基于灰色預測的湖北省生鮮農產品冷鏈物流需求發展研究

鄒雅倩 崔宇昊

摘? 要：隨著生鮮農產品在居民的日常消費中占比上升，冷鏈物流的需求也逐漸增長。為降低生鮮農產品的腐損率，推動冷鏈物流高質量發展，文章基于湖北省當前生鮮農產品冷鏈物流發展現狀，選擇2008—2020年生鮮農產品中的水果、蔬菜、肉類、禽蛋、牛奶、水產品作為主要研究對象，在灰色預測模型中選用GM1，1模型，預測生鮮農產品冷鏈的物流需求。結果表明該預測方法精度較高，能夠反映湖北省未來幾年生鮮農產品冷鏈物流的需求量，可為相關部門決策提供依據。

關鍵詞：生鮮農產品;冷鏈物流;GM1，1模型

中圖分類號：F304.3? ? 文獻標志碼：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，我國實現全面脫貧，人民生活質量逐年上升，電子商務也隨之迅速發展，冷鏈物流的市場規模不斷擴大。但目前我國生鮮農產品冷鏈物流設施設備不夠完善、電商農戶規模小且分散，使得損壞率成為影響生鮮農產品質量的一大難題[1]。湖北省作為中國重要生鮮農產品生產基地，其產品正在逐步走向全國市場。為降低運輸過程中產品的損壞率，對冷鏈物流的需求越來越高。因此，準確預測未來湖北省的冷鏈需求數量和趨勢，能夠為湖北省建設冷庫及運輸過程中所需的設施裝備提供依據。并且從已有的研究文獻來看，針對湖北省生鮮農產品冷鏈物流需求而言，目前沒有預測研究成果，本文對此建立灰色GM1，1模型，預測了湖北省冷鏈物流需求，并驗證模型的有效性，能夠豐富關于這方面的理論。

1? 生鮮農產品冷鏈物流概述

湖北省地處我國中部，具有豐富農業資源，生鮮農產品產量及生產面積逐年上升。生鮮農產品主要包括水果、蔬菜、肉、蛋、奶、水產品等，是生產完成后不需要進行深加工，直接進入市場的一種初級農產品。隨著生活水平和質量的提升，優質農產品的需求會不斷增大，冷鏈物流將在提供優質生鮮農產品方面發揮至關重要的作用[2]。但由于冷鏈設施不完整，運輸過程中產生的易腐爛水果和蔬菜數量較多。在我國由于生鮮農產品儲存不合理，造成了巨大的損失和浪費，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]。

冷鏈物流不僅對維護生鮮農產品的質量和安全以及減少損失方面至關重要，而且為促進中國鄉村振興提供了重要支持。為了確保生鮮農產品具有良好品質，防止農產品變質或營養價值流失。冷鏈的有效性至關重要。這需要組建農產品物流中心，改善冷鏈設施，以及發展精確的冷鏈物流網絡。近年來，許多研究都集中在提高冷鏈物流的效率和可持續性上，其結果對促進創新、改善設施和設備以及優化冷鏈物流行業的管理具有重要影響[4]。

2? 研究方法

灰色預測模型GM1，1可以辨別無法確定關系的不同類目，以及原始數據間的變動規律，從而發現數據的發展態勢[5]。由于GM1，1模型的便捷性，其需要的信息較少，僅包含一個微分方程，且微分方程僅有一個單變量[6]。因為只需擬合一個參數，所以求解GM1，1模型相對簡單且計算效率較高。雖然生鮮農產品的類目繁多，但不同類目的關系不明確，內在也無明顯發展規律。因此，GM1，1模型適合用來研究湖北省生鮮農產品冷鏈物流需求預測。

2.1? GM1，1模型

灰色系統理論，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據量少和信息有限的不確定性問題[7]。由于灰色預測模型建模過程簡單、數據更少、預測精度更高，已被廣泛應用于自然科學、醫藥、能源、經濟和其他領域[8-10]。GM1，1模型被稱為灰色預測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：級比檢驗，建模可行性分析。

建立數據時間序列：x=x1，x2，…，xk。

求級比并進行判斷：σk=， σk∈

e，

e。

第二步：用GM1，1建模對原始數據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為發展灰數，反映了累加生成的數列x及原始數列x的發展趨勢;μ為內生控制灰數，可以反應數據間的變化關系。

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間響應序列：k+1=X1

-e+。

第五步：對上式作累減還原，得到預測值：k+1=k+1-k。

第六步：模型檢驗。

（1）預測模型的有效性檢驗。為判定預測模型的合理性和有效性，需要對模型進行檢驗[12]。不同數值的發展灰數a，表示預測模型不同的適用場景。具體的有效性檢驗標準及適用場景如表1所示。

（2）預測模型的精度檢驗。根據計算出來的發展灰數a判斷預測值是否有效，如果發展灰數a符合特定的適用場景，則可進行精度檢驗[13]。模型精度等級的檢驗參照標準（見表2），精度檢驗的計算步驟如下：

殘差：qk=X-k。

相對誤差：εk=×100%=×100%。

平均相對誤差：ε=∑εk。

精度：p=1-εavg×100%。

后驗差檢驗：通過指標方差比以及小誤差概率進行檢驗。

后驗差比值：C=。

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

3? 湖北省生鮮農產品冷鏈物流需求預測與分析

3.1? 指標數據選取

根據生鮮農產品的定義，從國家統計局中選取水果、蔬菜、肉類（包括豬肉、牛肉、羊肉、禽肉）、禽蛋、牛奶、水產品作為生鮮農產品的主要研究對象，將這幾類生鮮農產品2008—2020年的數據作為預測的初始數據（見表3）。通過Python分別對這六個指標項進行預測。

3.2? 灰色GM1，1預測模型的檢驗

首先利用發展灰數a檢測預測模型的有效性及確定適用場景，然后對GM1，1模型進行殘差檢驗和后驗差檢驗來確定精度的等級。

3.2.1? 模型精度檢驗。觀察表4中各生鮮農產品的發展灰數α，發現水果、蔬菜、肉類、禽蛋、牛奶、水產品這些預測模型的發展灰數a均滿足-a≤0.3這一檢驗標準，參照表1可知，各類生鮮農產品所構建的預測模型均有效，且均適合預測中長期場景。

3.2.2? 模型有效性檢驗。通過比對六種生鮮農產品產量的預測值和實際值得到每一年份的相對誤差，進而依據公式計算生鮮農產品預測模型的平均相對誤差，計算可知六種生鮮農產品的平均相對誤差均小于0.01，得出六種生鮮農產品產量預測模型的預測精度都大于98%，精度較高，說明灰色預測模型可以用于后續的預測分析。

模型構建后得到內生控制灰數μ、后驗比C值和小誤差概率P值（見表6）。結合表2可知，水果產量的后驗差比C值0.10，表示模型精度等級為一級。小誤差概率P值為1.00，表示模型精度為一級。蔬菜產量的后驗差比C值0.01，表示模型精度等級為一級。小誤差概率P值為1.00，表示模型精度為一級。肉類產量的后驗差比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。禽蛋產量的后驗差比C值0.02，表示模型精度等級為一級。小誤差概率P值為1.00，表示模型精度為一級。牛奶產量的后驗差比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。水產品產量的后驗差比C值0.11，表示模型精度等級為一級。小誤差概率P值為1.00，表示模型精度為一級。

檢驗結果可知，本文對六種農產品產量所構建的GM1，1模型是有效的，且適合進行中期預測，發現肉類產量的后驗差比C值0.84，小誤差概率P值為0.39，均表示模型精度不合格，故后文顯示預測數值，不進行分析。其他類別基本通過殘差檢驗和后驗差檢驗，表示精度具有一定的可信度，由此得出表7。

3.3? 預測結果分析

湖北省生鮮農產品總產量預測值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，湖北省生鮮農產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。通過計算得出2008—2025年期間每年將以2.81%的速度增長，說明湖北省對生鮮農產品的冷鏈需求明顯上升，如圖1所示。但本文預測研究僅選取統計年鑒上有的生鮮農產品類目，相當于縮小了全省生鮮農產品物流的需求量，因此實際需求量會更高，預示著湖北省在農產品冷鏈物流領域將迎來重要發展機遇。

4? 結論和建議

針對湖北省的冷鏈物流，建立了需求預測模型，模型通過殘差檢驗和后驗差檢驗，隨后對湖北省未來五年的冷鏈物流需求量進行預測。結合已有的政策，給出以下建議以期為湖北省生鮮農產品物流發展規劃提供依據。

（1）加強冷鏈物流基礎設施建設。湖北省于2022年1月印發《促進全省消費擴容升級三年行動方案（2021—2023）》，提出重視冷鏈物流技術應用與創新，鼓勵移動式冷庫應用。湖北省相關部門應積極響應政策，同時倡導環保技術的應用，同時推進冷鏈全流程數字化。

（2）構建物流發展新格局。國務院辦公廳于2021年12月印發《“十四五”冷鏈物流發展規劃》，為冷鏈物流高質量發展提供了方向。預測可知，2020年至2025年，湖北省生鮮農產品需求量將逐年增長，每年增長速率為2.81%，生鮮農產品需求總量將在2024年超7 000萬噸。面對生鮮農產品需求量的增加，湖北省各相關部門應提前做好應對措施。可以結合湖北省不同地區的地域特征及生鮮農產品的需求量，基于現有的空間布局，對現存冷鏈物流體系進一步優化，構建冷鏈物流發展新格局。

參考文獻：

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

[2] 繆桂根. 鄉村振興背景下農村生鮮農產品冷鏈物流協同發展研究[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] 嚴亞波. 基于全信息初值優化的GM1，1模型在物流行業中的應用[J]. 物流工程與管理，2022，44（6）：26-30.

[6] 劉震，謝玉梅，黨耀國. 基于改進GM1，1模型的中國脫貧攻堅進展分析[J]. 系統工程理論與實踐，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. 重慶市生鮮農產品冷鏈物流需求預測[J]. 物流技術，2017，36（10）：97-100.

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

收稿日期：2022-12-10

作者簡介：鄒雅倩（1997—），女，江西宜春人，武漢科技大學管理學院碩士研究生，研究方向：企業物流與供應鏈管理。

引文格式：鄒雅倩，崔宇昊. 基于灰色預測的湖北省生鮮農產品冷鏈物流需求發展研究[J]. 物流科技，2023，46（15）：144-147，150.