朱堅真，劉漢斌

（廣東海洋大學， 廣東 湛江 524088）

【產(chǎn)業(yè)經(jīng)濟】

廣東省沿海港泊貨物吞吐量預測問題研究
——基于 GM （1，1） 冪—指數(shù)組合模型

朱堅真，劉漢斌

（廣東海洋大學， 廣東 湛江 524088）

依據(jù)廣東省港口的實際情況，結(jié)合已有的港口吞吐量預測理論，通過分析廣東省沿海港口貨物吞吐量序列數(shù)據(jù)， 建立了 GM （1， 1） 冪—指數(shù)預測模型， 有效地提高了預測的精度和準確度。在此基礎上，運用關聯(lián)度的方法，并從定性的角度分析了廣東省GDP、 外貿(mào)進出口額、 全社會的投資總額及能量的消耗總量等因素對預測結(jié)果造成的影響，并對預測的結(jié)果進行修正。

GM （1， 1） 冪模型； 指數(shù)模型； 組合預測； 貨物吞吐量

引言

港口吞吐量是港口的主要運營指標和重要的經(jīng)濟指標之一，它的大小直接影響港口的集疏能力、設計通過能力及未來的發(fā)展前景。港口吞吐量的預測對港口基本設施投資規(guī)模、提高運營效率、深水泊位的選址、港口布局及發(fā)展戰(zhàn)略有著重要的意義。預測結(jié)果的準確性和可靠性至關重要，預測量過大，增加港口建設投資和營運費用，造成港泊資源空置；預測量過少影響港口建設進度，造成貨物積壓的經(jīng)濟損失。

由于港口吞吐量受到政治、經(jīng)濟、自然條件等因素的影響，目前對其吞吐量的預測至今還沒有形成一種普遍的通用方法。預測港口吞吐量的方法主要有定性和定量兩大類。定性研究主要是缺乏歷史資料的新建港口或者是因吞吐量的影響因素復雜多變難以用數(shù)學的方法加以表達和解決的情況下，通過富有經(jīng)驗的專家對港口的進行實地考察，并且根據(jù)以往的經(jīng)驗對港口未來的吞吐量作出判斷和預測[1]。而定量的方法主要可以分為時間序列和因果分析兩大類，陳國慶、趙一飛（2006） 考慮了港口與周邊港口之間的影響關系，采用生命周期預測法對港口群腹地的集裝箱總吞吐量進行預測，再用層次分析法分解到各個港口；其中以長三角港口為例，預測嘉慶港的吞吐量[2]；鄧超風 （2006） 分析了影響港口吞吐量的主要要素，運用“邏輯斯蒂生長函數(shù)”模型對天津、大連和青島集裝箱吞吐量進行了預測，得出了三港 2010 年貨物及集裝箱吞吐量的預測結(jié)果[3]；林強、陳一梅 （2008） 利用灰色模型和多元回歸模型建立了并聯(lián)型、串聯(lián)型和嵌入型3種灰色多元回歸模型，對上海港吞吐量進行了預測[4]；閆善郁、李豐巖、榮文竽 （2009） 根據(jù) 1996—2007 年的歷史數(shù)據(jù)，運用三次指數(shù)平滑法對大連港貨物吞吐量進行預測[5]；匡海波 （2009） 通過分析中國沿海貨物構(gòu)成及其影響，建立了中國沿海港口聚類—VAR 分貨類吞吐量預測模型[6]；欒維新、馬新華 （2011） 分析了中國集裝箱的供需關系，運用狀態(tài)空間模型對中國集裝箱運輸?shù)男枨筮M行預測，得出中國集裝箱吞吐能力嚴重過剩[7]。

從上述的研究文獻可知，現(xiàn)有的研究存在一定的缺陷：其一，對港口貨物吞吐量的定量預測僅僅局限于時間序列模型，考慮的影響因素不足；其二，預測的方法比較大單一，缺乏靈活組合。本研究主要運用 GM （1，1） 冪模型與指數(shù)模型進行組合預測，在定量的基礎上深入分析影響預測結(jié)果的諸多社會經(jīng)濟指標，進行定性的修正，克服了以往預測的不足，并對預測結(jié)果進行了討論分析。

1 理論模型

1.1 GM （1，1） 冪模型

灰色系統(tǒng)理論是一種研究少數(shù)據(jù)、貧信息不確定問題的新方法[8]，其建模原理是不依賴于原來數(shù)據(jù)的分布信息，而是運用累加生成的方法使得序列呈現(xiàn)整體的灰指數(shù)規(guī)律，在此基礎上構(gòu)建微分方程并求解。

GM （1，1） 冪模型是一種重要的非線性灰色模型，它是傳統(tǒng) GM（1，1）模型和灰色 Verhulst模型的擴展。從模型的參數(shù)結(jié)構(gòu)來看，GM（1，1）冪模型既能適應 GM（1，1）模型描述的近指數(shù)增長或者衰減的序列，也能適應灰色 Verhulst模型描述的飽和增長的序列。作為一個有待白灰化的灰數(shù)，模型中的冪指數(shù)使得模型結(jié)構(gòu)可以根據(jù)建模的實際背景進行靈活的調(diào)整，已獲得更好的預測效果。其建模的步驟如下：

設原始非負序 列 x（0）=（x（0）（1），x（0）（2），… ，x（0）（n）），對其作一階累加生成 （1-AGO） 的序列：

z（1）為 x（1）緊鄰均值生成序列

式中：x（1）（k）= λx（1）+（1- λ）x（1）（k-1），通常λ =0.5，k=2，3，…，n。

建立 GM （1，1） 冪模型：

根據(jù)文獻[9]，可知參數(shù)

式中：

而 GM （1，1） 冪模型的白化方程為：

運用最小二乘法來估計參數(shù) a和 b，

式中：

解可得時間相應函數(shù)：

利用一次累減還原可得原始數(shù)據(jù)序列的擬 合 值 ， x?（0）（k） =x?（1）（k）-x?（1）（k-1）， k= 1，2，…，n。

1.2 指數(shù)模型

指數(shù)曲線模型描述某些經(jīng)濟指標其時間序列表現(xiàn)為 環(huán) 比近似于一個常數(shù)[10]，一般可表示為x?（0）（k） =aebk， k=1，2，L，n。 其建模如下：

對原序列取對數(shù)：x（1）（k）=ln x（0）（k），k=1，2，…，n。

根據(jù)最小二乘法準則，對序列 x（1）作一元線性回歸預測模型：x?（1）（k）=a′+bk，k=1，2，…，n。

1.3 GM （1，1） 冪—指數(shù)模型

GM （1，1） 冪—指數(shù)模型就是把 GM （1，1）冪模型和指數(shù)曲線模型通過加權平均組合預測的方式將兩個模型結(jié)合，得到新的模型。建模如下：

用 GM （1，1） 冪模型和指數(shù)曲線模型對原始數(shù)據(jù)進行預測，分別得到模擬的預測值x?1（0）（k），x?2（0）（k）。

以某種組合預測方式組合模擬預測值，由于加權平均組合預測模型計算簡單并能達到較高的預測精度，本文采用算術加權平均組合預測：式中：w1，w2運用線性規(guī)劃的方法確定，其滿足且 w1+ w2=1，w1≥0，w2≥0

GM （1，1） 冪模型和指數(shù)曲線模型能從不同的角度利用信息，有效地提高預測的準確度和可靠度。

2 數(shù)據(jù)及處理

本文采用 2000—2010 年廣東省沿海港口貨物的吞吐量的時序數(shù)據(jù)，并選取了影響港口貨物吞吐量的 7個指標，分別為廣東省 GDP、工業(yè)、建筑業(yè)、外貿(mào)進出口額、全社會固定投資額、房地產(chǎn)業(yè)和能源消耗總量。數(shù)據(jù)主要來源于廣東省統(tǒng)計年鑒。其中，2000—2010 年廣東省沿海港口貨物的吞吐量趨勢見圖1。

圖1 廣東省 2000-2010 年沿海港口貨物的吞吐量趨勢圖Fig.1 Tendency of coastal port cargo throughput in 2000-2010 in Guangdong Province

從圖 1 可以看出，2009 年港口貨物吞吐量的增長幅度比以前的增長幅度相差很大，結(jié)合經(jīng)濟形勢可以得知這是因為 2008 年金融危機引發(fā)的世界進出口貿(mào)易收縮所致，對其進行處理。采用幾何平均值處理可得：其中，x09和 x10分別是 2008、2009 年的貨物吞吐量，x09′作為 2009 年的貨物吞吐量的還原值。

3 構(gòu)建廣東省沿海港泊吞吐量的GM （1，1） 冪—指數(shù)組合模型

3.1 建立第一個子模型 GM （1，1） 冪模型

根據(jù)初始序列由公式 （1） 可以累加生成序列，在根據(jù)公式 （2） 生成緊鄰均值序列，計算μ =0.033,74， 建 立 GM （1，1） 冪模 型 的模擬、預測公式為

還原得x?10的模擬值為：

3.2 建立指數(shù)曲線模型

根據(jù)廣東省沿海港泊貨物吞吐量的原始序列數(shù) 據(jù) ， 可 得 指 數(shù) 曲 線 模 型 為 ： x?1（0）（k） = 23112.53e0.1469k，k=1，2，…，n。

3.3 構(gòu)建 GM （1，1） 冪—指數(shù)模型

利用 Matlab 軟件，可以計算得到：

根據(jù)公式，可知 GM （1，1） 冪—指數(shù)組合模型為：

利用組合預測模型，對廣東省 2015 年沿海港泊貨物吞吐量進行預測，得出 230 673.7 萬噸。根據(jù)表1可知，運用組合預測模型能有效地提高預測的準確性和可靠度。這是因為 GM （1，1）冪模型是將指數(shù)模型變換成微分方程形式進行求解，在變換的過程中，由于參數(shù)μ的灰色性使得在實際求解中更好地適應了發(fā)展變化受眾多因素影響的波動原始數(shù)據(jù)。而指數(shù)模型則是將原始序列處理，運用最小二乘法建立一元線性回歸模型來估計參數(shù) a與 b。兩者參數(shù)估計的形式雖然有異，但基本假定基本一致。而根據(jù)兩者建立的GM （1，1） 冪—指數(shù)組合模型則可以綜合有效的利用兩者預測方法增大的信息量，彌補信息源單一的缺陷，提高預測的可靠度。

表1 預測值及相對誤差的對比Tab.1 Comparison of predicted values and relative errors

從預測的結(jié)果與原始數(shù)據(jù)的對比可知，2001年與 2009 年的預測與實際數(shù)據(jù)存在較大的誤差。考慮當時國內(nèi)的宏觀環(huán)境可以推測，2000 年中國正式成為了WTO的成員國，與世界的貿(mào)易往來急劇增長的同時，貿(mào)易的摩擦也是日益發(fā)展。技術性貿(mào)易壁壘、綠色貿(mào)易壁壘的存在嚴重制約著廣東貨物的進出口，制約著沿海港泊運輸業(yè)的發(fā)展。而 2009 年出現(xiàn)的較大的預測誤差，是受2008 年全球發(fā)生金融危機的影響。在國際的貨物貿(mào)易中，同樣存在J曲線的滯后反應，因而導致2009 年的數(shù)據(jù)出現(xiàn)異常。

而在以上三種的預測方法中，GM （1，1）冪—指數(shù)模型的預測的平均誤差為 5.97%，誤差精度控制在 10%以內(nèi)。這主要是因為港口貨物的吞吐量是受政治、經(jīng)濟、自然條件等等很多外來因素的影響。因此，還得從宏觀環(huán)境和主要的影響指標做進一步的修正影響。不能單純依靠定量的分析來達到預測結(jié)果的準確性，還需要結(jié)合多個社會經(jīng)濟指標對其進行合理修訂及分析。

4 影響廣東沿海港泊吞吐量因素及結(jié)果修正

港口貨物的吞吐量一方面依托所在城市的物流系統(tǒng)的完善性，另一方面取決于城市經(jīng)濟發(fā)展引致的運輸需求。本文選取廣東省 GDP、工業(yè)、建筑業(yè)、外貿(mào)進出口額、全社會固定投資額、能源消耗總量、房地產(chǎn)等社會經(jīng)濟指標與港口貨物吞吐量做關聯(lián)度分析。在此基礎上，依據(jù)它們之間關聯(lián)度的大小，分析經(jīng)濟指標囊括的信息及其對港口貨物吞吐量的影響，并對預測進行修正。借助關聯(lián)度的分析方法[11]，計算港口貨物吞吐量與社會經(jīng)濟指標之間的關聯(lián)度，見表2。

表2 社會經(jīng)濟指標與沿海港泊貨物吞吐量關聯(lián)度Tab.2 Correlation degree between the socio-economic index and the coastal harbor cargo throughput

（1） 廣東省經(jīng)濟發(fā)展對貨物吞吐量的影響。廣東省經(jīng)濟對港口貨物吞吐量的體現(xiàn)在以下方面：其一，工業(yè)化進程加快，重工業(yè)發(fā)展拉動了貨物吞吐量的增長；其二，社會的固定投資的增加加速了港口運輸業(yè)的發(fā)展；其三，房地產(chǎn)行業(yè)的發(fā)展拉動了貨物吞吐量的增長。受經(jīng)濟危機的影響，該省將放緩經(jīng)濟增長速度。此外，擴大內(nèi)需，大力發(fā)展省內(nèi)市場也促使貨物運輸量的降低。

（2） 外貿(mào)進出口對貨物吞吐量的影響。對外貿(mào)易的發(fā)展和壯大是推動港口貨物運輸?shù)闹苯觿恿?。隨著中國加入WTO 以及經(jīng)濟全球化進程的加快，對外貿(mào)易的往來日益頻繁。然而，廣東省的經(jīng)濟轉(zhuǎn)型可能會導致外貿(mào)趨勢放緩。自 2006年以來，廣東省出口的產(chǎn)品的核心競爭力有成本優(yōu)勢向技術優(yōu)勢轉(zhuǎn)化，而結(jié)構(gòu)轉(zhuǎn)型過程中外貿(mào)的量將會放緩。這會降低我省港口貨物的運輸要求。

（3） 能源消費總量對港泊貨物吞吐量的影響。煤炭、石化、冶金等重化工發(fā)展帶動了港口貨物吞吐量的增長。隨著低碳經(jīng)濟的到來，意味著經(jīng)濟結(jié)構(gòu)的調(diào)整和經(jīng)濟發(fā)展方式的轉(zhuǎn)變，煤炭利用率將會大幅度提高，替代能源的加快開發(fā)，煤炭需求可能會表現(xiàn)得較為疲軟。這也會進一步減低港口運輸?shù)囊蟆?/p>

（4） 此外，周邊港口的分流作用。廣東毗鄰廣西、海南、福建，周邊省份港口運輸對廣東省的港口貨物運輸起到分流的作用。如在環(huán)北部灣區(qū)域內(nèi)，廣東的湛江港、北部灣港、?？?、洋浦港保稅區(qū)等諸港處于華南、西南經(jīng)濟圈和東盟經(jīng)濟圈的結(jié)合部，都可能成為中國與東盟貨物雙向進出橋頭堡的潛力。由于它們地域相近，干線相同，經(jīng)濟腹 地 疊 加 ， 存在競爭與合作 的 局 面[12]。隨著廣西欽北防三港的整合，海南國際旅游島的建設，這都對廣東省的沿海港泊運輸業(yè)造成一定的沖擊。

綜合以上的分析，廣東省 2015 年沿海港泊貨物 吞吐 量的 預 測 結(jié) 果 應 該 比 低 于 230 673.7萬噸。

5結(jié) 語

（1） 本文結(jié)合現(xiàn)有港口吞吐量預測理論和廣東省港口的實際情況，首次運用灰色—指數(shù)模型分析和預測廣東省沿海港泊貨物吞吐量問題，充分挖掘數(shù)據(jù)的信息，解決了現(xiàn)有文獻單一的預測方法。

（2） 建立了廣東省沿海港泊貨物吞吐量的GM （1，1） 冪—指數(shù)模型的同時，對于預測的結(jié)果進行了定性的修正。測定廣東省 GDP、工業(yè)、建筑業(yè)、外貿(mào)進出口額、能源消耗總量等社會經(jīng)濟指標與港口貨物吞吐量的相關度，從運輸業(yè)需求的角度出發(fā)分析了其中的主要因素，并定性修訂預測結(jié)果。這進一步提升了廣東省沿海港泊吞吐量預測的精度，從而為廣東沿海港口投資規(guī)劃提供可靠的參考依據(jù)。

（3） GM （1， 1） 冪—指 數(shù) 模 型 ， 分 析 了 事物發(fā)展變化的影響因素及影響程度。該模型的有效地結(jié)合了 GM （1，1） 冪和指數(shù)曲線的優(yōu)勢，在實踐應用中具有方便靈活?？梢酝茝V到其他港口吞吐量的預測上，有效提高預測準確性與可靠性。

[1] 侯文文，呂靖，梁晶.環(huán)渤海地區(qū)集裝箱港口供求平衡性分析[J].交通企業(yè)管理，2010（12）：55-57.

[2] 陳國慶，趙一飛.相同腹地港口吞吐量預測方法[J].上海交通大學學報，2006（4）：52-56.

[3] 鄧超風.環(huán)渤海主要港口吞吐量預測模型研究 [D].武漢理工大學，2006：27-38.

[4] 林一強，陳一梅.灰色多元回歸模型在港口吞吐量預測中的應用[J].水運工程，2008，417（7）：77-79.

[5] 閆善郁，李豐巖，榮文竽.三次指數(shù)平滑法預測大連港貨物吞吐量[J].大連交通大學學報 2009，30（2）：44-47.

[6] 匡海波.中國沿海港口吞吐量預測模型研究 [J].科研管理，2009，30（3）：188-192.

[7] 欒維新，馬新華.我國集裝箱港口吞吐能力供需平衡研究[J].經(jīng)濟地理，2011，31（11）：1775-1779.

[8] 鄧聚龍.灰色系統(tǒng)理論教程[M].武漢：華中理工大學出版社，1992：24-28.

[9] 王正新，黨耀國，練鄭偉．無偏 GM（1，1）冪模型其及應用[J].中國管理科學，2011，19（4）：144-148.

[10] 楊桂元，馬永開.指數(shù)曲線預測模型探討[J].統(tǒng)計與決策，1995（12）：21-24.

[11] 匡海波.基于關聯(lián)度模型的港口經(jīng)濟與城市經(jīng)濟關系研究[J].中國軟科學，2007（8）：110-114.

[12]朱堅真，郭小青.我國北部灣沿海港群與遠洋運輸體系的建設問題[C].中國太平洋學會，海陸統(tǒng)籌與可持續(xù)發(fā)展——中國海洋論壇，2009：25-28.

Study on Prediction of Coastal Harbor Cargo Throughput in Guangdong Province——Based on GM(1，1)power-exponent model

Zhu Jianzhen， Liu Hanbin
（Guangdong Ocean University，Zhanjiang 524088，China）

Based on the actual situation of the ports in Guangdong Province and considering the port throughput prediction theory， the research establishes the GM（1，1） power-index prediction model by analyzing coastal the port cargo throughput sequence data of Guangdong Province，which improves the prediction precision and accuracy for port throughput.On this basis， it uses the associated method to analyze the impact of the GDP of Guangdong， the foreign trade volume， the total investment of the whole society， the total consumption of energy and other factors on the predicted results.At last， it amends the forecast result from the qualitative angle.

GM（1，1） power model,index model； combination prediction； cargo throughput

F550.7

A

2095-1647（2013）01-0026-06

2012-10-17

廣東省自然科學基金項目 “沿海港泊建設與貨客進出口量平衡發(fā)展測度研究” （10152408801000012）

朱 堅 真 ， 男 ， 博 士 ， 教 授 ， 博 士 生 導 師 ， 廣 東 海 洋 大 學 副 校 長 ， 主 要 研 究 方 向 ： 區(qū) 域 經(jīng) 濟 、 海 洋 經(jīng) 濟 ， E-mail：gdzjz@yahoo.com.cn。