莫艷芳， 趙一飛

（1.上海交通大學中美物流研究院，上海 200030;2.上海交通大學安泰經(jīng)濟與管理學院，上海 200030）

滾裝運輸以其專業(yè)性強、運輸批量大、破損率小、運費低、污染低等優(yōu)勢吸引著汽車經(jīng)銷商。為滿足我國汽車銷售市場不斷增長的需要，滾裝碼頭的發(fā)展正呈現(xiàn)出巨大的需求。為適應(yīng)這一需求，交通運輸部于2006年批準大連、天津、上海和廣州四港的滾裝碼頭成為我國進出口整車的指定口岸，極大地推動了這四個港口滾裝碼頭的發(fā)展。2006—2011年，這四個港口的吞吐量如表1所示，可見其波動性大，規(guī)律不明顯。為正確引導我國滾裝碼頭的建設(shè)，為滾裝運輸提供必要的基礎(chǔ)設(shè)施，有必要對滾裝碼頭吞吐量的預(yù)測方法進行研究。

表1 四大滾裝碼頭內(nèi)貿(mào)整車吞吐量 單位:輛

港口貨物吞吐量的預(yù)測方法［1－2］研究已經(jīng)相當成熟，分貨種方面比較常見的是對港口集裝箱吞吐量預(yù)測方法［3－4］的研究。我國汽車滾裝運輸起步較晚，學者們對滾裝碼頭的研究［5－6］主要集中在關(guān)于線路優(yōu)化或者船型設(shè)計等，對于滾裝碼頭吞吐量預(yù)測的研究相對較少。本文在對我國四大滾裝碼頭2006年以來開展業(yè)務(wù)的情況進行數(shù)據(jù)采集的基礎(chǔ)上，對滾裝碼頭發(fā)展趨勢及吞吐量的預(yù)測方法進行研究，試圖發(fā)現(xiàn)能反映滾裝碼頭發(fā)展特點的吞吐量預(yù)測方法。

一、一般預(yù)測方法及其應(yīng)用

一般而言，港口吞吐量的預(yù)測方法主要有時間序列預(yù)測法、灰色模型預(yù)測法和相關(guān)性分析預(yù)測法等，以下分別將三種方法運用在上海港滾裝碼頭上，考察比較其預(yù)測精度。

（一）時間序列預(yù)測及應(yīng)用

時間序列預(yù)測方法是以時間為自變量、預(yù)測值為因變量的預(yù)測模型，通過模型可以得到時間與預(yù)測值之間的關(guān)系，常用模型有指數(shù)函數(shù)、對數(shù)函數(shù)、冪函數(shù)、多項式等。把表1中上海滾裝碼頭吞吐量數(shù)據(jù)作為樣本處理分析發(fā)現(xiàn)，三次函數(shù)的擬合度最好，R2=0.981，通過檢驗，如式（1）所示。

基于該模型，擬合值與實際值的對比如表2所示。

表2 基于時間序列模型的實際值與擬合值對比 單位:輛

擬合情況如圖1所示。

圖1 基于時間序列預(yù)測的擬合圖

（二）灰色模型預(yù)測及應(yīng)用

鄧聚龍教授提出的灰色系統(tǒng)理論［7］具有能夠利用“較少數(shù)據(jù)”建模并發(fā)現(xiàn)趨勢的良好特性，克服資料不足或系統(tǒng)周期短的矛盾，對于目前樣本較少的滾裝碼頭吞吐量預(yù)測具有較好的適用性。GM（1，1）模型則是灰色系統(tǒng)法中應(yīng)用最普通的一種預(yù)測方法，其得到模型時間序列的一階微分方程。

根據(jù)GM（1，1）的計算步驟進行建模，由表1上海港數(shù)據(jù)，可得到原始數(shù)據(jù)數(shù)列式（2）。

對于上述X0的GM（1，1）中的參數(shù)a和u，按式（4）進行辨識。

式（4）中的B和yn分別為式（5）和式（6）。

計算出a和u后，得到GM（1，1）模型的累加數(shù)列X1的灰色模型，如式（7）所示。

由此得到實際值與模型擬合值的比較，如表3所示。2006年的擬合值x'0（1）=x0（1）=39826，計算得到后驗差比值 C=0.013 ＜0.35，小誤差概論 P=0.986 ＞0.95。由此可知屬于一級精度，擬合效果很好。

（三）相關(guān)性分析預(yù)測及應(yīng)用

相關(guān)性分析就是對兩個或多個具備相關(guān)性的變量元素進行分析，衡量變量因素的相關(guān)密切程度。滾裝碼頭吞吐量易受國內(nèi)外政策、經(jīng)濟、文化等因素的影響而波動，相關(guān)性分析可以將這些因素與吞吐量聯(lián)系起來，使預(yù)測分析更具科學性。

本文選定的是上海市GDP、汽車制造業(yè)工業(yè)總產(chǎn)值、

由式（7）累減還原，得到x0的灰色模型式（8）。民用車輛擁有量以及上海市人口密度四個因素作為自變量，進行相關(guān)性分析，這四個自變量可以科學衡量上海地區(qū)的汽車制造量和消費量。通過對歷年的《上海統(tǒng)計年鑒》整理可得到表4。

表3 基于灰色模型的實際值與擬合值對比 單位:輛

擬合情況如圖2所示。

圖2 基于灰色模型預(yù)測的擬合圖

表4 相關(guān)性分析數(shù)據(jù)整理

采用SPSS中的相關(guān)性分析軟件，可得到上海港滾裝碼頭吞吐量和上海市GDP、汽車制造業(yè)總產(chǎn)值、民用車輛擁有量及上海港貨物吞吐量的Pearson相關(guān)性和雙側(cè)顯著性，如表5所示。

表5 相關(guān)性分析結(jié)果

通過表5可以看出，上海港滾裝碼頭吞吐量和上海市 GDP、汽車制造業(yè)工業(yè)總產(chǎn)值、民用車輛擁有量以及上海市人口密度屬于高度相關(guān)，四個自變量間存在高度相關(guān)性，建立多元回歸模型，回歸結(jié)果如表6所示。

表6 模型匯總表

R2高達0.998，說明自變量可以解釋因變量變化的99.8%。從表7的方差分析表可以看出，回歸平方和解釋了總平方和的很大部分，F(xiàn) 統(tǒng)計量為 145.338，Sig.＞0.05，差異顯著。

表7 方差分析表

表8是模型的參數(shù)表。

表8 模型參數(shù)表

用Y表示上海港滾裝碼頭吞吐量，X1、X2、X3和X4分別表示上海市GDP、汽車制造業(yè)工業(yè)總產(chǎn)值、民用車輛擁有量以及上海市人口密度，則得到多元回歸模型式（9）。

表9是通過多元回歸模型得到擬合值與實際值的對比。

表9 基于相關(guān)性分析的實際值與擬合值對比 單位:輛

擬合情況如圖3所示。

圖3 基于相關(guān)性分析預(yù)測的擬合圖

通過表10可以發(fā)現(xiàn)，相關(guān)性分析的擬合度比時間序列和灰色模型高，說明在考察滾裝碼頭吞吐量時將港口城市的經(jīng)濟、人口等因素納入考慮范圍不無道理。

二、組合預(yù)測模型方法及其應(yīng)用

（一）組合預(yù)測模型

自1969年組合預(yù)測思想［8］首次提出以來，一直是預(yù)測學界熱門問題之一，它可以彌補單個預(yù)測模型的片面性，通過利用不同模型的優(yōu)點，賦予合適權(quán)重，大大提高預(yù)測的精度。

表10 時間序列、灰色預(yù)測與相關(guān)性分析的擬合值對比

本文采用的是以預(yù)測誤差平方和達到最小的線性組合預(yù)測模型［9］。設(shè)某一預(yù)測問題在某一時刻的實際值為yt（t=1，2，…，n），有k種可行的單項預(yù)測方法，其預(yù)測值分別為 yit（i=1，2，…，k，t=1，2，…，n），k 種單項預(yù)測方法的加權(quán)向量為 W=（ω1，ω2，…，ωk），設(shè) y't= ω1y1t+ω2y2t+…+ωkykt是yt的組合預(yù)測值，于是以預(yù)測誤差平方和為準則的線性組合預(yù)測模型可通過式（10）求解。

（二）組合預(yù)測模型的應(yīng)用［10－15］

設(shè)ω1為時間序列擬合值在組合預(yù)測中的權(quán)數(shù)，ω2為灰色模型擬合值在組合預(yù)測中的權(quán)數(shù)，ω3為相關(guān)性分析模型擬合值在組合預(yù)測中的權(quán)數(shù)。通過組合預(yù)測模型，可以計算得出權(quán)數(shù) W=（ω1，ω2，ω3）=（0.07，0.01，0.92）。

表11展示組合預(yù)測模型的擬合值與實際值的對比。

表11 基于組合預(yù)測模型的擬合值與實際值對比 單位:輛

組合預(yù)測模型的擬合圖如圖4所示。

圖4 基于組合預(yù)測模型的擬合圖

可見，基于組合預(yù)測模型，上海港滾裝碼頭吞吐量的擬合度比之前三個單項方法都高，進一步證明了組合預(yù)測模型具有很好的精度和適用性。

三、結(jié)語

根據(jù)以上組合預(yù)測模型的研究，可以得到如下結(jié)論:自從被指定為整車進出口岸以后，上海港滾裝碼頭整體的吞吐量呈爆炸式增長，漲幅波動比較大，聯(lián)動內(nèi)貿(mào)吞吐量迅猛發(fā)展。但可以肯定的是，未來的吞吐量規(guī)模將繼續(xù)保持增長的態(tài)勢。

上文的預(yù)測分析中分別用到了時間序列預(yù)測法、灰色系統(tǒng)預(yù)測法以及相關(guān)分析法。每一種預(yù)測方法擬合度都相當理想，但每種預(yù)測方法的使用條件不盡相同，如果只單純通過某一種特定的方法來預(yù)測，不可避免會帶來片面性。組合預(yù)測模型綜合了不同方法的優(yōu)點，提高了預(yù)測的精度，可以推廣應(yīng)用于更多規(guī)律性不明顯且影響因素復雜的數(shù)據(jù)預(yù)測。

本文需要改進的是預(yù)測時僅僅考慮到需求增長的可能，沒有將碼頭自身的作業(yè)能力和后方作業(yè)區(qū)的能力等供給因素作為約束條件，希望能在后續(xù)研究中加以考慮。

［1］劉明維，王多銀，周世良，等.港口貨物吞吐量預(yù)測方法探討［J］.水運工程，2005（3）:53－56.

［2］王紅雙，張欣蕾，朱榮艷.BP神經(jīng)網(wǎng)絡(luò)在防城港貨物吞吐量預(yù)測中的應(yīng)用［J］.物流科技，2010（5）:33－35.

［3］翟希東.港口集裝箱吞吐量預(yù)測模型研究［D］.大連:大連理工大學，2006.

［4］劉柱.灰色理論在港口集裝箱吞吐量預(yù)測中的應(yīng)用［D］.合肥:合肥工業(yè)大學，2009.

［5］楊丹.多掛靠港的商品車滾裝船配載優(yōu)化［D］.大連:大連海事大學，2012.

［6］陳丹.長江商品汽車滾裝運輸船船型開發(fā)研究［D］.武漢:武漢理工大學，2008.

［7］鄧聚龍.灰色系統(tǒng)基本方法［M］.武漢:華中科技大學出版社，2005.

［8］Bates J M，Granger C W J.The combination of forecasts［J］.Operational Research Quarterly，1969，20（4）:451－468.

［9］孫文一.中國汽車滾裝船運輸市場分析［J］.世界海運，2007，30（6）:9－11.

［10］郭宇.我國港口汽車滾裝專用碼頭發(fā)展現(xiàn)狀與展望［J］.中國港口，2009（1）:41－43.

［11］王嬌.幾種組合預(yù)測方法研究及其應(yīng)用［D］.銀川:寧夏大學，2012.

［12］毛開翼.關(guān)于組合預(yù)測中的權(quán)重確定及應(yīng)用［D］.成都:成都理工大學，2007.

［13］呂波，楊志軍，許淼.基于組合預(yù)測模型的世界海運周轉(zhuǎn)量預(yù)測分析［J］.中國造船，2012（2）:192－197.

［14］李躍旗，王穎.上海內(nèi)河貨運量的組合預(yù)測［J］.中國航海，2009，32（4）:96－99.

［15］張盛.蘇北運河貨運量預(yù)測［J］.水運管理，2008，30（1）:8－12.