李義華，王 沖，文 哲，杜 康，孫雅倫，尹楚萱

（1.中南林業(yè)科技大學 a.物流與交通學院；b.班戈學院，湖南 長沙 410004；2.湖南壺瓶山國家級自然保護區(qū)管理局，湖南 常德 415300；3.海信網(wǎng)絡(luò)科技有限公司，山東 青島 266071）

以肉類、禽蛋、新鮮果蔬、水產(chǎn)品、奶制品等為主要對象的冷鏈物流正處于快速發(fā)展之中[1]。據(jù)統(tǒng)計，目前我國農(nóng)產(chǎn)品從產(chǎn)出地到消費端的流通損失相對嚴重，果蔬、肉類、水產(chǎn)品流通腐損率均在10%以上，果蔬腐損率甚至超過了30%[2]。冷鏈物流基礎(chǔ)設(shè)施相對落后導致了我國國內(nèi)相對較低的冷鏈流通率，從而影響了我國冷鏈物流的健康發(fā)展。這一方面表現(xiàn)在消費端是不能有效地滿足人們對農(nóng)產(chǎn)品質(zhì)量需求的保證；另一方面在生產(chǎn)端也大大降低了農(nóng)產(chǎn)品生產(chǎn)經(jīng)營者的盈利水平。而且區(qū)域冷鏈物流水平的提高有賴于各經(jīng)濟區(qū)域進行科學合理的冷鏈物流系統(tǒng)規(guī)劃，其中冷鏈物流需求量的可靠預測則是開展經(jīng)濟區(qū)域科學合理冷鏈物流系統(tǒng)規(guī)劃的必要前提[3]。因此，本研究選取湖南省農(nóng)產(chǎn)品冷鏈物流需求量作為研究對象，并對區(qū)域內(nèi)冷鏈物流需求量進行預測分析具有一定的現(xiàn)實意義。

農(nóng)產(chǎn)品冷鏈物流需求預測是當前產(chǎn)業(yè)界關(guān)注的熱點[4]。理論界也對其開展了相關(guān)研究，然而當前冷鏈物流理論總體還處于快速發(fā)展的階段，至今還未形成完整獨立的理論體系。在冷鏈物流需求預測方面，由于冷鏈物流統(tǒng)計數(shù)據(jù)相對缺乏，加上冷鏈物流需求量目前還沒有形成完整統(tǒng)一的度量指標體系，因此使得冷鏈物流需求量的預測研究存在一些困難，當前大部分相關(guān)研究主要聚集在以農(nóng)產(chǎn)品冷鏈物流需求現(xiàn)狀分析、對策建議等定性研究方面，農(nóng)產(chǎn)品冷鏈物流需求量的定量分析相對較少。蘭洪杰等[5]采用神經(jīng)網(wǎng)絡(luò)技術(shù)通過需求主體數(shù)量與人均日消耗量對奧運會期間的食品冷鏈物流需求量進行了預測。李夏培等[6]應(yīng)用灰色線性組合模型對我國農(nóng)產(chǎn)品冷鏈物流需求建立了預測方程，并運用Eviews 軟件進行了檢驗。李玉萍等[7]分析了我國果蔬冷鏈物流的發(fā)展現(xiàn)狀并提出了相應(yīng)的對策建議。張言彩等[4]以江蘇省城鎮(zhèn)居民冷鏈運輸產(chǎn)品的消費總量來度量其冷鏈物流需求量，并通過傳統(tǒng)灰色模型來預測其未來城鎮(zhèn)居民冷鏈物流需求量?？聛嗛猍8]以唐山市為例，選取了特定區(qū)域主要農(nóng)產(chǎn)品冷鏈年流通量為度量指標，采用傳統(tǒng)灰色模型對本市主要農(nóng)產(chǎn)品的產(chǎn)出總量進行了預測，并通過冷鏈流通率及其平均流轉(zhuǎn)次數(shù)計算出了唐山市2015年的農(nóng)產(chǎn)品冷鏈物流需求量及其農(nóng)產(chǎn)品對冷庫的需求量，并結(jié)合實地調(diào)研冷庫數(shù)據(jù)，測算了2015年唐山市的冷庫庫容缺口。

以上所有研究對農(nóng)產(chǎn)品冷鏈物流需求預測作了大量有益探索，在農(nóng)產(chǎn)品冷鏈物流需求預測中，有些工作有待于進一步完善。首先，在計算設(shè)計方面，以需求主體數(shù)量和人均消耗量相乘作為度量某地區(qū)農(nóng)產(chǎn)品冷鏈物流需求量并不合理。由于各地區(qū)自然資源稟賦不同，一般來說，其農(nóng)產(chǎn)品產(chǎn)出除了供給給本地區(qū)以外，通常還有相當一大部分銷往外地甚至國外，而且有的區(qū)域還要依靠農(nóng)產(chǎn)品進口。其次，在度量指標選取方面存在以偏概全的問題。經(jīng)調(diào)查發(fā)現(xiàn)，現(xiàn)有的冷鏈物流統(tǒng)計數(shù)據(jù)依然不全，存在選取產(chǎn)品指標不全面的問題，最終導致了預測結(jié)果相對偏小。另外，在操作層面，在特定經(jīng)濟區(qū)域僅預測城鎮(zhèn)居民冷鏈流通農(nóng)產(chǎn)品消耗量并不能完全有效度量該地區(qū)的實際冷鏈物流需求量。最后，在預測方法選用方面，多元線性回歸[6]、神經(jīng)網(wǎng)絡(luò)[9]、支持向量機[10-11]、傳統(tǒng)灰色預測方法[3-4,12]等對物流需求量預測的研究已經(jīng)很多，并且各自有其特點和優(yōu)勢。然而綜合來看，現(xiàn)有大部分文獻仍然采用以傳統(tǒng)灰色模型為主對冷鏈物流需求量進行預測。傳統(tǒng)灰色模型針對小樣本、貧信息下的短期預測精度相對較高，但是存在受初值影響較大的特點，并且在中長期預測時的偏差相對明顯；然而，無偏灰色模型是在傳統(tǒng)灰色模型基礎(chǔ)上發(fā)展起來的一種預測方法，它消除了傳統(tǒng)灰色預測模型本身固有的偏差，不僅預測性能優(yōu)于傳統(tǒng)模型，且其適用范圍也有了很大的擴展[13]。

因此，為了提高預測的可靠性，同時增強模型在中長期預測中的適用性，本著“簡單實用”的原則，本研究考慮在灰色預測模型基礎(chǔ)上建立滑動無偏灰色預測模型，并利用該方法對湖南省農(nóng)產(chǎn)品冷鏈物流需求量進行預測，同時依據(jù)現(xiàn)有出臺的文件和規(guī)范開展系統(tǒng)分析，力求設(shè)計一種簡單實用的冷鏈物流需求預估方案。與此同時，考慮到影響農(nóng)產(chǎn)品冷鏈物流需求量的因素隨著時間動態(tài)變化，本研究提出了以時間更新進行遞推預測的策略。并在開展預測之前，分別設(shè)計了擬合分組試驗和預測分組試驗，進而確定相對有效的預測方法。在指標選擇上，本研究選取有關(guān)經(jīng)濟區(qū)域主要農(nóng)產(chǎn)品的年流通量作為冷鏈物流需求量預測的度量指標，并根據(jù)業(yè)內(nèi)不同農(nóng)產(chǎn)品的冷鏈流通率對有關(guān)經(jīng)濟區(qū)域冷鏈物流需求量進行測算，并在最后提出了針對特定經(jīng)濟區(qū)域的冷鏈物流發(fā)展對策和建議。

1 滑動無偏灰色模型建立

1.1 灰色預測模型

1）做一階累加形成生成數(shù)據(jù)序列：

2）確定數(shù)據(jù)矩陣B、Yn：

3）求參數(shù)列：

4）建立生成數(shù)據(jù)序列模型

5）建立原始數(shù)據(jù)序列模型：

1.2 無偏灰色預測模型

設(shè)無偏GM(1,1)模型的參數(shù)為u，A；則對原始序列=Aeu(k-1),k=1,2,...,n，做一次累加得：

由傳統(tǒng)GM(1,1)方法建模得[13]：

由此可求得用傳統(tǒng)GM(1,1)模型參數(shù)a，b表示u和A的估計為：

建立原始數(shù)據(jù)序列模型：

1.3 數(shù)據(jù)的滑動處理

滑動無偏灰色模型則是在建立無偏灰色模型之前先對數(shù)據(jù)進行滑動處理?；瑒犹幚磉^程如下。若原始數(shù)列為：

對原始數(shù)據(jù)X(0)進行一次加權(quán)滑動平均處理后，得：

則加權(quán)平均處理過程為：

1.4 模型檢驗標準

灰色預測模型一般檢驗主要采用殘差檢驗和后驗差檢驗[4]，指標包括了相對誤差、均方差比值、小誤差概率，分別用α、c、p表示檢驗指標數(shù)據(jù)。通過計算得出各自的值，參照表1中的精度等級對采用模型的可靠性等級進行檢驗。

表1 可靠性檢驗等級參照表Table 1 Grade of model precision test level

2 預測效果的比較分析

2.1 指標選取及數(shù)據(jù)來源

一般來說，物流需求是指在一定時期內(nèi)經(jīng)濟活動對生產(chǎn)、流通、消費領(lǐng)域的原材料、半成品、成品、商品以及廢舊物等的配置作用而產(chǎn)生的對物資在時間、空間和費用等方面的要求，涉及到運輸、包裝、庫存、裝卸搬運、配送、流通加工及信息處理等物流活動的各個方面。具體到衡量冷鏈物流需求的指標體系通常有以下幾種。從實物量方面考慮，有貨運量、貨運周轉(zhuǎn)量、庫存量、加工量等指標；從價值量方面考慮，有社會物流總成本、社會物流總收入、供應(yīng)鏈增值等指標；從就業(yè)方面考慮，有冷鏈物流從業(yè)人數(shù)、冷鏈物流從業(yè)人數(shù)占總就業(yè)人數(shù)的比例等指標[4]。

以往學者對物流需求預測大多采用了單指標方法。然而在現(xiàn)實生活中影響冷鏈物流需求的因素有很多，為了更加全面地描述和涵蓋特定地區(qū)的冷鏈物流需求總量，本研究將特定經(jīng)濟區(qū)域需要冷藏運輸?shù)娜忸?、禽蛋、水產(chǎn)品、果蔬、牛奶等農(nóng)產(chǎn)品的產(chǎn)出總量均作為冷鏈物流需求總量的影響因素納入到預測模型當中。同時，考慮到數(shù)據(jù)的可得性，我們特意選取了2009—2018年的湖南省各主要農(nóng)產(chǎn)品產(chǎn)量作為原始數(shù)據(jù)，并在具體計算時省略了一些影響較小的次要因素。通過查找統(tǒng)計年鑒，具體數(shù)據(jù)見表2。

表2 湖南省近10年各主要農(nóng)產(chǎn)品的總產(chǎn)量?Table 2 Output of the major agricultural products in Hunan province during latest 10 years (/10 000 t)

2.2 數(shù)據(jù)處理及試驗設(shè)計

為了更好地開展冷鏈物流量預測和比較，同時抑制隨機誤差對預測結(jié)果的影響，本研究首先依據(jù)前文公式（9）～（10）對原始數(shù)據(jù)序列進行滑動處理，原始數(shù)據(jù)序列經(jīng)過滑動處理后的數(shù)據(jù)見表3。

表3 湖南省近10年各主要農(nóng)產(chǎn)品的總產(chǎn)量滑動處理后的數(shù)據(jù)Table 3 Data after slippage of the major agricultural products in Hunan province during latest 10 years (/10 000 t)

與此同時，為了驗證滑動無偏灰色模型相對傳統(tǒng)灰色模型具有更加廣泛的適用性以及更好的預測精度，本研究分別設(shè)計了擬合分組試驗和預測分組試驗進行先期分析對比。擬合分組試驗分別以2009—2017年湖南省主要農(nóng)產(chǎn)品產(chǎn)量為試驗數(shù)據(jù)（因牛奶相對其他量小，對整體預測影響極小，后續(xù)進行了省略），分別采用滑動無偏灰色模型和傳統(tǒng)灰色模型對數(shù)據(jù)進行擬合并對相關(guān)結(jié)果進行檢驗，得到兩種模型的擬合誤差及檢驗結(jié)果，進而比較兩種模型的擬合效果并進行篩選。預測分組試驗則是在擬合分組試驗的基礎(chǔ)上進行拓展，即以2009—2017年主要農(nóng)產(chǎn)品產(chǎn)量為原始數(shù)據(jù)來預測2018年的產(chǎn)量，通過平均相對誤差數(shù)據(jù)來比較兩個模型的預測可靠性，預測分組試驗的設(shè)定是為了與擬合分組試驗結(jié)果形成對照，進而說明傳統(tǒng)灰色預測中可能存在的“過擬合”現(xiàn)象。

2.2.1 擬合分組試驗

以表2的數(shù)據(jù)作為初始數(shù)據(jù)進行傳統(tǒng)灰色擬合運算，同時以表3的數(shù)據(jù)作為初始數(shù)據(jù)進行滑動無偏灰色擬合運算，各種主要農(nóng)產(chǎn)品采用不同方法的擬合結(jié)果見表4。

表4 擬合分組實驗結(jié)果Table 4 Experimental results of fitting grouping (/10 000 t)

運用模型檢驗標準分別對兩種擬合模型進行檢驗，兩種模型各種檢驗指標的檢驗結(jié)果如表5所示。

表5 兩種模型檢驗結(jié)果Table 5 Results of the two model test

由擬合結(jié)果及模型檢驗結(jié)果可知：小誤差概率p檢驗指標取值均為1，精度等級均為一級，擬合效果好。對于擬合檢驗指標均方差比值c，滑動無偏灰色模型所有農(nóng)產(chǎn)品檢驗結(jié)果數(shù)值位于0.10～0.35 區(qū)間，精度等級定位為一級，擬合效果好；傳統(tǒng)灰色模型中，禽蛋為0.203 7，精度定位等級為一級，擬合效果好，蔬菜瓜類和水果分別為0.56 和0.634 3，精度等級定位二級和三級之間，擬合效果勉強合格，豬牛羊肉、水產(chǎn)品分別為0.461 9 和0.486 7，數(shù)值區(qū)間為0.35～0.50，可靠性等級定位為一級和二級之間，擬合效果較好；對于擬合檢驗指標相對誤差α，兩個模型對禽蛋的擬合取值均位于0～0.01 取值區(qū)間，精度等級定位為一級，擬合效果好；兩個模型對豬牛羊肉、水產(chǎn)品和蔬菜瓜果的擬合取值位于0.01～0.05 取值區(qū)間，精確等級定位一級和二級之間，擬合效果較好，兩個模型對水果的擬合取值分別為0.137 1和0.135 9，精確等級定位三級和四級之間，擬合效果基本合格。綜合來看，這兩種模型的擬合效果整體均相對較好，通過對比這兩個模型的3 項檢驗指標，總體反映滑動無偏灰色模型的擬合效果要優(yōu)于傳統(tǒng)灰色模型的擬合效果。

2.2.2 預測分組試驗

以上擬合分組試驗結(jié)果表明，滑動無偏灰色模型的擬合效果相對比傳統(tǒng)灰色模型表現(xiàn)更好。然而，模型擬合效果好并不能說明其具有更好的泛化能力，有可能會存在擬合誤差小而預測誤差反而更大的現(xiàn)象，即我們通常所指的“過擬合”現(xiàn)象。為了考察“過擬合”在本次試驗中是否存在，同時考慮到灰色模型在短期預測中精度較高的特點，因此本研究在擬合分組試驗基礎(chǔ)上繼續(xù)設(shè)計了預測分組實驗，分別對湖南省各主要農(nóng)產(chǎn)品2018年的產(chǎn)量進行了預測，并把預測結(jié)果與實際情況進行對照，具體結(jié)果及預測相對誤差見表6。

表6 2018年湖南省主要農(nóng)產(chǎn)品產(chǎn)量預測結(jié)果以及兩種模型相對誤差對比Table 6 Forecast results of major agricultural products in 2018 and the relative errors between two models

通過預測相對誤差為參考數(shù)據(jù)來比較這兩種模型的預測可靠性，結(jié)果顯示總體上滑動無偏灰色模型的預測可靠程度更高、預測結(jié)果相對更好，在豬牛羊肉、蔬菜瓜果預測中滑動無偏灰色模型相對誤差略微高于傳統(tǒng)灰色模型，但誤差數(shù)值上相差不大。結(jié)果表明滑動無偏灰色模型相比傳統(tǒng)灰色模型具有更好的預測可靠性及泛化能力。

3 農(nóng)產(chǎn)品冷鏈物流需求量預測

3.1 農(nóng)產(chǎn)品冷鏈物流需求預測框架

本研究采用農(nóng)產(chǎn)品冷鏈流通量作為湖南省農(nóng)產(chǎn)品冷鏈物流需求量的度量指標，并根據(jù)不同年度各農(nóng)產(chǎn)品總產(chǎn)量的預測結(jié)果，結(jié)合我國冷鏈物流行業(yè)發(fā)展規(guī)劃以及湖南省各主要農(nóng)產(chǎn)品冷鏈流通率的有關(guān)數(shù)據(jù)進行分析，進而確定湖南省冷鏈物流需求量的預測結(jié)果是本研究采用的一種預估方法。農(nóng)產(chǎn)品冷鏈物流預測框架如圖1所示。

圖1 農(nóng)產(chǎn)品冷鏈物流需求預測框架Fig.1 Framework diagram of agricultural products cold chain logistics demand forecast

如圖1所示，從確定預測主題開始，依次進行收集數(shù)據(jù)、選擇方法、分析規(guī)律、建立模型、評估效果以及發(fā)布模型等步驟。特別需要注意的是選擇方法和分析規(guī)律之間是可逆箭頭，說明通過不斷來回往復選擇方法直到找到潛在規(guī)律驗證所選方法是正確的才可以進入建模環(huán)節(jié)。在效果評估的時候，如果沒有達到預期，則要按照①②③④的順序進行檢驗和反思，從模型、方法直到主題三個層面不斷調(diào)整進入循環(huán)，若評估效果達到預期則發(fā)布模型；發(fā)布模型與確定主題之間有一條有向虛線，表示已經(jīng)實現(xiàn)主題的內(nèi)容，從而結(jié)束循環(huán)，整個過程都是圍繞著數(shù)據(jù)展開。

3.2 湖南省2019—2025年主要農(nóng)產(chǎn)品產(chǎn)量預測

根據(jù)模型仿真及其檢驗結(jié)果，本研究選取滑動無偏灰色模型，以2009—2018年湖南省主要農(nóng)產(chǎn)品產(chǎn)量為原始數(shù)據(jù)，對2019—2025年湖南省各主要農(nóng)產(chǎn)品產(chǎn)量數(shù)據(jù)進行預測。由于灰色預測模型的短期預測可靠性一般較高，另外考慮到影響農(nóng)產(chǎn)品冷鏈物流需求量的因素隨著時間推移而發(fā)生動態(tài)變化，因此在實際預測時采取第次更新策略，即每次只預測后一年的產(chǎn)量，下一次預測將新數(shù)據(jù)加入到數(shù)據(jù)序列，并丟棄掉數(shù)據(jù)序列中最前面一年的數(shù)據(jù)，依次遞推進行預測[11]。2019—2025年湖南省各主要農(nóng)產(chǎn)品產(chǎn)量預測結(jié)果見表7。

表7 2019—2025年湖南省主要農(nóng)產(chǎn)品年總產(chǎn)量預測Table 7 Forecast results of major agricultural products in Hunan province from 2019 to 2025(/10 000 t)

3.3 湖南省農(nóng)產(chǎn)品冷鏈物流需求量預測

2010年國家發(fā)改委發(fā)布的《農(nóng)產(chǎn)品冷鏈物流發(fā)展規(guī)劃》指出，到2015年，要顯著提高肉類和水產(chǎn)品的冷鏈物流水平，加快發(fā)展果蔬冷鏈物流，果蔬、肉類、水產(chǎn)品冷鏈流通率分別提高到20%、30%、36%以上。同時，《湖南省農(nóng)產(chǎn)品冷鏈物流三年實施計劃（2015—2017）》中也明確提出，至2017年，分別將果蔬、肉類、水產(chǎn)品冷鏈流通率提高至16%、28%、36%以上[2]。同時根據(jù)調(diào)查，2014年湖南省各農(nóng)產(chǎn)品對應(yīng)的冷鏈流通率數(shù)據(jù)分別為7%、16%、21%，即果蔬、肉類、水產(chǎn)品流通率分別以年均3%、4%、5%的速度逐年遞增。考慮到國家在《物流業(yè)發(fā)展中長期規(guī)劃（2014—2020）》中明確提出要加強冷鏈物流基礎(chǔ)設(shè)施建設(shè)、完善冷鏈物流網(wǎng)絡(luò)，預計我國冷鏈物流的發(fā)展速度只會加快而不會減慢，因此不妨假定：在湖南省農(nóng)產(chǎn)品冷鏈物流需求量預測中，果蔬、肉類、水產(chǎn)品冷鏈流通率分別以年均3%、4%、5%的年均增長速度保持不變，直到達到100%的冷鏈流通率；此外假定禽蛋冷鏈流通率與肉類相同；牛奶等其他產(chǎn)品的冷鏈流通率為100%。以湖南省各主要農(nóng)產(chǎn)品產(chǎn)量預測數(shù)據(jù)分別與其對應(yīng)的冷鏈流通率相乘并求和，得到后續(xù)各年份（2019—2025年）的農(nóng)產(chǎn)品冷鏈物流需求量，具體結(jié)果見表8。

表8 2019-2025年湖南省農(nóng)產(chǎn)品冷鏈物流需求量預測值Table 8 Forecast results of cold chain logistics demand in Hunan province from 2019 to 2025 (/10 000 t)

4 結(jié)論與討論

4.1 結(jié) 論

本研究基于傳統(tǒng)灰色模型，構(gòu)建了滑動無偏灰色模型對湖南省農(nóng)產(chǎn)品冷鏈物流需求量進行預測。過程中采用湖南省最近10年（2009—2018年）可得的主要農(nóng)產(chǎn)品年產(chǎn)量作為基礎(chǔ)數(shù)據(jù)，設(shè)計了擬合分組試驗和預測分組試驗進行對比，并根據(jù)有關(guān)政策法規(guī)設(shè)計了湖南省冷鏈物流需求量的計算方法，并對湖南省2019—2025年的農(nóng)產(chǎn)品冷鏈物流需求量進行了初步預測。主要結(jié)論歸納為如下幾點：

1）傳統(tǒng)灰色模型在短期預測中表現(xiàn)出較高的可靠性，但其對初值敏感，且在中長期預測中偏差明顯。本研究在傳統(tǒng)灰色模型基礎(chǔ)上建立滑動無偏灰色模型，通過設(shè)計擬合與預測分組實驗證實了滑動無偏灰色模型相對于傳統(tǒng)灰色模型具有更好的預測可靠性和泛化能力。

2）本研究選取農(nóng)產(chǎn)品冷鏈流通量作為冷鏈物流量的度量指標，結(jié)合國家和相關(guān)地區(qū)出臺的相關(guān)政策法規(guī)作為依據(jù)，定量估計出湖南省各主要農(nóng)產(chǎn)品的冷鏈流通率；并據(jù)此采用滑動無偏灰色模型預估得到2019—2025年湖南省農(nóng)產(chǎn)品冷鏈物流需求量，旨在為湖南省“十四五”冷鏈物流設(shè)施規(guī)劃與增建提供理論依據(jù)。預測過程中，采用2009—2018年湖南省各主要農(nóng)產(chǎn)品產(chǎn)量為原始數(shù)據(jù)；結(jié)合具體情況分別確定各種農(nóng)產(chǎn)品的冷鏈流通率，采用逐年增長的策略加權(quán)求和確定后續(xù)各年份的農(nóng)產(chǎn)品冷鏈物流需求量。從表8中的預測數(shù)據(jù)可以看到：“十四五”期間，湖南省農(nóng)產(chǎn)品的冷鏈物流需求將迅速增加，年均增長率將達到15.42%。另外，2019—2025年期間每年相對于前一年的冷鏈物流需求增長分別為22.01%、17.75%、16.05%、14.30%、13.42%、12.53% 和11.91%；數(shù)據(jù)同時顯示，隨著湖南省冷鏈物流水平的不斷提高，農(nóng)產(chǎn)品對冷鏈物流需求的增加速度會逐步放緩。

4.2 討 論

農(nóng)產(chǎn)品冷鏈物流需求與人民生活息息相關(guān)，同時又深受國家宏觀政治、經(jīng)濟政策的影響，市場環(huán)境的變動也會引起物流需求的波動。因此，從冷鏈物流產(chǎn)業(yè)的長遠發(fā)展來看，各經(jīng)濟區(qū)域內(nèi)農(nóng)產(chǎn)品冷鏈物流產(chǎn)業(yè)的發(fā)展需要政府有關(guān)部門，消費者，冷鏈物流運營商、代理商和冷鏈物流投資商等供應(yīng)鏈環(huán)節(jié)的上下游各相關(guān)方共同配合協(xié)調(diào)、群體發(fā)力。結(jié)合湖南省經(jīng)濟社會發(fā)展具體情況，在制定區(qū)域冷鏈物流發(fā)展規(guī)劃及開展物流設(shè)施布局時，有關(guān)各級政府應(yīng)當深入調(diào)研區(qū)域市場，把握好冷鏈物流產(chǎn)業(yè)鏈中流通環(huán)節(jié)的上下游關(guān)系，合理布局各相關(guān)產(chǎn)業(yè)，并發(fā)揮各個產(chǎn)業(yè)之間的聯(lián)動作用。特別是在政府主導下引入冷鏈投資商方面，要緊密結(jié)合經(jīng)濟區(qū)域內(nèi)冷鏈物流市場供應(yīng)商的飽和度以及現(xiàn)存的冷鏈物流業(yè)態(tài)，盡可能避免區(qū)域內(nèi)同質(zhì)化競爭，并鼓勵投資商實施差異化投資。

另外，在預測方法選擇方面，本研究提出的方法雖然相對簡單有效，但是其考慮的影響因素相對單一；隨著大數(shù)據(jù)技術(shù)與人工智能的蓬勃發(fā)展，在未來研究中，我們將繼續(xù)采用最新的數(shù)據(jù)獲取方法，比如網(wǎng)絡(luò)爬蟲及文本挖掘的方法實時采集有關(guān)數(shù)據(jù)，采用數(shù)理統(tǒng)計建模的預測方法，綜合考慮影響經(jīng)濟區(qū)域農(nóng)產(chǎn)品冷鏈物流需求的各方面因素，更加適時準確地對有關(guān)區(qū)域開展農(nóng)產(chǎn)品冷鏈物流需求預測，進而為地方政府提供決策參考。