浙江省水产品冷链物流需求预测_庞雅倩.pdf

江苏商论2023.5浙江省水产品冷链物流需求预测庞雅倩（浙江海洋大学 经济与管理学院，浙江 舟山316022）摘要：根据浙江省农产品冷链物流的发展现状确定预测指标，从传统的GM（1，1）、新信息GM(1,1)、新陈代谢GM（1，1）选取合适的模型对20102019年浙江省水产品的冷链物流需求量进行趋势预测及精度检验。结果表明，新陈代谢GM（1，1）优于其他两种模型，利用该模型得到的预测结果对浙江省水产品冷链物流相关的建设投入具有可靠的参考价值。关键词：水产品；冷链；需求预测；浙江省中图分类号：F50文献标志码：A收改日期：2023-03-21作者简介：庞雅倩，浙江海洋大学经济与管理学院硕士研究生，研究方向冷链物流。本文所有作者授权本刊，无偿同意中国知网等网络平台的数字化应用以及新华文摘报刊复印资料的转载和摘编，如有法律代理和第三方网络平台电子使用应征得本刊的同意。一、引言冷链指将易腐的食品在被消费前的各个环节始终置于特定的、能有效抑制食品变质的低温条件下，以达到食品质量安全、降低在运输过程中食品价值损耗、隔绝外界污染等目的的一种特殊的供应链系统。而对于生鲜农产品来说，由于鲜活程度是衡量价值的重要标准，所以冷链是保证生鲜农产品市场价格的重要手段。浙江水产资源丰富，在相关农产品贸易中具有明显的价格优势，冷链物流更是使得这一优势更大化地发挥作用，但是冷链物流不仅对技术要求较高，而且与此相关的管理和资金投入也比普通的常温物流要大，所以浙江省水产品冷链物流需求的预测可为未来短期内水产品方面的冷链物流设施建设投入与发展提供依据。针对农产品冷链物流需求的内涵，王之泰认为，农产品冷链物流需求是基于指消费者对生鲜农产品的需求而产生的对具有冷藏环境的前端生产制造环节、后端消费运用环节和中间流环节的需求。兰洪杰认为，冷链物流需求是人民对冷冻冷藏食品需求而产生的对冷冻冷藏食品运输、仓储、装卸搬运、流通加工、配送以及相关信息处理等物流活动的需要。朱坤萍认为，农产品冷链物流需求是消费者对水果、蔬菜、水产品、肉、禽、蛋等生鲜农产品的需求，从而产生对生鲜农产品在低温控制下从产地到贮藏、运输、分销、加工等环节的需求。在需求预测研究中，相关学者如杨筝、曹志强等通过建立灰色预测GM（1，1）模型对广西农产品冷链物流需求进行预测。王晓平、闫飞从农产品供给、社会经济、冷链发展、人文、物流需求规模五个方面构造遗传BP神经网络模型（GA-BP），对北京市城镇农产品冷链物流需求进行预测。目前，国内学者在农产品冷链物流的需求预测时，采用的方法主要有时间序列法、回归分析法以及灰色预测法等。前两种方法普遍需要大量历史数据并且预算精度不高，所以本文从传统GM（1，1）预测模型、新信息GM（1，1）预测模型、新陈代谢GM（1，1）预测模型中选取合适的模型对20102019年浙江省水产品的冷链物流需求量进行趋势预测，并通过精度检验提升整体预测的可靠性。二、构建预测模型（一）预测指标选取水产品包括海水产品、淡水产品和远洋渔业产品。首先选择合适的预测方法对水产品进行预测，然后对三种水产品进行针对性的需求预测。由于冷链物流发展水平较低，浙江省发布冷链物流创新发展三年行动计划（20202022），提出要将水产品的综合冷链流通率提升至55%，所以本文以该比率对相关产量原始数据做相应处理）（表1）。（二）预测模型的选择与构建模型选择灰色预测法。构建模型，首先，将原始 交通物流 47DOI:10.13395/ki.issn.1009-0061.2023.05.005江苏商论2023.5图1三个模型预测结果对比表2精度检验标准表120102019年浙江水产品冷链物流需求量（单位：万吨）年份水产品海水产品淡水产品远洋渔业2010262.8725209.676553.1969.1082011283.6955226.03957.656512.90852012296.769237.18259.58715.99952013302.951243.754559.196520.242014316.283257.52158.76229.78252015331.1270.1660.9433.64352016321.3925258.54462.848522.7922017326.9475259.803567.14425.73452018327.6405258.13769.503533.57752019330.22257.01573.210537.345预测精度等级残差检验级比偏差检验好0.10.20.2数列为x(0)=x(0)(1),x(0)(2).x(0)(n),i=1,2,.n。做一次累计加成，得x(0)=x(1)(1),x(1)(2).x(1)(n)。由于数据具有准指数规律是使用灰色系统建模的理论基础，因此通过光滑比与0.5的对比构成两个指标：（1）光滑比小于0.5的数据大于60%；（2）除去前两个时期外，光滑比小于0.5的数据大于90%。对累加一次后的序列是否具有准指数规律进行检验。对水产品、海水产品、淡水产品及远洋渔业的原始数据检验结果均为77.77778%、100%。这表明以上数据均可用于灰色预测模型。目前，有三种类型的灰色模型可以用于预测，即传统的GM（1，1）、新信息GM（1，1）和新陈代谢GM（1，1）。新信息GM（1，1）是在传统GM（1，1）的原始序列上加入新信息x(0)=（n+1）形成的新序列所建立的模型。新陈代谢GM（1，1）是在新信息模型原始序列上去掉老信息x(0)（1）所形成的新序列建立的模型。通过计算三种模型的误差平方和，选用误差平方和最小的模型对浙江省水产品冷链物流需求进行预测。由z(1)(k)=12(x(1)(k)+x(1)(k+1),k=1,2,n得紧邻均值生成序列为z(1)=(z(1)(1),z(1)(2),z(1)(n),i=1,2,n。进而可知x(1)关于t的一阶微分方程：dx(1)dt+ax(1)=u。其中，a为发展系数，u为灰色作用量。对a,u进行求解并还原序列后，即可得到原始序列的预测值x(0)=(x(0)(2),x(0)(3),x(0)(n)。本文用以下两种方法对模型与原始数据的拟合程度进行检验，具体为：1.残差检验：绝对残差：(k)=x(0)(k)-x(0)(k),k=2,3,n；相对残差：r(k)=x(0)(k)-x(0(k)x(0)(k),k=2,3,n；平均相对残差：r=1n-1nk=2r(k)。2.级比偏差检验。原始数据的级比：(k)=x(0)(k)x(0)(k-1)(k=2,3,n)；级比偏差：(k)=1-1-0.51+0.51(k)；平均级比偏差：=nk=2(k)(n-1)。残差检验与级比偏差检验是检验的重要指标，常用作衡量真实值与预测值的偏差。越小的平均相对残差和级比偏差检验，说明预测值越接近真实值。精度检验标准见表2。三、浙江省20202025年水产品冷链物流需求预测（一）模型的选择结果图1为以水产品产原始数据为例的三个模型的预测效果对比。由图1可以看出新陈代谢GM（1，1）与实际数据最为接近，所以选择该模型对水产品冷链物流需求进行预测（表3）。在此基础上进行精度和可信度测量，结果见表4，通过测算。（二）需求量预测表3三个模型预测结果对比年份实际值预测值误差平方项传统GM（1，1）新信息GM（1,1）新陈代谢GM（1，1）2017 326.9475 339.9885 339.9885 339.9885 1511.17132018 327.6405 349.6155 349.6001 347.5589 1508.54062019330.22359.5151 359.4817 355.8701 1224.7405 交通物流 48江苏商论2023.5（上接第46页）Research on the Development path of Online Car Rental from the Perspective of Collaborative GovernanceTake N City as an ExampleZANG Lu-heng(Party School of the CPC Zhenjiang Municipal Committee,Zhenjiang,Jiangsu 212000)Abstract:As a product of the“Internet plus”industry,online car hailing has gradually become a new travel service model in Chinastravel market.However,in the development process,due to improper stakeholder gaming and governance methods,the development ofonline car rental presents a“melee”state.Collaborative governance theory emphasizes the diversification of governance entities,andincorporating multiple entities to participate in online car rental governance can break the current dilemma in the online car rentalindustry.Through the joint participation of the government,online car rental platforms,practitioners,and other social forces,and rely-ing on common rules and guidance,we should solve the“current chaos”in online car rental governance,and promote the healthy de-velopment of the online car rental industry.Key words:online car appointment;Collaborative governance;stakeholder图2原始数据与预测数据的拟合及预测趋势表520202025年浙江水产品冷链物流需求量预测结果年份水产品海水产品淡水产品远洋渔业2020343.2793270.326973.266940.45472021346.1773270.626776.077443.19642022349.3516270.704679.423245.77022023351.69269.997982.757448.50142024355.275270.943785.760253.35222025362.0405275.151388.764160.0157表4新陈代谢GM（1，1）精度检验结果内容水产品海水产品淡水产品远洋渔业平均相对残差0.01750.02750.023880.15967平均级比偏差0.02380.031940.021720.17369检验结果好好好合格Forecast of Cold Chain Logistics Demand for Aquatic Products in Zhejiang ProvincePANG Ya-qian(School of Economics and Management,Zhejiang Ocean University,Zhoushan,Zhejiang 316022)Abstract:Based on the current development situation of cold chain logistics for agricultural products in Zhejiang Province,predictionindicators are determined,and appropriate models are selected from traditional GM(1,1),new information GM(1,1),and metabolismGM(1,1)to conduct trend prediction and accuracy testing on the cold chain logistics demand for aquatic products in ZhejiangProvince from 2010 to 2019.The results show that the metabolic GM(1,1)model is superior to the other two models,and the predic-tion results obtained using this model have reliable reference value for the construction investment related to the cold chain logisticsof aquatic products in Zhejiang Province.Key words:aquatic products;Cold chain;Demand forecasting;Zhejiang Province预测结果表明，海产品已经占了总需求的80%左右，是水产品冷链物流需求的主要产品。所以，要重点发展海水产品冷链物流。作为中国主要的水产大省，浙江必须重视这方面的冷链物流，以带动所有冷链物流的发展（表5、图2）。本文针对浙江水产品目前发展情况，通过比较三种GM(1,1)预测方法，选择最适合的新陈代谢GM(1，1)模型，建立了浙江水产品冷链物流需求预测模型，并利用残差检验和级比偏差检验对其进行了精度检验，结果显示，新陈代谢符合浙江的实际，能够带动浙江海洋水产品进而带动整个农产品冷链物流的建立。注释：王之泰.冷链从思考评述到定义J.中国流通经济,2010(9):15-17.蓝洪杰,汝宜红.2008背景奥运视频冷链物流需求预测分析J.中国流通经济,2008(2):19-22.朱坤萍,江琳琳,王赫男.河北省农产品冷链物流市场分析及对策J.价格月刊,2016(475):64-68.杨筝,曹志强,黎嘉慧.基于灰色预测法的广西农产品冷链物流需求预测J.物流工程与管理,2017(9):86-88+83.王晓平,闫飞.基于GA-BP模型的北京城镇农产品冷链物流需求预测J.数学的实践与认识,2019(21):17-27.交通物流 49