生鮮農(nóng)產(chǎn)品需求預(yù)測方法綜述

魏 鋒，郭校飛 WEI Feng, GUO Xiaofei

（廣西科技大學(xué) 經(jīng)濟與管理學(xué)院，廣西 柳州 545006）

0 引 言

隨著消費水平的不斷提高，人民對生鮮農(nóng)產(chǎn)品的需求也在不斷提升，希望在滿足量的基礎(chǔ)上也滿足質(zhì)的要求。但生鮮農(nóng)產(chǎn)品作為一種需求量大的易腐產(chǎn)品難以兼顧質(zhì)量和成本，有效供給不足或過剩供給損耗不僅帶來經(jīng)濟損失，更是會造成民眾信任度缺失。如何能夠使得生鮮農(nóng)產(chǎn)品供需均衡就成為學(xué)界熱點問題，許多學(xué)者對此研究后發(fā)現(xiàn)，不確定性導(dǎo)致了供給不均衡，而需求預(yù)測可以有效減少不確定性。

需求預(yù)測是利用歷史數(shù)據(jù)，采用恰當?shù)目茖W(xué)分析方法，得出需求期望水平。企業(yè)可以通過預(yù)測結(jié)論指導(dǎo)生產(chǎn)、經(jīng)營等活動。粗放型經(jīng)濟市場背景下，供給方占據(jù)主導(dǎo)地位，擴大產(chǎn)能才是研究的主流，而且數(shù)據(jù)分析方法的制約，導(dǎo)致很長時間采用基于統(tǒng)計學(xué)方法的需求預(yù)測。而隨著買方市場到來，其環(huán)境的復(fù)雜化和需求的多樣化給生鮮農(nóng)產(chǎn)品市場帶來巨大的庫存壓力，常規(guī)的需求預(yù)測難以把握市場先機。因此，尋求數(shù)據(jù)處理更快、預(yù)測進度更高、泛化能力更強的預(yù)測模型成為當務(wù)之急。

1 生鮮農(nóng)產(chǎn)品需求的預(yù)測方法

1.1 定性預(yù)測方法

定性預(yù)測法是指預(yù)測者依靠擁有豐富行業(yè)經(jīng)驗及綜合分析能力的人員和專家，運用個人經(jīng)驗和分析能力，考慮不可量化因素的影響，對數(shù)據(jù)進行收集、分析、討論和總結(jié)，進而綜合各方意見得到預(yù)測結(jié)果。目前較為常用的定性預(yù)測法有德爾菲法、評判意見法、主觀概率法等。

定性預(yù)測法依賴專家的直觀判斷，有如下優(yōu)點：首先，預(yù)測結(jié)果是基于充分的信息分析判斷得出，能夠很好兼顧不可量化因素。其次，預(yù)測方法的制定者往往也是使用者，在預(yù)測過程中能夠找到關(guān)鍵問題。最后，偏向于事物發(fā)展在性質(zhì)方面的預(yù)測，具有較強靈活性，在歷史數(shù)據(jù)較少的情況下，也能實現(xiàn)快速預(yù)測。相應(yīng)的是定性預(yù)測法最大的缺點，即易受主觀因素影響，數(shù)量預(yù)測精準度不盡人意。生鮮農(nóng)產(chǎn)品作為需求量大且易腐的商品，數(shù)量預(yù)測誤差背后是巨大的成本，因此在生鮮農(nóng)產(chǎn)品預(yù)測中鮮有單獨使用定性預(yù)測法，而是將其作為定量預(yù)測法的輔助工具。

1.2 定量預(yù)測方法

定量需求預(yù)測是通過數(shù)學(xué)模型、統(tǒng)計方法或機器學(xué)習(xí)算法等手段來預(yù)測未來某個時間段內(nèi)的需求量，其核心是通過歷史數(shù)據(jù)來預(yù)測未來的需求量。現(xiàn)常根據(jù)建模理念的不同，將定量預(yù)測區(qū)分為基于統(tǒng)計學(xué)的預(yù)測方法和基于機器學(xué)習(xí)的預(yù)測方法?；诮y(tǒng)計學(xué)的預(yù)測方法傾向于找出變量間關(guān)系或從數(shù)據(jù)得出推論，而基于機器學(xué)習(xí)的預(yù)測方法則更傾向于數(shù)據(jù)預(yù)測的精準度。

1.2.1 基于統(tǒng)計學(xué)的預(yù)測方法

傳統(tǒng)的生鮮需求預(yù)測研究主要是基于統(tǒng)計學(xué)進行建模。研究通過數(shù)據(jù)分析變量間關(guān)系，建立合適的數(shù)學(xué)模型，進而探究其中的規(guī)律和趨勢。在數(shù)據(jù)分析階段，研究對象的不同導(dǎo)致使用統(tǒng)計學(xué)方法的不同，預(yù)測方法也基于此分為時間序列分析和因果分析兩類。

基于統(tǒng)計學(xué)的預(yù)測方法通過數(shù)據(jù)分析變量間關(guān)系，建立合適的數(shù)學(xué)模型，進而探究其中的規(guī)律和趨勢。在數(shù)據(jù)分析階段，研究的對象不同導(dǎo)致采用的統(tǒng)計學(xué)方法不同，因此預(yù)測方法也基于此分為時間序列分析和因果分析兩類。

（1） 時間序列分析

時間序列分析是基于數(shù)據(jù)分析，將數(shù)據(jù)分解為趨勢、周期、時期和不穩(wěn)定性因素，研究其背后現(xiàn)象的變化規(guī)律，常用的時間序列方法包括ARIMA、指數(shù)平滑法、時間序列分解等。生鮮需求具有周期性等特點，同時歷史數(shù)據(jù)易得，因此時間序列模型常被用作生鮮的需求預(yù)測。楊浩雄、胡靜[1]為解決供需不平衡的問題，通過建立ARIMA 模型對生鮮需求進行預(yù)測，得到較好的短期預(yù)測結(jié)果。

時間序列方法使用數(shù)據(jù)少，且預(yù)測較依賴于近期數(shù)據(jù)，因此適合解決中短期的周期趨勢問題。但預(yù)測方法不考慮因果關(guān)系，預(yù)測結(jié)果僅為歷史數(shù)據(jù)的延伸，外界因素變動會導(dǎo)致預(yù)測出現(xiàn)較大誤差。

（2） 因果分析

因果分析作為對傳統(tǒng)的需求預(yù)測中因果關(guān)系的補充，可以清晰看出自變量對于需求的影響大小，方便調(diào)控變量以影響需求。丁松[2]分析生鮮農(nóng)產(chǎn)品需求特點，決定以新鮮度和單位價格作為自變量，提出更加符合實際和有效的需求預(yù)測模型。李俊瑜[3]通過SWOT 法探析福建省生鮮物流現(xiàn)狀，以多元線性回歸構(gòu)建物流需求模型，驗證正向影響生鮮物流需求的因素。

因果分析對變量篩選處理有很高的要求，如變量對需求的因果關(guān)系不清、變量間高度相關(guān)。這些都限制了因果分析在生鮮預(yù)測方面的應(yīng)用，因此相關(guān)研究集中在需要調(diào)控變量的庫存決策中。

綜上，基于統(tǒng)計學(xué)的需求預(yù)測方法更傾向解釋變量關(guān)系，并不適用于周期短、波動大的生鮮預(yù)測研究，因此研究者提出預(yù)測精度更好的方法。

1.2.2 基于機器學(xué)習(xí)的預(yù)測方法

信息化時代給我們帶來海量信息，傳統(tǒng)的統(tǒng)計學(xué)方法無法準確區(qū)別其中噪聲和信息，且難以運算處理這些數(shù)據(jù)。而隨著算力和算法的突破，機器學(xué)習(xí)通過大量數(shù)據(jù)自主訓(xùn)練模型，可以較好地提取特征，而且預(yù)測的精度更高，因此被廣泛應(yīng)用到生鮮需求預(yù)測中。

常用的機器學(xué)習(xí)算法有神經(jīng)網(wǎng)絡(luò)和支持向量機。徐曉燕等[4]構(gòu)建多種神經(jīng)網(wǎng)絡(luò)對山東省生鮮農(nóng)產(chǎn)品需求進行預(yù)測，得出LSTM 模型準確率和性能更優(yōu)的結(jié)論。張姣姣[5]去除自變量間的共線性，然后將提取的因子作為BP 神經(jīng)網(wǎng)絡(luò)的輸入，發(fā)現(xiàn)改進后的模型收斂速度有顯著提升。王曉平、閏飛[6]將遺傳算法同BP 神經(jīng)網(wǎng)絡(luò)結(jié)合，對北京生鮮農(nóng)產(chǎn)品需求進行預(yù)測。呂旺[7]使用模糊信息?；椒▽ιr銷量數(shù)據(jù)進行子序列劃分，改進后的支持向量機同ARIMA、BP 神經(jīng)網(wǎng)絡(luò)和LSTM 對比，模型誤差更小。

就生鮮而言，單一預(yù)測方法中應(yīng)用最為廣泛的是ARIMA 法和神經(jīng)網(wǎng)絡(luò)法。兩者在處理短期預(yù)測方面都有著良好表現(xiàn)。但由于單一預(yù)測方法處理信息的局限性，長期預(yù)測結(jié)果和魯棒性并不理想。

1.3 組合預(yù)測

組合預(yù)測根據(jù)預(yù)測目標，對多種預(yù)測方法進行組合或改進，可以實現(xiàn)優(yōu)勢的結(jié)合，提高模型預(yù)測的效果。因此現(xiàn)在生鮮需求預(yù)測研究多采用組合預(yù)測，王少然[8]以三個單項預(yù)測模型的預(yù)測作為輸入，建立支持向量回歸模型，對天津市生鮮農(nóng)產(chǎn)品冷鏈物流發(fā)展進行研究。張繼良[9]通過Shapley 法對三種預(yù)測模型組合研究山東生鮮發(fā)展趨勢。張炎亮、代沛沛[10]對生鮮電商平臺評論提取感知影響因素，構(gòu)建多變量支持向量回歸需求模型，結(jié)果更貼合實際需求。李宵香[11]通過Lasso 篩選影響較小的變量，構(gòu)建Lasso-BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型，針對新冠疫情常態(tài)化下的生鮮物流發(fā)展提出對策和建議。

2 生鮮需求預(yù)測發(fā)展趨勢

需求預(yù)測對我國生鮮行業(yè)發(fā)展起到了關(guān)鍵作用，但不可否認的是，短期內(nèi)需求預(yù)測體系很難出現(xiàn)實質(zhì)性的變革?，F(xiàn)階段，研究更多考慮的是復(fù)雜環(huán)境下，如何處理模型中的不確定性和動態(tài)性因素。

（1） 組合預(yù)測方法是生鮮需求預(yù)測發(fā)展的主要方向。大量研究表明在面對復(fù)雜環(huán)境，組合預(yù)測模型一般比單一預(yù)測模型表現(xiàn)更優(yōu)異。組合預(yù)測根據(jù)預(yù)測目標，對模型過程進行拆分，取每個環(huán)節(jié)的最優(yōu)處理，然后再結(jié)合成整體，這樣在保證較高模型效果同時，還能有效降低系統(tǒng)風(fēng)險。同時單一模型求最優(yōu)解能力和對其他模型的修正能力逐漸被發(fā)現(xiàn)，有效提高了組合預(yù)測模型的精準度，極大地豐富了組合預(yù)測研究。

（2） 建立與經(jīng)營管理相結(jié)合的預(yù)測模型?，F(xiàn)有的需求預(yù)測模型評價是建立在檢驗集的擬合效果上的，短期都有著較高的精準度。但現(xiàn)實的需求有時間、成本、可得性等諸多限制因素，預(yù)測者難以篩選出關(guān)鍵影響因素，往往會導(dǎo)致模型脫離實際。管理者作為經(jīng)營管理的決策者，有著豐富的經(jīng)驗和分析能力，使得管理者參與模型建立，不僅可以準確把握影響因素，而且基于這些因素建立的模型通過指導(dǎo)管理者的決策，反饋到實際生產(chǎn)運營。

（3） 跨學(xué)科專業(yè)知識會對需求預(yù)測提供新的研究思路。隨著市場環(huán)境日趨復(fù)雜，被動的需求預(yù)測已經(jīng)難以應(yīng)對占據(jù)市場主導(dǎo)地位的消費者。因此通過跨學(xué)科知識，深入挖掘數(shù)據(jù)后的信息，建立以消費者需求為導(dǎo)向的需求預(yù)測的研究逐漸增多。比如學(xué)者們通過前景理論等組織行為學(xué)方法分析人的行為和心理，考慮非理性因素的影響，使得需求預(yù)測更貼合實際。

3 結(jié)束語

不確定性是影響需求的重要因素，而且銷售模式、商品特性等因素都為生鮮需求預(yù)測提出新的要求，通過精準需求預(yù)測降低成本仍是研究熱點。因此，本文對文獻進行整理，以期為后續(xù)研究發(fā)展提供新思路。