文献综述（或调研报告）：
3.1国外研究
3.1.1物流需求预测模型研究
国外学者早年间的研究较多集中于企业的库存管理层面，早在1959年，Brown[1]选取了华德电器公司四种产品的库存数据，说明了物流需求曲线存在的四个要素：需求均值、总体趋势、周期、噪声，并且首次提出了计算需求预测误差分布的方法。
1967年，Packer[2]选取了一家火箭引擎制造商的数据，使用了指数平滑法来进行需求预测，以此确定最佳库存水平。20世纪90年代后，基于神经网络的物流需求预测模型引起了国外学者们的关注，1998年，Bansal等人[3]利用超稀疏单隐层神经网络进行需求预测，开发了一种新的库存优化系统，使企业在库存减少50%的情况下仍能满足客户需求。1999年，C. C. Reyes-Aldasoro等人[4]构建了基于动态规划和神经网络预测方法的混合模型，以优化大型跨地域企业的库存水平及库存成本。
除神经网络法之外，时间序列法、遗传算法、回归模型等也是国外学者研究的重点。2007年，Aburto和Weber[5]提出了基于ARIMA和神经网络的组合式物流需求预测模型并将其应用于智利一家超市的补货系统，从而提高销量、降低库存。2013年，Ana等人[6]提出了基于数据挖掘的ARIMA（时间序列）模型，对哥伦比亚BUN港的咖啡出口量进行预测。2018年，Farhan和Ong[7]建立SARIMA模型，基于季节因素预测一些国际重要港口的集装箱吞吐量。
在区域物流需求预测方面，2014年，Nuzzolo和Comi[8]建立了基于数量、配送、车辆的OD矩阵以预测罗马内部地区的物流运输需求。
3.1.2第三方物流企业运力供给研究
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
