【摘要】随着居民对生鲜农产品质量要求的提升，冷链物流行业也亟需朝着高标准、严要求的方向进一步发展。因此，对生鲜农产品冷链物流需求进行精准预测也具有了更加重要的现实意义。将人均生鲜农产品消费量与甘肃省常住居民数的乘积作为甘肃省冷链物流需求量，利用GM(1,1)模型对甘肃省2012-2031年冷链物流需求量进行预测，并通过发展系数检验、残差检验、后验差检验，验证了模型有较高的预测精度，并适用于中长期预测，可以有效预测甘肃省冷链物流需求量的发展趋势，能够为后续甘肃省冷链物流设施规划、冷库建设、运输设备配备提供参考依据。

　　【关键词】GM(1,1)模型；冷链物流需求；甘肃省

　　1引言

　　近年来，人民物质生活水平进一步提高，对生鲜农产品的质量有了更高的要求，冷链物流的发展也迎来了更大的挑战。2022年7月，甘肃省人民政府办公厅印发了《甘肃省“十四五”冷链物流高质量发展实施方案》，提出到2035年全面建成现代冷链物流体系，设施网络、技术装备、服务质量达到全国先进水平。然而，甘肃省物流发展水平相对滞后，该政策的出台为甘肃省冷链物流发展带来了新的机遇。因此，对甘肃省冷链物流需求量进行预测，可以为甘肃省冷链物流设施建设、冷链物流发展方向提供依据。

　　目前，冷链物流的研究相对比较广泛。关于冷链物流需求量的定义，大部分学者将生鲜农产品的产量看作冷链物流的需求量[1],朱梦琳利用生鲜农产品的产量乘以冷链流通率的公式计算冷链物流需求量[2],顾颖将城市常住人口生鲜农产品消费需求总量作为冷链物流需求量[3]。在冷链物流需求预测方法上，邹雅倩，崔宇昊采用灰色预测模型对湖北省冷链物流需求量进行预测[4]。高芳杰等运用灰色GM(1,1)模型、最优子集法、马尔科夫模型的结合方式对冷链物流需求量进行预测[5]。Luo R等采用多变量的灰色预测模型进行预测[6]。王秀梅设计了一种基于偏最小二乘法、时间序列ARIMA法和二次指数平滑法的组合预测方法[7]。王晓平，闫飞分别利用灰色模型、支持向量机、BP神经网络、RBF神经网络、遗传神经网络预测冷链物流需求量，并提出遗传神经网络预测精度更高[8]。黄凯，王健分别采用GM(1,1)模型、BP神经网络、RBF神经网络建立预测模型，并对每种预测模型设置不同的权重，从而建立了一种基于最优组合的生鲜农产品冷链物流需求预测模型［９］。王晓平，闫飞构造了遗传ＢＰ神经网络模型对北京城镇冷链物流需求进行预测［１０］。

　　通过查阅文献可以发现，虽然有部分学者采用了多种方法对冷链物流需求量进行预测，如灰色－马尔科夫链、灰色神经网络、遗传神经网络等，这些方法多基于传统灰色预测模型进行改进，并且大多数学者仍然采用传统灰色预测模型进行冷链物流需求预测。由于灰色预测模型适用于数据波动大、无明显规律的中长期预测，而生鲜农产品冷链物流需求符合这一特征，因此，本文采用ＧＭ（１，１）灰色模型对甘肃省冷链物流需求量进行预测，并通过残差检验、后验差比、小误差概论检验验证了模型的有效性。

　　２ＧＭ（１，１）预测模型

　　ＧＭ（１，１）预测模型是灰色预测模型的核心模型之一，具体模型如下。

　　２．１预测模型基本原理

　　２．２模型检验

　　２．２．１模型适用性检验

　　根据发展系数ａ的范围判断建立的微分方程适合预测的数列长度，如表１所示。

　　２．２．２残差检验

　　２．２．３后验差检验

　　若用Ｓ表示原始数列ｘ（０）的方差，用Ｓ表示残差数列ｑ的方差，则：

　　３实证分析

　　３．１数据选取

　　由于甘肃省的农产品有部分销售至省外地区，并且水产品省内产量较低，多为省外供应，故将生鲜农产品产量视作冷链物流需求量不够恰当，本文根据以下公式计算冷链物流需求量：

　　冷链物流需求量＝居民人均生鲜农产品消费量×常住人口数量
       其中，居民人均生鲜农产品消费量由居民人均肉类消费量、居民人均禽类消费量、居民人均水产品消费量、居民人均蛋类消费量、居民人均奶类消费量、居民人均蔬菜消费量、居民人均瓜果消费量的总和构成。本文数据来源于国家统计局及《甘肃省统计年鉴》，并利用ＭＡＴＬＡＢ进行预测。

　　３．２预测结果

　　通过ＭＡＴＬＡＢ程序运行，具体结果如表４及表５所示。

　　经过本次灰色模型预测得到发展系数为-0.0358,说明GM(1,1)预测模型有效，并适合于中长期预测。平均相对误差为0.024(0.01<0.024≤0.05),表明该模型精度等级为良（二级）。后验差比为0.2432(≤0.35),小误差概率为1(≥0.95),均表明该模型精度等级为好（一级），说明该预测模型能满足预测精度要求，可用于预测甘肃省2022-2031年冷链物流需求量，具体预测结果如表6及图1所示。

　　从图1显示的冷链物流需求量的趋势图可以看出，2012-2021年冷链物流需求量的离实日和预测值的曲线有较贴近的拟台也进步说明了GM 1.1)模型针对本次预测的有效性结合表6中甘肃省1022-2111年冷链物流需求量的结果能够明显看出未来十年甘肃省冷链物流需求量呈现逐年上升的趋势，增长速度达到3.%。

　　4结论及建议

　　本文采用GM(1,1)模型对甘肃省冷链物流需求量进行预测，将甘肃省2012-2021年居民人均生鲜农产品消费量与MATLAB程序运行，得出2012-2021年预测值，并通过发展系数、平均相对误差、后验差比、小误差概率的检验，验证该模型预测精度等级较好，并适用于中长期预测，可以有效用于甘肃省2022-2031年冷链物流需求量预测，通过预测数据可以根据甘肃省当前冷链物流发展情况，提出以下建议。

　　①加强冷链物流基础设施建设。根据本文预测结果，甘肃省未来十年冷链物流需求量持续上升，并且增长速度较快。但原有冷链基础设施保有量有限，现有部分冷库技术要求不达标，冷藏车运输途中温度没有严格把控，甚至出现冷链“断链”情况。因此，应加大冷链基础设施建设力度，建立符合冷藏、冷冻技术要求的冷库，增加冷藏冷冻不同控温要求的冷链物流车投入量，以便当冷链需求量大幅增长时能有效应对，做好保障措施。

　　②强化生鲜农产品质量把控。对于生鲜农产品从产地到销地全流程加大检测检疫力度，融合区块链、大数据等先进*息技术，加强生鲜农产品溯源，建立食品安全追溯体系，从而对生鲜农产品的质量进行严格把控。

　　③创建冷链物流发展新模式。针对甘肃省生鲜农产品特色产业，如临夏牛羊肉、甘南乳制品等，推动第三方物流企业整合农产品产地资源，共建共用冷链物流设施。结合“新零售”“冷链前置仓”“中央集配”的发展模式，电商企业、快递企业可构建“企业平台＋产地基地＋农户”的一体化经营模式。

　　［参考文献］

　　[1]王宝英，张嘉琪．基于灰色残差马尔科夫模型的山西省农产品冷链物流需求预测[J].数学的实践与认识，2023,53(04).

　　[2]朱梦琳．基于GM(1,1)模型的成都市农产品冷链物流需求预测[J].物流工程与管理，2022,44(11):69-72.

　　[3]顾颖．基于组合预测模型的北京市农产品冷链物流需求预测[D].北京：首都经济贸易大学，2020.

　　[4]邹雅倩，崔宇昊．基于灰色预测的湖北省生鲜农产品冷链物流需求发展研究[J].物流科技，2023,46(15):144-147.

　　[5]高芳杰，何多魁，李强，等．基于改进灰色模型的农产品冷链物流需求量的预测—以甘肃省为例[J].邵阳学院学报（自然科学版），2018,15(06):17-27.

　　[6]Luo R,Zhang Z,Xiong W.Temperature Prediction of Grape Cold Chain Transportation Based on Multivariable Grey Model[C].International Conference on Frontier Computing,Springer,Singapore,2019:968-974.

　　[7]王秀梅．基于权重分配组合法的农产品冷链物流需求趋势预测[J].统计与决策，2018,34(09):57-60.

　　[8]王晓平，闫飞．京津冀农产品冷链物流需求影响因素及预测模型研究[J].福建农业学报，2018,33(08).

　　[9]黄凯，王健．我国生鲜农产品冷链物流需求预测分析：基于最优组合模型[J].武汉理工大学学报（*息与管理工程版），2020,42(06).

　　[10]王晓平，闫飞．基于GA-BP模型的北京城镇农产品冷链物流需求预测[J].数学的实践与认识，2019,49(21):17-27.