成　琳，彭良濤，王銳淇

(1.重慶市能源職業(yè)學院，重慶　402247； 2.后勤工程學院，重慶　401331)

?

區(qū)域物流產(chǎn)業(yè)需求預測及發(fā)展趨勢研究
——以重慶市開縣地區(qū)為例

成琳1，彭良濤2，王銳淇2

(1.重慶市能源職業(yè)學院，重慶402247； 2.后勤工程學院，重慶401331)

摘要：以重慶市開縣地區(qū)物流產(chǎn)業(yè)為例，以該區(qū)域2008—2014年物流產(chǎn)業(yè)基礎數(shù)據(jù)作為主要分析對象，采用相關分析方法并借助數(shù)學工具，對其2015—2022年物流產(chǎn)業(yè)需求以及區(qū)域內(nèi)分區(qū)物流產(chǎn)業(yè)發(fā)展趨勢進行預測，得到具有一定實際經(jīng)濟意義的分析和預測結(jié)果。

關鍵詞：區(qū)域經(jīng)濟；物流產(chǎn)業(yè)；需求預測；預測模型

本文引用格式：成琳，彭良濤，王銳淇.區(qū)域物流產(chǎn)業(yè)需求預測及發(fā)展趨勢研究——以重慶市開縣地區(qū)為例[J].重慶與世界，2016(6):15-22.

Citation format:CHENG Lin,PENG Liang-tao,WANG Rui-qi.Research to Prediction About Demands of Regional Logistics Industry and Devolopment Trend: Basing on the Kai County of Chongqing[J].The World and Chongqing,2016(6):15-22.

一、前言

隨著我國經(jīng)濟結(jié)構(gòu)的不斷升級，現(xiàn)代物流行業(yè)已經(jīng)成為了我國諸多產(chǎn)業(yè)中最具發(fā)展?jié)摿?，也是發(fā)展前景最優(yōu)的行業(yè)，其發(fā)展直接影響到其他產(chǎn)業(yè)的持續(xù)發(fā)展能力。因此，全國各區(qū)域、各省市正不斷加大對物流行業(yè)的引導和扶持力度。物流行業(yè)在高速發(fā)展過程中，除去大量的人力、財力成本投入外，還需要不斷的智力投入對其具體發(fā)展軌跡進行規(guī)劃，對資源進行統(tǒng)籌利用，對其發(fā)展方式進行進一步完善。

物流業(yè)的發(fā)展需要經(jīng)驗數(shù)據(jù)作為決策者未來進行產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和布局的依據(jù)，同時物流數(shù)據(jù)的預測也可為地區(qū)第一和第二產(chǎn)業(yè)的發(fā)展提供有力的經(jīng)濟數(shù)據(jù)支撐，在一定程度上為區(qū)域內(nèi)各產(chǎn)業(yè)發(fā)展趨勢提供決策支持。

重慶作為我國西部唯一的直轄市，近年來經(jīng)濟發(fā)展快速增長，尤其是 “一帶一路”戰(zhàn)略和建設長江經(jīng)濟帶為促進長江黃金水道沿線綜合立體交通走廊建設帶來了新的機遇，交通建設全面提速，工業(yè)、商貿(mào)流通躋身西部地區(qū)前列[1-2]。重慶市開縣與萬州、城口、巫溪、云陽比鄰，又與四川達州地區(qū)接壤，是渝東北地區(qū)進出四川、陜西的重要門戶，處于川陜渝物流大通道的核心位置和長江經(jīng)濟帶綜合立體交通走廊的輻射區(qū)域[3]。獨特的地理優(yōu)勢為開縣發(fā)展現(xiàn)代物流產(chǎn)業(yè)提供了良好的機遇，同時其物流業(yè)的發(fā)展案例也具有一定區(qū)域代表性。開縣在發(fā)展現(xiàn)代物流業(yè)的同時，與我國其他區(qū)域類似，需要對物流產(chǎn)業(yè)經(jīng)驗數(shù)據(jù)進行收集、整理，科學采用數(shù)理方法進行數(shù)據(jù)分析以及預測，從而對區(qū)域內(nèi)物流業(yè)的進一步發(fā)展理清脈絡。因此，本文將以開縣物流產(chǎn)業(yè)為例，采用恰當?shù)念A測方法對該區(qū)域物流需求進行科學預測，從而得到具有支撐力的物流行業(yè)發(fā)展依據(jù)。其預測方法、分析過程與預測結(jié)果均可對全國其他區(qū)域的現(xiàn)代物流業(yè)發(fā)展起到借鑒作用。

二、國內(nèi)外研究現(xiàn)狀

國內(nèi)外針對區(qū)域物流產(chǎn)業(yè)預測開展的研究較多，涉及的范圍也較廣。文獻[4]提出了基于MLP神經(jīng)網(wǎng)絡的區(qū)域物流需求預測模型，為區(qū)域物流需求預測提供了一種新的思路和方法。文獻[5]從區(qū)域物流需求預測內(nèi)容、指標選擇和預測方法三方面進行了系統(tǒng)研究。文獻[6]建立了趨勢曲線預測模型、回歸預測模型及灰色預測模型的物流需求單項預測模型，并以重慶空港物流園為例進行應用。文獻[7-8]針對LSSVM在物流需求預測中參數(shù)選擇的隨意性、耗時性等問題,將LSSVM與動態(tài)加速系數(shù)粒子群優(yōu)化(DACPSO)算法結(jié)合,提出一種基于LSSVM-DACPSO的物流需求預測模型。文獻[9]以云南省統(tǒng)計數(shù)據(jù)為基礎，建立基于主成分回歸方法的區(qū)域物流需求預測模型。文獻[10]在現(xiàn)有研究的基礎上，考慮到區(qū)域經(jīng)濟發(fā)展水平與區(qū)域物流需求的相關性，提出一種區(qū)域物流需求預測的GSO-GNNM模型。文獻[11]運用支持向量回歸曲線估計模型(SVR)對區(qū)域物流需求結(jié)構(gòu)風險最小化原理進行了研究。文獻[12]運用計量經(jīng)濟模型分析和預測北京物流總需求的分析，探討了北京物流需求的影響因素。

從以上文獻分析可以看出，現(xiàn)階段對區(qū)域物流產(chǎn)業(yè)需求的預測往往停留在預先選擇的固定方法上，在該種方法下再進行相關的分析內(nèi)容細分。分析方法選擇較為單一，通過比較后再進行分析與預測較少，且物流產(chǎn)業(yè)需求水平統(tǒng)計口徑往往限于某一類社會經(jīng)濟統(tǒng)計量。此外，由于大部分的研究針對的是區(qū)域的整體物流需求預測，沒有針對區(qū)域內(nèi)部的經(jīng)濟特征分區(qū)特點，開展物流產(chǎn)業(yè)區(qū)域內(nèi)分區(qū)差異性預測，造成預測結(jié)果針對區(qū)域內(nèi)部各分區(qū)物流產(chǎn)業(yè)規(guī)劃的可指導性下降。

三、研究思路及預測方法

本文主要針對開縣地區(qū)的物流市場總額，以及公路與水路貨運量兩個重要的物流指標性數(shù)據(jù)進行區(qū)域物流產(chǎn)業(yè)需求的分析與預測，從而得到該地區(qū)的物流產(chǎn)業(yè)整體和細分發(fā)展趨勢。在此基礎上，根據(jù)區(qū)域內(nèi)分區(qū)產(chǎn)業(yè)結(jié)構(gòu)特征以及第三產(chǎn)業(yè)總體比重，得到物流區(qū)域內(nèi)分區(qū)物流量預測結(jié)果，進而判斷各分區(qū)物流產(chǎn)業(yè)發(fā)展趨勢，為未來的區(qū)域內(nèi)物流產(chǎn)業(yè)發(fā)展規(guī)劃提供決策支持。

物流需求預測是以歷年的統(tǒng)計資料為依據(jù)，用數(shù)理統(tǒng)計的方法對物流需求量的未來發(fā)展從數(shù)量上加以測算和分析。統(tǒng)計預測的方法有很多，具體方法要視實際情況而定，主要方法有：時間序列預測模型、線性回歸預測模型、曲線估計回歸預測模型以及灰色系統(tǒng)預測模型等[13-14]。本研究根據(jù)方法的特點和數(shù)據(jù)的走勢主要采用了曲線估計回歸預測模型和灰色系統(tǒng)預測模型。為了使預測結(jié)果盡可能反映現(xiàn)實情況，本文首先采用11種模型對數(shù)據(jù)進行回歸擬合[15]，然后選擇擬合程度最好的3種模型對數(shù)據(jù)的未來走勢進行預測，達到互相檢驗、提高預測結(jié)果可靠性的目的，最后在3種預測結(jié)果基礎上，采用綜合平均的方法給出推薦的預測值。涉及到的數(shù)據(jù)處理及預測工具主要有：PASW Statistics 18.0；MATLAB R2010a。

四、區(qū)域物流市場總額預測

區(qū)域物流市場總額是衡量區(qū)域總體物流水平的主要經(jīng)濟指標，主要由區(qū)域物流業(yè)產(chǎn)值作為數(shù)據(jù)采集來源。開縣2008年至2014年的物流業(yè)產(chǎn)值如表1所示。由表1可作出2008—2014年開縣物流業(yè)產(chǎn)值的散點圖，如圖1所示。

表12008—2014年開縣物流業(yè)產(chǎn)值萬元

年份2008200920102011物流業(yè)產(chǎn)值41119488655943871966年份201220132014物流業(yè)產(chǎn)值91046109468128406

根據(jù)圖1的數(shù)據(jù)走勢，采用曲線估計模型[16-17]和灰色預測模型[18-19]對開縣物流業(yè)產(chǎn)值進行曲線擬合。將年份視為自變量，物流業(yè)產(chǎn)值視為因變量，自變量取值1～7(2008年為基準年)，在PASW Statistics 18.0和MATLAB R2010a中對其進行分析，分析結(jié)果如表2所示。

圖1　開縣物流業(yè)產(chǎn)值趨勢

由表2可知，擬合優(yōu)度(R2)最高的兩個模型分別為二次曲線和三次曲線模型，而復合、指數(shù)和增長模型的擬合程度相同，本文選用二次、三次和指數(shù)曲線模型作為預測模型。根據(jù)估計出的參數(shù)，很容易得到3種模型對2015—2022年開縣物流業(yè)產(chǎn)值的預測結(jié)果，如表3和圖2所示。

表2　模型匯總和參數(shù)估計值　萬元

自變量為 YEAR,not periodic

表3　2015—2022年開縣物流業(yè)產(chǎn)值預測值　萬元

圖2　2015—2022年開縣物流業(yè)產(chǎn)值預測值

五、物流區(qū)域內(nèi)分布量預測

除去以貨幣維度為基準的區(qū)域物流市場總額可作為區(qū)域物流水平的衡量標準外，區(qū)域的物流水平衡量還可以以實物為基準的物流相關行業(yè)貨運量進行。由于開縣目前沒有機場和鐵路，所以本文主要對開縣區(qū)域的公路貨運量以及水路貨運量進行數(shù)據(jù)采集與預測。

(一)公路貨運量預測

開縣2008—2014年公路貨運量如表4所示，其對應的散點圖如圖3所示。

表42008—2014年開縣公路貨運量萬噸

年份2008200920102011公路貨運量627659643587年份201220132014公路貨運量78311051351

根據(jù)圖3的數(shù)據(jù)走勢，采用曲線估計模型和灰色預測模型對開縣公路貨運量進行曲線擬合。將年份視為自變量，公路貨運量視為因變量，自變量取值1～7(2008年為基準年)，在PASW Statistics 18.0和MATLAB R2010a中對其進行分析，分析結(jié)果如表5所示。

圖3　開縣公路貨運量趨勢

由表5可知，擬合優(yōu)度(R2)最高的兩個模型分別為三次曲線和二次曲線模型，而復合、指數(shù)和增長模型的擬合程度相同，本文選用三次、二次和指數(shù)曲線模型作為預測模型。根據(jù)估計出的參數(shù)，很容易得到3種模型對2015—2022年開縣公路貨運量的預測結(jié)果，如表6和圖4所示。

圖4　2015—2022年開縣公路貨運量預測值

表5　模型匯總和參數(shù)估計值　萬元

自變量為 YEAR,not periodic。

表6　2015—2022年開縣公路貨運量預測值　萬元

(二)水路貨運量預測

開縣2008—2014年水路貨運量如表7所示，對應的散點圖如圖5所示。

表72008—2014年開縣水路貨運量萬噸

年份2008200920102011水路貨運量18333542年份201220132014水路貨運量6293114

根據(jù)圖5的數(shù)據(jù)走勢，采用曲線估計模型和灰色預測模型對開縣公路貨運量進行曲線擬合。將年份視為自變量，水路貨運量視為因變量，自變量取值1～7(2008年為基準年)，在PASW Statistics 18.0和MATLAB R2010a中對其進行分析，分析結(jié)果如表8所示。

圖5　開縣水路貨運量趨勢

由表8知，擬合優(yōu)度(R2)最高的兩個模型分別為三次曲線和二次曲線模型，而復合、指數(shù)和增長模型的擬合程度相同，本文選用三次、二次和指數(shù)曲線模型作為預測模型。根據(jù)估計出的參數(shù)，很容易得到3種模型對2015—2022年開縣水路貨運量的預測結(jié)果，如表9和圖6所示。

表8　模型匯總和參數(shù)估計值

表9　2015—2022年開縣水路貨運量預測值　萬噸

圖6　開縣水路貨運量預測值

六、分區(qū)物流量發(fā)展趨勢分析

區(qū)域內(nèi)部由于地理條件、產(chǎn)業(yè)分布等客觀因素的不同，在物流基礎以及發(fā)展軌跡上應重點考慮分區(qū)特征。因此，在制定具體物流規(guī)劃時，有依據(jù)地進行分區(qū)制定，這樣的物流規(guī)劃才具有可操作性，其實施效果也更為明顯。物流產(chǎn)業(yè)是國民經(jīng)濟第三產(chǎn)業(yè)的重要組成部分，其產(chǎn)值比重在第三產(chǎn)業(yè)中也日益增大，區(qū)域內(nèi)分區(qū)物流產(chǎn)業(yè)產(chǎn)值預測可在物流總體產(chǎn)值的基礎上，根據(jù)第三產(chǎn)業(yè)產(chǎn)值的分區(qū)占比來為依據(jù)進行。開縣物產(chǎn)資源豐富，產(chǎn)業(yè)分布有序，具有明顯的區(qū)域性。北部片區(qū)主要以農(nóng)業(yè)、林業(yè)為主，中部片區(qū)主以工業(yè)、商貿(mào)業(yè)為主，南部片區(qū)目前主要以農(nóng)業(yè)為主。各分區(qū)內(nèi)部由于產(chǎn)業(yè)依托不同，對物流產(chǎn)業(yè)的發(fā)展需求也有較大差別，從而進一步影響產(chǎn)業(yè)分區(qū)規(guī)劃。

(一)發(fā)展趨勢分析思路

考慮地理位置及產(chǎn)業(yè)分布情況，將開縣劃分為北部片區(qū)、中部片區(qū)和南部片區(qū)三大區(qū)域，其中，北部片區(qū)包括：郭家鎮(zhèn)、溫泉鎮(zhèn)、和謙鎮(zhèn)、高橋鎮(zhèn)、大進鎮(zhèn)、敦好鎮(zhèn)、河堰鎮(zhèn)、白橋鎮(zhèn)、譚家鎮(zhèn)、白泉鄉(xiāng)、關面鄉(xiāng)、滿月鄉(xiāng)、麻柳鄉(xiāng)、紫水鄉(xiāng)；中部片區(qū)包括：鎮(zhèn)東街道、豐樂街道、白鶴街道、漢豐街道、文峰街道、云楓街道、趙家街道、鎮(zhèn)安鎮(zhèn)、竹溪鎮(zhèn)、渠口鎮(zhèn)、厚壩鎮(zhèn)、金峰鎮(zhèn)、大德鎮(zhèn)；南部片區(qū)包括：鐵橋鎮(zhèn)、南雅鎮(zhèn)、義和鎮(zhèn)、長沙鎮(zhèn)、臨江鎮(zhèn)、中和鎮(zhèn)、岳溪鎮(zhèn)、南門鎮(zhèn)、九龍山鎮(zhèn)、天和鎮(zhèn)、巫山鎮(zhèn)、五通鄉(xiāng)、三匯口鄉(xiāng)。

隨著經(jīng)濟社會的不斷發(fā)展，三大片區(qū)物流總量的發(fā)展趨勢必然會快速增長，這在物流分布量的預測中也有所體現(xiàn)。然而，各大片區(qū)之間的物流量比例關系如何，需要進一步深入分析，以為開縣現(xiàn)代物流網(wǎng)絡布局提供合理參考。本文對三大片區(qū)物流量的發(fā)展趨勢的分析思路是：統(tǒng)計出2014年三大片區(qū)第三產(chǎn)業(yè)的產(chǎn)值，并計算三大片區(qū)各占全縣第三產(chǎn)業(yè)產(chǎn)值的比重，以此作為三大片區(qū)2014年所占開縣物流總量的比重(三大片區(qū)物流總額的比重與此比重相同)。由于年鑒中只有2014年各街道鄉(xiāng)鎮(zhèn)第三產(chǎn)業(yè)產(chǎn)值的數(shù)據(jù)，缺乏往年的歷史數(shù)據(jù)，不足以預測2015—2022年各街道鄉(xiāng)鎮(zhèn)第三產(chǎn)業(yè)產(chǎn)值的情況，所以這里根據(jù)2014年三大片區(qū)物流量之間的比重，以及三大片區(qū)的產(chǎn)業(yè)布局和發(fā)展政策導向，來對三大片區(qū)未來幾年物流量的發(fā)展趨勢進行分析。

(二)發(fā)展趨勢分析步驟

1.統(tǒng)計三大片區(qū)第三產(chǎn)業(yè)產(chǎn)值

三大分區(qū)第三產(chǎn)業(yè)的產(chǎn)值情況如表10所示，從表中可知，中部、北部、南部片區(qū)第三產(chǎn)業(yè)的產(chǎn)值為434 553萬元、147 879萬元、232 196萬元，分別占開縣第三產(chǎn)業(yè)的比重為53.35%、18.15%、28.50%。

表10　2014年三大分區(qū)第三產(chǎn)業(yè)產(chǎn)值　萬元

2.計算開縣2015—2022年物流預測總量

由于統(tǒng)計口徑不同，區(qū)域物流總體產(chǎn)值統(tǒng)計量所計算的范圍較大，所涉及行業(yè)交叉性較強，同時由于區(qū)域物流總體產(chǎn)值往往受到金融市場波動影響較大，其統(tǒng)計精度往往相對較弱。因此，本文不使用區(qū)域物流總體產(chǎn)值統(tǒng)計值作為物流預測總量數(shù)據(jù)來源，而采用與物流產(chǎn)業(yè)直接相關的運輸行業(yè)貨運量物流數(shù)據(jù)之和來作為預測基礎數(shù)據(jù)來源。由于開縣目前沒有機場和鐵路，所以將預測的公路和水路貨運量之和作為開縣的物流總量，如表11所示。

表11　2015—2022年開縣物流量預測值　萬噸

3.三大分區(qū)物流量發(fā)展趨勢分析

依據(jù)三大片區(qū)所占開縣第三產(chǎn)業(yè)的比重，計算三大片區(qū)2015、2018和2022年的物流量，結(jié)果如表12所示。

表12　2015—2022年三大片區(qū)物流量　萬噸

從表12中可知，若僅僅以2015年三大片區(qū)的物流量比重來計算2022年三大片區(qū)的物流量(預測值)，中部將達到4 218.76萬噸，北部和南部分別為1 425.25和2 253.69萬噸。然而，根據(jù)開縣目前的產(chǎn)業(yè)布局和規(guī)劃情況，隨著中部地區(qū)幾大工業(yè)園區(qū)的建設完工，在未來幾年的物流量必將大幅提升，其所占的比例也會進一步增長；而北部和南部隨著幾大農(nóng)業(yè)園區(qū)尤其是浦里工業(yè)園區(qū)的進一步建設，其在未來幾年的物流量也將會進一步增長。因此，我們可以粗略估計，到2022年中部片區(qū)的物流量將可能會達到5 000萬噸萬噸左右，而北部和南部片區(qū)將分別達到1 000萬噸、2 000萬噸左右。這說明在未來幾年中部片區(qū)對現(xiàn)代物流業(yè)的要求極高，其次是南部和北部片區(qū)。所以，在完善開縣現(xiàn)代物流網(wǎng)絡布局時，需加大對中部地區(qū)物流基礎設施的投入，在中部片區(qū)建設大型的現(xiàn)代物流基地，以滿足不斷增長的物流需求；同時要有序推進南部和北部地區(qū)的現(xiàn)代物流業(yè)的建設，打造符合南部和北部產(chǎn)業(yè)特色的現(xiàn)代物流園區(qū)，使三大片區(qū)現(xiàn)代物流業(yè)能夠全面協(xié)調(diào)可持續(xù)發(fā)展，為開縣經(jīng)濟的快速發(fā)展起到良好的物流支撐作用。

七、結(jié)束語

本文采用了曲線估計回歸預測模型和灰色系統(tǒng)預測模型，通過PASW Statistics 18.0和Matlab R2010a數(shù)據(jù)處理及預測工具，結(jié)合相關數(shù)據(jù)對開縣物流市場總額、公路貨運量、水路貨運量進行了預測。在預測數(shù)據(jù)的基礎上，結(jié)合該區(qū)域內(nèi)部各分區(qū)間第三產(chǎn)業(yè)的比重關系，對未來各分區(qū)的物流產(chǎn)業(yè)量進行預測，從而指導未來區(qū)域內(nèi)的發(fā)展總體結(jié)構(gòu)和側(cè)重，為政府的決策者提供科學的決策依據(jù)。本文采用的區(qū)域總物流量預測方法以及區(qū)域內(nèi)部分區(qū)物流量預測方法均可對我國其他區(qū)域內(nèi)部物流產(chǎn)業(yè)發(fā)展研究與規(guī)劃提供有益參考。

參考文獻：

[1]何禮兵,譚凱鳴.重慶:助推“一帶一路”和長江經(jīng)濟帶融合發(fā)展[J].中國政協(xié),2015(20):29-30.

[2]蔡春麗.“一帶一路”的重慶實作:精準扮演好角色[J].今日重慶,2015(1):58-61.

[3]黎學東.從地理學角度分析開縣旅游環(huán)境中存在的問題[J].大江周刊:論壇,2013(9):206.

[4]后銳,張畢西.基于MLP神經(jīng)網(wǎng)絡的區(qū)域物流需求預測方法及其應用[J].系統(tǒng)工程理論與實踐,2005,25(12):43-47.

[5]何國華.區(qū)域物流需求預測及灰色預測模型的應用[J].北京交通大學學報(社會科學版),2008,7(1):33-37.

[6]楊波,吳涵.基于組合預測模型的物流園區(qū)物流需求預測——以重慶空港物流園為例[J].數(shù)學的實踐與認識,2015(20):16-25.

[7]耿立艷,郭斌.基于LSSVM-DACPSO模型的物流需求預測[J].統(tǒng)計與決策,2015(14):78-81.

[8]耿立艷.基于GRA與KPCA的LSSVM物流需求預測[J].交通運輸系統(tǒng)工程與信息,2015(1):137-142.

[9]彭湖,何民.基于主成分回歸的區(qū)域物流需求預測研究——以云南省為例[J].交通運輸研究,2015(3):60-65.

[10]伍星華.基于 GSO-GNNM模型的區(qū)域物流需求預測[J].科技管理研究,2015(11):212-216.

[11]QI F,YU D,HOLTKAMP B.A logistics demand forecasting model based on Grey neural network[C].Sixth International Conference on Natural Computation,ICNC 2010,Yantai,Shandong,China,10-12 August 2010,2010.

[12]LU Y R,JING F.Research on Grain Logistics Demand Forecasting Based on System Dynamics[C].CICTP 2012@sMultimodal Transportation Systems-Convenient,Safe,Cost-Effective,Efficient,2015.

[13]李夢.基于優(yōu)化算法的物流預測方法與應用研究[D].北京：北京化工大學,2014.

[14]劉秉鐮.基于價值量的物流需求分析與預測方法研究[J].中國軟科學,2004(5):66-73.

[15]張振玉.基于逐步回歸分析的上海城市物流需求研究[J].城市建設理論研究(電子版),2012(17).

[16]TOSTESON A N,BEGG C B.A general regression methodology for ROC curve estimation[J].Medical Decision Making An International Journal of the Society for Medical Decision Making,1988,8(3):204-215.

[17]GERGER S,WHITAKER R.Regularization-Free Principal Curve Estimation[J].Journal of Machine Learning Research,2013,14(3):1285-1302.

[18]WANG F X,ZHANG L S.Combination Gray Forecast Model Based on the Ant Colony Algorithm[J].Mathematics in Practice & Theory,2009,39(14):102-106.

[19]ZHOU Y.Application of Residual Error Gray Forecast Model on Logistics Demand Forecast[J].Railway Transport & Economy,2007.

(責任編輯周江川)

作者簡介：成琳(1983—)，女，碩士研究生，研究方向：物流管理。

doi：10.13769/j.cnki.cn50-1011/d.2016.06.004

中圖分類號：F061.5

文獻標識碼：A

文章編號：1007-7111(2016)06-0015-08

Research to Prediction About Demands of Regional Logistics Industry and Devolopment Trend: Basing on the Kai County of Chongqing

CHENG Lin1,PENG Liang-tao2,WANG Rui-qi2

(1.Chongqing Energy College,Chongqing 402247,China; 2.Chongqing Logistics Engineering University Chongqing 401331,China)

Abstract:The paper took logistics industry of Kai County as an example,and based on the datas of the regional logistics industry during 2008—2014 and using scientific related analysis and predicting tool to forcast demands and devolopment trend of this region during 2015—2022,the paper got some conclusions that have realistic economic meaning.

Key words:regional economy; logistics industry; demands prediction; prediction model