基于組合模型預測航道運量—以荊江航道為例

姜豐怡，張培林

（武漢理工大學 交通學院，湖北 武漢 430063）

基于組合模型預測航道運量—以荊江航道為例

姜豐怡，張培林

（武漢理工大學 交通學院，湖北 武漢 430063）

基于2005-2014年三峽船閘過閘貨運量與長江腹地GDP數據，分別采用彈性系數法、回歸分析法和運輸強度法預測2020、2025、2030、2035、2040年的荊江航道貨運量，根據模型的特點確定權重進行組合預測。組合預測模型在一定程度上能夠提高單項預測的準確程度，是可行的。

航道運量；荊江航道；彈性系數法；回歸分析法；運輸強度法；組合預測

1 引言

水運相比于其他運輸方式成本低廉又低碳環保，所以政府也出臺了相關文件鼓勵其發展。而且，在我國經濟飛速發展的同時，需求也在不斷增長，帶動了我國水運貨運量的增長。長江航運作為溝通我國東中西部的運輸大動脈，對于順利實施長江經濟帶戰略，服務“一帶一路”和推動整個長江流域協調發展具有十分重要的戰略意義，荊江河段處于長江中游，是連接各個省市的重要節點，預測其運量對于今后長江航道的發展有重要作用。

目前，運量預測的常用方法有時間序列法、灰色系統法、回歸分析法等，但是實際中由于經濟發展的不平衡、運價水平等因素呈現非線性變化，所以根據發展趨勢，以適當的加權運用多種預測模型的組合形式對運量進行預測，相比于單方法來說，結果更加準確。

2 模型選擇與建立

2.1 彈性系數法

彈性系數是一定時期內相互聯系的兩個指標增長速度的比率，它是衡量一個變量的增長幅度對另一個變量增長幅度的依存關系。運輸量的增長與經濟的增長有密切關系，所以取運輸彈性系數為某一區域一定時期內運輸量增長率與國民生產總值增長率之比，它反映了運輸業的發展與國民經濟發展的適應程度，要保持持續、快速、協調的發展，二者之間則須保持恰當的比例關系。公式如下：

其中e是彈性系數；T是貨運量；dT：貨運增長量；M：國民生產總值；dM：國民生產總值增加量。在經濟發展的不同階段，運輸彈性系數的變化呈現不同的規律。經濟快速發展的時期，運輸量的增長跟不上經濟的增長，彈性系數e＞1，但隨著產業結構的升級，彈性系數呈現下降的態勢，經濟與交通運輸產業的發展速度均將減緩，逐步穩定此時彈性系數e＜1。

2.2 回歸分析法

回歸分析是確定兩種或兩種以上變量間相互依賴的定量關系的一種統計分析方法。運用十分廣泛。回歸分析按照涉及的變量多少，分為一元回歸和多元回歸分析；在線性回歸中，按照自變量的多少，可分為簡單回歸分析和多重回歸分析；按照自變量和因變量之間的關系類型，可分為線性回歸分析和非線性回歸分析。常用的有一元線性回歸模型如冪函數、指數函數，多元線性回歸模型如多元線性方程等。回歸分析法的通式為：Yt=α+β1X1+β2X2+...+βnXn。其中：Yt為因變量，即在時間t的預測值；X為自變量，即引起Y變化的影響因素；α，β為回歸系數。可使用EXCEL等工具根據原始數據的發展趨勢曲線選擇合適的預測模型對未來數據進行預測。

2.3 運輸強度系數法

運輸強度是指一定時期內運輸完成的客貨換算周轉量（t·km）與同期國民生產總值（或工農業總產值之比），它是反映運輸與經濟總值之間關系的常用分析指標。運輸強度既可以用運輸客貨換算周轉量計算，也可以用貨物周轉量計算。運輸強度的大小，取決于各類貨源和人口的地區分布。運輸強度指標在規劃地區運輸建設方面起著重要作用。其計算公式為：

水運量運輸強度是指百萬元GDP產值產生的對外水路運輸量。不同區域對水運的依賴程度不同，不同產業結構也會影響水運強度系數。因此，運用運輸強度系數來預測水運量，必須要分析航道所處地區的產業結構特征與發展趨勢。

2.4 組合預測模型的建立

單種預測模型具有局限性，而且只考慮了一種影響因素，但實際中數據的變化是隨機且受多種因素影響的，運用組合模型預測可以結合各個模型的優點，減小誤差，有效提高預測的精確度，更加全面地利用各種原始數據，比單個模型更系統、更全面。

組合預測有兩種基本形式，一種是等權組合，即各預測方法的預測值按相同的權數組合成新的預測值。另一種是不等權組合，即賦予不同預測方法預測值的權數是不一樣的。權數相同對于組合模型來說就是每種預測模型占比相同，但是單項預測模型會隨著條件與環境的不同，表現不穩定，所以一般采用不等權組合較為合理。

3 荊江河段運量預測

荊江航道是宜昌到城陵磯的河段。本文主要以2005-2014年三峽船閘過閘運量為參考，根據主要斷面流量觀測以及調研進行修正補充，以長江中上游沿線湖北、湖南、四川、重慶和貴州四省一市的經濟發展為依據（見表1），分別運用彈性系數法、回歸分析法和運輸強度系數法預測2020、2025、2030、2035和2040年的運量。再根據預測值與原始數據的相對誤差確定權重建立組合預測模型，得到最終結果。

3.1 彈性系數法預測

結合上述國外不同發展階段彈性系數的變化情況以及荊江河段經濟發展趨勢來看，2015-2030年這一時期是長江中上游地區產業規模集聚、綜合運輸通道建設高峰時期，水運量保持增長態勢，但隨著產業結構的升級，彈性系數呈現下降態勢。預計2030年以后，經濟和交通運輸產業的發展速度均將減緩，逐步穩定。根據荊江河段彈性趨勢分析，預計2020、2025、2030、2035和2040年期間彈性系數分別為1.06、0.87、0.76、0.68和0.55。根據長江中上游地區的發展規劃分析及經濟發展狀況分析，預計2020、2025、2030、2035和2040年期間GDP年均增速分別為7.36%、5.16%、4.06%、3.34%、2.83%（見表2）。由此預測未來各特征年荊江河段水運量結果見表3。

表2 特征年彈性系數與GDP預測值

表3 彈性系數預測值 （單位：萬t）

3.2 回歸分析法預測

回歸分析是利用兩變量之間的相互聯系建立函數方程，已知一變量預測另一變量的方法。荊江航道貨運量與時間和GDP都相關，可設貨運量為Y，時間與GDP分別為X建立模型見表4，再利用模型得到合理預測值（見表5）。為了簡便，采用方差倒數法確定權重，即，式中表示第i個模型的誤差平方和，k表示模型的個數，該方法以誤差平方小的模型為主并賦予高權重。

表4 回歸分析預測模型

表5 回歸分析預測值 （單位：萬t）

3.3 運輸強度法預測

參考國外及長江下游的發展經驗，長江中上游地區水運量運輸強度仍將遵循“倒U型”的總體發展規律，水運量雖然保持增長態勢，但運輸強度近十年內將保持逐步下降態勢。根據2005-2014年的運輸強度的變化趨勢分析，結合長江中上游水運量運輸強度變化規律，預計2020、2025、2030、2035和2040年期間運輸強度系數分別為10.8、9.9、9.5、9.0和8.6。結合長江腹地GDP的預測可得運量預測值見表6。

表6 運輸強度預測值 （單位：萬t）

3.4 組合預測模型的建立

根據三種模型的影響因素與預測的準確程度，運用德爾菲法確定各模型的權重，彈性系數法占比0.35，回歸分析法占比0.40，運輸強度法占比0.35，根據組合權重建立模型：y=a1×y1+a2×y2+a3×y3。式中y是組合預測值，ai是各模型的權重，計算結果見表7。

表7 組合模型預測值 （單位：萬t）

4 研究結論

組合模型可以整合單個模型所提供的信息，實現優勢互補，提高預測結果的準確度，在實際中是可行的。本文預測的荊江航段貨運量可以為今后整治此航段提供參考，具有現實意義。

［1］孫國卿.海鐵聯運運量預測與效益研究［D］.上海:大連海事大學，2010.

［2］吳璇，王烈.組合預測模型在鐵路集裝箱運量預測中的應用［J］.鐵道運輸與經濟，2010，（10）:90-94.

［3］朱昌鋒.基于模型組合的鐵路集裝箱運量預測［J］.交通運輸系統工程與信息，2010，（5）:149-153.

［4］張為偉.航段運量預測算法及其優化［D］.南京:南京航空航天大學，2008.

［5］李灼，石興勇，于黎.擴大三峽船閘通航能力研究［J］.中國水運（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

姜豐怡（1993-），女，湖北棗陽人，碩士研究生，研究方向：交通運輸規劃與管理；張培林（1955-），男，湖北武漢人，博士，教授，研究方向：交通運輸規劃與管理。