江西省农产品冷链物流需求预测分析

文/易江 杜艳

文章选取江西省2016~2020年的农产品冷链物流需求量作为原始数据，通过构建GM（1，1）和指数平滑法的组合预测模型，对2021~2025年江西省农产品冷链物流需求进行预测分析，以此为江西省冷链物流的发展提供数据参考及发展建议。

1.引言

农产品冷链物流是指将肉类、禽类、水产品、蔬菜、水果和蛋类等生鲜农产品从产地采收后，在加工、储存、运输、配送和销售等各个环节中均处于低温条件下，是保证农产品质量，减少农产品损耗的一项物流保鲜系统工程。江西是传统的农业大省，优越的地理环境和气候条件，使得江西省农产品资源丰富。江西省农产品的产量大且呈逐年增长趋势，但损耗较为严重，尤其是在许多山区地区，由于交通基础设施的不完善，大部分农产品都不能往外销售，造成了较大的损耗。中国农产品损耗率基本在20%~30%，而在发达国家农产品的损耗率一般控制在5%以下，损耗的减少就是收益的增加。目前，江西省冷链物流现状，难以满足人们对生鲜农产品日益增加的需求。尤其是在疫情防控期间，生鲜产品和药品的冷藏运输需求增加为更明显，加强冷链物流建设已经迫在眉睫。本文以江西省2013~2020年农产品产量为基础数据，运用组合预测模型来预测其农产品冷链物流需求情况，为江西省冷链物流的发展规划提供参考。为了保证研究数据的准确性和预测结果的有效性，本文原始数据均来源于江西省统计局和区域经济发展年鉴。选取了江西省农产品中产量最大，最具代表性的蔬菜、水果、肉类、禽蛋和水产品这五类农产品的产量作为研究对象。2016~2020年江西省农产品冷链物流运输产品总量分别为2343、2400、2478.1、2511.3、2603.8、2635.8、2670.2、2742.8万吨。

2.江西省农产品冷链物流需求预测

江西省农产品冷链物流需求具有不稳定性，因此单个预测方法对其进行预测的效果可能并不显著。本文通过构建GM（1，1）灰色预测和二次指数平滑法的组合预测模型，对江西省农产品冷链物流需求进行预测。在组合预测中，需要对单个预测模型进行赋权。误差倒数法是一种操作简便且准确性较高的权重确定方法。其运算原理就是根据单项预测方法预测值的均方误差的大小来确定其权重，均方误差越大，说明该预测模型的预测精度越低，在组合预测模型中所占的权重就越小。

2.1 GM（1，1）灰色预测。灰色预测法是通过少量的原有数据，建立数学模型并作出预测的一种预测方法，需要的原始数据少，预测值准确度高。当数据较少不完善时，该预测模型能够在样本数据规模要求不高的情况下，做出较好的预测结果，适合短期预测。因此，本文选取GM（1，1）预测模型对江西省农产品冷链物流需求进行预测。

2.1.1 GM（1，1）模型构建。假设在某段时间内有n个原始值，设原始时间数据列为X（0）={X（0）（1），X（0）（2），…，X（0）（n）}。将原始数列进行累加生成新的数据列为X（1）={X（1）（1），X（1）（2），…，X（1）（n）}。通过灰色理论构建GM（1，1）模型：X^（1）（k+1）=其中a，u为待解系数。经累减还原后得预测模型：X^（0）（k+1）=X^（1）（k+1）-X^（1）（k）

2.1.2 模型的检验。通过残差检验法对预测结果进行检验。绝对残差序列为（n）） 相 对 残 差 序 列 为 Δ=平均相对误差为模型精度：当Δ¯＜0.01时，模型精度为一级；当，模型精度为二级；当，模型精度为三级；当，模型精度为四级。

2.1.3 GM（1，1）灰色模型预测对总产量X（0）进行累加，得到新的数列为X（1）=（2343、2400、2478.1、2511.3、2603.8、2635.8、2670.2、2742.8）。用最小二乘法求出a，u，确定参数向量，得GM（1，1）预测模型为3228×e-0.0213k-110146.3228通过Matlab软 件计 算，得 出2013-2020年江西省农产品冷链物流需求预测值、绝对残差、相对残差和平均相对误差。如表1所示

表1 基于GM（1，1）模型的江西省农产品冷链物流需求实际值和预测值

2.2 二次指数平滑法。指数平滑法是一种所需样本数据少，计算简单，且预测结果较准确的预测方法。当原始数据呈明显直线增长或下降变动趋势时，应该使用二次指数平滑法。从2016~2020年江西省冷链物流运输产品总量可以看出，数据呈明显直线增长趋势，所以应该使用二次指数平滑法进行分析预测。

2.2.1 模型构建。通过2016~2020年江西省冷链物流运输产品总量来预测未来五年的需求。使用二次指数平滑法来进行预测，二次指数平滑法是在一次指数平滑法的基础上再进行一次指数平滑，然后建立数学模型进行预测值的计算。一次指数平滑法公式为St（1）=αxt+（1-α）St-1（1），其中，St（1）为t时期的一次指数平滑值，xt为t时期的实际值，α为指数平滑系数。二次指数平滑法公式为St（2）=αSt（1）+（1-α）St-1（2），其中，St（2）为t时期的二次指数平滑值，初始预测值S0（1）=S0（2）=x1。二次指数平滑预测模型为其中，Yc+T为t时期的预测值，T为从t时期往后预测的期数。

2.2.2 二次指数平滑法预测。为了选出较为合适的指数平滑系数，指数平滑系数α分别取0.3，0.6，0.9进行计算。由一次指数平滑法计算结果可得，当指数平滑系数α=0.9时，绝对误差最小。因此，进行二次指数平滑法计算时，选取0.9作为指数平滑系数。计算2013~2020年江西省农产品冷链物流需求一次指数平滑预测值分别为2407.03、2400.70、2470.36、2507.21、2594.14、2631.63、2666.34、2735.15，二 次 指 数 平 滑 预 测 值 为2407.03、2401.34、2463.46、2502.83、2585.01、2626.97、2662.41、2727.88。将计算结果 带入公式计算，得at=2742.42，bt=65.43，Yc+T=2742.42+65.43T。通过二次指数平滑模型对2021-2025年江西省农产品冷链物流需求进行预测，其预测结果分别为2807.85、2873.28、2938.71、3004.14、3069.57万吨。

2.3 组合模型

2.3.1 模型构建。假设有m种单项预测方法，第i种预测方法在t时刻的预测值为fit，i=1，2，…，m，t=1，2，…，n。设单项预测方法的均方误差分别为MSEn，则单项预测模型的权重因此，组合预测模型为

2.3.2 组合模型预测。通过计算可得GM（1，1）灰色预测模型的权重ω1=0.4258，二次指数平滑预测模型的权重ω2=0.5742。将权重带入组合预测模型当中，计算2013~2020年江西省农产品冷链物流需求预测值。通过单项预测模型预测值和组合预测模型预测值的累计绝对误差进行比较，判断组合预测模型精度是否优于单项预测模型。由计算可得GM（1，1）和二次指数平滑法的累计绝对误差分别为88.37和86.33，而组合预测的累计绝对误差为56.2，要小于GM（1，1）和二次指数平滑法的累计绝对误差。因此，组合预测模型预测准确度要优于单个预测模型，可以对2021~2025年江西省农产品冷链物流需求进行预测。其预测结果如表2所示。

表2 2021~2025年江西省农产品冷链物流需求组合预测值

3.结论与发展建议

3.1 结论。本文通过构建组合预测模型对2021~2025年江西省农产品冷链物流需求进行预测。据组合预测值可知，江西省农产品冷链物流需求呈现逐年递增的趋势，将在2025年突破3000万吨，发展状况良好。其预测值可为江西省相关部门战略决策的制定提供理论依据。

3.2 发展建议

3.2.1 加强冷链物流基础设施建设。江西省的冷链物流基础设施设备陈旧，难以满足农产品保存的需求，这是约束江西省冷链物流发展的重要原因。目前江西省内的冷库数量少，冷藏条件差，据不完全统计，江西省冷库容量合计200万吨，人均冷库容量低于全国平均水平15个百分点，在全国各地区排名中较后。同时，冷藏运输车数量也存在明显不足。建设现代化冷库，增加冷藏运输车，是推动江西省冷链物流发展的必要前提。

3.2.2 实现智能化冷链物流管理。随着现代信息技术的快速发展，可以将大数据、物联网等技术运用到冷链物流运输当中，实现“互联网+冷链物流运输”，推动冷链物流运输的更高效。使用智能化手段管理冷库，可以最大限度地减少冷库管理成本，也能够保证产品更好的品质。构建省内冷链物流运输的信息平台，将产品运输信息整合在一起，及时反映省内各个地方的冷链物流情况，便于信息的传递交流，最大程度地利用当地的冷链物流设备，降低农产品的损耗。

3.2.3 培养专业冷链物流人才。农产品冷链物流操作起来具有一定的难度，需要专业的人员进行管控，所以要加强冷链物流专业人才的培养。江西省普通高校有103所，其中本科层次45所，专科层次58所。在这些本科院校中设有物流专业的不足20所，物流专业设有冷链物流课程的更是少之又少。要加强高校中物流专业冷链物流知识的学习，培养迎合物流发展需求的实用性人才。同时，可以通过优惠政策引入高端冷链物流人才，通过专业化的管理控制，有效地推动江西省冷链物流进一步的发展。

3.2.4 实行绿色化管理。经济的发展都不能以牺牲环境为代价，环境保护是每个人都应该履行的义务。在冷链物流运行过程中，冷库制冷时氟利昂的排放，产品保鲜包装袋，泡沫盒，都会对环境造成污染。江西省冷链物流的发展，应当注意绿色化管理，要实行冷库制冷方法的改进，保鲜包装材料的升级，通过使用环保的制冷方法和包装材料，有效地减少对环境的污染。C