摘" 要：隨著疫情防控政策的調(diào)整，我國(guó)外貿(mào)行業(yè)呈現(xiàn)快速增長(zhǎng)態(tài)勢(shì)。文章基于改進(jìn)的灰色預(yù)測(cè)NGMG1，N模型，運(yùn)用MATLAB軟件，以上海港2013至2022年的集裝箱吞吐量為原始數(shù)據(jù)，預(yù)測(cè)未來(lái)五年上海港的集裝箱吞吐量，并對(duì)改進(jìn)的灰色NGMG1，N模型預(yù)測(cè)結(jié)果進(jìn)行精度檢驗(yàn)，結(jié)果顯示該模型預(yù)測(cè)精度較高。最后基于預(yù)測(cè)結(jié)果，分析上海港未來(lái)五年物流需求趨勢(shì)向好的主要原因并得出結(jié)論。

" 關(guān)鍵詞：灰色預(yù)測(cè)；NGMG1，N模型；港口物流；需求預(yù)測(cè)

" 中圖分類號(hào)：U691" " 文獻(xiàn)標(biāo)志碼：A" " DOI：10.13714/j.cnki.1002-3100.2024.15.019

Abstract： With the adjustment of epidemic prevention and control policies， China's foreign trade industry has shown a rapid growth trend. Based on the improved grey prediction NGMG1，N model， this paper uses MATLAB software to predict the container throughput of port of Shanghai in the next five years with the container throughput of Port of Shanghai from 2013 to 2022 as the original data， and tests the accuracy of the results of the improved grey prediction NGMG1，N model. The results show that the prediction accuracy of the model is high. Finally， based on the forecast results， the paper analyzes the main reasons for the logistics demand trend of Port of Shanghai to be better in the next five years and draws a conclusion.

Key words： grey prediction; NGMG1，N model; port logistics; demand forecast

0" 引" 言

" 自2019年新冠疫情爆發(fā)開始，時(shí)隔三年，廣交會(huì)重新開啟了新的篇章，向世人交出了一份滿意的答卷；2023年4月18日，國(guó)家統(tǒng)計(jì)局發(fā)布了第一季度的國(guó)民經(jīng)濟(jì)運(yùn)行情況，外貿(mào)同比增長(zhǎng)4.8%，創(chuàng)下了近四個(gè)季度的最高水平，這一轉(zhuǎn)變展現(xiàn)了我國(guó)外貿(mào)行業(yè)的穩(wěn)健性。上海港作為中國(guó)重要的港口，并且多年來(lái)港口吞吐量名列世界前茅，上海港的相關(guān)數(shù)據(jù)可以說(shuō)是中國(guó)乃至世界的外貿(mào)晴雨表，所以對(duì)上海港的物流需求進(jìn)行分析極為重要。

" 灰色預(yù)測(cè)模型是灰色系統(tǒng)理論的一個(gè)重要分支。具有一個(gè)變量和一個(gè)一階差分方程的GM1，1模型，是灰色預(yù)測(cè)模型的基礎(chǔ)和核心，它是最簡(jiǎn)單、使用最廣泛的單變量灰色預(yù)測(cè)模型。然而，GM1，1的結(jié)構(gòu)簡(jiǎn)單且不靈活，其參數(shù)需要優(yōu)化。因此，大量應(yīng)用程序表明，GM1，1的性能不夠穩(wěn)定，其模擬和預(yù)測(cè)錯(cuò)誤有時(shí)不能令人滿意。為了提高灰色預(yù)測(cè)模型的性能，很多研究者對(duì)GM1，1模型從不同的視角進(jìn)行了優(yōu)化，如參數(shù)優(yōu)化、結(jié)構(gòu)改進(jìn)、建模對(duì)象擴(kuò)展等。這些新的灰色預(yù)測(cè)模型在一定程度上有助于提高GM1，1模型的建模能力，雖然之前的研究增加了灰色預(yù)測(cè)模型的類型，但它們也導(dǎo)致了灰色模型的低級(jí)、簡(jiǎn)單的重復(fù)。

GM1，1模型只包括一個(gè)因變量，外部因素對(duì)系統(tǒng)發(fā)展趨勢(shì)的影響沒(méi)有建模。為了解決這一缺陷，后來(lái)又提出了一個(gè)具有一個(gè)因變量和N-1個(gè)獨(dú)立變量的多變量灰色預(yù)測(cè)模型，即GM1，N模型。但是，GM1，N模型無(wú)法與原始的GM1，1模型兼容。所謂無(wú)法兼容，就是當(dāng)N=1時(shí)，GM1，N不能轉(zhuǎn)換為相應(yīng)的GM1，1模型。實(shí)際上，早期的GM1，N模型本質(zhì)上并不是預(yù)測(cè)模型，而是主要用于描述系統(tǒng)特征變量和相關(guān)行為變量之間的關(guān)系。因此，在許多情況下，GM1，N模型的準(zhǔn)確性通常低于GM1，1模型的準(zhǔn)確性。為了改善GM1，N模型的結(jié)構(gòu)，將一些結(jié)構(gòu)參數(shù)，如插值系數(shù)、灰色作用項(xiàng)、時(shí)滯后項(xiàng)、虛擬變量和線性校正項(xiàng)添加到GM1，N模型中，然后提出了一些新的GM1，N模型。結(jié)構(gòu)參數(shù)的添加在一定程度上提高了GM1，N模型的性能。此外，還使用了各種智能方法來(lái)優(yōu)化GM1，N的參數(shù)，如累積生成順序、背景值分部系數(shù)和初始條件值、發(fā)展系數(shù)和灰色作用項(xiàng)目。上述研究的結(jié)果在提高多變量灰色預(yù)測(cè)模型的性能方面發(fā)揮了積極作用。然而，這些新的多變量灰色預(yù)測(cè)模型仍然與GM1，1模型不兼容。直到鄭波等提出了一個(gè)具有結(jié)構(gòu)兼容性的新型多變量灰色預(yù)測(cè)模型，即NGMG1，N模型，解決了這一問(wèn)題。本文正是基于NGMG1，N模型，利用MATLAB軟件構(gòu)建模型，對(duì)上海港未來(lái)五年的集裝箱吞吐量進(jìn)行預(yù)測(cè)并對(duì)預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià)，希望在豐富港口物流需求預(yù)測(cè)方法的同時(shí)，也能為上海港制定未來(lái)發(fā)展港口物流方案提供相對(duì)準(zhǔn)確的數(shù)據(jù)支持。

1" NGMG1，N模型構(gòu)建

1.1" 灰色預(yù)測(cè)模型的選取和介紹

" 本文運(yùn)用的是一種具有結(jié)構(gòu)兼容性的新型多變量灰色預(yù)測(cè)模型，該模型可以與傳統(tǒng)的主流灰色預(yù)測(cè)模型完全兼容，如GM1，1、NHGM1，1，K、GM1，N和GM0，N，并具有非常好的通用性和普遍性。NGMG1，N模型與傳統(tǒng)的灰色預(yù)測(cè)模型都是可以針對(duì)原始數(shù)據(jù)有限、原始信息匱乏的研究對(duì)象，將沒(méi)有明顯規(guī)律的原始數(shù)據(jù)進(jìn)行累加生成削弱了隨機(jī)性的較有規(guī)律的新的離散數(shù)據(jù)，然后通過(guò)建立微分方程模型，得到在離散點(diǎn)處的解，經(jīng)過(guò)累減生成的原始數(shù)據(jù)的近似估計(jì)值，從而預(yù)測(cè)原始數(shù)據(jù)的后續(xù)發(fā)展。由于目前對(duì)于港口集裝箱吞吐量的影響因素尚不明確，能夠收集到的數(shù)據(jù)較為有限，并且收集到的數(shù)據(jù)之間沒(méi)有明顯規(guī)律，而且關(guān)聯(lián)程度不高。在這樣一種情況下，選擇灰色預(yù)測(cè)模型比較適合。

" NGMG1，N模型是在原始灰色預(yù)測(cè)模型中加入因變量滯后項(xiàng)、線性修正項(xiàng)和隨機(jī)擾動(dòng)項(xiàng)，提出一種新的具有良好結(jié)構(gòu)相容性的多變量灰色預(yù)測(cè)模型。提出者從理論上證明了通過(guò)調(diào)整和改變模型參數(shù)，新模型可以完全兼容主流的單變量和多變量灰色預(yù)測(cè)模型，在其兼容性上本文不作多的解釋證明。當(dāng)前國(guó)際形勢(shì)多變，港口集裝箱吞吐量會(huì)受到國(guó)際形勢(shì)影響，同樣也會(huì)受到國(guó)內(nèi)政策影響，防疫政策改變、國(guó)外港口時(shí)而罷工，各種不確定因素充斥其間，因此需要選擇一個(gè)高性能的灰色預(yù)測(cè)模型。在之前對(duì)于灰色預(yù)測(cè)的研究中，結(jié)構(gòu)參數(shù)及其優(yōu)化方法的多樣性導(dǎo)致了數(shù)十個(gè)多變量灰色預(yù)測(cè)模型的生成。盡管增加了灰色預(yù)測(cè)模型的類型，但是也導(dǎo)致了灰色模型的低級(jí)、簡(jiǎn)單的重復(fù)，同時(shí)，也導(dǎo)致用戶選擇合適的多變量灰色預(yù)測(cè)模型來(lái)解決實(shí)際問(wèn)題很麻煩。而NGMG1，N模型不僅具有良好結(jié)構(gòu)相容性，而且加入了因變量滯后項(xiàng)、線性修正項(xiàng)和隨機(jī)擾動(dòng)項(xiàng)，模型的性能也優(yōu)于其他經(jīng)典的灰色預(yù)測(cè)模型，因此，本文采用NGMG1，N模型來(lái)預(yù)測(cè)未來(lái)五年上海港的物流需求。

1.2" NGMG1，N模型的構(gòu)建

2" NGMG1，N模型在物流需求預(yù)測(cè)中的實(shí)際應(yīng)用

2.1" 上海港近十年集裝箱吞吐量統(tǒng)計(jì)

" 本文將以上海港2013至2022年的集裝箱吞吐量為原始數(shù)據(jù)，預(yù)測(cè)未來(lái)五年上海港的集裝箱吞吐量。根據(jù)上海市統(tǒng)計(jì)局官網(wǎng)上發(fā)布的數(shù)據(jù)，通過(guò)整理得到上海港2013至2022年的集裝箱吞吐量如表1所示。

直觀的觀察數(shù)據(jù)并不能得出結(jié)論，通過(guò)圖2可以看出，上海港近十年來(lái)的集裝箱吞吐量是上升的，增長(zhǎng)速度有快有慢。但是由于數(shù)據(jù)有限，無(wú)法觀察出數(shù)據(jù)規(guī)律，所以本文選擇利用NGMG1，N模型去挖掘有限數(shù)據(jù)的本質(zhì)規(guī)律。具體的步驟概述如下：

" 第一，可以直接觀察到數(shù)據(jù)量少而且沒(méi)有明顯規(guī)律。第二，可以嘗試選擇灰色預(yù)測(cè)模型去挖掘數(shù)據(jù)規(guī)律，本文選擇NGMG1，N模型。第三，檢驗(yàn)原始數(shù)據(jù)是否符合使用灰色預(yù)測(cè)模型的標(biāo)準(zhǔn)，防止預(yù)測(cè)以后發(fā)現(xiàn)白忙活一場(chǎng)，所以可以先進(jìn)行級(jí)比檢驗(yàn)，通過(guò)檢驗(yàn)就可以使用灰色預(yù)測(cè)模型，通不過(guò)檢驗(yàn)可以對(duì)原始數(shù)據(jù)進(jìn)行平移變換，即在原始數(shù)據(jù)上同時(shí)增加或減少一定數(shù)據(jù)量，使得其能通過(guò)級(jí)比檢驗(yàn)，在灰色模型預(yù)測(cè)結(jié)束后，再將預(yù)測(cè)數(shù)據(jù)結(jié)果進(jìn)行平移變換即可。第四，將數(shù)據(jù)代入NGMG1，N模型進(jìn)行預(yù)測(cè)，大致的邏輯順序是構(gòu)造累加序列制造規(guī)律，再利用微分方程擬合新序列，接著用最小二乘法求得未知參數(shù)，解出微分方程的結(jié)果，得到預(yù)測(cè)值。第五，需要對(duì)NGMG1，N模型預(yù)測(cè)得到的結(jié)果進(jìn)行評(píng)價(jià)，評(píng)價(jià)的方法很多，比如殘差檢驗(yàn)、級(jí)比偏差檢驗(yàn)等，具體的數(shù)據(jù)應(yīng)該視情況而定檢驗(yàn)評(píng)價(jià)方式，通過(guò)了檢驗(yàn)說(shuō)明預(yù)測(cè)值是可靠的，沒(méi)通過(guò)檢驗(yàn)則需要改進(jìn)模型或者更換模型重新進(jìn)行分析。以上的詳細(xì)步驟主要通過(guò)MATLAB軟件進(jìn)行，大致的步驟整理如圖3所示：

2.2" 基于NGMG1，N模型上海港物流需求預(yù)測(cè)與評(píng)價(jià)

在MATLAB軟件中輸入上海港2013至2022年的集裝箱吞吐量數(shù)據(jù)，運(yùn)行程序，得到以下結(jié)果。

" 首先，進(jìn)行原始數(shù)據(jù)的檢驗(yàn)，得到指標(biāo)1：光滑比小于0.5的數(shù)據(jù)占比為77.777 8%；指標(biāo)2：除去前兩個(gè)時(shí)期外，光滑比小于0.5的數(shù)據(jù)占比為100%。評(píng)判標(biāo)準(zhǔn)為指標(biāo)1一般要大于60%，指標(biāo)2要大于90%，所以該組數(shù)據(jù)能夠通過(guò)級(jí)比檢驗(yàn)，可以利用NGMG1，N模型進(jìn)行預(yù)測(cè)。

運(yùn)行后，得到了原始數(shù)據(jù)的擬合結(jié)果和往后5期數(shù)據(jù)的預(yù)測(cè)結(jié)果，如圖4所示。

模型的模擬和預(yù)測(cè)數(shù)據(jù)越接近真實(shí)數(shù)據(jù)，模型的性能就越好。從圖5中可以清楚地看到，NGMG1，N模型的散點(diǎn)圖與真實(shí)數(shù)據(jù)非常重疊，說(shuō)明模型的性能很好，模擬和預(yù)測(cè)數(shù)據(jù)很接近真實(shí)數(shù)據(jù)。除了直觀的圖形表示，還需要具體的數(shù)據(jù)運(yùn)算，對(duì)模型進(jìn)行評(píng)價(jià)，如圖6所示。

" 可以看到，平均相對(duì)殘差為0.014 887，殘差檢驗(yàn)的結(jié)果表明：該模型對(duì)原數(shù)據(jù)的擬合程度很高。平均級(jí)比偏差為0.021 801，級(jí)比偏差檢驗(yàn)的結(jié)果表明：該模型對(duì)原數(shù)據(jù)的擬合程度也很高。

2.3" 基于NGMG1，N模型上海港物流需求預(yù)測(cè)結(jié)果分析

" 根據(jù)NGMG1，N模型的預(yù)測(cè)結(jié)果，可以看出上海港未來(lái)五年的物流需求是逐漸上升的，整體趨勢(shì)是向好的，主要原因如下：

" 第一，上海港作為中國(guó)最大的集裝箱碼頭，也是全球規(guī)模最大最先進(jìn)的自動(dòng)化碼頭，其國(guó)際樞紐的地位早已形成，隨著中國(guó)對(duì)外經(jīng)濟(jì)的發(fā)展，上海港會(huì)推進(jìn)我國(guó)由航運(yùn)大國(guó)向航運(yùn)強(qiáng)國(guó)發(fā)展發(fā)揮巨大地推動(dòng)作用。

" 第二，上海港配備有最先進(jìn)的自動(dòng)化設(shè)備，最智能的控制系統(tǒng)，根據(jù)實(shí)時(shí)交通情況規(guī)劃最優(yōu)路線，自動(dòng)避障，自動(dòng)導(dǎo)航，創(chuàng)造的效率也是最高的，上海港碼頭晝夜不停作業(yè)，也會(huì)不停刷新碼頭吞吐量的高效紀(jì)錄。

" 第三，隨著防疫政策調(diào)整，中國(guó)對(duì)外對(duì)內(nèi)的貿(mào)易活動(dòng)會(huì)逐步復(fù)蘇，國(guó)家政策的支持，外貿(mào)活動(dòng)會(huì)繼續(xù)蓬勃發(fā)展，物流需求會(huì)進(jìn)一步擴(kuò)大。

" 第四，物流技術(shù)的提升也推動(dòng)了上海港的物流需求。不僅有先進(jìn)的自動(dòng)化技術(shù)，還有不斷突破的集裝箱船型，不僅有逐步整合的航線提升效率，還有更立體化的智能防控系統(tǒng)提供安全穩(wěn)定的環(huán)境，這些進(jìn)步推動(dòng)著物流需求的擴(kuò)大。

3" 結(jié)論與展望

" 本文基于改進(jìn)的灰色預(yù)測(cè)模型NGMG1，N模型，運(yùn)用MATLAB軟件，以上海港2013至2022年的集裝箱吞吐量為原始數(shù)據(jù)，預(yù)測(cè)未來(lái)五年上海港的集裝箱吞吐量，并對(duì)改進(jìn)的NGMG1，N模型結(jié)果進(jìn)行殘差檢驗(yàn)和偏差檢驗(yàn)，結(jié)果證明該模型能較好地預(yù)測(cè)上海港物流需求量在2023至2027年的發(fā)展趨勢(shì)。本文根據(jù)預(yù)測(cè)結(jié)果分析了物流需求增長(zhǎng)的原因，同時(shí)本文建立的預(yù)測(cè)模型能在一定程度上幫助上海港制定未來(lái)發(fā)展碼頭物流的相關(guān)措施方案時(shí)，提供相對(duì)可靠的數(shù)據(jù)依據(jù)。但是，本文的模型沒(méi)有考慮到自變量自身的時(shí)滯效應(yīng)對(duì)結(jié)果的偏差，參數(shù)和結(jié)構(gòu)的改進(jìn)仍有較大空間，預(yù)測(cè)結(jié)果只是針對(duì)集裝箱吞吐量，沒(méi)有關(guān)注到商品的細(xì)致分類，這些都是值得進(jìn)一步研究的方面。

參考文獻(xiàn)：

[1] 李惠，曾波，周文浩. 基于灰色參數(shù)組合優(yōu)化新模型的生活垃圾清運(yùn)量預(yù)測(cè)研究[J]. 中國(guó)管理科學(xué)，2022，30（4）：96-107.

[2]" ZENG B， DUAN H， ZHOU Y. A new multivariable grey prediction model with structure compatibility[J]. Applied Mathematical Modelling， 2019，75（3）：44-56.

[3]" HUIMIN Z， YAOGUO D， DELING Y， et al. An improved grey multivariable time-delay prediction model with application to the value of high-tech industry[J]. Expert Systems with Applications， 2023，213：23-31.

[4]" LUO D， SUN D. Data-driven structure selection for the grey NGMC1，N model[J]. Grey Systems： Theory and Application， 2021，12（2）：132-147.

[5]" FENGFENG Y， ZENG B， LEAN Y， et al. Prediction of carbon dioxide emissions in China using a novel grey model with multi-parameter combination optimization[J]. Journal of Cleaner Production， 2023（4）：83-92.

[6]" LI S， GONG K， ZENG B， et al. Development of the GM1，1，b model with a trapezoidal possibility function and its application[J]. Grey Systems： Theory and Application， 2021，12（2）：97-105.

[7]nbsp; PINGPING X， LUSHUANG X， YUCHUN L， et al. Forecasting carbon emissions using a multi-variable GM1，N model based on linear time-varying parameters[J]. Journal of Intelligent amp; Fuzzy Systems， 2021，41（6）：163-177.

[8]" ALOK D. Developing a grey forecasting model for the air flowing across the parallel plate duct[J]. Energies， 2022，15（5）：22

-34.

[9]" AKASH S， A R Z， WAGDY A M. Development of grey machine learning models for forecasting of energy consumption， carbon emission and energy generation for the sustainable development of society[J]. Mathematics， 2023，11（6）：27-40.

[10]" ZENG B， MA X， ZHOU M. A new-structure grey verhulst model for China's tight gas production forecasting[J]. Applied Soft Computing Journal， 2020，96（6）：79-92.

[11] 李蒙，劉爽，李艷茹. “十四五”時(shí)期上海市居民人均可支配收入預(yù)測(cè)——基于GM1，1模型[J]. 經(jīng)濟(jì)研究導(dǎo)刊，2022，22（24）：78-80.

[12] 馬娟，馬新，吳文青，等. 具有雙曲余弦項(xiàng)的新型灰色預(yù)測(cè)模型及其在居民生活能源消費(fèi)量中的應(yīng)用[J]. 計(jì)算機(jī)與數(shù)字工程，2022，50（7）：1399-1404，1416.

[13] 李惠，曾波，茍小義，等. 基于統(tǒng)一灰色生成算子的三參數(shù)離散灰色預(yù)測(cè)模型及其應(yīng)用[J]. 運(yùn)籌與管理，2022，31（7）：119-123.

[14] 付洪濤，武英濤. 科創(chuàng)型企業(yè)價(jià)值評(píng)估模型的構(gòu)建與應(yīng)用研究——基于灰色預(yù)測(cè)、剩余收益和實(shí)物期權(quán)模型的綜合框架[J]. 金融管理研究，2021，10（1）：85-103.

[15] 李曄，丁圓蘋. 基于驅(qū)動(dòng)因素控制的線性時(shí)變參數(shù)DLDGM1，N模型[J]. 中國(guó)管理科學(xué)，2022，30（3）：221-229.

收稿日期：2023-08-18

作者簡(jiǎn)介：柳德才（1973—），男，湖北漢川人，武漢科技大學(xué)管理學(xué)院，副教授，經(jīng)濟(jì)學(xué)博士，碩士生導(dǎo)師，研究方向：金融經(jīng)濟(jì)、物流工程與管理；張世林（1998—），男（回族），湖北潛江人，武漢科技大學(xué)管理學(xué)院碩士研究生，研究方向：社會(huì)物流。

引文格式：柳德才，張世林. 基于改進(jìn)灰色預(yù)測(cè)模型的港口物流需求預(yù)測(cè)研究——以上海港為例[J]. 物流科技，2024，47（15）：75-79.