基于灰色預(yù)測(cè)的湖北省生鮮農(nóng)產(chǎn)品冷鏈物流需求發(fā)展研究

鄒雅倩 崔宇昊

摘? 要：隨著生鮮農(nóng)產(chǎn)品在居民的日常消費(fèi)中占比上升，冷鏈物流的需求也逐漸增長(zhǎng)。為降低生鮮農(nóng)產(chǎn)品的腐損率，推動(dòng)冷鏈物流高質(zhì)量發(fā)展，文章基于湖北省當(dāng)前生鮮農(nóng)產(chǎn)品冷鏈物流發(fā)展現(xiàn)狀，選擇2008—2020年生鮮農(nóng)產(chǎn)品中的水果、蔬菜、肉類、禽蛋、牛奶、水產(chǎn)品作為主要研究對(duì)象，在灰色預(yù)測(cè)模型中選用GM1，1模型，預(yù)測(cè)生鮮農(nóng)產(chǎn)品冷鏈的物流需求。結(jié)果表明該預(yù)測(cè)方法精度較高，能夠反映湖北省未來幾年生鮮農(nóng)產(chǎn)品冷鏈物流的需求量，可為相關(guān)部門決策提供依據(jù)。

關(guān)鍵詞：生鮮農(nóng)產(chǎn)品;冷鏈物流;GM1，1模型

中圖分類號(hào)：F304.3? ? 文獻(xiàn)標(biāo)志碼：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，我國(guó)實(shí)現(xiàn)全面脫貧，人民生活質(zhì)量逐年上升，電子商務(wù)也隨之迅速發(fā)展，冷鏈物流的市場(chǎng)規(guī)模不斷擴(kuò)大。但目前我國(guó)生鮮農(nóng)產(chǎn)品冷鏈物流設(shè)施設(shè)備不夠完善、電商農(nóng)戶規(guī)模小且分散，使得損壞率成為影響生鮮農(nóng)產(chǎn)品質(zhì)量的一大難題[1]。湖北省作為中國(guó)重要生鮮農(nóng)產(chǎn)品生產(chǎn)基地，其產(chǎn)品正在逐步走向全國(guó)市場(chǎng)。為降低運(yùn)輸過程中產(chǎn)品的損壞率，對(duì)冷鏈物流的需求越來越高。因此，準(zhǔn)確預(yù)測(cè)未來湖北省的冷鏈需求數(shù)量和趨勢(shì)，能夠?yàn)楹笔〗ㄔO(shè)冷庫(kù)及運(yùn)輸過程中所需的設(shè)施裝備提供依據(jù)。并且從已有的研究文獻(xiàn)來看，針對(duì)湖北省生鮮農(nóng)產(chǎn)品冷鏈物流需求而言，目前沒有預(yù)測(cè)研究成果，本文對(duì)此建立灰色GM1，1模型，預(yù)測(cè)了湖北省冷鏈物流需求，并驗(yàn)證模型的有效性，能夠豐富關(guān)于這方面的理論。

1? 生鮮農(nóng)產(chǎn)品冷鏈物流概述

湖北省地處我國(guó)中部，具有豐富農(nóng)業(yè)資源，生鮮農(nóng)產(chǎn)品產(chǎn)量及生產(chǎn)面積逐年上升。生鮮農(nóng)產(chǎn)品主要包括水果、蔬菜、肉、蛋、奶、水產(chǎn)品等，是生產(chǎn)完成后不需要進(jìn)行深加工，直接進(jìn)入市場(chǎng)的一種初級(jí)農(nóng)產(chǎn)品。隨著生活水平和質(zhì)量的提升，優(yōu)質(zhì)農(nóng)產(chǎn)品的需求會(huì)不斷增大，冷鏈物流將在提供優(yōu)質(zhì)生鮮農(nóng)產(chǎn)品方面發(fā)揮至關(guān)重要的作用[2]。但由于冷鏈設(shè)施不完整，運(yùn)輸過程中產(chǎn)生的易腐爛水果和蔬菜數(shù)量較多。在我國(guó)由于生鮮農(nóng)產(chǎn)品儲(chǔ)存不合理，造成了巨大的損失和浪費(fèi)，其中蔬菜的損失占15%～20%，水果的損失占10%～15%，蔬菜和水果在分銷階段的損失約5%～10%[3]。

冷鏈物流不僅對(duì)維護(hù)生鮮農(nóng)產(chǎn)品的質(zhì)量和安全以及減少損失方面至關(guān)重要，而且為促進(jìn)中國(guó)鄉(xiāng)村振興提供了重要支持。為了確保生鮮農(nóng)產(chǎn)品具有良好品質(zhì)，防止農(nóng)產(chǎn)品變質(zhì)或營(yíng)養(yǎng)價(jià)值流失。冷鏈的有效性至關(guān)重要。這需要組建農(nóng)產(chǎn)品物流中心，改善冷鏈設(shè)施，以及發(fā)展精確的冷鏈物流網(wǎng)絡(luò)。近年來，許多研究都集中在提高冷鏈物流的效率和可持續(xù)性上，其結(jié)果對(duì)促進(jìn)創(chuàng)新、改善設(shè)施和設(shè)備以及優(yōu)化冷鏈物流行業(yè)的管理具有重要影響[4]。

2? 研究方法

灰色預(yù)測(cè)模型GM1，1可以辨別無法確定關(guān)系的不同類目，以及原始數(shù)據(jù)間的變動(dòng)規(guī)律，從而發(fā)現(xiàn)數(shù)據(jù)的發(fā)展態(tài)勢(shì)[5]。由于GM1，1模型的便捷性，其需要的信息較少，僅包含一個(gè)微分方程，且微分方程僅有一個(gè)單變量[6]。因?yàn)橹恍钄M合一個(gè)參數(shù)，所以求解GM1，1模型相對(duì)簡(jiǎn)單且計(jì)算效率較高。雖然生鮮農(nóng)產(chǎn)品的類目繁多，但不同類目的關(guān)系不明確，內(nèi)在也無明顯發(fā)展規(guī)律。因此，GM1，1模型適合用來研究湖北省生鮮農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)。

2.1? GM1，1模型

灰色系統(tǒng)理論，是由鄧聚龍教授于1982年提出的研究方法，該理論適合用來研究樣本數(shù)據(jù)量少和信息有限的不確定性問題[7]。由于灰色預(yù)測(cè)模型建模過程簡(jiǎn)單、數(shù)據(jù)更少、預(yù)測(cè)精度更高，已被廣泛應(yīng)用于自然科學(xué)、醫(yī)藥、能源、經(jīng)濟(jì)和其他領(lǐng)域[8-10]。GM1，1模型被稱為灰色預(yù)測(cè)模型的核心模型之一，自提出以來，許多研究人員一直在研究[11]。

GM1，1模型的建模具體過程如下：

第一步：級(jí)比檢驗(yàn)，建模可行性分析。

建立數(shù)據(jù)時(shí)間序列：x=x1，x2，…，xk。

求級(jí)比并進(jìn)行判斷：σk=， σk∈

e，

e。

第二步：用GM1，1建模對(duì)原始數(shù)據(jù)x作一次累加，得到1-AGO1序列：xk=∑xm， k=1，2，…，n。

x的緊鄰均值生成序列為：Zk=z2，z3，…，zn。

Zk=xk+xk-1， k=2，3，…，n。

設(shè)灰色微分方程為：xk+azk=b，則稱該方程為GM1，1模型。

利用一次累加生成數(shù)列擬合常微分方程：+ax=u，稱為灰色微分方程的白化方程，其中a為發(fā)展灰數(shù)，反映了累加生成的數(shù)列x及原始數(shù)列x的發(fā)展趨勢(shì);μ為內(nèi)生控制灰數(shù)，可以反應(yīng)數(shù)據(jù)間的變化關(guān)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：白化方程的解稱為時(shí)間響應(yīng)序列：k+1=X1

-e+。

第五步：對(duì)上式作累減還原，得到預(yù)測(cè)值：k+1=k+1-k。

第六步：模型檢驗(yàn)。

（1）預(yù)測(cè)模型的有效性檢驗(yàn)。為判定預(yù)測(cè)模型的合理性和有效性，需要對(duì)模型進(jìn)行檢驗(yàn)[12]。不同數(shù)值的發(fā)展灰數(shù)a，表示預(yù)測(cè)模型不同的適用場(chǎng)景。具體的有效性檢驗(yàn)標(biāo)準(zhǔn)及適用場(chǎng)景如表1所示。

（2）預(yù)測(cè)模型的精度檢驗(yàn)。根據(jù)計(jì)算出來的發(fā)展灰數(shù)a判斷預(yù)測(cè)值是否有效，如果發(fā)展灰數(shù)a符合特定的適用場(chǎng)景，則可進(jìn)行精度檢驗(yàn)[13]。模型精度等級(jí)的檢驗(yàn)參照標(biāo)準(zhǔn)（見表2），精度檢驗(yàn)的計(jì)算步驟如下：

殘差：qk=X-k。

相對(duì)誤差：εk=×100%=×100%。

平均相對(duì)誤差：ε=∑εk。

精度：p=1-εavg×100%。

后驗(yàn)差檢驗(yàn)：通過指標(biāo)方差比以及小誤差概率進(jìn)行檢驗(yàn)。

后驗(yàn)差比值：C=。

其中：S=為原始數(shù)列x的均方差;X=∑Xk;S=為殘差數(shù)列Δ的均方差，=∑Δk。

3? 湖北省生鮮農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)與分析

3.1? 指標(biāo)數(shù)據(jù)選取

根據(jù)生鮮農(nóng)產(chǎn)品的定義，從國(guó)家統(tǒng)計(jì)局中選取水果、蔬菜、肉類（包括豬肉、牛肉、羊肉、禽肉）、禽蛋、牛奶、水產(chǎn)品作為生鮮農(nóng)產(chǎn)品的主要研究對(duì)象，將這幾類生鮮農(nóng)產(chǎn)品2008—2020年的數(shù)據(jù)作為預(yù)測(cè)的初始數(shù)據(jù)（見表3）。通過Python分別對(duì)這六個(gè)指標(biāo)項(xiàng)進(jìn)行預(yù)測(cè)。

3.2? 灰色GM1，1預(yù)測(cè)模型的檢驗(yàn)

首先利用發(fā)展灰數(shù)a檢測(cè)預(yù)測(cè)模型的有效性及確定適用場(chǎng)景，然后對(duì)GM1，1模型進(jìn)行殘差檢驗(yàn)和后驗(yàn)差檢驗(yàn)來確定精度的等級(jí)。

3.2.1? 模型精度檢驗(yàn)。觀察表4中各生鮮農(nóng)產(chǎn)品的發(fā)展灰數(shù)α，發(fā)現(xiàn)水果、蔬菜、肉類、禽蛋、牛奶、水產(chǎn)品這些預(yù)測(cè)模型的發(fā)展灰數(shù)a均滿足-a≤0.3這一檢驗(yàn)標(biāo)準(zhǔn)，參照表1可知，各類生鮮農(nóng)產(chǎn)品所構(gòu)建的預(yù)測(cè)模型均有效，且均適合預(yù)測(cè)中長(zhǎng)期場(chǎng)景。

3.2.2? 模型有效性檢驗(yàn)。通過比對(duì)六種生鮮農(nóng)產(chǎn)品產(chǎn)量的預(yù)測(cè)值和實(shí)際值得到每一年份的相對(duì)誤差，進(jìn)而依據(jù)公式計(jì)算生鮮農(nóng)產(chǎn)品預(yù)測(cè)模型的平均相對(duì)誤差，計(jì)算可知六種生鮮農(nóng)產(chǎn)品的平均相對(duì)誤差均小于0.01，得出六種生鮮農(nóng)產(chǎn)品產(chǎn)量預(yù)測(cè)模型的預(yù)測(cè)精度都大于98%，精度較高，說明灰色預(yù)測(cè)模型可以用于后續(xù)的預(yù)測(cè)分析。

模型構(gòu)建后得到內(nèi)生控制灰數(shù)μ、后驗(yàn)比C值和小誤差概率P值（見表6）。結(jié)合表2可知，水果產(chǎn)量的后驗(yàn)差比C值0.10，表示模型精度等級(jí)為一級(jí)。小誤差概率P值為1.00，表示模型精度為一級(jí)。蔬菜產(chǎn)量的后驗(yàn)差比C值0.01，表示模型精度等級(jí)為一級(jí)。小誤差概率P值為1.00，表示模型精度為一級(jí)。肉類產(chǎn)量的后驗(yàn)差比C值0.84，表示模型精度不合格。小誤差概率P值為0.39，表示模型精度不合格。禽蛋產(chǎn)量的后驗(yàn)差比C值0.02，表示模型精度等級(jí)為一級(jí)。小誤差概率P值為1.00，表示模型精度為一級(jí)。牛奶產(chǎn)量的后驗(yàn)差比C值0.83，表示模型精度不合格。小誤差概率P值為0.46，表示模型精度為一級(jí)。水產(chǎn)品產(chǎn)量的后驗(yàn)差比C值0.11，表示模型精度等級(jí)為一級(jí)。小誤差概率P值為1.00，表示模型精度為一級(jí)。

檢驗(yàn)結(jié)果可知，本文對(duì)六種農(nóng)產(chǎn)品產(chǎn)量所構(gòu)建的GM1，1模型是有效的，且適合進(jìn)行中期預(yù)測(cè)，發(fā)現(xiàn)肉類產(chǎn)量的后驗(yàn)差比C值0.84，小誤差概率P值為0.39，均表示模型精度不合格，故后文顯示預(yù)測(cè)數(shù)值，不進(jìn)行分析。其他類別基本通過殘差檢驗(yàn)和后驗(yàn)差檢驗(yàn)，表示精度具有一定的可信度，由此得出表7。

3.3? 預(yù)測(cè)結(jié)果分析

湖北省生鮮農(nóng)產(chǎn)品總產(chǎn)量預(yù)測(cè)值2021年為6 532.64萬噸、2022年為6 716.05萬噸、2023年為6 905.08萬億噸、2024年為

7 099.87萬噸、2025年為7 300.62萬噸，其中，湖北省生鮮農(nóng)產(chǎn)品冷鏈需求的主要蔬菜和水果，并且水果和蔬菜在未來五年需求量呈明顯遞增趨勢(shì)。通過計(jì)算得出2008—2025年期間每年將以2.81%的速度增長(zhǎng)，說明湖北省對(duì)生鮮農(nóng)產(chǎn)品的冷鏈需求明顯上升，如圖1所示。但本文預(yù)測(cè)研究?jī)H選取統(tǒng)計(jì)年鑒上有的生鮮農(nóng)產(chǎn)品類目，相當(dāng)于縮小了全省生鮮農(nóng)產(chǎn)品物流的需求量，因此實(shí)際需求量會(huì)更高，預(yù)示著湖北省在農(nóng)產(chǎn)品冷鏈物流領(lǐng)域?qū)⒂瓉碇匾l(fā)展機(jī)遇。

4? 結(jié)論和建議

針對(duì)湖北省的冷鏈物流，建立了需求預(yù)測(cè)模型，模型通過殘差檢驗(yàn)和后驗(yàn)差檢驗(yàn)，隨后對(duì)湖北省未來五年的冷鏈物流需求量進(jìn)行預(yù)測(cè)。結(jié)合已有的政策，給出以下建議以期為湖北省生鮮農(nóng)產(chǎn)品物流發(fā)展規(guī)劃提供依據(jù)。

（1）加強(qiáng)冷鏈物流基礎(chǔ)設(shè)施建設(shè)。湖北省于2022年1月印發(fā)《促進(jìn)全省消費(fèi)擴(kuò)容升級(jí)三年行動(dòng)方案（2021—2023）》，提出重視冷鏈物流技術(shù)應(yīng)用與創(chuàng)新，鼓勵(lì)移動(dòng)式冷庫(kù)應(yīng)用。湖北省相關(guān)部門應(yīng)積極響應(yīng)政策，同時(shí)倡導(dǎo)環(huán)保技術(shù)的應(yīng)用，同時(shí)推進(jìn)冷鏈全流程數(shù)字化。

（2）構(gòu)建物流發(fā)展新格局。國(guó)務(wù)院辦公廳于2021年12月印發(fā)《“十四五”冷鏈物流發(fā)展規(guī)劃》，為冷鏈物流高質(zhì)量發(fā)展提供了方向。預(yù)測(cè)可知，2020年至2025年，湖北省生鮮農(nóng)產(chǎn)品需求量將逐年增長(zhǎng)，每年增長(zhǎng)速率為2.81%，生鮮農(nóng)產(chǎn)品需求總量將在2024年超7 000萬噸。面對(duì)生鮮農(nóng)產(chǎn)品需求量的增加，湖北省各相關(guān)部門應(yīng)提前做好應(yīng)對(duì)措施?？梢越Y(jié)合湖北省不同地區(qū)的地域特征及生鮮農(nóng)產(chǎn)品的需求量，基于現(xiàn)有的空間布局，對(duì)現(xiàn)存冷鏈物流體系進(jìn)一步優(yōu)化，構(gòu)建冷鏈物流發(fā)展新格局。

參考文獻(xiàn)：

[1] 梁旭，韓繼良，阮俊虎，等. 電商模式下考慮農(nóng)戶滿意度的生鮮農(nóng)產(chǎn)品產(chǎn)地冷庫(kù)選址研究[J/OL]. （2022-11-09）[2022-12-05]. http：//www.cnki.com.cn/Article/CJFDTotal-ZGGK20221109001.html.

[2] 繆桂根. 鄉(xiāng)村振興背景下農(nóng)村生鮮農(nóng)產(chǎn)品冷鏈物流協(xié)同發(fā)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] 嚴(yán)亞波. 基于全信息初值優(yōu)化的GM1，1模型在物流行業(yè)中的應(yīng)用[J]. 物流工程與管理，2022，44（6）：26-30.

[6] 劉震，謝玉梅，黨耀國(guó). 基于改進(jìn)GM1，1模型的中國(guó)脫貧攻堅(jiān)進(jìn)展分析[J]. 系統(tǒng)工程理論與實(shí)踐，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] 李占鳳. 重慶市生鮮農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)[J]. 物流技術(shù)，2017，36（10）：97-100.

[13] 楊麗英，黃婧蘭. 基于GM1，1模型的崇左農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)分析[J]. 物流工程與管理，2020，42（10）：132-136.

收稿日期：2022-12-10

作者簡(jiǎn)介：鄒雅倩（1997—），女，江西宜春人，武漢科技大學(xué)管理學(xué)院碩士研究生，研究方向：企業(yè)物流與供應(yīng)鏈管理。

引文格式：鄒雅倩，崔宇昊. 基于灰色預(yù)測(cè)的湖北省生鮮農(nóng)產(chǎn)品冷鏈物流需求發(fā)展研究[J]. 物流科技，2023，46（15）：144-147，150.