基于灰色系统理论的江苏省物流需求预测

顾佳敏 姚惠芳

摘要：本文将灰色系统相关理论与物流产业结合，运用灰色关联方法分析影响物流需求变化的相关因素，通过计算各个因素与GDP的灰色关联度，选取货物周转量作为衡量物流需求的关键指标。通过构建GM（1，1）进行预测精度分析，结果表明此模型精度较高，具有很好的预测效果，并基于灰色系统理论预测结果为江苏省物流产业的发展提出相关建议。

关键词：物流需求；灰色关联；GM（1，1）；江苏省

引言

自“一带一路”和“长江经济带”等战略提出以来，江苏省大力投资物流产业，发展第三方物流，协同区域物流同步发展，作为第三利润源泉的物流业呈现出良好的发展态势[1]。据2018年江苏省物流业发展统计公报相关数据显示，江苏省物流总额高达302551.9亿元，同比增長8.2%。江苏省位于长江三角洲，得天独厚的地理条件与丰富的自然资源加快了物流产业的发展，同时促进了经济的迅速发展，而经济的发展必然带来更大的物流需求。

本文根据灰色系统理论对1999-2018年江苏省物流的相关数据进行分析处理，选择一个最适合衡量物流需求的指标，并通过GM（1，1）预测未来6年江苏省的物流需求，为江苏省物流产业的发展提出相关建议。

1、灰色系统理论概述

客观事物之间相互联系相互制约，形成系统。人们为了更好地认识世界，尝试用各种方法对系统已经外露的特征进行分析，从而揭露系统内部的运行机制。从认识层面上讲，系统分为黑、白、灰三色系统。黑色系统表明系统内部特性完全未知；白色系统表明该系统的信息量充分、结构参数具体，具备明显的发展规律；而灰色系统介于两者之间，部分内部特性已知，需要运用相关数理统计方法进行分析。本文将运用灰色系统理论中的灰色关联分析和灰色预测模型对江苏省物流需求进行预测。

1.1 灰色关联分析

灰色关联分析方法的本质是动态过程发展态势的量化分析比较，通过计算各因素之间发展态势的相似或相异程度来确定因素之间的关联程度。因其量化基础是处理原始数据后生成的生成数，进而得到规律性较为明显的生成函数，对原始数据量没有过高要求，突破了传统概率统计的局限性。

1.2 灰色预测模型

GM（Grey Model，灰色预测模型）是将离散随机数生成转变为一系列被显著削弱且具有较强规律性的生成数，建立微分方程形式的模型，便于研究和描述系统的变化过程。

2、根据灰色关联度选择衡量物流需求的指标

目前整个物流行业呈现多、散、乱的特点，缺少一个统一的指标来度量物流需求[2]。在以往的研究中多是直接以货物周转量或货物量代表物流需求[3-5]，本文在文献[6-9]的基础上建立江苏省物流需求的分析指标体系，并运用灰色关联分析法计算各个指标与GDP的关联度，从中选取一个最适合衡量物流需求的指标。具体步骤如下：

（1）确定评价对象和评价标准。

由表2的相对误差和级比偏差可判断此模型的精度很高，具有很好的拟合效果，可以进行预测。利用MATLAB R2014b软件编程模拟，对2019-2024年的物流需求进行预测，结果如表3所示，数据表明尽管在2015年物流需求锐减后，未来6年内江苏省的物流需求将继续呈现乐观的上升趋势。

4、结论

通过量化分析可知GM（1，1）模型的预测精度很高，同时运用灰色关联分析，得出影响物流需求的相关因素，结合表1提出以下建议。

4.1 提高居民生活水平

农村与城镇居民的生活消费支出与GDP的关联度排名分别为第三和第四，表明居民生活水平与物流产业的发展息息相关。随着居民生活水平的提高和消费结构的改变，对物流需求变得多元化、个性化。不断发展的物流产业为居民消费提供需求保障，而日益提高的居民消费水平又会刺激物流产业发展，两者相辅相成。因此提高居民生活水平、有效改善居民消费结构，将促进物流产业快速发展，促进经济发展，以此形成良性循环。

4.2 提升交通运输能力交通运输能力的高低直接决定了物流的响应性，尤其是冷链物流的发展对交通运输能力提出了更加严苛的要求。在江苏省未来物流需求持续向好的趋势上，不难发现公路建设对我省物流需求的影响较大，铁路次之，内河航运影响偏弱。因此要积极做好交通基础设施的建设，不断完善公路网络的联系与协调，加快铁路建设扩大联通程度，充分利用江苏省河网稠密河流众多的特点发展内河航运，以适应不断增长的物流需求。

4.3 增强供给水平对物流需求的影响力

从表1可看出，供给水平对物流需求的影响较弱，灰色关联度排名比较靠后，表明农产品（粮食、水产品等）还无法适应较高的物流需求。考虑到运输距离长、供需地域差异显著、季节性变化大等原因，我国农产品在运输途中的损失率较高。因此要大力发展冷链物流，通过对从生产、运输到销售在内的供应链全过程提供适宜的低温贮藏温度，减少食品损耗，保证食物新鲜，从而增强供给能力以匹配物流需求。

4.4 扩大贸易成交量

从灰色关联分析的结果来看，国内贸易成交量对物流需求的影响较为显著，而进出口贸易总额对物流需求的影响最不显著，江苏省在进出口贸易方面存在较大的提升空间。政府要构建良好的贸易平台，在电子商务环境下扩大进出口贸易成交量。

参考文献：

[1] 于雅清.基于平衡计分卡的农产品物流业分析[J].物流工程与管理，2019，41（05）：40-41.

[2] 马巧云，邹相林，郭柯楠.基于灰色ARIMA模型的河南省物流需求预测研究[J].河南科学，2019（07）：1171-1180.

[3] 曾珏，周叶.中国省域物流业碳排放空间差异分析[J].物流科技， 2019，42（06）：113-119.

[4] 于博，孙安国，陈丽萍，等.基于指数平滑法的云南省物流需求预测[J].物流工程与管理，2018，40（12）：39-40+38.

[5] 鲍建宁.云物流环境下物流企业任务协同模型构建及应用[J].物流技术，2018，37（01）：127-134.

[6] 刘智琦，李春贵，陈波.基于因子分析与神经网络的区域物流需求预测[J].计算机仿真，2012，29（06）：359-362.

[7] 戎陆庆，黄佩华.基于灰色理论的广西果蔬冷链物流需求及其影响因素预测研究[J].中国农业资源与区划，2017，38（12）：227-234.

[8] 王晓平，闫飞.京津冀农产品冷链物流需求影响因素及预测模型研究[J].福建农业学报，2018，33（08）：870-878.

[9] 翁雨薇，贝淑华.长三角一体化战略背景下港口物流发展研究[J].物流工程与管理，2019，41（06）：8-9+19.

[10] 沈杰，杨忠月，乔吉良.基于季节性时间序列模型的林业产值预测分析[J].南京林业大学学报（自然科学版），2018，42（05）：185-190.

作者简介：

顾佳敏，南京林业大学经济管理学院，所学专业为信息管理与信息系统；

姚惠芳，博士，副教授，硕士生导师，现就职于南京林业大学经济管理学院，主要研究方向为管理科学与工程方向。