新冠疫情背景下農產品物流需求預測

姚冠新 楊妍 徐靜

摘? 要：為探究新冠疫情對農產品物流需求造成的影響，確保農產品市場供需平衡，實現物流資源的合理配置，選取2004～2018年興化市相關數據，運用灰色預測模型GM1，1對2019～2025年興化市的農產品物流需求量進行預測，預測結果表明興化市農產品物流需求量整體呈上升趨勢。結合農產品物流的發展現狀，分析新冠疫情對農產品物流需求造成的沖擊，并針對此次突發事件農產品物流暴露的問題提出改進建議。

關鍵詞：新型冠狀病毒肺炎;灰色預測模型GM1，1;農產品物流;需求預測

中圖分類號：F304.3? ? 文獻標識碼：A

Abstract： In order to explore the impact of COVID-19 on the demand for agricultural products logistics， ensure the balance between supply and demand of agricultural products market， and realize the reasonable allocation of logistics resources， the relevant data of Xinghua city from 2004 to 2018 were selected， and the grey prediction model GM1，1 was used to forecast the demand for agricultural products logistics in Xinghua city from 2019 to 2025. The prediction results showed that the demand for agricultural products logistics in Xinghua city was on the rise. Combined with the development status of agricultural products logistics， this paper analyzes the impact of COVID-19 on the demand for agricultural products logistics， and puts forward improvement suggestions for the problems exposed by the emergency in agricultural products logistics.

Key words： COVID-19; grey prediction model GM1，1; agricultural products logistics; demand forecasting

0? 引? 言

農產品物流是連接生產和消費的橋梁，也是居民生活的重要保障。農村農業部2021年發布的一號文件中也提出要保證重要農產品的有效供給，努力提升農產品產業鏈供應鏈的現代化水平，加強農產品流通體系的建設。但突如其來的新型冠狀病毒肺炎改變了短期經濟增長的軌跡，對各行業都造成了不可忽視的影響，對農產品物流行業來說，從上游對散戶農產品的收購、運輸，以及下游對農產品的包裝、銷售，每一個環節均面臨著人力不足、運力短缺的問題。城市的農產品供不應求，超市斷貨、價格飛漲，而農村的農產品供遠大于求，農產品市場出現需求和供應不匹配的供求矛盾。在此基礎上，新冠疫情必然對農產品物流需求造成巨大影響，通過對農產品物流需求進行預測，對物流資源進行合理配置，實現供求平衡，盡可能減少新冠疫情對農產品物流需求帶來的負面影響，對于農產品物流規劃以及充分實現物流系統的各項功能具有較強的現實意義。

1? 相關文獻回顧

近年來，國內外學者關于農產品物流需求的研究已有較多理論成果，現階段主要聚焦于以下三方面：一是關注農產品物流需求影響因素的研究。李雋波（2011）等分析了地區生產總值、產業結構比例、物流流通率等七個指標對農產品物流的解釋程度[1]。周海霞（2012）等認為農產品物流需求的影響因素主要包括：宏觀經濟政策、自然資源稟賦、信息技術發展、消費者消費水平及偏好等[2]。二是關注農產品物流需求預測方法的研究。國外研究主要集中于以貨運量為指標進行預測，同時不斷優化預測方法，國內針對物流需求預測的研究從2006年開始普遍增多，常用的基本模型包括灰色模型法、神經網絡法、投入產出法、回歸分析法等。王曉平（2019）借助遺傳BP神經網絡模型（GA-BP）對北京城鎮農產品冷鏈物流需求進行預測[3]。楊麗英采用灰色GM1，1模型對崇左農產品冷鏈物流需求進行預測[4]。劉玲（2020）采用權重組合分配方法對普洱市農產品冷鏈物流需求進行預測[5]。三是關注農產品物流需求量的研究。當前對于農產品物流需求沒有專門的統計數據可供參考，學者們多選取與農產品物流密切相關的指標作為替代數據，范榮華（2011）依據人均食物需求量以及人口數量測算出需要消耗的農產品總

量[6]。李夏培（2017）選用北京市農產品物流總額以反映北京市農產品物流需求[7]。王秀梅（2018）選取農產品的銷量作為代替變量進行研究[8]。

在農產品物流需求研究的基礎上，灰色預測模型有其對數據量需求低、算法簡單，對于系統的行為特征值的發展變化趨勢預測精度高等優點，本文將選取灰色預測模型GM1，1進行農產品物流需求預測。參考王新利（2010）、惠春梅（2011）等學者對農產品物流需求指標的選取[9-10]，采用農產品總產量減去農村居民農產品消耗量，得到的值作為農產品物流需求量。通過對農產品物流需求量的預測，判斷農產品物流需求的發展趨勢，便于政府將物流資源合理配置，為農產品物流發展和規劃提供理論依據。

2? 預測模型構建

2.1? 灰色預測模型GM1，1

（1）確定原始數據序列

xk=x1，x2，…，xm， k=1，2，…，m

將原始數據序列累加生成序列數據序列為：

xk=x1，x2，…，xm， k=1，2，…，m? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

其中：xi=xj， j=1，2，…，n。

（2）構造累加矩陣B和常數項Yn

B=， Yn=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

（3）利用最小二乘法解灰參數

=a，b=BBBY? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

（4）建立白化微分方程

+ax=b? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

（5）將系數a、b代入式（4）并求解，得到GM1，1預測模型

k+1=x1-e+， k=1，2，…，m? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

（6）對k+1計算值做累減得到原始數據值為

k+1=k+1-k， k=1，2，…，m? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（6）

2.2? 檢驗模型

GM1，1模型采用殘差檢驗和后驗差檢驗方法來檢驗。

殘差檢驗主要用來判斷誤差變化狀態，包括絕對誤差和相對誤差兩種：

絕對誤差：Δi=xi-i

相對誤差：=φ

平均相對誤差：φ=

一般認為<0.05，殘差檢驗通過，該模型可以用來預測。

后驗差檢驗是根據預測值和實際值之間進行模型精度檢驗的方法。具體步驟如下：

（1）計算原始序列的均值和均方差

=xi

S=

（2）計算絕對誤差序列Δ的均差和均方差

=Δi

S=

（3）計算均方差比C

C=

（4）計算小誤差概率P

P=PΔi-<0.6745S

后驗差檢驗中的兩個指標C和P，其中前者越小越好，后者越大越好。表1為GM1，1模型精度檢驗等級參照表。

3? 預測結果分析

3.1? 數據收集

興化作為典型的農業大市，農業資源優勢明顯，因地制宜發展特色農業，在農產品物流方面具有較強的代表性，故選取興化市作為研究對象。通過查找《泰州統計年鑒》（2005～2019）獲取2004～2018年興化市主要農產品總產量、農村常住人口數量、農村居民每人主要農產品消耗量等數據，從而計算出農產品物流需求量。表2為2004～2018年興化市主要農產品總產量、農村居民農產品消耗量及農產品物流需求量計算過程。

3.2? 預測值求解及精度檢測

根據表2的數據，借助軟件MATLAB R2016a，運用灰色預測模型GM1，1對興化市農產品物流需求量進行預測，并進行精度檢驗，檢驗結果如表3所示。其中C=0.4278，P=0.8001，平均誤差率為0.00347，參照表1模型精度檢驗等級參照表，可以看出其預測精度為二級，因此該模型可以對興化市未來7年的農產品物流需求量情況進行預測。用GM1，1模型對興化市未來7年的農產品物流需求量情況進行預測，得到的預測結果如表4所示，預測增長曲線如圖1所示。

4? 結論與建議

通過運用灰色預測模型對興化市2019～2025年農產品物流需求量的預測，興化市近十多年農產品物流需求量整體呈上升趨勢，然而新冠疫情的突發導致需求的突變、運力資源短缺、網絡的阻斷以及最后一公里配送的運作和安全性挑戰等眾多問題，引發農產品市場供需不匹配的矛盾，造成農產品物流需求量減少。針對此次突發事件中暴露出來的農產品供應鏈不完善，農產品采購、包裝、倉儲、運輸和配送等環節缺乏高效的組織和協調等問題提出以下建議。

（1）加強基礎設施建設

將“傳統基建”與“新型基建”相結合。傳統基建指用于冷藏保鮮、倉儲運輸等傳統基礎設施的建設，是維持農產品供應鏈基本運作的前提。加強冷鏈物流設施的建設，并建立一套農產品從生產到運輸再到銷售等全冷鏈過程實時監控的信息平臺，有效降低農產品的損耗率，加強道路、倉儲等基礎設施的建設則可以有效降低物流成本。其次，加快5G基站、大數據中心等新型信息基礎設施的建設，推進信息技術與農業融合發展，促進傳統農業向智慧農業的轉型升級。

（2）減少物流配送環節

目前我國農產品流通大部分仍是以批發市場模式為主，產地分散，從農戶到最終消費者過程中涉及物流環節眾多。減少中間銷售流通環節，避免中間商的層層加價，實現農產品原產地與電商平臺的直接溝通，建立農產品直銷信息查詢平臺，產地直發，建立新型城鄉配送體系。既可拓寬農產品銷路、提高配送效率，還可有效降低農產品物流成本。

（3）搶抓電商發展機遇

此次疫情的爆發，也給農產品電商市場帶來新的機遇。消費者選擇網絡渠道購買農產品比重上升，政府對農產品電商的認可度大幅提高，生鮮農產品電商呈現爆發式增長趨勢。借此契機，推動農產品電商的改造升級，解決生鮮電商發展過程中面臨的質量保證、成本控制等關鍵問題，促進生鮮電商長期、穩定、高質量發展。

（4）建立應急物流協調機制

針對災情的突發性和急迫性，建立多方聯動應急物流響應機制，以政府為主導，多方企業、組織參與協助，不定期演練，確保意外發生時可以迅速反應，合理應對。構建應急物流信息服務管理平臺，及時溝通實現信息共享，提高其抵御物流行業市場風險的能力。加強對專業人才的教育和培養以及相關人員專業知識、技能的綜合培訓，提升全員的整體素質，利于專業團隊的建設。

參考文獻：

[1] 李雋波，孫麗娜. 基于多元線性回歸分析的冷鏈物流需求預測[J]. 安徽農業科學，2011，39（11）：6519-6520，6523.

[2] 周海霞，韓立民. 我國水產品冷鏈物流需求分析及政策建議[J]. 中國漁業經濟，2012，30（4）：19-23.

[3] 王曉平，閆飛. 基于GA-BP模型的北京城鎮農產品冷鏈物流需求預測[J]. 數學的實踐與認識，2019，49（21）：17-27.

[4] 楊麗英，黃婧蘭. 基于GM1，1模型的崇左農產品冷鏈物流需求預測分析[J]. 物流工程與管理，2020，42（10）：132-136.

[5] 劉玲，譚輝. 基于權重組合分配預測方法的普洱市農產品冷鏈物流需求預測分析[J]. 物流科技，2020，43（9）：1-5，14.

[6] 范榮華. 南陽市中心城區農產品物流需求探析[J]. 安徽農業科學，2011，39（2）：1224-1225.

[7] 李夏培. 基于灰色線性組合模型的農產品物流需求預測[J]. 北京交通大學學報（社會科學版），2017，16（1）：120-126.

[8] 王秀梅. 基于權重分配組合法的農產品冷鏈物流需求趨勢預測[J]. 統計與決策，2018，34（9）：55-58.

[9] 王新利，趙琨. 基于神經網絡的農產品物流需求預測研究[J]. 農業技術經濟，2010（2）：62-68.

[10] 惠春梅，李嚴鋒，曹杰，等. 組合預測法下的云南特色農產品物流需求預測及分析[J]. 物流技術，2011，30（3）：79-81.