一、前言
货物运输业是江苏省经济的重要组成部分，因此，对江苏省货物运量的预测显得尤为重要。然而所有事件的普遍发生都是具有一定程度的规则性与不确定性，运用马尔科夫链算法，可以准确及时的预测出江苏省货物运输量，这不仅有利于各货物运输企业对自身发展方向、发展计划做出合理的决策，降低、规避不必要的风险；而且更有利于政府制定出合理的政策，推动货物运输业的发展、吸引相关人才对货运业进行改革与创新，使货运业得以蓬勃发展。
二、正文
1国外研究现状
研究交通运输的发展趋势是一个多年课题，世界学者也在这个课题上做出了杰出贡献，如经典的马尔可夫链模型、时间序列预测模型、各种回归方法也广泛应用。近些年，随着神经网络、机器学习和深度学习的热门，也有学者尝试使用神经网络机器学习、深度学习来研究交通运输发展趋势。
马尔可夫链模型自1906年俄国数学家安德烈·马尔可夫[1-3]以来就被广泛研究，对数学统计、物理学、生物学、语言学、计算机学产生深远影响。在半个世纪后，美特罗波利斯基于马尔可夫链模型提出了马尔可夫链蒙特卡洛算法（MCMC），简化并推广了马尔可夫链的应用[4, 5]。于此同时受马尔可夫链模型启发，RICHARD BELLMAN提出了马尔科夫决策过程，一种基于马尔可夫过程理论的随机动态系统的最优解决过程，也为后面神经网络，机器学习和深度学习埋下了种子[6, 7]。
1974年Prasad等人第一次应用马尔科夫链于金融模型[8]，另一个是James D. Hamilton 1989年应用的机制转换模型[9]，其中马尔科夫链用来对高GDP增长速度时期与低GDP增长速度时期（换言之，经济扩张与紧缩）的转换进行建模。国外学者对该模型应用于货物量分析与预测研究发表了许多成果[10-12]。
2 国内研究现状
国内对于货物运输业分析与预测的研究早在1997年就开始了，其中龚玉荣[13]等人为研究铁路货运量的变化，基于多层递阶的方法来预测铁路货运量并给予实际工作以指导意义。除了铁路货运量的研究，跨地区之间的货运量的关系也吸引了当时大批学者的注意力，如关宏志、朱名勋等人，其中朱名勋以湖南省货运量需求为基础，尝试利用多元回归分析算法来解释湖南省货运量历史数据并预测湖南省货运量[14]。2011年，贾学锋等人在研究公路货运量时，应用了灰色预测模型[15]。2016年，张磊等人利用大样本数据，使用模糊线性回归的方法来预测公路货运量[16]。
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。
