近年来随着区域协调发展、产业分工协作趋势不断增强,现代物流业逐渐发展成为中国国民经济体系中重要的基础性服务产业。其中在中观物流领域,城市物流扮演着重要的角色,它服务于城市需求,促进城市经济快速发展。同时,城市经济的形成又是城市物流存在的条件,城市运输能力不足,交通运输基础设施落后等严重影响了城市物流效率,只有运输能力与城市物流需求匹配时,才能真正体现出它的经济价值和社会价值,所以提前预测物流需求能够减少运力浪费,有针对性地改善基础设施,进而提高物流效率。物流需求往往又与宏观经济指标相关。因此,本文从宏观经济指标出发,结合相关文献分析与物流需求相关的因素,通过灰色关联分析得到用于预测城市物流需求的指标集,然后分析Arima时间序列模型与BP神经网络的原理和特点,将两者加以结合形成Arima-BP组合预测模型,并以天津市为例进行模型验证并对天津市物流需求趋势进行预测,依据预测结果并结合物流及配套产业现状提出城市物流发展的对策与建议。详细内容如下:首先,以城市物流需求为研究对象,提出了本文所要研究的问题,阐述了研究的重要性,并指出了现有研究的不足,从而引出本文的研究内容,并绘制技术路线图;基于上述研究内容,详细阐述了相关概念及已有研究成果,为本文研究提供理论依据。然后,根据预测原理及模型,提出了基于Arima-BP的建模与仿真思路。通过文献整理了分析物流需求的影响因素,采用灰色关联分析建立物流需求预测指标体系。结合Arima时间序列模型和BP神经网络模型在处理时间序列数据及学习算法上的优点,提出了Arima-BP组合预测模型的思路与模型架构,可以更好地预测城市物流需求,为本文研究提供理论依据。最后,利用Matlab仿真软件设计和实现预测模型,通过案例分析进一步验证了组合预测模型的有效性;在此基础上,预测了天津市城市物流需求的变化趋势,并结合天津市目前物流产业发展基础,找出应对仍在上涨的物流需求所存在的差距和不足,给出相应的对策和建议。研究结果表明:组合模型的预测结果在预测精度上取得了明显的提升,本模型的可行性和有效性得到验证;实证方面,天津市物流需求呈平稳上升趋势,可以着重考虑从公路、铁路等交通基础方面入手,提高城市运输能力,使之与城市物流需求相匹配,从而真正实现城市物流的价值。