学位论文 > 优秀研究生学位论文题录展示

第三方物流企业的运输需求分析模型研究与应用

作　者: 石宏
导　师: 方晓平
学　校: 中南大学
专　业: 交通运输工程
关键词: 第三方物流企业运输需求 GM(1,1)-周期外延组合模型 SARIMA模型熵关联度
分类号: F253
类　型: 硕士论文
年　份: 2013年
下　载: 39次
引　用: 0次
阅　读: 论文下载

内容摘要

摘要：物流市场需求预测是交通规划与物流企业经营决策的重要前提。已有的相关文献较多的是基于宏观或者中观视角展开的集合型物流需求研究,从微观层面对物流企业的业务预测的文献相对较少。目前我国第三方物流产业快速发展,业内竞争激烈。研究运输型第三方物流企业的主营业务,即运输市场需求预测有利于提高物流企业经营决策科学化水平。根据第三方物流企业运输业务量呈现季节性波动和趋势变化的双重特性,分别利用季节性时间序列的加法模型和乘法模型原理对运输需求的时间序列进行分析。利用GM(1,1)模型对运输需求的时间序列的趋势成分进行分析,然后利用周期外延模型对季节性波动的周期进行判断,并划分出最佳周期界限。在此基础上,利用加法模型原理建立带有残差修正的GM(1,1)-周期外延组合模型。利用季节性差分算子和非季节性差分算子进行平稳化处理,根据乘法模型原理对运输需求的时间序列建立SARIMA模型,并利用残差的自相关系数图和偏白相关系数图对模型精度进行检验。从实证研究出发,以X物流公司为背景对选取的3个观测样本分别建立拟合模型,通过拟合结果的对比分析发现,GM(1,1)-周期外延组合模型的拟合优度要高于SARIMA模型。同时,利用上述拟合模型对3个样本未来3个月的运输业务量进行预测,分析发现SARIMA模型的预测值存在偏低的情形,而GM(1,1)-周期外延组合模型的预测值更加接近现实情况。在运输需求影响因素研究方面,将第三方物流企业内部的微观因素考虑到整个影响因素体系中,利用灰关联熵分析方法定量分析各影响因素与运输需求的关联程度。以X物流公司为例,分析所选取的影响因素与其运输业务量的熵关联度。研究结果表明,物流服务网点数与第三方物流企业运输业务量的关联程度最大。图30幅,表28个,参考文献94篇

全文目录

摘要  4-5
Abstract  5-7
目录  7-10
1 绪论  10-19
  1.1 选题背景及意义  10-11
  1.2 国内外研究现状  11-17
    1.2.1 物流运输需求预测与影响因素分析的应用研究现状  11-15
    1.2.2 货物运输需求预测与影响因素分析方法研究现状  15-17
  1.3 本文研究内容和基本思路  17-19
    1.3.1 本文研究主要内容  17-18
    1.3.2 基本思路  18-19
2 第三方物流企业运输需求相关理论  19-29
  2.1 物流运输相关理论基础  19-22
    2.1.1 物流企业的概念与分类  19-20
    2.1.2 第三方物流的基本概念  20-21
    2.1.3 运输需求属性  21-22
  2.2 第三方物流运输市场特性  22-25
    2.2.1 第三方物流运输市场的演化阶段及趋势  22-23
    2.2.2 第三方物流运输的市场结构  23-25
  2.3 运输需求预测的时间序列分析方法  25-28
    2.3.1 趋势外推法  25-26
    2.3.2 移动平均法  26
    2.3.3 指数平滑法  26-27
    2.3.4 ARIMA模型群  27-28
  2.4 本章小结  28-29
3 第三方物流企业运输需求预测模型研究  29-47
  3.1 第三方物流企业运输需求预测模型选择概述  29-34
    3.1.1 需求预测模型概述  29-30
    3.1.2 第三方物流企业运输需求预测模型选择方法  30-32
    3.1.3 第三方物流企业运输需求预测的时间序列模型选择  32-33
    3.1.4 季节性时间序列模型的类型  33-34
  3.2 基于残差修正的GM(1,1)-周期外延组合模型运输需求预测建模  34-42
    3.2.1 GM(1,1)-周期外延组合模型的建模流程  34-35
    3.2.2 时间序列的光滑性和准指数性检验  35-37
    3.2.3 建立运输需求生成序列的GM(1,1)模型  37-39
    3.2.4 建立运输需求时间序列的周期外延模型  39-40
    3.2.5 建立GM(1,1)-周期外延组合模型  40
    3.2.6 GM(1,1)-周期外延组合模型的精度检验  40-41
    3.2.7 GM(1,1)-周期外延组合模型的随机误差修正  41-42
  3.3 基于SARIMA模型的第三方物流企业运输需求预测建模  42-46
    3.3.1 SARI-模型介绍  42-43
    3.3.2 SARIMA模型建模原理描述  43-45
    3.3.3 SARIMA预测模型SPSS软件实现步骤  45-46
  3.4 本章小结  46-47
4 案例分析：X物流公司运输需求预测  47-69
  4.1 基于GM(1,1)-周期外延组合模型的案例分析  47-56
    4.1.1 建立观测样本时间序列的GM(1,1)模型  47-48
    4.1.2 建立观测样本的周期外延模型  48-50
    4.1.3 建立观测样本的GM(1,1)-周期外延组合预测模型  50-51
    4.1.4 观测样本的GM(1,1)-周期外延组合预测模型精度检验  51
    4.1.5 观测样本预测模型的随机误差扰动修正  51-52
    4.1.6 观测样本的模型拟合与预测  52-56
  4.2 基于SARIMA模型的案例分析  56-67
    4.2.1 观测样本原始时间序列的特征分析  56-59
    4.2.2 观测样本原始时间序列的平稳化处理  59-61
    4.2.3 观测样本平稳时间序列的SARIMA模型识别  61-62
    4.2.4 观测样本平稳时间序列的SARIMA模型的参数估计与检验  62-65
    4.2.5 观测样本的SARIMA模型拟合与预测  65-67
  4.3 预测模型的对比分析  67-68
    4.3.1 预测模型拟合优度对比分析  67-68
    4.3.2 模型预测值对比分析  68
  4.4 本章小结  68-69
5 第三方物流企业运输需求影响因素相关性分析  69-83
  5.1 第三方物流运输需求影响因素分析的作用与意义  69-71
    5.1.1 对第三方物流行业的作用与意义  69-70
    5.1.2 对第三方物流企业的作用与意义  70-71
  5.2 第三方物流运输需求的影响因素  71-73
    5.2.1 第三方物流宏观与微观运输需求影响因素的异同  71
    5.2.2 第三方物流企业运输需求的影响因素  71-73
  5.3 实例分析  73-82
  5.4 本章小结  82-83
6 结论与展望  83-85
  6.1 本文研究结论  83-84
  6.2 本文展望  84-85
参考文献  85-92
附录  92-105
  附录A  92-99
  附录B  99-105
攻读学位论文期间主要研究成果  105-106
致谢  106

第三方物流企业的运输需求分析模型研究与应用

内容摘要

全文目录

相似论文