摘" 要：河南省作為中國重要的交通樞紐和經(jīng)濟中心，多式聯(lián)運貨運量的預(yù)測研究對于制定有效的交通運輸方案和物流戰(zhàn)略至關(guān)重要。文章采用灰色預(yù)測模型，結(jié)合河南省多式聯(lián)運貨運量的歷史數(shù)據(jù)，對未來一段時間內(nèi)的貨運量進(jìn)行了預(yù)測。該模型能夠有效處理數(shù)據(jù)中的不確定性和不完整性，提供較為可靠的預(yù)測結(jié)果。通過對預(yù)測結(jié)果的分析，模型平均相對誤差為0.967%，模型擬合效果良好?？梢詾楹幽鲜∥磥淼慕煌ㄟ\輸規(guī)劃和物流戰(zhàn)略制定提供重要參考。也有助于合理配置資源，優(yōu)化運輸布局，提高運輸效率，從而推動河南省多式聯(lián)運的可持續(xù)發(fā)展。

關(guān)鍵詞：灰色預(yù)測模型；多式聯(lián)運；預(yù)測研究

中圖分類號：U294" " 文獻(xiàn)標(biāo)志碼：A" " DOI：10.13714/j.cnki.1002-3100.2024.17.022

Abstract： Henan Province， as an important transportation hub and economic center in China， the prediction study of multimodal freight volume is crucial for formulating effective transportation plans and logistics strategies. This study uses the grey forecasting model， combining historical data on multimodal freight volume in Henan Province， to forecast freight volume for a certain period in the future. The model can effectively handle the uncertainty and incompleteness in the data and provide relatively reliable forecast results. Through the analysis of the forecast results， the average relative error of the model is 0.967%， and the model fitting effect is good. It can provide important reference for the future transportation planning and logistics strategy formulation in Henan Province. It is also helpful to rationally allocate resources， optimize transportation layout， improve transportation efficiency， and thus promote the sustainable development of multimodal transportation in Henan Province.

Key words： grey prediction model; multimodal transport; forecasting research

0" 引" 言

多式聯(lián)運能夠通過組合不同的運輸方式來完成貨物運輸，從而提高整體運輸效率和質(zhì)量。而多式聯(lián)運貨運量的預(yù)測能夠在資源配置優(yōu)化、物流規(guī)劃與布局、成本控制、決策支持等方面發(fā)揮重要的作用。多式聯(lián)運貨運量的有效預(yù)測不僅對于個體企業(yè)的運營決策有重要意義，也對整個物流體系的協(xié)調(diào)發(fā)展和社會經(jīng)濟的可持續(xù)增長有深遠(yuǎn)影響。

郭秋霞[1]依據(jù)黑龍江省近10年的貨物運輸量，利用灰色預(yù)測模型對黑龍江未來4年的貨運量進(jìn)行預(yù)測，為黑龍江地區(qū)物流發(fā)展提供依據(jù)。針對集裝箱多式聯(lián)運貨運量預(yù)測準(zhǔn)確性不足的問題，辜勇等[2]用網(wǎng)格搜索交叉驗證改進(jìn)的隨機森林算法，以營口至武漢的多式聯(lián)運案例進(jìn)行驗證。尹玥等[3]運用MATLAB軟件，采用灰色GM1，1模型，預(yù)測出農(nóng)產(chǎn)品物流需求并對京津冀地區(qū)農(nóng)產(chǎn)品物流需求進(jìn)行科學(xué)分析，在相關(guān)政策實施的前提下對津冀兩地提出有效的農(nóng)產(chǎn)品物流發(fā)展建議。李杰等[4]以蕪湖港2012—2019年的港口集裝箱貨運量數(shù)據(jù)為例預(yù)測模型并進(jìn)行驗證，為蕪湖港未來的發(fā)展規(guī)劃提供一些合理的建議。彭麗潔等[5]將灰色預(yù)測模型與灰色馬爾可夫模型進(jìn)行對比，后者預(yù)測精度更高，模型參考價值得到有效提升，為煙臺市鐵路各線路計劃的制定、掌握鐵路客運量發(fā)展規(guī)律提供理論參考和數(shù)據(jù)支撐。

綜上可見，已有學(xué)者對于物流運輸量進(jìn)行預(yù)測，而對于多式聯(lián)運這一運輸方式的預(yù)測分析較少。為此，在前人的研究上利用灰色預(yù)測模型對河南省多式聯(lián)運貨運量進(jìn)行預(yù)測分析，為河南省交通運輸和物流領(lǐng)域的決策提供了有力的決策支持，有助于應(yīng)對未來的挑戰(zhàn)并抓住機遇。

1" 灰色預(yù)測模型GM1，1建立

2" 實證分析

2.1" 貨運總量情況

2021年，貨運市場進(jìn)一步向好，河南省全省貨物運輸量25.5億噸，增長16.2%，貨物周轉(zhuǎn)量10 439.88億噸公里，增長20.1%。運輸結(jié)構(gòu)不斷優(yōu)化，公路貨運量占全省貨運總量的88.6%，同比增長16.9個百分點；鐵路貨運量占全省貨運總量的4.3%，同比增長3.3個百分點；水路貨運量占全省貨運總量的7.1%，增長15.8個百分點；航空貨運量35萬噸，同比增長10.2個百分點。

其中，河南省多式聯(lián)運運輸發(fā)展迅速，2022年相比2017年多式聯(lián)運貨運量翻了一番。2022年，河南省全省多式聯(lián)運量達(dá)78.2萬TEU，同比增長16.8%。2017—2022年河南省多式聯(lián)運貨運量及增長率如表1、圖1所示。

2.2" 河南省多式聯(lián)運貨運量預(yù)測

多式聯(lián)運貨運量采用灰色預(yù)測方法，首先將數(shù)據(jù)進(jìn)行級比檢驗，來驗證采用灰色預(yù)測方法是否合適，結(jié)合SPSS軟件進(jìn)行分析，得到最終的預(yù)測結(jié)果。

2.2.1" 級比檢驗

2.2.2" 灰色模型構(gòu)建

從表3分析可以得到，后驗差比值為0.001，模型精度高。

2.2.3" 模型擬合預(yù)測

灰色預(yù)測模型GM1，1是基于歷史時期數(shù)據(jù)去預(yù)測未來時期數(shù)據(jù)：模型平均相對誤差為0.967%，意味著模型擬合效果良好。未來7年預(yù)測結(jié)果分別是92.125、108.849、128.610、151.957、179.543、212.137、250.648，如表4、圖2所示。

3" 小" 結(jié)

基于灰色預(yù)測模型GM1，1對河南省2023—2029年的多式聯(lián)運貨運量進(jìn)行預(yù)測分析，由于受到主客觀因素的影響，如：經(jīng)濟增長、政策變化、季節(jié)因素等，預(yù)測結(jié)果幾乎不可能與實際情況完全相同，不可避免存在一定程度的誤差，但該誤差較小，具有良好的預(yù)見性。

由預(yù)測結(jié)果可知，河南省多式聯(lián)運貨運量總體上呈現(xiàn)上升趨勢。由于河南省作為交通樞紐的地位越來越突出，擁有發(fā)達(dá)的多式聯(lián)運網(wǎng)絡(luò)，同時與周邊多個省份接壤，使其成為連接華北、華東、華南和西部地區(qū)的重要交通樞紐，但也面臨一些問題和挑戰(zhàn)，如：運輸模式不平衡、物流基礎(chǔ)設(shè)施不足、信息不對稱等。政府和相關(guān)部門可通過制定政策，鼓勵各種運輸方式的協(xié)調(diào)發(fā)展，避免某些運輸方式過度競爭，導(dǎo)致不平衡的問題出現(xiàn)；優(yōu)化銜接和信息流，提高整體運輸效率；加強物流基礎(chǔ)設(shè)施建設(shè)，提高運輸環(huán)節(jié)的效率。采取具體措施逐步解決河南省多式聯(lián)運中存在的問題，進(jìn)一步發(fā)揮其交通樞紐和物流中心的作用，提高貨運效率和服務(wù)質(zhì)量。

參考文獻(xiàn)：

[1] 郭秋霞. 基于灰色預(yù)測模型的黑龍江省貨運量預(yù)測[J]. 中國物流與采購，2023（11）：116-117.

[2] 辜勇，楊澤昭. 基于隨機森林的集裝箱多式聯(lián)運貨運量預(yù)測[J]. 武漢理工大學(xué)學(xué)報，2023，45（1）：35-44.

[3] 尹玥，陳宇婷. 基于灰色預(yù)測的京津冀地區(qū)農(nóng)產(chǎn)品物流需求分析[J]. 湖北農(nóng)業(yè)科學(xué)，2023，62（1）：214-218，223.

[4] 李杰，寧帥峰. 基于灰色預(yù)測模型的蕪湖港集裝箱吞吐量預(yù)測分析[J]. 中國儲運，2022（8）：95-96.

[5] 彭麗潔，邵喜高，黃萬明. 基于灰色馬爾可夫模型的煙臺市鐵路客運量預(yù)測研究[J]. 魯東大學(xué)學(xué)報（自然科學(xué)版），2022，38（1）：50-56.

[6]" CHRISTIAN K， YOUNG S K， KYU D K， et al. Assessing and predicting mobility improvement of integrating bike-sharing into multimodal public transport systems[J]. Transportation Research Record， 2021（11）：204-213.

[7]" OLEG E， KIRILL T， DMITRY K， et al. Strategic forecasting of multimodal container traffic basing on transport and economic balance of the Russian federation[J]. Journal of Physics： Conference Series， 2021（1）：012134.

[8] 王言，宮薇薇，丁小東. 基于灰色預(yù)測法-產(chǎn)運系數(shù)的鐵路冷鏈運量預(yù)測方法研究[J]. 鐵道貨運，2021，39（12）：73-79.

[9] 劉淋. Spss數(shù)據(jù)回歸分析與灰色預(yù)測[J]. 數(shù)學(xué)學(xué)習(xí)與研究，2021（29）：136-137.

[10] 徐新華，李驥，馮宇欣，等. 基于灰色理論的建筑需求冷量預(yù)測研究[J]. 暖通空調(diào)，2021，51（8）：64-69.

[11] 謝英. 基于時間序列和灰色預(yù)測的原煤產(chǎn)量預(yù)測[J]. 煤炭技術(shù)，2021，40（6）：221-224.

[12]" BO X Y. A novel extrapolation-based grey prediction model for forecasting China's total electricity consumption[J]. Mathematical Problems in Engineering， 2021，2021：1-9.

[13]" XINYUAN W， YUJIA W， XIAOHAN X. Research on wasp population based on gray prediction and fuzzy analytic hierarchy process[J]. Journal of Physics： Conference Series， 2021，1952（4）：042071.

[14] 何梅，王宏波，李茶. 廣西貴港港集裝箱吞吐量灰色模型預(yù)測[J]. 中國水運，2020（12）：101-103.

[15] 嚴(yán)雪晴，曹智清. 基于灰色預(yù)測模型的深圳港吞吐量預(yù)測[J]. 中國儲運，2023（5）：121-123.

[16] 白雪飛. 基于灰色馬爾科夫模型的黃驊港吞吐量預(yù)測[J]. 科技創(chuàng)新與應(yīng)用，2022（30）：56-58.