论文部分内容阅读
随着经济全球化和区域经济一体化进程的不断加快,现代信息网络技术的不断进步,以及供应链管理理论的日益完善,物流业作为具有广阔前景和增值功能的新兴服务业,在全球范围内迅速地发展起来。目前世界各国都十分重视发展物流产业,尤其是在相关的理论研究、物流实践、物流技术创新等几个方面取得了很大的进展,也因此使得物流产业成为各国经济新的增长点和拉动力。区域物流作为现代物流业发展的重要领域之一,它的发展水平与区域经济发展水平之间是否协调,已成为影响区域经济能否持续、快速、稳定、健康发展的重要因素。因此,深入地研究区域物流需求与区域经济发展水平之间的关系,对于第三方物流企业发展物流业务,对于丰富和完善区域物流理论,以及提高我国政府部门编制现代物流业发展规划的科学性、实用性和针对性,都具有重要的理论和实用价值。但是,由于我国物流产业的发展还处于起步阶段,对于物流需求预测分析所需要的历史数据的统计还很不完整、很不科学,并且由于物流数据和相关的区域经济数据存在高度的非线性和不准确性特征,由此导致使用传统的预测分析方法很难获得较好的预测效果。因此在样本数据有限的情况下,如何选择合适的方法对区域物流的需求量进行合理的预测将成为一个非常重要的课题;信息科学技术的研究进展表明,包括遗传算法、神经网络、核方法在内的智能信息处理技术,在处理复杂系统和非线性数据方面存在很大的优势,因此可望为区域物流需求的预测提供一种有效的途径。为了实现对区域物流需求的有效预测,给各地区的物流规划提供参考的依据,本文在调查研究国内外区域物流发展现状及当前存在问题的基础上,通过对区域物流与区域经济发展关系的理论分析,指出了影响区域物流需求的主要因素,并在此基础上构建了区域物流需求的预测指标体系,然后通过运用人工智能的建模方法(支持向量机,遗传算法,神经网络),建立了神经网络组合支持向量回归的区域物流需求预测模型,并使用遗传算法对神经网络的连接权值和阈值进行了优化,使得模型取得了比较好的预测效果。最后以上海市为例对该模型进行了实证研究,并提出了相关的建议和对策。