基于支持向量機模型的北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求預(yù)測

王曉平　彭文凱　盧懷宇

摘要：農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)具有非線性、歷史數(shù)據(jù)少、影響因素眾多等復(fù)雜特征，而支持向量機在解決小樣本、非線性和高維模式識別問題等方面具有突出優(yōu)勢。引入支持向量機模型，以北京城鎮(zhèn)為例，從農(nóng)產(chǎn)品供給、社會經(jīng)濟、冷鏈發(fā)展、人文、物流需求規(guī)模五個角度構(gòu)建其指標體系，對其2000-2014年的農(nóng)產(chǎn)品冷鏈物流需求進行建模，進而對2015-2020年城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求量進行預(yù)測。結(jié)果表明，建立的模型對冷鏈物流需求與其影響因素的非線性關(guān)系方面有較高的精度和應(yīng)用價值，能夠為農(nóng)產(chǎn)品冷鏈物流規(guī)劃者及政府提供定量的決策依據(jù)。

關(guān)鍵詞：農(nóng)產(chǎn)品；冷鏈物流需求；支持向量機；灰色關(guān)聯(lián)分析；預(yù)測模型

中圖分類號：TP311.521；F252 文獻標識碼：A

文章編號：0439-8114（2018）15-0088-07

DOI：10.14088/j.cnki.issn0439-8114.2018.15.023 開放科學(xué)（資源服務(wù)）標識碼（OSID）：

Forecast of Cold Chain Logistics Demand for Agricultural Products in Beijing

Based on Support Vector Machine Model

WANG Xiao-ping，PENG Wen-kai，LU Huai-yu，YAN Fei

（School of Logistic，Beijing Wuzi University，Beijing 101149，China）

Abstract： The cold chain logistics demand system of urban agricultural products in Beijing has many complex characteristics， such as non-linearity， few historical data， and many influencing factors， while support vector machine has outstanding advantages in solving the problems of small samples， non-linearity and high-dimensional pattern recognition. Therefore， the support vector machine model was introduced to train the data of the cold chain logistics demand of agricultural products in Beijing from 2000 to 2014， and then the cold chain logistics demand of agricultural products in Beijing from 2015 to 2020 was forecasted. The results showed that the support vector machine model can effectively fit the complex trend of agricultural products cold chain logistics demand system in Beijing， which could provide quantitative decision for agricultural products cold chain logistics planners and the government.

Key words： agricultural products； cold chain logistics needs； support vector machine； grey correlation analysis； prediction model

近年來，以國內(nèi)外市場需求為背景，從中央到地方都非常重視冷鏈物流體系建設(shè)，并提出一系列保障冷鏈物流健康、持續(xù)發(fā)展的政策。2010年，國家發(fā)展和改革委員會頒布《農(nóng)產(chǎn)品冷鏈物流發(fā)展規(guī)劃》，指出2010-2015年中國農(nóng)產(chǎn)品冷鏈物流發(fā)展的主要任務(wù)和重點工程。2015年，國家物流標準化技術(shù)委員會編制的《物流企業(yè)冷鏈服務(wù)要求與能力評估指標》、《水產(chǎn)品冷鏈物流服務(wù)規(guī)范》、《低溫倉儲作業(yè)規(guī)范》為農(nóng)產(chǎn)品供應(yīng)鏈的冷鏈物流提供了標準規(guī)范，對規(guī)范物流企業(yè)冷鏈服務(wù)水平具有重要的指導(dǎo)作用。2016年，李克強總理指出要突破冷鏈運輸滯后的“硬瓶頸”，建設(shè)農(nóng)產(chǎn)品流通全程冷鏈系統(tǒng)，再次引起市場對冷鏈農(nóng)產(chǎn)品的關(guān)注。除此之外，各省市也針對自身特點，提出相關(guān)解決冷鏈物流問題的措施。因此，在食品質(zhì)量安全及冷鏈物流等問題不斷突出和倡導(dǎo)綠色經(jīng)濟的背景下，對農(nóng)產(chǎn)品冷鏈物流進行需求預(yù)測，既對冷鏈物流行業(yè)乃至提高冷鏈效率、保證食品安全有重要意義，又能為農(nóng)產(chǎn)品冷鏈物流合理規(guī)劃及政策制定提供依據(jù)。

1 文獻綜述

需要使用冷鏈的農(nóng)產(chǎn)品一般是一些初級農(nóng)產(chǎn)品，本研究指定冷鏈農(nóng)產(chǎn)品的范圍包括：水果、蔬菜、水產(chǎn)品、肉、蛋、奶。國外關(guān)于冷鏈物流的研究內(nèi)容主要包括五個方面：安全監(jiān)測研究、績效評價研究、信息化建設(shè)研究、供應(yīng)鏈管理研究、影響因素研究[1-3]。但是他們很少涉及農(nóng)產(chǎn)品冷鏈物流需求，只有個別學(xué)者研究了農(nóng)產(chǎn)品冷鏈物流的穩(wěn)定性和運輸成本與需求的關(guān)系。國內(nèi)的冷鏈物流業(yè)起步晚，相關(guān)研究主要集中在冷鏈物流產(chǎn)業(yè)的經(jīng)濟效益、基礎(chǔ)設(shè)施建設(shè)以及冷鏈產(chǎn)業(yè)規(guī)劃上。到目前只有個別學(xué)者研究農(nóng)產(chǎn)品冷鏈物流需求的預(yù)測方法，本研究基于前輩學(xué)者對冷鏈物流的研究，并借鑒其他行業(yè)的需求預(yù)測方法，從冷鏈物流的內(nèi)涵、預(yù)測方法以及現(xiàn)有的農(nóng)產(chǎn)品冷鏈物流預(yù)測三個方面進行了一些研究。

針對農(nóng)產(chǎn)品冷鏈物流需求的內(nèi)涵，王之泰[4]認為，農(nóng)產(chǎn)品冷鏈物流需求是指消費者對生鮮農(nóng)產(chǎn)品的需求而產(chǎn)生的對具有冷藏環(huán)境的前端生產(chǎn)制造環(huán)節(jié)、后端消費運用環(huán)節(jié)和中間商流環(huán)節(jié)的需求。蘭洪杰等[5]認為，冷鏈物流需求是人民對冷凍冷藏食品需求而產(chǎn)生的對冷凍冷藏食品運輸、倉儲、裝卸搬運、流通加工、配送以及相關(guān)信息處理等物流活動的需要。朱坤萍等[6]認為，農(nóng)產(chǎn)品冷鏈物流需求是消費者對水果、蔬菜、水產(chǎn)品、肉、禽、蛋等生鮮農(nóng)產(chǎn)品的需求，從而產(chǎn)生對生鮮農(nóng)產(chǎn)品在低溫控制下的從產(chǎn)地到貯藏、運輸、分銷、加工等環(huán)節(jié)的需求。

在需求預(yù)測研究中，Yu等[7]運用多維灰色模型進行道路運輸體系預(yù)測。Yahia等[8]利用人工神經(jīng)網(wǎng)絡(luò)模型對物流需求進行預(yù)測。國內(nèi)進行需求預(yù)測以定量方法為主，主要包括馬爾可夫鏈[9]、支持向量機[10]、人工神經(jīng)網(wǎng)絡(luò)[11]、線性回歸[12]、GM（1，1）模型[13]等單一預(yù)測模型及其相關(guān)的組合預(yù)測模型。

在農(nóng)產(chǎn)品冷鏈物流需求預(yù)測方法的研究中，Bogataj等[14]研究了易腐產(chǎn)品在冷鏈物流中的穩(wěn)定性，為以后更好地研究生鮮農(nóng)產(chǎn)品物流需求奠定了基礎(chǔ)。Yahia等[8]為了解決冷鏈食品運輸成本和需求關(guān)系問題，建立了一個確定最佳數(shù)量和最優(yōu)價格的決策模型。國內(nèi)對農(nóng)產(chǎn)品冷鏈物流需求預(yù)測的模型主要包括BP人工神經(jīng)網(wǎng)絡(luò)[5]、灰色預(yù)測[15]、系統(tǒng)動力模型[16]等。

農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)是一個非線性系統(tǒng)，它的各種影響因素相互滲透，增加了農(nóng)產(chǎn)品冷鏈物流需求預(yù)測的復(fù)雜性，除此之外，北京市城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)可用的歷史數(shù)據(jù)少，導(dǎo)致部分模型預(yù)測精度不夠；采用神經(jīng)網(wǎng)絡(luò)模型預(yù)測會由于樣本得不到充分訓(xùn)練而導(dǎo)致預(yù)測性能不穩(wěn)定；而灰色模型預(yù)測僅適合具有指數(shù)遞增特性的數(shù)據(jù)，否則預(yù)測效果不好。因此預(yù)測北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求要引入新的模型方法?？傮w而言，討論北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求變動趨勢、預(yù)測北京城鎮(zhèn)未來農(nóng)產(chǎn)品冷鏈物流需求的文獻還很少。因此可以選取支持向量機模型進行預(yù)測，它有統(tǒng)計學(xué)習(xí)理論基礎(chǔ)和較高的學(xué)習(xí)性能，專門研究有限樣本情況下非參數(shù)估計問題，在解決小樣本、非線性及高維模式識別問題方面與傳統(tǒng)方法相比優(yōu)勢突出，并已成功應(yīng)用于多維函數(shù)預(yù)測等領(lǐng)域?；诖耍狙芯吭诜治鲇绊懕本┦谐擎?zhèn)農(nóng)產(chǎn)品冷鏈物流需求主要影響因素的基礎(chǔ)上，針對其農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)具有非線性、歷史數(shù)據(jù)少以及影響因素眾多等復(fù)雜特征，引入支持向量機模型，預(yù)測北京2015-2020年農(nóng)產(chǎn)品冷鏈物流需求變化趨勢，以其為相關(guān)部門的決策提供依據(jù)。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

對北京城鎮(zhèn)居民農(nóng)產(chǎn)品冷鏈物流需求做預(yù)測時，首要工作是數(shù)據(jù)收集和整理。本研究涉及到的數(shù)據(jù)是根據(jù)2000-2016年的《北京統(tǒng)計年鑒》《北京市冷鏈物流報告》《中國冷鏈物流發(fā)展報告》《中國統(tǒng)計年鑒》及相關(guān)網(wǎng)站中的相關(guān)數(shù)據(jù)直接引用或者間接計算得出，由于篇幅有限，數(shù)據(jù)處理過程略，因而保證了數(shù)據(jù)的可靠性和口徑的一致。同時由于冷鏈的相關(guān)數(shù)據(jù)統(tǒng)計工作開始較晚，部分數(shù)據(jù)不可獲得，因此本研究根據(jù)數(shù)據(jù)的可獲得性、已有文獻的總結(jié)以及實踐中所有可能影響北京農(nóng)產(chǎn)品冷鏈物流的影響因素來整理查找影響指標，并統(tǒng)計相關(guān)數(shù)據(jù)。

盡管中國各類統(tǒng)計報表中沒有農(nóng)產(chǎn)品冷鏈物流需求量指標，但是生鮮農(nóng)產(chǎn)品的需求量就是很好的農(nóng)產(chǎn)品物流需求參照數(shù)據(jù)?？紤]到使用農(nóng)產(chǎn)品冷鏈物流的需求者一般為城鎮(zhèn)顧客，故本研究使用北京城鎮(zhèn)常住人口數(shù)量和城鎮(zhèn)人均生鮮農(nóng)產(chǎn)品消費量的積作為北京農(nóng)產(chǎn)品冷鏈物流的需求量，并以此作為預(yù)測京津冀農(nóng)產(chǎn)品冷鏈物流需求量的因變量，選取冷鏈農(nóng)產(chǎn)品需求量作為農(nóng)產(chǎn)品冷鏈物流需求量，用與農(nóng)產(chǎn)品冷鏈物流需求高度相關(guān)的18個影響因素作為自變量（表1），建立農(nóng)產(chǎn)品冷鏈物流需求預(yù)測模型。

2.2 研究方法

2.2.1 灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析可以根據(jù)系統(tǒng)因素的變化態(tài)勢，計算出各因素間的關(guān)聯(lián)度，計算步驟為[17]：

設(shè)若干年前的農(nóng)產(chǎn)品冷鏈物流需求總額為原始數(shù)據(jù)，經(jīng)處理后生成一個參考數(shù)列，記為公式（1）：

X0=[X0（1），X0（2），…，X0（n）] （1）

各影響因素指標數(shù)據(jù)生成的比較數(shù)列集，記為公式（2）：

Xi=[Xi（1），Xi（2），…，Xi（n）] （i=1，2，…，m）（2）

則實數(shù)：

ξ（K）=

■（3）

稱為Xi對于X0在點K的關(guān)聯(lián)系數(shù)，其中ρ∈[0，1]。

各影響因素與需求間的關(guān)聯(lián)公式為：

γi=■∑■■ξi（K） （4）

式中γi的值越大，表示比較數(shù)列和參考數(shù)列之間的關(guān)聯(lián)度越大。

2.2.2 預(yù)測農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)的支持向量機模型

1）支持向量機學(xué)習(xí)算法基本原理。支持向量機（SVM）是一種基于統(tǒng)計學(xué)習(xí)理論的方法，基于結(jié)構(gòu)風險最小化原則[18]，對未來樣本有較好的推廣性。

2）支持向量機回歸算法設(shè)計。支持向量機模型預(yù)測的基本思想是將輸入的各種農(nóng)產(chǎn)品冷鏈物流需求影響因素x1，x2，…，xd映射到一個高維特征空間[ψ（x1），ψ（x2），…，ψ（xd）]，即可將原非線性模型轉(zhuǎn)化為特征空間的線性回歸模型：

f（xj）=wTψ（xj）+b （5）

式中，w、b是需要進行辨識的參數(shù)。對式（5）中需要辨識的參數(shù)進行處理：

Remp（f）=∑■■C（ei）+λ||w||2 （6）

式中，Remp（f）為經(jīng)驗風險；||w||2為置信風險； C（ei）為損失函數(shù)。求解式（6）等價于求解式（7）中的優(yōu)化問題ψ（Xi）：

min L=■wTw+C∑■■C（？著i′）+？著i

s.t. y-（w，ψ（Xi））-b≤？著i+？著i′（w，ψ（Xi））+b-y≤？著i+？著i′？著i′，？著i≥0 （7）

通常把式（7）轉(zhuǎn)化為對偶問題，得函數(shù)f（x）：

f（x）=∑■■（ai-ai′）K（Xi，X）+b （8）

式中，ai和ai′是支持向量機參數(shù)；K（Xt，X）是內(nèi)積函數(shù)。本研究選擇徑向基核函數(shù)（RBF）：

K（Xt，X）=exp{-■} （9）

將式（9）代入式（8），等價變換得：

f（x）=∑■■ajexp{-■}+b （10）

其中，aj是支持向量的對應(yīng)參數(shù)值；xj是訓(xùn)練年份的輸入數(shù)據(jù)向量；xv是預(yù)測年份的輸入數(shù)據(jù)向量；f（x）為輸出向量集。通過式（10）得到農(nóng)產(chǎn)品冷鏈物流需求預(yù)測參數(shù)aj和b，并估計出農(nóng)產(chǎn)品冷鏈物流需求預(yù)測模型。本研究計算通過Matlab軟件編程來實現(xiàn)。

3 實證與分析

3.1 影響因素分析與選取

農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)是一個非線性的復(fù)雜系統(tǒng)，需綜合考慮相關(guān)的經(jīng)濟、社會、人文、物流等多種影響因素，并充分考慮這些因素之間存在的聯(lián)系和制約關(guān)系。結(jié)合農(nóng)產(chǎn)品冷鏈物流消費及需求領(lǐng)域的已有研究成果，在分析2000-2016年實際數(shù)據(jù)的基礎(chǔ)上，按照綜合性、可比性及可獲得性原則，對北京農(nóng)產(chǎn)品冷鏈物流需求的主要影響因素進行歸納和篩選，包括以下5個方面。

3.1.1 農(nóng)產(chǎn)品供給 農(nóng)產(chǎn)品的有效供給能夠保障供應(yīng)商有足夠的商品來滿足消費者的需求，同時保證農(nóng)產(chǎn)品的價格在合理的層面，達到供需平衡，刺激消費，從而影響農(nóng)產(chǎn)品冷鏈物流需求量。本研究在相關(guān)文獻的基礎(chǔ)上查找能夠影響農(nóng)產(chǎn)品供給的影響指標，根據(jù)數(shù)據(jù)的可獲得性和對需求影響的相關(guān)程度，選取的農(nóng)產(chǎn)品供給影響指標有北京市冷鏈食品的批發(fā)市場成交量、北京市農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)、北京市生鮮農(nóng)產(chǎn)品年產(chǎn)量。

3.1.2 社會經(jīng)濟指標 由于經(jīng)濟發(fā)展制約著冷鏈發(fā)展，因此社會經(jīng)濟增長將會影響消費者對冷鏈產(chǎn)品的消費。而冷鏈農(nóng)產(chǎn)品的消費量，直接受制于社會經(jīng)濟的發(fā)展水平。本研究使用的社會經(jīng)濟指標有北京市社會商品零售額、北京市社會固定資產(chǎn)投資、北京市地區(qū)生產(chǎn)總值、北京市第三產(chǎn)業(yè)占比、北京市第一產(chǎn)業(yè)增加值。通過這5項指標可以較為準確全面地反映北京市的社會經(jīng)濟發(fā)展。根據(jù)表1可知，隨著社會經(jīng)濟的發(fā)展，北京市的社會商品零售總額、社會固定資產(chǎn)投資、地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)占比、第一產(chǎn)業(yè)增加值都是逐年增加，年均增長率分別為14.19%、12.74%、14.22%、1.33%、4.00%。同時，2000-2016年間北京市農(nóng)產(chǎn)品冷鏈物流需求量從314.27萬t增長到574.32萬t。農(nóng)產(chǎn)品冷鏈物流需求量隨著其經(jīng)濟增加而增加，說明二者間存在正向影響關(guān)系。

3.1.3 冷鏈水平 由于冷鏈相關(guān)的統(tǒng)計工作開展較晚，根據(jù)數(shù)據(jù)的可獲得性和指標選取的科學(xué)性，本研究選取北京市農(nóng)產(chǎn)品冷鏈物流損失率、北京市冷庫容量、北京市冷鏈物流綜合流通率來衡量冷鏈物流的發(fā)展水平。由表1可知，近年來，北京市冷鏈發(fā)展迅速，農(nóng)產(chǎn)品冷鏈物流損失率逐年遞減，由2000年冷鏈損失率為57.22%下降到2016年的23.80%，且至2016年，冷庫容量已增至125.18萬t，冷鏈物流流通率達到10.97%。冷鏈損失率的降低，冷庫容量和冷鏈流通率的上升，在拉動冷鏈物流業(yè)發(fā)展的同時，還刺激著農(nóng)產(chǎn)品冷鏈物流需求的快速增長。

3.1.4 人文發(fā)展 隨著人民消費水平的提高，消費者對食品質(zhì)量和安全性要求更高，冷鏈需求量也會隨之提升，人文的發(fā)展直接影響消費者對農(nóng)產(chǎn)品冷鏈物流的需求。從已有的研究需求方面的文獻來看，幾乎所有的文獻都將人文資源作為影響需求預(yù)測的一個重要的影響因素。結(jié)合已有的研究結(jié)果，同樣選取人文發(fā)展作為影響農(nóng)產(chǎn)品冷鏈物流需求的因素之一。本研究選取3個人文發(fā)展的影響指標，分別是北京市的城鎮(zhèn)居民人均消費支出、城鎮(zhèn)人口數(shù)量、第三產(chǎn)業(yè)從業(yè)人員。

3.1.5 物流需求規(guī)模 物流的發(fā)展水平?jīng)Q定了農(nóng)產(chǎn)品冷鏈物流的發(fā)展水平，物流需求規(guī)模同樣能夠反映物流發(fā)展水平以及消費者的需求能力。物流的發(fā)展水平反映了物流基礎(chǔ)設(shè)施、物流技術(shù)水平、供應(yīng)量管理水平等物流發(fā)展的綜合能力。因此本研究選擇物流需求規(guī)模作為影響農(nóng)產(chǎn)品冷鏈物流需求的影響因素之一。本研究選取4個物流需求規(guī)模的影響指標，包括北京市的貨物運輸量、社會物流總費用、貨運周轉(zhuǎn)量、公路營運汽車擁有量。

當然，除上述5個方面的18個主要影響因素外，還有其他影響因素，如國家宏觀政策、冷藏設(shè)備和技術(shù)、冷鏈從業(yè)人員等，由于以下原因未將這些影響因素考慮在內(nèi)：①難以將國家的宏觀政策對農(nóng)產(chǎn)品冷鏈物流的影響進行量化，導(dǎo)致沒有相關(guān)的統(tǒng)計數(shù)據(jù)；②沒有相關(guān)機構(gòu)對北京市的冷藏車數(shù)量及相關(guān)指標進行準確的統(tǒng)計，故沒有相關(guān)數(shù)據(jù)；③冷鏈從業(yè)人數(shù)會隨著冷鏈技術(shù)的提高而減少，又會隨著冷鏈產(chǎn)業(yè)規(guī)模的擴大而增加，因而并不能真正反映農(nóng)產(chǎn)品冷鏈物流需求市場的供求關(guān)系。

3.2 研究結(jié)果分析

3.2.1 影響因素間關(guān)聯(lián)度分析 對表1中數(shù)據(jù)進行無量綱化處理（X=Xi/X1），并將北京生鮮農(nóng)產(chǎn)品年需求量與18個影響因素進行灰色關(guān)聯(lián)度分析，分析結(jié)果如表2所示。結(jié)果顯示這18個影響因素與生鮮農(nóng)產(chǎn)品年需求量的關(guān)聯(lián)度排序為X13>X8>X7>X2>X18>X11>X3>X15>X14>X17>X9>X10>X12>X1>X5>X4>X6>X16。在這18個指標中，有17個指標的關(guān)聯(lián)值均大于0.750，說明本研究中歸納和篩選的17個指標與北京市農(nóng)產(chǎn)品冷鏈物流需求量之間都有較強的關(guān)聯(lián)度，適用于農(nóng)產(chǎn)品冷鏈物流需求預(yù)測。其中社會物流總費用和生鮮農(nóng)產(chǎn)品年需求量的關(guān)聯(lián)度為0.600，關(guān)聯(lián)值偏小，說明其對生鮮農(nóng)產(chǎn)品年需求量影響較小，故將其舍去。

3.2.2 影響因子預(yù)測 應(yīng)用SPSS 22.0軟件中的曲線估計功能構(gòu)建17個主要驅(qū)動因子值與時序的最優(yōu)擬合方程（表3），使用最優(yōu)方程對主要驅(qū)動因子值預(yù)測。

3.2.3 支持向量機運算 首先，將北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求影響因素作為支持向量機模型的輸入，農(nóng)產(chǎn)品冷鏈物流需求量作為輸出，對2000-2014年的歷史數(shù)據(jù)（訓(xùn)練樣本）進行模擬與仿真（圖1）。

在樣本訓(xùn)練和預(yù)測時，需要確定支持向量機正規(guī)化參數(shù)C和RBF核函數(shù)參數(shù)？滓2。將最終預(yù)測結(jié)果產(chǎn)生的誤差作為評價標準，通過反復(fù)試驗，最后確定當C=5 000，？滓2=90時，預(yù)測結(jié)果較為精確，其中，通過訓(xùn)練可獲得SVM模型參數(shù)的aj值，當aj不為0時對應(yīng)的輸入樣本是支持向量，b值為1.284。將得的參數(shù)aj和b代入式（10）中，估計出農(nóng)產(chǎn)品冷鏈物流需求預(yù)測模型，并計算出2015-2020年北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求量。

3.2.4 3種模型預(yù)測結(jié)果對比分析 由表4和表5可知，采用支持向量機模型預(yù)測北京2015-2020年農(nóng)產(chǎn)品冷鏈物流需求量，預(yù)測誤差都在2.5%以內(nèi)，平均預(yù)測誤差0.49%，實際值與預(yù)測值的相關(guān)系數(shù)達到0.999，預(yù)測結(jié)果比較接近農(nóng)產(chǎn)品冷鏈物流需求量的真實值，即支持向量機模型對北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求的預(yù)測效果優(yōu)異，預(yù)測能力突出，可以作為預(yù)測北京未來城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求變化的有效方法。

除此之外，為了進一步驗證支持向量機模型在北京市城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求預(yù)測方面的突出優(yōu)勢，本研究同樣引入常用預(yù)測模型GM（1，1）和BP神經(jīng)網(wǎng)絡(luò)，對2000-2014年的北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求量進行預(yù)測，預(yù)測誤差如表4和表5所示。

比較結(jié)果顯示，GM（1，1）模型的預(yù)測誤差和BP神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差都高于支持向量機模型，其平均絕對百分誤差分別為1.05%和1.55%，高于1%。因此，整體上看，可以認為支持向量機在北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求預(yù)測方面的性能優(yōu)于其他兩種常見預(yù)測方法。所以，可以采用支持向量機模型對北京市未來城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求變化進行預(yù)測，為有關(guān)部門檢測農(nóng)產(chǎn)品冷鏈物流需求量的變化形勢，制定農(nóng)產(chǎn)品冷鏈物流發(fā)展規(guī)劃等提供科學(xué)依據(jù)。

4 小結(jié)與討論

本研究以北京市農(nóng)產(chǎn)品冷鏈物流需求量為研究對象，以關(guān)聯(lián)度分析、支持向量機、GM（1，1）、BP神經(jīng)網(wǎng)絡(luò)以及預(yù)測精度評價模型為研究方法，得到了以下結(jié)論。

將18個影響北京市農(nóng)產(chǎn)品冷鏈物流需求的主要因素與北京市農(nóng)產(chǎn)品冷鏈物流需求進行關(guān)聯(lián)度分析，結(jié)果表明，其中17個因素與北京市農(nóng)產(chǎn)品冷鏈物流需求都有較高的關(guān)聯(lián)度，適用于北京市農(nóng)產(chǎn)品冷鏈物流需求預(yù)測，其中北京市城鎮(zhèn)人口數(shù)量、第一產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)占GDP比重與北京城鎮(zhèn)居民農(nóng)產(chǎn)品冷鏈物流需求的關(guān)聯(lián)度最強，關(guān)聯(lián)度分別為0.987、0.982、0.965。

運用支持向量機建立北京市農(nóng)產(chǎn)品冷鏈物流需求預(yù)測模型，選取2000-2016年北京市農(nóng)產(chǎn)品冷鏈物流需求相關(guān)數(shù)據(jù)進行分析，并和經(jīng)典的兩種預(yù)測模型GM（1，1）、BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進行對比分析，研究結(jié)果表明，支持向量機模型根據(jù)已有數(shù)據(jù)的特征，通過反復(fù)修正參數(shù)，比GM（1，1）、BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型得到較好的預(yù)測效果。

支持向量機模型最終預(yù)測出在2017-2020年的北京市農(nóng)產(chǎn)品冷鏈物流需求量分別為582.28萬、615.32萬、636.02萬、656.49萬t。

支持向量機預(yù)測模型是在技術(shù)方法層面上對農(nóng)產(chǎn)品冷鏈物流需求預(yù)測的一種新的嘗試。然而由于北京市冷鏈相關(guān)數(shù)據(jù)的統(tǒng)計不夠完整，使該模型的預(yù)測效果不盡如人意，還需要在此基礎(chǔ)上對支持向量機模型進一步優(yōu)化；同時這僅是以北京市特定時空范圍內(nèi)為例進行的分析，研究結(jié)果是否具有普遍性還需要進一步研究和討論。

參考文獻：

[1] CHEW E P，LEE C，LIU R. Joint inventory allocation and pricing decisions for perishable products[J].International Journal of Production Economics，2009，120（1）：139-150.

[2] BANTERLE A，STRANIERI S. Information， labelling，and vertical coordination：An analysis of the Italian meat supply networks[J].Agribusiness，2014，24（3）：320-331.

[3] RAAB V，DETERSEN B，KREYENSCHMIDT J.Temperature monitoring in meat supply chains[J].British Food Journal，2013， 113（10）：1267-1289.

[4] 王之泰.冷鏈——從思考評述到定義[J].中國流通經(jīng)濟，2010， 24（9）：15-17.

[5] 蘭洪杰，汝宜紅. 2008北京奧運食品冷鏈物流需求預(yù)測分析[J].中國流通經(jīng)濟，2008，22（2）：19-22.

[6] 朱坤萍，江琳琳，王赫男.河北省農(nóng)產(chǎn)品冷鏈物流市場分析及對策[J].價格月刊，2016（12）：64-68.

[7] YU D，QI F Z. The model of highway logistic demand forecasting based on gray neural network[J].Soft Science，2009（11）：132-135.

[8] YAHIA E M，ERKAN M，AKSOY U.Cold chain development and challenges in the developing world[J].Acta Horticulturae，2010，877（877）：127-134.

[9] 孟凡博，黃開勝，曾祥瑞，等.基于馬爾可夫鏈的混合動力汽車模型預(yù)測控制[J].中國機械工程，2014，25（19）：2692-2697.

[10] 崔慶安.基于主成分分析與支持向量機的能源需求預(yù)測方法[J].統(tǒng)計與決策，2013（17）：70-72.

[11] 郝思雨，謝 汀，伍 文，等.基于RBF神經(jīng)網(wǎng)絡(luò)的成都市城鎮(zhèn)建設(shè)用地需求預(yù)測[J].資源科學(xué)，2014，36（6）：1220-1228.

[12] 江登英，張驍騰.高等教育投資需求預(yù)測模型構(gòu)建與統(tǒng)計檢驗[J].統(tǒng)計與決策，2016（11）：38-41.

[13] 劉 偉，夏唐斌.醫(yī)療資源配置的動態(tài)生成系數(shù)灰色預(yù)測模型[J].工業(yè)工程與管理，2016，21（4）：147-151.

[14] BOGATAJ M，BOGATAJ L，VODOPIVEC R. Stability of perishable goods in cold logistic chains[J].International Journal of Production Economics，2005，93-94（1）：345-356.

[15] 蔣智凱，陳曉華.基于灰色模型的連云港水產(chǎn)品冷鏈物流需求預(yù)測分析[J].淮海工學(xué)院學(xué)報（人文社會科學(xué)版），2017，15（8）：101-103.

[16] 周 賓.陜西果品現(xiàn)代冷鏈物流需求的SD分析與對策[J].安徽農(nóng)業(yè)科學(xué)，2012，40（21）：11056-11058.

[17] 鄧聚龍.社會經(jīng)濟灰色系統(tǒng)的理論與方法[J].中國社會科學(xué)，1984（6）：47-60.

[18] 鄧乃揚，田英杰.數(shù)據(jù)挖掘中的新方法——支持向量機[M].北京：科學(xué)出版社，2004.