打开文本图片集

摘要：随着居民对生鲜农产品质量要求的提升，冷链物流行业也朝着高标准、严要求的方向迈进。因此，对生鲜农产品冷链物流需求进行精准预测具有重要的现实意义。本文通过Bayes - RBF模型对河南省2023-2027年生鲜农产品冷链物流需求量进行预测，最终验证了模型的有效性，为后续河南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：生鲜农产品；Bayes - RBF神经网络；需求预测；冷链物流；

1 引言

2023年《河南省培育壮大冷链食品产业链行动方案（2023—2025）》的印发，明确了河南冷链食品产业链的发展目标，提出将河南省建设成为全国重要的冷链食品原料生产基地、冷链食品设备设施制造大省、冷链食品加工大省。预测生鲜农产品冷链物流需求量对于搭建完整的冷链物流体系有着至关重要的作用，因此本文从生鲜农产品需求量入手去预测未来冷链物流需求量，为冷链物流体系的搭建提供研究基础。

2 文献综述

目前，关于生鲜农产品冷链物流需求量方面的研究没有形成统一的标准，对于冷链物流需求量的定义，研究者们主要是通过借助与农产品冷链物流密切相关的其他指标来代替；对于需求预测方法的选取，更是由原本的单一模型预测不断完善为多组合预测。

农产品冷链物流需求量研究。王艳丽【1】、朱闯【2】等人用人均生鲜农产品消费量与常住居民数的乘积表示冷链物流需求量；李小玲[3]等人选用生鲜农产品总量乘以冷链流通率表示冷链物流需求量。

需求预测方法的选取研究。Luo R等采用多变量的灰色预测模型进行预测。李敏杰运用RBF神经网络模型对生鲜农产品冷链物流需求分别进行模拟预测，并对预测结果进行对比分析；刘盼采用三种单模型预测方法以及权重分配组合法对重庆市生鲜农产品冷链物流需求进行预测；综上，预测方法逐渐从单一预测转向组合预测，致力于提高预测精度。

3 Bayes - RBF组合预测模型的构建

在MATLAB环境下构建河南省生鲜农产品冷链物流需求预测的Bayes-RBF神经网络预测模型，具体步骤如下。

Step1：数据归一化。将特征值和目标变量归一化到[0，1]的范围。本文选取均方根误差作为适应度函数，该误差指标越小，即代表预测精度越高，预测效果越好。

式中为RBF神经网络的预测值，yi为样本真实值。

Step2：定义目标函数。定义优化目标函数，将spread，max_neurons，df作为输入参数，通过newrb创建和训练RBF网络。

Step3：定义优化变量。参数设定：spread：设为[500，1000]；max_neurons：设为[1，50]；df：设为[1，10]。

Step4：贝叶斯优化。设置最大评估次数为30，采集函数以平衡探索与开发。

Step5：提取最佳参数确定最终模型。提取贝叶斯优化中找到的最佳参数，确定最终的RBF神经网络模型。

Step6：模型性能评估。在训练集和测试集上进行仿真，反归一化预测结果，以便与原始数据进行比较。

Step7：预测未来数据。导入包含未来年份和特征值的数据集，使用训练好的模型进行预测，反归一化得到最终的预测结果。

4 实证研究

4.1样本指标体系构建及数据选取

本文定义河南省生鲜农产品物流需求量（Y）。在参考现有研究的基础上，从4个维度中选出10个代表性指标（X1，X2，...，X10），区域经济水平：人均GDP/元（X1）、社会消费零售总额/万亿（X2）和第三产业增加值/亿元（X3）；交通运输水平：货运量/万吨（X4）和货运周转量/亿吨公里（X5）；供给需求关系：生鲜农产品总量/万吨（X6）、全体人均消费支出/元（X7）和互联网宽带接入用户/万户（X8）；冷链物流支撑条件：冷库容量/万立方米（X9）和冷藏车现有量/万辆（X10）。本文由2016—2023年《河南统计年鉴》和国家统计局官方网站直接引用或间接计算得出2015-2022年的指标数据用于下文计算。

4.2数据预处理

4.2.1归一化

为提高模型模拟的精度，需要在训练之前对原始的输入数据和输出数据进行归一化处理，采用min-max线性归一化方法对原始数据进行线性变换，公式如下：

式中：代表归一化之后的值；为归一化之前的值；和分别为原始数据的最大值和最小值。

4.2.2灰色关联分析

运用灰色关联分析法对生鲜农产品冷链物流需求量与10个影响因素进行相关性分析，结果显示关联度分别为0.76、0.71、0.75、0.65、0.73、0.68、0.75、0.80、0.82和0.83均大于0.6，适合于生鲜农产品冷链物流需求预测。

4.3 结果分析

利用MATLAB进行实验分析，最优参数speed-998，Max_neurons-2，df-5，MSE-0.0452，训练集RMSE-34.7069，测试集RMSE-120.5288，训练集R2-0.97642，测试集R2-0.82738。2015-2022年的生鲜农产品冷链物流需求量对比情况如表1所示。

5 结论

根据Bayes - RBF模型预测得到河南省2023-2030年未来8年的生鲜农产品冷链物流需求量分别为2609.52万吨，2788.71万吨，2985.24万吨，3198.82万吨，3430.16万吨。未来总体呈稳步上升的趋势，这与河南省目前的冷链物流发展整体宏观环境相契合。结果证明，本文构建的Bayes - RBF模型用于河南省生鲜农产品冷链物流需求预测，可以为冷链物流研究提供预测参考。

分析相关影响因素，结合未来5年农产品冷链物流需求量明显的递增趋势，提出以下3点建议：（1）强化冷链物流服务体系，建成符合产业结构特点、适应经济社会发展需要的冷链物流体系。（2）提高农产品产地低温处理能力，扩大高品质生鲜农产品供给，支撑带动冷链物流产业做大做强做优。（3）加大冷链物流关键技术和先进装备研发力度，推动建立冷链物流统计评价体系，完善冷链物流标准体系。加大冷链物流专业人才培养力度，扩大冷链物流人才队伍。

参考文献

[1]王艳丽.基于GM（1，1）模型的甘肃省冷链物流需求预测研究[J].物流工程与管理，2024，46（03）：1-3.

[2]朱闯，孙庆峰.基于MIV-GA-BP模型的农产品冷链物流需求预测[J].物流科技，2023，46（09）：134-137.

[3]李小玲.基于GM（1，N）模型的广东省生鲜农产品冷链物流需求预测研究[J].物流科技，2022，45（07）：143-147.