王曉平　彭文凱　盧懷宇

摘要：農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)具有非線性、歷史數(shù)據(jù)少、影響因素眾多等復(fù)雜特征，而支持向量機(jī)在解決小樣本、非線性和高維模式識(shí)別問題等方面具有突出優(yōu)勢(shì)。引入支持向量機(jī)模型，以北京城鎮(zhèn)為例，從農(nóng)產(chǎn)品供給、社會(huì)經(jīng)濟(jì)、冷鏈發(fā)展、人文、物流需求規(guī)模五個(gè)角度構(gòu)建其指標(biāo)體系，對(duì)其2000-2014年的農(nóng)產(chǎn)品冷鏈物流需求進(jìn)行建模，進(jìn)而對(duì)2015-2020年城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求量進(jìn)行預(yù)測(cè)。結(jié)果表明，建立的模型對(duì)冷鏈物流需求與其影響因素的非線性關(guān)系方面有較高的精度和應(yīng)用價(jià)值，能夠?yàn)檗r(nóng)產(chǎn)品冷鏈物流規(guī)劃者及政府提供定量的決策依據(jù)。

關(guān)鍵詞：農(nóng)產(chǎn)品；冷鏈物流需求；支持向量機(jī)；灰色關(guān)聯(lián)分析；預(yù)測(cè)模型

中圖分類號(hào)：TP311.521；F252 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2018）15-0088-07

DOI：10.14088/j.cnki.issn0439-8114.2018.15.023 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Forecast of Cold Chain Logistics Demand for Agricultural Products in Beijing

Based on Support Vector Machine Model

WANG Xiao-ping，PENG Wen-kai，LU Huai-yu，YAN Fei

（School of Logistic，Beijing Wuzi University，Beijing 101149，China）

Abstract： The cold chain logistics demand system of urban agricultural products in Beijing has many complex characteristics， such as non-linearity， few historical data， and many influencing factors， while support vector machine has outstanding advantages in solving the problems of small samples， non-linearity and high-dimensional pattern recognition. Therefore， the support vector machine model was introduced to train the data of the cold chain logistics demand of agricultural products in Beijing from 2000 to 2014， and then the cold chain logistics demand of agricultural products in Beijing from 2015 to 2020 was forecasted. The results showed that the support vector machine model can effectively fit the complex trend of agricultural products cold chain logistics demand system in Beijing， which could provide quantitative decision for agricultural products cold chain logistics planners and the government.

Key words： agricultural products； cold chain logistics needs； support vector machine； grey correlation analysis； prediction model

近年來，以國內(nèi)外市場(chǎng)需求為背景，從中央到地方都非常重視冷鏈物流體系建設(shè)，并提出一系列保障冷鏈物流健康、持續(xù)發(fā)展的政策。2010年，國家發(fā)展和改革委員會(huì)頒布《農(nóng)產(chǎn)品冷鏈物流發(fā)展規(guī)劃》，指出2010-2015年中國農(nóng)產(chǎn)品冷鏈物流發(fā)展的主要任務(wù)和重點(diǎn)工程。2015年，國家物流標(biāo)準(zhǔn)化技術(shù)委員會(huì)編制的《物流企業(yè)冷鏈服務(wù)要求與能力評(píng)估指標(biāo)》、《水產(chǎn)品冷鏈物流服務(wù)規(guī)范》、《低溫倉儲(chǔ)作業(yè)規(guī)范》為農(nóng)產(chǎn)品供應(yīng)鏈的冷鏈物流提供了標(biāo)準(zhǔn)規(guī)范，對(duì)規(guī)范物流企業(yè)冷鏈服務(wù)水平具有重要的指導(dǎo)作用。2016年，李克強(qiáng)總理指出要突破冷鏈運(yùn)輸滯后的“硬瓶頸”，建設(shè)農(nóng)產(chǎn)品流通全程冷鏈系統(tǒng)，再次引起市場(chǎng)對(duì)冷鏈農(nóng)產(chǎn)品的關(guān)注。除此之外，各省市也針對(duì)自身特點(diǎn)，提出相關(guān)解決冷鏈物流問題的措施。因此，在食品質(zhì)量安全及冷鏈物流等問題不斷突出和倡導(dǎo)綠色經(jīng)濟(jì)的背景下，對(duì)農(nóng)產(chǎn)品冷鏈物流進(jìn)行需求預(yù)測(cè)，既對(duì)冷鏈物流行業(yè)乃至提高冷鏈效率、保證食品安全有重要意義，又能為農(nóng)產(chǎn)品冷鏈物流合理規(guī)劃及政策制定提供依據(jù)。

1 文獻(xiàn)綜述

需要使用冷鏈的農(nóng)產(chǎn)品一般是一些初級(jí)農(nóng)產(chǎn)品，本研究指定冷鏈農(nóng)產(chǎn)品的范圍包括：水果、蔬菜、水產(chǎn)品、肉、蛋、奶。國外關(guān)于冷鏈物流的研究?jī)?nèi)容主要包括五個(gè)方面：安全監(jiān)測(cè)研究、績(jī)效評(píng)價(jià)研究、信息化建設(shè)研究、供應(yīng)鏈管理研究、影響因素研究[1-3]。但是他們很少涉及農(nóng)產(chǎn)品冷鏈物流需求，只有個(gè)別學(xué)者研究了農(nóng)產(chǎn)品冷鏈物流的穩(wěn)定性和運(yùn)輸成本與需求的關(guān)系。國內(nèi)的冷鏈物流業(yè)起步晚，相關(guān)研究主要集中在冷鏈物流產(chǎn)業(yè)的經(jīng)濟(jì)效益、基礎(chǔ)設(shè)施建設(shè)以及冷鏈產(chǎn)業(yè)規(guī)劃上。到目前只有個(gè)別學(xué)者研究農(nóng)產(chǎn)品冷鏈物流需求的預(yù)測(cè)方法，本研究基于前輩學(xué)者對(duì)冷鏈物流的研究，并借鑒其他行業(yè)的需求預(yù)測(cè)方法，從冷鏈物流的內(nèi)涵、預(yù)測(cè)方法以及現(xiàn)有的農(nóng)產(chǎn)品冷鏈物流預(yù)測(cè)三個(gè)方面進(jìn)行了一些研究。

針對(duì)農(nóng)產(chǎn)品冷鏈物流需求的內(nèi)涵，王之泰[4]認(rèn)為，農(nóng)產(chǎn)品冷鏈物流需求是指消費(fèi)者對(duì)生鮮農(nóng)產(chǎn)品的需求而產(chǎn)生的對(duì)具有冷藏環(huán)境的前端生產(chǎn)制造環(huán)節(jié)、后端消費(fèi)運(yùn)用環(huán)節(jié)和中間商流環(huán)節(jié)的需求。蘭洪杰等[5]認(rèn)為，冷鏈物流需求是人民對(duì)冷凍冷藏食品需求而產(chǎn)生的對(duì)冷凍冷藏食品運(yùn)輸、倉儲(chǔ)、裝卸搬運(yùn)、流通加工、配送以及相關(guān)信息處理等物流活動(dòng)的需要。朱坤萍等[6]認(rèn)為，農(nóng)產(chǎn)品冷鏈物流需求是消費(fèi)者對(duì)水果、蔬菜、水產(chǎn)品、肉、禽、蛋等生鮮農(nóng)產(chǎn)品的需求，從而產(chǎn)生對(duì)生鮮農(nóng)產(chǎn)品在低溫控制下的從產(chǎn)地到貯藏、運(yùn)輸、分銷、加工等環(huán)節(jié)的需求。

在需求預(yù)測(cè)研究中，Yu等[7]運(yùn)用多維灰色模型進(jìn)行道路運(yùn)輸體系預(yù)測(cè)。Yahia等[8]利用人工神經(jīng)網(wǎng)絡(luò)模型對(duì)物流需求進(jìn)行預(yù)測(cè)。國內(nèi)進(jìn)行需求預(yù)測(cè)以定量方法為主，主要包括馬爾可夫鏈[9]、支持向量機(jī)[10]、人工神經(jīng)網(wǎng)絡(luò)[11]、線性回歸[12]、GM（1，1）模型[13]等單一預(yù)測(cè)模型及其相關(guān)的組合預(yù)測(cè)模型。

在農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)方法的研究中，Bogataj等[14]研究了易腐產(chǎn)品在冷鏈物流中的穩(wěn)定性，為以后更好地研究生鮮農(nóng)產(chǎn)品物流需求奠定了基礎(chǔ)。Yahia等[8]為了解決冷鏈?zhǔn)称愤\(yùn)輸成本和需求關(guān)系問題，建立了一個(gè)確定最佳數(shù)量和最優(yōu)價(jià)格的決策模型。國內(nèi)對(duì)農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)的模型主要包括BP人工神經(jīng)網(wǎng)絡(luò)[5]、灰色預(yù)測(cè)[15]、系統(tǒng)動(dòng)力模型[16]等。

農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)是一個(gè)非線性系統(tǒng)，它的各種影響因素相互滲透，增加了農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)的復(fù)雜性，除此之外，北京市城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)可用的歷史數(shù)據(jù)少，導(dǎo)致部分模型預(yù)測(cè)精度不夠；采用神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)會(huì)由于樣本得不到充分訓(xùn)練而導(dǎo)致預(yù)測(cè)性能不穩(wěn)定；而灰色模型預(yù)測(cè)僅適合具有指數(shù)遞增特性的數(shù)據(jù)，否則預(yù)測(cè)效果不好。因此預(yù)測(cè)北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求要引入新的模型方法?？傮w而言，討論北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求變動(dòng)趨勢(shì)、預(yù)測(cè)北京城鎮(zhèn)未來農(nóng)產(chǎn)品冷鏈物流需求的文獻(xiàn)還很少。因此可以選取支持向量機(jī)模型進(jìn)行預(yù)測(cè)，它有統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)和較高的學(xué)習(xí)性能，專門研究有限樣本情況下非參數(shù)估計(jì)問題，在解決小樣本、非線性及高維模式識(shí)別問題方面與傳統(tǒng)方法相比優(yōu)勢(shì)突出，并已成功應(yīng)用于多維函數(shù)預(yù)測(cè)等領(lǐng)域?；诖耍狙芯吭诜治鲇绊懕本┦谐擎?zhèn)農(nóng)產(chǎn)品冷鏈物流需求主要影響因素的基礎(chǔ)上，針對(duì)其農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)具有非線性、歷史數(shù)據(jù)少以及影響因素眾多等復(fù)雜特征，引入支持向量機(jī)模型，預(yù)測(cè)北京2015-2020年農(nóng)產(chǎn)品冷鏈物流需求變化趨勢(shì)，以其為相關(guān)部門的決策提供依據(jù)。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

對(duì)北京城鎮(zhèn)居民農(nóng)產(chǎn)品冷鏈物流需求做預(yù)測(cè)時(shí)，首要工作是數(shù)據(jù)收集和整理。本研究涉及到的數(shù)據(jù)是根據(jù)2000-2016年的《北京統(tǒng)計(jì)年鑒》《北京市冷鏈物流報(bào)告》《中國冷鏈物流發(fā)展報(bào)告》《中國統(tǒng)計(jì)年鑒》及相關(guān)網(wǎng)站中的相關(guān)數(shù)據(jù)直接引用或者間接計(jì)算得出，由于篇幅有限，數(shù)據(jù)處理過程略，因而保證了數(shù)據(jù)的可靠性和口徑的一致。同時(shí)由于冷鏈的相關(guān)數(shù)據(jù)統(tǒng)計(jì)工作開始較晚，部分?jǐn)?shù)據(jù)不可獲得，因此本研究根據(jù)數(shù)據(jù)的可獲得性、已有文獻(xiàn)的總結(jié)以及實(shí)踐中所有可能影響北京農(nóng)產(chǎn)品冷鏈物流的影響因素來整理查找影響指標(biāo)，并統(tǒng)計(jì)相關(guān)數(shù)據(jù)。

盡管中國各類統(tǒng)計(jì)報(bào)表中沒有農(nóng)產(chǎn)品冷鏈物流需求量指標(biāo)，但是生鮮農(nóng)產(chǎn)品的需求量就是很好的農(nóng)產(chǎn)品物流需求參照數(shù)據(jù)?？紤]到使用農(nóng)產(chǎn)品冷鏈物流的需求者一般為城鎮(zhèn)顧客，故本研究使用北京城鎮(zhèn)常住人口數(shù)量和城鎮(zhèn)人均生鮮農(nóng)產(chǎn)品消費(fèi)量的積作為北京農(nóng)產(chǎn)品冷鏈物流的需求量，并以此作為預(yù)測(cè)京津冀農(nóng)產(chǎn)品冷鏈物流需求量的因變量，選取冷鏈農(nóng)產(chǎn)品需求量作為農(nóng)產(chǎn)品冷鏈物流需求量，用與農(nóng)產(chǎn)品冷鏈物流需求高度相關(guān)的18個(gè)影響因素作為自變量（表1），建立農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)模型。

2.2 研究方法

2.2.1 灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析可以根據(jù)系統(tǒng)因素的變化態(tài)勢(shì)，計(jì)算出各因素間的關(guān)聯(lián)度，計(jì)算步驟為[17]：

設(shè)若干年前的農(nóng)產(chǎn)品冷鏈物流需求總額為原始數(shù)據(jù)，經(jīng)處理后生成一個(gè)參考數(shù)列，記為公式（1）：

X0=[X0（1），X0（2），…，X0（n）] （1）

各影響因素指標(biāo)數(shù)據(jù)生成的比較數(shù)列集，記為公式（2）：

Xi=[Xi（1），Xi（2），…，Xi（n）] （i=1，2，…，m）（2）

則實(shí)數(shù)：

ξ（K）=

■（3）

稱為Xi對(duì)于X0在點(diǎn)K的關(guān)聯(lián)系數(shù)，其中ρ∈[0，1]。

各影響因素與需求間的關(guān)聯(lián)公式為：

γi=■∑■■ξi（K） （4）

式中γi的值越大，表示比較數(shù)列和參考數(shù)列之間的關(guān)聯(lián)度越大。

2.2.2 預(yù)測(cè)農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)的支持向量機(jī)模型

1）支持向量機(jī)學(xué)習(xí)算法基本原理。支持向量機(jī)（SVM）是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的方法，基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則[18]，對(duì)未來樣本有較好的推廣性。

2）支持向量機(jī)回歸算法設(shè)計(jì)。支持向量機(jī)模型預(yù)測(cè)的基本思想是將輸入的各種農(nóng)產(chǎn)品冷鏈物流需求影響因素x1，x2，…，xd映射到一個(gè)高維特征空間[ψ（x1），ψ（x2），…，ψ（xd）]，即可將原非線性模型轉(zhuǎn)化為特征空間的線性回歸模型：

f（xj）=wTψ（xj）+b （5）

式中，w、b是需要進(jìn)行辨識(shí)的參數(shù)。對(duì)式（5）中需要辨識(shí)的參數(shù)進(jìn)行處理：

Remp（f）=∑■■C（ei）+λ||w||2 （6）

式中，Remp（f）為經(jīng)驗(yàn)風(fēng)險(xiǎn)；||w||2為置信風(fēng)險(xiǎn)； C（ei）為損失函數(shù)。求解式（6）等價(jià)于求解式（7）中的優(yōu)化問題ψ（Xi）：

min L=■wTw+C∑■■C（？著i′）+？著i

s.t. y-（w，ψ（Xi））-b≤？著i+？著i′（w，ψ（Xi））+b-y≤？著i+？著i′？著i′，？著i≥0 （7）

通常把式（7）轉(zhuǎn)化為對(duì)偶問題，得函數(shù)f（x）：

f（x）=∑■■（ai-ai′）K（Xi，X）+b （8）

式中，ai和ai′是支持向量機(jī)參數(shù)；K（Xt，X）是內(nèi)積函數(shù)。本研究選擇徑向基核函數(shù)（RBF）：

K（Xt，X）=exp{-■} （9）

將式（9）代入式（8），等價(jià)變換得：

f（x）=∑■■ajexp{-■}+b （10）

其中，aj是支持向量的對(duì)應(yīng)參數(shù)值；xj是訓(xùn)練年份的輸入數(shù)據(jù)向量；xv是預(yù)測(cè)年份的輸入數(shù)據(jù)向量；f（x）為輸出向量集。通過式（10）得到農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)參數(shù)aj和b，并估計(jì)出農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)模型。本研究計(jì)算通過Matlab軟件編程來實(shí)現(xiàn)。

3 實(shí)證與分析

3.1 影響因素分析與選取

農(nóng)產(chǎn)品冷鏈物流需求系統(tǒng)是一個(gè)非線性的復(fù)雜系統(tǒng)，需綜合考慮相關(guān)的經(jīng)濟(jì)、社會(huì)、人文、物流等多種影響因素，并充分考慮這些因素之間存在的聯(lián)系和制約關(guān)系。結(jié)合農(nóng)產(chǎn)品冷鏈物流消費(fèi)及需求領(lǐng)域的已有研究成果，在分析2000-2016年實(shí)際數(shù)據(jù)的基礎(chǔ)上，按照綜合性、可比性及可獲得性原則，對(duì)北京農(nóng)產(chǎn)品冷鏈物流需求的主要影響因素進(jìn)行歸納和篩選，包括以下5個(gè)方面。

3.1.1 農(nóng)產(chǎn)品供給 農(nóng)產(chǎn)品的有效供給能夠保障供應(yīng)商有足夠的商品來滿足消費(fèi)者的需求，同時(shí)保證農(nóng)產(chǎn)品的價(jià)格在合理的層面，達(dá)到供需平衡，刺激消費(fèi)，從而影響農(nóng)產(chǎn)品冷鏈物流需求量。本研究在相關(guān)文獻(xiàn)的基礎(chǔ)上查找能夠影響農(nóng)產(chǎn)品供給的影響指標(biāo)，根據(jù)數(shù)據(jù)的可獲得性和對(duì)需求影響的相關(guān)程度，選取的農(nóng)產(chǎn)品供給影響指標(biāo)有北京市冷鏈?zhǔn)称返呐l(fā)市場(chǎng)成交量、北京市農(nóng)產(chǎn)品生產(chǎn)價(jià)格指數(shù)、北京市生鮮農(nóng)產(chǎn)品年產(chǎn)量。

3.1.2 社會(huì)經(jīng)濟(jì)指標(biāo) 由于經(jīng)濟(jì)發(fā)展制約著冷鏈發(fā)展，因此社會(huì)經(jīng)濟(jì)增長(zhǎng)將會(huì)影響消費(fèi)者對(duì)冷鏈產(chǎn)品的消費(fèi)。而冷鏈農(nóng)產(chǎn)品的消費(fèi)量，直接受制于社會(huì)經(jīng)濟(jì)的發(fā)展水平。本研究使用的社會(huì)經(jīng)濟(jì)指標(biāo)有北京市社會(huì)商品零售額、北京市社會(huì)固定資產(chǎn)投資、北京市地區(qū)生產(chǎn)總值、北京市第三產(chǎn)業(yè)占比、北京市第一產(chǎn)業(yè)增加值。通過這5項(xiàng)指標(biāo)可以較為準(zhǔn)確全面地反映北京市的社會(huì)經(jīng)濟(jì)發(fā)展。根據(jù)表1可知，隨著社會(huì)經(jīng)濟(jì)的發(fā)展，北京市的社會(huì)商品零售總額、社會(huì)固定資產(chǎn)投資、地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)占比、第一產(chǎn)業(yè)增加值都是逐年增加，年均增長(zhǎng)率分別為14.19%、12.74%、14.22%、1.33%、4.00%。同時(shí)，2000-2016年間北京市農(nóng)產(chǎn)品冷鏈物流需求量從314.27萬t增長(zhǎng)到574.32萬t。農(nóng)產(chǎn)品冷鏈物流需求量隨著其經(jīng)濟(jì)增加而增加，說明二者間存在正向影響關(guān)系。

3.1.3 冷鏈水平 由于冷鏈相關(guān)的統(tǒng)計(jì)工作開展較晚，根據(jù)數(shù)據(jù)的可獲得性和指標(biāo)選取的科學(xué)性，本研究選取北京市農(nóng)產(chǎn)品冷鏈物流損失率、北京市冷庫容量、北京市冷鏈物流綜合流通率來衡量冷鏈物流的發(fā)展水平。由表1可知，近年來，北京市冷鏈發(fā)展迅速，農(nóng)產(chǎn)品冷鏈物流損失率逐年遞減，由2000年冷鏈損失率為57.22%下降到2016年的23.80%，且至2016年，冷庫容量已增至125.18萬t，冷鏈物流流通率達(dá)到10.97%。冷鏈損失率的降低，冷庫容量和冷鏈流通率的上升，在拉動(dòng)冷鏈物流業(yè)發(fā)展的同時(shí)，還刺激著農(nóng)產(chǎn)品冷鏈物流需求的快速增長(zhǎng)。

3.1.4 人文發(fā)展 隨著人民消費(fèi)水平的提高，消費(fèi)者對(duì)食品質(zhì)量和安全性要求更高，冷鏈需求量也會(huì)隨之提升，人文的發(fā)展直接影響消費(fèi)者對(duì)農(nóng)產(chǎn)品冷鏈物流的需求。從已有的研究需求方面的文獻(xiàn)來看，幾乎所有的文獻(xiàn)都將人文資源作為影響需求預(yù)測(cè)的一個(gè)重要的影響因素。結(jié)合已有的研究結(jié)果，同樣選取人文發(fā)展作為影響農(nóng)產(chǎn)品冷鏈物流需求的因素之一。本研究選取3個(gè)人文發(fā)展的影響指標(biāo)，分別是北京市的城鎮(zhèn)居民人均消費(fèi)支出、城鎮(zhèn)人口數(shù)量、第三產(chǎn)業(yè)從業(yè)人員。

3.1.5 物流需求規(guī)模 物流的發(fā)展水平?jīng)Q定了農(nóng)產(chǎn)品冷鏈物流的發(fā)展水平，物流需求規(guī)模同樣能夠反映物流發(fā)展水平以及消費(fèi)者的需求能力。物流的發(fā)展水平反映了物流基礎(chǔ)設(shè)施、物流技術(shù)水平、供應(yīng)量管理水平等物流發(fā)展的綜合能力。因此本研究選擇物流需求規(guī)模作為影響農(nóng)產(chǎn)品冷鏈物流需求的影響因素之一。本研究選取4個(gè)物流需求規(guī)模的影響指標(biāo)，包括北京市的貨物運(yùn)輸量、社會(huì)物流總費(fèi)用、貨運(yùn)周轉(zhuǎn)量、公路營運(yùn)汽車擁有量。

當(dāng)然，除上述5個(gè)方面的18個(gè)主要影響因素外，還有其他影響因素，如國家宏觀政策、冷藏設(shè)備和技術(shù)、冷鏈從業(yè)人員等，由于以下原因未將這些影響因素考慮在內(nèi)：①難以將國家的宏觀政策對(duì)農(nóng)產(chǎn)品冷鏈物流的影響進(jìn)行量化，導(dǎo)致沒有相關(guān)的統(tǒng)計(jì)數(shù)據(jù)；②沒有相關(guān)機(jī)構(gòu)對(duì)北京市的冷藏車數(shù)量及相關(guān)指標(biāo)進(jìn)行準(zhǔn)確的統(tǒng)計(jì)，故沒有相關(guān)數(shù)據(jù)；③冷鏈從業(yè)人數(shù)會(huì)隨著冷鏈技術(shù)的提高而減少，又會(huì)隨著冷鏈產(chǎn)業(yè)規(guī)模的擴(kuò)大而增加，因而并不能真正反映農(nóng)產(chǎn)品冷鏈物流需求市場(chǎng)的供求關(guān)系。

3.2 研究結(jié)果分析

3.2.1 影響因素間關(guān)聯(lián)度分析 對(duì)表1中數(shù)據(jù)進(jìn)行無量綱化處理（X=Xi/X1），并將北京生鮮農(nóng)產(chǎn)品年需求量與18個(gè)影響因素進(jìn)行灰色關(guān)聯(lián)度分析，分析結(jié)果如表2所示。結(jié)果顯示這18個(gè)影響因素與生鮮農(nóng)產(chǎn)品年需求量的關(guān)聯(lián)度排序?yàn)閄13>X8>X7>X2>X18>X11>X3>X15>X14>X17>X9>X10>X12>X1>X5>X4>X6>X16。在這18個(gè)指標(biāo)中，有17個(gè)指標(biāo)的關(guān)聯(lián)值均大于0.750，說明本研究中歸納和篩選的17個(gè)指標(biāo)與北京市農(nóng)產(chǎn)品冷鏈物流需求量之間都有較強(qiáng)的關(guān)聯(lián)度，適用于農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)。其中社會(huì)物流總費(fèi)用和生鮮農(nóng)產(chǎn)品年需求量的關(guān)聯(lián)度為0.600，關(guān)聯(lián)值偏小，說明其對(duì)生鮮農(nóng)產(chǎn)品年需求量影響較小，故將其舍去。

3.2.2 影響因子預(yù)測(cè) 應(yīng)用SPSS 22.0軟件中的曲線估計(jì)功能構(gòu)建17個(gè)主要驅(qū)動(dòng)因子值與時(shí)序的最優(yōu)擬合方程（表3），使用最優(yōu)方程對(duì)主要驅(qū)動(dòng)因子值預(yù)測(cè)。

3.2.3 支持向量機(jī)運(yùn)算 首先，將北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求影響因素作為支持向量機(jī)模型的輸入，農(nóng)產(chǎn)品冷鏈物流需求量作為輸出，對(duì)2000-2014年的歷史數(shù)據(jù)（訓(xùn)練樣本）進(jìn)行模擬與仿真（圖1）。

在樣本訓(xùn)練和預(yù)測(cè)時(shí)，需要確定支持向量機(jī)正規(guī)化參數(shù)C和RBF核函數(shù)參數(shù)？滓2。將最終預(yù)測(cè)結(jié)果產(chǎn)生的誤差作為評(píng)價(jià)標(biāo)準(zhǔn)，通過反復(fù)試驗(yàn)，最后確定當(dāng)C=5 000，？滓2=90時(shí)，預(yù)測(cè)結(jié)果較為精確，其中，通過訓(xùn)練可獲得SVM模型參數(shù)的aj值，當(dāng)aj不為0時(shí)對(duì)應(yīng)的輸入樣本是支持向量，b值為1.284。將得的參數(shù)aj和b代入式（10）中，估計(jì)出農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)模型，并計(jì)算出2015-2020年北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求量。

3.2.4 3種模型預(yù)測(cè)結(jié)果對(duì)比分析 由表4和表5可知，采用支持向量機(jī)模型預(yù)測(cè)北京2015-2020年農(nóng)產(chǎn)品冷鏈物流需求量，預(yù)測(cè)誤差都在2.5%以內(nèi)，平均預(yù)測(cè)誤差0.49%，實(shí)際值與預(yù)測(cè)值的相關(guān)系數(shù)達(dá)到0.999，預(yù)測(cè)結(jié)果比較接近農(nóng)產(chǎn)品冷鏈物流需求量的真實(shí)值，即支持向量機(jī)模型對(duì)北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求的預(yù)測(cè)效果優(yōu)異，預(yù)測(cè)能力突出，可以作為預(yù)測(cè)北京未來城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求變化的有效方法。

除此之外，為了進(jìn)一步驗(yàn)證支持向量機(jī)模型在北京市城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)方面的突出優(yōu)勢(shì)，本研究同樣引入常用預(yù)測(cè)模型GM（1，1）和BP神經(jīng)網(wǎng)絡(luò)，對(duì)2000-2014年的北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求量進(jìn)行預(yù)測(cè)，預(yù)測(cè)誤差如表4和表5所示。

比較結(jié)果顯示，GM（1，1）模型的預(yù)測(cè)誤差和BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)誤差都高于支持向量機(jī)模型，其平均絕對(duì)百分誤差分別為1.05%和1.55%，高于1%。因此，整體上看，可以認(rèn)為支持向量機(jī)在北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)方面的性能優(yōu)于其他兩種常見預(yù)測(cè)方法。所以，可以采用支持向量機(jī)模型對(duì)北京市未來城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求變化進(jìn)行預(yù)測(cè)，為有關(guān)部門檢測(cè)農(nóng)產(chǎn)品冷鏈物流需求量的變化形勢(shì)，制定農(nóng)產(chǎn)品冷鏈物流發(fā)展規(guī)劃等提供科學(xué)依據(jù)。

4 小結(jié)與討論

本研究以北京市農(nóng)產(chǎn)品冷鏈物流需求量為研究對(duì)象，以關(guān)聯(lián)度分析、支持向量機(jī)、GM（1，1）、BP神經(jīng)網(wǎng)絡(luò)以及預(yù)測(cè)精度評(píng)價(jià)模型為研究方法，得到了以下結(jié)論。

將18個(gè)影響北京市農(nóng)產(chǎn)品冷鏈物流需求的主要因素與北京市農(nóng)產(chǎn)品冷鏈物流需求進(jìn)行關(guān)聯(lián)度分析，結(jié)果表明，其中17個(gè)因素與北京市農(nóng)產(chǎn)品冷鏈物流需求都有較高的關(guān)聯(lián)度，適用于北京市農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)，其中北京市城鎮(zhèn)人口數(shù)量、第一產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)占GDP比重與北京城鎮(zhèn)居民農(nóng)產(chǎn)品冷鏈物流需求的關(guān)聯(lián)度最強(qiáng)，關(guān)聯(lián)度分別為0.987、0.982、0.965。

運(yùn)用支持向量機(jī)建立北京市農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)模型，選取2000-2016年北京市農(nóng)產(chǎn)品冷鏈物流需求相關(guān)數(shù)據(jù)進(jìn)行分析，并和經(jīng)典的兩種預(yù)測(cè)模型GM（1，1）、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果進(jìn)行對(duì)比分析，研究結(jié)果表明，支持向量機(jī)模型根據(jù)已有數(shù)據(jù)的特征，通過反復(fù)修正參數(shù)，比GM（1，1）、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型得到較好的預(yù)測(cè)效果。

支持向量機(jī)模型最終預(yù)測(cè)出在2017-2020年的北京市農(nóng)產(chǎn)品冷鏈物流需求量分別為582.28萬、615.32萬、636.02萬、656.49萬t。

支持向量機(jī)預(yù)測(cè)模型是在技術(shù)方法層面上對(duì)農(nóng)產(chǎn)品冷鏈物流需求預(yù)測(cè)的一種新的嘗試。然而由于北京市冷鏈相關(guān)數(shù)據(jù)的統(tǒng)計(jì)不夠完整，使該模型的預(yù)測(cè)效果不盡如人意，還需要在此基礎(chǔ)上對(duì)支持向量機(jī)模型進(jìn)一步優(yōu)化；同時(shí)這僅是以北京市特定時(shí)空范圍內(nèi)為例進(jìn)行的分析，研究結(jié)果是否具有普遍性還需要進(jìn)一步研究和討論。

參考文獻(xiàn)：

[1] CHEW E P，LEE C，LIU R. Joint inventory allocation and pricing decisions for perishable products[J].International Journal of Production Economics，2009，120（1）：139-150.

[2] BANTERLE A，STRANIERI S. Information， labelling，and vertical coordination：An analysis of the Italian meat supply networks[J].Agribusiness，2014，24（3）：320-331.

[3] RAAB V，DETERSEN B，KREYENSCHMIDT J.Temperature monitoring in meat supply chains[J].British Food Journal，2013， 113（10）：1267-1289.

[4] 王之泰.冷鏈——從思考評(píng)述到定義[J].中國流通經(jīng)濟(jì)，2010， 24（9）：15-17.

[5] 蘭洪杰，汝宜紅. 2008北京奧運(yùn)食品冷鏈物流需求預(yù)測(cè)分析[J].中國流通經(jīng)濟(jì)，2008，22（2）：19-22.

[6] 朱坤萍，江琳琳，王赫男.河北省農(nóng)產(chǎn)品冷鏈物流市場(chǎng)分析及對(duì)策[J].價(jià)格月刊，2016（12）：64-68.

[7] YU D，QI F Z. The model of highway logistic demand forecasting based on gray neural network[J].Soft Science，2009（11）：132-135.

[8] YAHIA E M，ERKAN M，AKSOY U.Cold chain development and challenges in the developing world[J].Acta Horticulturae，2010，877（877）：127-134.

[9] 孟凡博，黃開勝，曾祥瑞，等.基于馬爾可夫鏈的混合動(dòng)力汽車模型預(yù)測(cè)控制[J].中國機(jī)械工程，2014，25（19）：2692-2697.

[10] 崔慶安.基于主成分分析與支持向量機(jī)的能源需求預(yù)測(cè)方法[J].統(tǒng)計(jì)與決策，2013（17）：70-72.

[11] 郝思雨，謝 汀，伍 文，等.基于RBF神經(jīng)網(wǎng)絡(luò)的成都市城鎮(zhèn)建設(shè)用地需求預(yù)測(cè)[J].資源科學(xué)，2014，36（6）：1220-1228.

[12] 江登英，張驍騰.高等教育投資需求預(yù)測(cè)模型構(gòu)建與統(tǒng)計(jì)檢驗(yàn)[J].統(tǒng)計(jì)與決策，2016（11）：38-41.

[13] 劉 偉，夏唐斌.醫(yī)療資源配置的動(dòng)態(tài)生成系數(shù)灰色預(yù)測(cè)模型[J].工業(yè)工程與管理，2016，21（4）：147-151.

[14] BOGATAJ M，BOGATAJ L，VODOPIVEC R. Stability of perishable goods in cold logistic chains[J].International Journal of Production Economics，2005，93-94（1）：345-356.

[15] 蔣智凱，陳曉華.基于灰色模型的連云港水產(chǎn)品冷鏈物流需求預(yù)測(cè)分析[J].淮海工學(xué)院學(xué)報(bào)（人文社會(huì)科學(xué)版），2017，15（8）：101-103.

[16] 周 賓.陜西果品現(xiàn)代冷鏈物流需求的SD分析與對(duì)策[J].安徽農(nóng)業(yè)科學(xué)，2012，40（21）：11056-11058.

[17] 鄧聚龍.社會(huì)經(jīng)濟(jì)灰色系統(tǒng)的理論與方法[J].中國社會(huì)科學(xué)，1984（6）：47-60.

[18] 鄧乃揚(yáng)，田英杰.數(shù)據(jù)挖掘中的新方法——支持向量機(jī)[M].北京：科學(xué)出版社，2004.