开题报告
1研究内容及意义
经济发展对每个国家具有重要意义，作为经济结构中的动脉，对运输进行大力投入非常必要。公路运输作为最主要的一种运输方式，其建设就需要更加重视。在对其进行规划和投入的时候，要结合全局，注重公路运输所带来的增益，而与其息息相关的就是公路货运量。公路货运量预测的精准性对运输网络未来的规划和投入有很大的指导作用。同时，公路货运量在一定程度上可以表现出当地的经济发展状况和趋势，且其精准的预测可以为未来的经济发展规划提供一定的参考性。
本毕业设计预对中国公路货运量数据进行趋势研究，构建拟合模型，预测未来公路货运量的走势，对公路运输部门提出合理化的建议。
2文献综述
中国是世界上最大的发展中国家，为了实现中华民族伟大复兴，现阶段经济发展中国复兴的第一要务。经济发展离不开货物流通和基础资源的转移，而货物流通和基础资源转移需要依靠各类运输实现。在现阶段的发展中，我们已经逐步形成了多元化的运网络，在多元化运输网络中，公路运输因具有低价、高效、快速、便捷等优点受到广泛运用。更加切实的了解公路运输在我国的物流网络中存在的必要性和不可替代性，对未来经济的发展有着巨大作用。
未来的经济发展不可确知，但是可以通过数据分析进行较为准确的预测，在预测的基础上做出正确的决策。预测可以帮助决策者绕过错误，躲避弯路，在决策过程中克服盲目性，科学、正确的做出恰当的决策。经济发展全球化的趋势不断加深，各国经济发展不断融合，及时、准确、科学的预测公路运输需求显得尤为迫切与重要。
因此我们需要根据中国运输的数据，运用合理、科学、可靠、准确的研究方法建立研究模型，深入研究、探索发展趋势，为中国运输网络的发展提供较为可靠的参考。
惠倩倩（2020）从公路货运量预测及时间序列分析的相关原理出发，以陕西省2010—2017年公路货运量月度数据为基准，首先判断公路货运量数据是否满足平稳性要求，经数据平稳化和标准化，构建了满足AIC和SC准则且通过残差分析监测的移动平均模型，最终将确定的模型应用到2018年其他月份的公路货运量预测中。慧倩倩的预测结果接近真实值且误差和置信区间均在合理范围内，可以为公路货运市场的相关管理决策提供相应的支撑[1]。
赵金环（2007）等以青岛市民用车辆保有量的历史统计数据列为例，为了对青岛市民用车辆保有量进行预测，按照灰色预测的方法, 用Excel求解灰参数，建立 GM(1 ,1)预测模型并进行了模型的检验。该建模与模型检验，验证了用 Excel 建立灰色数列进行数据预测是一种快速、准确、可行的方法[2]。
公路货运量也属于时间序列数据，对于该类型数据，比较常用的预测模型主要有时间序列模型（ARIMA）和GM(1，1)灰色预测模型。为了比较两种模型，梁景星（2014）分别用GM(1，1)灰色预测模型和ARIMA模型对2000-2010 年季度入院人数进行拟合，并采用 2011 年的实际季度入院人数验证两种模型的预测效果。梁景星发现，ARIMA模型对于样本大于 30 以及隐含季度性周期性变化趋势的资料比GM(1，1)模型具有明显的预测优势[3
龚大丰（2018）等采集了2007年1月—2018年3月所有关于公路的货运数据，利用机器学习算法中的岭回归算法、朴素贝叶斯算法和KNN算法作为预测模型，比较三种算法在相同测试集数据条件下获得的准确度和误差结果，结果表明，岭回归算法对浙江省公路货运量的预测准确度较高[4]。
盖春英（2003）等将灰色系统理论与马尔可夫链相结合 ,首次提出了灰色模型—马尔可夫链预测公路货运量的方法；并结合“十五”期间中国公路货运量和公路货运市场的发展趋势的预测分析详细阐述了该方法的具体应用。该方法不但能够得到预测年份的货运量区间，还可以了解这样的区间产生的概率；由预测中值和最大状态概率可以准确把握公路货运市场的总体动态发展趋势[5]。
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。
