基于灰色与马尔科夫链模型的京津冀农产品冷链需求预测

内容摘要：冷链物流既是消费升级背景下民生的重要保障，也是京津冀农业协同发展的根本支撑，同时也是非首都核心功能疏解的对象之一。建立精确、有效的冷链物流预测模型是京津冀冷链物流发展和京津冀农业协同发展的关键。本文打破传统单一模型的预测精度限制，利用Python软件，采用灰色模型与灰色-马尔科夫链组合模型的建模方法提高预测精度，并对北京、天津、河北以及京津冀地区的农产品冷链物流需求做出定量预测，并据此提出对策建议，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。

关键词：GM（1，1）预测   马尔科夫链   农产品冷链物流   需求预测

问题的提出

冷链物流是现代全球食品体系的重要组成部分，也是农产品供应链的重要组成元素，更是现代物流管理的重要内容（Bogataj et al.，2005）。冷鏈物流既是消费升级背景下民生的重要保障，也是京津冀农业协同发展的根本支撑，同时也是非首都核心功能疏解的对象之一。建立精确、有效的冷链物流预测模型是京津冀冷链物流发展和京津冀农业协同发展的关键。近年来，京津冀经济社会发展速度加快，城镇化率不断提高，消费者食品安全需求不断提升。加之京津冀协同发展持续推进，冷链物流发展不平衡、不充分的现象凸显。另一方面，京津冀冷链物流需求量却无法确定。因此，本文构建灰色与马尔科夫链模型，通过模型准确预测京津冀冷链物流需求，为京津冀地区农产品冷链物流在基础设施设备、规划布局、扶持政策等方面提供数据支持和理论支撑。

文献综述

冷链需求一直是研究的模糊地带，关于冷链物流需求预测一类是国内外对比说。我国在冷链体系、冷链设施、冷链信息化方面与国外发达国家差距明显，以冷藏运输率为例，发达国家食品冷藏运输率达到80%-90%，而我国仅为15%左右（周海霞，2016;欧阳芳，2015）。与美日等发达国家的农业产品物流环节损耗率平均3%相比，我国高达30%（杨利勤，2016），然后根据发达国家的人均冷库来推算我国的冷库和冷链总量。二类是生鲜农产品产量等量齐观说。认为生鲜农产品总量就是冷链物流总量，比如，2018年我国冷链物流需求总量将达到1.8亿吨就是根据农产品总量来确定的。三类是模型推算说。根据人均国民收入等指标推算出冷链物流总量。根据冷链发达国家的历史数据来看，当人均GDP达4000美元时，冷链物流行业开始进入快速增长期，因此未来3年的冷链物流市场规模将按照3310亿元、4634亿元和6488亿元的速度增长（刘京，2017）。总之，不管是哪一种需求预测方法都存在较大模糊空间，而且都是静态的，甚至是互相矛盾的。

为了准确预测区域物流需求，众多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。少量学者运用数理统计方法预测了冷链物流需求，第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农产品冷链物流需求量。第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，借助蚁群算法求出单个模型的权数，构建灰色线性组合模型，对十三五时期北京市农产品物流需求进行预测。第三是运用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。第四是组合预测模型。蒋宇斌等（2017）选取城镇居民冷链食品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，已有的农产品冷链需求预测研究相对较少，且多使用单一模型方法，使其所得冷链需求预测的结果不一定准确。同时，京津冀冷链物流需求预测没有受到足够重视，这是将来冷链物流研究领域中亟待深入研究的，对于京津冀协同发展战略的深入发展也是至关重要的。因此，本文基于L-OD的需求预测思路，使用灰色模型（GM模型）和马尔科夫链方法（MCMC模型）相结合，预测京津冀农产品冷链仓储物流市场需求数量和需求趋势，对京津冀冷链物流体系建设提出具有针对性和可操作性的政策建议。

京津冀农产品冷链物流需求预测

（一）方法选择

京津冀农产品冷链物流需求是复杂的系统，受多种因素影响，既与三地自身经济社会发展和消费需求有关，也与京津冀协同发展的政府政策相关，往往存在非线性关系且历史数据较少，这都导致多元线性、相关回归、神经网络等传统预测方法预测性能不稳定。而部分定性预测方法又过于主观，也不适用于冷链物流需求预测。因此，需要选用更精确、有效的模型对京津冀农产品冷链物流需求进行合理预测。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，预测京津冀农产品冷链物流需求数量和需求趋势。同时利用马尔科夫链模型对部分预测结果进行修正，即使用灰色模型（GM模型）和马尔科夫链蒙特卡洛方法（MCMC模型）的组合模型方法进行预测，弥补单一模型预测结果的不足之处，进一步提高预测精度，具有真实性和普遍性的特点。

（二）指标选取与数据说明

在以往的农产品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京津冀农产品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2014-2018年《北京统计年鉴》、《天津统计年鉴》、《河北经济年鉴》中的蔬菜、水果、肉禽蛋奶类、水产品等需冷链运输的农产品产出总量作为冷链需求的原始数据（见表1）。

（二）GM（1，1）模型预测

根据表1，利用Python软件，求出GM（1，1）预测模型中的两个待估计参数：

a=-0.12245747139618557

u=909470.1852642567

对北京地区原始时间序列分别建模，得到GM（1，1）预测模型方程式：

x（1）（n）=（961449+7426800）exp（0.12245747139618557 （i-1））-7426800

得到北京地区GM（1，1）模型预测值，同理可得到天津、河北、京津冀地区GM（1，1）模型预测值。使用Python软件，利用后验差检验法对北京市灰色GM（1，1）模型预测结果进行精度检验，得到后验差比即C值（四舍五入保留四位小数）为0.00181，最小误差概率即P值分别为1.0。利用后验差检验法对北京、天津、河北、京津冀地区灰色GM（1，1）模型预测结果进行精度检验，得到后验差比即C值（均四舍五入保留四位小数）分别为0.1056、0.2150、0.0251、0.0316，最小误差概率即P值分别为1.0、0.91、1.0、1.0。北京、河北、京津冀的预测结果精度均为1级，具有高拟合和预测精度，冷链物流需求预测效果好，而天津地区预测结果精度为2级，拟合度相对差，预测结果精度较低，需要采用马尔科夫链模型做进一步数据修正（见表2）。

（三）马尔科夫链模型优化

利用Python软件，根据建立的GM（1，1）模型得到天津市2006-2016年农产品冷链物流需求量的模拟值，通过与实际值比较得到相对误差率（见表3），并进行状态划分。其中，状态E1为相对误差率为-12.80%至-6%，状态E2为相对误差率为-6%至-4%，状态E3为相对误差率为-4%至3%，状态E4为相对误差率为3%至6.27%。

根据2017-2026年的状态转移向量以及马尔科夫链预测值公式，对GM（1，1）模型预测结果做进一步修正，得到基于灰色马尔科夫组合模型的天津市2017-2026年农产品冷链物流需求预测值，如表4所示。

结论及对策建议

（一）结论

北京市2017-2026年农产品冷链物流需求将继续呈现下降趋势，而天津、河北两地以及京津冀地区农产品冷链需求在未来十年将呈现持续增长态势，冷链物流行业发展迅猛。北京市疏解政策在冷链物流行业发展趋势良好，天津、河北等地区有效承接了北京市冷链物流行业的市场转移。需要强化组织协调，加强疏解和承接对接，培育龙头企业，建立“网络化、严标准、可追溯、高效率”的全链条式现代农产品冷链物流网络，为京津冀农产品流通和食品安全保驾护航。

（二）对策建议

加强组织协调，强化京津冀冷链物流网络顶层设计。国家发展与改革委员会牵头成立京津冀农产品物流体系建设规划工作小组，协调京津冀发展改革委相关主管部门的工作，同时，三地发展改革委主管部门也要搭建起与农产品批发企业、第三方物流企业、农户及零售商等各方主体的协调沟通平台，建立重点、难点问题协调机制，加强人员配备及多方联动，明确分工及职责，统筹做好所在地区农产品物流体系建设具体工作。条件成熟后，还应建立考核指标，加强动态监管和考核。

实施百品千库工程，加强产地冷链设施建设。根据国家级和京津冀特色农产品优势区建设规划，根据北京、天津、石家庄、唐山等大城市需求特征，在京津冀地区选择100个左右优势农产品，在现有農产品流通体系的基础上，因地制宜依托公路网、铁路网、新增支线机场、电商企业布局，在优势农产品主产区布局1000个左右的现代化冷库，完善仓储物流设施，不断提高农产品流通效率。在充分利用现有收储设施的基础上，在产地就近建设预选分级、加工配送、包装仓储等基础设施，完善收购网点，配套建设仓储、物流、冷链设施。根据本地现有集散基础，规范建设一批田头市场。鼓励各大农产品电商平台、批发市场、超市在在产地建设冷链物流服务站点。

扶持大型冷链综合企业发展，鼓励冷链物流企业向河北天津聚集，延伸服务链条。加强与农产品生产、生鲜食品加工、商贸流通企业在订单管理、仓储管理、物流配送、温度监控等方面的协同对接，推动冷链物流企业向综合物流服务商转型发展，形成一批全产业链冷链物流企业。鼓励冷链物流平台企业与农民合作社等新型农业生产经营主体深度合作，大力发展北京、天津、唐山等大中城市的冷链物流同城配送，完善城乡物流配送体系。支持快递物流企业提供高品质冷链物流综合服务。探索建立京津冀冷链物流信息共享平台，构建“互联网+”冷链物流信息化体系，整合冷链仓储、车辆、货源信息等物流资源，逐步完善全程温控、货物查询、信息发布、在线交易等一体化服务功能。

积极推进第三方冷链物流标准化，形成冷链物流全程标准体系。制定冷链物流标准，包括冷链物流行业服务标准、冷链物流服务企业准入标准、冷链物流服务企业资质认证和诚信体系标准、冷链物流信息服务标准、冷链物流终端产品接收标准等。加强区域农产品冷链物流、检验检测认证等标准体系建设，落实产地准出检验，探索三地检验结果互认，发挥认证作用，推动采信第三方检验检测认证结果，强化标准执行，建立全程可追溯的食品安全监控系统。

参考文献：

1.周海霞.国外农产品冷链物流一体化经验及借鉴[J].世界农业，2016（5）

2.欧阳芳，徐志宏.国外冷链物流的转型分析与借鉴[J].对外经贸实务，2015（8）

3.杨利勤.国外农业产品冷链物流的成功经验与借鉴[J].对外经贸实务，2016（3）

4.刘京.未来的冷链推动力[J].中国储运，2017（2）

5.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，2011，39（11）

6.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，2012，30（4）

7.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，2014，33（1）

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

9.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），2017，16（1）

10.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（2）

11.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（2）

12.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，2017，36（2）

13.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，2017，45（19）

推荐访问:需求预测 农产品 马尔 科夫 灰色