1 灰色關聯模型分析

通過調研，本實驗以生鮮農產品發展、物流發展、冷鏈基礎設施、人民生活、數字經濟發展、能源消耗等作為一級指標。本論文研究數據年限從2016年至2021年，具體指標分配情況如表1所示。

本實驗以農林牧漁生產總值作為參考序列，用A0表示。其他指標確定為比較序列，用Ak(k=1,2,3,...,10)表示，具體數據如表2所示。灰色關聯分析分四步，首先確定分析序列，其次對變量進行預處理，再次計算指標灰色關聯系數，最后就是確定關聯度及指標排名[11]。

經過SPSSAU軟件分析，得到比較序列的關聯系數結果，如表3所示，其中數字越大，代表關聯性越強。由關聯系數進行平均值計算得出關聯度值介于0～1，該值越大表示評價項與“參考值”相關性越強，關聯度越高，意味著評價項與“參考值”之間關系越緊密，因而其評價越高。結合關聯度值，對所有評價項進行排序，得到各評價項排名[12]，如表4所示。

通過分析發現以下情況：1)農產品物流規模占首位，也就是物流規模影響數字技術的使用，規模太小，不利于數字技術的推進；2)居民的食品支出影響冷鏈物流的發展，只有居民購買需求大，物流行業才能快速發展；3)排最后的是區塊鏈企業數量，說明目前冷鏈行業對區塊鏈技術還在觀望中，未來有很大的發展空間。

2 模型預測

灰色系統是一個既包含已知變量又包含未知信息的系統。通常定義為GM(n,x)模型，其內涵是用n階微分方程對x個變量進行建模。簡單講即離散的序列看成連續的序列，弱化未知量，強化已知量，最后構建一個以時間為變量的微分方程，達到預測目的。使用該模型預測的前提是數據為線性樣本，非線性的數據預測效果差。

課題組先以A0農林牧漁生產總值來做預測分析。建立GM(1,1)模型一般包括四個步驟：1)對原始數列進行級比檢驗及可行性分析；2)對原始數列進行累加得到累加生成數列，并建立微分方程；3)構造數列矩陣B和向量Yn，利用最小二乘法計算模型的響應方程式；4)進行模型的檢驗[13]。

2.1 構建原始數據

建立農林牧漁生產總值序列{x0(1),x0(2),x0(3),x0(4),…,x0(n)}。求級比并進行級比的判斷：代入上式可以得到(λ2λ3λ4λ5)=(0.963 0.916 0.9 0.937)，原序列的所有級比值都位于區間(0.717，1.396)內，說明原序列適合構建灰色預測模型。通過一次累加之后得到新的序列{x1(1),x1(2),x1(3),x1(4),…,x1(n)}。這樣得到GM(1,1)模型的原始形式x0(k)+ax1(k)=b。

2.2 構建基本形式

設有新的序列{z1(1),z1(2),z1(3),z1(4),…,z1(n)}。其中，z1(k)=1/2(x1(k)+x1(k-1))稱為鄰值生成序列。故x0(k)+az1(k)=b為GM(1,1)模型的基本形式。求解過程如下：針對x0(k)+az1(k)=b這個式子，設α=[ab]且有Yn和B。

于是GM(1,1)可以表示為：Y=Bα。根據最小二乘法求解得到：α=(BTB)-1BTY。

2.3 微分方程形式

根據前面得到的一次累加序列以及鄰值生成序列，把作為灰色微分方程，也就是x0(k)+az1(k)=b的白化方程，其中，a稱為發展灰數，b稱為內生控制灰數。

通過公式計算，可以得到發展灰數為-0.087，內生控制灰數為99 560.68，后驗差比值C為0.006，依據表5，可以得出模型精度高。

求解微分方程，得到預測模型：

最后的預測值序列將上述的做一次累減序列還原。

2.4 模型精度檢測

通過計算，得到模型的擬合結果，如表6所示。

模型平均相對誤差為0.573%，小于20%即說明擬合良好。基于上面的預測模型原理，數據也符合規律，可以求出A1至A10指標2024—2026年的預測數據。全部預測數據如表7所示。

結合預測數據，發現所有指標都呈現上升趨勢，說明人民對冷鏈的需求比較大，這就需要新技術的支持與投入，才能讓冷鏈行業數字經濟快速發展。與此同時，大量冷庫的投入也會造成能源的消耗，如何減少碳排放成為需突破的主要問題。

3 結果分析與建議

本模型研究結果說明冷鏈物流中與農林牧漁生產總值關聯最大的就是農產品物流規模及人均食品煙酒支出。應加大對冷鏈物流產業的投入，幫助農戶增加收入。目前我國冷鏈物流行業法律法規不夠健全。應加快物流運輸標準化建設，科技的驅動與賦能是運營標準化水平提升的核心動力。

大部分地區冷庫成本投入高。除了基地建設初期的重資產投入外，冷庫的日常運營成本也遠遠高于普通倉庫。優化冷庫的能源消耗，減少能耗成本，也是重要的一環。增加多元的運輸方式，發展暢通的海運、陸運和空運綜合運輸體系來保障運輸，加強碼頭和鐵路延伸線規劃建設，讓企業和農民有更多的選擇。通過物聯網采集實時數據，并利用區塊鏈技術和云計算技術，將采集的實時數據上傳到各種終端設備上，實現數據的可視化。

本研究的不足之處在于，對數字技術的其他模塊沒有展開調研，只研究區塊鏈企業規模；研究的數據樣本偏少，后續研究要擴大樣本量。

4 結語

當前的冷鏈發展存在能耗高、成本高，溫度異常造成的貨損風險高，專業人才匱乏，人力成本偏高，傳統冷庫監控無法滿足客戶要求等問題。構建新型冷庫，主要圍繞全程冷鏈物流的數據監測，實現對壓縮機轉速、膨脹閥開度及風機轉速的調控，來改善冷鏈過程中的蒸發溫度和冷凝溫度。冷庫的信息化參數主要包括冷庫基本信息、出入貨情況、機組運行狀態及設備設定參數，并且通過云平臺對冷庫進行管理。數字技術在冷鏈領域的應用還有待企業、高校、科研院所等多方共同努力探索，構建數字化的冷鏈模式，早日實現“數字中國”目標。