摘 "要：在物流業(yè)的發(fā)展中，物流需求的預(yù)測和分析是進(jìn)行物流資源分配和規(guī)劃的重要依據(jù)，做好物流需求的預(yù)測才能更好地使物流服務(wù)的需求和供給達(dá)到一個相對平衡的狀態(tài)，從而進(jìn)一步加快物流業(yè)的發(fā)展。組合預(yù)測相對于單一預(yù)測模型會更精準(zhǔn)，因此文章分別使用灰色GM1，1模型、線性回歸模型以及ARIMA模型進(jìn)行預(yù)測，并使用方差倒數(shù)給三種預(yù)測模型賦予權(quán)重，最終建立組合預(yù)測模型。最后，文章還依據(jù)浙江省過去的物流需求趨勢給出了一些建議，旨在進(jìn)一步加強(qiáng)浙江省的物流發(fā)展。

"關(guān)鍵詞：物流需求預(yù)測；灰色預(yù)測；線性回歸；時間序列；組合預(yù)測

"中圖分類號：F272 " "文獻(xiàn)標(biāo)志碼：A " "DOI：10.13714/j.cnki.1002-3100.2024.23.006

Abstract： In the development of the logistics industry， the prediction and analysis of logistics demand is an important basis for the allocation and planning of logistics resources， and the prediction of logistics demand can better make the demand and supply of logistics services reach a relatively balanced state， thereby further accelerating the development of the logistics industry. Combinatorial prediction is more accurate than a single prediction model， so this paper uses the grey GM1，1 model， linear regression model and ARIMA model to make predictions， and uses the reciprocal variance to assign weights to the three prediction models， and finally establishes the combined prediction model. Finally， this paper also gives some suggestions based on the past logistics demand trends in Zhejiang Province， aiming to further strengthen the logistics development of Zhejiang Province.

Key words： logistics demand forecast; grey prediction; linear regression; time series; combined forecasting

0 "引 "言

近年來，經(jīng)濟(jì)全球化的高速發(fā)展對物流行業(yè)高水平建設(shè)的要求逐步提高，從日常網(wǎng)絡(luò)購物到國際物流業(yè)務(wù)，物流業(yè)不僅極大的提升了人們的生活質(zhì)量，而且高效緩解了由于距離原因而造成信息不對稱的問題，大大推動了社會的經(jīng)濟(jì)發(fā)展[1]。當(dāng)前我國正處于“十四五”規(guī)劃的重要時期，各城市均已制定了現(xiàn)代物流業(yè)發(fā)展“十四五”規(guī)劃，在規(guī)劃中，物流需求預(yù)測是研究的重要內(nèi)容，是制定物流業(yè)發(fā)展目標(biāo)的關(guān)鍵所在[2]。對浙江省物流需求進(jìn)行定量的預(yù)測，可以準(zhǔn)確規(guī)劃物流系統(tǒng)的能力與建設(shè)規(guī)模，防止出現(xiàn)物流需求與供應(yīng)不平衡的現(xiàn)象，以進(jìn)一步推動物流業(yè)的健康發(fā)展。

1 "單一預(yù)測模型分析

1.1 nbsp;預(yù)測指標(biāo)和數(shù)據(jù)的選取

"物流需求是指社會生產(chǎn)行為和消費行為在一定范圍內(nèi)引起的一定時期內(nèi)各種物流活動的總和，包括運輸和倉儲等多種環(huán)節(jié)。通常會用實物量指標(biāo)與價值指標(biāo)來衡量物流的需求，例如貨運量、貨物周轉(zhuǎn)量和物流成本、物流收益等。由于價值指標(biāo)的數(shù)據(jù)沒有實物量指標(biāo)的數(shù)據(jù)可獲得性強(qiáng)，因此本文采用實物量指標(biāo)即貨物周轉(zhuǎn)量來衡量物流需求[3]。雖然運輸業(yè)務(wù)不能完整的代表物流需求，但是它存在于物流作業(yè)的各個過程中，因此運輸量的結(jié)果在一定程度上可以表征物流需求。其中，貨物周轉(zhuǎn)量包括運輸量和運輸距離，能綜合反映運輸作業(yè)的結(jié)果，表征物流需求，因此本文選取2010—2022年浙江省的貨物周轉(zhuǎn)量來進(jìn)行物流需求的預(yù)測，如表1所示。

1.2 "灰色預(yù)測

1.2.1 "模型建立

"在建模前，需要對所要研究的數(shù)列進(jìn)行GM1，1模型的可行性判斷，數(shù)據(jù)是否適用于此模型的標(biāo)準(zhǔn)就是此數(shù)據(jù)的數(shù)列級比都必須被可行區(qū)間e，e覆蓋，否則，則需要對此數(shù)據(jù)相關(guān)處理，直至變換后的新數(shù)列被可行區(qū)間所覆蓋。本文的可行區(qū)間為：e，e=0.846，1.181n=11，計算得出原始數(shù)據(jù)的序列級比并沒被可行區(qū)間完全覆蓋，因此對原始數(shù)據(jù)進(jìn)行累加平移變換，所得新數(shù)據(jù)序列為

（4）將求得的參數(shù)值帶入一階微分方程，求解微分方差得到GM1，1的模型中發(fā)展系數(shù)a=-0.019，灰色作用量b

=21 217.129 5；后驗差比C值0.042小于0.35，表明模型精度等級非常好。另外，小誤差概率p值為1.000lt;1.0，意味著模型精度很好。

（5）由于2010年的數(shù)據(jù)作為初始量不做預(yù)測，因而可得2011—2022年模擬值，如表2所示。

1.2.2 "模型檢驗及預(yù)測結(jié)果

由表2可知，模型構(gòu)建后可對相對誤差和級比偏差值進(jìn)行分析，驗證模型效果情況；模型相對誤差值最大值0.080小于0.1，表明模型擬合效果達(dá)到較高要求；針對級比偏差值，該值小于0.2說明達(dá)到要求，若小于0.1則說明達(dá)到較高要求；模型相對誤差值最大值0.160小于0.2，表明模型擬合效果達(dá)到要求。

1.3 "ARIMA預(yù)測模型分析

圖1顯示，浙江省貨物周轉(zhuǎn)量的數(shù)量隨著時間的推移呈整體上升趨勢，但部分年份稍有回落，因此該數(shù)據(jù)為非平穩(wěn)序列。為保證后期模型的擬合度，首先對原始序列進(jìn)行單位根檢驗ADF。檢驗結(jié)果為：原始序列P值=0.825gt;0.1，且T統(tǒng)計量-0.778的絕對值小于1%水平下的臨界值-4.138的絕對值，所以應(yīng)在1%的顯著性水平下接受原假設(shè)，即該序列為非平穩(wěn)序列。由于ARIMA模型只支持平穩(wěn)序列，因此要對原序列進(jìn)行一階差分，再利用Spss軟件對差分后的序列進(jìn)行單位根檢驗。計算結(jié)果可得在差分為2階時，顯著性P值為0.000 5，水平上呈現(xiàn)顯著性，拒絕原假設(shè)，該序列為平穩(wěn)的時間序列[3]。

對時間序列進(jìn)行偏差分析（自相關(guān)分析），根據(jù)截尾情況估算其p、q值?；贏IC信息準(zhǔn)則自動尋找最優(yōu)參數(shù)，模型結(jié)果為ARIMA模型0，1，1檢驗表。從Q統(tǒng)計量結(jié)果分析可以得到：Q在水平上不呈現(xiàn)顯著性，不能拒絕模型的殘差為白噪聲序列的假設(shè)，同時模型的擬合優(yōu)度R為0.921，模型表現(xiàn)優(yōu)秀，模型基本滿足要求。模型結(jié)果為ARIMA模型0，1，1檢驗表且基于2差分?jǐn)?shù)據(jù)，公式如下：

yt=551.84+0.835*εt-1

1.4 "線性回歸分析

1.4.1 "指標(biāo)選取與基礎(chǔ)數(shù)據(jù)

地區(qū)或國家的物流發(fā)展水平與整體經(jīng)濟(jì)水平之間有著密不可分的聯(lián)系，經(jīng)濟(jì)水平會帶動物流的發(fā)展，相反，高效的物流體系會推動經(jīng)濟(jì)的發(fā)展，二者相輔相成。

"物流需求是在一定價格水平條件下，有支付能力的物流需要，因而物流需求的實現(xiàn)與社會經(jīng)濟(jì)發(fā)展息息相關(guān)，這種聯(lián)系不論是從短期還是長期來看都是有一定規(guī)律可循的，因此物流需求與社會經(jīng)濟(jì)發(fā)展之間定然存在較強(qiáng)的相關(guān)性?；诖?，在對區(qū)域物流需求進(jìn)行預(yù)測時，應(yīng)先分析預(yù)測區(qū)域經(jīng)濟(jì)的發(fā)展?fàn)顩r，同時也要實事求是，根據(jù)自身的經(jīng)濟(jì)狀況和發(fā)展特點，將區(qū)位和產(chǎn)業(yè)優(yōu)勢充分結(jié)合起來，采用“定性+定量”的方法進(jìn)行分析，科學(xué)合理的對物流需求發(fā)展水平進(jìn)行預(yù)測[4]。因而此模型只考慮相關(guān)性最強(qiáng)的一個指標(biāo)來進(jìn)行貨物周轉(zhuǎn)量預(yù)測。通過相關(guān)性分析發(fā)現(xiàn)，地區(qū)生產(chǎn)總值（GDP）與貨物周轉(zhuǎn)量的相關(guān)系數(shù)為0.957，較其他指標(biāo)而言具有較強(qiáng)的相關(guān)性，因此決定采用2010—2022年的地區(qū)生產(chǎn)總值（GDP）數(shù)據(jù)來預(yù)測相關(guān)年份的貨物周轉(zhuǎn)量，如表3所示。

1.4.2 "模型建立及預(yù)測結(jié)果

本文采用線性回歸（最小二乘法）方程進(jìn)行回歸分析，選取2010—2022年浙江省生產(chǎn)總值數(shù)據(jù)作為自變量，貨物周轉(zhuǎn)量作為因變量。經(jīng)計算得出，模型擬合度R為0.957，表示二者擬合良好，同時通過F檢驗（F=245.785，p=0.000lt;0.05）也表明GDP一定會對貨物周轉(zhuǎn)量產(chǎn)生影響聯(lián)系，即可采用此模型對浙江省未來五年的貨物周轉(zhuǎn)量進(jìn)行預(yù)測。預(yù)測方程為：

y=ax+b=4 681.173+0.115x

式中：y表示因變量貨物周轉(zhuǎn)量；b表示方程常數(shù)項；a表示自變量回歸系數(shù)；x表示自變量地區(qū)生產(chǎn)總值。本文依據(jù)2010—2022年的浙江省生產(chǎn)總值，用線性回歸方程對2011—2022年浙江省生產(chǎn)總值進(jìn)行預(yù)測，其模型擬合度R為0.983，模型擬合良好，可用于預(yù)測，預(yù)測方程為：

y=ax+b=4 144.428x-8 305 084.024

1.5 "單一模型預(yù)測結(jié)果分析

通過上述三種模型的分析計算，可以分別得到2023—2027年的貨物周轉(zhuǎn)量的預(yù)測值，如表4所示。

由表4三種單一模型的預(yù)測結(jié)果來看，2023—2027年間，浙江省的貨物周轉(zhuǎn)量均呈現(xiàn)逐年上升的趨勢，三種模型間的數(shù)據(jù)結(jié)果較為接近，但這三種模型的預(yù)測機(jī)理不同，且都較為單一，預(yù)測值會出現(xiàn)差異，因此為了更好預(yù)測浙江省的物流需求，本文將采用組合模型進(jìn)行預(yù)測。

2 "組合模型預(yù)測

2.1 "模型組合方法選取

模型組合是采用線性或非線性的方法將兩種以上的預(yù)測模型結(jié)果進(jìn)行加權(quán)計算，從而得到一組綜合所有單一模型預(yù)測結(jié)果的預(yù)測數(shù)據(jù)，這一過程中的關(guān)鍵點就在于如何科學(xué)合理的對各個模型賦予相應(yīng)的權(quán)重，方差倒數(shù)法、標(biāo)準(zhǔn)差法、有效度法等是在計算相應(yīng)權(quán)重的過程中使用的次數(shù)最多的方法[5]。本文選用方差倒數(shù)法對單一模型的權(quán)重系數(shù)進(jìn)行計算，具體計算公式如下[6]：

2.2 "單一模型權(quán)重計算

通過對比2010—2022年的三種預(yù)測模型的預(yù)測值與實際值，采用方差倒數(shù)法的計算公式，可分別得到灰色GM1，1預(yù)測模型、線性回歸預(yù)測模型以及時間序列預(yù)測模型的權(quán)重系數(shù)，見表5，得到最終的組合預(yù)測模型為：

2.3 "模型組合計算分析

以2010—20222年貨物周轉(zhuǎn)量作為研究對象，將上述三種模型各自的預(yù)測值帶入組合預(yù)測模型，得到組合模型的預(yù)測結(jié)果，并與實際值進(jìn)行對比，得到組合模型的平均相對誤差為0.024，灰色GM1，1預(yù)測模型、線性回歸預(yù)測模型以及時間序列預(yù)測模型各自的平均誤差分別為0.031、0.039、0.033。對比可知，組合模型的預(yù)測精度有較大的提高，該模型可對浙江省的物流需求（貨物周轉(zhuǎn)量）進(jìn)行有效的預(yù)測，將2023—2027年單一模型的預(yù)測結(jié)果帶入組合模型公式中，即可得到浙江省未來五年內(nèi)的物流需求預(yù)測結(jié)果，如表6所示。

從預(yù)測結(jié)果中可以發(fā)現(xiàn)，浙江省在未來五年內(nèi)的物流需求（貨物周轉(zhuǎn)量）將持續(xù)處于增長的態(tài)勢，但增長率呈現(xiàn)逐年放緩的趨勢。2027年將達(dá)到15 964.48億噸，年增長率為3.34%，其物流業(yè)發(fā)展前景廣闊，因此浙江省在未來五年內(nèi)有必要制定物流業(yè)中長期發(fā)展規(guī)劃，以指導(dǎo)現(xiàn)代化物流體系的建立，推動物流業(yè)降本增效。

3 "結(jié) "論

本文在灰色GM1，1預(yù)測模型、線性回歸預(yù)測模型以及時間序列預(yù)測模型的基礎(chǔ)上，結(jié)合方差倒數(shù)法所確定的各模型權(quán)重，組合成為新的預(yù)測模型，并對浙江省物流需求（貨物周轉(zhuǎn)量）進(jìn)行預(yù)測。從預(yù)測結(jié)果可知，浙江省作為中國物流業(yè)發(fā)展較為迅速的省份之一，物流需求在未來五年內(nèi)具有較為強(qiáng)勁的增長趨勢，具有廣闊的市場空間。

參考文獻(xiàn)：

[1] 陳梁丞. 物流發(fā)展與經(jīng)濟(jì)發(fā)展的互動關(guān)系研究——以浙江省為例[J]. 科技創(chuàng)新與生產(chǎn)力，2022（5）：24-26，29.

[2] 武亞鵬，李慧穎，李婷，等. 基于多模型組合的物流需求預(yù)測分析——以武漢市為例[J]. 物流技術(shù)，2022，41（6）：60-63.

[3] 于若冰. 基于灰色系統(tǒng)理論的新疆物流需求預(yù)測[J]. 物流工程與管理，2011，33（5）：37-38，53.

[4] 楊帥. 武漢市物流需求預(yù)測[J]. 當(dāng)代經(jīng)濟(jì)（下半月），2007（10）：106-107.

[5] 詹英. 組合預(yù)測方法在我國人均GDP預(yù)測中的應(yīng)用[D]. 武漢：華中師范大學(xué)，2014.

[6] 薛倩，牟鳳云，涂植鳳. 組合預(yù)測方法在重慶市GDP預(yù)測中的應(yīng)用[J]. 重慶工商大學(xué)學(xué)報（自然科學(xué)版），2017，34（1）：56-63.

收稿日期：2023-11-03

基金項目：湖北省教育廳科學(xué)技術(shù)研究項目“考慮隨機(jī)學(xué)習(xí)效應(yīng)的雙渠道供應(yīng)鏈戰(zhàn)略庫存決策研究”（B2020005）

作者簡介：姬棟媛（1998—），女，新疆奎屯人，武漢科技大學(xué)管理學(xué)院碩士研究生，研究方向：物流與供應(yīng)鏈管理；陸 "芬（1991—），女，湖北孝感人，武漢科技大學(xué)管理學(xué)院，講師，博士，碩士生導(dǎo)師，研究方向：供應(yīng)鏈管理。

引文格式：姬棟媛，陸芬. 基于組合模型的浙江省物流需求預(yù)測[J]. 物流科技，2024，47（23）：22-25.