分析 5.2.1 基于自适应权的BP神经网络预测优化算法（AW.BP） 5.2.2 基于Aw-BP的各种预测模型的算例分析 5.3 基于AwNG.BP的预测方法及算例分析 5.3.1 基于自适应权和小生境遗传算法的BP神经网络优化算法（AwNG.BP） 5.3.2 基于AwNG.BP的各种预测模型的算例分析 第6章 基于系统序参量的湖北省城乡食品冷链物流系统需求预测 6.1 系统论基础 6.1.1 系统和系统论 6.1.2 系统构成 6.1.3 动态系统理论 6.1.4 系统的特征 6.2 食品冷链物流的系统分析 6.2.1 食品冷链物流系统 6.2.2 食品冷链物流系统的状态参量和控制参量 6.3 基于系统序参量的多元回归预测模型的算例分析 6.4 基于系统序参量和AW-BP的非线性组合的预测模型的算例分析 6.4.1 模型的结构设计 6.4.2 数据的处理 6.4.3 参数设定 6.4.4 训练过程 6.4.5 误差分析 6.4.6 预测 6.4.7 灵敏度分析 6.5 基于系统序参量和AWNG-BP的非线性组合的预测模型的算例分析 6.5.1 模型的结构设计 6.5.2 数据的处理 6.5.3 参数设定 6.5.4 训练过程 6.5.5 误差分析 6.5.6 预测 6.5.7 灵敏度分析 第7章 分析与结论 7.1 各种预测模型的性能比较与分析 7.1.1 总体比较 7.1.2 基于技术和方法的比较 7.2 主要的研究成果及结论 7.3 相关对策及建议 参考文献