馬佳玉，孫宗軍MA Jiayu, SUN Zongjun

（1. 西安汽車職業(yè)大學(xué)，陜西 臨潼 710038；2. 山東科技大學(xué)，山東 青島 266590）

0 引 言

隨著信息化的不斷發(fā)展，電子商務(wù)已經(jīng)成為驅(qū)動(dòng)中國(guó)經(jīng)濟(jì)發(fā)展的重要?jiǎng)恿?，“互?lián)網(wǎng)+”的新興物流體系也有效激發(fā)了物流行業(yè)的創(chuàng)造力。就農(nóng)產(chǎn)品電商銷售而言，相較于傳統(tǒng)的線下銷售，其產(chǎn)品豐富、交易快捷、流程簡(jiǎn)單等優(yōu)勢(shì)突出，線上銷售在農(nóng)產(chǎn)品的供銷體系中發(fā)揮著重要作用。

為有效把握電商銷售下的生鮮農(nóng)產(chǎn)品需求量的發(fā)展方向與變化趨勢(shì)，選擇合理的需求預(yù)測(cè)模型并進(jìn)行有效的需求預(yù)測(cè)至關(guān)重要，而建立合理的需求預(yù)測(cè)體系是可靠預(yù)測(cè)的前提。黃凱等選擇社會(huì)零售品消費(fèi)總額、人均GDP 等15 個(gè)指標(biāo)構(gòu)建了生鮮農(nóng)產(chǎn)品需求預(yù)測(cè)體系，并采用GM、BP 神經(jīng)網(wǎng)絡(luò)和RBF 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)了2018～2022 年中國(guó)生鮮農(nóng)產(chǎn)品冷鏈物流需求量；張繼良等提出了包括經(jīng)濟(jì)發(fā)展程度、產(chǎn)業(yè)結(jié)構(gòu)等因素在內(nèi)預(yù)測(cè)體系，并采用多變量灰色預(yù)測(cè)模型預(yù)測(cè)了2020～2024 年的山東省生鮮農(nóng)產(chǎn)品需求量；楊航等選擇蔬菜產(chǎn)量、水果產(chǎn)量等因素作為預(yù)測(cè)體系的自變量，并預(yù)測(cè)了陜西省五年內(nèi)的冷鏈需求量。

然而，目前農(nóng)產(chǎn)品的需求量預(yù)測(cè)研究主體多為省市地區(qū)的預(yù)測(cè)，主體為電商環(huán)境下農(nóng)場(chǎng)經(jīng)營(yíng)單位的農(nóng)產(chǎn)品需求預(yù)測(cè)研究相對(duì)缺乏?；谏鲜鰡?wèn)題，本文選擇青島市西海岸某農(nóng)場(chǎng)為研究對(duì)象，對(duì)其生鮮農(nóng)產(chǎn)品需求量進(jìn)行了預(yù)測(cè)。文中給出了農(nóng)場(chǎng)電商生鮮農(nóng)產(chǎn)品需求量預(yù)測(cè)體系的建立原則與過(guò)程，同時(shí)對(duì)某農(nóng)場(chǎng)生鮮農(nóng)產(chǎn)品需求預(yù)測(cè)的應(yīng)用實(shí)例也證明了需求預(yù)測(cè)體系與預(yù)測(cè)模型的有效性與適用性。

1 農(nóng)場(chǎng)電商生鮮農(nóng)產(chǎn)品需求量預(yù)測(cè)指標(biāo)體系構(gòu)建

物流需求是派生性需求，影響及制約物流需求量的因素眾多。進(jìn)行可靠物流需求預(yù)測(cè)的基礎(chǔ)是構(gòu)建合理的需求預(yù)測(cè)體系，在選擇預(yù)測(cè)指標(biāo)時(shí)應(yīng)遵循可得性、相關(guān)性以及獨(dú)立性原則。

1.1 指標(biāo)選取

本文參考文獻(xiàn)[8]的研究成果，結(jié)合農(nóng)場(chǎng)電商生鮮產(chǎn)品的特點(diǎn)，分別從電商生鮮農(nóng)產(chǎn)品供給影響因素（X）、社會(huì)經(jīng)濟(jì)環(huán)境（X）、人文因素（X）、載運(yùn)情況（X）以及線上影響因素（X）5 個(gè)維度選取了影響因素。

（1） 生鮮農(nóng)產(chǎn)品供給影響因素主要包括生鮮農(nóng)產(chǎn)品總產(chǎn)值。這一部分的指標(biāo)選取來(lái)源于自農(nóng)場(chǎng)開始運(yùn)用線上銷售模式開始統(tǒng)計(jì)的各年度各季度的訂單情況，包括生鮮農(nóng)產(chǎn)品的需求量、總產(chǎn)值。該指標(biāo)直接影響到農(nóng)場(chǎng)的定價(jià)、種植計(jì)劃等多個(gè)方面，需要對(duì)其影響進(jìn)行研究分析。

（2） 社會(huì)經(jīng)濟(jì)環(huán)境主要包括城鎮(zhèn)居民食品消費(fèi)價(jià)格指數(shù)、地區(qū)生產(chǎn)總值、第一產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)增加值、進(jìn)出口總額。居民食品消費(fèi)價(jià)格指數(shù)可以表征日常消費(fèi)產(chǎn)品價(jià)格對(duì)居民生活成本的貢獻(xiàn)度，生鮮農(nóng)產(chǎn)品是居民生活的日?；A(chǔ)需求之一，在居民生活成本中占有重要地位，居民食品消費(fèi)價(jià)格指數(shù)可以反映地區(qū)居民對(duì)生鮮農(nóng)產(chǎn)品的需求狀況；地區(qū)生產(chǎn)總值與地區(qū)居民的購(gòu)買力整體上表現(xiàn)為正相關(guān)關(guān)系，電商農(nóng)產(chǎn)品生產(chǎn)上表現(xiàn)為第一產(chǎn)業(yè)、銷售渠道上表現(xiàn)為第三產(chǎn)業(yè)，電商生鮮農(nóng)產(chǎn)品與第一產(chǎn)業(yè)、第三產(chǎn)業(yè)相互促進(jìn)、共同發(fā)展；進(jìn)出口總額與地區(qū)生鮮農(nóng)產(chǎn)品的進(jìn)出口狀況聯(lián)系密切，山東省作為農(nóng)業(yè)大省、“一帶一路”主要港口城市，其產(chǎn)出的農(nóng)產(chǎn)品主要滿足本地區(qū)居民的日常需求及對(duì)外出口需求。

（3） 人文因素主要包括城鎮(zhèn)居民人均消費(fèi)支出、本地區(qū)人口數(shù)量、第三產(chǎn)業(yè)從業(yè)人數(shù)。人口數(shù)量與生鮮農(nóng)產(chǎn)品的消費(fèi)力緊密相關(guān)，生鮮農(nóng)產(chǎn)品支出是城鎮(zhèn)居民人均消費(fèi)支出的重要組成部分，第三產(chǎn)業(yè)從業(yè)人數(shù)可以反映地區(qū)居民的收入消費(fèi)水平。

（4） 載運(yùn)情況主要包括貨運(yùn)量、載貨汽車量。生鮮農(nóng)產(chǎn)品配送是物流產(chǎn)業(yè)的重要組成部分，貨運(yùn)量以及載貨汽車量可以直接反映地區(qū)的物流市場(chǎng)以及載運(yùn)能力。

（5） 線上影響因素主要包括電子商務(wù)營(yíng)業(yè)額、移動(dòng)電話用戶數(shù)、移動(dòng)互聯(lián)網(wǎng)用戶使用數(shù)。我國(guó)的B2B、C2B、B2B2C、C2C、O2O 等網(wǎng)絡(luò)銷售模式，一方面極大地拓展了生鮮農(nóng)產(chǎn)品的銷售渠道，另一方面也提高了居民的農(nóng)產(chǎn)品消費(fèi)需求。電子商務(wù)營(yíng)業(yè)額、移動(dòng)電話用戶數(shù)、移動(dòng)互聯(lián)網(wǎng)用戶使用數(shù)能夠很好地反映電商環(huán)境對(duì)生鮮農(nóng)產(chǎn)品需求量產(chǎn)生的影響。

1.2 相關(guān)性分析與數(shù)據(jù)集構(gòu)建

以山東省2015～2019 年指標(biāo)數(shù)據(jù)資料為基礎(chǔ)，采用一次指數(shù)平滑法補(bǔ)充山東省西海岸新區(qū)生鮮農(nóng)產(chǎn)品需求量及相關(guān)數(shù)據(jù)，構(gòu)建完整的數(shù)據(jù)集，同時(shí)運(yùn)用SPSS 數(shù)據(jù)分析軟件分析各因素公因子方差，各指標(biāo)累計(jì)貢獻(xiàn)率如表1 所示，生鮮農(nóng)產(chǎn)品需求量指標(biāo)體系如表2 所示。X～X均與Y 有密切相關(guān)性，本次選取的各個(gè)指標(biāo)對(duì)需求量累計(jì)貢獻(xiàn)率全部高于85%，其中X人口數(shù)量（萬(wàn)人）、X第三產(chǎn)業(yè)從業(yè)人數(shù)（萬(wàn)人）、X載貨汽車量（輛）、X電子商務(wù)營(yíng)業(yè)額（萬(wàn)億） 在數(shù)據(jù)集中對(duì)需求量（Y ）的影響最大。

表1 各指標(biāo)累計(jì)貢獻(xiàn)率 單位：%

表2 生鮮農(nóng)產(chǎn)品需求量指標(biāo)體系

2 基于ARIMA 的生鮮農(nóng)產(chǎn)品需求量模型構(gòu)建與分析

2.1 ARIMA 模型建立

將所建立的數(shù)據(jù)集選擇16 組數(shù)據(jù)作為訓(xùn)練集、3 組數(shù)據(jù)作為測(cè)試集，其中訓(xùn)練集用于MATLAB 軟件的ARIMA 建模，測(cè)試集用來(lái)檢驗(yàn)ARIMA 模型的可靠性?；贏RIMA （p,d,q ）生鮮農(nóng)產(chǎn)品需求量模型的建模過(guò)程如下：

（1） 數(shù)據(jù)集的平穩(wěn)性檢驗(yàn)。ARIMA 模型預(yù)測(cè)時(shí)使用的時(shí)間序列必須是平穩(wěn)的非白噪聲序列，若構(gòu)建的數(shù)據(jù)集不平穩(wěn)，需要進(jìn)行d 階差分處理，將數(shù)據(jù)集轉(zhuǎn)化為平穩(wěn)序列，差數(shù)階數(shù)d 通常小于3。

（2） ARIMA （p,d,q ）建立。運(yùn)用自回歸模型AR（p ）、滑動(dòng)平均模型MA（q ）對(duì)處理后的平穩(wěn)且非白噪聲序列進(jìn)行擬合、分析、預(yù)測(cè)，求和自回歸移動(dòng)平均模型可表示為ARIMA （p,d,q ），如式（1） 所示。

式中：Δd= （1- B）為d 階差分，Θ（B ）=1-θB-…-θB為ARMA （p,q ）模型中的移動(dòng)平滑系數(shù)多項(xiàng)式，Φ（B ）=1-φB-…-φB為ARMA （p,q ）模型中的自回歸系數(shù)多項(xiàng)式。

2.2 生鮮農(nóng)產(chǎn)品需求量預(yù)測(cè)分析

依據(jù)前文構(gòu)建的數(shù)據(jù)集，構(gòu)建了如圖1 所示的2015～2019 年前三季度農(nóng)場(chǎng)生鮮農(nóng)產(chǎn)品需求量原始時(shí)序圖，運(yùn)用MATLAB對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)處理，ARIMA 模型自相關(guān)系數(shù)如圖2 所示。試均值常數(shù)E （X）=μ=0.02632，且生鮮農(nóng)產(chǎn)品需求量并未圍繞某一特定值上下波動(dòng)，因此構(gòu)建的數(shù)據(jù)集為非平穩(wěn)時(shí)間序列。同時(shí)，單位根檢驗(yàn)H=adftest （DX ）=1，表明自變量（X～X）與因變量（Y ）存在欺騙關(guān)系。

圖1 生鮮農(nóng)產(chǎn)品需求量原始時(shí)序圖

圖2 ARIMA 模型自相關(guān)系數(shù)垂線圖

為保障數(shù)據(jù)的真實(shí)性與可靠性，采用低階差分方式處理數(shù)據(jù)集，可以有效避免過(guò)度差分造成的系列信息丟失、數(shù)據(jù)精度欠佳的現(xiàn)象，本文采用一階差分方式處理數(shù)據(jù)集，結(jié)果如圖3 所示。差分自相關(guān)系數(shù)在（-0.5～）1 波動(dòng)，且多數(shù)差分自相關(guān)系數(shù)在0 附近，經(jīng)一階差分處理后的數(shù)據(jù)集滿足平穩(wěn)時(shí)間序列。為建立擬合精度與參數(shù)配置的綜合最優(yōu)預(yù)測(cè)模型，避免過(guò)度擬合現(xiàn)象，采用AIC 最小值的模型確定為最優(yōu)模型，選取了16 組訓(xùn)練，3 組測(cè)試；19 組訓(xùn)練，16 組測(cè)試的組合模式，求得最小的AIC=5.7374。因此，差分處理后的數(shù)據(jù)集可以用于ARIMA 模型進(jìn)行需求預(yù)測(cè)分析。

圖3 ARIMA 模型差分序列自相關(guān)系數(shù)垂線圖

將數(shù)據(jù)集劃分為16 組訓(xùn)練數(shù)據(jù)，3 組測(cè)試數(shù)據(jù)，運(yùn)用MATLAB 軟件進(jìn)行ARIMA 建模，得到關(guān)于生鮮農(nóng)產(chǎn)品需求量的預(yù)測(cè)結(jié)果，模型擬合結(jié)果如表3 所示。預(yù)測(cè)結(jié)果顯示R平均值為0.992，且RMSE、MAPE 誤差較小，表明模型可靠、預(yù)測(cè)精度較高。

表3 ARMIA 模型預(yù)測(cè)誤差

ARIMA 模型預(yù)測(cè)結(jié)果如表4 所示，2019 年第一季度、第二季度、第三季度的預(yù)測(cè)值分別為236.44、242.96、249.69 噸，其誤差分別為0.09%、0.01%、0.05%，表明ARIMA 預(yù)測(cè)模型可以用于農(nóng)場(chǎng)電商生鮮農(nóng)產(chǎn)品的需求預(yù)測(cè)。

表4 ARMIA 模型預(yù)測(cè)結(jié)果

3 結(jié) 論

本文基于可得性、相關(guān)性以及獨(dú)立性原則，選取影響電商農(nóng)場(chǎng)生鮮農(nóng)產(chǎn)品需求量的影響指標(biāo)，同時(shí)就預(yù)測(cè)指標(biāo)的合理性進(jìn)行相關(guān)性分析，構(gòu)建了包括生鮮農(nóng)產(chǎn)品供給影響、社會(huì)經(jīng)濟(jì)環(huán)境、人文因素、載運(yùn)情況以及線上影響因素的農(nóng)場(chǎng)電商生鮮農(nóng)產(chǎn)品需求預(yù)測(cè)體系，并以青島市某農(nóng)場(chǎng)進(jìn)行了ARIMA 模型預(yù)測(cè)的實(shí)例驗(yàn)證。結(jié)果表明，該農(nóng)場(chǎng)2019 年第一季度、第二季度、第三季度的農(nóng)產(chǎn)品需求預(yù)測(cè)誤差分別為0.09%、0.01%、0.05%，農(nóng)場(chǎng)電商生鮮農(nóng)產(chǎn)品需求量預(yù)測(cè)指標(biāo)體系與ARIMA 預(yù)測(cè)模型的應(yīng)用狀況良好，可以為該農(nóng)場(chǎng)的區(qū)域物流系統(tǒng)規(guī)劃與設(shè)計(jì)提供科學(xué)指導(dǎo)。