基于灰色與馬爾科夫鏈模型的京津冀農產品冷鏈需求預測

張喜才 李海玲

內容摘要：冷鏈物流既是消費升級背景下民生的重要保障，也是京津冀農業協同發展的根本支撐，同時也是非首都核心功能疏解的對象之一。建立精確、有效的冷鏈物流預測模型是京津冀冷鏈物流發展和京津冀農業協同發展的關鍵。本文打破傳統單一模型的預測精度限制，利用Python軟件，采用灰色模型與灰色-馬爾科夫鏈組合模型的建模方法提高預測精度，并對北京、天津、河北以及京津冀地區的農產品冷鏈物流需求做出定量預測，并據此提出對策建議，為政府冷鏈物流規劃布局、基礎設施設備的建設投入、扶持政策的出臺提供依據。

關鍵詞：GM（1，1）預測 ? 馬爾科夫鏈 ? 農產品冷鏈物流 ? 需求預測

問題的提出

冷鏈物流是現代全球食品體系的重要組成部分，也是農產品供應鏈的重要組成元素，更是現代物流管理的重要內容（Bogataj et al.，2005）。冷鏈物流既是消費升級背景下民生的重要保障，也是京津冀農業協同發展的根本支撐，同時也是非首都核心功能疏解的對象之一。建立精確、有效的冷鏈物流預測模型是京津冀冷鏈物流發展和京津冀農業協同發展的關鍵。近年來，京津冀經濟社會發展速度加快，城鎮化率不斷提高，消費者食品安全需求不斷提升。加之京津冀協同發展持續推進，冷鏈物流發展不平衡、不充分的現象凸顯。另一方面，京津冀冷鏈物流需求量卻無法確定。因此，本文構建灰色與馬爾科夫鏈模型，通過模型準確預測京津冀冷鏈物流需求，為京津冀地區農產品冷鏈物流在基礎設施設備、規劃布局、扶持政策等方面提供數據支持和理論支撐。

文獻綜述

冷鏈需求一直是研究的模糊地帶，關于冷鏈物流需求預測一類是國內外對比說。我國在冷鏈體系、冷鏈設施、冷鏈信息化方面與國外發達國家差距明顯，以冷藏運輸率為例，發達國家食品冷藏運輸率達到80%-90%，而我國僅為15%左右（周海霞，2016;歐陽芳，2015）。與美日等發達國家的農業產品物流環節損耗率平均3%相比，我國高達30%（楊利勤，2016），然后根據發達國家的人均冷庫來推算我國的冷庫和冷鏈總量。二類是生鮮農產品產量等量齊觀說。認為生鮮農產品總量就是冷鏈物流總量，比如，2018年我國冷鏈物流需求總量將達到1.8億噸就是根據農產品總量來確定的。三類是模型推算說。根據人均國民收入等指標推算出冷鏈物流總量。根據冷鏈發達國家的歷史數據來看，當人均GDP達4000美元時，冷鏈物流行業開始進入快速增長期，因此未來3年的冷鏈物流市場規模將按照3310億元、4634億元和6488億元的速度增長（劉京，2017）。總之，不管是哪一種需求預測方法都存在較大模糊空間，而且都是靜態的，甚至是互相矛盾的。

為了準確預測區域物流需求，眾多文獻運用了多元線性、神經網絡、支持向量機、灰色預測等方法對冷鏈物流需求量進行預測研究。少量學者運用數理統計方法預測了冷鏈物流需求，第一是多元線性回歸模型。李雋波、孫娜（2011）以我國水產品冷鏈物流需求為例，應用多元線性回歸分析法建立冷鏈物流需求量的預測方程;周海霞（2012）預測了我國水產品冷鏈物流需求;王新娥（2014）用該方法預測了新疆農產品冷鏈物流需求量。第二是運用灰色預測模型。趙溪、劉保（2016）采用灰色預測模型理論估算曹妃甸區2017年農產品的冷鏈需求量。李夏培（2017）以北京市農產品物流需求為研究對象，采用灰色GM（l，l）模型為基本方法，使用Matlab軟件，借助蟻群算法求出單個模型的權數，構建灰色線性組合模型，對十三五時期北京市農產品物流需求進行預測。第三是運用BP神經網絡模型。王新利、趙琨（2010）利用神經網絡理論，建立基于BP神經網絡的農產品物流預測模型。蘭洪杰、汝宜紅（2010）運用神經網絡技術對奧運食品冷鏈物流需求進行預測分析。第四是組合預測模型。蔣宇斌等（2017）選取城鎮居民冷鏈食品購買量作為冷鏈物流需求水平指標，嘗試將基于熵權的組合預測法應用于由寧夏冷鏈物流需求量的預測。另外，原靜（2017）對采用延伸趨向、指數平滑、神經網絡算法、回歸方法和灰色預測方式進行的農產品冷鏈物流單向預測與正向權重組合預測的結果進行對比分析。

總之，已有的農產品冷鏈需求預測研究相對較少，且多使用單一模型方法，使其所得冷鏈需求預測的結果不一定準確。同時，京津冀冷鏈物流需求預測沒有受到足夠重視，這是將來冷鏈物流研究領域中亟待深入研究的，對于京津冀協同發展戰略的深入發展也是至關重要的。因此，本文基于L-OD的需求預測思路，使用灰色模型（GM模型）和馬爾科夫鏈方法（MCMC模型）相結合，預測京津冀農產品冷鏈倉儲物流市場需求數量和需求趨勢，對京津冀冷鏈物流體系建設提出具有針對性和可操作性的政策建議。

京津冀農產品冷鏈物流需求預測

（一）方法選擇

京津冀農產品冷鏈物流需求是復雜的系統，受多種因素影響，既與三地自身經濟社會發展和消費需求有關，也與京津冀協同發展的政府政策相關，往往存在非線性關系且歷史數據較少，這都導致多元線性、相關回歸、神經網絡等傳統預測方法預測性能不穩定。而部分定性預測方法又過于主觀，也不適用于冷鏈物流需求預測。因此，需要選用更精確、有效的模型對京津冀農產品冷鏈物流需求進行合理預測。本文鑒于冷鏈物流需求數據的特點，借助Python軟件構建GM（1，1）模型，預測京津冀農產品冷鏈物流需求數量和需求趨勢。同時利用馬爾科夫鏈模型對部分預測結果進行修正，即使用灰色模型（GM模型）和馬爾科夫鏈蒙特卡洛方法（MCMC模型）的組合模型方法進行預測，彌補單一模型預測結果的不足之處，進一步提高預測精度，具有真實性和普遍性的特點。

（二）指標選取與數據說明

在以往的農產品冷鏈物流需求預測中，學者往往選取單方面指標進行預測。本文為了更全面準確的預測京津冀農產品冷鏈物流數量與需求趨勢，同時在兼顧數據可獲性的情況下，選取了2014-2018年《北京統計年鑒》、《天津統計年鑒》、《河北經濟年鑒》中的蔬菜、水果、肉禽蛋奶類、水產品等需冷鏈運輸的農產品產出總量作為冷鏈需求的原始數據（見表1）。

（二）GM（1，1）模型預測

根據表1，利用Python軟件，求出GM（1，1）預測模型中的兩個待估計參數：

a=-0.12245747139618557

u=909470.1852642567

對北京地區原始時間序列分別建模，得到GM（1，1）預測模型方程式：

x（1）（n）=（961449+7426800）exp（0.12245747139618557 （i-1））-7426800

得到北京地區GM（1，1）模型預測值，同理可得到天津、河北、京津冀地區GM（1，1）模型預測值。使用Python軟件，利用后驗差檢驗法對北京市灰色GM（1，1）模型預測結果進行精度檢驗，得到后驗差比即C值（四舍五入保留四位小數）為0.00181，最小誤差概率即P值分別為1.0。利用后驗差檢驗法對北京、天津、河北、京津冀地區灰色GM（1，1）模型預測結果進行精度檢驗，得到后驗差比即C值（均四舍五入保留四位小數）分別為0.1056、0.2150、0.0251、0.0316，最小誤差概率即P值分別為1.0、0.91、1.0、1.0。北京、河北、京津冀的預測結果精度均為1級，具有高擬合和預測精度，冷鏈物流需求預測效果好，而天津地區預測結果精度為2級，擬合度相對差，預測結果精度較低，需要采用馬爾科夫鏈模型做進一步數據修正（見表2）。

（三）馬爾科夫鏈模型優化

利用Python軟件，根據建立的GM（1，1）模型得到天津市2006-2016年農產品冷鏈物流需求量的模擬值，通過與實際值比較得到相對誤差率（見表3），并進行狀態劃分。其中，狀態E1為相對誤差率為-12.80%至-6%，狀態E2為相對誤差率為-6%至-4%，狀態E3為相對誤差率為-4%至3%，狀態E4為相對誤差率為3%至6.27%。

根據2017-2026年的狀態轉移向量以及馬爾科夫鏈預測值公式，對GM（1，1）模型預測結果做進一步修正，得到基于灰色馬爾科夫組合模型的天津市2017-2026年農產品冷鏈物流需求預測值，如表4所示。

結論及對策建議

（一）結論

北京市2017-2026年農產品冷鏈物流需求將繼續呈現下降趨勢，而天津、河北兩地以及京津冀地區農產品冷鏈需求在未來十年將呈現持續增長態勢，冷鏈物流行業發展迅猛。北京市疏解政策在冷鏈物流行業發展趨勢良好，天津、河北等地區有效承接了北京市冷鏈物流行業的市場轉移。需要強化組織協調，加強疏解和承接對接，培育龍頭企業，建立“網絡化、嚴標準、可追溯、高效率”的全鏈條式現代農產品冷鏈物流網絡，為京津冀農產品流通和食品安全保駕護航。

（二）對策建議

加強組織協調，強化京津冀冷鏈物流網絡頂層設計。國家發展與改革委員會牽頭成立京津冀農產品物流體系建設規劃工作小組，協調京津冀發展改革委相關主管部門的工作，同時，三地發展改革委主管部門也要搭建起與農產品批發企業、第三方物流企業、農戶及零售商等各方主體的協調溝通平臺，建立重點、難點問題協調機制，加強人員配備及多方聯動，明確分工及職責，統籌做好所在地區農產品物流體系建設具體工作。條件成熟后，還應建立考核指標，加強動態監管和考核。

實施百品千庫工程，加強產地冷鏈設施建設。根據國家級和京津冀特色農產品優勢區建設規劃，根據北京、天津、石家莊、唐山等大城市需求特征，在京津冀地區選擇100個左右優勢農產品，在現有農產品流通體系的基礎上，因地制宜依托公路網、鐵路網、新增支線機場、電商企業布局，在優勢農產品主產區布局1000個左右的現代化冷庫，完善倉儲物流設施，不斷提高農產品流通效率。在充分利用現有收儲設施的基礎上，在產地就近建設預選分級、加工配送、包裝倉儲等基礎設施，完善收購網點，配套建設倉儲、物流、冷鏈設施。根據本地現有集散基礎，規范建設一批田頭市場。鼓勵各大農產品電商平臺、批發市場、超市在在產地建設冷鏈物流服務站點。

扶持大型冷鏈綜合企業發展，鼓勵冷鏈物流企業向河北天津聚集，延伸服務鏈條。加強與農產品生產、生鮮食品加工、商貿流通企業在訂單管理、倉儲管理、物流配送、溫度監控等方面的協同對接，推動冷鏈物流企業向綜合物流服務商轉型發展，形成一批全產業鏈冷鏈物流企業。鼓勵冷鏈物流平臺企業與農民合作社等新型農業生產經營主體深度合作，大力發展北京、天津、唐山等大中城市的冷鏈物流同城配送，完善城鄉物流配送體系。支持快遞物流企業提供高品質冷鏈物流綜合服務。探索建立京津冀冷鏈物流信息共享平臺，構建“互聯網+”冷鏈物流信息化體系，整合冷鏈倉儲、車輛、貨源信息等物流資源，逐步完善全程溫控、貨物查詢、信息發布、在線交易等一體化服務功能。

積極推進第三方冷鏈物流標準化，形成冷鏈物流全程標準體系。制定冷鏈物流標準，包括冷鏈物流行業服務標準、冷鏈物流服務企業準入標準、冷鏈物流服務企業資質認證和誠信體系標準、冷鏈物流信息服務標準、冷鏈物流終端產品接收標準等。加強區域農產品冷鏈物流、檢驗檢測認證等標準體系建設，落實產地準出檢驗，探索三地檢驗結果互認，發揮認證作用，推動采信第三方檢驗檢測認證結果，強化標準執行，建立全程可追溯的食品安全監控系統。

參考文獻：

1.周海霞.國外農產品冷鏈物流一體化經驗及借鑒[J].世界農業，2016（5）

2.歐陽芳，徐志宏.國外冷鏈物流的轉型分析與借鑒[J].對外經貿實務，2015（8）

3.楊利勤.國外農業產品冷鏈物流的成功經驗與借鑒[J].對外經貿實務，2016（3）

4.劉京.未來的冷鏈推動力[J].中國儲運，2017（2）

5.李雋波，孫麗娜.基于多元線性回歸分析的冷鏈物流需求預測[J].安徽農業科學，2011，39（11）

6.周海霞，韓立民.我國水產品冷鏈物流需求分析及政策建議[J].中國漁業經濟，2012，30（4）

7.王新娥，王學劍.新疆城鎮居民農產品冷鏈物流需求預測分析[J].物流技術，2014，33（1）

8.趙溪，劉保.曹妃甸冷鏈運輸需求分析研究[J].交通世界，2016（32）

9.李夏培.基于灰色線性組合模型的農產品物流需求預測[J].北京交通大學學報（社會科學版），2017，16（1）

10.王新利，趙琨.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）

11.蘭洪杰，汝宜紅.2008北京奧運食品冷鏈物流需求預測分析[J].中國流通經濟，2008（2）

12.蔣宇斌，郭佳秀，賀芳娟，邢云博.基于熵權的寧夏城鎮居民冷鏈物流需求量組合預測[J].物流技術，2017，36（2）

13.原靜.正向權重組合預測機制下的農產品冷鏈物流需求量預測[J].江蘇農業科學，2017，45（19）