基于組合模型的兵團農產品物流市場需求預測

朱 葉　喻曉玲

(塔里木大學經濟與管理學院，新疆 阿拉爾 843300)

?

基于組合模型的兵團農產品物流市場需求預測

朱 葉喻曉玲*

(塔里木大學經濟與管理學院，新疆 阿拉爾 843300)

摘要本文通過對兵團農產品物流發展現狀的分析，找出其存在的問題和制約因素,在此基礎上，以兵團具有代表性的9種農產品為研究對象，利用灰色模型和BP神經網絡分別預測兵團農產品物流需求量，并利用兩種模型的預測結果，建立組合模型，進行組合預測，對精確預測兵團農產品物流市場需求具有一定的實際意義。

關鍵詞農產品物流； 預測； 市場需求； 組合模型

1引言

新疆位于歐亞大陸腹地，有明顯的區位優勢，是“一帶一路”戰略的核心區，為響應“一帶一路”道路聯通，貿易暢通的建設任務，正在大力建設交通運輸基礎設施，迅速發展口岸物流。新疆生產建設兵團(簡稱“兵團”)農產品種類豐富，質量優良，具有廣闊的市場資源，在兵團產業結構進一步調整、對外貿易量持續提高、經濟快速發展的良好背景下,兵團農產品物流憑借自身的優勢和巨大的發展機遇，農產品市場表現出了對物流的強勁需求。

綜觀國內外對農產品物流需求預測，常用的方法是統計學的數學模型：回歸模型、時間序列預測模型、灰色模型等，近幾年，出現運用人工神經網絡模型以及其BP算法來預測農產品物流市場需求，其預測結果精度較高，而組合預測方法的應用還比較少。在研究對象上，主要還是對單一的某種農產品的物流量進行預測，如糧食、棉花等。在選取預測指標時，基本停留在對農產品的產量的預測上，也有以國際標準中規定的每天人均所需農產品量來代替農產品物流需求的。

本文選取兵團具有代表性的9種農產品，將其產量和面積相結合進行折算，來代表兵團農產品物流市場需求，利用BP神經網絡、灰色GM(1.1)模型和組合模型，進行分別預測，并進行預測結果對比，以便得出可靠實用的信息，對促進兵團農產品物流的發展具有現實意義。

2兵團農產品物流發展概況

2.1兵團農產品物流發展現狀

新疆是我國農牧業生產大區，隨著糧、棉、畜、果四大農牧業生產基地加快建設和設施農業加快發展，全區已形成若干區域性優質高產特色農牧業產業帶，瓜果、蔬菜、肉類、水產品等主要生鮮農產品的產量和流通量不斷增長。新疆農產品集中分布在一些優勢發展區域和重點發展區域，在這些區域農產品產量基數大，例如兵團和新疆北部地區。兵團農產品產量已不是農業中的主要問題，農產品價值的實現才是關鍵，而農產品的價值實現問題與農產品物流密切相關。2013年，兵團農產品總產量達到1 500余萬噸(來源：2014年統計年鑒)，連續10年實現增產，比2004年增加了1倍，其中蔬菜、瓜果和糧食的產量占到了農產品總產量的80%。如此龐大的農產品規模，除了極小量滿足團場職工自用外，大部分都要外運，作為商品進行流通，滿足各地對于農產品的需求，形成了巨大的農產品物流需求。目前，兵團正在不斷完善公路網絡，改善農產品運輸工具性能，加快農產品交易場所設施的建設。

2.2兵團農產品物流發展存在的問題

2.2.1物流信息化建設滯后

兵團農產品物流信息化基礎設施建設滯后，農民獲取市場供求信息的手段和渠道單一，網站發布的農產品市場信息失真且滯后，不能緊跟市場變化。目前兵團已經開通了農產品流通的網站，但適合農民的信息較少，多數農民缺乏對信息的判別和掌握，不能把握市場行情，造成盲目生產流通。生產者和銷售者信息資源共享困難，很難在物流環節實現全程管理和實時跟蹤，市場信息的指導服務功能未能得到發揮。公益性市場信息體系建設不完善，影響公平競爭和市場交易透明度。電子商務的價值在兵團農產品物流中未能體現，整體信息化程度偏低。

2.2.2標準化程度低

兵團要發展現代化農產品市場流通體系，離不開農產品的標準化。兵團農產品種類多樣、品質各異，但沒有統一的質量衡量標準，分類標準與包裝標準，由人工判斷對農產品進行分類、分級的占98%，誤差很大，在整個物流和銷售的過程中，包裝沒有統一標準，給農產品的儲存、運輸和加工帶來困難[1]。兵團農產品批發和零售市場上，很少配備安全檢測設備，農藥殘留超標問題嚴重。農產品物流發展的標準體系在兵團還尚未建立。

2.2.3農業物流專業人才缺乏

發展農產品物流是為了減低流通費用、提高流動效率、增加附加值、降低損耗和規避市場風險。而這些都需要對農產品物流進行合理地規劃、有效的管理和控制，所有的工作都需要物流專業人才運用物流專業知識和實踐經驗來完成[2]。現階段兵團農產品物流發展落后，難以吸引物流人才，兵團物流教育體系建設不完善，整個兵團只有9個物流管理專業本科行政班約300余名本科在校生，物流專業人才非常欠缺，嚴重阻礙農產品物流業發展。

3兵團農產品物流需求預測的實證分析

3.1兵團農產品產量的折算

在現實中，兵團農產品物流的相關數據難以直接得到，但農產品的物流需求和農產品的產量直接密切相關，假設兵團農產品物流市場是供需平衡的，產量的增加將帶來物流需求的增加，所以，可以通過預測兵團農產品產量，來預測其物流需求。本文選取了兵團有代表性的9種農產品：糧食作物(小麥、水稻、玉米、大麥、薯類、豆類)、油料作物、棉花、蔬菜、水果、甜菜、苜蓿、打瓜籽和水產品。為排除量綱影響，將不同農產品折算成代表農產品，再加總成兵團的農產品總量，具體折算方法計算步驟：(1)選取代表產品，公式：Max{某產品年產量×某單位產品所占種植面積}(2)其它農產品折算為代表產品。公式：某產品年產量×某單位產品所占種植面積÷單位代表產品所占種植面積。

表1　兵團農產品的產量　單位：萬噸

數據來源：新疆生產建設兵團統計年鑒2005-2014

表2　兵團農產品的種植面積　單位：千公頃

數據來源：新疆生產建設兵團統計年鑒2005-2014

經過計算，得出代表產品是棉花，將其它8種農產品的產量折算成代表產品產量，結果如表3所示，2004年至2013年，農產品總量從180. 7萬噸增至319. 26萬噸，增長77%，年均增長率7. 4%，棉花、糧食、水果三種產品總量占兵團農產品總量的80. 9%。說明對物流的需求也將快速增長，兵團精確需求預測，加快物流建設，特別注重棉花、糧食、水果這三種農產品的物流。

表3　兵團農產品的產量折算表　單位：萬噸

3.2兵團農產品產量的需求預測

3.2.1BP神經網絡預測兵團農產品物流市場需求

(1)BP神經網絡

BP神經網絡模型，也稱誤差反向傳播網絡，由輸入層、輸出層、隱含層構成，分為正向傳播、反向傳播兩個過程[3]。正向傳播時，信息由輸入層傳至隱含層，逐層處理，最后傳向輸出層，每層神經元的狀態只會影響相鄰的下一層神經元狀態[4]。若輸出層無法得到期望的輸出值，就會進入反向傳播，將誤差沿原通道返回，并修改各層神經元權數，使誤差達到最小。

圖1　BP神經網絡結構圖

若有m層，第一層是輸入節點，第m層是輸出節點，BP神經網絡預測步驟為:

1)選取初始權數W；

2)重復以下步驟直至收斂：

b. 對同一節點j∈M，計算δjk；

(2)實證分析

利用DPS7.55軟件,輸入折算后的2004-2013年兵團農產品總量，預測未來五年農產品的總量，預測結果如下表4。

表4　BP神經網絡預測值表　單位：萬噸

由BP神經網絡預測值表可知，該預測模型的誤差很小，平均相對誤差為0. 019 752%，兵團未來五年的農產品產量呈現持續穩定的增長趨勢，到2018年，農產品總量將比2013年增長近40%，說明隨著兵團農產品總量的增加，兵團農產品物流市場需求將繼續增長，且需求量巨大。

3.2.2灰色GM( 1, 1) 模型預測兵團農產品物流市場需求

建模前先進行可行性分析，求原始數列的級比Z1(k)，即數列的前一數據除以其后一數據的值[4]，要求必須有80%以上的數據落在可行性區間(e-2/(n+1),e2/(n+1))內。計算農產品總量原始數列的級比后，88.9%的數據在可行性區間(0.819, 1.221)范圍內,可以對原始數列直接建模。

(1)GM( 1, 1) 模型的建立

以2004年至2013年的農產品總量為原始數列，利用GM( 1, 1) 模型，預測2014年至2018年農產品總量。

原始數列X(0)={180.12,205.74,226.06,227.34,269.14,282.35,289.77,242.61,326.32,319.26}

一次累加生成數列為：

X(1)={180.12,385.85,431.8,453.4,496.48,551.49,572.11,532.38,586.93,645.58}

矩陣B為：

數據向量為

Y=[205.74,226.06,227.34,269.14,282.35,289.77,242.61,326.32,319.26]r

最小二乘法估計參數列為：

得到預測模型為：

表5　預測值表　單位：萬噸

(2)模型的檢驗

分別計算模型的相對誤差、斜率關聯度、均方差和小概率誤差，參照模型精度檢驗對照表6[5]，對模型進行檢驗。

表6　精度檢驗等級對照表

相對誤差=0. 025 73<0. 05,精度二級；

小誤差概率p=0.7，精度四級。

(3)模型修正并預測

因斜率關聯度、均方差和小概率誤差精度為三級、四級，不符合預測模型的要求，利用DPS7.55軟件對兵團農產品總量原始數列的殘差進行修正，修正后的GM(1,1)模型為：

表7　GM( 1, 1)灰色模型預測值　單位：萬噸

(4)模型評價

平均誤差=0. 035 151 9<0. 05，精度二級；

均方差比值C=0. 256 7<0. 35，精度一級；

小誤差概率p=1，精度一級。

3.2.3組合模型預測兵團農產品物流市場需求

由以上可知，BP神經網絡模型和GM( 1, 1)模型預測的農產品總量是不同的，因此可以通過構建組合模型，比較3種預測方法的相對誤差，評價出預測方法的優劣，并得出誤差最小的兵團農產品總量預測值。確定單項模型的權重，是構建組合模型的關鍵，在眾多確定權重的方法中，標準差法可以賦予擬合度好的預測模型較高的權重，優化預測結果。采用標準差法確定神經網模型與灰色系統模型權重，公式如下：

其中，Si為單項模型的標準差，n為模型的個數。

先計算出各個模型預測值的標準差，根據上式，計算出BP神經網絡預測的權重為0. 501，GM( 1, 1)灰色預測的權重為0. 499，因此可以得出組合預測的模型為

y=0. 501y1+0. 499y2

其中，y1為GM( 1, 1)神經網絡的預測值，y2為GM( 1, 1)灰色預測的預測值，代入兩模型預測值可得表8：

表8　組合模型預測值表　單位：萬噸

比較表4、表7和表8可知，BP神經網絡預測值與實際值較接近，相對誤差最小，為1. 975 2%，在兵團農產品總量的預測中是預測結果最好的預測方法。

3.3結果分析

3種方法均存在誤差，BP神經網絡模型預測結果較優。3種預測結果均顯示，兵團農產品總量增加較快，農產品物流市場需求呈現快速增長趨勢，BP神經網絡模型預測結果顯示，到2018年農產品物流市場需求總量將達到437. 084 59萬噸代表農產品(約2 200萬噸實際農產品)，比2004年增長145%，比2013年增長50%。可以預見2018年兵團農產品的物流市場需求量將比2004年增加145%，比2013年增加50%，總規模將達到2 200萬噸。在2004年至2013年期間，農產品的物流市場需求年均增長率為7. 4%，但增長不穩定，2014年至2018年，市場需求年均增長率為6. 5%，且增長趨勢穩定。說明在預測期內，兵團農產品的物流市場需求規模大幅增長，物流需求增長速度趨于穩定。

兵團農產品總量快速增長主要原因是：近幾年兵團農業經濟總體水平逐漸提高，尤其是2009年以后，兵團市場經濟體制不斷完善，經濟增長加快，同時隨著西部大開發、對口援疆計劃和“一帶一路”戰略的建設和實施，兵團各師加快農業基礎設施建設，積極提高農業現代化水平，建設現代農產品流通體系，改善農產品流通方式，提高農產品流通效率；“一帶一路”戰略要求道路聯通、貿易暢通，加快了新疆口岸政策不斷開放，促進外貿經濟交流，由此也帶來農產品出口規模的擴大。農產品產量快速增長和出口規模擴大，必將刺激兵團農產品物流市場需求，現有的物流條件難以滿足物流市場的需求，兵團亟待解決農產品物流存在的問題，并有效促進農產品物流的發展。

4促進兵團農產品物流發展建議

4.1構建現代化農產品物流信息系統

兵團應將農產品物流集貨、分貨、倉儲、運輸、加工、信息咨詢等功能集合起來，擴大業務范圍，優化信息流程，實現資源信息共享，為口岸、關檢、企業提供技術平臺，包括互聯網、全球衛星定位系統、射頻技術、條碼、電子數據交換、分類管理、銷售時點信息、客戶信息反饋、自動連續補貨、快速響應等。實現現代農產品物流信息化、高效化，提高農產品物流效率。針對農民信息不靈，政府和物流企業收集農產品相關信息，整理分析后及時傳遞給農民，引導農民按市場需求來生產，避免農產品市場波動劇烈。隨著消費方式轉變，網上購物比例提高，應加快發展電子商務，推進農產品網上交易[6]。

4.2積極發展第三方農產品物流

第三方物流具有規模大、標準化專業化程度高、信息集中、流通環節少效率高等優點。發展第三方農產品物流，可以擴大農產品物流規模，提高專業化水平，擴大流通量和流通服務半徑，并減低交易費用，延長農產品儲藏時間，保障及時供應。兵團可創新體制，培育和壯大農產品物流主體，并加快傳統農產品物流企業向第三方農產品物流企業轉型，促進農產品物流企業間的合作和重組，以信息技術為紐帶形成虛擬大組織，共享資源信息，減少固定資產投資，有效配置資源，加速農產品物流企業集團的形成[7]。

4.3加快培養物流人才

建立物流教育培訓體系，大力發展職業教育，根據農產品物流的特點，加快對農產品物流專業人員的培訓，建立農產品物流培訓中心。大力引進物流師資，提高物流教師實踐教學能力，實行校企合作、建立產學研基地，注重理論與實踐相結合。聘請物流企業經理、業務能手兼任學校教師共同培養物流管理專業的學生。利用優惠政策，完善兵團物流人才引進的激勵、管理、保障機制，吸引并留住人才加入兵團農產品物流經營管理，促進農產品物流發展。

參考文獻

[1]楊楠,田艷麗,鄭亞.我國農產品物流現狀及其問題研究[J].農村經濟與科技.2008(4)：44-45.

[2]董君成.兵團農產品流通的制約因素分析[J].價值工程,2014(8):16-167.

[3]王新利. 基于神經網絡的農產品物流需求預測研究[J].農業技術經濟,2010(2):64-65.

[4]單再成.農產品物流與其影響因素灰色關聯度分析[J].系統工程,2012(10):123-126.

[5]朱葉,喻曉玲.兵團第三方物流市場需求預測分析[J].塔里木大學學報,2012(2):97-104.

[6]易正蘭.新疆特色農業產業集群物流體系構建研究[J].新疆農墾經濟. ,2012(4):21-25.

[7]丁麗芳.低碳經濟下第三方農產品物流發展策略分析 [J].物流工程與管理. ,2014(1):122-124，148.

Forecasting Corps' Agricultural Products Logistics Market Demand Based on Combined Model

Zhu YeYu Xiaoling*

(Collage of Economics and Management Tarim university， Alar Xinjiang 843300)

AbstractThrough analyzing the development status of corps' agricultural product logistics, this paper finds out the existing problems and restricting factors. Basing on that, by utilizing two kinds of methods: Grey Model and BP neural network, this paper uses nine representatives of Corps' agricultural products as studying objects to predict Corps' agricultural products logistics demand, and then uses the results from the above two methods to set up combined model to do combination forecasting, which has a certain practical significance to precisely predict Corps' agricultural products logistics demand.

Key wordsagricultural products logistics； forecast； market demand； combined model

中圖分類號：F719

文獻標識碼：A

DOI：10.3969/j.issn.1009-0568.2016.02.010

文章編號：①1009-0568(2016)02-0052-09

作者簡介：朱葉(1988-)女，碩士，講師，從事區域經濟和物流管理的研究工作。E-mail：1498995633@qq.com*為通訊作者E-mail：1563104855@qq.com

基金項目：塔里木大學社會科學基金項目(TDSKYB1501)。

收稿日期：①2015-08-26