基于灰色預(yù)測(cè)模型的河南省多式聯(lián)運(yùn)貨運(yùn)量預(yù)測(cè)研究

摘" 要：河南省作為中國(guó)重要的交通樞紐和經(jīng)濟(jì)中心，多式聯(lián)運(yùn)貨運(yùn)量的預(yù)測(cè)研究對(duì)于制定有效的交通運(yùn)輸方案和物流戰(zhàn)略至關(guān)重要。文章采用灰色預(yù)測(cè)模型，結(jié)合河南省多式聯(lián)運(yùn)貨運(yùn)量的歷史數(shù)據(jù)，對(duì)未來(lái)一段時(shí)間內(nèi)的貨運(yùn)量進(jìn)行了預(yù)測(cè)。該模型能夠有效處理數(shù)據(jù)中的不確定性和不完整性，提供較為可靠的預(yù)測(cè)結(jié)果。通過對(duì)預(yù)測(cè)結(jié)果的分析，模型平均相對(duì)誤差為0.967%，模型擬合效果良好?？梢詾楹幽鲜∥磥?lái)的交通運(yùn)輸規(guī)劃和物流戰(zhàn)略制定提供重要參考。也有助于合理配置資源，優(yōu)化運(yùn)輸布局，提高運(yùn)輸效率，從而推動(dòng)河南省多式聯(lián)運(yùn)的可持續(xù)發(fā)展。

關(guān)鍵詞：灰色預(yù)測(cè)模型；多式聯(lián)運(yùn)；預(yù)測(cè)研究

中圖分類號(hào)：U294" " 文獻(xiàn)標(biāo)志碼：A" " DOI：10.13714/j.cnki.1002-3100.2024.17.022

Abstract： Henan Province， as an important transportation hub and economic center in China， the prediction study of multimodal freight volume is crucial for formulating effective transportation plans and logistics strategies. This study uses the grey forecasting model， combining historical data on multimodal freight volume in Henan Province， to forecast freight volume for a certain period in the future. The model can effectively handle the uncertainty and incompleteness in the data and provide relatively reliable forecast results. Through the analysis of the forecast results， the average relative error of the model is 0.967%， and the model fitting effect is good. It can provide important reference for the future transportation planning and logistics strategy formulation in Henan Province. It is also helpful to rationally allocate resources， optimize transportation layout， improve transportation efficiency， and thus promote the sustainable development of multimodal transportation in Henan Province.

Key words： grey prediction model; multimodal transport; forecasting research

0" 引" 言

多式聯(lián)運(yùn)能夠通過組合不同的運(yùn)輸方式來(lái)完成貨物運(yùn)輸，從而提高整體運(yùn)輸效率和質(zhì)量。而多式聯(lián)運(yùn)貨運(yùn)量的預(yù)測(cè)能夠在資源配置優(yōu)化、物流規(guī)劃與布局、成本控制、決策支持等方面發(fā)揮重要的作用。多式聯(lián)運(yùn)貨運(yùn)量的有效預(yù)測(cè)不僅對(duì)于個(gè)體企業(yè)的運(yùn)營(yíng)決策有重要意義，也對(duì)整個(gè)物流體系的協(xié)調(diào)發(fā)展和社會(huì)經(jīng)濟(jì)的可持續(xù)增長(zhǎng)有深遠(yuǎn)影響。

郭秋霞[1]依據(jù)黑龍江省近10年的貨物運(yùn)輸量，利用灰色預(yù)測(cè)模型對(duì)黑龍江未來(lái)4年的貨運(yùn)量進(jìn)行預(yù)測(cè)，為黑龍江地區(qū)物流發(fā)展提供依據(jù)。針對(duì)集裝箱多式聯(lián)運(yùn)貨運(yùn)量預(yù)測(cè)準(zhǔn)確性不足的問題，辜勇等[2]用網(wǎng)格搜索交叉驗(yàn)證改進(jìn)的隨機(jī)森林算法，以營(yíng)口至武漢的多式聯(lián)運(yùn)案例進(jìn)行驗(yàn)證。尹玥等[3]運(yùn)用MATLAB軟件，采用灰色GM1，1模型，預(yù)測(cè)出農(nóng)產(chǎn)品物流需求并對(duì)京津冀地區(qū)農(nóng)產(chǎn)品物流需求進(jìn)行科學(xué)分析，在相關(guān)政策實(shí)施的前提下對(duì)津冀兩地提出有效的農(nóng)產(chǎn)品物流發(fā)展建議。李杰等[4]以蕪湖港2012—2019年的港口集裝箱貨運(yùn)量數(shù)據(jù)為例預(yù)測(cè)模型并進(jìn)行驗(yàn)證，為蕪湖港未來(lái)的發(fā)展規(guī)劃提供一些合理的建議。彭麗潔等[5]將灰色預(yù)測(cè)模型與灰色馬爾可夫模型進(jìn)行對(duì)比，后者預(yù)測(cè)精度更高，模型參考價(jià)值得到有效提升，為煙臺(tái)市鐵路各線路計(jì)劃的制定、掌握鐵路客運(yùn)量發(fā)展規(guī)律提供理論參考和數(shù)據(jù)支撐。

綜上可見，已有學(xué)者對(duì)于物流運(yùn)輸量進(jìn)行預(yù)測(cè)，而對(duì)于多式聯(lián)運(yùn)這一運(yùn)輸方式的預(yù)測(cè)分析較少。為此，在前人的研究上利用灰色預(yù)測(cè)模型對(duì)河南省多式聯(lián)運(yùn)貨運(yùn)量進(jìn)行預(yù)測(cè)分析，為河南省交通運(yùn)輸和物流領(lǐng)域的決策提供了有力的決策支持，有助于應(yīng)對(duì)未來(lái)的挑戰(zhàn)并抓住機(jī)遇。

1" 灰色預(yù)測(cè)模型GM1，1建立

2" 實(shí)證分析

2.1" 貨運(yùn)總量情況

2021年，貨運(yùn)市場(chǎng)進(jìn)一步向好，河南省全省貨物運(yùn)輸量25.5億噸，增長(zhǎng)16.2%，貨物周轉(zhuǎn)量10 439.88億噸公里，增長(zhǎng)20.1%。運(yùn)輸結(jié)構(gòu)不斷優(yōu)化，公路貨運(yùn)量占全省貨運(yùn)總量的88.6%，同比增長(zhǎng)16.9個(gè)百分點(diǎn)；鐵路貨運(yùn)量占全省貨運(yùn)總量的4.3%，同比增長(zhǎng)3.3個(gè)百分點(diǎn)；水路貨運(yùn)量占全省貨運(yùn)總量的7.1%，增長(zhǎng)15.8個(gè)百分點(diǎn)；航空貨運(yùn)量35萬(wàn)噸，同比增長(zhǎng)10.2個(gè)百分點(diǎn)。

其中，河南省多式聯(lián)運(yùn)運(yùn)輸發(fā)展迅速，2022年相比2017年多式聯(lián)運(yùn)貨運(yùn)量翻了一番。2022年，河南省全省多式聯(lián)運(yùn)量達(dá)78.2萬(wàn)TEU，同比增長(zhǎng)16.8%。2017—2022年河南省多式聯(lián)運(yùn)貨運(yùn)量及增長(zhǎng)率如表1、圖1所示。

2.2" 河南省多式聯(lián)運(yùn)貨運(yùn)量預(yù)測(cè)

多式聯(lián)運(yùn)貨運(yùn)量采用灰色預(yù)測(cè)方法，首先將數(shù)據(jù)進(jìn)行級(jí)比檢驗(yàn)，來(lái)驗(yàn)證采用灰色預(yù)測(cè)方法是否合適，結(jié)合SPSS軟件進(jìn)行分析，得到最終的預(yù)測(cè)結(jié)果。

2.2.1" 級(jí)比檢驗(yàn)

2.2.2" 灰色模型構(gòu)建

從表3分析可以得到，后驗(yàn)差比值為0.001，模型精度高。

2.2.3" 模型擬合預(yù)測(cè)

灰色預(yù)測(cè)模型GM1，1是基于歷史時(shí)期數(shù)據(jù)去預(yù)測(cè)未來(lái)時(shí)期數(shù)據(jù)：模型平均相對(duì)誤差為0.967%，意味著模型擬合效果良好。未來(lái)7年預(yù)測(cè)結(jié)果分別是92.125、108.849、128.610、151.957、179.543、212.137、250.648，如表4、圖2所示。

3" 小" 結(jié)

基于灰色預(yù)測(cè)模型GM1，1對(duì)河南省2023—2029年的多式聯(lián)運(yùn)貨運(yùn)量進(jìn)行預(yù)測(cè)分析，由于受到主客觀因素的影響，如：經(jīng)濟(jì)增長(zhǎng)、政策變化、季節(jié)因素等，預(yù)測(cè)結(jié)果幾乎不可能與實(shí)際情況完全相同，不可避免存在一定程度的誤差，但該誤差較小，具有良好的預(yù)見性。

由預(yù)測(cè)結(jié)果可知，河南省多式聯(lián)運(yùn)貨運(yùn)量總體上呈現(xiàn)上升趨勢(shì)。由于河南省作為交通樞紐的地位越來(lái)越突出，擁有發(fā)達(dá)的多式聯(lián)運(yùn)網(wǎng)絡(luò)，同時(shí)與周邊多個(gè)省份接壤，使其成為連接華北、華東、華南和西部地區(qū)的重要交通樞紐，但也面臨一些問題和挑戰(zhàn)，如：運(yùn)輸模式不平衡、物流基礎(chǔ)設(shè)施不足、信息不對(duì)稱等。政府和相關(guān)部門可通過制定政策，鼓勵(lì)各種運(yùn)輸方式的協(xié)調(diào)發(fā)展，避免某些運(yùn)輸方式過度競(jìng)爭(zhēng)，導(dǎo)致不平衡的問題出現(xiàn)；優(yōu)化銜接和信息流，提高整體運(yùn)輸效率；加強(qiáng)物流基礎(chǔ)設(shè)施建設(shè)，提高運(yùn)輸環(huán)節(jié)的效率。采取具體措施逐步解決河南省多式聯(lián)運(yùn)中存在的問題，進(jìn)一步發(fā)揮其交通樞紐和物流中心的作用，提高貨運(yùn)效率和服務(wù)質(zhì)量。

參考文獻(xiàn)：

[1] 郭秋霞. 基于灰色預(yù)測(cè)模型的黑龍江省貨運(yùn)量預(yù)測(cè)[J]. 中國(guó)物流與采購(gòu)，2023（11）：116-117.

[2] 辜勇，楊澤昭. 基于隨機(jī)森林的集裝箱多式聯(lián)運(yùn)貨運(yùn)量預(yù)測(cè)[J]. 武漢理工大學(xué)學(xué)報(bào)，2023，45（1）：35-44.

[3] 尹玥，陳宇婷. 基于灰色預(yù)測(cè)的京津冀地區(qū)農(nóng)產(chǎn)品物流需求分析[J]. 湖北農(nóng)業(yè)科學(xué)，2023，62（1）：214-218，223.

[4] 李杰，寧帥峰. 基于灰色預(yù)測(cè)模型的蕪湖港集裝箱吞吐量預(yù)測(cè)分析[J]. 中國(guó)儲(chǔ)運(yùn)，2022（8）：95-96.

[5] 彭麗潔，邵喜高，黃萬(wàn)明. 基于灰色馬爾可夫模型的煙臺(tái)市鐵路客運(yùn)量預(yù)測(cè)研究[J]. 魯東大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，38（1）：50-56.

[6]" CHRISTIAN K， YOUNG S K， KYU D K， et al. Assessing and predicting mobility improvement of integrating bike-sharing into multimodal public transport systems[J]. Transportation Research Record， 2021（11）：204-213.

[7]" OLEG E， KIRILL T， DMITRY K， et al. Strategic forecasting of multimodal container traffic basing on transport and economic balance of the Russian federation[J]. Journal of Physics： Conference Series， 2021（1）：012134.

[8] 王言，宮薇薇，丁小東. 基于灰色預(yù)測(cè)法-產(chǎn)運(yùn)系數(shù)的鐵路冷鏈運(yùn)量預(yù)測(cè)方法研究[J]. 鐵道貨運(yùn)，2021，39（12）：73-79.

[9] 劉淋. Spss數(shù)據(jù)回歸分析與灰色預(yù)測(cè)[J]. 數(shù)學(xué)學(xué)習(xí)與研究，2021（29）：136-137.

[10] 徐新華，李驥，馮宇欣，等. 基于灰色理論的建筑需求冷量預(yù)測(cè)研究[J]. 暖通空調(diào)，2021，51（8）：64-69.

[11] 謝英. 基于時(shí)間序列和灰色預(yù)測(cè)的原煤產(chǎn)量預(yù)測(cè)[J]. 煤炭技術(shù)，2021，40（6）：221-224.

[12]" BO X Y. A novel extrapolation-based grey prediction model for forecasting China's total electricity consumption[J]. Mathematical Problems in Engineering， 2021，2021：1-9.

[13]" XINYUAN W， YUJIA W， XIAOHAN X. Research on wasp population based on gray prediction and fuzzy analytic hierarchy process[J]. Journal of Physics： Conference Series， 2021，1952（4）：042071.

[14] 何梅，王宏波，李茶. 廣西貴港港集裝箱吞吐量灰色模型預(yù)測(cè)[J]. 中國(guó)水運(yùn)，2020（12）：101-103.

[15] 嚴(yán)雪晴，曹智清. 基于灰色預(yù)測(cè)模型的深圳港吞吐量預(yù)測(cè)[J]. 中國(guó)儲(chǔ)運(yùn)，2023（5）：121-123.

[16] 白雪飛. 基于灰色馬爾科夫模型的黃驊港吞吐量預(yù)測(cè)[J]. 科技創(chuàng)新與應(yīng)用，2022（30）：56-58.