楊航 許江雯

摘? 要：“一帶一路”戰(zhàn)略的深入實施使冷鏈物流的發(fā)展越來越廣泛，現(xiàn)如今已經(jīng)逐步發(fā)展成為現(xiàn)代物流業(yè)的重要組成部分。特別是2019年新冠疫情的爆發(fā)，更進一步刺激了我國冷鏈物流行業(yè)的生存與發(fā)展，因此準確預測冷鏈物流需求對物流決策以及促進區(qū)域經(jīng)濟的提高都至關重要。文章以陜西省冷鏈物流需求量為研究對象，在灰色GM1，1模型預測的基礎上，采用馬爾科夫優(yōu)化該預測模型的方法，更加合理地預測出陜西省未來5年的冷鏈物流需求量，最后根據(jù)預測結果對冷鏈物流行業(yè)之后的發(fā)展提出建議。

關鍵詞：一帶一路;冷鏈物流;灰色預測;馬爾科夫

中圖分類號：F252.8? ? 文獻標識碼：A

Abstract： The in-depth implementation of the“one belt one road”strategy has made the development of cold chain logistics more and more extensive， and now it has gradually developed into an important part of the modern logistics industry. In particular， the outbreak of the new crown epidemic in 2019 has further stimulated the survival and development of my country's cold chain logistics industry. Therefore， accurate prediction of cold chain logistics demand is essential for logistics decision-making and promoting regional economic improvement. This paper takes the demand for cold chain logistics in Shaanxi province as the research object. Based on the gray GM1，1 model forecast， Markov optimizes the forecasting model to more reasonably predict the future 5 years of Shaanxi province. The demand for cold chain logistics， and finally put forward suggestions for the future development of the cold chain logistics industry based on the forecast results.

Key words： one belt one road; cold chain logistics; grey forecast; Markov

0? 引? 言

近年來，隨著“一帶一路”倡議的不斷推進，我國市場經(jīng)濟發(fā)展迅猛，居民消費升級也日益明顯，人們逐漸從追求溫飽向追求品質(zhì)質(zhì)量的方向轉變，傳統(tǒng)的物流方式已不能滿足人民日益增長的物質(zhì)需求，此時一個特殊的物流行業(yè)——冷鏈物流便有了新的發(fā)展機遇。冷鏈物流，指的是冷藏冷凍類物品從生產(chǎn)、貯存、傳輸、發(fā)售再到消費前的各個環(huán)節(jié)一直處在規(guī)定的環(huán)境條件下，來保證性能和質(zhì)量的一個低溫物流過程[1]。冷鏈物流的出現(xiàn)在一定條件下保證了食品的新鮮度，并且減少了食物在運輸途中的浪費。在國家政策以及消費升級驅動等因素的影響下，冷鏈物流業(yè)的發(fā)展規(guī)模持續(xù)擴張，已成為現(xiàn)代物流業(yè)的重要組成部分。2019年，突如其來的新冠疫情使人們越發(fā)關注生鮮電商和冷鏈物流，冷鏈物流為人們在保證安全的距離下提供了新鮮食材，方便了人們生活，但是又由于冷鏈物流傳輸?shù)臈l件及方式，人們發(fā)現(xiàn)低溫對病毒生存十分有利，冷鏈運輸很可能成為新冠病毒傳播的潛在風險，那么如何確保安全需要重點關注。因此，研究冷鏈物流需求預測對疫情期間以及疫情后的冷鏈物流行業(yè)發(fā)展和建設可以提供一定的參考價值。

陜西省作為絲綢之路上的一個重要地區(qū)，“一帶一路”戰(zhàn)略的深入實施必然會給其帶來巨大的挑戰(zhàn)和時機，在此背景下發(fā)展冷鏈物流業(yè)會進一步為加快陜西省推動產(chǎn)業(yè)化和市場營銷工作提供依據(jù)，不可否認的是，陜西省冷鏈物流行業(yè)已經(jīng)進入快速發(fā)展的新時期[2]。因此，合理預測陜西省冷鏈物流需求有利于繼續(xù)推動冷鏈物流行業(yè)的高效穩(wěn)定發(fā)展，為陜西省政府關于冷鏈物流行業(yè)的規(guī)劃建設工作提供參考。

關于冷鏈物流需求預測的研究，我國專家學者針對不同領域的冷鏈物流情況，得出了大量的研究成果，如蘭洪杰和汝宜紅對奧運食品冷鏈物流需求預測，采用BP神經(jīng)網(wǎng)絡技術對其進行了深入研究和分析，進而為奧運食品冷鏈物流的實際經(jīng)營提出了對策建議[3]。李雋波和孫麗娜運用多元線性回歸分析的方法對我國水產(chǎn)品冷鏈物流需求進行了預測，并對得出的預測結果與一元線性回歸分析法預測的結果進行比較，結果顯示多元線性回歸分析法在預測結果的精度和有效性上均明顯優(yōu)于一元線性回歸分析法[4]。楊箏等學者以廣西為例，通過構建灰色GM1，1預測模型對廣西農(nóng)產(chǎn)品冷鏈物流需求量進行了預測，并通過平均絕對百分比誤差和后驗差檢驗的方法進行了模型精度檢驗[5]。另外，周倩倩等學者通過建立灰色狀態(tài)馬爾科夫組合預測模型對江蘇省的居民冷鏈物流需求量進行了預測分析，并且通過分析結果為未來江蘇省冷鏈物流的發(fā)展提供理論參考[6]?；谇叭说难芯砍晒?，本文為了更準確的預測“一帶一路”背景下陜西省冷鏈物流需求發(fā)展狀況，及考慮到物流需求數(shù)據(jù)的“不完全性”和“不確定性”，采用灰色GM1，1預測模型和馬爾科夫模型組合的方法分析預測[6-9]，并借助Matlab軟件進行分析處理，最后通過平均相對誤差、后驗差以及小概率誤差檢驗的方法進行模型精度的檢驗。通過分析預測結果，我們可以有根據(jù)地對陜西省疫情后冷鏈物流業(yè)的變革以及未來冷鏈物流業(yè)的發(fā)展提供參考，此外冷鏈物流需求的準確預測對地方及國家經(jīng)濟水平的提高都具有十分重要的現(xiàn)實意義。

1? 研究方法

1.1? 灰色GM1，1預測

灰色預測是一種對某些含有不確定性信息的系統(tǒng)進行預測的方法，GM1，1模型是目前比較常用的灰色預測模型之一，其基本思想是：對原始序列的數(shù)據(jù)先進行有規(guī)律的變換處理，然后建立微分方程找出其中變化規(guī)律，再通過逆變換而達到預測的目的。它的一般建模步驟如下[9]：

（1）假設原始序列為：

x=x1，x2，…，xn? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

（2）為減弱序列的不確定性，對原始序列x進行累加處理，生成新序列：

x=x1，x2，…，xk，…，xn? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

其中：xk=xi， k=0，1，2，…，n。

（3）建立灰色GM1，1模型的微分方程：

+ax=u? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

其中：a、u為未知參數(shù)，通常由最小二乘法可求得：

==BBByn? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （4）

（4）累加矩陣B和常數(shù)向量y的構建：

B=， y=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

（5）求解灰色GM1，1微分方程（3），得到：

k+1=x1-e+? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（6）

（6）還原得到原始序列預測值：

， k=1，2，…，n? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （7）

1.2? 馬爾科夫優(yōu)化

因為對波動性較大的數(shù)據(jù)進行預測時，單一模型的預測可能會出現(xiàn)比較大的偏差，因此本文利用馬爾科夫模型對之前的灰色GM1，1模型預測的數(shù)據(jù)進行優(yōu)化，彌補了單一預測模型存在的局限性。馬爾科夫就是一類特殊的隨機過程，具有“無記憶”的性質(zhì)，即將來狀態(tài)的發(fā)展只能由現(xiàn)在狀態(tài)決定而與過往無關。馬爾科夫模型對灰色GM1，1模型的優(yōu)化步驟如下：

（1）劃分狀態(tài)區(qū)間。根據(jù)樣本數(shù)量和相對誤差范圍，將灰色預測的相對誤差分為n個狀態(tài)區(qū)間，每個狀態(tài)區(qū)間都可以表示成E=e，e， i=1，2，…，n。這里，e表示區(qū)間的最小值，e表示區(qū)間的最大值。

（2）計算狀態(tài)轉移概率矩陣。設f為狀態(tài)E經(jīng)過k步轉移到狀態(tài)E的頻數(shù)，f為狀態(tài)E出現(xiàn)的總頻數(shù)，則狀態(tài)轉移概率矩陣P=，從而得到：

P=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （8）

（3）計算狀態(tài)轉移概率向量。假設初始時刻的狀態(tài)轉移概率向量為A0，那么狀態(tài)轉移概率向量Ak為：

Ak=A0P? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （9）

將狀態(tài)轉移概率向量中概率最大的值作為狀態(tài)的未來轉向。

（4）預測值的修正。已知所屬狀態(tài)E的狀態(tài)區(qū)間，結合灰色預測值k，有灰色—馬爾科夫模型預測表達式[10]：

=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （10）

其中：若灰色預測值>實際值，則式（10）分母中符號取+;若灰色預測值<實際值，則取-;若相等則不對其進行優(yōu)化修正。

1.3? 模型精度檢驗

對選擇模型的可行性進行驗證，常用方法有：平均相對誤差檢驗、后驗差檢驗和小概率誤差檢驗[9]。

（1）平均相對誤差檢驗：

=Δk=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （11）

（2）后驗差檢驗：

C=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （12）

（3）小概率誤差：

P=εk-<0.6745S? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （13）

式中：εk=xk-k，S=，S=。模型精度等級劃分表見表1。

2? 實證分析

2.1? 指標選取與數(shù)據(jù)來源

影響冷鏈物流需求有很多因素，為了數(shù)據(jù)的可獲得性以及數(shù)據(jù)的完整性，本文將蔬菜、水果、肉禽蛋奶以及水產(chǎn)品這幾類需要冷鏈運輸?shù)漠a(chǎn)品的總產(chǎn)量作為原始指標數(shù)據(jù)，用來代表冷鏈物流需求量，選取陜西省2009～2018年數(shù)據(jù)為樣本數(shù)據(jù)。數(shù)據(jù)來源于國家統(tǒng)計局官方網(wǎng)站以及《陜西省統(tǒng)計年鑒》，具體數(shù)據(jù)見表2。

2.2? 灰色—馬爾科夫優(yōu)化預測

2.2.1? 灰色GM1，1預測。由表2的原始數(shù)據(jù)，可得到原始序列x=x1，x2，…，xn，進行灰色GM1，1預測，根據(jù)建模步驟，利用Matlab軟件進行處理，得到GM1，1預測模型的方程式為：

k+1=2 828.8100--85 230.7529e-85 230.7529

得到陜西省2009～2018年的冷鏈物流需求灰色預測結果以及模型精度檢驗結果見表3。

通過表3可得，灰色GM1，1模型的平均相對誤差為0.0127、后驗差比值C為0.1438、小概率誤差P為1。查模型精度檢驗表1可得出灰色GM1，1模型精度等級為Ⅱ級（良好），適用于預測陜西省冷鏈物流需求量，但是還有發(fā)展的空間，進而用馬爾科夫優(yōu)化該灰色模型。

2.2.2? 馬爾科夫優(yōu)化。由表3灰色模型預測結果可得相對誤差區(qū)間為-0.0276，0.0147，本文借鑒魏慶征等學者的研究成果[11]，以相對誤差的集中度劃分狀態(tài)區(qū)間，可得到狀態(tài)區(qū)間為[-0.0276，-0.017），[-0.017，-0.0064），[-0.0064，0.0042），[0.0042，0.0148），劃分狀態(tài)結果見表4。

根據(jù)公式（8）可得到狀態(tài)轉移概率矩陣為：

P=

對陜西省2009～2018年的灰色預測值進行馬爾科夫優(yōu)化，如2010年狀態(tài)為E，且2010年陜西省冷鏈物流需求灰色預測值高于實際值，那么根據(jù)預測值公式（10）計算出陜西省2010年冷鏈物流需求的灰色—馬爾科夫預測值為

==3 014.6525（萬噸），同理可得其余各年份冷鏈物流需求的灰色—馬爾科夫預測值，預測結果以及模型精度檢驗結果見表5。

對比表3，從表5中可知用馬爾科夫優(yōu)化后的模型平均誤差減少到0.0047、后驗差比值減小到0.0611，小概率誤差仍為1，對照模型精度等級表可知模型精度由Ⅱ級（良好）優(yōu)化為Ⅰ級（優(yōu)秀）。因此經(jīng)過馬爾科夫優(yōu)化后的灰色預測更適合反映實際情況。

由表4的相對誤差可知2018年冷鏈物流需求處在E狀態(tài)，則取初始狀態(tài)轉移概率向量A0=0 1 0 0，根據(jù)公式（9）計算出2019年的狀態(tài)轉移概率向量是A1=A0*P=0 0 0 1，同理可得其余各年份的狀態(tài)轉移概率向量分別為：A2=A0*P=0.1667 0 0 0.8333、A3=A0*P=0.1389 0.1667 0 0.6944、A4=A0*P=0.1157 0.1389 0 0.7475、A5=A0*P=0.1243 0.1157 0 0.7600，然后取狀態(tài)轉移概率向量中概率最大的值作為狀態(tài)的未來轉向，易知2019～2023年的冷鏈物流需求所屬狀態(tài)均為E。

接下來，根據(jù)預測值公式算出預測值，這里要用到陜西省2019～2023年灰色GM1，1預測值，采用上面灰色GM1，1預測方法預測陜西省2019～2023年冷鏈物流需求，得到預測結果見表6。

然后以2019年為例，由于狀態(tài)確定為E，把相關數(shù)值帶入到公式（10），得到經(jīng)馬爾科夫優(yōu)化后的預測值為

==4 204.2131（萬噸），同理可得2020～2023年的陜西省冷鏈物流需求灰色—馬爾科夫預測值，結果見表7。

通過表7得到的灰色—馬爾科夫預測值，我們可以明確看出陜西省冷鏈物流需求不斷增加，表明人們對生鮮食品的需求越來越大。

3? 結論與建議

首先，本文通過灰色GM1，1模型對陜西省2009～2018年冷鏈物流需求量的樣本數(shù)據(jù)進行預測得到預測結果，然后考慮到數(shù)據(jù)的波動性問題，用馬爾科夫模型與灰色GM1，1模型相結合的方法對預測結果進行優(yōu)化，這種優(yōu)化預測方法能夠使兩種模型的優(yōu)勢充分發(fā)揮出來，通過對比灰色GM1，1模型預測的效果與灰色—馬爾科夫模型預測的效果，發(fā)現(xiàn)預測的模型精度由Ⅱ級（良好）提高到了Ⅰ級（優(yōu)秀），說明運用這種方法預測陜西省冷鏈物流需求得出的預測結果更加具有參考價值。

其次，通過預測結果可得，未來陜西省的冷鏈物流需求量會繼續(xù)呈現(xiàn)不斷上升的趨勢，冷鏈物流需求與實際情況相符合。在這樣一個冷鏈物流發(fā)展迅速的大環(huán)境中，冷鏈物流發(fā)展質(zhì)量得不到充分的保障，發(fā)展過程中難免會出現(xiàn)一些問題，比如疫情中冷鏈物流運輸?shù)陌踩珕栴}重視不夠，人們?nèi)狈ψ銐虻睦滏溡庾R等等。因此，為了保證冷鏈物流的健康發(fā)展，特提出以下建議：（1）建立良好的政策支持環(huán)境。冷鏈物流行業(yè)發(fā)展迅猛，需要足夠的資金來支持運轉，政府可以適當?shù)某雠_一些優(yōu)惠政策，或者投資冷鏈物流設施的基礎建設等，來降低企業(yè)壓力，促進陜西省乃至其它區(qū)域冷鏈物流的快速發(fā)展。（2）加強冷鏈物流的實時監(jiān)控力度。冷鏈運輸需要處在一定的溫度，并且要全面預防病毒的流入和傳播，在確保健康安全的基礎上，保障產(chǎn)業(yè)鏈穩(wěn)定。我們要對冷鏈物流全程做好實時監(jiān)控和防范，考慮多個因素影響，動態(tài)跟蹤檢測，保證食品在冷鏈運輸全過程的安全性。（3）推廣冷鏈物流相關知識，造就冷鏈專業(yè)性人才。目前，人們對冷鏈物流的認知程度普遍較低，冷鏈相關的專業(yè)人員不足，要想冷鏈物流長期高效地發(fā)展，還需要認真地向企業(yè)及大眾傳達相關知識，積極開發(fā)潛在客戶。另外，冷鏈物流比傳統(tǒng)的物流更注重技術的運用，因此，我們不能忽視相關人才的專業(yè)培養(yǎng)，可以為人才的發(fā)展開設相應的培訓課程，或者引進一些優(yōu)秀的冷鏈專業(yè)人員等。（4）推動“一帶一路”冷鏈物流聯(lián)合項目。以陜西省為出發(fā)點，加強與“一帶一路”沿線上其它地區(qū)的互聯(lián)互通，積極、開放地發(fā)展冷鏈物流區(qū)域合作，促進協(xié)調(diào)聯(lián)動發(fā)展，更好地與其它地區(qū)實現(xiàn)優(yōu)勢互補，保證冷鏈物流在輸入與輸出上的安全性，推動經(jīng)濟的可持續(xù)發(fā)展。

參考文獻：

[1] 毋慶剛. 我國冷鏈物流發(fā)展現(xiàn)狀與對策研究[J]. 中國流通經(jīng)濟，2011，25（2）：24-28.

[2] 成志平. 低碳經(jīng)濟發(fā)展環(huán)境下陜西農(nóng)產(chǎn)品冷鏈物流優(yōu)化策略分析[J]. 經(jīng)濟研究導刊，2017（22）：24-25.

[3] 蘭洪杰，汝宜紅. 2008北京奧運食品冷鏈物流需求預測分析[J]. 中國流通經(jīng)濟，2008（2）：19-22.

[4] 李雋波，孫麗娜. 基于多元線性回歸分析的冷鏈物流需求預測[J]. 安徽農(nóng)業(yè)科學，2011，39（11）：6519-6520，6523.

[5] 楊箏，曹志強，黎嘉慧. 基于灰色預測法的廣西農(nóng)產(chǎn)品冷鏈物流需求預測[J]. 物流工程與管理，2017，39（9）：86-88，83.

[6] 周倩倩，彭本紅，谷曉芬. 基于灰色馬爾科夫鏈的江蘇城鎮(zhèn)居民冷鏈物流需求量預測[J]. 物流科技，2015，38（6）：21-25.

[7] 吳家麒，何梅，謝鳳. 四川省十三五農(nóng)產(chǎn)品冷鏈物流需求預測——基于灰色—馬爾可夫鏈模型[J]. 物流工程與管理，2018，40（2）：38-41.

[8] 宋志蘭，孔民警，黃益，等. 基于灰色—馬爾科夫鏈的冷鏈物流需求量預測——以昆明市鮮切花為例[J]. 物流工程與管理，2019，41（2）：17-21.

[9] 崔毅，徐偉，張松濤. 基于灰色馬爾科夫模型的青島冷鏈物流需求預測[J]. 物流科技，2019，42（10）：78-82，87.

[10] 湯天辰，李林. 基于灰色馬爾科夫模型的上海港集裝箱吞吐量預測[J]. 物流科技，2020，43（3）：105-108，114.

[11] 魏慶征，楊云，李凌燕，等. 基于灰色馬爾科夫的外匯預測模型[J]. 計算機與現(xiàn)代化，2020（2）：12-15.