基于灰色GM(1,1)模型的云南花卉物流需求预测

宋志兰，王冬岚，王 华

（1.云南财经大学 物流学院，云南 昆明 650221；2.湖北省烟草公司，湖北 武汉 430030）

1 引言

云南省花卉品种众多，花卉产业发展迅速，已成为省内经济五大支柱产业之一，其中鲜切花发展尤为出众，据云南省花卉产业联合会统计，云南鲜切花产量大约占全国的80%。政府在制定云南花卉物流的发展计划时，需要结合现有的花卉物流规模，考虑未来云南花卉物流的需求规模。在这种背景下对云南花卉物流进行预测研究，以期为今后云南花卉物流，特别是冷链物流的发展计划提供决策参考依据。

2 文献回顾

目前，国内外对于花卉物流的研究较少。通过文献研究分析可知，目前国内外对与花卉物流主要分为两个层面，一是宏观层面上的研究，二是微观层面上的研究。

在宏观层面上，康珉等（2002）分析了云南花卉业面临的挑战，提出抓住建立国际花卉拍卖市场发展云南花卉现代大物流的建议[1]。邵砾群（2004）在借鉴其他国家和地区先进经验的基础上，结合我国的具体情况为鲜切花物流的发展提出了一些建议[2]。张大利（2009）研究了阿联酋、荷兰、美国的鲜花冷链物流的发展经验，结合我国鲜花物流的现状，提出了发展我国鲜花冷链物流的措施[3]。王可山（2010）认为需要从构建“从生产到消费”全程冷链物流系统、整合社会物流资源和推动企业战略联盟等推进花卉冷链物流体系的建设[4]。

微观层面上，蓝洁（2003）介绍了云南花卉产业发展现状和条件、产业发展思路及目标、产业发展重点和区域布局、产业发展的对策措施[5]。曹允春等（2007）首先对云南的现有花卉物流系统进行现状研究，在此基础上应用流程再造的理论及方法提出了新的花卉物流系统流程[6]。杨扬（2008）探讨了鲜花物流的特征和属性，较好地分析了鲜花物流流程[7]。

灰色理论具有要求的数据量少、子样小、短期预测精度高等优点，许多学者对其进行了研究和应用。Wu H H（2005）等利用灰色理论对顾客需求进行了分析和预测[8]。黄健等（2009）利用灰色理论成功对广西水果产量进行了预测[9]。Zhang C Y等[10]（2008）和Cui Lizhi等[11]（2009）对非等间距序列的GM（1，1）模型的建模机制进行了研究，并在具体领域得到了成功的应用。

目前学术界关于花卉物流的研究还不多，主要是定性分析花卉物流发展现状、存在问题、解决措施等，定量的研究相对缺乏。定量预测模型在其他方面的成功运用给花卉物流研究带来启示，云南花卉的总产量和鲜切花的总产值反映云南花卉物流的运输规模，其未来的变化情况直接影响到花卉物流建设的规模和方向，具有重要的研究意义。因此，选择灰色GM(1，1)模型研究云南花卉物流的需求，结合点是云南花卉的总产量和鲜切花总产值。

3 云南花卉物流现状分析

目前，据云南省花卉产业联合会获悉，云南每年大约有20多万吨的鲜切花销售到国内70多个城市，并且出口到40多个国家和地区。日发货量为500～700t。云南目前有52家注册的花卉类物流企业，有12家拥有冷藏车、冷藏库等基础设施。

当前公路运输已经成为花卉物流运输的一个重要途径，随着云南对外公路建设的飞速发展，云南的花卉物流迎来了新的发展机遇。一是昆明至泰国曼谷的高速公路的开通，让云南到泰国曼谷运输缩短到20～24h，与航空运输相比运输成本降低了约60%，再通过曼谷国际机场将云南的鲜花转口销往世界各地。二是云南至广东高速公路的开通，极大地缩短了云南的花卉通过广东转往香港、澳门等地区的运输时间，增强了时效性，降低了运输费用，为公路冷链运输提供了条件。此外，云南至成都、重庆等地高速公路的通车，方便了云南通过公路运输运往国内其他地区销售的便利性，在确保鲜花时效性的同时又降低了运输费用，并进一步拓宽了云南花卉的市场空间。当前的云南花卉物流公路运输可控性高、冷链建设相对简单，发展潜力巨大。

云南花卉物流有一定规模，但仍存在很多问题制约其产业发展。主要存在以下几个方面地问题，一是云南鲜切花在产地采集、短途运输、中途运输过程中冷链保护基本缺失，使花卉到达目标市场的品质严重下降；二是云南专业化的花卉物流公司尚未形成，难以使花卉的生产、运输、储存等各个环节紧密衔接；三是专业化的花卉物流保鲜技术尚待进一步开发应用。其中，据云南省花卉产业联合会获悉，云南当前花卉物流最突出的问题是运输环节难以突破，其关键在于全程冷链的支持和运力的改善。以鲜切花为例，品质50%取决于种植，50%取决于采后处理和运输过程中的冷藏保鲜，花卉在生产结束后的每一个环节都属于花卉物流的环节，而云南鲜切花在产地采集、短途运输、中途运输过程中冷链缺失，使花卉到达目标市场的品质严重下降。

4 云南花卉物流需求预测

4.1 灰色预测GM(1,1)模型

灰色预测依据已有的数据对未来的发展趋势做出预测，在工业、农业、商业、环境、社会和军事等领域中有广泛的应用。灰色预测将“随机过程”当作“灰色过程”，将“随机变量”当作“灰变量”，并主要以灰色系统理论中的GM(1，1)模型[12]来进行处理。

4.1.1 模型建立。假设参考数据列为x(0)=(x(0)(1 ),x(0)( 2 ),…,x(0)(n))，做1次累加生成得：

相应的白化微方程为：

4.1.2 模型检验。灰色模型的检验方法通常有3种，分别是残差合格模型、关联度合格模型、均方差比合格模型。

（1）残差合格模型。设x(0)为初始序列，其残差为：ε(0)=相对误差为：Δ=(Δ1,Δ2,为平均相对误差，给定α，当＜α且Δk＜α成立时，称模型为残差合格模型。

（2）关联度合格模型。设x(0)为初始序列，(0)为相应的灰色模型预测序列，g是绝对关联度。若对于给定的g0＞0，有g＞g0，则称模型为关联度合格模型。

（3）均方差比合格模型。设x(0)为原始序列，(0)为相应的灰色模型预测序列，ε(0)为残差序列，则x(0)的均值、方差分别为：的均值、方差分别为：

由上可知，给定一组取值，就确定了检验模型精度的等级。常用的精度等级见表1，可供检验模型参考。

表1 灰色模型精度检验等级

4.2 鲜切花总产量和花卉总产值的预测

4.2.1 数据来源。本文研究用到的数据主要是云南省2001-2012 年的鲜切花总产量和花卉总产值，数据来源于云南省花卉产业联合会统计数据（2001-2012），具体见表2。

表2 云南2001—2012年花卉业总产值和鲜切花总产量

从表2可以看出，2001-2012年云南省花卉总产值和鲜切花总产量均有巨大的增长，其中花卉总产值从原来的29.4 亿元增长到2012年的300亿元，增长了十倍多，鲜切花总产量从原来的16亿枝增长到2012年的72亿枝，增长了近五倍。

4.2.2 云南花卉总产值的预测模型。根据GM(1，1)模型，代入表2 中云南花卉总产值数据计算得云南花卉总产值GM(1，1)预测模型为其时间响应式为：

其预测拟合曲线如图1所示。

图1 云南花卉总产量的预测模型拟合示意图（单位：亿元）

4.2.3 云南鲜切花总产量的预测模型。根据GM(1，1)模型，代入表2 中云南鲜切花总产量数据得鲜切花总产量GM(1，1)预测模型为：，其时间响应式为：

其预测拟合曲线如图2所示。

图2 云南鲜切花总产量的预测模型拟合示意图（单位：亿枝）

4.3 花卉总产值和鲜切花总产量的预测模型检验

4.3.1 残差合格检验。根据残差合格模型检验方法，用MATLAB 编程可得2001-2012 年云南花卉总产值和鲜切花总产量GM(1，1)预测模型误差检验值，见表3。

表3 云南鲜切花总产量GM(1，1)预测模型误差检验值

其中，云南花卉总产值预测平均相对误差Δ=0.108 8，精度为三级，云南鲜切花总产量预测平均相对误差Δ=0.035 8，模型精度为一级。

4.3.2 关联度合格检验和均方差比值合格检验。根据关联度合格检验和均方差比值合格检验方法，得2001-2012年云南花卉总产值和鲜切花总产量GM(1，1)预测模型关联度合格检验系数和均方差比值合格检验系数，见表4。

表4 模型关联度合格检验系数和均方差比值合格检验系数

在预测关联度方面，云南花卉总产值预测为0.912 2，精度为一级，云南鲜切花总产量预测为0.999 5，模型精度也为一级。在标准差比值方面，云南花卉总产值预测为0.194 6，精度为一级，云南鲜切花总产量预测为0.100 4，模型精度同样为一级。

综上可知，在模型检验的各项检验指标中，云南花卉总产值预测相对误差模型精度为三级，其余五项皆为一级，综合评定为一级，可见模型精度较高，可用于云南花卉总产值和鲜切花总产量预测。

4.4 花卉总产值和鲜切花总产量趋势预测

基于前面的模型，用MATLAB 编程，代入表2数据预测未来五年云南花卉总产值和鲜切花总产量预测结果，具体如图3和图4所示。

图3 2013-2017年云南花卉总产值预测示意图（单位：亿元）

从图3 可知，预计云南花卉总产值2014 年将超过400 亿元，相比2012年增长46.38%，2016年将接近600亿元，2017年将接近700亿，比2016年增长14.73%。

图4 2013-2017年云南鲜切花总产量预测示意图（单位：亿枝）

从图4 可知，预计2014 年云南鲜切花总产量将超过80 亿枝，相比2012 年增长13.33%，2016 年将超过90 亿枝，比2014年增长17.34%。

5 结论

云南花卉冷链物流具有一定的规模，但存在很多问题，特别是现有的冷链物流规模满足不了花卉对冷链物流的需要，尤其是鲜切花。云南花卉的总产量和鲜切花总产值对云南的花卉物流具有导向性，决定了云南花卉物流需求的规模，两者的未来走向影响未来云南花卉物流建设的方向。据云南省花卉产业联合会统计数据（2001-2012年）显示，云南花卉的总产量和鲜切花总产值具有一定的指数规律，适合采用灰色预测模型—GM（1，1）模型预测。

本文运用灰色GM(1，1)模型对云南未来五年的花卉总产量和鲜切花总产值进行预测。模型预测精度中云南花卉总产值相对误差检测为三级，其余五项检验指标精度均为一级精度，预测结果与实际出入较小，说明灰色GM(1，1)模型对云南花卉的总产量和鲜切花总产量进行预测是可行的，可以为以后制定相关物流产业规划等提供科学依据。预测结果表明，云南花卉总产值和鲜切花产量将持续较快增长，云南花卉物流需要向系统化、专业化和标准化发展，花卉物流中的冷链物流更要加快发展步伐，才能满足日益扩大的需求。

[1]康珉，康世瀛.抓住建立国际花卉拍卖市场之机发展云南现代大物流[J].经济问题探索,2002,(1):80-83.

[2]邵砾群，赵文英.我国鲜切花物流发展问题的探讨[J].西部林业科学,2004,33(4):90-92.

[3]张大利，孙宏岭.构建我国鲜花冷链物流系统[J].物流科技,2009,(7):110-112.

[4]王可山.中国花卉冷链物流的现状、问题与建议[J].中国流通经济,2010,(7):35-38.

[5]蓝洁.云南花卉产业的现状及发展思路[J].云南林业科技,2003,9(3):68-71.

[6]曹允春,杨震,等.以花卉物流系统的流程再造提升云南花卉产业的竞争力[J].经济问题探索,2007,(10):53-59.

[7]杨扬,王孝坤.我国鲜花物流的发展分析与对策研究[J].商品储运与养护,2008,(6):1-4.

[8]Wu H H,liao A Y,Wang P C.Using grey theory in quality function deployment to analyze dynamic customer requirements[J].Int J Adv Manuf Technol,2005,25:1 241-1 247.

[9]黄健,尼章光,娄予强,等.基于灰色系统理论的广西水果产量预测[J].广东农业科学,2009,(9):238-239.

[10]Zhang C Y,Dai W Z.Improvement of background value and its application in the 7th Word Congress on Intelligent Control and Automation[Z].2008.

[11]Cui Lizhi,Liu Sifeng,Wu Zhengpeng.Optimizing time respond function of non-equidistant GM(1,1)mode[J].Statistics and Decision Making,2009,(13):9-10.

[12]何俊,刘会茹.GM(1，1)初始条件改进的研究及在预测中的应用[J].统计与决策,2013,(17):76-77.