物流需求的智能预测方法

作者: 耿立艳著

出版社: 科学出版社

出版时间: 2016-08

版次: 1

ISBN: 9787030495846

定价: 60.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 150页

字数: 242千字

正文语种: 简体中文

分类: 管理

1 张插图图片

4人买过

　　《物流需求的智能预测方法》针对现有物流需求智能预测方法的局限性与不足，将灰色预测法、新型神经网络、支持向量机等引人物流需求预测中，提出新型的物流需求智能预测方法，并以我国物流市场为研究对象，选取不同的物流需求量化指标及预测性能评价标准，检验新型智能预测方法的有效性和适用性。研究内容涵盖理论研究、方法提出、实证分析等各个阶段，通过这些内容的有机融合，形成一个系统、完整的物流需求智能预测方法的理论研究与实证分析体系。《物流需求的智能预测方法》可作为物流管理、物流工程领域科研工作者及管理者的参考书，也可作为高校相关专业研究生和本科生的工具书。　　耿立艳（1979-），管理学博士，石家庄铁道大学经济管理学院副教授，硕士研究生导师，中国社会科学院数量经济与技术经济研究所在站博士后，北京大学光华管理学院访问学者。主要从事智能预测方法、物流工程、金融时间序列分析方面的研究工作。近五年来，先后主持国家自然科学基金项目1项，省部级项目4项、厅局级项目6项，参与研究各级项目20余项。获得的荣誉称号有北京大学优秀访问学者、石家庄铁道大学优秀科技人才、石家庄铁道大学优秀教师、石家庄市青年拔尖人才、石家庄铁道大学“三八”红旗手。第1章绪论
1．1 物流需求相关理论
1．2 物流需求预测相关理论
1．3 物流需求预测方法研究现状
1．4 物流需求智能预测方法研究的意义
参考文献

第2章物流需求的灰色预测方法
2．1 引言
2．2 灰色预测方法
2．3 精度检验方法
2．4 实证分析
2．5 本章小结
参考文献

第3章物流需求的新型神经网络预测方法
3．1 引言
3．2 神经网络
3．3 灰色神经网络预测方法
3．4 模糊神经网络预测方法
3．5 小波神经网络预测方法
3．6 本章小结
参考文献

第4章物流需求的数据降维一支持向量机预测方法
4．1 引言
4．2 支持向量机回归原理
4．3 主成分分析——支持向量机预测方法
4．4 核主成分分析——支持向量机预测方法
4．5 灰色关联分析——支持向量机预测方法
4．6 实证分析
4．7 本章小结
参考文献

第5章物流需求的改进粒子群优化算法LSSVM预测方法
5．1 引言
5．2 LSSVM回归原理
5．3 粒子群优化算法
5．4 LSSVM-AIWPSO预测方法
5．5 LSSVM-SIWPSO预测方法
5．6 LSSVM-PSOTVAC预测方法
5．7 LSSVM．TOOPSO预测方法
5．8 LSSVM-DACPSO预测方法
5．9 实证分析
5．10 本章小结
参考文献

第6章物流需求的智能组合预测方法㈠
6．1 引言
6．2 组合预测原理
6．3 ANFIS智能组合预测法
6．4 SVM智能组合预测法
6．5 LSSVM智能组合预测法
6．6 本章小结
参考文献

第7章总结与展望
7．1 研究总结
7．2 研究展望
内容简介:
　　《物流需求的智能预测方法》针对现有物流需求智能预测方法的局限性与不足，将灰色预测法、新型神经网络、支持向量机等引人物流需求预测中，提出新型的物流需求智能预测方法，并以我国物流市场为研究对象，选取不同的物流需求量化指标及预测性能评价标准，检验新型智能预测方法的有效性和适用性。研究内容涵盖理论研究、方法提出、实证分析等各个阶段，通过这些内容的有机融合，形成一个系统、完整的物流需求智能预测方法的理论研究与实证分析体系。《物流需求的智能预测方法》可作为物流管理、物流工程领域科研工作者及管理者的参考书，也可作为高校相关专业研究生和本科生的工具书。
作者简介:
　　耿立艳（1979-），管理学博士，石家庄铁道大学经济管理学院副教授，硕士研究生导师，中国社会科学院数量经济与技术经济研究所在站博士后，北京大学光华管理学院访问学者。主要从事智能预测方法、物流工程、金融时间序列分析方面的研究工作。近五年来，先后主持国家自然科学基金项目1项，省部级项目4项、厅局级项目6项，参与研究各级项目20余项。获得的荣誉称号有北京大学优秀访问学者、石家庄铁道大学优秀科技人才、石家庄铁道大学优秀教师、石家庄市青年拔尖人才、石家庄铁道大学“三八”红旗手。
目录:
第1章绪论
1．1 物流需求相关理论
1．2 物流需求预测相关理论
1．3 物流需求预测方法研究现状
1．4 物流需求智能预测方法研究的意义
参考文献

第2章物流需求的灰色预测方法
2．1 引言
2．2 灰色预测方法
2．3 精度检验方法
2．4 实证分析
2．5 本章小结
参考文献

第3章物流需求的新型神经网络预测方法
3．1 引言
3．2 神经网络
3．3 灰色神经网络预测方法
3．4 模糊神经网络预测方法
3．5 小波神经网络预测方法
3．6 本章小结
参考文献

第4章物流需求的数据降维一支持向量机预测方法
4．1 引言
4．2 支持向量机回归原理
4．3 主成分分析——支持向量机预测方法
4．4 核主成分分析——支持向量机预测方法
4．5 灰色关联分析——支持向量机预测方法
4．6 实证分析
4．7 本章小结
参考文献

第5章物流需求的改进粒子群优化算法LSSVM预测方法
5．1 引言
5．2 LSSVM回归原理
5．3 粒子群优化算法
5．4 LSSVM-AIWPSO预测方法
5．5 LSSVM-SIWPSO预测方法
5．6 LSSVM-PSOTVAC预测方法
5．7 LSSVM．TOOPSO预测方法
5．8 LSSVM-DACPSO预测方法
5．9 实证分析
5．10 本章小结
参考文献

第6章物流需求的智能组合预测方法㈠
6．1 引言
6．2 组合预测原理
6．3 ANFIS智能组合预测法
6．4 SVM智能组合预测法
6．5 LSSVM智能组合预测法
6．6 本章小结
参考文献

第7章总结与展望
7．1 研究总结
7．2 研究展望

查看详情

物流需求的智能预测方法

内容简介:

作者简介:

目录: