吳 英，甘 霖，劉 猛

(安徽國防科技職業(yè)學院 經貿管理學院，安徽 六安 237011)

近年來，人們對于食品的消費需求結構發(fā)生了根本性變化，已由過去的追求食品數(shù)量向追求食品質量（體現(xiàn)在食品的質量安全、營養(yǎng)含量、鮮活指數(shù)、清潔程度等方面）轉變，并由此激發(fā)了對于生鮮農產品的消費需求，也帶動和促進了生鮮電商、農村電商、新消費、新零售等業(yè)態(tài)的蓬勃發(fā)展。由于生鮮農產品具有較大時鮮性，如何能準確及時地獲得優(yōu)質新鮮的農產品成為了消費者期盼解決的關鍵問題。在這樣的市場需求下，農產品冷鏈物流[1-2]順勢而發(fā)展，它的目標是維持農產品的鮮活度，確保安全質量，防止腐爛變質以及將損耗控制在合理范圍內[3]，主要是針對蔬果、魚肉、禽蛋等對鮮活度要求較高的生鮮農產品，將其從產地采購開始直至到消費者手中的所有過程都處于設定的低溫、適宜濕度等環(huán)境中。

六安市是一個傳統(tǒng)典型的農業(yè)大市，同時還是國家重點商品糧基地。因其優(yōu)良適宜的自然條件，六安盛產種類繁多的特色農產品，如茶葉（霍山鐵皮石斛、六安瓜片）、生豬（霍壽黑豬）、家禽（皖西大白鵝）、中藥材（六安靈芝、大麻）等[4-5]。對于這些名優(yōu)特產，最主要的特征即為質優(yōu)鮮活，只有在保證其鮮活性的前提下，在恰當?shù)臅r間以適宜的方式送至指定的地點才能突顯其價值[6-7]，才能使人們真正享受到高質量安全的農產品。不難得出，六安市著力發(fā)展生鮮農產品冷鏈物流勢在所趨。在此背景下，科學有效地預測六安市農產品冷鏈物流需求，能為政府部門制訂農產品冷鏈物流產業(yè)發(fā)展規(guī)劃和進行物流決策提供參考。

目前，眾多學者運用GM(1,1)模型對農產品冷鏈物流需求展開預測研究。柯亞楠[8]通過灰色GM(1,1)模型對唐山市未來幾年的農產品產量進行預測；王新娥[9]針對新疆城鎮(zhèn)居民消費的農產品采用灰色預測模型對其冷鏈物流需求進行預測分析；李占鳳[10]借助新陳代謝GM(1,1)模型對重慶市農產品冷鏈物流量進行預測模擬分析；蔣智凱[11]采用灰色模型預測法分析連云港市水產品冷鏈物流未來的發(fā)展情況。戎陸慶[12]使用灰色GM(1,1)模型分析廣西果蔬行業(yè)冷鏈物流需求的變化趨勢；楊箏[13]通過GM(1,1)模型對廣西農產品冷鏈物流需求量進行計算并預測發(fā)展趨勢。不難看出,GM(1,1)模型適合運用在產量預測、農產品冷鏈物流需求預測中。同時通過文獻整理發(fā)現(xiàn)，以往未有文獻對六安市農產品冷鏈物流預測展開研究。

因此，本文在確定預測六安市農產品冷鏈物流需求種類指標的基礎上，應用灰色系統(tǒng)理論，通過建立GM（1,1）預測模型對六安市未來農產品細分領域的冷鏈物流需求進行定量預測，以此得出預測結果并進行分析。

1 農產品冷鏈物流需求預測指標的選取

近年來，國家、安徽省、六安市等多次出臺支持農產品冷鏈物流發(fā)展的相關政策法規(guī)文件，如國辦發(fā)〔2017〕29 號[14]、皖政辦秘〔2017〕187 號[15]、六發(fā)〔2018〕3號[16]等。其中六安市《關于全面推進鄉(xiāng)村振興戰(zhàn)略的實施意見（六發(fā)〔2018〕3號）》文件[16]提到要著力支持和壯大優(yōu)質茶葉、果蔬、中藥材、皖西大白鵝、竹木、水產品、霍壽黑豬、繭絲綢等優(yōu)勢特色主導產業(yè)?？紤]到茶葉、水果、蔬菜、水產品和肉類等農產品全過程需要納入冷鏈控制，因此，選取這五類農產品作為預測種類指標。

結合擬定選取的預測種類指標，在不考慮冷鏈流通率的前提下，將農產品產量數(shù)據(jù)作為冷鏈物流量，參考六安市國民經濟和社會發(fā)展統(tǒng)計公報[17]及統(tǒng)計年鑒[18]，即分別選取茶葉、水果、蔬菜、水產品和肉類的產量（上述單位均為萬噸）作為樣本原始數(shù)據(jù)，則五類預測種類指標在2011-2017年的冷鏈物流量具體如表1所示（六安市下轄的壽縣2015年整建制劃歸淮南，為保證樣本數(shù)據(jù)的準確性和可靠性，在預測種類指標2011-2014年原有產量數(shù)據(jù)基礎上減去了壽縣的產量而得到）。

表1 2011-2017年主要農產品的冷鏈物流量/萬噸

2 農產品冷鏈物流需求預測模型構建

灰色系統(tǒng)預測模型主要是對“小樣本、少數(shù)據(jù)、貧信息”的不確定性系統(tǒng)展開研究[19-21]，而農產品冷鏈物流需求正符合這些特點[13]。GM(1,1)是一種最常見的灰色系統(tǒng)預測模型[21]，不必知道原始數(shù)據(jù)分布規(guī)律，就能對所選系統(tǒng)較為精準的預測其行為特征值的發(fā)展變化趨勢。

2.1 灰色GM(1,1)的構建

假設原始數(shù)列X(0)存在n個觀察值，即X(0)={X(0)(1),X(0)(2),…,X(0)(n)}?；疑?GM(1,1)模型預測主要有以下五步[21]：

Step 1：將原始數(shù)列X(0)中各值累加求和，以顯示出原始數(shù)據(jù)列隱藏的規(guī)律，得到數(shù)列X(1)，即X(1)={X(1)(1),X(1)(2),…,X(1)(n)}。

Step 2：對步驟一得到的數(shù)列X(1)借助白化微分方程構建灰色 GM(1,1)模型，其中，α為發(fā)展灰數(shù)，μ為內生控制灰數(shù)。

Step 2：采用最小二乘法，設A=[αμ]T進行估計求解，則A=(BTB)-1BTY，其中

Step 4：將求解所得的α、μ代入微分方程，即可得X(0)的預測模型

Step 5：通過累減還原并計算出預測值。計算公式

2.2 灰色GM(1,1)預測模型的檢驗

GM(1,1)預測模型的檢驗首先利用發(fā)展灰數(shù)α檢測預測模型的有效性及確定具體的適用場景，然后進行殘差檢驗和后驗差檢驗來確定精度等級。

2.2.1 預測模型的有效性檢測

根據(jù)灰色系統(tǒng)理論，灰色預測模型是通過檢驗發(fā)展灰數(shù)α而確定在特定場景下使用的。該方法是在判斷預測模型是否有效的基礎上，進而對有意義的預測模型確定相應的適用場景，具體地有效性檢驗標準及適用場景如表2所示。如果通過檢驗發(fā)展灰數(shù)α符合特定的適用場景，則可繼續(xù)進行精度檢驗。

表2 預測模型的有效性及適用場景的對照標準

2.2.2 精度檢驗

（1）殘差檢驗

通過計算預測值與樣本原始數(shù)據(jù)的相對誤差進行檢驗。假定 Δ={Δ(1),Δ(2),…,Δ(n)}為殘差序列，其中，則相對誤差，平均相對誤差。

（2）后驗差檢驗

通過指標方差比以及小誤差概率進行檢驗。

①后驗差比值C=S2/S1

②小誤差概率

（3）灰色GM(1,1)預測模型精度檢驗各等級參照標準

通過殘差檢驗計算平均相對誤差φ、通過后驗差檢驗計算后驗差比C和小誤差概率P，然后根據(jù)其數(shù)值大小，對照表3進行檢驗判斷精度。

3 六安市農產品冷鏈物流需求預測與分析

3.1 灰色GM(1,1)模型求解

根據(jù)灰色GM(1,1)預測模型的原理，首先對表1中農產品種類指標的原始數(shù)列進行一階累加處理得到1-AGO序列，然后通過微分方程對該序列建立預測模型，并采用最小二乘法對α和μ進行估計，最后得出原始數(shù)列的灰色預測時間響應函數(shù)，并通過還原處理得到未來幾年產量的預測值，具體見表4。

3.2 精度檢驗

3.2.1 預測模型的有效性檢測

觀察表4中各農產品種類指標的數(shù)值，發(fā)現(xiàn)茶葉、水果、蔬菜、水產品和肉類這些預測模型的發(fā)展灰數(shù)均達到-α≤0.3這一檢驗標準，參照表2得知，對各類農產品所構建的預測模型均是有效的，且均適合預測中長期場景。

表3 GM(1,1)模型精度等級的檢驗參照標準

表4 由灰色GM(1,1)預測模型求解五種農產品所得數(shù)據(jù)

3.2.2 殘差檢驗

通過比對五種農產品種類產量的預測模擬值和原始實際值得到每一年份的絕對誤差和相對誤差，進而依據(jù)上述3.2所述公式計算每一農產品預測模型的平均相對誤差，即可得到預測精度。

觀察表5數(shù)據(jù)，得出上述五種農產品產量預測模型的預測精度都大于90%，參照表3精度判斷標準，說明用本文所構建的預測模型對各類農產品的產量進行預測是可靠的。

表5 五種農產品殘差檢驗相關參數(shù)數(shù)據(jù)

3.2.3 后驗差檢驗

分別對于五種農產品產量的原始序列X(0)和殘差序列Δ(0)，在計算相應的標準差S1和S2的基礎上，進而得到C和P。參照表3，說明預測的精度較高。模型的精度等級為一級(好)，說明模型的預測精度高。

檢驗結果可知，本文對五種農產品產量所構建的GM(1,1)模型是有效的，且適合進行中長期預測，同時預測模型都通過了殘差檢驗和后驗差檢驗，且預測精度具有一定的可信度，由此得出五種農產品2018-2022年的產量。具體見表6。

表6 2018-2022年五種農產品需求量的預測結果

3.3 預測結果分析

根據(jù)表7預測結果可知：

（1）六安市農產品冷鏈物流需求總量將在2022年底達到將近270萬噸，并通過計算得出在2018-2022年期間每年將以5.98%的速度增長，可見，六安市對農產品的冷鏈需求呈現(xiàn)出明顯的上升趨勢，預示著六安市在農產品冷鏈物流領域將會迎來發(fā)展的重要機遇。

（2）將五種農產品2011-2017年的歷史數(shù)據(jù)及預測的2018-2022年的數(shù)據(jù)進行匯總，繪制2011-2022年五種冷鏈農產品的發(fā)展趨勢圖，如圖1。可以看出：六安市產生農產品冷鏈需求的主要貨品是蔬菜、水果和肉類，并且水果和蔬菜在未來五年產量呈明顯遞增趨勢，且需要冷鏈物流的農產品的產量整體上也是逐步上升的。這也表示六安市農產品冷鏈物流具備強勁的動力。

圖1 2011-2022年六安市五種冷鏈農產品的趨勢圖

4 小結

本文以六安市2011-2017年茶葉、水果、蔬菜、水產品和肉類等五種農產品產量作為樣本數(shù)據(jù)，采用灰色GM(1,1)模型對六安市未來五年農產品冷鏈物流需求量進行預測，并通過殘差檢驗和后驗差檢驗。結果表明所選模型能夠很好地預測六安市農產品在2018-2022年的發(fā)展趨勢。近年來，六安市各級政府應制訂出臺有助于發(fā)展農產品冷鏈物流的相關政策法規(guī)。這樣才能提升六安區(qū)域農產品的綜合競爭力，有助于提升紅色革命老區(qū)的農業(yè)產值，一定程度上對于落實精準扶貧具有重要意義。