基于熵權(quán)的寧夏城鎮(zhèn)居民冷鏈物流需求量組合預(yù)測

蔣宇斌，郭佳秀，賀芳娟，邢云博

（北方民族大學 商學院，寧夏 銀川 750021）

基于熵權(quán)的寧夏城鎮(zhèn)居民冷鏈物流需求量組合預(yù)測

蔣宇斌，郭佳秀，賀芳娟，邢云博

（北方民族大學 商學院，寧夏 銀川 750021）

選取城鎮(zhèn)居民冷鏈食品的購買量作為冷鏈物流需求水平指標，嘗試將基于熵權(quán)的組合預(yù)測法應(yīng)用于由寧夏的冷鏈物流需求量的預(yù)測，以提高預(yù)測的精度。通過選用MAE、MAPE等5個預(yù)測效果的評價指標對各單一預(yù)測模型進行綜合比較，利用MATLAB并結(jié)合熵權(quán)法客觀地為每種預(yù)測方法分配權(quán)重。通過賦予合理權(quán)重，將各單一預(yù)測模型的預(yù)測結(jié)果加權(quán)求和得到最終的預(yù)測結(jié)果，建立了寧夏冷鏈物流的需求量組合預(yù)測模型，且利用2005-2014年寧夏冷鏈食品購買量的資料進行擬合檢驗，發(fā)現(xiàn)組合模型的精度明顯提高，并預(yù)測出2017-2025年寧夏冷鏈物流的需求量。

熵權(quán)法；組合預(yù)測；冷鏈物流；寧夏；城鎮(zhèn)居民

1 引言

近年來隨著產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，人民生活水平的逐步提高，寧夏生鮮產(chǎn)品產(chǎn)量、流通量逐年增加，并且冷凍保鮮技術(shù)不斷提高，冷鏈物流得到較快的發(fā)展，因此對寧夏冷鏈物流需求量預(yù)測就顯得尤為重要。準確的預(yù)測結(jié)果能夠揭示冷鏈物流市場需求變動的趨勢規(guī)律，更好地實現(xiàn)資源的合理配置，同時為當?shù)卣拖嚓P(guān)部門制定冷鏈發(fā)展戰(zhàn)略和政策提供有效的數(shù)據(jù)支持。

如今，冷鏈越來越受到經(jīng)濟界和產(chǎn)業(yè)界的關(guān)注，對于冷鏈物流需求量的預(yù)測越來越重視。而冷鏈物流的預(yù)測方法主要包括回歸分析模型、時間序列分析模型、灰色模型、馬爾科夫鏈和神經(jīng)網(wǎng)絡(luò)等。周倩倩、彭本紅等利用灰色預(yù)測模型對江蘇城鎮(zhèn)居民冷鏈物流需求量進行預(yù)測，并且利用馬爾科夫鏈進行優(yōu)化提高了預(yù)測的精度[1]。張言彩、徐宏峰將水產(chǎn)品、水果、蔬菜、肉類等產(chǎn)品的總產(chǎn)量作為冷鏈物流需求量的影響因素，利用灰色預(yù)測模型對“十二五”時期江蘇省城鎮(zhèn)居民冷鏈物流需求量進行了預(yù)測[2]。王新娥,王學劍利用灰色預(yù)測模型得出新疆城鎮(zhèn)人口預(yù)測值，把城鎮(zhèn)居民需要冷鏈服務(wù)的年消費量作為衡量指標，預(yù)測冷鏈物流需求量[3]。蘭洪杰、汝宜紅運用BP神經(jīng)網(wǎng)絡(luò)對奧運食品冷鏈物流需求主體、奧運食品冷鏈物流需求客體以及奧運食品冷鏈物流需求進行預(yù)測[4]。李雋波，孫麗娜以水產(chǎn)品需求量來代表冷鏈物流需求量，建立了多元回歸分析模型對我國冷鏈物流量進行預(yù)測，得到了較為精確的結(jié)果[5]。從指標選擇來看，大部分學者都是選擇單個或者多個冷鏈產(chǎn)品的產(chǎn)量和消費量來作為冷鏈物流需求量的衡量指標。從預(yù)測方法選擇來看，大部分學者都是利用單一的預(yù)測方法，對于單一預(yù)測方法只能解釋其歷史發(fā)展過程中的一部分顯性信息，對于另一部分的隱性信息就沒有考慮到?；诖?，本文以寧夏城鎮(zhèn)居民冷鏈食品的購買量為指標，嘗試建立了熵權(quán)組合預(yù)測模型，這樣充分考慮了各個預(yù)測方法和各誤差指標所含的顯性信息和隱性信息，并且可以很好地避免權(quán)系數(shù)為負數(shù)，使結(jié)果更加客觀，更為科學。

2 寧夏冷鏈物流發(fā)展概況

在“十二五”規(guī)劃完成之后，寧夏逐漸形成國際級綜合交通運輸樞紐，初步形成了綜合交通運輸體系，并已建成了一批物流園區(qū)、貨運站場及物流配送中心，2014年寧夏冷庫容量已達25.80萬t，寧夏某水產(chǎn)品加工企業(yè)就有冷庫5座，凍結(jié)能力500t/d，冷藏能力800t/次。在“十三五”規(guī)劃中，自治區(qū)政府表示要努力提升寧夏對外開放水平，優(yōu)化對外開放環(huán)境，推動投資、貿(mào)易、金融服務(wù)的便利化，促進銀川綜合保稅區(qū)和銀川空港物流園深度融合發(fā)展，積極承接產(chǎn)業(yè)轉(zhuǎn)移，發(fā)展外向型經(jīng)濟。近幾年，銀川市重點建設(shè)了四季青果蔬物流、領(lǐng)鮮果業(yè)等幾個冷鏈物流項目，并引導(dǎo)和支持流通企業(yè)建設(shè)蔬菜、肉品冷藏冷凍設(shè)備庫及配套設(shè)施，完善農(nóng)產(chǎn)品物流、交易及冷鏈等服務(wù)功能。截至2014年，銀川市有一定規(guī)模的農(nóng)產(chǎn)品冷鏈設(shè)施12處近10萬m2，其中2 000m2以上大中型肉品冷鏈設(shè)施6處約7.2萬m2。

表1 寧夏2005-2014年城鎮(zhèn)居民全年冷鏈食品購買數(shù)量 單位：萬t

圖1 寧夏2005-2014年冷鏈購買量走勢情況

由表1、圖1可知寧夏2005-2014年冷鏈食品購買量不斷攀升，全區(qū)冷鏈農(nóng)產(chǎn)品年產(chǎn)量幾乎每年都呈正增長，從2005年到2014年平均年增加率在5%左右，到2014年全區(qū)冷鏈食品購買量已達72.24萬t。分析認為，寧夏冷鏈食品購買量和運輸倉儲設(shè)備投入的不斷增加，加上中-阿自貿(mào)區(qū)在寧夏的建立，將極大的促進寧夏冷鏈物流發(fā)展，可見寧夏冷鏈物流具有良好的發(fā)展?jié)摿Α⒉粩嘣鲩L的市場需求、優(yōu)惠的政策支持及不斷完善的基礎(chǔ)設(shè)施，前景廣闊。

3 基于信息熵的組合預(yù)測模型

熵的概念來自于熱力學，它最先由Shannon引入信息論，現(xiàn)已在工程技術(shù)、社會經(jīng)濟等領(lǐng)域得到十分廣泛的應(yīng)用[6]。同理可以把熵的概念引入到冷鏈物流預(yù)測模型里面，設(shè)有m種預(yù)測方法，n個誤差指標，原始誤差指標矩陣R=(rij)m×n，對于某個指標(j=1,2,……,n)，其中

由以上的公式可以看出某個誤差指標的信息熵越小，表明其指標的變異程度越大，提供的信息量越大;反之，某個指標的信息熵越大，表明其指標的變異程度越小，提供的信息量越小。所以，可根據(jù)各個誤差指標值的變異程度，利用信息熵這一工具，計算各誤差指標的權(quán)重，進而為組合預(yù)測中單個預(yù)測方法權(quán)重的確定提供依據(jù)。

3.1 誤差指標的選擇

在一般預(yù)測模型中通常選擇均方差作為評價預(yù)測結(jié)果的指標，為了更加全面客觀地研究單個預(yù)測方法及組合預(yù)測的預(yù)測效果，本文選用了以下五個評價指標。在下列公式中yi表示實際值，yi'表示預(yù)測值。

以上的評價指標是從預(yù)測值與實際值的離散程度和變異程度的方向來說明預(yù)測模型的損益程度，即當這五個指標數(shù)值越小，預(yù)測模型損失的信息就越少，預(yù)測結(jié)果就越精確。因此利用這五個指標與其對應(yīng)的預(yù)測方法可構(gòu)建一個評價矩陣，之后通過MATLAB計算出各個指標的權(quán)重和其對應(yīng)方法的權(quán)重，最終構(gòu)建出一個新的預(yù)測模型。

3.2 組合預(yù)測模型權(quán)重的確定步驟

組合預(yù)測模型權(quán)重的確定步驟如圖2所示。

圖2 組合預(yù)測模型權(quán)重確定步驟流程圖

4 寧夏地區(qū)冷鏈物流需求量的預(yù)測

冷鏈物流市場是一個信息不完備的復(fù)雜經(jīng)濟系統(tǒng)，我們是以冷鏈食品的購買量來研究冷鏈物流需求量，但是冷鏈食品的消費量受多方面因素影響，使用移動平均、一次指數(shù)平滑等簡單的時間序列方法難以達到較高的預(yù)測精度，因而本文先根據(jù)數(shù)據(jù)資料的特性綜合考量選擇以下四種單一預(yù)測模型進行預(yù)測，為了得到更加科學的結(jié)果，全面考慮單一預(yù)測模型誤差指標所含的顯性信息和隱性信息，我們認為應(yīng)利用評價指標賦予權(quán)重的方法來進行預(yù)測，而熵權(quán)組合預(yù)測模型正是通過提取評價指標的信息而計算出權(quán)重的，所以我們決定利用熵權(quán)法來確定組合預(yù)測模型的權(quán)系數(shù)。

4.1 單一預(yù)測模型

（1）趨勢曲線預(yù)測模型。根據(jù)2005年-2014年寧夏地區(qū)的冷鏈食品購買總量數(shù)據(jù)，運用SPSS繪制散點圖，再根據(jù)圖形的趨勢選擇曲線進行估計，最后比較各種模型的擬合優(yōu)度（R Square），發(fā)現(xiàn)二次曲線擬合度最好，達到0.977，并且在方差分析中的顯著性P=0.001＜0.05，通過了顯著性檢驗，因此選擇二次曲線作為預(yù)測模型。以時間為自變量X，以冷鏈食品購買量為因變量Y的趨勢預(yù)測模型為y1=0.092 5x2+0.849 8x+54.988,其預(yù)測值和評價指標見表4與表5。

（2）二次指數(shù)平滑預(yù)測模型。采用二次指數(shù)平滑法，通過利用Excel繪制寧夏城鎮(zhèn)居民冷鏈食品購買量的散點圖發(fā)現(xiàn)的趨勢較為平穩(wěn)，并且通過試算法最終確定了平滑系數(shù)∝=0.05。再利用Excel的數(shù)據(jù)分析工具箱進行了二次指數(shù)平滑，得到了預(yù)測模型yt+T=72.562 2+ 2.059 4T,預(yù)測值和評價指標見表4與表5。

（3）一元回歸預(yù)測模型。在對寧夏地區(qū)冷鏈食品購買量進行預(yù)測時，選取城鎮(zhèn)居民人均收入水平作為自變量，對冷鏈食品購買量進行預(yù)測。通過spss進行分析結(jié)果見表3，得到如下結(jié)論：R2=0.965非常接近于1，所以擬合度優(yōu)，并且在置信區(qū)間為99%的情況下通過顯著性檢驗，即p=0.000＜0.05，并且D-W為2.02可知不存在自相關(guān)問題，可以用做預(yù)測，具體模型檢驗指標見表2、表3。最終得到回歸方程y3=10.875x+46.626，其預(yù)測結(jié)果和評價指標見表4與表5。

表2 模型摘要

表3 系數(shù)

（4）灰色GM(1,1)預(yù)測模型?；疑A(yù)測是對既含有已知信息又含有不確定信息的系統(tǒng)進行預(yù)測，就是對在一定范圍內(nèi)變化的、與時間有關(guān)的灰色過程進行預(yù)測。本文選用最常用的灰色預(yù)測模型GM(1,1)模型，它是用微分擬合法建立自累加或者累減模型，得到規(guī)律性較強的生成數(shù)列后重新建模，可以從表面上無序的數(shù)據(jù)序列中發(fā)現(xiàn)內(nèi)在的規(guī)律性。它以給定的原始時間序列x(0)為基礎(chǔ)，建立連續(xù)微分方程其中，α和μ可以用最小二乘法進行求解根據(jù)表1數(shù)據(jù)，通過利用MATLAB得到了灰色預(yù)測模型公式：y4=1191.072e0.374k-1153.639,其中α=-0.0374，μ=43.1461，并且得到預(yù)測值，見表4。

表4 單一預(yù)測方法的結(jié)果和殘差

表5 預(yù)測模型評價指標

4.2 組合預(yù)測模型

（1）權(quán)重計算。運用基于信息熵的組合預(yù)測方法進行計算，基于表3通過MATLAB計算得到各個評價指標的權(quán)重和單個預(yù)測模型權(quán)系數(shù)，見表6和表7。

表6 五種指標的權(quán)重

表7 單個預(yù)測模型權(quán)重分配表

（2）模型及預(yù)測評價。由表7可知寧夏冷鏈食品購買量的組合預(yù)測模型：Y=0.227 1y1+0.319 9y2+0.134 4y3+ 0.318 6y4。

其中y1代表趨勢預(yù)測模型，y2代表二次指數(shù)平滑預(yù)測模型，y3表示一元回歸模型，y4表示灰色GM(1,1)預(yù)測模型。

表8 組合預(yù)測法的評價指標

由表5與組合預(yù)測模型的誤差指標值的對比可知，基于熵的組合預(yù)測方法有較高的擬合精度，又因該法充分考慮了各個體預(yù)測方法各誤差指標值所包含的顯信息及隱信息，因而用其對寧夏地區(qū)冷鏈物流作預(yù)測會比單一使用某種預(yù)測方法預(yù)測更可靠、更科學。因此文章先通過單一預(yù)測模型預(yù)測出寧夏地區(qū)2017年-2025年的冷鏈食品購買量見表9，然后在此基礎(chǔ)上利用熵的組合預(yù)測模型來得到最終結(jié)果見表10。

表10 2017年-2025年寧夏地區(qū)購買冷鏈食品的數(shù)量（單位：萬t）

綜合以上分析可以發(fā)現(xiàn)人們對冷鏈食品的需求不斷增加，本文假設(shè)冷鏈食品的購買量就是運輸量，分析可知單從食品這一模塊就發(fā)現(xiàn)需求不斷上升，再加上生鮮電子商務(wù)的發(fā)展，都將極大的促進寧夏的冷鏈物流發(fā)展。

5 總結(jié)

本文在對預(yù)測效果的評價上選取平方和誤差、平均絕對誤差、均方根誤差、平均絕對百分比誤差、均方百分比誤差等多個指標進行全方位的綜合衡量，彌補了用單一預(yù)測方法進行預(yù)測和單指標方法進行評價的不足。在組合權(quán)重的計算上，采用了信息理論中的信息熵概念對各單一模型進行了綜合的量化評價，并用這種方法對寧夏冷鏈物流需求進行預(yù)測分析。實例計算證明，在表8中的五個評價指標基本上都是小于表5中單一預(yù)測模型的評價指標，如MAPE中組合模型是0.011 254，而灰色模型為0.034 755，回歸模型為0.012 948等?？梢娀谛畔㈧氐慕M合預(yù)測方法使各種評價指標均有一定程度的提高，而且能增強預(yù)測的穩(wěn)定性，具有較高的適應(yīng)未來預(yù)測環(huán)境變化的能力。本文對寧夏冷鏈物流需求量的預(yù)測是以城鎮(zhèn)居民冷鏈食品購買量引起的運輸量來代表冷鏈物流需求量的，不過現(xiàn)在對于冷鏈物流需求量的衡量指標還不統(tǒng)一，本文認為今后冷鏈物流需求量的衡量指標選擇應(yīng)該量化到具體的物流設(shè)備之中。

[1]周倩倩,彭本紅,谷曉芬.基于灰色馬爾科夫鏈的江蘇城鎮(zhèn)居民冷鏈物流需求量預(yù)測[J].物流科技,2015,(6):21-25

[2]張倩.河南省農(nóng)產(chǎn)品冷鏈物流需求及其發(fā)展趨勢研究[D].鄭州:河南農(nóng)業(yè)大學,2015.

[3]王新娥,王學劍.新疆城鎮(zhèn)居民農(nóng)產(chǎn)品冷鏈物流需求預(yù)測分析[J].物流技術(shù),2014,(1):185-186,202.

[4]蘭洪杰,汝宜紅.2008北京奧運食品冷鏈物流需求預(yù)測分析[J].中國流通經(jīng)濟,2008,(2):19-22.

[5]李雋波,孫麗娜.基于多元線性回歸分析的冷鏈物流需求預(yù)測[J].安徽農(nóng)業(yè)科學,2011,(11):6 519-6 520,6 523.

[6]韓柳,張嫵嫵.基于熵的組合預(yù)測法對湖北省貨運量預(yù)測[J].中國水運(理論版),2007,(7):166-167.

[7]熊崇俊,寧宣熙,潘穎莉.基于熵的組合預(yù)測法研究[J].科技進步與對策,2006,(4):68-69.

[8]張文峰,盧娜,曾濤.廣東省生鮮農(nóng)產(chǎn)品冷庫需求預(yù)測分析[J].仲愷農(nóng)業(yè)工程學院學報,2014,(2):50-52.

[9]宋俊平.灰色理論在易腐食品需求預(yù)測中的應(yīng)用[J].食品工程,2010,(2):34-36.

[10]陳秀乾,劉偉.基于組合預(yù)測模型的長三角地區(qū)冷鏈產(chǎn)品產(chǎn)量預(yù)測[J].無錫商業(yè)職業(yè)技術(shù)學院學報,2014,(1):30-36.

[11]呂昂.寧夏農(nóng)產(chǎn)品冷鏈物流產(chǎn)業(yè)的發(fā)展現(xiàn)狀及對策研究[J].中國商貿(mào),2014,(17):146-148.

[12]顧海鴻,黃河清.寧夏冷鏈物流發(fā)展現(xiàn)狀及對策探討[J].中國高新技術(shù)企業(yè),2012,(6):9-12.

[13]周賓.陜西果品現(xiàn)代冷鏈物流需求的SD分析與對策[J].安徽農(nóng)業(yè)科學,2012,(21):11 056-11 058.

[14]陳華友.熵值法及其在確定組合預(yù)測權(quán)系數(shù)中的應(yīng)用[J].安徽大學學報(自然科學版),2003,(4):1-6.

[15]柯亞楠.唐山市農(nóng)產(chǎn)品冷鏈物流需求分析與預(yù)測[D].武漢:華中師范大學,2013.

Entropy Weighted Combination Forecasting of Cold Chain Logistics Demand of Urban Residents in Ningxia

Jiang Yubin,Guo Jiaxiu,He Fangjuan,Xing Yunbo
(School of Business,BeiFang University of Nationalities,Yinchuan 750021,China)

In this paper,with the cold chain food purchasing value of urban residents as an index measuring the demand for cold chain logistics,we attempted to apply the entropy weighted combination forecasting process to the cold chain logistics demand of Ningxia.Through selecting five evaluation indexes of forecasting performance such as MAE and MAPE,etc.,we comprehensively compared the performance of each individual forecasting model,and then using MATLAB and in connection with the entropy weight method,weighted them objectively, through which,we yielded the ultimate forecasting result and built the combination forecasting model of the cold chain logistics demand in Ningxia.Next,we had a fitness test of the model using the data of the cold chain food purchasing volume in Ningxia for the period between 2005 and 2014 to find the model was of obviously improved accuracy than its individual components and at the end,predicted the cold chain logistics demand of the area from 2017 to 2025.

entropy weightmethod;combinationforecasting;cold chain logistics;Ningxia;urban resident

U16;F259.27

A

1005-152X(2017)02-0117-05

10.3969/j.issn.1005-152X.2017.02.028

2016-12-28

蔣宇斌，男，廣西全州人，研究方向：物流管理；郭佳秀，女，山西朔州人，研究方向：物流管理；賀芳娟，女，甘肅平?jīng)鋈?，研究方向：物流管理；邢云博，男，河南南陽人，研究方向：物流管理?/p>