基于灰色GM(1,1)模型的云南花卉物流需求預測

宋志蘭，王冬嵐，王 華

（1.云南財經大學 物流學院，云南 昆明 650221；2.湖北省煙草公司，湖北 武漢 430030）

1 引言

云南省花卉品種眾多，花卉產業發展迅速，已成為省內經濟五大支柱產業之一，其中鮮切花發展尤為出眾，據云南省花卉產業聯合會統計，云南鮮切花產量大約占全國的80%。政府在制定云南花卉物流的發展計劃時，需要結合現有的花卉物流規模，考慮未來云南花卉物流的需求規模。在這種背景下對云南花卉物流進行預測研究，以期為今后云南花卉物流，特別是冷鏈物流的發展計劃提供決策參考依據。

2 文獻回顧

目前，國內外對于花卉物流的研究較少。通過文獻研究分析可知，目前國內外對與花卉物流主要分為兩個層面，一是宏觀層面上的研究，二是微觀層面上的研究。

在宏觀層面上，康珉等（2002）分析了云南花卉業面臨的挑戰，提出抓住建立國際花卉拍賣市場發展云南花卉現代大物流的建議[1]。邵礫群（2004）在借鑒其他國家和地區先進經驗的基礎上，結合我國的具體情況為鮮切花物流的發展提出了一些建議[2]。張大利（2009）研究了阿聯酋、荷蘭、美國的鮮花冷鏈物流的發展經驗，結合我國鮮花物流的現狀，提出了發展我國鮮花冷鏈物流的措施[3]。王可山（2010）認為需要從構建“從生產到消費”全程冷鏈物流系統、整合社會物流資源和推動企業戰略聯盟等推進花卉冷鏈物流體系的建設[4]。

微觀層面上，藍潔（2003）介紹了云南花卉產業發展現狀和條件、產業發展思路及目標、產業發展重點和區域布局、產業發展的對策措施[5]。曹允春等（2007）首先對云南的現有花卉物流系統進行現狀研究，在此基礎上應用流程再造的理論及方法提出了新的花卉物流系統流程[6]。楊揚（2008）探討了鮮花物流的特征和屬性，較好地分析了鮮花物流流程[7]。

灰色理論具有要求的數據量少、子樣小、短期預測精度高等優點，許多學者對其進行了研究和應用。Wu H H（2005）等利用灰色理論對顧客需求進行了分析和預測[8]。黃健等（2009）利用灰色理論成功對廣西水果產量進行了預測[9]。Zhang C Y等[10]（2008）和Cui Lizhi等[11]（2009）對非等間距序列的GM（1，1）模型的建模機制進行了研究，并在具體領域得到了成功的應用。

目前學術界關于花卉物流的研究還不多，主要是定性分析花卉物流發展現狀、存在問題、解決措施等，定量的研究相對缺乏。定量預測模型在其他方面的成功運用給花卉物流研究帶來啟示，云南花卉的總產量和鮮切花的總產值反映云南花卉物流的運輸規模，其未來的變化情況直接影響到花卉物流建設的規模和方向，具有重要的研究意義。因此，選擇灰色GM(1，1)模型研究云南花卉物流的需求，結合點是云南花卉的總產量和鮮切花總產值。

3 云南花卉物流現狀分析

目前，據云南省花卉產業聯合會獲悉，云南每年大約有20多萬噸的鮮切花銷售到國內70多個城市，并且出口到40多個國家和地區。日發貨量為500～700t。云南目前有52家注冊的花卉類物流企業，有12家擁有冷藏車、冷藏庫等基礎設施。

當前公路運輸已經成為花卉物流運輸的一個重要途徑，隨著云南對外公路建設的飛速發展，云南的花卉物流迎來了新的發展機遇。一是昆明至泰國曼谷的高速公路的開通，讓云南到泰國曼谷運輸縮短到20～24h，與航空運輸相比運輸成本降低了約60%，再通過曼谷國際機場將云南的鮮花轉口銷往世界各地。二是云南至廣東高速公路的開通，極大地縮短了云南的花卉通過廣東轉往香港、澳門等地區的運輸時間，增強了時效性，降低了運輸費用，為公路冷鏈運輸提供了條件。此外，云南至成都、重慶等地高速公路的通車，方便了云南通過公路運輸運往國內其他地區銷售的便利性，在確保鮮花時效性的同時又降低了運輸費用，并進一步拓寬了云南花卉的市場空間。當前的云南花卉物流公路運輸可控性高、冷鏈建設相對簡單，發展潛力巨大。

云南花卉物流有一定規模，但仍存在很多問題制約其產業發展。主要存在以下幾個方面地問題，一是云南鮮切花在產地采集、短途運輸、中途運輸過程中冷鏈保護基本缺失，使花卉到達目標市場的品質嚴重下降；二是云南專業化的花卉物流公司尚未形成，難以使花卉的生產、運輸、儲存等各個環節緊密銜接；三是專業化的花卉物流保鮮技術尚待進一步開發應用。其中，據云南省花卉產業聯合會獲悉，云南當前花卉物流最突出的問題是運輸環節難以突破，其關鍵在于全程冷鏈的支持和運力的改善。以鮮切花為例，品質50%取決于種植，50%取決于采后處理和運輸過程中的冷藏保鮮，花卉在生產結束后的每一個環節都屬于花卉物流的環節，而云南鮮切花在產地采集、短途運輸、中途運輸過程中冷鏈缺失，使花卉到達目標市場的品質嚴重下降。

4 云南花卉物流需求預測

4.1 灰色預測GM(1,1)模型

灰色預測依據已有的數據對未來的發展趨勢做出預測，在工業、農業、商業、環境、社會和軍事等領域中有廣泛的應用。灰色預測將“隨機過程”當作“灰色過程”，將“隨機變量”當作“灰變量”，并主要以灰色系統理論中的GM(1，1)模型[12]來進行處理。

4.1.1 模型建立。假設參考數據列為x(0)=(x(0)(1 ),x(0)( 2 ),…,x(0)(n))，做1次累加生成得：

相應的白化微方程為：

4.1.2 模型檢驗。灰色模型的檢驗方法通常有3種，分別是殘差合格模型、關聯度合格模型、均方差比合格模型。

（1）殘差合格模型。設x(0)為初始序列，其殘差為：ε(0)=相對誤差為：Δ=(Δ1,Δ2,為平均相對誤差，給定α，當＜α且Δk＜α成立時，稱模型為殘差合格模型。

（2）關聯度合格模型。設x(0)為初始序列，(0)為相應的灰色模型預測序列，g是絕對關聯度。若對于給定的g0＞0，有g＞g0，則稱模型為關聯度合格模型。

（3）均方差比合格模型。設x(0)為原始序列，(0)為相應的灰色模型預測序列，ε(0)為殘差序列，則x(0)的均值、方差分別為：的均值、方差分別為：

由上可知，給定一組取值，就確定了檢驗模型精度的等級。常用的精度等級見表1，可供檢驗模型參考。

表1 灰色模型精度檢驗等級

4.2 鮮切花總產量和花卉總產值的預測

4.2.1 數據來源。本文研究用到的數據主要是云南省2001-2012 年的鮮切花總產量和花卉總產值，數據來源于云南省花卉產業聯合會統計數據（2001-2012），具體見表2。

表2 云南2001—2012年花卉業總產值和鮮切花總產量

從表2可以看出，2001-2012年云南省花卉總產值和鮮切花總產量均有巨大的增長，其中花卉總產值從原來的29.4 億元增長到2012年的300億元，增長了十倍多，鮮切花總產量從原來的16億枝增長到2012年的72億枝，增長了近五倍。

4.2.2 云南花卉總產值的預測模型。根據GM(1，1)模型，代入表2 中云南花卉總產值數據計算得云南花卉總產值GM(1，1)預測模型為其時間響應式為：

其預測擬合曲線如圖1所示。

圖1 云南花卉總產量的預測模型擬合示意圖（單位：億元）

4.2.3 云南鮮切花總產量的預測模型。根據GM(1，1)模型，代入表2 中云南鮮切花總產量數據得鮮切花總產量GM(1，1)預測模型為：，其時間響應式為：

其預測擬合曲線如圖2所示。

圖2 云南鮮切花總產量的預測模型擬合示意圖（單位：億枝）

4.3 花卉總產值和鮮切花總產量的預測模型檢驗

4.3.1 殘差合格檢驗。根據殘差合格模型檢驗方法，用MATLAB 編程可得2001-2012 年云南花卉總產值和鮮切花總產量GM(1，1)預測模型誤差檢驗值，見表3。

表3 云南鮮切花總產量GM(1，1)預測模型誤差檢驗值

其中，云南花卉總產值預測平均相對誤差Δ=0.108 8，精度為三級，云南鮮切花總產量預測平均相對誤差Δ=0.035 8，模型精度為一級。

4.3.2 關聯度合格檢驗和均方差比值合格檢驗。根據關聯度合格檢驗和均方差比值合格檢驗方法，得2001-2012年云南花卉總產值和鮮切花總產量GM(1，1)預測模型關聯度合格檢驗系數和均方差比值合格檢驗系數，見表4。

表4 模型關聯度合格檢驗系數和均方差比值合格檢驗系數

在預測關聯度方面，云南花卉總產值預測為0.912 2，精度為一級，云南鮮切花總產量預測為0.999 5，模型精度也為一級。在標準差比值方面，云南花卉總產值預測為0.194 6，精度為一級，云南鮮切花總產量預測為0.100 4，模型精度同樣為一級。

綜上可知，在模型檢驗的各項檢驗指標中，云南花卉總產值預測相對誤差模型精度為三級，其余五項皆為一級，綜合評定為一級，可見模型精度較高，可用于云南花卉總產值和鮮切花總產量預測。

4.4 花卉總產值和鮮切花總產量趨勢預測

基于前面的模型，用MATLAB 編程，代入表2數據預測未來五年云南花卉總產值和鮮切花總產量預測結果，具體如圖3和圖4所示。

圖3 2013-2017年云南花卉總產值預測示意圖（單位：億元）

從圖3 可知，預計云南花卉總產值2014 年將超過400 億元，相比2012年增長46.38%，2016年將接近600億元，2017年將接近700億，比2016年增長14.73%。

圖4 2013-2017年云南鮮切花總產量預測示意圖（單位：億枝）

從圖4 可知，預計2014 年云南鮮切花總產量將超過80 億枝，相比2012 年增長13.33%，2016 年將超過90 億枝，比2014年增長17.34%。

5 結論

云南花卉冷鏈物流具有一定的規模，但存在很多問題，特別是現有的冷鏈物流規模滿足不了花卉對冷鏈物流的需要，尤其是鮮切花。云南花卉的總產量和鮮切花總產值對云南的花卉物流具有導向性，決定了云南花卉物流需求的規模，兩者的未來走向影響未來云南花卉物流建設的方向。據云南省花卉產業聯合會統計數據（2001-2012年）顯示，云南花卉的總產量和鮮切花總產值具有一定的指數規律，適合采用灰色預測模型—GM（1，1）模型預測。

本文運用灰色GM(1，1)模型對云南未來五年的花卉總產量和鮮切花總產值進行預測。模型預測精度中云南花卉總產值相對誤差檢測為三級，其余五項檢驗指標精度均為一級精度，預測結果與實際出入較小，說明灰色GM(1，1)模型對云南花卉的總產量和鮮切花總產量進行預測是可行的，可以為以后制定相關物流產業規劃等提供科學依據。預測結果表明，云南花卉總產值和鮮切花產量將持續較快增長，云南花卉物流需要向系統化、專業化和標準化發展，花卉物流中的冷鏈物流更要加快發展步伐，才能滿足日益擴大的需求。

[1]康珉，康世瀛.抓住建立國際花卉拍賣市場之機發展云南現代大物流[J].經濟問題探索,2002,(1):80-83.

[2]邵礫群，趙文英.我國鮮切花物流發展問題的探討[J].西部林業科學,2004,33(4):90-92.

[3]張大利，孫宏嶺.構建我國鮮花冷鏈物流系統[J].物流科技,2009,(7):110-112.

[4]王可山.中國花卉冷鏈物流的現狀、問題與建議[J].中國流通經濟,2010,(7):35-38.

[5]藍潔.云南花卉產業的現狀及發展思路[J].云南林業科技,2003,9(3):68-71.

[6]曹允春,楊震,等.以花卉物流系統的流程再造提升云南花卉產業的競爭力[J].經濟問題探索,2007,(10):53-59.

[7]楊揚,王孝坤.我國鮮花物流的發展分析與對策研究[J].商品儲運與養護,2008,(6):1-4.

[8]Wu H H,liao A Y,Wang P C.Using grey theory in quality function deployment to analyze dynamic customer requirements[J].Int J Adv Manuf Technol,2005,25:1 241-1 247.

[9]黃健,尼章光,婁予強,等.基于灰色系統理論的廣西水果產量預測[J].廣東農業科學,2009,(9):238-239.

[10]Zhang C Y,Dai W Z.Improvement of background value and its application in the 7th Word Congress on Intelligent Control and Automation[Z].2008.

[11]Cui Lizhi,Liu Sifeng,Wu Zhengpeng.Optimizing time respond function of non-equidistant GM(1,1)mode[J].Statistics and Decision Making,2009,(13):9-10.

[12]何俊,劉會茹.GM(1，1)初始條件改進的研究及在預測中的應用[J].統計與決策,2013,(17):76-77.