食用菌产量预测模型构建*

张 莹

（武汉交通职业学院，湖北 武汉 430065）

要想对一个事物进行客观评价，必需要通过多个渠道或感官获取信息，并将这些信息进行整合，通过大脑的综合处理才能得到完整的事物认识。这一过程实际上就是多源信息融合的过程，多源信息融合对来自多个信息源的信息进行多层次、分级别的综合处理，以得到某种需要的信息[1]。“多源”就是指信息的来源多样化，从工业应用领域来说就是通过多传感器来获取信息。传感器不仅包括多种传感器硬件，也包括各种信息系统软件，甚至包括人或动物的感官。“信息融合”是指信息的多层次、多方面、多级别的处理过程，信息的检测、预测和估算，知识的归纳、推理等都是信息融合的具体方法。

2018年我国食用菌年产量已达3 600万吨，在全球总产量中占到70%以上[2]。无论是野生菌还是人工栽培食用菌，产量近年来呈现出稳步增长的态势。食用菌产量的预测对食用菌产业发展规律的探索和产业稳定发展具有重要的意义。基于多源信息融合技术，对食用菌产量相关信息获取的多种方法进行研究。并通过汇总、归纳、推理等多种信息融合手段，对食用菌产量的预测模型进行研究，为更加准确预测我国食用菌产量提供科学依据。

1 食用菌产量信息的多源获取

在食用菌信息的获取上，基于多源的食用菌信息获取渠道是进行食用菌产量预测的基础。对食用菌产量进行预测，并不是说只有食用菌产量的信息，还包括有菌种、栽培、物流、市场营销等多方面的信息。只有获得了多方面的信息，才能为多源信息融合提供基础数据。以食用菌销售信息为例，在食用菌的市场营销活动中，消费者是处于相对信息劣势地位的。为了克服这种信息劣势带来的不利影响，减少这种不确定性带来的购买风险，消费者在做出购买决策前往往会通过各种途径搜集和甄别信息。再对这些信息加以比较和评价，最后再做出购买决策。

首先，消费者需要进行信息搜寻，以便做出正确的购买决策而采取的行动。第一种行为是在消费者自身的记忆中搜寻产品的相关信息，也就是消费者收集信息的经验渠道；第二种是在外部信息源中获取产品相关信息，也就是消费者收集信息的商业渠道、公共渠道和个人渠道。一般而言，消费者的信息搜寻行为都是由内部搜寻开始。即当消费者想要购买某种食用菌产品时，首先会从自身记忆里搜索有关该产品的信息。例如是否是自己已经购买过的、食用后的味道如何、烹饪时有什么经验体会等。当消费者自身记忆中的相关信息缺乏时，就会进行外部信息源收集行为。为了做出正确的购买决策，消费者在大多数情况下都会进行外部信息搜寻。

其次，为了减小购买风险，人们在做出消费决策时还往往会有从众心理，也就是随大流。将别人对某些产品的看法加入自己的考虑之中，也就是消费者的个人渠道来源。这种某个人或某群人的消费需求取决于另一个人或另一群人的消费需求的现象，称之为连带外部性。连带外部性有正负之分，在正外部性的情况下，某个消费者对产品的需求量会随着其他消费者对该产品的购买数量的增加而增加。在负外部性的情况下，某个消费者对产品的需求量会随着其他消费者对该产品的购买数量的增加而减少。

这些销售信息的获取，直接影响了未来食用菌种植量的多少，销售价格高、生产成本低的食用菌自然会得到人们的青睐，对未来的食用菌产量会产生很大的影响。在产量预测模型建立时一定要考虑这些信息的影响和作用。

2 食用菌信息的多源传递

在获得了食用菌信息的多个获取渠道和方法后，并不一定能够得到真实有效的信息。因为信息总是要通过一定的传递方式才能最终到达进行信息融合的地方，在信息的传递过程中，还有有一些信息的偏差和失真。因此，必须了解信息的传递渠道，即通过什么样的信息传递才能保障信息的真实性，减少信息的偏差。以食用菌销售信息为例，食用菌生产者为了将自己的产品卖出，会不遗余力地将食用菌产品的美味营养、绿色健康等信息传递给消费者。这其中还有产品的售后服务、质保、物流运输等信息。在传统的食用菌销售中，这些信息是通过实体商店的产品和销售人员的口口相传进行信息的传递的。还有就是比较流行的电子商务销售，但无论是食用菌生产商自建的电商平台还是第三方电商平台，在这些信息的上网上传或产品“上架”时，都会有一些失真或偏差[3]。如夸大食用菌营养元素的含量、保健功效，用修过图的食用菌图片代替原始拍摄图片、用过度的包装来增加产品的吸引力等。这些信息传递的方式方法，有的是厂家刻意而为，有的是为了广告宣传的效果。但这都会让消费者在网上浏览到这些失真的信息后，对食用菌产品产生错误的判断和认识。当购买行为发生并拿到真实的产品时，消费者就会发现问题。继而会产生对厂家宣传内容严重的不信任，再进行购买时这种不信任感就会加强。从而产生对生产厂家的不信任。这实际上是厂家自己将这种不信任的信号传递给了消费者，在食用菌产品信息的传递过程中将“信任机制”也进行了传递。更为可怕的是这个不信任的信号会通过消费者之间相互的交流进行再传递，形成更多的不信任信号传递。

香菇品质上的差别带来的口感千差万别。消费者实际体验后接收的产品信息当然也不同。这就是不少消费所体会到的，为什么现在吃的食用菌产品没有了以前那种浓郁的自然味道。特别是在电商网购的低价营销策略下，再也找不到从前鲜香的蘑菇老味道。除了产品本身外，产品的质量信息保证还体现在产品的质量承诺书、产品的包装和产品的售后服务。对于一些食用方式复杂、泡发有一定技巧的食用菌，特别是干制品的食用菌，消费者不可能都掌握食用相关信息。这类食用菌产品的售后服务就显得尤为重要。可以通过一些泡发技巧、烹饪方式的视频讲解、售后服务电话等方式传递厂家对消费者的服务。良好的售后服务会打消消费者对食用菌美食烹饪、后续加工制作的顾虑，同时也在一定程度上传达了产品自身的良好品质。

通过这些信息传递渠道，能够从多角度、多方面来保障食用菌信息传递的真实性，最大限度地减少信息传递过程中的偏差和歧义，为食用菌产量预测提供真实的信息。

3 基于多源信息融合的食用菌产量预测模型

3.1 灰色关联分析食用菌产量预测模型

灰色关联分析是灰色系统理论的一种直观分析方法，用于对一些动态发展态势模型的分析。通过直观观察网线的几何形态相似程度，来判断预测模型未来的发展[4]。直观关联分析通过观察曲线几何形状接近程度，来判断未来食用菌的产量情况。通过历史经济数据统计食用菌各个时期的经济发展曲线，比较几个经济发展曲线的相似程度来直观判断其关联性。如果曲线相似则表示关联程度较大，反之则关联性较小。食用菌关联分析实际上是动态的食用菌经济发展态势的量化比较分析，即历史经济数据的几何关系的比较。

3.2 食用菌产量的DEA模型

为了更科学地评估预测食用菌产量未来的发展趋势，对影响食用菌产量的各种影响因素进行评价，采用DEA模型（data envelopment analysis,DEA） 来对食用菌产量进行预测[6]。DEA模型是一种数据包络分析方法，适用于对多输入和多输出的复杂系统进行综合评价。主要采用的线性规划工具，其输入输出的内容只需要进行量化处理，无需进行权重系数的设定，也不需要给出输入输出指标的关系。DEA对一个复杂的系统进行评价时，只需要考虑输入和输入指标的量化表示方法，就可以利用DEA直接计算出输出与输入之间的关系。从食用菌产量预测模型来看，实际上就是将食用菌的投入与产出进行比较，即产出的输出指标“产量”和投入输入指标的比率。对于食用菌产量预测模型来说，我们需要关心各种食用菌信息与最终食用菌产量情况之间的关系，即哪些食用菌信息能够使食用菌产量增长或减少，及其影响程度，从而评价这些食用菌信息的实际影响效果和价值，即食用菌产量预测模型的有效性。

根据DEA模型建立的要求，确定食用菌产量预测的DEA模型指标，首先应确定预测系统的输入和输出指标。选择通过多渠道获取和多渠道传递最终得到的各方面食用菌信息，即多源食用菌信息作为输入指标；将食用菌的产量作为输出指标，建立食用菌产量预测模型，对食用菌产量的影响因素进行客观评价。

食用菌产量预测模型，还应该包含以下几个方面的信息，并将这些信息与前期获得的食用菌信息进行融合。1）调整优化食用菌产业结构，加快食用菌产业融合和产业升级，构建生态农业、绿色农业、循环农业等现代农业的发展理念；2） 转变政府职能，加强食用菌产量的统一规划引导和政策扶持，引导食用菌企业向大健康、工业化生产的方向发展；3）坚持创新驱动，加大技术研发和科技成果产业转化力度，引导食用菌行业向精深加工方面转型；4）完善市场机制，优化食用菌市场的资本配置和投融资渠道。发展对外贸易，拓展食用菌品牌和国际市场建设，实施食用菌市场“多元化”战略。将食用菌产量进行合理有效地通过市场进行“消化”。

4 结论

食用菌产量预测模型中，涉及到食用菌的多方面的信息。这些信息有食用菌产业的组织、结构、关联、布局、发展、政策等上层问题；也有食用菌生产、物流、销售等层面的问题。还涉及食用菌菌种培育、驯化等基础层面的问题。这也是多源信息的多层次信息融合。食用菌产量预测模型受影响因素众多，预测模型的建模方法也有很多。如组合预测模型、神经网络预测等。但无论何种预测模型，都需要考虑更多的信息来源，并通过可靠信息的融合来最终得到正确的结果。预测工作本身的复杂性也说明，忽视任何一个信息源都是不可取的，也是有缺陷的预测模型。多源信息融合已经成为了各种预测模型提高准确度的重要手段。