基于组合模型预测航道运量—以荆江航道为例

姜丰怡，张培林

（武汉理工大学 交通学院，湖北 武汉 430063）

基于组合模型预测航道运量—以荆江航道为例

姜丰怡，张培林

（武汉理工大学 交通学院，湖北 武汉 430063）

基于2005-2014年三峡船闸过闸货运量与长江腹地GDP数据，分别采用弹性系数法、回归分析法和运输强度法预测2020、2025、2030、2035、2040年的荆江航道货运量，根据模型的特点确定权重进行组合预测。组合预测模型在一定程度上能够提高单项预测的准确程度，是可行的。

航道运量；荆江航道；弹性系数法；回归分析法；运输强度法；组合预测

1 引言

水运相比于其他运输方式成本低廉又低碳环保，所以政府也出台了相关文件鼓励其发展。而且，在我国经济飞速发展的同时，需求也在不断增长，带动了我国水运货运量的增长。长江航运作为沟通我国东中西部的运输大动脉，对于顺利实施长江经济带战略，服务“一带一路”和推动整个长江流域协调发展具有十分重要的战略意义，荆江河段处于长江中游，是连接各个省市的重要节点，预测其运量对于今后长江航道的发展有重要作用。

目前，运量预测的常用方法有时间序列法、灰色系统法、回归分析法等，但是实际中由于经济发展的不平衡、运价水平等因素呈现非线性变化，所以根据发展趋势，以适当的加权运用多种预测模型的组合形式对运量进行预测，相比于单方法来说，结果更加准确。

2 模型选择与建立

2.1 弹性系数法

弹性系数是一定时期内相互联系的两个指标增长速度的比率，它是衡量一个变量的增长幅度对另一个变量增长幅度的依存关系。运输量的增长与经济的增长有密切关系，所以取运输弹性系数为某一区域一定时期内运输量增长率与国民生产总值增长率之比，它反映了运输业的发展与国民经济发展的适应程度，要保持持续、快速、协调的发展，二者之间则须保持恰当的比例关系。公式如下：

其中e是弹性系数；T是货运量；dT：货运增长量；M：国民生产总值；dM：国民生产总值增加量。在经济发展的不同阶段，运输弹性系数的变化呈现不同的规律。经济快速发展的时期，运输量的增长跟不上经济的增长，弹性系数e＞1，但随着产业结构的升级，弹性系数呈现下降的态势，经济与交通运输产业的发展速度均将减缓，逐步稳定此时弹性系数e＜1。

2.2 回归分析法

回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。运用十分广泛。回归分析按照涉及的变量多少，分为一元回归和多元回归分析；在线性回归中，按照自变量的多少，可分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。常用的有一元线性回归模型如幂函数、指数函数，多元线性回归模型如多元线性方程等。回归分析法的通式为：Yt=α+β1X1+β2X2+...+βnXn。其中：Yt为因变量，即在时间t的预测值；X为自变量，即引起Y变化的影响因素；α，β为回归系数。可使用EXCEL等工具根据原始数据的发展趋势曲线选择合适的预测模型对未来数据进行预测。

2.3 运输强度系数法

运输强度是指一定时期内运输完成的客货换算周转量（t·km）与同期国民生产总值（或工农业总产值之比），它是反映运输与经济总值之间关系的常用分析指标。运输强度既可以用运输客货换算周转量计算，也可以用货物周转量计算。运输强度的大小，取决于各类货源和人口的地区分布。运输强度指标在规划地区运输建设方面起着重要作用。其计算公式为：

水运量运输强度是指百万元GDP产值产生的对外水路运输量。不同区域对水运的依赖程度不同，不同产业结构也会影响水运强度系数。因此，运用运输强度系数来预测水运量，必须要分析航道所处地区的产业结构特征与发展趋势。

2.4 组合预测模型的建立

单种预测模型具有局限性，而且只考虑了一种影响因素，但实际中数据的变化是随机且受多种因素影响的，运用组合模型预测可以结合各个模型的优点，减小误差，有效提高预测的精确度，更加全面地利用各种原始数据，比单个模型更系统、更全面。

组合预测有两种基本形式，一种是等权组合，即各预测方法的预测值按相同的权数组合成新的预测值。另一种是不等权组合，即赋予不同预测方法预测值的权数是不一样的。权数相同对于组合模型来说就是每种预测模型占比相同，但是单项预测模型会随着条件与环境的不同，表现不稳定，所以一般采用不等权组合较为合理。

3 荆江河段运量预测

荆江航道是宜昌到城陵矶的河段。本文主要以2005-2014年三峡船闸过闸运量为参考，根据主要断面流量观测以及调研进行修正补充，以长江中上游沿线湖北、湖南、四川、重庆和贵州四省一市的经济发展为依据（见表1），分别运用弹性系数法、回归分析法和运输强度系数法预测2020、2025、2030、2035和2040年的运量。再根据预测值与原始数据的相对误差确定权重建立组合预测模型，得到最终结果。

3.1 弹性系数法预测

结合上述国外不同发展阶段弹性系数的变化情况以及荆江河段经济发展趋势来看，2015-2030年这一时期是长江中上游地区产业规模集聚、综合运输通道建设高峰时期，水运量保持增长态势，但随着产业结构的升级，弹性系数呈现下降态势。预计2030年以后，经济和交通运输产业的发展速度均将减缓，逐步稳定。根据荆江河段弹性趋势分析，预计2020、2025、2030、2035和2040年期间弹性系数分别为1.06、0.87、0.76、0.68和0.55。根据长江中上游地区的发展规划分析及经济发展状况分析，预计2020、2025、2030、2035和2040年期间GDP年均增速分别为7.36%、5.16%、4.06%、3.34%、2.83%（见表2）。由此预测未来各特征年荆江河段水运量结果见表3。

表2 特征年弹性系数与GDP预测值

表3 弹性系数预测值 （单位：万t）

3.2 回归分析法预测

回归分析是利用两变量之间的相互联系建立函数方程，已知一变量预测另一变量的方法。荆江航道货运量与时间和GDP都相关，可设货运量为Y，时间与GDP分别为X建立模型见表4，再利用模型得到合理预测值（见表5）。为了简便，采用方差倒数法确定权重，即，式中表示第i个模型的误差平方和，k表示模型的个数，该方法以误差平方小的模型为主并赋予高权重。

表4 回归分析预测模型

表5 回归分析预测值 （单位：万t）

3.3 运输强度法预测

参考国外及长江下游的发展经验，长江中上游地区水运量运输强度仍将遵循“倒U型”的总体发展规律，水运量虽然保持增长态势，但运输强度近十年内将保持逐步下降态势。根据2005-2014年的运输强度的变化趋势分析，结合长江中上游水运量运输强度变化规律，预计2020、2025、2030、2035和2040年期间运输强度系数分别为10.8、9.9、9.5、9.0和8.6。结合长江腹地GDP的预测可得运量预测值见表6。

表6 运输强度预测值 （单位：万t）

3.4 组合预测模型的建立

根据三种模型的影响因素与预测的准确程度，运用德尔菲法确定各模型的权重，弹性系数法占比0.35，回归分析法占比0.40，运输强度法占比0.35，根据组合权重建立模型：y=a1×y1+a2×y2+a3×y3。式中y是组合预测值，ai是各模型的权重，计算结果见表7。

表7 组合模型预测值 （单位：万t）

4 研究结论

组合模型可以整合单个模型所提供的信息，实现优势互补，提高预测结果的准确度，在实际中是可行的。本文预测的荆江航段货运量可以为今后整治此航段提供参考，具有现实意义。

［1］孙国卿.海铁联运运量预测与效益研究［D］.上海:大连海事大学，2010.

［2］吴璇，王烈.组合预测模型在铁路集装箱运量预测中的应用［J］.铁道运输与经济，2010，（10）:90-94.

［3］朱昌锋.基于模型组合的铁路集装箱运量预测［J］.交通运输系统工程与信息，2010，（5）:149-153.

［4］张为伟.航段运量预测算法及其优化［D］.南京:南京航空航天大学，2008.

［5］李灼，石兴勇，于黎.扩大三峡船闸通航能力研究［J］.中国水运（下半月），2013，（6）:29-31.

Forecasting of Navigation Channel Freight Transport Volume Based on Combination Model: In the Case of Jingjiang Waterway

JiangFengyi，ZhangPeilin
（SchoolofTransportation，WuhanUniversityofTechnology，Wuhan 430063，China）

In this paper，based on the cargo transportation volume through the shiplock of the Three-gorges Dam and the GDP data of the Yangtze hinterland between 2005 and 2014，we respectively used the elastic coefficient method，regression analysis and transportation intensity method to forecast the freight volume of the Jingjiang Waterway at years 2020，2025，2030，2035，and 2040，and then according to the characteristics of the above methods formulated a combination forecasting model.To some extent，the combination forecasting model can improvetheaccuracyoftheindividualmethodsandsoisfeasible.

waterway freight volume；Jingjiang Waterway；elastic coefficient method；regression analysis；transport intensity；combinationforecasting

F552

A

1005-152X（2016）05-0079-03

10.3969/j.issn.1005-152X.2016.05.018

2016-04-10

姜丰怡（1993-），女，湖北枣阳人，硕士研究生，研究方向：交通运输规划与管理；张培林（1955-），男，湖北武汉人，博士，教授，研究方向：交通运输规划与管理。