基于組合模型的浙江省物流需求預測

摘 "要：在物流業的發展中，物流需求的預測和分析是進行物流資源分配和規劃的重要依據，做好物流需求的預測才能更好地使物流服務的需求和供給達到一個相對平衡的狀態，從而進一步加快物流業的發展。組合預測相對于單一預測模型會更精準，因此文章分別使用灰色GM1，1模型、線性回歸模型以及ARIMA模型進行預測，并使用方差倒數給三種預測模型賦予權重，最終建立組合預測模型。最后，文章還依據浙江省過去的物流需求趨勢給出了一些建議，旨在進一步加強浙江省的物流發展。

"關鍵詞：物流需求預測；灰色預測；線性回歸；時間序列；組合預測

"中圖分類號：F272 " "文獻標志碼：A " "DOI：10.13714/j.cnki.1002-3100.2024.23.006

Abstract： In the development of the logistics industry， the prediction and analysis of logistics demand is an important basis for the allocation and planning of logistics resources， and the prediction of logistics demand can better make the demand and supply of logistics services reach a relatively balanced state， thereby further accelerating the development of the logistics industry. Combinatorial prediction is more accurate than a single prediction model， so this paper uses the grey GM1，1 model， linear regression model and ARIMA model to make predictions， and uses the reciprocal variance to assign weights to the three prediction models， and finally establishes the combined prediction model. Finally， this paper also gives some suggestions based on the past logistics demand trends in Zhejiang Province， aiming to further strengthen the logistics development of Zhejiang Province.

Key words： logistics demand forecast; grey prediction; linear regression; time series; combined forecasting

0 "引 "言

近年來，經濟全球化的高速發展對物流行業高水平建設的要求逐步提高，從日常網絡購物到國際物流業務，物流業不僅極大的提升了人們的生活質量，而且高效緩解了由于距離原因而造成信息不對稱的問題，大大推動了社會的經濟發展[1]。當前我國正處于“十四五”規劃的重要時期，各城市均已制定了現代物流業發展“十四五”規劃，在規劃中，物流需求預測是研究的重要內容，是制定物流業發展目標的關鍵所在[2]。對浙江省物流需求進行定量的預測，可以準確規劃物流系統的能力與建設規模，防止出現物流需求與供應不平衡的現象，以進一步推動物流業的健康發展。

1 "單一預測模型分析

1.1 nbsp;預測指標和數據的選取

"物流需求是指社會生產行為和消費行為在一定范圍內引起的一定時期內各種物流活動的總和，包括運輸和倉儲等多種環節。通常會用實物量指標與價值指標來衡量物流的需求，例如貨運量、貨物周轉量和物流成本、物流收益等。由于價值指標的數據沒有實物量指標的數據可獲得性強，因此本文采用實物量指標即貨物周轉量來衡量物流需求[3]。雖然運輸業務不能完整的代表物流需求，但是它存在于物流作業的各個過程中，因此運輸量的結果在一定程度上可以表征物流需求。其中，貨物周轉量包括運輸量和運輸距離，能綜合反映運輸作業的結果，表征物流需求，因此本文選取2010—2022年浙江省的貨物周轉量來進行物流需求的預測，如表1所示。

1.2 "灰色預測

1.2.1 "模型建立

"在建模前，需要對所要研究的數列進行GM1，1模型的可行性判斷，數據是否適用于此模型的標準就是此數據的數列級比都必須被可行區間e，e覆蓋，否則，則需要對此數據相關處理，直至變換后的新數列被可行區間所覆蓋。本文的可行區間為：e，e=0.846，1.181n=11，計算得出原始數據的序列級比并沒被可行區間完全覆蓋，因此對原始數據進行累加平移變換，所得新數據序列為

（4）將求得的參數值帶入一階微分方程，求解微分方差得到GM1，1的模型中發展系數a=-0.019，灰色作用量b

=21 217.129 5；后驗差比C值0.042小于0.35，表明模型精度等級非常好。另外，小誤差概率p值為1.000lt;1.0，意味著模型精度很好。

（5）由于2010年的數據作為初始量不做預測，因而可得2011—2022年模擬值，如表2所示。

1.2.2 "模型檢驗及預測結果

由表2可知，模型構建后可對相對誤差和級比偏差值進行分析，驗證模型效果情況；模型相對誤差值最大值0.080小于0.1，表明模型擬合效果達到較高要求；針對級比偏差值，該值小于0.2說明達到要求，若小于0.1則說明達到較高要求；模型相對誤差值最大值0.160小于0.2，表明模型擬合效果達到要求。

1.3 "ARIMA預測模型分析

圖1顯示，浙江省貨物周轉量的數量隨著時間的推移呈整體上升趨勢，但部分年份稍有回落，因此該數據為非平穩序列。為保證后期模型的擬合度，首先對原始序列進行單位根檢驗ADF。檢驗結果為：原始序列P值=0.825gt;0.1，且T統計量-0.778的絕對值小于1%水平下的臨界值-4.138的絕對值，所以應在1%的顯著性水平下接受原假設，即該序列為非平穩序列。由于ARIMA模型只支持平穩序列，因此要對原序列進行一階差分，再利用Spss軟件對差分后的序列進行單位根檢驗。計算結果可得在差分為2階時，顯著性P值為0.000 5，水平上呈現顯著性，拒絕原假設，該序列為平穩的時間序列[3]。

對時間序列進行偏差分析（自相關分析），根據截尾情況估算其p、q值。基于AIC信息準則自動尋找最優參數，模型結果為ARIMA模型0，1，1檢驗表。從Q統計量結果分析可以得到：Q在水平上不呈現顯著性，不能拒絕模型的殘差為白噪聲序列的假設，同時模型的擬合優度R為0.921，模型表現優秀，模型基本滿足要求。模型結果為ARIMA模型0，1，1檢驗表且基于2差分數據，公式如下：

yt=551.84+0.835*εt-1

1.4 "線性回歸分析

1.4.1 "指標選取與基礎數據

地區或國家的物流發展水平與整體經濟水平之間有著密不可分的聯系，經濟水平會帶動物流的發展，相反，高效的物流體系會推動經濟的發展，二者相輔相成。

"物流需求是在一定價格水平條件下，有支付能力的物流需要，因而物流需求的實現與社會經濟發展息息相關，這種聯系不論是從短期還是長期來看都是有一定規律可循的，因此物流需求與社會經濟發展之間定然存在較強的相關性。基于此，在對區域物流需求進行預測時，應先分析預測區域經濟的發展狀況，同時也要實事求是，根據自身的經濟狀況和發展特點，將區位和產業優勢充分結合起來，采用“定性+定量”的方法進行分析，科學合理的對物流需求發展水平進行預測[4]。因而此模型只考慮相關性最強的一個指標來進行貨物周轉量預測。通過相關性分析發現，地區生產總值（GDP）與貨物周轉量的相關系數為0.957，較其他指標而言具有較強的相關性，因此決定采用2010—2022年的地區生產總值（GDP）數據來預測相關年份的貨物周轉量，如表3所示。

1.4.2 "模型建立及預測結果

本文采用線性回歸（最小二乘法）方程進行回歸分析，選取2010—2022年浙江省生產總值數據作為自變量，貨物周轉量作為因變量。經計算得出，模型擬合度R為0.957，表示二者擬合良好，同時通過F檢驗（F=245.785，p=0.000lt;0.05）也表明GDP一定會對貨物周轉量產生影響聯系，即可采用此模型對浙江省未來五年的貨物周轉量進行預測。預測方程為：

y=ax+b=4 681.173+0.115x

式中：y表示因變量貨物周轉量；b表示方程常數項；a表示自變量回歸系數；x表示自變量地區生產總值。本文依據2010—2022年的浙江省生產總值，用線性回歸方程對2011—2022年浙江省生產總值進行預測，其模型擬合度R為0.983，模型擬合良好，可用于預測，預測方程為：

y=ax+b=4 144.428x-8 305 084.024

1.5 "單一模型預測結果分析

通過上述三種模型的分析計算，可以分別得到2023—2027年的貨物周轉量的預測值，如表4所示。

由表4三種單一模型的預測結果來看，2023—2027年間，浙江省的貨物周轉量均呈現逐年上升的趨勢，三種模型間的數據結果較為接近，但這三種模型的預測機理不同，且都較為單一，預測值會出現差異，因此為了更好預測浙江省的物流需求，本文將采用組合模型進行預測。

2 "組合模型預測

2.1 "模型組合方法選取

模型組合是采用線性或非線性的方法將兩種以上的預測模型結果進行加權計算，從而得到一組綜合所有單一模型預測結果的預測數據，這一過程中的關鍵點就在于如何科學合理的對各個模型賦予相應的權重，方差倒數法、標準差法、有效度法等是在計算相應權重的過程中使用的次數最多的方法[5]。本文選用方差倒數法對單一模型的權重系數進行計算，具體計算公式如下[6]：

2.2 "單一模型權重計算

通過對比2010—2022年的三種預測模型的預測值與實際值，采用方差倒數法的計算公式，可分別得到灰色GM1，1預測模型、線性回歸預測模型以及時間序列預測模型的權重系數，見表5，得到最終的組合預測模型為：

2.3 "模型組合計算分析

以2010—20222年貨物周轉量作為研究對象，將上述三種模型各自的預測值帶入組合預測模型，得到組合模型的預測結果，并與實際值進行對比，得到組合模型的平均相對誤差為0.024，灰色GM1，1預測模型、線性回歸預測模型以及時間序列預測模型各自的平均誤差分別為0.031、0.039、0.033。對比可知，組合模型的預測精度有較大的提高，該模型可對浙江省的物流需求（貨物周轉量）進行有效的預測，將2023—2027年單一模型的預測結果帶入組合模型公式中，即可得到浙江省未來五年內的物流需求預測結果，如表6所示。

從預測結果中可以發現，浙江省在未來五年內的物流需求（貨物周轉量）將持續處于增長的態勢，但增長率呈現逐年放緩的趨勢。2027年將達到15 964.48億噸，年增長率為3.34%，其物流業發展前景廣闊，因此浙江省在未來五年內有必要制定物流業中長期發展規劃，以指導現代化物流體系的建立，推動物流業降本增效。

3 "結 "論

本文在灰色GM1，1預測模型、線性回歸預測模型以及時間序列預測模型的基礎上，結合方差倒數法所確定的各模型權重，組合成為新的預測模型，并對浙江省物流需求（貨物周轉量）進行預測。從預測結果可知，浙江省作為中國物流業發展較為迅速的省份之一，物流需求在未來五年內具有較為強勁的增長趨勢，具有廣闊的市場空間。

參考文獻：

[1] 陳梁丞. 物流發展與經濟發展的互動關系研究——以浙江省為例[J]. 科技創新與生產力，2022（5）：24-26，29.

[2] 武亞鵬，李慧穎，李婷，等. 基于多模型組合的物流需求預測分析——以武漢市為例[J]. 物流技術，2022，41（6）：60-63.

[3] 于若冰. 基于灰色系統理論的新疆物流需求預測[J]. 物流工程與管理，2011，33（5）：37-38，53.

[4] 楊帥. 武漢市物流需求預測[J]. 當代經濟（下半月），2007（10）：106-107.

[5] 詹英. 組合預測方法在我國人均GDP預測中的應用[D]. 武漢：華中師范大學，2014.

[6] 薛倩，牟鳳云，涂植鳳. 組合預測方法在重慶市GDP預測中的應用[J]. 重慶工商大學學報（自然科學版），2017，34（1）：56-63.

收稿日期：2023-11-03

基金項目：湖北省教育廳科學技術研究項目“考慮隨機學習效應的雙渠道供應鏈戰略庫存決策研究”（B2020005）

作者簡介：姬棟媛（1998—），女，新疆奎屯人，武漢科技大學管理學院碩士研究生，研究方向：物流與供應鏈管理；陸 "芬（1991—），女，湖北孝感人，武漢科技大學管理學院，講師，博士，碩士生導師，研究方向：供應鏈管理。

引文格式：姬棟媛，陸芬. 基于組合模型的浙江省物流需求預測[J]. 物流科技，2024，47（23）：22-25.