货运量是确定物流需求的一个重要指标,是为确定物流基础设施建设规模和制定各项相关政策决策的一个主要依据。货运量预测结果的合理性和可靠性将直接影响到物流基础设施的投资收益和相关物流企业的发展,并对地区资源合理的分配以及物流发展战略的制定都具用非常重要的意义。目前的预测方法有很多,除了传统、经典的时间序列平滑预测法、趋势外推法、回归预测法等方法以外,许多学者将神经网络、蚁群算法等新型智能算法都应用到预测中来。但通过本文的分析可知,一味的追求算法的复杂性和先进性并不能提高预测的精度。在预测过程中由于受到预测方法的局限性和预测者认识的不足,往往会造成预测结果不令人满意。因此要通过分析预测对象,根据各种预测算法的适用范围及优缺点,合理的选择预测方法,这样才能够保证预测结果的可靠性。在这种情况下如何选择合适的预测方法对货运量进行预测就十分重要了。本文分为五个部分,第一部分是绪论部分,阐述了本论文的研究背景、选题的意义、研究内容和研究方法,并分析了国内外的研究现状,使读者了解了撰写本文的意义及相关研究的发展水平;第二部分,概述了预测的相关基本理论,重点介绍了预测的基本概念、预测的基本原则、预测的分类以及预测的基本步骤为后续章节的撰写做出了铺垫;第三部分,分析了影响货运量变化特点及影响货运量变化的相关因素,并重点介绍了可以应用到货运量预测的方法,在此基础上分析了各种方法的使用范围以及优缺点,为后面的实证研究提供了理论依据。第四部分是案例分析,结合前面预测方法的分析,选取了移动平均模型、指数平滑模型、指数曲线模型、回归模型、灰色模型和组合预测模型等对山东省货运量进行了预测,并对预测结果进行了对比分析,最后提出一个可靠的组合预测模型对山东省货运量预测。第五部分是结论和展望,对本文结论进行了总结,并对后续研究中需要进一步解决的问题进行了展望。