多种预测方法在物流需求预测中的比较研究——以贵州省茶叶物流为例开题报告

1. 研究目的与意义

中国拥有悠久的茶历史，茶叶产业一直是我国的传统产业之一， 2006年以来，中国已经占据世界茶叶总产量的三分之一以上。据测算2017年我国已是世界上茶园面积增速最快的国家。据中国海关的统计，近年来我国茶叶出口较同期增长率较高，现在，中国不仅是世界茶叶种植、生产第一大国，也是茶叶出口、消费大国。贵州省作为中国最古老的茶区西南茶区的代表，茶树品种资源丰富，茶园平均收益较高。大量企业投入茶叶行业，不仅在支持地方经济发展，提升营销与管理并在省外目标市场建立贵州茶叶专卖店 300 家。在互联网 的时代，茶叶也从传统产业向电商领域延伸发展， 到2017年，贵州省电子商务平台中，茶叶企业达200多家，分别有阿里巴巴、淘宝、天猫、京东商城等，网络销售门店约1000 家。贵州省茶叶物流产业存在较大发展潜力，这就对贵州省茶叶物流运输有了更高的需求。

本文分析贵州省茶叶产业及茶叶物流现状，探索了贵州省茶叶物流需求的影响因素，构建了贵州省茶叶物流需求预测的指标体系。然后，在此基础上主要借助指数平滑模型、GM（1.1）模型、主成分回归模型、BP神经网络模型来构建贵州省茶叶物流需求预测模型，分析几种预测方法的预测结果得出相应结论，对预测结果进行分析研究，把握最接近真实的茶叶物流需求信息，以此为依据，提出做好茶叶物流运输工作的对策建议，推动茶叶物流运输系统的顺利运行，保障贵州省茶叶供需平衡，促进贵州省茶叶产业的健康发展。

2. 国内外研究现状分析

张倩倩基于支持向量机（svm）预测方法提出了蔬菜短期需求预测模型,实际算例验证了该预测模型的精确性。韩林结合湖南省历史数据对指标进行spss相关性分析构建指标体系，建立灰色神经网络预测模型,对湖南省林产品物流运输需求进行预测。梁红梅使用多元回归模型和采用了二次指数平滑法分别对卷烟销售进行预测。对两种不同预测方法的结果进行比较，又综合两种方法组合预测模型对卷烟销售进行了预测。卢珊基于余切函数变换的gm(1,1)预测模型与多元回归分析组合起来建立河南省粮食物流需求灰色回归预测模型效果更优。孙剑青将灰色神经网络模型用于北京市物流需求预测问题求解，采用粒子群算法对灰色神经网络的初始参数进行优化。冯永岩基于主成分回归及bp神经网络的组合模型对北京市农产品冷链物流需求展开分析研究。

邓鸿鹄选取了7种需求预测方法构建北京市能源消费总量预测模型，进行拟合精度和预测精度比较。杨贵红通过两个或以上的预测方法,通过熵值法进行加权组合,组合预测模型充分利用不同预测方法的优点。刘靖、张海分别建立多元线性回归模型和bp神经网络预测模型,通过hn省林产品物流运输需求量的算例,对比多元线性回归和bp神经网络预测模型的预测能力得出相应结论

郑群哲表示大多数茶叶销售都采用实体 电子商务的模式进行销售。电子商务和物流配送行业相互促进发展步伐加快。章枝宪、秦涛认为影响我国茶叶产业发展的重要因素之一是茶叶物流，以贵州省为例介绍了贵州省茶叶物流现状，指出了当前存在的问题，提出相应的解决对策。

3. 研究的基本内容与计划

一．研究内容

1. 研究学习物流需求预测的理论及相关研究方法；

2. 深入了解我国及贵州省茶叶产业的发展现状及贵州省茶叶物流运输情况；

4. 研究创新点

本文研究的角度独特，目前国内外对于地区性茶叶物流的研究并不多见，从现有的较少的文献出发，系统的对贵州省茶叶物流进行了分析。

其次，探索了贵州省茶叶物流需求的影响因素，并利用近几年的数据对各因素进行了相关性分析，确定最为显著的相关变量建立贵州省茶叶物流需求预测的指标体系。

最后，利用多个模型建立贵州省茶叶物流需求预测模型，对未来三年茶叶物流需求进行科学预测，分析各种预测方法的预测结果得出相应结论，并对贵州省茶叶物流发展提出相关建议。