基于灰色预测的湖北省生鲜农产品冷链物流需求发展研究

邹雅倩 崔宇昊

摘  要：随着生鲜农产品在居民的日常消费中占比上升，冷链物流的需求也逐渐增长。为降低生鲜农产品的腐损率，推动冷链物流高质量发展，文章基于湖北省当前生鲜农产品冷链物流发展现状，选择2008—2020年生鲜农产品中的水果、蔬菜、肉类、禽蛋、牛奶、水产品作为主要研究对象，在灰色预测模型中选用GM1，1模型，预测生鲜农产品冷链的物流需求。结果表明该预测方法精度较高，能够反映湖北省未来几年生鲜农产品冷链物流的需求量，可为相关部门决策提供依据。

关键词：生鲜农产品;冷链物流;GM1，1模型

中图分类号：F304.3    文献标志码：A

DOI：10.13714/j.cnki.1002-3100.2023.15.034

Abstract： With the rising proportion of fresh agricultural products in the daily consumption of residents， the demand for cold chain logistics is also growing. In order to reduce the decay rate of fresh agricultural products and promote the high-quality development of cold chain logistics， based on the current development status of cold chain logistics of fresh agricultural products in Hubei Province， the paper selects fruits， vegetables， meat， eggs， milk and aquatic products in fresh agricultural products from 2008 to 2020 as the main research objects， and selects GM1，1 model in the grey prediction model to predict the logistics demand of the cold chain of fresh agricultural products. The results show that the prediction method has high accuracy， can reflect the demand of cold chain logistics of fresh agricultural products in Hubei Province in the next few years， and can provide a basis for relevant departments to make decisions.

Key words： fresh agricultural products; cold chain logistics; GM1，1 model

0  引  言

近年來，我国实现全面脱贫，人民生活质量逐年上升，电子商务也随之迅速发展，冷链物流的市场规模不断扩大。但目前我国生鲜农产品冷链物流设施设备不够完善、电商农户规模小且分散，使得损坏率成为影响生鲜农产品质量的一大难题[1]。湖北省作为中国重要生鲜农产品生产基地，其产品正在逐步走向全国市场。为降低运输过程中产品的损坏率，对冷链物流的需求越来越高。因此，准确预测未来湖北省的冷链需求数量和趋势，能够为湖北省建设冷库及运输过程中所需的设施装备提供依据。并且从已有的研究文献来看，针对湖北省生鲜农产品冷链物流需求而言，目前没有预测研究成果，本文对此建立灰色GM1，1模型，预测了湖北省冷链物流需求，并验证模型的有效性，能够丰富关于这方面的理论。

1  生鲜农产品冷链物流概述

湖北省地处我国中部，具有丰富农业资源，生鲜农产品产量及生产面积逐年上升。生鲜农产品主要包括水果、蔬菜、肉、蛋、奶、水产品等，是生产完成后不需要进行深加工，直接进入市场的一种初级农产品。随着生活水平和质量的提升，优质农产品的需求会不断增大，冷链物流将在提供优质生鲜农产品方面发挥至关重要的作用[2]。但由于冷链设施不完整，运输过程中产生的易腐烂水果和蔬菜数量较多。在我国由于生鲜农产品储存不合理，造成了巨大的损失和浪费，其中蔬菜的损失占15%～20%，水果的损失占10%～15%，蔬菜和水果在分销阶段的损失约5%～10%[3]。

冷链物流不仅对维护生鲜农产品的质量和安全以及减少损失方面至关重要，而且为促进中国乡村振兴提供了重要支持。为了确保生鲜农产品具有良好品质，防止农产品变质或营养价值流失。冷链的有效性至关重要。这需要组建农产品物流中心，改善冷链设施，以及发展精确的冷链物流网络。近年来，许多研究都集中在提高冷链物流的效率和可持续性上，其结果对促进创新、改善设施和设备以及优化冷链物流行业的管理具有重要影响[4]。

2  研究方法

灰色预测模型GM1，1可以辨别无法确定关系的不同类目，以及原始数据间的变动规律，从而发现数据的发展态势[5]。由于GM1，1模型的便捷性，其需要的信息较少，仅包含一个微分方程，且微分方程仅有一个单变量[6]。因为只需拟合一个参数，所以求解GM1，1模型相对简单且计算效率较高。虽然生鲜农产品的类目繁多，但不同类目的关系不明确，内在也无明显发展规律。因此，GM1，1模型适合用来研究湖北省生鲜农产品冷链物流需求预测。

2.1  GM1，1模型

灰色系统理论，是由邓聚龙教授于1982年提出的研究方法，该理论适合用来研究样本数据量少和信息有限的不确定性问题[7]。由于灰色预测模型建模过程简单、数据更少、预测精度更高，已被广泛应用于自然科学、医药、能源、经济和其他领域[8-10]。GM1，1模型被称为灰色预测模型的核心模型之一，自提出以来，许多研究人员一直在研究[11]。

GM1，1模型的建模具体过程如下：

第一步：级比检验，建模可行性分析。

建立数据时间序列：x=x1，x2，…，xk。

求级比并进行判断：σk=， σk∈

e，

e。

第二步：用GM1，1建模对原始数据x作一次累加，得到1-AGO1序列：xk=∑xm， k=1，2，…，n。

x的紧邻均值生成序列为：Zk=z2，z3，…，zn。

Zk=xk+xk-1， k=2，3，…，n。

设灰色微分方程为：xk+azk=b，则称该方程为GM1，1模型。

利用一次累加生成数列拟合常微分方程：+ax=u，称为灰色微分方程的白化方程，其中a为发展灰数，反映了累加生成的数列x及原始数列x的发展趋势;μ为内生控制灰数，可以反应数据间的变化关系。

第三步：由最小二乘法可得到a和μ的值，=

·=

BBBy，其中：

B=    y=

第四步：白化方程的解称为时间响应序列：k+1=X1

-e+。

第五步：对上式作累减还原，得到预测值：k+1=k+1-k。

第六步：模型检验。

（1）预测模型的有效性检验。为判定预测模型的合理性和有效性，需要对模型进行检验[12]。不同数值的发展灰数a，表示预测模型不同的适用场景。具体的有效性检验标准及适用场景如表1所示。

（2）预测模型的精度检验。根据计算出来的发展灰数a判断预测值是否有效，如果发展灰数a符合特定的适用场景，则可进行精度检验[13]。模型精度等级的检验参照标准（见表2），精度检验的计算步骤如下：

残差：qk=X-k。

相对误差：εk=×100%=×100%。

平均相对误差：ε=∑εk。

精度：p=1-εavg×100%。

后验差检验：通过指标方差比以及小误差概率进行检验。

后验差比值：C=。

其中：S=为原始数列x的均方差;X=∑Xk;S=为残差数列Δ的均方差，=∑Δk。

3  湖北省生鲜农产品冷链物流需求预测与分析

3.1  指标数据选取

根据生鲜农产品的定义，从国家统计局中选取水果、蔬菜、肉类（包括猪肉、牛肉、羊肉、禽肉）、禽蛋、牛奶、水产品作为生鲜农产品的主要研究对象，将这几类生鲜农产品2008—2020年的数据作为预测的初始数据（见表3）。通过Python分别对这六个指标项进行预测。

3.2  灰色GM1，1预测模型的检验

首先利用发展灰数a检测预测模型的有效性及确定适用场景，然后对GM1，1模型进行残差检验和后验差检验来确定精度的等级。

3.2.1  模型精度检验。观察表4中各生鲜农产品的发展灰数α，发现水果、蔬菜、肉类、禽蛋、牛奶、水产品这些预测模型的发展灰数a均满足-a≤0.3这一检验标准，参照表1可知，各类生鲜农产品所构建的预测模型均有效，且均适合预测中长期场景。

3.2.2  模型有效性檢验。通过比对六种生鲜农产品产量的预测值和实际值得到每一年份的相对误差，进而依据公式计算生鲜农产品预测模型的平均相对误差，计算可知六种生鲜农产品的平均相对误差均小于0.01，得出六种生鲜农产品产量预测模型的预测精度都大于98%，精度较高，说明灰色预测模型可以用于后续的预测分析。

模型构建后得到内生控制灰数μ、后验比C值和小误差概率P值（见表6）。结合表2可知，水果产量的后验差比C值0.10，表示模型精度等级为一级。小误差概率P值为1.00，表示模型精度为一级。蔬菜产量的后验差比C值0.01，表示模型精度等级为一级。小误差概率P值为1.00，表示模型精度为一级。肉类产量的后验差比C值0.84，表示模型精度不合格。小误差概率P值为0.39，表示模型精度不合格。禽蛋产量的后验差比C值0.02，表示模型精度等级为一级。小误差概率P值为1.00，表示模型精度为一级。牛奶产量的后验差比C值0.83，表示模型精度不合格。小误差概率P值为0.46，表示模型精度为一级。水产品产量的后验差比C值0.11，表示模型精度等级为一级。小误差概率P值为1.00，表示模型精度为一级。

检验结果可知，本文对六种农产品产量所构建的GM1，1模型是有效的，且适合进行中期预测，发现肉类产量的后验差比C值0.84，小误差概率P值为0.39，均表示模型精度不合格，故后文显示预测数值，不进行分析。其他类别基本通过残差检验和后验差检验，表示精度具有一定的可信度，由此得出表7。

3.3  预测结果分析

湖北省生鲜农产品总产量预测值2021年为6 532.64万吨、2022年为6 716.05万吨、2023年为6 905.08万亿吨、2024年为

7 099.87万吨、2025年为7 300.62万吨，其中，湖北省生鲜农产品冷链需求的主要蔬菜和水果，并且水果和蔬菜在未来五年需求量呈明显递增趋势。通过计算得出2008—2025年期间每年将以2.81%的速度增长，说明湖北省对生鲜农产品的冷链需求明显上升，如图1所示。但本文预测研究仅选取统计年鉴上有的生鲜农产品类目，相当于缩小了全省生鲜农产品物流的需求量，因此实际需求量会更高，预示着湖北省在农产品冷链物流领域将迎来重要发展机遇。

4  结论和建议

针对湖北省的冷链物流，建立了需求预测模型，模型通过残差检验和后验差检验，随后对湖北省未来五年的冷链物流需求量进行预测。结合已有的政策，给出以下建议以期为湖北省生鲜农产品物流发展规划提供依据。

（1）加强冷链物流基础设施建设。湖北省于2022年1月印发《促进全省消费扩容升级三年行动方案（2021—2023）》，提出重视冷链物流技术应用与创新，鼓励移动式冷库应用。湖北省相关部门应积极响应政策，同时倡导环保技术的应用，同时推进冷链全流程数字化。

（2）构建物流发展新格局。国务院办公厅于2021年12月印发《“十四五”冷链物流发展规划》，为冷链物流高质量发展提供了方向。预测可知，2020年至2025年，湖北省生鲜农产品需求量将逐年增长，每年增长速率为2.81%，生鲜农产品需求总量将在2024年超7 000万吨。面对生鲜农产品需求量的增加，湖北省各相关部门应提前做好应对措施。可以结合湖北省不同地区的地域特征及生鲜农产品的需求量，基于现有的空間布局，对现存冷链物流体系进一步优化，构建冷链物流发展新格局。

参考文献：

[1] 梁旭，韩继良，阮俊虎，等. 电商模式下考虑农户满意度的生鲜农产品产地冷库选址研究[J/OL]. （2022-11-09）[2022-12-05]. http：//www.cnki.com.cn/Article/CJFDTotal-ZGGK20221109001.html.

[2] 缪桂根. 乡村振兴背景下农村生鲜农产品冷链物流协同发展研究[J]. 物流科技，2022，45（7）：135-137.

[3]  ZHAO H， LIU S， TIAN C， et al. An overview of current status of cold chain in China[J]. International Journal of Refrigeration， 2018，88：483-495.

[4]  HAN J W， ZUO M， ZHU W Y， et al. A comprehensive review of cold chain logistics for fresh agricultural products： Current status， challenges， and future trends[J]. Trends in Food Science & Technology， 2021，109：536-551.

[5] 严亚波. 基于全信息初值优化的GM1，1模型在物流行业中的应用[J]. 物流工程与管理，2022，44（6）：26-30.

[6] 刘震，谢玉梅，党耀国. 基于改进GM1，1模型的中国脱贫攻坚进展分析[J]. 系统工程理论与实践，2019，39（10）：2476-2486.

[7]  JU LONG D. Control problems of grey systems[J]. Systems & Control Letters， 1982（5）：288-294.

[8]  LI S， WU N. A new grey prediction model and its application in landslide displacement prediction[J]. Chaos， Solitons & Fractals， 2021，147：110969.

[9]  SAXENA A. Grey forecasting models based on internal optimization for novel corona virus （COVID-19）[J]. Applied Soft Computing， 2021，111：107735.

[10]  ZHANG P， MA X， SHE K. A novel power-driven grey model with whale optimization algorithm and its application in forecasting the residential energy consumption in China[J]. Complexity， 2019（2）：1-22.

[11]  LI S， CHEN Y， DONG R. A novel optimized grey model with quadratic polynomials term and its application[J]. Chaos， Solitons & Fractals： X， 2022，8：100074.

[12] 李占凤. 重庆市生鲜农产品冷链物流需求预测[J]. 物流技术，2017，36（10）：97-100.

[13] 杨丽英，黄婧兰. 基于GM1，1模型的崇左农产品冷链物流需求预测分析[J]. 物流工程与管理，2020，42（10）：132-136.

收稿日期：2022-12-10

作者简介：邹雅倩（1997—），女，江西宜春人，武汉科技大学管理学院硕士研究生，研究方向：企业物流与供应链管理。

引文格式：邹雅倩，崔宇昊. 基于灰色预测的湖北省生鲜农产品冷链物流需求发展研究[J]. 物流科技，2023，46（15）：144-147，150.