营口港集装箱海铁联运量的预测与发展研究

梁莹莹 王元欢

（辽宁工业大学，辽宁 锦州 121000）

港口作为双循环中交叉重叠的运输区域，起到了内外运输和循环联动的纽带作用。随着“一带一路”的倡议的不断深入，我国的海铁联运业务在运输业的发展日益重要，正呈现稳步上升趋势赶上世界水平。2019年中国的集装箱海铁联运总箱量已突破400 万标准箱，相比2018年增长23%，再次创下历史新高。其中，营口港在2019年完成集装箱海铁联运装卸量80 万标准箱，同比增长了4.85%，并且呈现逐年递增的趋势。但对于全国的海铁联运业务而言，海铁联运运量与港口吞吐量占比只有2%,远比发达国家20%的水平低。目前，全国有600 多个铁路集装箱办理站，主要组成了18 个集装箱中心站，辐射了全国的铁路集装箱运输办理业务和铁路网络，海铁联运也和加大了陆海的联动，使得“海上丝绸之路”的沿线国家在货物运输和经济交易方面都逐渐密切，甚至越来越多的企业开始选择海铁联运的运输方式来实现货物的供应链服务。

一、营口港运输发展现状

营口港是我国东北部和内蒙古东部最便捷、最重要的货运港口，是我国综合运输系统的重要枢纽，也是沿海主要港口之一。由于其地理上的独特性和高度的国家警惕性，相关地区部门已将营口列为23 个港口国家物流枢纽之一，这将极大地促进港口发展。

营口港位于大连市和沈阳市200 公里之间，还拥有优美的环境、舒适的气候。其主体港区是鲅鱼圈港区，港区的水深适宜，冬季不冻结，为全年通航提供了良好的基础条件，是理想的贸易运输港口。2018年，营口港的集装箱吞吐量和港口货物吞吐量在东北地区都位列前茅，而且内贸集装箱占所有集装箱的98%以上。营口港的海铁综合运输业务量在中国占有很大份额，分别占东北地区国内同类型市场份额的17%和相同市场份额的70%，并连续第五年快速增长。2015-2019年进出营口港的海铁集装箱运输的具体数据如表1 所示。

表1 2015-2019年营口港集装箱海铁联运运量统计表

营口港在海铁联运业务的成果可以从几个方面得知：1.营口港的海上航线较多，内贸的集装箱更是优势所在，已开通了100 多条国内海铁联运集装箱班列和“营满欧”国际集装箱班列；2.营口港在2015年便正式运用了内外贸易运输业务管理系统，将内陆的运输和国际业务之间的数据进行多元化信息管理，真正地符合如今大数据时代的发展模式。3.营口港的鲅鱼圈港区之所以是主体，其铁路和港区的直达式作业模式为营口港轻松解决了“最后一公里”的难题，并使之成为了特有的优势。4.营口港在2019年9 月11 日被列为港口型国家物流枢纽，也为营口港的发展提供了较好的政策支持和发展氛围。以上的优势和支持可以从营口港相关数据看出，2015-2019年营口港集装箱海铁联运运量和吞吐量具体数据如表2 所示。

表2 2015-2019年营口港集装箱海铁联运运量和影响因素数据

由表2 可知，辽宁省的地区生产总值近五年从20210.3 亿元逐年递增到24909.5 亿元，具有良好大环境下的货物吞吐量也有较好的发展势头，但2019年还是有所下降。尽管如此，营口港的集装箱海铁联运运量占整个港口集装箱吞吐量约10%，并以2%的增长率逐年递增。其海铁联运运量比同一省份的大连港处于领先地位，大连港2018年的集装箱海铁联运运量为39.3 万标准箱，与营口港的76.3 万标准箱相比几乎少一半。尽管在2019年营口港的集装箱吞吐量增长速度是负增长，但海铁联运运量依旧保持着势不可挡的增长趋势，营口港在海铁联运业务的优势值得学者研究。

二、预测方法介绍

当前，诸如回归预测、指数平滑预测、弹性系数方法、神经网络预测和灰色RBF 神经网络预测的各个领域的预测方法变得越来越成熟。由于不同预测方法的使用都要提前设定假设条件，在假设过程过一旦出现错误或不合理，由此建立的预测模型便没有准确性和代表性，这样的研究便是没有意义的。而且预测总是受到很多外界的不确定因素影响，为了使预测的结果更具有科学性和代表性，通常会将不同的模型进行集成分析，进而减少单一假设所带来的误差值。

通过分析营口港集装箱海铁联运运量的发展趋势和特点，选取了GM(1,1)、回归模型和三次平滑指数法进行单项预测。GM（1，1）对样本数据的要求较低，且对中长期的预测效果很好，但近期效果较差。为提高预测准确度将回归模型和指数平滑法引入建立组合模型。在计算权重方面有越来越多的方法可供学者选择，例如：算术平均数、最优加权法、均方误差倒数法、简单加权法和预测误差平方和倒数法等。通过选取预测误差平方和倒数法三种不同模型进行组合，最后得出组合模型下的预测值。

（一）灰色预测法

首先，构造营口港集装箱海铁联运运量的初始时间序列：

式（1）指的是各年的营口港集装箱海铁联运运量，在采用依次累加来减少时间序列的随机性，使得数据更具有关联性，得出若随机序列，如公式（2）所示。

其次，通过运量X 和时间t 的关系式进行一元微分，建立灰色GM （1，1）预测模型如公式（3）所示。

式（3）：m 和n 都属于待估系数，且m 和n 可以运用最小二乘法解得，如公式（4）所示。

公式（4）中的矩阵A 和矩阵Y 的具体算法如公式（5）和（6）所示。

将式（4）计算得出的m 和n 的具体数值带入公式（3）中，可得出灰色GM(1,1)的预测微分方程，并将算是进行进一步的计算得出预测模型，如公式（7）所示。

最后将累积的数值进行还原，便可得出GM（1，1）模型的预测方程式为（8）所示。

式中：t 表示预测值的各期年份，表示所求年份的集装箱海铁联运运量。

（二）线性回归方法

港口集装箱海铁联运运量与直接经济腹地的经济水平有很重要的关系。一元线性回归的一般表达式，如公式（9）所示。

其中，Y 为所求预测值；a、b 为回归系数。

（三）时间序列法

采用时间序列法对营口港集装箱海铁联运运量进行预测，主要是因为集装箱吞吐量不受季节的影响，加上各年的历史数据是连续的，因此选取了时序列法中的预测拟合度高的三次指数平滑法进行单项预测。将时间按照序列排序得：表示各期的指数平滑数；表示为指数平滑系数，综上得出指数平滑公式如公式（10）（11）（12）所示。

三次指数平滑预测模型如公式（13）所示：

将a、b、c 的结果带入三次指数平模型（13）中，便可得出预测值。

（四）组合预测法

选取误差平方和倒数法来预测最终结果，侧重考虑平均相对误差和方差之间的关系来确定各自所占权重。本文将相对误差权重大小设定为0.7，可知方差所占权重比值为0.3，根据相对误差和方差的倒数来建立组合预测模型的权重比值，如公式（17）所示。

三、营口港集装箱海铁联运运量预测模型构建

（一）单一模型预测模型

1. GM（1，1）预测模型及实现

再构建数据矩阵A 和数列向量Y：

用最小二乘法去求待估参数m 和n，得到：

综上所述，可得出灰色GM(1,1)预测模型为：

以营口港2015-2019年集装箱海铁联运运量的历史数据作为研究对象进行模型验证，采用灰色GM(1,1)对营口港集装箱海铁联运运量预测结果如表3 所示。

2. 一元线性回归预测模型及实现

根据研究目的和对象特点，结合表2 可知的原始数据，建立营口港的集装箱海铁联运运量和辽宁省地区生产总值的一元线性回归预测模型：

以营口港2015-2019年集装箱海铁联运运量的历史数据作为研究对象进行模型验证，采用一元线性回归预测得出的拟合值和相对误差结果如表3 所示。

3.三次指数平滑预测模型及实现

根据营口港2015-2019年集装箱海铁联运运量的实际数据可知，海铁联运运量和时间有较强的线性关系。经过相关文献阅读，本文将前三期的算术平均数作为研究的第一期数据，并以=0.9 建立营口港集装箱海铁联运运量三次指数平滑预测模型，其中a=79.3，b=9.6，c=0.5，得三次指数平滑预测模型：

以营口港2015-2019年集装箱海铁联运运量的历史数据作为研究对象进行模型验证，运用三次平滑指数模型计算的拟合值和相对误差结果如表3 所示。

表3 三种模型下2015——2019年营口港海铁联运运量的拟合值和相对误差分析

根据表3 的单项预测模型计算结果和相对误差可知，选用的模型不一样会直接影响到预测数值之间产生或多或少的差异。

（二）组合预测模型及实现

根据公式（17）可知组合预测模型的权重大小，由此可建立组合预测模型：

通过表3 中的计算结果，可以从近似值和相对误差中计算出单个模型的平均相对误差和方差结果，如表4所示。

表4 三种模型的平均相对误差和方差

由表4 可知，通过选取的三种单一预测模型计算，回归模型的方差和平均相对误差相对较小，但由于一元线性回归所考虑的前提条件并非全面，所以需要综合其他方法的优势。为得出更具有代表性的预测值，进而需要对三种预测模型进行权重计算，具体计算结果如表5所示。

表5 三种模型对营口港海铁联运运量预测值的所占权重

由表5 结果和公式（17），可建立营口港集装箱海铁联运运量预测的组合预测模型。

?同样选取单一预测模型研究对象和原始数据进行组合预测模型的验证，最终比较出组合预测模型的准确度和优势。

四、营口港集装箱海铁联运运量预测实证分析

基于组合预测模型得出营口港海铁联运运量预测值和相对误差分析结果，如表6 所示。

表6 组合预测的2015——2019年营口港海铁联运运量预测值和相对误差分析

由表6 可知，本文建立的组合预测模型所得到的平均相对误差和方差分别为4.55、3.65，与选定的单一预测模型误差和方差都小，即组合预测模型的预测值的精度和代表性都更有优势。因此，组合预测模型的可靠性较好，满足了营口港集装箱海铁运输量的预测。基于前文的单一预测模型，计算了2020——2024年营口港集装箱铁海联运的总运量，结果如表7 所示。

表7 三种模型下的2020——2024年营口港海铁联运运量预测值

由表7 的计算结果和单一模型各自的权重，最终通过组合预测模型可以得到2019-2023年营口港集装箱海铁联合运输量的预测值，计算结果如表8 所示。

表8 组合预测下的2020——2024年营口港海铁联运运量预测值

由表8 可知，对于营口港的海铁联运业务，未来五年将呈现向上发展趋势。如何使营口港的运输业务更加具有优势，并拓宽产业的领域，是企业营运人员和投资者都应在注意到的问题。为加大港口之间的竞争优势和行业地位，从而不断的进行内部结构逐渐优化和产业多元化的升级，同时应该注意在扩大港口营运规模不能一味追求范围。

五、结论

从实证分析可以看出，营口港的集装箱海铁联运运量的所在城市的地区生产总值都处于稳步提升阶段。但为应对经济全球一体化的快速发展，优化对东北地区、内蒙古东部的运输路径和方式，仍然具有很多方面需要完善。

针对营口港集装箱海铁联运运量的预测值和增长趋势可知，要想在该领域占得一席之地就的不断优化营运模式。并且了解到营口港目前管理以及基础设施的不足，使其从传统的模式转变为现代化的综合运输模式，需要考虑如下几点：1.政策完善，各行各业想要稳定发展离不开政府和环境的支持；2.港口设施，面对物流的快速增长原有的设施已经不再能支撑大量的货物；3.服务质量，作为服务行业的运输业，保障客户的货物安全到达的同时还得提供高质量的服务水平。4.信息化管理，信息时代的发展要求各行业转换原来的管理模式，使其能快速接收到最前端数据；5.最后，为满足港口业务量的增长而扩大产业规模时，港口规模的扩建也需要考虑适度原则，并非规模建设越大经济效益越高。