基于组合模型的兵团农产品物流市场需求预测

朱 叶　喻晓玲

(塔里木大学经济与管理学院，新疆 阿拉尔 843300)



基于组合模型的兵团农产品物流市场需求预测

朱 叶喻晓玲*

(塔里木大学经济与管理学院，新疆 阿拉尔 843300)

摘要本文通过对兵团农产品物流发展现状的分析，找出其存在的问题和制约因素,在此基础上，以兵团具有代表性的9种农产品为研究对象，利用灰色模型和BP神经网络分别预测兵团农产品物流需求量，并利用两种模型的预测结果，建立组合模型，进行组合预测，对精确预测兵团农产品物流市场需求具有一定的实际意义。

关键词农产品物流； 预测； 市场需求； 组合模型

1引言

新疆位于欧亚大陆腹地，有明显的区位优势，是“一带一路”战略的核心区，为响应“一带一路”道路联通，贸易畅通的建设任务，正在大力建设交通运输基础设施，迅速发展口岸物流。新疆生产建设兵团(简称“兵团”)农产品种类丰富，质量优良，具有广阔的市场资源，在兵团产业结构进一步调整、对外贸易量持续提高、经济快速发展的良好背景下,兵团农产品物流凭借自身的优势和巨大的发展机遇，农产品市场表现出了对物流的强劲需求。

综观国内外对农产品物流需求预测，常用的方法是统计学的数学模型：回归模型、时间序列预测模型、灰色模型等，近几年，出现运用人工神经网络模型以及其BP算法来预测农产品物流市场需求，其预测结果精度较高，而组合预测方法的应用还比较少。在研究对象上，主要还是对单一的某种农产品的物流量进行预测，如粮食、棉花等。在选取预测指标时，基本停留在对农产品的产量的预测上，也有以国际标准中规定的每天人均所需农产品量来代替农产品物流需求的。

本文选取兵团具有代表性的9种农产品，将其产量和面积相结合进行折算，来代表兵团农产品物流市场需求，利用BP神经网络、灰色GM(1.1)模型和组合模型，进行分别预测，并进行预测结果对比，以便得出可靠实用的信息，对促进兵团农产品物流的发展具有现实意义。

2兵团农产品物流发展概况

2.1兵团农产品物流发展现状

新疆是我国农牧业生产大区，随着粮、棉、畜、果四大农牧业生产基地加快建设和设施农业加快发展，全区已形成若干区域性优质高产特色农牧业产业带，瓜果、蔬菜、肉类、水产品等主要生鲜农产品的产量和流通量不断增长。新疆农产品集中分布在一些优势发展区域和重点发展区域，在这些区域农产品产量基数大，例如兵团和新疆北部地区。兵团农产品产量已不是农业中的主要问题，农产品价值的实现才是关键，而农产品的价值实现问题与农产品物流密切相关。2013年，兵团农产品总产量达到1 500余万吨(来源：2014年统计年鉴)，连续10年实现增产，比2004年增加了1倍，其中蔬菜、瓜果和粮食的产量占到了农产品总产量的80%。如此庞大的农产品规模，除了极小量满足团场职工自用外，大部分都要外运，作为商品进行流通，满足各地对于农产品的需求，形成了巨大的农产品物流需求。目前，兵团正在不断完善公路网络，改善农产品运输工具性能，加快农产品交易场所设施的建设。

2.2兵团农产品物流发展存在的问题

2.2.1物流信息化建设滞后

兵团农产品物流信息化基础设施建设滞后，农民获取市场供求信息的手段和渠道单一，网站发布的农产品市场信息失真且滞后，不能紧跟市场变化。目前兵团已经开通了农产品流通的网站，但适合农民的信息较少，多数农民缺乏对信息的判别和掌握，不能把握市场行情，造成盲目生产流通。生产者和销售者信息资源共享困难，很难在物流环节实现全程管理和实时跟踪，市场信息的指导服务功能未能得到发挥。公益性市场信息体系建设不完善，影响公平竞争和市场交易透明度。电子商务的价值在兵团农产品物流中未能体现，整体信息化程度偏低。

2.2.2标准化程度低

兵团要发展现代化农产品市场流通体系，离不开农产品的标准化。兵团农产品种类多样、品质各异，但没有统一的质量衡量标准，分类标准与包装标准，由人工判断对农产品进行分类、分级的占98%，误差很大，在整个物流和销售的过程中，包装没有统一标准，给农产品的储存、运输和加工带来困难[1]。兵团农产品批发和零售市场上，很少配备安全检测设备，农药残留超标问题严重。农产品物流发展的标准体系在兵团还尚未建立。

2.2.3农业物流专业人才缺乏

发展农产品物流是为了减低流通费用、提高流动效率、增加附加值、降低损耗和规避市场风险。而这些都需要对农产品物流进行合理地规划、有效的管理和控制，所有的工作都需要物流专业人才运用物流专业知识和实践经验来完成[2]。现阶段兵团农产品物流发展落后，难以吸引物流人才，兵团物流教育体系建设不完善，整个兵团只有9个物流管理专业本科行政班约300余名本科在校生，物流专业人才非常欠缺，严重阻碍农产品物流业发展。

3兵团农产品物流需求预测的实证分析

3.1兵团农产品产量的折算

在现实中，兵团农产品物流的相关数据难以直接得到，但农产品的物流需求和农产品的产量直接密切相关，假设兵团农产品物流市场是供需平衡的，产量的增加将带来物流需求的增加，所以，可以通过预测兵团农产品产量，来预测其物流需求。本文选取了兵团有代表性的9种农产品：粮食作物(小麦、水稻、玉米、大麦、薯类、豆类)、油料作物、棉花、蔬菜、水果、甜菜、苜蓿、打瓜籽和水产品。为排除量纲影响，将不同农产品折算成代表农产品，再加总成兵团的农产品总量，具体折算方法计算步骤：(1)选取代表产品，公式：Max{某产品年产量×某单位产品所占种植面积}(2)其它农产品折算为代表产品。公式：某产品年产量×某单位产品所占种植面积÷单位代表产品所占种植面积。

表1　兵团农产品的产量　单位：万吨

数据来源：新疆生产建设兵团统计年鉴2005-2014

表2　兵团农产品的种植面积　单位：千公顷

数据来源：新疆生产建设兵团统计年鉴2005-2014

经过计算，得出代表产品是棉花，将其它8种农产品的产量折算成代表产品产量，结果如表3所示，2004年至2013年，农产品总量从180. 7万吨增至319. 26万吨，增长77%，年均增长率7. 4%，棉花、粮食、水果三种产品总量占兵团农产品总量的80. 9%。说明对物流的需求也将快速增长，兵团精确需求预测，加快物流建设，特别注重棉花、粮食、水果这三种农产品的物流。

表3　兵团农产品的产量折算表　单位：万吨

3.2兵团农产品产量的需求预测

3.2.1BP神经网络预测兵团农产品物流市场需求

(1)BP神经网络

BP神经网络模型，也称误差反向传播网络，由输入层、输出层、隐含层构成，分为正向传播、反向传播两个过程[3]。正向传播时，信息由输入层传至隐含层，逐层处理，最后传向输出层，每层神经元的状态只会影响相邻的下一层神经元状态[4]。若输出层无法得到期望的输出值，就会进入反向传播，将误差沿原通道返回，并修改各层神经元权数，使误差达到最小。

图1　BP神经网络结构图

若有m层，第一层是输入节点，第m层是输出节点，BP神经网络预测步骤为:

1)选取初始权数W；

2)重复以下步骤直至收敛：

b. 对同一节点j∈M，计算δjk；

(2)实证分析

利用DPS7.55软件,输入折算后的2004-2013年兵团农产品总量，预测未来五年农产品的总量，预测结果如下表4。

表4　BP神经网络预测值表　单位：万吨

由BP神经网络预测值表可知，该预测模型的误差很小，平均相对误差为0. 019 752%，兵团未来五年的农产品产量呈现持续稳定的增长趋势，到2018年，农产品总量将比2013年增长近40%，说明随着兵团农产品总量的增加，兵团农产品物流市场需求将继续增长，且需求量巨大。

3.2.2灰色GM( 1, 1) 模型预测兵团农产品物流市场需求

建模前先进行可行性分析，求原始数列的级比Z1(k)，即数列的前一数据除以其后一数据的值[4]，要求必须有80%以上的数据落在可行性区间(e-2/(n+1),e2/(n+1))内。计算农产品总量原始数列的级比后，88.9%的数据在可行性区间(0.819, 1.221)范围内,可以对原始数列直接建模。

(1)GM( 1, 1) 模型的建立

以2004年至2013年的农产品总量为原始数列，利用GM( 1, 1) 模型，预测2014年至2018年农产品总量。

原始数列X(0)={180.12,205.74,226.06,227.34,269.14,282.35,289.77,242.61,326.32,319.26}

一次累加生成数列为：

X(1)={180.12,385.85,431.8,453.4,496.48,551.49,572.11,532.38,586.93,645.58}

矩阵B为：

数据向量为

Y=[205.74,226.06,227.34,269.14,282.35,289.77,242.61,326.32,319.26]r

最小二乘法估计参数列为：

得到预测模型为：

表5　预测值表　单位：万吨

(2)模型的检验

分别计算模型的相对误差、斜率关联度、均方差和小概率误差，参照模型精度检验对照表6[5]，对模型进行检验。

表6　精度检验等级对照表

相对误差=0. 025 73<0. 05,精度二级；

小误差概率p=0.7，精度四级。

(3)模型修正并预测

因斜率关联度、均方差和小概率误差精度为三级、四级，不符合预测模型的要求，利用DPS7.55软件对兵团农产品总量原始数列的残差进行修正，修正后的GM(1,1)模型为：

表7　GM( 1, 1)灰色模型预测值　单位：万吨

(4)模型评价

平均误差=0. 035 151 9<0. 05，精度二级；

均方差比值C=0. 256 7<0. 35，精度一级；

小误差概率p=1，精度一级。

3.2.3组合模型预测兵团农产品物流市场需求

由以上可知，BP神经网络模型和GM( 1, 1)模型预测的农产品总量是不同的，因此可以通过构建组合模型，比较3种预测方法的相对误差，评价出预测方法的优劣，并得出误差最小的兵团农产品总量预测值。确定单项模型的权重，是构建组合模型的关键，在众多确定权重的方法中，标准差法可以赋予拟合度好的预测模型较高的权重，优化预测结果。采用标准差法确定神经网模型与灰色系统模型权重，公式如下：

其中，Si为单项模型的标准差，n为模型的个数。

先计算出各个模型预测值的标准差，根据上式，计算出BP神经网络预测的权重为0. 501，GM( 1, 1)灰色预测的权重为0. 499，因此可以得出组合预测的模型为

y=0. 501y1+0. 499y2

其中，y1为GM( 1, 1)神经网络的预测值，y2为GM( 1, 1)灰色预测的预测值，代入两模型预测值可得表8：

表8　组合模型预测值表　单位：万吨

比较表4、表7和表8可知，BP神经网络预测值与实际值较接近，相对误差最小，为1. 975 2%，在兵团农产品总量的预测中是预测结果最好的预测方法。

3.3结果分析

3种方法均存在误差，BP神经网络模型预测结果较优。3种预测结果均显示，兵团农产品总量增加较快，农产品物流市场需求呈现快速增长趋势，BP神经网络模型预测结果显示，到2018年农产品物流市场需求总量将达到437. 084 59万吨代表农产品(约2 200万吨实际农产品)，比2004年增长145%，比2013年增长50%。可以预见2018年兵团农产品的物流市场需求量将比2004年增加145%，比2013年增加50%，总规模将达到2 200万吨。在2004年至2013年期间，农产品的物流市场需求年均增长率为7. 4%，但增长不稳定，2014年至2018年，市场需求年均增长率为6. 5%，且增长趋势稳定。说明在预测期内，兵团农产品的物流市场需求规模大幅增长，物流需求增长速度趋于稳定。

兵团农产品总量快速增长主要原因是：近几年兵团农业经济总体水平逐渐提高，尤其是2009年以后，兵团市场经济体制不断完善，经济增长加快，同时随着西部大开发、对口援疆计划和“一带一路”战略的建设和实施，兵团各师加快农业基础设施建设，积极提高农业现代化水平，建设现代农产品流通体系，改善农产品流通方式，提高农产品流通效率；“一带一路”战略要求道路联通、贸易畅通，加快了新疆口岸政策不断开放，促进外贸经济交流，由此也带来农产品出口规模的扩大。农产品产量快速增长和出口规模扩大，必将刺激兵团农产品物流市场需求，现有的物流条件难以满足物流市场的需求，兵团亟待解决农产品物流存在的问题，并有效促进农产品物流的发展。

4促进兵团农产品物流发展建议

4.1构建现代化农产品物流信息系统

兵团应将农产品物流集货、分货、仓储、运输、加工、信息咨询等功能集合起来，扩大业务范围，优化信息流程，实现资源信息共享，为口岸、关检、企业提供技术平台，包括互联网、全球卫星定位系统、射频技术、条码、电子数据交换、分类管理、销售时点信息、客户信息反馈、自动连续补货、快速响应等。实现现代农产品物流信息化、高效化，提高农产品物流效率。针对农民信息不灵，政府和物流企业收集农产品相关信息，整理分析后及时传递给农民，引导农民按市场需求来生产，避免农产品市场波动剧烈。随着消费方式转变，网上购物比例提高，应加快发展电子商务，推进农产品网上交易[6]。

4.2积极发展第三方农产品物流

第三方物流具有规模大、标准化专业化程度高、信息集中、流通环节少效率高等优点。发展第三方农产品物流，可以扩大农产品物流规模，提高专业化水平，扩大流通量和流通服务半径，并减低交易费用，延长农产品储藏时间，保障及时供应。兵团可创新体制，培育和壮大农产品物流主体，并加快传统农产品物流企业向第三方农产品物流企业转型，促进农产品物流企业间的合作和重组，以信息技术为纽带形成虚拟大组织，共享资源信息，减少固定资产投资，有效配置资源，加速农产品物流企业集团的形成[7]。

4.3加快培养物流人才

建立物流教育培训体系，大力发展职业教育，根据农产品物流的特点，加快对农产品物流专业人员的培训，建立农产品物流培训中心。大力引进物流师资，提高物流教师实践教学能力，实行校企合作、建立产学研基地，注重理论与实践相结合。聘请物流企业经理、业务能手兼任学校教师共同培养物流管理专业的学生。利用优惠政策，完善兵团物流人才引进的激励、管理、保障机制，吸引并留住人才加入兵团农产品物流经营管理，促进农产品物流发展。

参考文献

[1]杨楠,田艳丽,郑亚.我国农产品物流现状及其问题研究[J].农村经济与科技.2008(4)：44-45.

[2]董君成.兵团农产品流通的制约因素分析[J].价值工程,2014(8):16-167.

[3]王新利. 基于神经网络的农产品物流需求预测研究[J].农业技术经济,2010(2):64-65.

[4]单再成.农产品物流与其影响因素灰色关联度分析[J].系统工程,2012(10):123-126.

[5]朱叶,喻晓玲.兵团第三方物流市场需求预测分析[J].塔里木大学学报,2012(2):97-104.

[6]易正兰.新疆特色农业产业集群物流体系构建研究[J].新疆农垦经济. ,2012(4):21-25.

[7]丁丽芳.低碳经济下第三方农产品物流发展策略分析 [J].物流工程与管理. ,2014(1):122-124，148.

Forecasting Corps' Agricultural Products Logistics Market Demand Based on Combined Model

Zhu YeYu Xiaoling*

(Collage of Economics and Management Tarim university， Alar Xinjiang 843300)

AbstractThrough analyzing the development status of corps' agricultural product logistics, this paper finds out the existing problems and restricting factors. Basing on that, by utilizing two kinds of methods: Grey Model and BP neural network, this paper uses nine representatives of Corps' agricultural products as studying objects to predict Corps' agricultural products logistics demand, and then uses the results from the above two methods to set up combined model to do combination forecasting, which has a certain practical significance to precisely predict Corps' agricultural products logistics demand.

Key wordsagricultural products logistics； forecast； market demand； combined model

中图分类号：F719

文献标识码：A

DOI：10.3969/j.issn.1009-0568.2016.02.010

文章编号：①1009-0568(2016)02-0052-09

作者简介：朱叶(1988-)女，硕士，讲师，从事区域经济和物流管理的研究工作。E-mail：1498995633@qq.com*为通讯作者E-mail：1563104855@qq.com

基金项目：塔里木大学社会科学基金项目(TDSKYB1501)。

收稿日期：①2015-08-26