物流业是最重要的第三产业之一,也是区域经济发展的重要动力。目前我国已经成为实力强劲的物流大国,但区域物流业发展水平并不均衡。值此背景下,评价我国区域物流竞争力水平,并为我国物流业发展提供合理的政策建议,是一项重要而紧迫的任务。但物流竞争力评价领域的研究呈现出错综复杂的局面,评价指标体系五花八门,评价方法仅停留在静态层面,且有限的个人精力难以处理庞大的省、市、县、乡数据,这为我们理解与分析区域物流竞争力带来诸多困扰。另外,物流竞争力的应用方向,鲜有对我国四大地理区域时空演化分析的研究,这也阻碍了物流竞争力研究的进一步开展。针对上述问题,本文提出一种物流竞争力动态评价方法,并据此提出了基于深度学习的物流竞争力智能评价方法,进而分析我国区域物流竞争力的时空演化趋势。论文的主要工作分为以下三个方面:（1）建立物流竞争力动态评价模型。在对目前主流的综合评价方法进行归纳分析的基础上,运用熵权法和理想解法（TOPSIS）设计了区域物流竞争力动态评价模型,用于评价2015年～2019年我国区域物流动态竞争力。首先,参考新钻石模型理论,建立物流竞争力评价指标体系;其次,引入发展因子,将孤立的面板数据联系在一起,使用熵权法和TOPSIS模型计算物流静态竞争力;然后计算时间权重,使用二次加权法得出物流动态竞争力;最后进行敏感性分析,并将动态评价模型与传统静态评价模型进行对比分析,证实动态评价模型更加符合现实情况,更有实际意义。（2）建立物流竞争力智能评分模型和分类模型。为了使物流竞争力动态评价模型适用于评价海量数据,将评价指标作为输入,动态模型得到的评价值或竞争力类型作为输出,使用神经网络对动态模型进行学习。针对传统评价模型效率低下的问题,本文提出物流竞争力智能评分模型,引入贝叶斯超参数优化,构建了基于长短期记忆模型（LSTM）的回归预测模型,将贝叶斯优化后的LSTM模型与其他经典模型进行对比发现,贝叶斯优化后的LSTM模型在均方根误差、平均绝对误差和决定系数指标下均性能最优。针对传统评价模型无法高效识别竞争力高低的问题,本文构建贝叶斯优化后的LSTM智能分类模型,将模型与其他经典模型进行对比发现,贝叶斯优化后的LSTM模型在准确率、精确度、召回率和F1分数指标下均优于其他模型。（3）对区域物流竞争力进行时空演化分析。通过计算2010年～2019年物流竞争力的一元回归方程、滑动平均曲线、泰尔指数和莫兰指数,对区域物流竞争力进行时空演化分析,根据研究结论,提出了物流业协调发展管理建议。本文构建的区域物流竞争力评价模型可以评估区域物流发展水平,并找到物流业发展失衡的原因,通过时空演化分析,较准确地反应出物流业的发展现状,并提出有针对性的发展建议,为区域发展决策提供参考。