基于灰色預測模型的河南省多式聯運貨運量預測研究

摘" 要：河南省作為中國重要的交通樞紐和經濟中心，多式聯運貨運量的預測研究對于制定有效的交通運輸方案和物流戰略至關重要。文章采用灰色預測模型，結合河南省多式聯運貨運量的歷史數據，對未來一段時間內的貨運量進行了預測。該模型能夠有效處理數據中的不確定性和不完整性，提供較為可靠的預測結果。通過對預測結果的分析，模型平均相對誤差為0.967%，模型擬合效果良好。可以為河南省未來的交通運輸規劃和物流戰略制定提供重要參考。也有助于合理配置資源，優化運輸布局，提高運輸效率，從而推動河南省多式聯運的可持續發展。

關鍵詞：灰色預測模型；多式聯運；預測研究

中圖分類號：U294" " 文獻標志碼：A" " DOI：10.13714/j.cnki.1002-3100.2024.17.022

Abstract： Henan Province， as an important transportation hub and economic center in China， the prediction study of multimodal freight volume is crucial for formulating effective transportation plans and logistics strategies. This study uses the grey forecasting model， combining historical data on multimodal freight volume in Henan Province， to forecast freight volume for a certain period in the future. The model can effectively handle the uncertainty and incompleteness in the data and provide relatively reliable forecast results. Through the analysis of the forecast results， the average relative error of the model is 0.967%， and the model fitting effect is good. It can provide important reference for the future transportation planning and logistics strategy formulation in Henan Province. It is also helpful to rationally allocate resources， optimize transportation layout， improve transportation efficiency， and thus promote the sustainable development of multimodal transportation in Henan Province.

Key words： grey prediction model; multimodal transport; forecasting research

0" 引" 言

多式聯運能夠通過組合不同的運輸方式來完成貨物運輸，從而提高整體運輸效率和質量。而多式聯運貨運量的預測能夠在資源配置優化、物流規劃與布局、成本控制、決策支持等方面發揮重要的作用。多式聯運貨運量的有效預測不僅對于個體企業的運營決策有重要意義，也對整個物流體系的協調發展和社會經濟的可持續增長有深遠影響。

郭秋霞[1]依據黑龍江省近10年的貨物運輸量，利用灰色預測模型對黑龍江未來4年的貨運量進行預測，為黑龍江地區物流發展提供依據。針對集裝箱多式聯運貨運量預測準確性不足的問題，辜勇等[2]用網格搜索交叉驗證改進的隨機森林算法，以營口至武漢的多式聯運案例進行驗證。尹玥等[3]運用MATLAB軟件，采用灰色GM1，1模型，預測出農產品物流需求并對京津冀地區農產品物流需求進行科學分析，在相關政策實施的前提下對津冀兩地提出有效的農產品物流發展建議。李杰等[4]以蕪湖港2012—2019年的港口集裝箱貨運量數據為例預測模型并進行驗證，為蕪湖港未來的發展規劃提供一些合理的建議。彭麗潔等[5]將灰色預測模型與灰色馬爾可夫模型進行對比，后者預測精度更高，模型參考價值得到有效提升，為煙臺市鐵路各線路計劃的制定、掌握鐵路客運量發展規律提供理論參考和數據支撐。

綜上可見，已有學者對于物流運輸量進行預測，而對于多式聯運這一運輸方式的預測分析較少。為此，在前人的研究上利用灰色預測模型對河南省多式聯運貨運量進行預測分析，為河南省交通運輸和物流領域的決策提供了有力的決策支持，有助于應對未來的挑戰并抓住機遇。

1" 灰色預測模型GM1，1建立

2" 實證分析

2.1" 貨運總量情況

2021年，貨運市場進一步向好，河南省全省貨物運輸量25.5億噸，增長16.2%，貨物周轉量10 439.88億噸公里，增長20.1%。運輸結構不斷優化，公路貨運量占全省貨運總量的88.6%，同比增長16.9個百分點；鐵路貨運量占全省貨運總量的4.3%，同比增長3.3個百分點；水路貨運量占全省貨運總量的7.1%，增長15.8個百分點；航空貨運量35萬噸，同比增長10.2個百分點。

其中，河南省多式聯運運輸發展迅速，2022年相比2017年多式聯運貨運量翻了一番。2022年，河南省全省多式聯運量達78.2萬TEU，同比增長16.8%。2017—2022年河南省多式聯運貨運量及增長率如表1、圖1所示。

2.2" 河南省多式聯運貨運量預測

多式聯運貨運量采用灰色預測方法，首先將數據進行級比檢驗，來驗證采用灰色預測方法是否合適，結合SPSS軟件進行分析，得到最終的預測結果。

2.2.1" 級比檢驗

2.2.2" 灰色模型構建

從表3分析可以得到，后驗差比值為0.001，模型精度高。

2.2.3" 模型擬合預測

灰色預測模型GM1，1是基于歷史時期數據去預測未來時期數據：模型平均相對誤差為0.967%，意味著模型擬合效果良好。未來7年預測結果分別是92.125、108.849、128.610、151.957、179.543、212.137、250.648，如表4、圖2所示。

3" 小" 結

基于灰色預測模型GM1，1對河南省2023—2029年的多式聯運貨運量進行預測分析，由于受到主客觀因素的影響，如：經濟增長、政策變化、季節因素等，預測結果幾乎不可能與實際情況完全相同，不可避免存在一定程度的誤差，但該誤差較小，具有良好的預見性。

由預測結果可知，河南省多式聯運貨運量總體上呈現上升趨勢。由于河南省作為交通樞紐的地位越來越突出，擁有發達的多式聯運網絡，同時與周邊多個省份接壤，使其成為連接華北、華東、華南和西部地區的重要交通樞紐，但也面臨一些問題和挑戰，如：運輸模式不平衡、物流基礎設施不足、信息不對稱等。政府和相關部門可通過制定政策，鼓勵各種運輸方式的協調發展，避免某些運輸方式過度競爭，導致不平衡的問題出現；優化銜接和信息流，提高整體運輸效率；加強物流基礎設施建設，提高運輸環節的效率。采取具體措施逐步解決河南省多式聯運中存在的問題，進一步發揮其交通樞紐和物流中心的作用，提高貨運效率和服務質量。

參考文獻：

[1] 郭秋霞. 基于灰色預測模型的黑龍江省貨運量預測[J]. 中國物流與采購，2023（11）：116-117.

[2] 辜勇，楊澤昭. 基于隨機森林的集裝箱多式聯運貨運量預測[J]. 武漢理工大學學報，2023，45（1）：35-44.

[3] 尹玥，陳宇婷. 基于灰色預測的京津冀地區農產品物流需求分析[J]. 湖北農業科學，2023，62（1）：214-218，223.

[4] 李杰，寧帥峰. 基于灰色預測模型的蕪湖港集裝箱吞吐量預測分析[J]. 中國儲運，2022（8）：95-96.

[5] 彭麗潔，邵喜高，黃萬明. 基于灰色馬爾可夫模型的煙臺市鐵路客運量預測研究[J]. 魯東大學學報（自然科學版），2022，38（1）：50-56.

[6]" CHRISTIAN K， YOUNG S K， KYU D K， et al. Assessing and predicting mobility improvement of integrating bike-sharing into multimodal public transport systems[J]. Transportation Research Record， 2021（11）：204-213.

[7]" OLEG E， KIRILL T， DMITRY K， et al. Strategic forecasting of multimodal container traffic basing on transport and economic balance of the Russian federation[J]. Journal of Physics： Conference Series， 2021（1）：012134.

[8] 王言，宮薇薇，丁小東. 基于灰色預測法-產運系數的鐵路冷鏈運量預測方法研究[J]. 鐵道貨運，2021，39（12）：73-79.

[9] 劉淋. Spss數據回歸分析與灰色預測[J]. 數學學習與研究，2021（29）：136-137.

[10] 徐新華，李驥，馮宇欣，等. 基于灰色理論的建筑需求冷量預測研究[J]. 暖通空調，2021，51（8）：64-69.

[11] 謝英. 基于時間序列和灰色預測的原煤產量預測[J]. 煤炭技術，2021，40（6）：221-224.

[12]" BO X Y. A novel extrapolation-based grey prediction model for forecasting China's total electricity consumption[J]. Mathematical Problems in Engineering， 2021，2021：1-9.

[13]" XINYUAN W， YUJIA W， XIAOHAN X. Research on wasp population based on gray prediction and fuzzy analytic hierarchy process[J]. Journal of Physics： Conference Series， 2021，1952（4）：042071.

[14] 何梅，王宏波，李茶. 廣西貴港港集裝箱吞吐量灰色模型預測[J]. 中國水運，2020（12）：101-103.

[15] 嚴雪晴，曹智清. 基于灰色預測模型的深圳港吞吐量預測[J]. 中國儲運，2023（5）：121-123.

[16] 白雪飛. 基于灰色馬爾科夫模型的黃驊港吞吐量預測[J]. 科技創新與應用，2022（30）：56-58.