灰色系统理论的湖北省物流需求预测

王婧，周瑜，周雁翎

摘  要：文章将灰色系统理论与物流业相结合，采用灰色系统模型，选取货物周转量作为衡量湖北省物流需求的关键指标。通过构建GM1，1模型进行预测精度分析，预测结果显示，该模型精度较高，具有很好地预测效果，可用来预测湖北省未来几年的货运需求量，并基于灰色系统理论预测结果为政府部门制定相关政策提供参考依据。

关键词：物流需求预测；灰色系统理论；GM1，1模型

中图分类号：F259.27    文献标志码：A

DOI：10.13714/j.cnki.1002-3100.2023.11.003

Abstract： This paper combines the theory of gray system with the logistics industry， uses the gray system model， and selects the turnover of goods as a key indicator to measure the logistics demand in Hubei Province. By constructing the GM1，1 model for prediction accuracy analysis， the prediction results show that the model has high accuracy and good forecasting effect， which can be used to predict the freight demand in Hubei Province in the next few years， and provides a reference for government departments to formulate relevant policies based on the gray system theory.

Key words： logistics demand forecast; grey systems theory; GM1，1 model

0  引  言

物流业是支撑国民经济发展的关键性、战略性和先導性行业。物流业涉及面广，发展潜力大，带动作用强。推动物流成本降低和效率提升，对于促进产业结构调整和区域协调发展，提高国民经济整体效益至关重要。大力发展物流业对于降低整个湖北省的物流成本，提高湖北省的物流效率，促进湖北省的产业结构调整具有重要的现实及长远意义。2021年湖北省发改委提出发展湖北省现代物流业的“十四五”规划，根据该规划，到2025年湖北省物流产业的增加值将达到5 000亿元人民币，将形成900家A级以上物流公司和培育5家枢纽建设和运营标杆企业。在省内，武汉市政府将重点围绕打造具有五种协调功能的国家物流中心：陆港、港口、机场、生产服务和商业服务；宜昌以现代区域性中心港建设为导向，强化了港口型国家物流中心功能；鄂州市政府将大力建设湖北省国际物流中心，并以此为契机，建设空港型国家物流中心。基于灰色系统理论，对湖北省1999年和2020年物流相关数据进行了分析和处理，选择货物周转量作为衡量湖北省物流需求的关键性指标，并通过GM1，1模型预测未来5年湖北省的物流需求，为湖北省的物流相关产业的发展提出一些建议和措施。

1  文献综述

物流在西方起步较早，因此国外很多学者也早已对物流需求进行了相关预测研究。他们在物流需求方面有很多成功的经验值得我们学习。Bahram Adrangi等人运用灰色系统预测理论对美国航空物流的需求量进行了预测[1]。Garrido等人指出货运需求是一个在空间和时间上变化很大的过程，并以此提出了一种多项概率模型（MNP）[2]。Luis Aburto， Richard Weber等人[3]、Tsan-Ming Choi等人[4]、Avinash Samvedi等人[5]通过构建相关预测模型，结合指数平滑法和灰色预测模型等，可以在不确定需求的情况下大幅度提高需求预测的精度。与国外相比，我国物流业起步较晚，但对于物流需求预测的研究却是从没中断，一直以来都是相关学者和专家们关注的热点。顾佳敏等[6]、鲁渤等[7]、曹志强等[8]、罗冰洁等[9]、赵文德等[10]基于灰色预测方法对相关城市的物流需求进行预测，其所得到的物流需求预测结果精度较高。陈长英选取广西省货运量、货物周转量作为影响广西省物流需求量的影响因素进行了研究[11]。徐照对城市物流需求预测方法进行了研究，以无锡市作为案例，对未来几年无锡市的货运量进行了预测[12]。

2  灰色系统理论模型介绍

2.1  灰色系统理论概述

灰色系统理论是我国学者、控制论专家邓聚龙教授首次提出的，是控制理论的一个新领域，也是控制理论和运筹学互相结合的一个产物，被广泛应用于农业、物流需求预测、工业、地质、气象等学科。灰色系统理论的研究对象是“部分信息未知，而部分信息已知”[6]，其特点就是充分利用开发已获得的“最少信息”，其立足点是“有限信息空间”，信息不完全、不确定具有普遍性等，主要通过对部分已知的信息进行生成开发，来提取有价值的信息。GM1，1模型是灰色系统理论中应用广泛有效的一种灰色动态预测模型，是一种时间序列预测模型，只需要少量信息和数据就可以进行建模与预测，预测结果较为准确[13]。

（1）设参考数据列为x■=x■1，x■2，…，x■n，对其做一次累加（AGO）生成数列x■。

x■=x■1，x■2，…，x■n=x■1， x■1+x■2， …， x■n-1+x■n

其中：x■k=■x■ik=1，2，…，n。求均值数列：z■=0.5x■k+0.5x■k-1， k=2，3，…，n。

则z■=z■2，z■3，…，z■n，建立灰微分方程x■k+az■k=b， k=2，3，…，n，白化微分方程为■+ax■k=b。

（2）記u=a，b■， Y=x■2，x■3，…，x■n■， B=■，则称Y为数据向量，B为数据矩阵，u为参数向量，则GM1，1模型可以表示为矩阵方程Y=Bu，由最小二乘法可以求出■=■，■■=B■B■B■Y，代入白化微分方程得：

x■k+1=x■1-■e■+■， k=1，2，…，n-1

■■k+1=■■k+1-■■k， k=1，2，…，n-1

2.2  模型检验

（1）残差检验：令残差为εk，计算：

εk=■， k=1，2，…，n

如果εk<0.2，则可认为达到一般要求；如果εk<0.1，则认为达到较高要求.。

（2）级比偏差值检验：首先由参考数据x■k-1， x■k，则：

ρk=1-■λk

计算得出级比λk，再用发展系数a求出相应的技术偏差。如果ρk<0.2，则可认为达到一般要求；如果ρk<0.1，则认为达到较高要求。

3  建立GM1，1模型预测湖北省物流需求

本文通过中国国家统计局官网搜集了1999—2020年湖北省的货运周转量数据，建立GM1，1模型对湖北省未来5年的物流需求趋势进行了预测分析。

（1）初始化建模原始序列

x■=（1 009.9，1 081.1，1 069.275，1 087.2，1 212.6，1 383.4，1 415.657，1 489.023，1 644.688，2 526.394，2 566.364，3 097.285，3 798.841，

4 439.824，4 751.834，5 503.567，5 674.129，5 922.867，6 344.764，6 675.501，6 132.398，5 294.95）

（2）原始序列的1-AGO生成

x■=（1 009.900，2 091.000，3 160.275，4 247.475，5 460.075，6 843.475，8 259.132，9 748.155，11 392.843，13 919.237，16 485.601，19 82.886，

23 381.727，27 821.551，32 573.385，38 076.952，43 751.081，49 673.948，56 018.712，62 694.213，68 826.611，74 121.561）

（3）1-AGO生成序列的紧邻均值生成

z=（1 550.450，2 650.638，3 703.875，4 853.775，6 151.775，7 551.304，9 003.644，10 570.499，12 656.040，15 202.419，18 034，244，21 482.307，

25 601.639，30 197.468，35 325.169，40 914.017，46 712.515，52 846，330，59 356.463，65 760.412，71 474.086）

（4）建立GM1，1模型

建立灰微分方程x■k+az■k=bk=2，3，…，n，白化微分方程为■+ax■t=b，令u=a，b， y=x■2，x■3，…，x■n， B=■，则GM1，1模型为方程Y=Bu，通过最小二乘法求得■=■，■■=B■B■B■Y。

（5）计算灰色模型发展系数a和灰色作用量b

根据灰色预测方法，a为灰色预测模型的发展系数，根据灰色系统预测理论可知，当-a<0.3时，GM1，1模型可用于中长期预测；当0.3<-a<0.5时，GM1，1模型可用于短期预测，中长期预测效果则不太好；当0.5<-a<1时，应采用GM1，1改进模型，包括GM1，1残差修正模型。根据上述数据计算得出-a=0.09<0.3，b=1 253.39，采用 GM1，1模型预测精度较高。

（6）灰色预测模型需求预测

利用MATLAB R2016电脑软件进行灰色预测模型编程预测，对1999—2025年进行编程模拟和预测结果如表1、表2所示，数据表明，在2019—2020年出现连续下滑，尤其是2020年因为新冠疫情的突发出现大幅度的物流需求锐减情况。2021—2025年随着湖北省在疫情防控形势稳定下，其物流需求将保持不断上升的趋势。

4  结束语

本文基于灰色GM1，1预测模型，收集1999—2020年湖北省货运周转量的具体数据，建立湖北省的物流需求预测模型，借此对湖北省未来五年的物流需求量进行了预测，得出2021年预测值为8 593.44亿吨公里、2022年为9 368.91亿吨公里、2023年为10 214.35亿吨公里、2024年为11 136.09亿吨公里、2025年为12 141.00亿吨公里，结合湖北省未来五年的发展规划提出以下建议：

（1）提高科技含量，加强技术创新，提高物流运作效率。随着全世界科学技术水平的不断发展，人工智能、大数据、互联网、物联网等科技前沿不断受到热捧和追逐，智能化以及物联网是万事万物不断发展的趋势，各行各业不断上云、结合互联网变得更加智能，物流行业也是如此发展，产业结构的重组和现代化也在加速。根据湖北省物流基础数据，湖北省内的部分城市物流智能化、网络化水平不高，发展能力薄弱，像恩施、鄂州、荆门等地的物流发展水平与科学技术发展水平存在较大差距。为了促进湖北省物流行业的和谐、稳定、快速发展，满足未来物流发展的需要，必须加强物流业的科技创新，城市应建立科学联系，共享创新物流技术，湖北省政府不断加强城市智能化物流基础设施的建设，提供百亿元资金进行战略投资扶持，提高物流运营效率等。

（2）加强物流从业人员培训，保持城市物流发展活力。“十四五”期间，中国物流业的发展仍将处于重要的战略机遇期，其产业在国民经济中的地位也将处于重要的战略机遇期将进一步完善，这是构建新的发展模式的重要支撑。同時，物流人才需求仍面临巨大缺口，人才数量、质量和结构仍有待优化，特别是在数字化转型、智能化转型、物流与生产深度融合、国际物流渠道建设等方面。人才是支撑各行各业发展的第一资源和源动力，未来推进湖北省物流的高质量发展，必须对湖北省的物流人才队伍素质和能力严格要求，加强对湖北省物流专业的科研人才和实践人才培养，提高湖北省物流高质量、稳步发展能力。作为领先的教育大省，湖北省政府应加大物流行业人才的培养力度，依托湖北省人才库，拓宽物流人才的培养渠道，提供科研资金依托专项研究，培养物流行业的专业应用型人才，湖北省的各科研院所和高等学校应大力与相关物流、供应链的企业签订校企合作意向书，建立人才培养基地，加大对物流领域人才就业的支持力度，培养和留住人才。特别是大学和职业学校作为人才培养的主体部门，改进物流行业人才的培养方法，积极与全国各大物流相关企业合作，实现“校企联合”培养体制机制，学校要加大物流专业人才实践技能的培养力度，真正做到理论和实践相结合，为湖北省物流业的发展注入创新和活力。

（3）加强体制机制改革，营造良好的营商运营环境。湖北省政府要积极研究和实施物流领域的全面试点改革，建议积极开展国家级别的综合改革试点，加大湖北省的综合性物流枢纽建设，加强省内重要节点集疏运设施建设，降低整体物流成本，提高物流效率，消除湖北省物流业创新发展的障碍。

参考文献：

[1]  BAHRAM ADRANGI， ARJUN CHATRATH， KAMBIZ RAFFIEE. The demand for US air transport service： A chaos and nonlinearity investigation[J]. Transportation Research Part E， 2001（5）：337-353.

[2]  RODRIGO A GARRIDO， HANI S MAHMASSANI. Forecasting freight transportation demand with the space-time multinomial probit model[J]. Transportation Research Part B， 2000（5）：403-418.

[3]  LUIS ABURTO， RICHARD WEBER. Improved supply chain management based on hybrid demand forecasts[J]. Applied Soft Computing Journal， 2007（1）：136-144.

[4]  TSAN-MING CHOI， YONG YU， KIN-FAN AU. A hybrid SARIMA wavelet transform method for sales forecasting[J]. Decision Support Systems， 2011（1）：130-140.

[5]  AVINASH SAMVEDI， VIPUL JAIN. A grey approach for forecasting in a supply chain during intermittent disruptions[J]. Engineering Applications of Artificial Intelligence， 2013，26（3）：1044-1051.

[6] 顾佳敏，姚惠芳. 基于灰色系统理论的江苏省物流需求预测[J]. 电子商务，2020（6）：4-5，90.

[7] 鲁渤，汪寿阳，匡海波. 基于引力模型的区域物流需求预测研究[J]. 管理评论，2017，29（2）：181-190.

[8] 曹志强，杨筝，刘放. 基于遗传算法优化支持向量回归机的区域物流需求预测[J]. 系统科学学报，2018，26（4）：79-82.

[9] 罗冰洁. 基于MLP神经网络的物流需求预测模型研究[J]. 计算机与数字工程，2018，46（6）：1173-1177.

[10] 赵文德，黄丽娟，胡子瑜. 基于BP神经网络组合模型的广东省区域物流需求能力预测[J]. 物流技术，2020，39（12）：49-56，66.

[11] 陈长英. 广西现代物流需求分析与预测研究[D]. 武汉：武汉理工大学，2010.

[12] 徐照. 基于多元回归模型预测区域货运量——以无锡市市区货运量预测为例[J]. 企业改革与管理，2014（22）：39.

[13] 李夏培. 基于灰色线性组合模型的农产品物流需求预测[J]. 北京交通大学学报（社会科学版），2017，16（1）：120-126.

[14] 江楠. 基于灰色GM1，1的南京都市圈物流需求预测[J]. 物流技术，2021，40（11）：44-47，53.