劉艷^1*， 季俊成²

（1.深圳信息職業(yè)技術學院 財經(jīng)學院，廣東深圳 518000，中國；2.澳門理工大學 應用科學院，澳門特別行政區(qū) 999078，中國）

摘要：［目的/意義］為了解決冷鏈物流需求預測在數(shù)字化轉(zhuǎn)型中存在特征提取不充分、數(shù)據(jù)非線性程度高和算法易陷入局部最優(yōu)等問題，提出一種結(jié)合灰色關聯(lián)分析（Grey Relational Analysis， GRA）、野馬優(yōu)化算法（Wild Horse Optimizer， WHO）和時序卷積網(wǎng)絡（Temporal Convolutional Networks， TCN）的組合預測模型，旨在解決需求預測精度不高的問題，以實現(xiàn)農(nóng)產(chǎn)品供應鏈智能化管理。

［方法］首先運用GRA對農(nóng)產(chǎn)品冷鏈物流相關指標進行關聯(lián)度篩選；其次采用TCN充分考慮農(nóng)產(chǎn)品供應鏈中社會經(jīng)濟數(shù)據(jù)及物流信息中的時序性特征，并使用WHO對TCN模型超參數(shù)進行尋優(yōu)；最后運用優(yōu)化的GRA-WHO-TCN模型對浙江省冷鏈物流需求進行預測。

［結(jié)果和討論］采用WHO的時序算法TCN模型能夠有效提取多維度數(shù)據(jù)的時序特征和空間特征，具備較好的擬合效果。與GRA-LSTM、GRA-TCN和GRA-WHO-LSTM模型相比，GRA-WHO-TCN冷鏈物流需求預測模型具有較低的均方根誤差值（11.3）和有效的相關系數(shù)（0.95），且預測2016—2020年浙江省農(nóng)產(chǎn)品冷鏈物流需求量分別為2 980、3 046、2 487、2 645和2 799萬噸，能夠?qū)崿F(xiàn)對冷鏈物流需求較高的預測精度。

［結(jié)論］提出的GRA-WHO-TCN模型具備良好的優(yōu)化和預測能力，能夠為數(shù)字經(jīng)濟背景下農(nóng)產(chǎn)品供應鏈物資流、信息流發(fā)展提供科學預測依據(jù)和實際參考價值。

關鍵詞： 數(shù)字化轉(zhuǎn)型；農(nóng)產(chǎn)品供應鏈；冷鏈物流；灰色關聯(lián)分析；野馬優(yōu)化算法；時序卷積網(wǎng)絡

文章圖片

圖1 時序卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)圖

Fig. 1 Structure of temporal convolutional networks

圖2 冷鏈物流需求量影響指標灰色關聯(lián)度

Fig. 2 Grey correlation degree of impact indicators on cold chain logistics demand

圖3 農(nóng)產(chǎn)品冷鏈物流數(shù)據(jù)滑動窗口劃分

Fig. 3 Sliding window division of agricultural products cold chain logistics data

圖4 LSTM網(wǎng)絡和TCN參數(shù)優(yōu)化結(jié)果

Fig 4 Optimization results of LSTM net and TCN parameters

圖5 GRA-WHO-LSTM和GRA-WHO-TCN模型適應度變化

Fig. 5 Changes in fitness of GRA-WHO-LSTM and GRA-WHO-TCN models

通訊作者簡介

劉艷 博士

劉艷，哈爾濱工業(yè)大學管理科學與工程博士，深圳信息職業(yè)技術學院財經(jīng)學院講師，目前受聘為區(qū)政協(xié)咨詢委員會咨詢委員，主要從事區(qū)域經(jīng)濟與產(chǎn)業(yè)政策、供應鏈管理、金融科技等領域研究，有多年從事商業(yè)銀行產(chǎn)品研發(fā)業(yè)務的工作經(jīng)驗，擁有行業(yè)相關國家發(fā)明專利和軟件著作權(quán)多項，先后發(fā)表多篇論文，承擔省市級及企業(yè)橫向委托研究課題多項。

濰柴雷沃智慧農(nóng)業(yè)科技股份有限公司