江西省農產品冷鏈物流需求預測分析

文/易江 杜艷

文章選取江西省2016~2020年的農產品冷鏈物流需求量作為原始數據，通過構建GM（1，1）和指數平滑法的組合預測模型，對2021~2025年江西省農產品冷鏈物流需求進行預測分析，以此為江西省冷鏈物流的發展提供數據參考及發展建議。

1.引言

農產品冷鏈物流是指將肉類、禽類、水產品、蔬菜、水果和蛋類等生鮮農產品從產地采收后，在加工、儲存、運輸、配送和銷售等各個環節中均處于低溫條件下，是保證農產品質量，減少農產品損耗的一項物流保鮮系統工程。江西是傳統的農業大省，優越的地理環境和氣候條件，使得江西省農產品資源豐富。江西省農產品的產量大且呈逐年增長趨勢，但損耗較為嚴重，尤其是在許多山區地區，由于交通基礎設施的不完善，大部分農產品都不能往外銷售，造成了較大的損耗。中國農產品損耗率基本在20%~30%，而在發達國家農產品的損耗率一般控制在5%以下，損耗的減少就是收益的增加。目前，江西省冷鏈物流現狀，難以滿足人們對生鮮農產品日益增加的需求。尤其是在疫情防控期間，生鮮產品和藥品的冷藏運輸需求增加為更明顯，加強冷鏈物流建設已經迫在眉睫。本文以江西省2013~2020年農產品產量為基礎數據，運用組合預測模型來預測其農產品冷鏈物流需求情況，為江西省冷鏈物流的發展規劃提供參考。為了保證研究數據的準確性和預測結果的有效性，本文原始數據均來源于江西省統計局和區域經濟發展年鑒。選取了江西省農產品中產量最大，最具代表性的蔬菜、水果、肉類、禽蛋和水產品這五類農產品的產量作為研究對象。2016~2020年江西省農產品冷鏈物流運輸產品總量分別為2343、2400、2478.1、2511.3、2603.8、2635.8、2670.2、2742.8萬噸。

2.江西省農產品冷鏈物流需求預測

江西省農產品冷鏈物流需求具有不穩定性，因此單個預測方法對其進行預測的效果可能并不顯著。本文通過構建GM（1，1）灰色預測和二次指數平滑法的組合預測模型，對江西省農產品冷鏈物流需求進行預測。在組合預測中，需要對單個預測模型進行賦權。誤差倒數法是一種操作簡便且準確性較高的權重確定方法。其運算原理就是根據單項預測方法預測值的均方誤差的大小來確定其權重，均方誤差越大，說明該預測模型的預測精度越低，在組合預測模型中所占的權重就越小。

2.1 GM（1，1）灰色預測。灰色預測法是通過少量的原有數據，建立數學模型并作出預測的一種預測方法，需要的原始數據少，預測值準確度高。當數據較少不完善時，該預測模型能夠在樣本數據規模要求不高的情況下，做出較好的預測結果，適合短期預測。因此，本文選取GM（1，1）預測模型對江西省農產品冷鏈物流需求進行預測。

2.1.1 GM（1，1）模型構建。假設在某段時間內有n個原始值，設原始時間數據列為X（0）={X（0）（1），X（0）（2），…，X（0）（n）}。將原始數列進行累加生成新的數據列為X（1）={X（1）（1），X（1）（2），…，X（1）（n）}。通過灰色理論構建GM（1，1）模型：X^（1）（k+1）=其中a，u為待解系數。經累減還原后得預測模型：X^（0）（k+1）=X^（1）（k+1）-X^（1）（k）

2.1.2 模型的檢驗。通過殘差檢驗法對預測結果進行檢驗。絕對殘差序列為（n）） 相 對 殘 差 序 列 為 Δ=平均相對誤差為模型精度：當Δˉ＜0.01時，模型精度為一級；當，模型精度為二級；當，模型精度為三級；當，模型精度為四級。

2.1.3 GM（1，1）灰色模型預測對總產量X（0）進行累加，得到新的數列為X（1）=（2343、2400、2478.1、2511.3、2603.8、2635.8、2670.2、2742.8）。用最小二乘法求出a，u，確定參數向量，得GM（1，1）預測模型為3228×e-0.0213k-110146.3228通過Matlab軟 件計 算，得 出2013-2020年江西省農產品冷鏈物流需求預測值、絕對殘差、相對殘差和平均相對誤差。如表1所示

表1 基于GM（1，1）模型的江西省農產品冷鏈物流需求實際值和預測值

2.2 二次指數平滑法。指數平滑法是一種所需樣本數據少，計算簡單，且預測結果較準確的預測方法。當原始數據呈明顯直線增長或下降變動趨勢時，應該使用二次指數平滑法。從2016~2020年江西省冷鏈物流運輸產品總量可以看出，數據呈明顯直線增長趨勢，所以應該使用二次指數平滑法進行分析預測。

2.2.1 模型構建。通過2016~2020年江西省冷鏈物流運輸產品總量來預測未來五年的需求。使用二次指數平滑法來進行預測，二次指數平滑法是在一次指數平滑法的基礎上再進行一次指數平滑，然后建立數學模型進行預測值的計算。一次指數平滑法公式為St（1）=αxt+（1-α）St-1（1），其中，St（1）為t時期的一次指數平滑值，xt為t時期的實際值，α為指數平滑系數。二次指數平滑法公式為St（2）=αSt（1）+（1-α）St-1（2），其中，St（2）為t時期的二次指數平滑值，初始預測值S0（1）=S0（2）=x1。二次指數平滑預測模型為其中，Yc+T為t時期的預測值，T為從t時期往后預測的期數。

2.2.2 二次指數平滑法預測。為了選出較為合適的指數平滑系數，指數平滑系數α分別取0.3，0.6，0.9進行計算。由一次指數平滑法計算結果可得，當指數平滑系數α=0.9時，絕對誤差最小。因此，進行二次指數平滑法計算時，選取0.9作為指數平滑系數。計算2013~2020年江西省農產品冷鏈物流需求一次指數平滑預測值分別為2407.03、2400.70、2470.36、2507.21、2594.14、2631.63、2666.34、2735.15，二 次 指 數 平 滑 預 測 值 為2407.03、2401.34、2463.46、2502.83、2585.01、2626.97、2662.41、2727.88。將計算結果 帶入公式計算，得at=2742.42，bt=65.43，Yc+T=2742.42+65.43T。通過二次指數平滑模型對2021-2025年江西省農產品冷鏈物流需求進行預測，其預測結果分別為2807.85、2873.28、2938.71、3004.14、3069.57萬噸。

2.3 組合模型

2.3.1 模型構建。假設有m種單項預測方法，第i種預測方法在t時刻的預測值為fit，i=1，2，…，m，t=1，2，…，n。設單項預測方法的均方誤差分別為MSEn，則單項預測模型的權重因此，組合預測模型為

2.3.2 組合模型預測。通過計算可得GM（1，1）灰色預測模型的權重ω1=0.4258，二次指數平滑預測模型的權重ω2=0.5742。將權重帶入組合預測模型當中，計算2013~2020年江西省農產品冷鏈物流需求預測值。通過單項預測模型預測值和組合預測模型預測值的累計絕對誤差進行比較，判斷組合預測模型精度是否優于單項預測模型。由計算可得GM（1，1）和二次指數平滑法的累計絕對誤差分別為88.37和86.33，而組合預測的累計絕對誤差為56.2，要小于GM（1，1）和二次指數平滑法的累計絕對誤差。因此，組合預測模型預測準確度要優于單個預測模型，可以對2021~2025年江西省農產品冷鏈物流需求進行預測。其預測結果如表2所示。

表2 2021~2025年江西省農產品冷鏈物流需求組合預測值

3.結論與發展建議

3.1 結論。本文通過構建組合預測模型對2021~2025年江西省農產品冷鏈物流需求進行預測。據組合預測值可知，江西省農產品冷鏈物流需求呈現逐年遞增的趨勢，將在2025年突破3000萬噸，發展狀況良好。其預測值可為江西省相關部門戰略決策的制定提供理論依據。

3.2 發展建議

3.2.1 加強冷鏈物流基礎設施建設。江西省的冷鏈物流基礎設施設備陳舊，難以滿足農產品保存的需求，這是約束江西省冷鏈物流發展的重要原因。目前江西省內的冷庫數量少，冷藏條件差，據不完全統計，江西省冷庫容量合計200萬噸，人均冷庫容量低于全國平均水平15個百分點，在全國各地區排名中較后。同時，冷藏運輸車數量也存在明顯不足。建設現代化冷庫，增加冷藏運輸車，是推動江西省冷鏈物流發展的必要前提。

3.2.2 實現智能化冷鏈物流管理。隨著現代信息技術的快速發展，可以將大數據、物聯網等技術運用到冷鏈物流運輸當中，實現“互聯網+冷鏈物流運輸”，推動冷鏈物流運輸的更高效。使用智能化手段管理冷庫，可以最大限度地減少冷庫管理成本，也能夠保證產品更好的品質。構建省內冷鏈物流運輸的信息平臺，將產品運輸信息整合在一起，及時反映省內各個地方的冷鏈物流情況，便于信息的傳遞交流，最大程度地利用當地的冷鏈物流設備，降低農產品的損耗。

3.2.3 培養專業冷鏈物流人才。農產品冷鏈物流操作起來具有一定的難度，需要專業的人員進行管控，所以要加強冷鏈物流專業人才的培養。江西省普通高校有103所，其中本科層次45所，專科層次58所。在這些本科院校中設有物流專業的不足20所，物流專業設有冷鏈物流課程的更是少之又少。要加強高校中物流專業冷鏈物流知識的學習，培養迎合物流發展需求的實用性人才。同時，可以通過優惠政策引入高端冷鏈物流人才，通過專業化的管理控制，有效地推動江西省冷鏈物流進一步的發展。

3.2.4 實行綠色化管理。經濟的發展都不能以犧牲環境為代價，環境保護是每個人都應該履行的義務。在冷鏈物流運行過程中，冷庫制冷時氟利昂的排放，產品保鮮包裝袋，泡沫盒，都會對環境造成污染。江西省冷鏈物流的發展，應當注意綠色化管理，要實行冷庫制冷方法的改進，保鮮包裝材料的升級，通過使用環保的制冷方法和包裝材料，有效地減少對環境的污染。C