重庆市生鲜农产品冷链物流需求预测

李占凤

（重庆工商大学融智学院，重庆 400132）

重庆市生鲜农产品冷链物流需求预测

李占凤

（重庆工商大学融智学院，重庆 400132）

为更全面的描述生鲜农产品冷链物流需求总量，将肉类、乳制品类、果蔬类、水产品类等需要冷藏存储和运输的产品产出总量作为冷链物流运输总量的影响因子归入到模型中，运用新陈代谢GM（1,1）灰色预测模型对2006-2015年重庆市生鲜农产品冷链物流需求量进行模拟，并对2016-2022年重庆市生鲜农产品冷链物流需求量进行预测，为生鲜农产品冷链物流环节中的冷链设施和设备的需求提供科学依据。

生鲜农产品；冷链物流；新陈代谢GM（1,1）模型；需求预测；重庆市

1 引言

随着农村电子商务的快速发展，重庆市农产品、水产品、畜牧产品、果蔬产品等生鲜农产品正逐步进入全国市场，加之重庆市与国内外经济贸易的日益频繁，生鲜农产品对冷链物流的需求迫在眉睫。然而，目前我国生鲜农产品流通过程中仍然以露天作业和普通卡车运输为主，生鲜农产品的腐损率依然很高。准确预测未来重庆市的冷链物流需求数量和趋势，能够为重庆市农特产品流通过程中的冷链设施和装备建设投入提供依据。

2 重庆市生鲜农产品冷链物流需求预测

2.1 冷链物流需求预测指标的选取

冷链物流需求是指经济活动中生产、流通、消费领域的原材料、半成品、成品、商品以及废旧物等在一定时间范围内的配置作用而产生的对物资在时间、空间和费用方面的要求，涉及运输、包装、库存、装卸搬运、配送、流通加工及信息处理等物流活动的每一个环节。衡量冷链物流需求的指标体系有：从实物量考虑有货运量、货运周转量、库存量、加工量等指标；从就业方面考虑有冷链物流从业人数、冷链物流从业人数占总就业人口比例等指标；从价值量考虑有社会物流总成本、社会物流总收入、供应链增值等指标[1]。实际影响生鲜农产品冷链物流需求的因素诸多，为更全面的描述生鲜农产品冷链物流需求总量，将肉类、乳制品类、果蔬类、水产品类等需要冷藏运输的产品产出总量作为冷链物流运输总量的影响因子归入到模型中。

出于数据的可获取性，选取2006-2015年重庆市冷链运输生鲜农产品产量为原始数据（见表1），运用灰色新陈代谢预测模型对重庆市生鲜农产品冷链物流运输总量进行预测。

表1 重庆市冷链运输生鲜农产品产量单位：万t

2.2 新陈代谢GM（1,1）模型预测

2.2.1 新陈代谢GM（1,1）模型原理

（1）灰色预测模型。设Q(0)=(q(0)(1),q(0)(2),…,q(0)(t))为原始的生鲜农产品冷链物流需求序列，其中，q(0)(t)表示对应时间序列t的产量序列，Q(1)=(q(1)(1),q(1)(2),…,q(1)(t))为Q(0)的1－AGO序列，其中：

Z(1)=(z(1)(2),z(1)(3),…,z(1)(t))为Q(1)的紧邻均值生成序列，其中

则

式（3）为GM(1,1)模型的基本形式。

解之得：

又：

即：

q(0)(k)+az(1)(k)=b的白化方程的解（也称时间响应函数）为：

时间响应序列为：

还原值为：

对原始序列做等维处理，即去掉最老信息q(0)(1)，补充最新信息q(0)(t+1)，可得到新的数列Q(0)=(q(0)(2),q(0)(3),…,q(0)(t+1) )，就形成了新陈代谢GM(1,1)预测新模型，即：

代入式（4）-式（6），即进行了一次新陈代谢，得到新的预测结果，对第二个序列做等维处理，即去掉老信息q(0)(2)，补充最新信息q(0)(t+2)，可得到新的数列Q(0)=(q(0)(3),q(0)(4),…,q(0)(t+2 ))，以此数列作为新的原始数列进行运算，依次不断地剔除最老信息，添加最新信息，即形成了新陈代谢GM(1,1)预测模型。

2.2.2 精度检验。预测模型只有通过严格的检验才能够判定其合理性与有效性。通过平均相对误差对新陈代谢GM(1,1)预测模型的有效性进行检验，当模型模拟误差相对较小时，才能证明该预测模型是有效的，预测结果是有意义的。因此，其有效性检验为：

若Q(0)=(q(0)(1),q(0)(2),…,q(0)(t))为原有生鲜农产品冷链物流需求序列，为其估计值，则残差序列为：

相对误差序列为：

平均相对误差为：

给定α，若，则称该模型为残差合格模型。通过误差检验的灰色预测模型才能被应用于预测。

3 预测仿真

将重庆市2006-2015年生鲜农产品冷链物流需求总量整理，得到初始序列：

取原始序列的前5个数据进行建模：

时间响应式为：

去掉一个最老信息Q(0)(1)，置入一个最新信息Q(0)(6)，得到新的建模序列：

以此序列为新的初始序列，根据新陈代谢GM（1,1）预测模型进行运算，经过6次新陈代谢运算后，得到模拟值与平均相对误差见表2。由表2可得，平均相对误差均小于2%，因此可以表明新陈代谢GM（1,1）预测模型通过了误差检验，有效可行。

表2 生鲜农产品冷链物流需求量模拟误差表

对Q(0)(11)-Q(0)(17)的预测值分别为：

由此得到2016-2022年间重庆市生鲜农产品冷链物流需求量预测值，与2006-2015年数据合并后得到2006-2022年重庆市生鲜农产品冷链物流需求量和增速（见表3）。其中，2006-2015年重庆市生鲜农产品冷链物流需求量平均增速为8.88%，预测2016-2022年的平均增速为5.87%，虽有所回落，但仍然保持5个百分点以上的速度稳步增长。

表3 2006-2022年重庆市生鲜农产品冷链物流需求量和增速

4 结语

为更全面的描述生鲜农产品冷链物流需求总量，本文将肉类、乳制品类、果蔬类、水产品类等需要冷藏存储和运输的产品产出总量作为冷链物流运输总量的影响因子归入到模型中，运用新陈代谢GM（1,1）灰色预测模型对重庆市生鲜农产品冷链物流需求量进行预测，为生鲜农产品冷链物流环节中的冷链设施和设备的需求提供科学依据。在未来5年中，重庆市生鲜农产品冷链物流需求量以5.87%的平均速度增长，这势必给从事冷链物流的企业发展带来更多机遇。

[1]中国物流与采购联合会,冷链物流专业委员会.中国冷链物流发展报告[M].北京:中国物资出版社,2010.

[2]李丽丽,张军,曾波.基于新陈代谢GM(1,1)的大规模地震应急救援物资需求预测研究[J].世界科技研究与发展,2013,(3):430-433,442.

[3]刘思峰,谢乃明,等.灰色系统理论及其应用（第六版）[M].北京:科学出版社,2013.

[4]杨芳琼,郝玉强.重庆市冷链物流产业发展的思考[J].物流技术,2015,(1):68-70.

Forecasting of Demand for Fresh Farm Produce Cold Chain Logistics Service in Chongqing

LiZhanfeng
(Rongzhi College of Chongqing Technology&Business University,Chongqing 400132,China)

In this paper,to describe more sophisticatedly the total demand for the fresh farm produce cold chain logistics service,we made the total output of the products in need of refrigerated storage and transportation as the influence factor of the total volume of cold chain logistics transportation,used the metabolic GM(1,1)to simulate the fresh farm produce cold chain logistics service demand in Chongqing for the period between 2006 and 2015 and predict the demand for the service for the period between 2016 and 2022.

fresh farm produce;cold chain logistics;metabolic GM(1,1);demand forecasting;Chongqing

F259.27;F762

A

1005-152X(2017)10-0097-04

10.3969/j.issn.1005-152X.2017.10.020

2017-09-08

李占凤（1989-），女，四川广元人，重庆工商大学融智学院助教，硕士研究生，研究方向：物流工程、冷链物流。