新冠疫情背景下農(nóng)產(chǎn)品物流需求預(yù)測

姚冠新 楊妍 徐靜

摘? 要：為探究新冠疫情對農(nóng)產(chǎn)品物流需求造成的影響，確保農(nóng)產(chǎn)品市場供需平衡，實(shí)現(xiàn)物流資源的合理配置，選取2004～2018年興化市相關(guān)數(shù)據(jù)，運(yùn)用灰色預(yù)測模型GM1，1對2019～2025年興化市的農(nóng)產(chǎn)品物流需求量進(jìn)行預(yù)測，預(yù)測結(jié)果表明興化市農(nóng)產(chǎn)品物流需求量整體呈上升趨勢。結(jié)合農(nóng)產(chǎn)品物流的發(fā)展現(xiàn)狀，分析新冠疫情對農(nóng)產(chǎn)品物流需求造成的沖擊，并針對此次突發(fā)事件農(nóng)產(chǎn)品物流暴露的問題提出改進(jìn)建議。

關(guān)鍵詞：新型冠狀病毒肺炎;灰色預(yù)測模型GM1，1;農(nóng)產(chǎn)品物流;需求預(yù)測

中圖分類號：F304.3? ? 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract： In order to explore the impact of COVID-19 on the demand for agricultural products logistics， ensure the balance between supply and demand of agricultural products market， and realize the reasonable allocation of logistics resources， the relevant data of Xinghua city from 2004 to 2018 were selected， and the grey prediction model GM1，1 was used to forecast the demand for agricultural products logistics in Xinghua city from 2019 to 2025. The prediction results showed that the demand for agricultural products logistics in Xinghua city was on the rise. Combined with the development status of agricultural products logistics， this paper analyzes the impact of COVID-19 on the demand for agricultural products logistics， and puts forward improvement suggestions for the problems exposed by the emergency in agricultural products logistics.

Key words： COVID-19; grey prediction model GM1，1; agricultural products logistics; demand forecasting

0? 引? 言

農(nóng)產(chǎn)品物流是連接生產(chǎn)和消費(fèi)的橋梁，也是居民生活的重要保障。農(nóng)村農(nóng)業(yè)部2021年發(fā)布的一號文件中也提出要保證重要農(nóng)產(chǎn)品的有效供給，努力提升農(nóng)產(chǎn)品產(chǎn)業(yè)鏈供應(yīng)鏈的現(xiàn)代化水平，加強(qiáng)農(nóng)產(chǎn)品流通體系的建設(shè)。但突如其來的新型冠狀病毒肺炎改變了短期經(jīng)濟(jì)增長的軌跡，對各行業(yè)都造成了不可忽視的影響，對農(nóng)產(chǎn)品物流行業(yè)來說，從上游對散戶農(nóng)產(chǎn)品的收購、運(yùn)輸，以及下游對農(nóng)產(chǎn)品的包裝、銷售，每一個(gè)環(huán)節(jié)均面臨著人力不足、運(yùn)力短缺的問題。城市的農(nóng)產(chǎn)品供不應(yīng)求，超市斷貨、價(jià)格飛漲，而農(nóng)村的農(nóng)產(chǎn)品供遠(yuǎn)大于求，農(nóng)產(chǎn)品市場出現(xiàn)需求和供應(yīng)不匹配的供求矛盾。在此基礎(chǔ)上，新冠疫情必然對農(nóng)產(chǎn)品物流需求造成巨大影響，通過對農(nóng)產(chǎn)品物流需求進(jìn)行預(yù)測，對物流資源進(jìn)行合理配置，實(shí)現(xiàn)供求平衡，盡可能減少新冠疫情對農(nóng)產(chǎn)品物流需求帶來的負(fù)面影響，對于農(nóng)產(chǎn)品物流規(guī)劃以及充分實(shí)現(xiàn)物流系統(tǒng)的各項(xiàng)功能具有較強(qiáng)的現(xiàn)實(shí)意義。

1? 相關(guān)文獻(xiàn)回顧

近年來，國內(nèi)外學(xué)者關(guān)于農(nóng)產(chǎn)品物流需求的研究已有較多理論成果，現(xiàn)階段主要聚焦于以下三方面：一是關(guān)注農(nóng)產(chǎn)品物流需求影響因素的研究。李雋波（2011）等分析了地區(qū)生產(chǎn)總值、產(chǎn)業(yè)結(jié)構(gòu)比例、物流流通率等七個(gè)指標(biāo)對農(nóng)產(chǎn)品物流的解釋程度[1]。周海霞（2012）等認(rèn)為農(nóng)產(chǎn)品物流需求的影響因素主要包括：宏觀經(jīng)濟(jì)政策、自然資源稟賦、信息技術(shù)發(fā)展、消費(fèi)者消費(fèi)水平及偏好等[2]。二是關(guān)注農(nóng)產(chǎn)品物流需求預(yù)測方法的研究。國外研究主要集中于以貨運(yùn)量為指標(biāo)進(jìn)行預(yù)測，同時(shí)不斷優(yōu)化預(yù)測方法，國內(nèi)針對物流需求預(yù)測的研究從2006年開始普遍增多，常用的基本模型包括灰色模型法、神經(jīng)網(wǎng)絡(luò)法、投入產(chǎn)出法、回歸分析法等。王曉平（2019）借助遺傳BP神經(jīng)網(wǎng)絡(luò)模型（GA-BP）對北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求進(jìn)行預(yù)測[3]。楊麗英采用灰色GM1，1模型對崇左農(nóng)產(chǎn)品冷鏈物流需求進(jìn)行預(yù)測[4]。劉玲（2020）采用權(quán)重組合分配方法對普洱市農(nóng)產(chǎn)品冷鏈物流需求進(jìn)行預(yù)測[5]。三是關(guān)注農(nóng)產(chǎn)品物流需求量的研究。當(dāng)前對于農(nóng)產(chǎn)品物流需求沒有專門的統(tǒng)計(jì)數(shù)據(jù)可供參考，學(xué)者們多選取與農(nóng)產(chǎn)品物流密切相關(guān)的指標(biāo)作為替代數(shù)據(jù)，范榮華（2011）依據(jù)人均食物需求量以及人口數(shù)量測算出需要消耗的農(nóng)產(chǎn)品總

量[6]。李夏培（2017）選用北京市農(nóng)產(chǎn)品物流總額以反映北京市農(nóng)產(chǎn)品物流需求[7]。王秀梅（2018）選取農(nóng)產(chǎn)品的銷量作為代替變量進(jìn)行研究[8]。

在農(nóng)產(chǎn)品物流需求研究的基礎(chǔ)上，灰色預(yù)測模型有其對數(shù)據(jù)量需求低、算法簡單，對于系統(tǒng)的行為特征值的發(fā)展變化趨勢預(yù)測精度高等優(yōu)點(diǎn)，本文將選取灰色預(yù)測模型GM1，1進(jìn)行農(nóng)產(chǎn)品物流需求預(yù)測。參考王新利（2010）、惠春梅（2011）等學(xué)者對農(nóng)產(chǎn)品物流需求指標(biāo)的選取[9-10]，采用農(nóng)產(chǎn)品總產(chǎn)量減去農(nóng)村居民農(nóng)產(chǎn)品消耗量，得到的值作為農(nóng)產(chǎn)品物流需求量。通過對農(nóng)產(chǎn)品物流需求量的預(yù)測，判斷農(nóng)產(chǎn)品物流需求的發(fā)展趨勢，便于政府將物流資源合理配置，為農(nóng)產(chǎn)品物流發(fā)展和規(guī)劃提供理論依據(jù)。

2? 預(yù)測模型構(gòu)建

2.1? 灰色預(yù)測模型GM1，1

（1）確定原始數(shù)據(jù)序列

xk=x1，x2，…，xm， k=1，2，…，m

將原始數(shù)據(jù)序列累加生成序列數(shù)據(jù)序列為：

xk=x1，x2，…，xm， k=1，2，…，m? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

其中：xi=xj， j=1，2，…，n。

（2）構(gòu)造累加矩陣B和常數(shù)項(xiàng)Yn

B=， Yn=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

（3）利用最小二乘法解灰參數(shù)

=a，b=BBBY? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

（4）建立白化微分方程

+ax=b? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

（5）將系數(shù)a、b代入式（4）并求解，得到GM1，1預(yù)測模型

k+1=x1-e+， k=1，2，…，m? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

（6）對k+1計(jì)算值做累減得到原始數(shù)據(jù)值為

k+1=k+1-k， k=1，2，…，m? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（6）

2.2? 檢驗(yàn)?zāi)Ｐ?/p>

GM1，1模型采用殘差檢驗(yàn)和后驗(yàn)差檢驗(yàn)方法來檢驗(yàn)。

殘差檢驗(yàn)主要用來判斷誤差變化狀態(tài)，包括絕對誤差和相對誤差兩種：

絕對誤差：Δi=xi-i

相對誤差：=φ

平均相對誤差：φ=

一般認(rèn)為<0.05，殘差檢驗(yàn)通過，該模型可以用來預(yù)測。

后驗(yàn)差檢驗(yàn)是根據(jù)預(yù)測值和實(shí)際值之間進(jìn)行模型精度檢驗(yàn)的方法。具體步驟如下：

（1）計(jì)算原始序列的均值和均方差

=xi

S=

（2）計(jì)算絕對誤差序列Δ的均差和均方差

=Δi

S=

（3）計(jì)算均方差比C

C=

（4）計(jì)算小誤差概率P

P=PΔi-<0.6745S

后驗(yàn)差檢驗(yàn)中的兩個(gè)指標(biāo)C和P，其中前者越小越好，后者越大越好。表1為GM1，1模型精度檢驗(yàn)等級參照表。

3? 預(yù)測結(jié)果分析

3.1? 數(shù)據(jù)收集

興化作為典型的農(nóng)業(yè)大市，農(nóng)業(yè)資源優(yōu)勢明顯，因地制宜發(fā)展特色農(nóng)業(yè)，在農(nóng)產(chǎn)品物流方面具有較強(qiáng)的代表性，故選取興化市作為研究對象。通過查找《泰州統(tǒng)計(jì)年鑒》（2005～2019）獲取2004～2018年興化市主要農(nóng)產(chǎn)品總產(chǎn)量、農(nóng)村常住人口數(shù)量、農(nóng)村居民每人主要農(nóng)產(chǎn)品消耗量等數(shù)據(jù)，從而計(jì)算出農(nóng)產(chǎn)品物流需求量。表2為2004～2018年興化市主要農(nóng)產(chǎn)品總產(chǎn)量、農(nóng)村居民農(nóng)產(chǎn)品消耗量及農(nóng)產(chǎn)品物流需求量計(jì)算過程。

3.2? 預(yù)測值求解及精度檢測

根據(jù)表2的數(shù)據(jù)，借助軟件MATLAB R2016a，運(yùn)用灰色預(yù)測模型GM1，1對興化市農(nóng)產(chǎn)品物流需求量進(jìn)行預(yù)測，并進(jìn)行精度檢驗(yàn)，檢驗(yàn)結(jié)果如表3所示。其中C=0.4278，P=0.8001，平均誤差率為0.00347，參照表1模型精度檢驗(yàn)等級參照表，可以看出其預(yù)測精度為二級，因此該模型可以對興化市未來7年的農(nóng)產(chǎn)品物流需求量情況進(jìn)行預(yù)測。用GM1，1模型對興化市未來7年的農(nóng)產(chǎn)品物流需求量情況進(jìn)行預(yù)測，得到的預(yù)測結(jié)果如表4所示，預(yù)測增長曲線如圖1所示。

4? 結(jié)論與建議

通過運(yùn)用灰色預(yù)測模型對興化市2019～2025年農(nóng)產(chǎn)品物流需求量的預(yù)測，興化市近十多年農(nóng)產(chǎn)品物流需求量整體呈上升趨勢，然而新冠疫情的突發(fā)導(dǎo)致需求的突變、運(yùn)力資源短缺、網(wǎng)絡(luò)的阻斷以及最后一公里配送的運(yùn)作和安全性挑戰(zhàn)等眾多問題，引發(fā)農(nóng)產(chǎn)品市場供需不匹配的矛盾，造成農(nóng)產(chǎn)品物流需求量減少。針對此次突發(fā)事件中暴露出來的農(nóng)產(chǎn)品供應(yīng)鏈不完善，農(nóng)產(chǎn)品采購、包裝、倉儲(chǔ)、運(yùn)輸和配送等環(huán)節(jié)缺乏高效的組織和協(xié)調(diào)等問題提出以下建議。

（1）加強(qiáng)基礎(chǔ)設(shè)施建設(shè)

將“傳統(tǒng)基建”與“新型基建”相結(jié)合。傳統(tǒng)基建指用于冷藏保鮮、倉儲(chǔ)運(yùn)輸?shù)葌鹘y(tǒng)基礎(chǔ)設(shè)施的建設(shè)，是維持農(nóng)產(chǎn)品供應(yīng)鏈基本運(yùn)作的前提。加強(qiáng)冷鏈物流設(shè)施的建設(shè)，并建立一套農(nóng)產(chǎn)品從生產(chǎn)到運(yùn)輸再到銷售等全冷鏈過程實(shí)時(shí)監(jiān)控的信息平臺(tái)，有效降低農(nóng)產(chǎn)品的損耗率，加強(qiáng)道路、倉儲(chǔ)等基礎(chǔ)設(shè)施的建設(shè)則可以有效降低物流成本。其次，加快5G基站、大數(shù)據(jù)中心等新型信息基礎(chǔ)設(shè)施的建設(shè)，推進(jìn)信息技術(shù)與農(nóng)業(yè)融合發(fā)展，促進(jìn)傳統(tǒng)農(nóng)業(yè)向智慧農(nóng)業(yè)的轉(zhuǎn)型升級。

（2）減少物流配送環(huán)節(jié)

目前我國農(nóng)產(chǎn)品流通大部分仍是以批發(fā)市場模式為主，產(chǎn)地分散，從農(nóng)戶到最終消費(fèi)者過程中涉及物流環(huán)節(jié)眾多。減少中間銷售流通環(huán)節(jié)，避免中間商的層層加價(jià)，實(shí)現(xiàn)農(nóng)產(chǎn)品原產(chǎn)地與電商平臺(tái)的直接溝通，建立農(nóng)產(chǎn)品直銷信息查詢平臺(tái)，產(chǎn)地直發(fā)，建立新型城鄉(xiāng)配送體系。既可拓寬農(nóng)產(chǎn)品銷路、提高配送效率，還可有效降低農(nóng)產(chǎn)品物流成本。

（3）搶抓電商發(fā)展機(jī)遇

此次疫情的爆發(fā)，也給農(nóng)產(chǎn)品電商市場帶來新的機(jī)遇。消費(fèi)者選擇網(wǎng)絡(luò)渠道購買農(nóng)產(chǎn)品比重上升，政府對農(nóng)產(chǎn)品電商的認(rèn)可度大幅提高，生鮮農(nóng)產(chǎn)品電商呈現(xiàn)爆發(fā)式增長趨勢。借此契機(jī)，推動(dòng)農(nóng)產(chǎn)品電商的改造升級，解決生鮮電商發(fā)展過程中面臨的質(zhì)量保證、成本控制等關(guān)鍵問題，促進(jìn)生鮮電商長期、穩(wěn)定、高質(zhì)量發(fā)展。

（4）建立應(yīng)急物流協(xié)調(diào)機(jī)制

針對災(zāi)情的突發(fā)性和急迫性，建立多方聯(lián)動(dòng)應(yīng)急物流響應(yīng)機(jī)制，以政府為主導(dǎo)，多方企業(yè)、組織參與協(xié)助，不定期演練，確保意外發(fā)生時(shí)可以迅速反應(yīng)，合理應(yīng)對。構(gòu)建應(yīng)急物流信息服務(wù)管理平臺(tái)，及時(shí)溝通實(shí)現(xiàn)信息共享，提高其抵御物流行業(yè)市場風(fēng)險(xiǎn)的能力。加強(qiáng)對專業(yè)人才的教育和培養(yǎng)以及相關(guān)人員專業(yè)知識(shí)、技能的綜合培訓(xùn)，提升全員的整體素質(zhì)，利于專業(yè)團(tuán)隊(duì)的建設(shè)。

參考文獻(xiàn)：

[1] 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(xué)，2011，39（11）：6519-6520，6523.

[2] 周海霞，韓立民. 我國水產(chǎn)品冷鏈物流需求分析及政策建議[J]. 中國漁業(yè)經(jīng)濟(jì)，2012，30（4）：19-23.

[3] 王曉平，閆飛. 基于GA-BP模型的北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求預(yù)測[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2019，49（21）：17-27.

[4] 楊麗英，黃婧蘭. 基于GM1，1模型的崇左農(nóng)產(chǎn)品冷鏈物流需求預(yù)測分析[J]. 物流工程與管理，2020，42（10）：132-136.

[5] 劉玲，譚輝. 基于權(quán)重組合分配預(yù)測方法的普洱市農(nóng)產(chǎn)品冷鏈物流需求預(yù)測分析[J]. 物流科技，2020，43（9）：1-5，14.

[6] 范榮華. 南陽市中心城區(qū)農(nóng)產(chǎn)品物流需求探析[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39（2）：1224-1225.

[7] 李夏培. 基于灰色線性組合模型的農(nóng)產(chǎn)品物流需求預(yù)測[J]. 北京交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017，16（1）：120-126.

[8] 王秀梅. 基于權(quán)重分配組合法的農(nóng)產(chǎn)品冷鏈物流需求趨勢預(yù)測[J]. 統(tǒng)計(jì)與決策，2018，34（9）：55-58.

[9] 王新利，趙琨. 基于神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求預(yù)測研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2010（2）：62-68.

[10] 惠春梅，李嚴(yán)鋒，曹杰，等. 組合預(yù)測法下的云南特色農(nóng)產(chǎn)品物流需求預(yù)測及分析[J]. 物流技術(shù)，2011，30（3）：79-81.