基于組合預(yù)測的安徽省物流需求預(yù)測分析

摘" 要：安徽省是中部大省，是連接長江三角洲和中部省份的重要樞紐，交通業(yè)和物流業(yè)發(fā)展迅速。文章以安徽省物流為切入點，通過貨運量與地區(qū)生產(chǎn)總值等指標，使用灰色預(yù)測法、二次指數(shù)平滑法、回歸分析預(yù)測法和組合預(yù)測法分別對安徽省物流需求進行預(yù)測。經(jīng)過比較，最終選取誤差最小的組合預(yù)測法確定了安徽省未來五年物流需求的預(yù)測值，并為安徽省物流發(fā)展提出一些建議，以期為安徽省的物流行業(yè)以及經(jīng)濟發(fā)展提供借鑒。

關(guān)鍵詞：物流需求；灰色預(yù)測法；回歸分析法；組合預(yù)測

" 中圖分類號：F259.27" " 文獻標志碼：A" " DOI：10.13714/j.cnki.1002-3100.2024.21.025

Abstract： Anhui Province is a large central province， an important hub connecting the Yangtze River Delta and the central provinces， and the transportation and logistics industries have developed rapidly. Taking the logistics of Anhui Province as the starting point， this paper uses the gray forecasting method， quadratic exponential smoothing method， regression analysis forecasting method and combined forecasting method to predict the logistics demand of Anhui Province through indicators such as freight volume and regional GDP. After comparison， the combined forecasting method with the smallest error was finally selected to determine the forecast value of logistics demand in Anhui Province in the next five years， and some suggestions were put forward for the logistics development of Anhui Province， in order to provide reference for the logistics industry and economic development of Anhui Province.

Key words： logistics demand; grey prediction method; regression analysis; combined forecasting

0" 引" 言

安徽省位于長三角腹地，具備良好的區(qū)位優(yōu)勢，是連接中部省份和長三角省份之間的重要橋梁。安徽省許多城市沿著長江分布，內(nèi)擁長江水道，具有得天獨厚的內(nèi)河運輸優(yōu)勢，而且安徽省距離海洋比較近，可以承接江浙滬地區(qū)的產(chǎn)業(yè)轉(zhuǎn)移，是長三角的重要組成部分。所以對安徽省物流行業(yè)的研究，不僅可以為安徽省的物流發(fā)展提供建議，還可以為其他中部省份提供借鑒，具有重要的意義[1]。在“十三五”期間，安徽省重視物流發(fā)展，全面推進物流行業(yè)降本增效，冷鏈物流、民航貨物吞吐、智能倉儲、信息化流通網(wǎng)絡(luò)均取得較大發(fā)展。在“十四五”階段，安徽省公布了《安徽省“十四五”物流發(fā)展規(guī)劃》，持續(xù)積極推動物流業(yè)的發(fā)展，確定了到2025年，物流發(fā)展各項指標實現(xiàn)增長，初步建成物流強省的目標。

" 物流將生產(chǎn)和消費連接起來，物流行業(yè)的發(fā)展有利于加快建設(shè)現(xiàn)代化流通體系，促進供應(yīng)鏈降本增效，帶動經(jīng)濟高質(zhì)量發(fā)展[2]。為了合理的規(guī)劃未來的物流活動，包括物流基礎(chǔ)設(shè)施、物流人才的培養(yǎng)，需要對未來一定時間內(nèi)的物流需求進行預(yù)測，幫助相關(guān)單位采取合適的策略來降本增效、獲取收益。關(guān)于預(yù)測方面的研究，許多學(xué)者都對相關(guān)問題進行了深入解釋。尹宗明等[3]基于灰色預(yù)測模型對滄州市區(qū)域物流需求進行預(yù)測研究。雷蕾等[4]根據(jù)貴州省2011—2020年的貨運周轉(zhuǎn)量數(shù)據(jù)，運用灰色GM1，1模型，預(yù)測了貴州省“十四五”期間的物流需求狀況，發(fā)現(xiàn)物流需求呈上升趨勢。陳其超[5]選取重慶市GDP和港口吞吐量，運用線性回歸模型對重慶市港口物流需求進行預(yù)測，并對比了其他港口城市的運作現(xiàn)狀，為重慶市港口物流發(fā)展提出了建議。張恒[6]基于指數(shù)平滑法，預(yù)測了全國未來五年的貨運量。呂婉琪等[7]基于指數(shù)平滑的回歸分析預(yù)測法，結(jié)合GDP和貨運量數(shù)據(jù)，對蘇州市未來三年的物流需求量進行預(yù)測。王根基等[8]使用指數(shù)平滑法對蘇寧物流在烏魯木齊主城區(qū)的需求量進行季節(jié)性預(yù)測，發(fā)現(xiàn)將配送區(qū)域分割后，預(yù)測誤差得到減小。徐曼等[9]對比了單一預(yù)測模型與組合預(yù)測模型，選取誤差更小的組合預(yù)測法對陜西省物流需求進行了預(yù)測。

" 本文將在現(xiàn)有研究的基礎(chǔ)上，從安徽省2003—2022年的貨運量和地區(qū)生產(chǎn)總值出發(fā)，通過回歸分析法、二次指數(shù)平滑法、灰色預(yù)測法和組合預(yù)測法，預(yù)測安徽省2023—2027年的物流需求，為安徽省未來的物流發(fā)展提供參考和建議，實現(xiàn)物流行業(yè)良性發(fā)展。

1" 單一方法預(yù)測

1.1" 原始數(shù)據(jù)選取

一個地區(qū)的經(jīng)濟發(fā)展是全方位的，經(jīng)濟水平的高低影響物流發(fā)展的好壞，和以前的學(xué)者們的研究一樣，本文將選擇貨運量作為物流需求量的具體體現(xiàn)。因此，本文通過查閱安徽省統(tǒng)計局的最新統(tǒng)計結(jié)果，選取2003—2022年貨運量作為該省物流需求預(yù)測指標，并選取2003—2022年安徽省地區(qū)生產(chǎn)總值作為輔助數(shù)據(jù)，具體如表1所示：

1.2" 灰色預(yù)測模型分析

近幾年，由于自然災(zāi)害，流行病的影響，貨運量呈現(xiàn)出規(guī)律性不強，信息缺乏等的現(xiàn)象，灰色預(yù)測模型在預(yù)測小樣本、波動較大的對象時，具有很大的優(yōu)越性，實現(xiàn)較為科學(xué)的預(yù)測。本文選擇最常用的灰色預(yù)測模型GM1，1進行預(yù)測，選擇安徽省 2013—2022 年的貨運量，對未來五年內(nèi)安徽省物流需求量進行預(yù)測，步驟如下：

（1）根據(jù)2013—2022年十年的貨運量構(gòu)成數(shù)列x，將原始貨運量依次進行累加，構(gòu)建累加數(shù)列x：

x=x1，x2，x3，…，x10=396 391.03，434 297.58，345 756.00，…，394 061.00

x=x1，x2，x3，…，x10=396 391.03，830 688.61，1 176 444.61，…，3 889 425.44

（2）構(gòu)造數(shù)列矩陣B和向量Y：

B==

Y=x2，x3，…，xn=434 297.58，345 756.00，…，394 061.00，以上計算結(jié)果如表2所示。

（3）通過最小二乘法求出發(fā)展參數(shù)a和灰作用量u，得到GM1，1的響應(yīng)方程：==i+1=1-e+=396 391.03+959 356 997.2e-959 356 997.2累減還原，得到預(yù)測值i+1為i+1=i+1-。

（4）精度檢驗與預(yù)測結(jié)果

經(jīng)計算可得到該模型平均相對誤差φ=5.18%，一般平均相對誤差在10%以內(nèi)說明預(yù)測結(jié)果比較準確；后驗差比C=0.188（小于0.35），屬于一級精度等級，說明預(yù)測效果很好；模型的精度P為1，一般來說P大于0.9說明具備較高的精度。前面求出-alt;0.3，說明此模型適合用來做中長期的預(yù)測，所以可以使用此模型對安徽省未來五年的貨運量進行預(yù)測，因此對安徽省2023—2027年物流需求（貨運量）進行預(yù)測，2023—2027年的預(yù)測結(jié)果如表3所示：

1.3" 回歸分析法預(yù)測

" 回歸分析預(yù)測法通過將不同指標的數(shù)據(jù)，生成自變量和因變量（預(yù)測量）之間的相關(guān)方程，根據(jù)相關(guān)性方程進行預(yù)測。貨運的發(fā)展與地區(qū)的經(jīng)濟水平發(fā)展密不可分，因此本文建立的線性回歸模型也遵循這一原則，把地區(qū)生產(chǎn)總值當(dāng)成是自變量x，把貨運量當(dāng)成是因變量y。

（1）利用Excel建立回歸方程。年份用x表示，地區(qū)生產(chǎn)總值用 y表示，通過Excel 進行線性回歸分析，樣本相關(guān)系數(shù)r為0.98，代表兩組樣本數(shù)據(jù)之間存在極強的相關(guān)性，即地區(qū)生產(chǎn)總值與貨運量滿足強線性相關(guān)的條件，相關(guān)性趨勢如圖1所示。因此，得到地區(qū)生產(chǎn)總值與年份的回歸方程為：y=-4 388 804.727+2 190.676x。

（2）通過地區(qū)生產(chǎn)總值與貨運量的回歸方程，得到2023—2027年安徽省地區(qū)生產(chǎn)總值的預(yù)測值如表4所示：

（3）將地區(qū)生產(chǎn)總值作為自變量y，將貨運量作為因變量z，進行回歸分析。利用Excel進行線性回歸分析，檢驗兩組數(shù)據(jù)之間的關(guān)聯(lián)性，可以計算得出樣本相關(guān)系數(shù)r為0.84，代表兩組數(shù)據(jù)之間是強相關(guān)性，即兩個變量z，y之間呈現(xiàn)強線性相關(guān)性，使用線性回歸分析法進行預(yù)測具備一定的準確性，預(yù)測的結(jié)果具備參考價值，相關(guān)性趨勢如圖2所示。因此，得到安徽省物流需求的回歸方程為：z=95 537.638 86+8.781 212 43y。

（4）將安徽省2023—2027年地區(qū)生產(chǎn)總值預(yù)測值代入z=95 537.638 86+8.781 212 43y中，得到未來五年安徽省貨運量的預(yù)測值如表5所示：

1.4" 二次指數(shù)平滑法

指數(shù)平滑法是經(jīng)過改良的加權(quán)平均法，指數(shù)平滑法通過賦予不同時期不同的權(quán)重來進行預(yù)測。二次指數(shù)平滑法建立在一次指數(shù)平滑法的基礎(chǔ)上進行預(yù)測，彌補了一次指數(shù)平滑法只能預(yù)測一期的缺陷，因為本文將要預(yù)測安徽省未來五年的物流需求數(shù)據(jù)，所以本文選擇二次指數(shù)平滑法進行預(yù)測。觀察原始數(shù)據(jù)可得到：安徽省近幾年的貨運量變化波動情況明顯，為了增強預(yù)測的精確性，故選取較大的平滑系數(shù)，經(jīng)過對平滑系數(shù)不同取值的預(yù)測結(jié)果比較，發(fā)現(xiàn)平滑系數(shù)為0.85較為合理，因此假設(shè)平滑系數(shù)為0.85，阻尼系數(shù)為0.15。

（1）首先，把前五年的平均值67 632.57作為一次和二次指數(shù)平滑初始值。

（2）根據(jù)S=αx+1-αS計算一次指數(shù)平滑值，S為第t期的一次指數(shù)平滑值，x為第t期的原始數(shù)據(jù)。

（3）按S=αS+1-αS計算二次指數(shù)平滑值，S為第t期的二次指數(shù)平滑值。

（4）根據(jù)公式a=2S-S依次計算，可得a=395 107.30；根據(jù)公式b=S-S，可得b=3 122.39。

" （5）建立安徽省物流需求的二次指數(shù)平滑模型：Y=Y=a+bT=395 107.3+3 122.39T，Y為第t+T期預(yù)測值，T為由t期向后推移期數(shù)，得到預(yù)測值如表6所示：

1.5" 單一預(yù)測分析

灰色預(yù)測法、回歸分析法和二次指數(shù)平滑法進行預(yù)測的結(jié)果如表7所示，可以發(fā)現(xiàn)灰色預(yù)測法的預(yù)測結(jié)果呈現(xiàn)緩慢下降趨勢，當(dāng)總體穩(wěn)定在386 700萬噸以上；回歸分析法的預(yù)測結(jié)果上升趨勢明顯，在2027年貨運量的預(yù)測值達到549 792萬噸；二次指數(shù)平滑法的預(yù)測結(jié)果上升趨勢較緩慢，在2027年達到410 719萬噸。將三種單一預(yù)測方式結(jié)合在一起觀察，從數(shù)值大小來看，可以發(fā)現(xiàn)灰色預(yù)測法與回歸預(yù)測分析法的預(yù)測結(jié)果差距最為明顯，兩種預(yù)測模式下最大的結(jié)果差距高達24 018萬噸；從變化趨勢上看，回歸分析法與二次指數(shù)平滑法都呈現(xiàn)上升趨勢，只有灰色預(yù)測法的結(jié)果在緩慢下降。

三種單一預(yù)測法的在2013—2022年之間預(yù)測數(shù)據(jù)的相對誤差如圖3所示，通過比較觀察發(fā)現(xiàn)，在2013

—2022年，灰色預(yù)測法總誤差最小，且波動較小；其次是二次指數(shù)平滑法，但誤差波動較大；誤差最大的是回歸分析法，且波動很大。由于三種單一方法的預(yù)測結(jié)果和相對誤差差別較大，因此有必要用組合預(yù)測法進行更加精確的預(yù)測。

2" 組合預(yù)測模型

2.1" 組合預(yù)測模型建立

" 使用方差倒數(shù)加權(quán)法對三種單一預(yù)測法的結(jié)果進行賦權(quán)，進行組合預(yù)測，過程如下：

（1）設(shè)X=

X， t=1，2，…，n為實際數(shù)值數(shù)列，X為t時刻時第i種單一預(yù)測模型的預(yù)測值，w為t時刻下第i種單一預(yù)測模型的權(quán)重系數(shù)，其中i=1，2，…，k，k代表有k種單一預(yù)測模型，因而變權(quán)組合預(yù)測模型為：

X=w·X， w=1

（2）使用方差倒數(shù)加權(quán)法進行賦權(quán)。記e=X-X為t時刻時第i種單項預(yù)測模型的預(yù)測誤差平方值，因此，各種單一預(yù)測模型的權(quán)重系數(shù)w表達式為：w=ee， t=1，2，…，n

2.2" 單一預(yù)測結(jié)果與組合預(yù)測結(jié)果對比

" 將三種單一預(yù)測模型的預(yù)測結(jié)果代入計算，得到2013—2022年組合預(yù)測模式下的相對誤差，具體誤差數(shù)據(jù)如表8所示。經(jīng)過比較分析，發(fā)現(xiàn)灰色預(yù)測法的平均相對誤差為5.18%，回歸分析法的相對誤差為20.30%，二次指數(shù)平滑法的平均相對誤差為9.18%，組合預(yù)測模式的平均相對誤差最小，為4.12%。

由于組合預(yù)測法的結(jié)果誤差最小，因此選擇組合預(yù)測法進行預(yù)測，得到安徽省2023—2027年貨運量預(yù)測值如表9所示，可以發(fā)現(xiàn)安徽省未來五年的物流需求量將呈現(xiàn)穩(wěn)步上升趨勢。

3" 安徽省物流發(fā)展建議

安徽省物流發(fā)展態(tài)勢良好，但也有一些不足，因此針對安徽省物流發(fā)展規(guī)劃提出幾條建議：

（1）發(fā)揮科技創(chuàng)新優(yōu)勢。根據(jù)預(yù)測結(jié)果，安徽省未來五年的物流需求保持穩(wěn)定上升態(tài)勢，安徽省應(yīng)該依托科技創(chuàng)新，發(fā)掘區(qū)塊鏈、物聯(lián)網(wǎng)、智能倉儲的價值，利用合肥京東亞洲一號、蕪湖港集裝箱無人智能堆場等現(xiàn)代化物流設(shè)施，不斷整合資源、提高效率，推動整個物流過程的降本增效。

" （2）充分發(fā)揮區(qū)位優(yōu)勢，建立物流園區(qū)。安徽省位于長三角腹地，連接著中部省份和江浙滬地區(qū)，現(xiàn)已建成“五縱九橫”的高速公路布局，此外。安徽省的航道、機場、高鐵等設(shè)施均快速發(fā)展，安徽省可以合理規(guī)劃，在交通便利的地方建成大型的綜合物流園，深度融入生產(chǎn)、分配、物流、消費大循環(huán)，推動物流業(yè)加快發(fā)展。

（3）鼓勵省內(nèi)龍頭物流企業(yè)與高校的合作。龍頭物流企業(yè)可以與高校開展合作，高校根據(jù)企業(yè)的需要開設(shè)相關(guān)性強的物流課程，為企業(yè)“定制”人才，使畢業(yè)生可以盡快進入工作，減少到崗培訓(xùn)時間。高校應(yīng)多開設(shè)物流實操方面的課程，與時俱進，不能停留在物流的基本理論教學(xué)階段，多開展實訓(xùn)，安排學(xué)生到物流企業(yè)參觀、實習(xí)，培養(yǎng)全方位的綜合型物流人才。

4" 結(jié)束語

" 本文對安徽省2023—2027年的物流需求進行了預(yù)測，在比較了單一預(yù)測和組合預(yù)測的精確度后，最終采用預(yù)測誤差最小的組合預(yù)測法。預(yù)測結(jié)果顯示：未來五年安徽省貨運量，即物流需求穩(wěn)步上升，物流發(fā)展規(guī)模將會持續(xù)增長。為了滿足日益增長的物流需求，確保安徽省物流行業(yè)高質(zhì)量發(fā)展，安徽省應(yīng)該充分發(fā)揮科技創(chuàng)新優(yōu)勢與區(qū)位優(yōu)勢，把握發(fā)展機遇，早日實現(xiàn)建設(shè)物流強省的目標。

參考文獻：

[1] 耿玥，謝振安. 安徽省交通物流高質(zhì)量發(fā)展的對策研究[J]. 長春金融高等?？茖W(xué)校學(xué)報，2022（3）：81-87.

[2] 孫明貴. 物流管理學(xué)[M]. 北京：北京大學(xué)出版社，2002.

[3] 尹宗明，杜學(xué)敏. 基于灰色GM1，N模型的區(qū)域物流需求預(yù)測研究[J]. 物流科技，2021，44（3）：104-105，117.

[4] 雷蕾，吳潔，陳嘉星. 基于灰色GM1，1的貴州物流需求“十四五”預(yù)測分析[J]. 棗莊學(xué)院學(xué)報，2022，39（5）：78-82.

[5] 陳其超. 基于線性回歸模型的重慶市港口物流需求分析[J]. 物流技術(shù)，2013，32（15）：121-122，143.

[6] 張恒. 基于指數(shù)平滑法的全國貨運量分析與預(yù)測[J]. 環(huán)渤海經(jīng)濟瞭望，2020（1）：162.

[7] 呂婉琪，陸芬. 基于組合預(yù)測的蘇州市物流需求預(yù)測分析[J]. 物流科技，2023，46（11）：35-38，60.

[8] 王根基，李莉. 電商物流企業(yè)配送需求預(yù)測研究[J]. 物流科技，2019，42（6）：79-81.

[9] 徐曼，陸芬. 基于組合預(yù)測模型的陜西省物流需求預(yù)測[J]. 物流科技，2023，46（11）：27-31.

收稿日期：2023-10-11

基金項目：湖北省教育廳科學(xué)技術(shù)研究項目“考慮隨機學(xué)習(xí)效應(yīng)的雙渠道供應(yīng)鏈戰(zhàn)略庫存決策研究”（B2020005）

作者簡介：孟凡齊（1998—），男，江蘇宿遷人，武漢科技大學(xué)管理學(xué)院碩士研究生，研究方向：物流工程與管理；陸" 芬（1991—），女，湖北孝感人，武漢科技大學(xué)管理學(xué)院，講師，博士，研究方向：生產(chǎn)運作管理、供應(yīng)鏈管理。

引文格式：孟凡齊，陸芬. 基于組合預(yù)測的安徽省物流需求預(yù)測分析[J]. 物流科技，2024，47（21）：104-108.