基于熵权的宁夏城镇居民冷链物流需求量组合预测

蒋宇斌，郭佳秀，贺芳娟，邢云博

（北方民族大学 商学院，宁夏 银川 750021）

基于熵权的宁夏城镇居民冷链物流需求量组合预测

蒋宇斌，郭佳秀，贺芳娟，邢云博

（北方民族大学 商学院，宁夏 银川 750021）

选取城镇居民冷链食品的购买量作为冷链物流需求水平指标，尝试将基于熵权的组合预测法应用于由宁夏的冷链物流需求量的预测，以提高预测的精度。通过选用MAE、MAPE等5个预测效果的评价指标对各单一预测模型进行综合比较，利用MATLAB并结合熵权法客观地为每种预测方法分配权重。通过赋予合理权重，将各单一预测模型的预测结果加权求和得到最终的预测结果，建立了宁夏冷链物流的需求量组合预测模型，且利用2005-2014年宁夏冷链食品购买量的资料进行拟合检验，发现组合模型的精度明显提高，并预测出2017-2025年宁夏冷链物流的需求量。

熵权法；组合预测；冷链物流；宁夏；城镇居民

1 引言

近年来随着产业结构调整，人民生活水平的逐步提高，宁夏生鲜产品产量、流通量逐年增加，并且冷冻保鲜技术不断提高，冷链物流得到较快的发展，因此对宁夏冷链物流需求量预测就显得尤为重要。准确的预测结果能够揭示冷链物流市场需求变动的趋势规律，更好地实现资源的合理配置，同时为当地政府和相关部门制定冷链发展战略和政策提供有效的数据支持。

如今，冷链越来越受到经济界和产业界的关注，对于冷链物流需求量的预测越来越重视。而冷链物流的预测方法主要包括回归分析模型、时间序列分析模型、灰色模型、马尔科夫链和神经网络等。周倩倩、彭本红等利用灰色预测模型对江苏城镇居民冷链物流需求量进行预测，并且利用马尔科夫链进行优化提高了预测的精度[1]。张言彩、徐宏峰将水产品、水果、蔬菜、肉类等产品的总产量作为冷链物流需求量的影响因素，利用灰色预测模型对“十二五”时期江苏省城镇居民冷链物流需求量进行了预测[2]。王新娥,王学剑利用灰色预测模型得出新疆城镇人口预测值，把城镇居民需要冷链服务的年消费量作为衡量指标，预测冷链物流需求量[3]。兰洪杰、汝宜红运用BP神经网络对奥运食品冷链物流需求主体、奥运食品冷链物流需求客体以及奥运食品冷链物流需求进行预测[4]。李隽波，孙丽娜以水产品需求量来代表冷链物流需求量，建立了多元回归分析模型对我国冷链物流量进行预测，得到了较为精确的结果[5]。从指标选择来看，大部分学者都是选择单个或者多个冷链产品的产量和消费量来作为冷链物流需求量的衡量指标。从预测方法选择来看，大部分学者都是利用单一的预测方法，对于单一预测方法只能解释其历史发展过程中的一部分显性信息，对于另一部分的隐性信息就没有考虑到。基于此，本文以宁夏城镇居民冷链食品的购买量为指标，尝试建立了熵权组合预测模型，这样充分考虑了各个预测方法和各误差指标所含的显性信息和隐性信息，并且可以很好地避免权系数为负数，使结果更加客观，更为科学。

2 宁夏冷链物流发展概况

在“十二五”规划完成之后，宁夏逐渐形成国际级综合交通运输枢纽，初步形成了综合交通运输体系，并已建成了一批物流园区、货运站场及物流配送中心，2014年宁夏冷库容量已达25.80万t，宁夏某水产品加工企业就有冷库5座，冻结能力500t/d，冷藏能力800t/次。在“十三五”规划中，自治区政府表示要努力提升宁夏对外开放水平，优化对外开放环境，推动投资、贸易、金融服务的便利化，促进银川综合保税区和银川空港物流园深度融合发展，积极承接产业转移，发展外向型经济。近几年，银川市重点建设了四季青果蔬物流、领鲜果业等几个冷链物流项目，并引导和支持流通企业建设蔬菜、肉品冷藏冷冻设备库及配套设施，完善农产品物流、交易及冷链等服务功能。截至2014年，银川市有一定规模的农产品冷链设施12处近10万m2，其中2 000m2以上大中型肉品冷链设施6处约7.2万m2。

表1 宁夏2005-2014年城镇居民全年冷链食品购买数量 单位：万t

图1 宁夏2005-2014年冷链购买量走势情况

由表1、图1可知宁夏2005-2014年冷链食品购买量不断攀升，全区冷链农产品年产量几乎每年都呈正增长，从2005年到2014年平均年增加率在5%左右，到2014年全区冷链食品购买量已达72.24万t。分析认为，宁夏冷链食品购买量和运输仓储设备投入的不断增加，加上中-阿自贸区在宁夏的建立，将极大的促进宁夏冷链物流发展，可见宁夏冷链物流具有良好的发展潜力、不断增长的市场需求、优惠的政策支持及不断完善的基础设施，前景广阔。

3 基于信息熵的组合预测模型

熵的概念来自于热力学，它最先由Shannon引入信息论，现已在工程技术、社会经济等领域得到十分广泛的应用[6]。同理可以把熵的概念引入到冷链物流预测模型里面，设有m种预测方法，n个误差指标，原始误差指标矩阵R=(rij)m×n，对于某个指标(j=1,2,……,n)，其中

由以上的公式可以看出某个误差指标的信息熵越小，表明其指标的变异程度越大，提供的信息量越大;反之，某个指标的信息熵越大，表明其指标的变异程度越小，提供的信息量越小。所以，可根据各个误差指标值的变异程度，利用信息熵这一工具，计算各误差指标的权重，进而为组合预测中单个预测方法权重的确定提供依据。

3.1 误差指标的选择

在一般预测模型中通常选择均方差作为评价预测结果的指标，为了更加全面客观地研究单个预测方法及组合预测的预测效果，本文选用了以下五个评价指标。在下列公式中yi表示实际值，yi'表示预测值。

以上的评价指标是从预测值与实际值的离散程度和变异程度的方向来说明预测模型的损益程度，即当这五个指标数值越小，预测模型损失的信息就越少，预测结果就越精确。因此利用这五个指标与其对应的预测方法可构建一个评价矩阵，之后通过MATLAB计算出各个指标的权重和其对应方法的权重，最终构建出一个新的预测模型。

3.2 组合预测模型权重的确定步骤

组合预测模型权重的确定步骤如图2所示。

图2 组合预测模型权重确定步骤流程图

4 宁夏地区冷链物流需求量的预测

冷链物流市场是一个信息不完备的复杂经济系统，我们是以冷链食品的购买量来研究冷链物流需求量，但是冷链食品的消费量受多方面因素影响，使用移动平均、一次指数平滑等简单的时间序列方法难以达到较高的预测精度，因而本文先根据数据资料的特性综合考量选择以下四种单一预测模型进行预测，为了得到更加科学的结果，全面考虑单一预测模型误差指标所含的显性信息和隐性信息，我们认为应利用评价指标赋予权重的方法来进行预测，而熵权组合预测模型正是通过提取评价指标的信息而计算出权重的，所以我们决定利用熵权法来确定组合预测模型的权系数。

4.1 单一预测模型

（1）趋势曲线预测模型。根据2005年-2014年宁夏地区的冷链食品购买总量数据，运用SPSS绘制散点图，再根据图形的趋势选择曲线进行估计，最后比较各种模型的拟合优度（R Square），发现二次曲线拟合度最好，达到0.977，并且在方差分析中的显著性P=0.001＜0.05，通过了显著性检验，因此选择二次曲线作为预测模型。以时间为自变量X，以冷链食品购买量为因变量Y的趋势预测模型为y1=0.092 5x2+0.849 8x+54.988,其预测值和评价指标见表4与表5。

（2）二次指数平滑预测模型。采用二次指数平滑法，通过利用Excel绘制宁夏城镇居民冷链食品购买量的散点图发现的趋势较为平稳，并且通过试算法最终确定了平滑系数∝=0.05。再利用Excel的数据分析工具箱进行了二次指数平滑，得到了预测模型yt+T=72.562 2+ 2.059 4T,预测值和评价指标见表4与表5。

（3）一元回归预测模型。在对宁夏地区冷链食品购买量进行预测时，选取城镇居民人均收入水平作为自变量，对冷链食品购买量进行预测。通过spss进行分析结果见表3，得到如下结论：R2=0.965非常接近于1，所以拟合度优，并且在置信区间为99%的情况下通过显著性检验，即p=0.000＜0.05，并且D-W为2.02可知不存在自相关问题，可以用做预测，具体模型检验指标见表2、表3。最终得到回归方程y3=10.875x+46.626，其预测结果和评价指标见表4与表5。

表2 模型摘要

表3 系数

（4）灰色GM(1,1)预测模型。灰色预测是对既含有已知信息又含有不确定信息的系统进行预测，就是对在一定范围内变化的、与时间有关的灰色过程进行预测。本文选用最常用的灰色预测模型GM(1,1)模型，它是用微分拟合法建立自累加或者累减模型，得到规律性较强的生成数列后重新建模，可以从表面上无序的数据序列中发现内在的规律性。它以给定的原始时间序列x(0)为基础，建立连续微分方程其中，α和μ可以用最小二乘法进行求解根据表1数据，通过利用MATLAB得到了灰色预测模型公式：y4=1191.072e0.374k-1153.639,其中α=-0.0374，μ=43.1461，并且得到预测值，见表4。

表4 单一预测方法的结果和残差

表5 预测模型评价指标

4.2 组合预测模型

（1）权重计算。运用基于信息熵的组合预测方法进行计算，基于表3通过MATLAB计算得到各个评价指标的权重和单个预测模型权系数，见表6和表7。

表6 五种指标的权重

表7 单个预测模型权重分配表

（2）模型及预测评价。由表7可知宁夏冷链食品购买量的组合预测模型：Y=0.227 1y1+0.319 9y2+0.134 4y3+ 0.318 6y4。

其中y1代表趋势预测模型，y2代表二次指数平滑预测模型，y3表示一元回归模型，y4表示灰色GM(1,1)预测模型。

表8 组合预测法的评价指标

由表5与组合预测模型的误差指标值的对比可知，基于熵的组合预测方法有较高的拟合精度，又因该法充分考虑了各个体预测方法各误差指标值所包含的显信息及隐信息，因而用其对宁夏地区冷链物流作预测会比单一使用某种预测方法预测更可靠、更科学。因此文章先通过单一预测模型预测出宁夏地区2017年-2025年的冷链食品购买量见表9，然后在此基础上利用熵的组合预测模型来得到最终结果见表10。

表10 2017年-2025年宁夏地区购买冷链食品的数量（单位：万t）

综合以上分析可以发现人们对冷链食品的需求不断增加，本文假设冷链食品的购买量就是运输量，分析可知单从食品这一模块就发现需求不断上升，再加上生鲜电子商务的发展，都将极大的促进宁夏的冷链物流发展。

5 总结

本文在对预测效果的评价上选取平方和误差、平均绝对误差、均方根误差、平均绝对百分比误差、均方百分比误差等多个指标进行全方位的综合衡量，弥补了用单一预测方法进行预测和单指标方法进行评价的不足。在组合权重的计算上，采用了信息理论中的信息熵概念对各单一模型进行了综合的量化评价，并用这种方法对宁夏冷链物流需求进行预测分析。实例计算证明，在表8中的五个评价指标基本上都是小于表5中单一预测模型的评价指标，如MAPE中组合模型是0.011 254，而灰色模型为0.034 755，回归模型为0.012 948等。可见基于信息熵的组合预测方法使各种评价指标均有一定程度的提高，而且能增强预测的稳定性，具有较高的适应未来预测环境变化的能力。本文对宁夏冷链物流需求量的预测是以城镇居民冷链食品购买量引起的运输量来代表冷链物流需求量的，不过现在对于冷链物流需求量的衡量指标还不统一，本文认为今后冷链物流需求量的衡量指标选择应该量化到具体的物流设备之中。

[1]周倩倩,彭本红,谷晓芬.基于灰色马尔科夫链的江苏城镇居民冷链物流需求量预测[J].物流科技,2015,(6):21-25

[2]张倩.河南省农产品冷链物流需求及其发展趋势研究[D].郑州:河南农业大学,2015.

[3]王新娥,王学剑.新疆城镇居民农产品冷链物流需求预测分析[J].物流技术,2014,(1):185-186,202.

[4]兰洪杰,汝宜红.2008北京奥运食品冷链物流需求预测分析[J].中国流通经济,2008,(2):19-22.

[5]李隽波,孙丽娜.基于多元线性回归分析的冷链物流需求预测[J].安徽农业科学,2011,(11):6 519-6 520,6 523.

[6]韩柳,张妩妩.基于熵的组合预测法对湖北省货运量预测[J].中国水运(理论版),2007,(7):166-167.

[7]熊崇俊,宁宣熙,潘颖莉.基于熵的组合预测法研究[J].科技进步与对策,2006,(4):68-69.

[8]张文峰,卢娜,曾涛.广东省生鲜农产品冷库需求预测分析[J].仲恺农业工程学院学报,2014,(2):50-52.

[9]宋俊平.灰色理论在易腐食品需求预测中的应用[J].食品工程,2010,(2):34-36.

[10]陈秀乾,刘伟.基于组合预测模型的长三角地区冷链产品产量预测[J].无锡商业职业技术学院学报,2014,(1):30-36.

[11]吕昂.宁夏农产品冷链物流产业的发展现状及对策研究[J].中国商贸,2014,(17):146-148.

[12]顾海鸿,黄河清.宁夏冷链物流发展现状及对策探讨[J].中国高新技术企业,2012,(6):9-12.

[13]周宾.陕西果品现代冷链物流需求的SD分析与对策[J].安徽农业科学,2012,(21):11 056-11 058.

[14]陈华友.熵值法及其在确定组合预测权系数中的应用[J].安徽大学学报(自然科学版),2003,(4):1-6.

[15]柯亚楠.唐山市农产品冷链物流需求分析与预测[D].武汉:华中师范大学,2013.

Entropy Weighted Combination Forecasting of Cold Chain Logistics Demand of Urban Residents in Ningxia

Jiang Yubin,Guo Jiaxiu,He Fangjuan,Xing Yunbo
(School of Business,BeiFang University of Nationalities,Yinchuan 750021,China)

In this paper,with the cold chain food purchasing value of urban residents as an index measuring the demand for cold chain logistics,we attempted to apply the entropy weighted combination forecasting process to the cold chain logistics demand of Ningxia.Through selecting five evaluation indexes of forecasting performance such as MAE and MAPE,etc.,we comprehensively compared the performance of each individual forecasting model,and then using MATLAB and in connection with the entropy weight method,weighted them objectively, through which,we yielded the ultimate forecasting result and built the combination forecasting model of the cold chain logistics demand in Ningxia.Next,we had a fitness test of the model using the data of the cold chain food purchasing volume in Ningxia for the period between 2005 and 2014 to find the model was of obviously improved accuracy than its individual components and at the end,predicted the cold chain logistics demand of the area from 2017 to 2025.

entropy weightmethod;combinationforecasting;cold chain logistics;Ningxia;urban resident

U16;F259.27

A

1005-152X(2017)02-0117-05

10.3969/j.issn.1005-152X.2017.02.028

2016-12-28

蒋宇斌，男，广西全州人，研究方向：物流管理；郭佳秀，女，山西朔州人，研究方向：物流管理；贺芳娟，女，甘肃平凉人，研究方向：物流管理；邢云博，男，河南南阳人，研究方向：物流管理。