基于灰色模型的我国冷链物流需求预测研究

李海玲

摘要：社会最优资源的配置受物流需求量影响，建立精确、有效的冷链物流预测模型是冷链行业发展的关键。文章利用Python软件，采用灰色模型的建模方法，利用我国近三年的历史数据对全国未来十年的冷链物流需求量做出定量预测。因此，通过此方法预测的全国未来冷链物流需求总量，其结果不仅数据拟合度高，而且弥补了我国冷链物流行业需求预测数据的空白，为政府冷链物流规划布局、基础设施、设备的建设投入、扶持政策的出台提供依据，同时对于构建全国冷链产品物流圈和冷链物流行业深入发展也具有重要的现实意义。

关键词：GM（1，1）模型;冷链物流;需求预测

一、研究方法

为了准确预测区域物流需求，众多的文献运用了多元线性、神经网络、支持向量机、灰色预测等方法对冷链物流需求量进行预测研究。有少量的学者运用数理统计方法预测了冷链物流需求。一是多元线性回归模型。李隽波、孙娜（2011）以我国水产品冷链物流的需求为例，应用多元线性回归分析法建立冷链物流需求量的预测方程;周海霞（2012）预测了我国水产品冷链物流需求;王新娥（2014）用该方法预测了新疆農产品冷链物流需求量。二是运用灰色预测模型。赵溪、刘保（2016）采用灰色预测模型理论估算曹妃甸区2017年农产品的冷链需求量。李夏培（2017）以北京市农产品物流需求为研究对象，采用灰色GM（l，l）模型为基本方法，使用Matlab软件，借助蚁群算法求出了单个模型的权数，构建出灰色线性组合模型，对“十三五”时期北京市农产品的物流需求进行了预测。三是运用BP神经网络模型。王新利、赵琨（2010）利用神经网络理论，建立了基于BP神经网络的农产品物流预测模型。兰洪杰、汝宜红（2010）运用神经网络技术对奥运食品冷链物流需求进行预测分析。四是组合预测模型。蒋宇斌等（2017）选取城镇居民冷链食品的购买量作为冷链物流需求水平指标，尝试将基于熵权的组合预测法应用于由宁夏的冷链物流需求量的预测。另外，原静（2017）对采用延伸趋向、指数平滑、神经网络算法、回归方法和灰色预测方式进行的农产品冷链物流单向预测与正向权重组合预测的结果进行对比分析。总之，已有的冷链需求预测的研究相对较少，且全国范围内的冷链物流需求预测没有受到足够的重视甚至呈现空白研究状态，这是将来冷链物流研究领域中亟待深入研究的，对于我国未来冷链物流行业深入发展也是至关重要的。

灰色系统是介于白色系统和灰色系统之间的过渡系统，可对在一定方位内变化的、与时间有关的灰色过程进行预测。GM（1，1）模型是灰色系统的基本预测模型，其特点是计算数据所需信息量少，可挖掘任何离散的序列模型背后的潜在规律，对于短期预测的精度很高。因此，本文鉴于冷链物流需求数据的特点，借助Python软件构建GM（1，1）模型预测我国未来冷链物流需求数量和需求趋势，特别是在其求得结果为预测精度1级的情况下，实现了较高的预测精度，具有真实性和普遍性的特点。

二、建立模型

（一）灰色GM（1，1）模型数学理论介绍

三、我国冷链物流需求预测

（一）指标选取与数据说明

在以往的冷链物流需求预测中，学者往往选取单方面指标进行预测。本文为了更全面准确的预测出我国未来冷链物流数量与需求趋势，同时在兼顾数据可获性的情况下，选取了2014～2016年《北京统计年鉴》、《天津统计年鉴》、《河北经济年鉴》等全国各省统计年鉴中的生鲜农产品供给量、农产品批发市场数量、冷链物流企业数量、冷库数量、冷藏车数量等17个区域冷链竞争力指标的数额总量作为冷链需求的原始数据（见表2，且这里只列出所有指标总额）。

（二）GM（1，1）模型预测

根据表2、3，使用Python软件，利用后验差检验法对我国冷链物流需求灰色GM（1，1）模型预测结果进行精度检验，得到后验差比即C值为2.266432346767644e-06，最小误差概率即P值为1.0。查表1检验标准可知，我国未来冷链物流需求的预测结果精度为1级，具有高拟合和预测精度，冷链物流需求预测效果好。

四、结论

结合表3，可得到基于灰色模型的2017～2026年我国冷链物流需求预测值。可以看出，我国2017～2026年冷链物流需求将呈现总体上升趋势，冷链物流行业发展整体前景乐观。由此得出，在未来冷链物流行业发展的过程中，政府应加大我国冷链物流规划布局、基础设施、设备建设的投入力度，同时出台更多服帖性强、执行有力的冷链物流行业相关扶持政策，为快速发展的我国冷链物流业提供政策支撑，以进一步促进我国冷链物流行业发展，从而扩大内需，促进我国经济的全面健康发展。

参考文献：

[1]李隽波，孙丽娜.基于多元线性回归分析的冷链物流需求预测[J].安徽农业科学，2011（11）.

[2]周海霞，韩立民.我国水产品冷链物流需求分析及政策建议[J].中国渔业经济，2012（04）.

[3]王新娥，王学剑.新疆城镇居民农产品冷链物流需求预测分析[J].物流技术，2014（01）.

[4]赵溪，刘保.曹妃甸冷链运输需求分析研究[J].交通世界，2016（32）.

[5]李夏培.基于灰色线性组合模型的农产品物流需求预测[J].北京交通大学学报（社会科学版），2017（01）.

[6]王新利，赵琨.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（02）.

[7]兰洪杰，汝宜红.2008北京奥运食品冷链物流需求预测分析[J].中国流通经济，2008（02）.

[8]蒋宇斌，郭佳秀，贺芳娟，邢云博.基于熵权的宁夏城镇居民冷链物流需求量组合预测[J].物流技术，2017（02）.

[9]原静.正向权重组合预测机制下的农产品冷链物流需求量预测[J].江苏农业科学，2017（19）.

（作者单位：北京物资学院）