基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文以1990到2013年中国货运周转量等数据为基础,通过构建ARIMA时间序列模型预测未来物流周转量的发展。针对我国31个省、直辖市、自治区的物流量进行聚类,以货运周转量为标识将31个地区划分为不同的几大类,为对不同分类中的物流量情况进行研究提供基础。根据研究结论对物流产业的发展提出相关对策和建议并在此基础上展望未来物流业的发展态势。
推荐文章
基于时间序列分析的网络流量预测模型研究
网络流量
时间序列分析
径向基神经网络
小波变换建模
基于非线性时间序列分析的网络流量预测
网络流量
流量预测
非线性时间序列分析
基于小波分解的网络流量时间序列建模与预测
网络流量
小波分解
时间序列
预测
管道流量泄漏时间序列分类的算法研究
时间序列
基于模型聚类
马尔可夫模型
动态时间弯折
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于聚类分析和时间序列方法的我国物流量预测研究
来源期刊 商业经济研究 学科 经济
关键词 ARIMA模型 系统聚类 物流周转量 物流产业
年,卷(期) 2015,(20) 所属期刊栏目 物流研究
研究方向 页码范围 29-30
页数 2页 分类号 F224.7
字数 3134字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郭海华 暨南大学经济学院 33 81 5.0 8.0
2 刘瑞瑞 暨南大学经济学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (51)
共引文献  (56)
参考文献  (13)
节点文献
引证文献  (3)
同被引文献  (13)
二级引证文献  (2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(10)
  • 参考文献(2)
  • 二级参考文献(8)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(7)
  • 参考文献(2)
  • 二级参考文献(5)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(6)
  • 参考文献(6)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
ARIMA模型
系统聚类
物流周转量
物流产业
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
商业经济研究
半月刊
1002-5863
10-1286/F
大16开
北京市石景山路3号玉泉大厦809室
2-207
1982
chi
出版文献量(篇)
34544
总下载数(次)
98
总被引数(次)
153454
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导