席元凱

內(nèi)容摘要：本文利用2008-2013年閩贛粵三省貨運(yùn)量，通過灰色預(yù)測模型中的GM（1，1）預(yù)測模型對閩贛粵三省2014-2016年貨運(yùn)量進(jìn)行預(yù)測，經(jīng)過后驗(yàn)差比值和小誤差概率檢驗(yàn)，得出模型預(yù)測精度為優(yōu)。同時(shí)，利用Markov模型對灰色模型予以改進(jìn)，構(gòu)建新的GM-Markov模型，對三省2014-2016年貨運(yùn)量進(jìn)行預(yù)測，并將前后模型預(yù)測結(jié)果與實(shí)際值對比，指出GM-Markov模型比單純的GM（1，1）預(yù)測模型預(yù)測更為精確。最后，以GM-Markov模型對閩贛粵三省2017-2021年物流需求量進(jìn)行預(yù)測，得出未來這些地區(qū)物流需求總量呈現(xiàn)緩慢增長態(tài)勢，并指出閩贛粵三省物流業(yè)的發(fā)展應(yīng)重點(diǎn)做好產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，做好基礎(chǔ)設(shè)施的建設(shè)和人才的引進(jìn)培養(yǎng)等。

關(guān)鍵詞：貨運(yùn)量 GM-Markov模型 物流需求量

相關(guān)文獻(xiàn)綜述

國外學(xué)者很早就開始運(yùn)用各種方法對物流需求進(jìn)行預(yù)測。早在20世紀(jì)70年代末，美國學(xué)者Bill就Minnesota州的最大城市Minneapolis與該州州府Saint Paul之間的水上貨運(yùn)量進(jìn)行預(yù)測；20世紀(jì)80年代初，學(xué)者Wilson對Saint Lawrence的糧食運(yùn)輸進(jìn)行預(yù)測；2006年，學(xué)者A·Andreoni和M·N Postorino構(gòu)建基于時(shí)間序列的單因素和多因素ARIMA模型，估計(jì)卡拉布里亞地區(qū)機(jī)場（意大利南部）的航空運(yùn)輸需求水平。2010年，學(xué)者Kazemi等人提出了一種利用社會和經(jīng)濟(jì)方面的指標(biāo)，如GDP、人口、車輛總數(shù)等進(jìn)行能源運(yùn)輸年度需求量的神經(jīng)網(wǎng)絡(luò)預(yù)測算法。最后以伊朗1968-2007年的實(shí)際數(shù)據(jù)進(jìn)行實(shí)證分析，論證了該模型預(yù)測與傳統(tǒng)的回歸預(yù)測模型相比較顯示出其優(yōu)越性。此外，還對伊朗2008-2020年的能源運(yùn)輸能源需求進(jìn)行預(yù)測。

近年來，國內(nèi)許多學(xué)者也開展了對物流需求量的預(yù)測。如楊波等人（2015）以重慶港物流園為例，組合運(yùn)用了直線（Linear）、對數(shù)曲線（Logarithmic）、二次曲線（Quadratic）及指數(shù)曲線（Exponential）等方法，對重慶空港未來六年貨運(yùn)量進(jìn)行預(yù)測。陳寶國等人（2010）利用BP神經(jīng)網(wǎng)絡(luò)對海西經(jīng)濟(jì)區(qū)的物流需求進(jìn)行預(yù)測。徐廣姝等人（2015）論述了社區(qū)農(nóng)產(chǎn)品物流的特點(diǎn)及社區(qū)農(nóng)產(chǎn)品物流需求預(yù)測的難點(diǎn)。趙鋼（2011）利用灰色預(yù)測模型對淮安-連云港間的物流配送總量進(jìn)行首次預(yù)測，然后通過Markov模型進(jìn)行二次擬合，彌補(bǔ)了灰色模型對不規(guī)律數(shù)據(jù)擬合度較差的缺陷，新模型擬合效果更優(yōu)。由于閩贛粵三省貨運(yùn)量并不是規(guī)律性的逐年穩(wěn)定增長，因此，本文擬借鑒趙鋼（2011）的方法，構(gòu)建GM-Markov模型對閩贛粵三省未來五年物流需求量進(jìn)行預(yù)測。

實(shí)證分析

（一）GM（1，1）模型

盡管受供求關(guān)系影響，物流運(yùn)輸量大小并不等同于物流量需求大小，但由于物流服務(wù)各個環(huán)節(jié)都與運(yùn)輸息息相關(guān)，運(yùn)用貨物運(yùn)輸量能夠較好的反映物流需求量。因此，本文選取福建、江西、廣東三省2008-2016年全年貨運(yùn)量（見表2）為依據(jù)，測算2017-2021年閩贛粵三省物流需求量。

根據(jù)GM（1，1）原理，對閩贛粵三省2008-2013年貨運(yùn)量進(jìn)行預(yù)測（見表3），其中后驗(yàn)差為C=0.12<0.35，小誤差概率為P=1，可知GM（1，1）模型預(yù)測精度為優(yōu)。

（二）Markov模型修正

將（實(shí)際值/預(yù)測值）劃分為四種狀態(tài)：（96%，98%）、（98%，100%）、（100%，102%）、（102%，104%），得狀態(tài)轉(zhuǎn)移矩陣為：

因2013年的狀態(tài)為第四種狀態(tài)，即初始狀態(tài)向量V0=（0，0，0，1），則根據(jù)Markov修正后：V1=V0×P=（0，0，1，0），則2014年預(yù)測值為565019×1/2（100%+102%）=570669萬噸，同理可得2015年、2016年的預(yù)測值為570669萬噸、559369萬噸。由表4可以看出，灰色模型預(yù)測的相對誤差分別是9%、33%、42%，而GM-Markov模型預(yù)測后相對誤差僅為6%、2%、12%，大大小于未修正前，說明GM（1，1）模型經(jīng)過Markov修正后預(yù)測精度更為優(yōu)秀。

（三）GM-Markov模型計(jì)算及結(jié)果分析

以2008-2015年閩贛粵三省貨運(yùn)量實(shí)際值，利用GM-Markov模型分別對閩贛粵三省2017-2021年的貨運(yùn)量進(jìn)行預(yù)測，結(jié)果如表5所示。計(jì)算2009-2021年閩贛粵三省貨運(yùn)量增幅（見圖1）可知，從2008-2016年間，沿海地區(qū)經(jīng)濟(jì)快速增長，物流量需求較大。從2017年開始，未來物流需求總量雖然仍在逐年增長，但增幅緩慢，且增幅趨勢下降，未來可能會出現(xiàn)不增長或者負(fù)增長。

結(jié)論

本文的模型預(yù)測結(jié)果符合當(dāng)前我國經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)轉(zhuǎn)型升級，沿海發(fā)達(dá)省份的生產(chǎn)制造業(yè)逐步向中西部欠發(fā)達(dá)地區(qū)轉(zhuǎn)移的宏觀經(jīng)濟(jì)形勢。沿海更多的是發(fā)展高科技、高附加值、低耗、綠色環(huán)保的特色產(chǎn)業(yè)，自然對物流需求量逐漸減少。閩贛粵三省中的原中央蘇區(qū)所在地經(jīng)濟(jì)相比本省其他地區(qū)欠發(fā)達(dá)，為響應(yīng)國家“振興原中央蘇區(qū)”的發(fā)展戰(zhàn)略，閩贛粵三省應(yīng)在國家政策支持下，把握機(jī)遇，緊跟沿海地區(qū)產(chǎn)業(yè)轉(zhuǎn)型升級步伐，做好產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，尤其是在經(jīng)濟(jì)運(yùn)行中承擔(dān)著重要任務(wù)的物流產(chǎn)業(yè)，需要當(dāng)?shù)卣c企業(yè)共同努力，做好基礎(chǔ)設(shè)施的規(guī)劃、設(shè)計(jì)，相關(guān)設(shè)備的更新，優(yōu)秀物流人才的引進(jìn)和培養(yǎng)教育。

參考文獻(xiàn)：

1.張璐，木仁.物流需求預(yù)測方法概述[J].物流科技，2015（7）

2.楊波，吳涵.基于組合預(yù)測模型的物流園區(qū)物流需求預(yù)測—以重慶空港物流園為例[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2015（20）

3.趙鋼.基于灰色馬爾科夫模型的物流配送需求量預(yù)測研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2011（21）