基于改進(jìn)灰色模型的農(nóng)產(chǎn)品冷鏈物流需求量的預(yù)測
——以甘肅省為例

高芳杰，何多魁，李強(qiáng)，楊桂

(1.蘭州財(cái)經(jīng)大學(xué) 電子商務(wù)綜合實(shí)驗(yàn)室，甘肅 蘭州，730020; 2.蘭州財(cái)經(jīng)大學(xué) 工商管理學(xué)院，甘肅 蘭州，730020)

甘肅省作為我國擁有較多貧困縣的省份之一，如何進(jìn)行精準(zhǔn)扶貧成為政府重點(diǎn)關(guān)注的問題。2015年6月，甘肅省委、省政府制定并出臺(tái)了《中共甘肅省委甘肅省人民政府關(guān)于扎實(shí)推進(jìn)精準(zhǔn)扶貧工作的意見》[1]，意見中指出：到2020年消除絕對(duì)貧困，所有貧困縣實(shí)現(xiàn)脫貧，基本完成農(nóng)村小康主要監(jiān)測指標(biāo)。這充分顯示出甘肅省對(duì)精準(zhǔn)脫貧的重視，但甘肅省作為一個(gè)農(nóng)業(yè)大省，要想脫貧，在解決農(nóng)民的溫飽問題之外,還要解決收入問題，而解決收入問題,就是要將多余的農(nóng)產(chǎn)品銷售出去，收入才有保障。但由于農(nóng)產(chǎn)品有易腐爛的特點(diǎn)，所以將冷鏈技術(shù)應(yīng)用到農(nóng)產(chǎn)品儲(chǔ)存中就顯得非常重要。

甘肅省發(fā)改委在2017年2月發(fā)布了《關(guān)于加快全省農(nóng)產(chǎn)品冷鏈物流發(fā)展的指導(dǎo)意見》[2]，意見中指出：“十三五”期間，通過改造、擴(kuò)建和新建，加快全省農(nóng)產(chǎn)品冷鏈物流基礎(chǔ)設(shè)施建設(shè)，按照每年新增冷庫庫容50萬噸左右的發(fā)展目標(biāo)，到2020年，全省冷庫庫容達(dá)到600萬噸左右。這充分顯示出甘肅省對(duì)農(nóng)產(chǎn)品冷鏈物流的重視，但現(xiàn)在仍然存在農(nóng)產(chǎn)品產(chǎn)后損失嚴(yán)重，果蔬、肉類、水產(chǎn)品流通腐損率分別達(dá)到25%、12%、15%。

所以，關(guān)于農(nóng)產(chǎn)品冷鏈物流需求量的預(yù)測就顯得非常重要。對(duì)農(nóng)產(chǎn)品冷鏈物流需求量的預(yù)測，不僅有助于冷鏈物流基礎(chǔ)設(shè)施的建設(shè)和發(fā)展，同時(shí)對(duì)政府有關(guān)部門出臺(tái)相關(guān)措施具有重要的參考價(jià)值。

1 研究綜述

近些年來，在農(nóng)產(chǎn)品冷鏈物流需求方面的研究論文較多。在農(nóng)產(chǎn)品冷鏈物流需求預(yù)測研究方面，王新娥等[3]在城鎮(zhèn)居民人口數(shù)量預(yù)測和農(nóng)產(chǎn)品冷鏈物流服務(wù)需求的基礎(chǔ)上，對(duì)新疆城鎮(zhèn)居民的農(nóng)產(chǎn)品冷鏈需求量進(jìn)行了預(yù)測分析。馮永巖[4]以北京市農(nóng)產(chǎn)品冷鏈物流為出發(fā)點(diǎn)，對(duì)需求預(yù)測指標(biāo)體系進(jìn)行構(gòu)建，并利用主成分回歸和 BP 神經(jīng)網(wǎng)絡(luò)的組合模型對(duì)該市農(nóng)產(chǎn)品冷鏈物流總需求進(jìn)行分析研究。楊箏等[5]以廣西農(nóng)產(chǎn)品的實(shí)際情況為基礎(chǔ)，利用灰色預(yù)測模型結(jié)合后驗(yàn)差檢驗(yàn)法和MAPE檢驗(yàn)精度對(duì)該省農(nóng)產(chǎn)品未來六年的冷鏈物流需求量進(jìn)行預(yù)測。原靜[6]以正向權(quán)重組合預(yù)測方法對(duì)全國農(nóng)產(chǎn)品的冷鏈物流需求進(jìn)行預(yù)測，并與其他多種方法進(jìn)行比較，例如：指數(shù)平滑、神經(jīng)網(wǎng)絡(luò)算法、灰色預(yù)測方式，得出正向權(quán)重組合預(yù)測方法更接近真實(shí)值。李占鳳[7]將多種影響冷鏈物流的因子帶入灰色預(yù)測模型，并對(duì)2006-2015年重慶市生鮮農(nóng)產(chǎn)品冷鏈物流需求量進(jìn)行模擬，最后對(duì)2016-2022年鮮農(nóng)產(chǎn)品冷鏈物流需求量進(jìn)行預(yù)測。吳家麒等[8]以四川省農(nóng)產(chǎn)品冷鏈物流的數(shù)據(jù)為基礎(chǔ)，利用灰色 GM( 1，1)預(yù)測模型和馬爾科夫模型預(yù)測了四川省“十三五”期間農(nóng)產(chǎn)品冷鏈物流的需求量。

在甘肅省農(nóng)產(chǎn)品冷鏈物流研究方面，羅海燕[9]建立多層次綜合評(píng)價(jià)體系，并應(yīng)用模糊層次分析法和算法綜合評(píng)價(jià)了甘肅省農(nóng)產(chǎn)品冷鏈物流系統(tǒng)的績效，指出甘肅省在發(fā)展農(nóng)產(chǎn)品冷鏈物流方面的問題。康開潔[10]從甘肅省特色農(nóng)產(chǎn)品冷鏈物流現(xiàn)存的問題出發(fā)，提出解決問題的發(fā)展路徑是政府出面加大冷鏈物流的基礎(chǔ)設(shè)施建設(shè)和增強(qiáng)發(fā)展冷鏈物流的意識(shí)。薛磊[11]借助物聯(lián)網(wǎng)技術(shù)，以甘肅省農(nóng)產(chǎn)品冷鏈物流為研究對(duì)象，設(shè)計(jì)了涵蓋農(nóng)產(chǎn)品生產(chǎn)、儲(chǔ)存、配送和銷售四個(gè)環(huán)節(jié)的農(nóng)產(chǎn)品冷鏈物流體系。

目前，國內(nèi)學(xué)者在農(nóng)產(chǎn)品冷鏈物流需求預(yù)測方面用到了許多方法，例如：灰色預(yù)測模型、BP神經(jīng)網(wǎng)絡(luò)算法、正向權(quán)重組合預(yù)測方法以及指數(shù)平滑、回歸方法等，這些算法有些需要大量的數(shù)據(jù)，有些預(yù)測精度不夠。文中通過分析甘肅省農(nóng)產(chǎn)品冷鏈物流的實(shí)際情況，并結(jié)合吳家麒學(xué)者所用到的方法，最終運(yùn)用灰色預(yù)測模型、最優(yōu)子集法和馬爾科夫模型對(duì)農(nóng)產(chǎn)品冷鏈物流需求進(jìn)行預(yù)測，結(jié)果顯示可以解決需要大量數(shù)據(jù)和預(yù)測精度不夠的問題。文中在灰色 GM( 1，1)預(yù)測模型和馬爾科夫模型中間創(chuàng)新性的使用最優(yōu)子集法進(jìn)行優(yōu)化，可以將政策影響考慮到實(shí)際的預(yù)測中。

2 模型構(gòu)建

文中通過灰色預(yù)測模型、最優(yōu)子集法優(yōu)化和馬爾科夫模型對(duì)農(nóng)產(chǎn)品冷鏈物流需求量進(jìn)行預(yù)測。

2.1 灰色GM(1,1)預(yù)測模型

灰色預(yù)測模型自學(xué)者鄧聚龍教授在1982年創(chuàng)立以來，它就在多個(gè)領(lǐng)域中被使用到，并對(duì)樣本數(shù)量少的問題有較好的預(yù)測，它的計(jì)算相對(duì)簡單，在短期預(yù)測過程中有精度高的特點(diǎn)。建模過程如下[12]：

1)設(shè)原始數(shù)據(jù)序列為x(0)，

x(0)={x(0)(1),x(0)(2),x(0)(3)…,x(0)(n)}

(1)

2)對(duì)原始數(shù)據(jù)序列x(0)進(jìn)行一次累加得到數(shù)據(jù)序列x(1)，

x(1)={x(1)(1),x(1)(2),x(1)(3)…,x(1)(n)}

(2)

3)定義數(shù)據(jù)序列x(1)的近鄰均值序列z(1)，

z(1)={z(1)(1),z(1)(2),z(1)(3)…,z(1)(n)}

(3)

4)建立微分方程模型：

(4)

其中，z(1)(k)為白化背景值，x(0)(k)為灰導(dǎo)數(shù)，a為發(fā)展系數(shù)，b為灰作用量，k=1,2,3…,n。

5)根據(jù)最小二乘法可得a、b的預(yù)測值，

(5)

(6)

(7)

7)根據(jù)求出的預(yù)測值和原始值可得到殘差ε和相對(duì)誤差p，

(8)

(9)

其中，k=1,2,3,…,n-1。

利用灰色GM(1,1)預(yù)測模型對(duì)原始數(shù)據(jù)進(jìn)行了估計(jì)預(yù)測，可以得到已有原始數(shù)據(jù)的預(yù)測值和它們之間的殘差以及相對(duì)殘差，并且也可以得到未知數(shù)據(jù)的預(yù)測值。

2.2 最優(yōu)子集法和馬爾科夫模型

國務(wù)院在2009年發(fā)布《物流業(yè)調(diào)整和振興規(guī)劃》,其中明確提出要完善鮮活農(nóng)產(chǎn)品儲(chǔ)藏、加工、運(yùn)輸和配送等冷鏈物流設(shè)施,提高鮮活農(nóng)產(chǎn)品冷藏運(yùn)輸比例。甘肅省在國家政策下逐漸開始農(nóng)產(chǎn)品冷鏈技術(shù)的運(yùn)用，所以農(nóng)產(chǎn)品冷鏈物流預(yù)測過程中要充分考慮不同時(shí)間段冷鏈物流量的不同。故在運(yùn)用馬爾科夫模型進(jìn)行預(yù)測前，加入最優(yōu)子集理論，充分考慮國家政策對(duì)農(nóng)產(chǎn)品冷鏈物流的影響。

2.2.1 最優(yōu)子集法

最優(yōu)子集法：在預(yù)測前選好基準(zhǔn)原始數(shù)據(jù)個(gè)數(shù)，以此得到較為準(zhǔn)確的結(jié)果。建模過程如下：

1)原始數(shù)據(jù)序列為x(0)={x(0)(1),x(0)(2),x(0)(3)…,x(0)(n)}。

2)子集輸入的個(gè)數(shù)，截取連續(xù)數(shù)據(jù)作為輸入子集代替原始數(shù)據(jù)，即將某一部分子集代替原始數(shù)據(jù)，以此進(jìn)行預(yù)測，以期達(dá)到更好地效果：

{x(0)(n-l),…,x(0)(n-1),x(0)(n)}

(10)

其中，l∈(3，4,5,…,n-1)。

3)確定最優(yōu)子集個(gè)數(shù)，使用平均絕對(duì)誤差百分比MAPE進(jìn)行判斷：

(11)

其中，計(jì)算出最小MAPE(l)值，以此來確定最優(yōu)輸入子集的個(gè)數(shù)。

2.2.2 馬爾科夫模型

馬爾科夫過程[12]指：若每次狀態(tài)的轉(zhuǎn)移都只與互相接引的前一次有關(guān)，而與過去的狀態(tài)無關(guān)，或者是狀態(tài)轉(zhuǎn)移過程是無后效性的。建模過程如下：

1)根據(jù)式(9)所算的相對(duì)殘差p(i)進(jìn)行所屬狀態(tài)Si的劃分，以實(shí)際相對(duì)誤差的大小劃分μ個(gè)狀態(tài)區(qū)間，確定殘差的每個(gè)狀態(tài)在取值范圍[Li,Uj]內(nèi)。一般用下式確定μ的取值：

(12)

2)計(jì)算狀態(tài)轉(zhuǎn)移概率Pij的值：

(13)

其中，Pij表示狀態(tài)Si經(jīng)過k步到狀態(tài)Sj的概率，k表示轉(zhuǎn)移的步數(shù)。

3)由狀態(tài)轉(zhuǎn)移概率Pij組成的狀態(tài)轉(zhuǎn)移矩陣為A(k)[13]，

(14)

其中，r表示輸入的最優(yōu)子集的個(gè)數(shù)，也就是最優(yōu)的預(yù)測個(gè)數(shù)；k表示轉(zhuǎn)移的步數(shù)。

(15)

3 實(shí)驗(yàn)過程

文章以甘肅省的農(nóng)產(chǎn)品冷鏈物流需求量為例進(jìn)行預(yù)測，以期為甘肅省的冷鏈物流設(shè)施建設(shè)提供依據(jù)。

3.1 實(shí)驗(yàn)數(shù)據(jù)

文中研究的數(shù)據(jù)是以甘肅省的統(tǒng)計(jì)年鑒為基礎(chǔ)，結(jié)合阿里研究院的相關(guān)數(shù)據(jù)，收集到甘肅省從2008—2016年的農(nóng)產(chǎn)品數(shù)據(jù)，包括肉類、水產(chǎn)品、蔬菜、水果、中藥材和奶類共六種的農(nóng)產(chǎn)品數(shù)據(jù)。詳細(xì)數(shù)據(jù)見下表1所示。

表1 甘肅省農(nóng)產(chǎn)品冷鏈物流量(/kt)Table 1 Cold chain flow of agricultural products in Gansu Province(/kt)

由表1可以看出，甘肅省在2008—2016年間，肉類、水產(chǎn)品、蔬菜、水果、中藥材和奶類的冷鏈物流量基本都在持續(xù)增長，但增長趨勢各有不同。

3.2 預(yù)測模型應(yīng)用

在預(yù)測過程中，首先使用灰色GM(1,1)預(yù)測模型進(jìn)行預(yù)測，接著用最優(yōu)子集法找到最優(yōu)輸入個(gè)數(shù)，之后采用馬爾科夫模型對(duì)使用最優(yōu)子集法的灰色模型預(yù)測后的數(shù)據(jù)進(jìn)行優(yōu)化。

3.2.1 灰色GM(1,1)模型預(yù)測

采用灰色GM(1,1)模型預(yù)測水產(chǎn)品的冷鏈物流量，結(jié)果如表2所示，圖1顯示的是實(shí)際值和預(yù)測值的曲線圖。預(yù)測結(jié)果可以通過下列式子計(jì)算得到：

(16)

表2 基于灰色GM(1,1)模型對(duì)水產(chǎn)品的冷鏈物流量預(yù)測Table 2 Prediction of cold chain flow of aquatic products based on grey GM(1,1)model

為了表明實(shí)驗(yàn)的準(zhǔn)確性，文中將2008—2015年的數(shù)據(jù)設(shè)置為訓(xùn)練數(shù)據(jù)，將2016年的數(shù)據(jù)設(shè)置為檢驗(yàn)數(shù)據(jù)。由式(11)可以計(jì)算得到平均絕對(duì)誤差百分比MAPE=0.127 5，2016年的水產(chǎn)品冷鏈物流量的預(yù)測值為2.000 4。使用灰色GM(1,1)模型對(duì)水產(chǎn)品的冷鏈物流量預(yù)測效果圖如圖1所示，x軸表示年份，y軸表示水產(chǎn)品的冷鏈物流量。

圖1 基于灰色GM(1,1)模型對(duì)水產(chǎn)品的冷鏈物流量預(yù)測Fig.1 Prediction of cold chain flow of aquatic products based on grey GM(1,1)model

3.2.2 最優(yōu)子集法優(yōu)化輸入個(gè)數(shù)

最優(yōu)子集法就是要截取連續(xù)的數(shù)據(jù)段作為輸入的數(shù)據(jù)。由于甘肅省真正將冷鏈物流技術(shù)運(yùn)用到農(nóng)產(chǎn)品運(yùn)輸中是近幾年的事情，所以在實(shí)驗(yàn)中，選取l=(3,4,5,6,7)，帶入之前的灰色GM(1,1)模型中進(jìn)行預(yù)測，并用式(11)計(jì)算每次的平均絕對(duì)誤差百分比MAPE。最終選取MAPE值最小時(shí)的輸入個(gè)數(shù)作為實(shí)驗(yàn)的最優(yōu)結(jié)果。l輸入個(gè)數(shù)值與MAPE值如下表3所示。

表3 l輸入個(gè)數(shù)值與MAPE值Table 3 Entering values l and values MAPE

從表3可以看出，當(dāng)l=5時(shí)，MAPE=0.112 2為最小，所以輸入的最優(yōu)個(gè)數(shù)為5，即選擇2011—2015年的水產(chǎn)品數(shù)據(jù)進(jìn)行預(yù)測。最優(yōu)子集法優(yōu)化后的預(yù)測值如下表4所示。

表4 最優(yōu)子集法優(yōu)化后預(yù)測值Table 4 Predicted value optimized by optimal subset method

從下圖2中可以看出，用最優(yōu)子集法優(yōu)化后的預(yù)測值比使用灰色預(yù)測模型的預(yù)測值要更接近于實(shí)際值，x軸表示年份，y軸表示水產(chǎn)品的冷鏈物流量。

圖2 實(shí)際值、灰色預(yù)測值與最優(yōu)子集優(yōu)化后的預(yù)測值之間的關(guān)系Fig.5 Relationship among actual value,gray prediction value and predicted value optimized by optimal subset method

3.2.3 馬爾科夫模型優(yōu)化

根據(jù)最優(yōu)子集法優(yōu)化后的灰色預(yù)測模型預(yù)測值的相對(duì)誤差值進(jìn)行馬爾科夫模型[14]的狀態(tài)劃分，具體見表5所示。

表5 馬爾科夫模型狀態(tài)表Table 5 Markov model status table

根據(jù)預(yù)測后的相對(duì)殘差值進(jìn)行狀態(tài)劃分，由具體數(shù)據(jù)可以劃分為三種狀態(tài)，分別記為S1、S2、S3，所以有S1的范圍是[-25%,-8%]，S2的范圍是[-8%,8%]，S3的范圍是[8%,25%]。根據(jù)表5可以得到以下的狀態(tài)轉(zhuǎn)移矩陣。

根據(jù)以上狀態(tài)轉(zhuǎn)移矩陣可以得到下表6所示的一個(gè)判斷2016年數(shù)據(jù)狀態(tài)的表。由表6可以看出，在三種狀態(tài)下，狀態(tài)S1的概率最大，所以2016年的數(shù)據(jù)狀態(tài)處在S1中。根據(jù)式(15)計(jì)算得到2016年的預(yù)測值為

(17)

由式(17)知道2016年水產(chǎn)品冷鏈物流量經(jīng)過灰色預(yù)測模型、最優(yōu)子集法和馬爾科夫模型優(yōu)化后的預(yù)測值為2.382 6，此時(shí)的殘差是0.127 4，相對(duì)誤差是0.050 8，比灰色GM(1,1)預(yù)測模型和經(jīng)過最優(yōu)子集法優(yōu)化后的值都更加接近真實(shí)值。

表6 2016年數(shù)據(jù)狀態(tài)預(yù)測Table 6 Status forecast of 2016 data

3.3 預(yù)測后續(xù)數(shù)據(jù)

根據(jù)上述實(shí)驗(yàn)結(jié)果可知，經(jīng)過最優(yōu)子集法和馬爾科夫模型優(yōu)化后的灰色GM(1,1)模型預(yù)測出的值比傳統(tǒng)的灰色GM(1,1)模型預(yù)測出的值更加接近于真實(shí)值。所以，應(yīng)用這種優(yōu)化后的方法對(duì)水產(chǎn)品2017—2020年的冷鏈物流需求量進(jìn)行預(yù)測，預(yù)測出的值見下表7所示。

根據(jù)表7可以看出水產(chǎn)品的年增長較快，到2020年時(shí)可以達(dá)到94.649kt。關(guān)于肉類、蔬菜、水果、中藥材和奶類的預(yù)測值使用相同的方法，預(yù)測結(jié)果見下表8所示。

表7 水產(chǎn)品2017—2020年冷鏈物流需求量預(yù)測值(/kt)Table 7 Cold chain logistics demand forecast for aquatic products from 2017 to 2020(/kt)

表8 甘肅省2017—2020年農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測值(/kt)Table 8 Forecast of agricultural product cold chain logistics demand in Gansu Province from 2017 to 2020(/kt)

4 相關(guān)建議

根據(jù)上述表8甘肅省2017—2020年的農(nóng)產(chǎn)品冷鏈物流需求量預(yù)測值可看出，不同農(nóng)產(chǎn)品的增長趨勢不同，現(xiàn)提出一些建議，以期能為甘肅省的冷鏈物流設(shè)施建設(shè)提供參考。

4.1 不同農(nóng)產(chǎn)品建設(shè)不同規(guī)模的冷鏈物流設(shè)施

從表8的甘肅省2017—2020年的農(nóng)產(chǎn)品冷鏈物流需求量的預(yù)測來看，不同農(nóng)產(chǎn)品冷鏈物流量的年增長速度不同。單從這六種農(nóng)產(chǎn)品冷鏈物流需求量的增長來看，水產(chǎn)品和水果的增長速度較快，中藥材、奶類和蔬菜的增長速度次之，肉類的增長速度最慢，但也要結(jié)合農(nóng)產(chǎn)品的基數(shù)來看，蔬菜和水果的基數(shù)較大，肉類、中藥材和奶類次之，水產(chǎn)品的基數(shù)最小。所以結(jié)合增長速度和基數(shù)分析出，針對(duì)水果和蔬菜應(yīng)該加大冷鏈物流基礎(chǔ)設(shè)施的建設(shè)。肉類和中藥材的冷鏈物流基礎(chǔ)設(shè)施應(yīng)保持現(xiàn)狀，加快特色農(nóng)產(chǎn)品品牌[15]的推廣，例如將肉類做成肉干、肉脯之類可以較長時(shí)間存儲(chǔ)的食品，甘肅省有枸杞、黨參等特色的中藥材，像肉類一樣進(jìn)行二次加工后可以增加更多的利潤。對(duì)于水產(chǎn)品來說，雖然增長速度很快，但是基礎(chǔ)數(shù)量相較于其他的農(nóng)產(chǎn)品來說較少，冷鏈物流的基礎(chǔ)設(shè)施建設(shè)應(yīng)更多的關(guān)注本身的特殊性。奶類這一液體狀的農(nóng)產(chǎn)品，它的冷凍存儲(chǔ)方法較為嚴(yán)格，應(yīng)考慮進(jìn)行二次加工，可以做成奶酪或是結(jié)合其他農(nóng)產(chǎn)品進(jìn)行加工，做成特色品牌是較為理想的。

4.2 加大物流人才的培養(yǎng)

不同農(nóng)產(chǎn)品的冷凍存儲(chǔ)方法是不一樣的，如何在現(xiàn)有的基礎(chǔ)上使得農(nóng)產(chǎn)品的存儲(chǔ)時(shí)間加長，這就需要專業(yè)的物流人才?，F(xiàn)在的冷鏈物流技術(shù)還不是很完善，成本高、運(yùn)輸方式不統(tǒng)一等都制約著物流的發(fā)展，限制了企業(yè)的發(fā)展。如果校企結(jié)合，學(xué)校和企業(yè)是雙贏的局面，學(xué)?？梢詾槠髽I(yè)帶來新的物流技術(shù)，企業(yè)可以給學(xué)生提供社會(huì)實(shí)踐的機(jī)會(huì)。當(dāng)然，現(xiàn)在物流專業(yè)的人才應(yīng)該具備扎實(shí)的基礎(chǔ)知識(shí)，還應(yīng)了解國際物流的發(fā)展，把“走出去”和“引進(jìn)來”相結(jié)合，進(jìn)行原創(chuàng)和二次創(chuàng)新。

4.3 政府應(yīng)該制定精準(zhǔn)政策

冷鏈物流基礎(chǔ)設(shè)施的建設(shè)應(yīng)該在政府支持的情況下進(jìn)行。農(nóng)民的冷鏈物流知識(shí)有限，獲得信息的渠道受限制，企業(yè)雖了解比較多的冷鏈物流知識(shí)，但同樣存在獲得信息受限的問題，很多時(shí)候農(nóng)民與企業(yè)的溝通出現(xiàn)脫節(jié)的現(xiàn)象，這樣就需要政府出面去調(diào)節(jié)。所以政府在精準(zhǔn)扶貧工作中，應(yīng)該加大調(diào)研力度，結(jié)合企業(yè)、農(nóng)民和農(nóng)村的實(shí)際情況去制定政策，減少中間環(huán)節(jié)的漏洞，避免信息的不流通造成農(nóng)民和企業(yè)的損失。

5 結(jié)論

文章在甘肅省2008—2016年農(nóng)產(chǎn)品冷鏈物流需求量的基礎(chǔ)上，首先采用灰色GM(1,1)預(yù)測模型對(duì)原始數(shù)據(jù)進(jìn)行預(yù)測，然后使用最優(yōu)子集法進(jìn)行優(yōu)化，得到最優(yōu)的輸入個(gè)數(shù)，最后采用馬爾科夫模型進(jìn)一步優(yōu)化，對(duì)甘肅省2017—2020年的農(nóng)產(chǎn)品冷鏈物流需求量進(jìn)行了預(yù)測，預(yù)測結(jié)果較為接近真實(shí)值。針對(duì)這些預(yù)測值提出三點(diǎn)建議：不同農(nóng)產(chǎn)品建設(shè)不同規(guī)模的冷鏈物流設(shè)施、加大物流人才的培養(yǎng)、政府應(yīng)該制定精準(zhǔn)政策。以期預(yù)測值能為甘肅省的冷鏈物流設(shè)施建設(shè)提供參考。