1 灰色关联模型分析

通过调研，本实验以生鲜农产品发展、物流发展、冷链基础设施、人民生活、数字经济发展、能源消耗等作为一级指标。本论文研究数据年限从2016年至2021年，具体指标分配情况如表1所示。

本实验以农林牧渔生产总值作为参考序列，用A0表示。其他指标确定为比较序列，用Ak(k=1,2,3,...,10)表示，具体数据如表2所示。灰色关联分析分四步，首先确定分析序列，其次对变量进行预处理，再次计算指标灰色关联系数，最后就是确定关联度及指标排名[11]。

经过SPSSAU软件分析，得到比较序列的关联系数结果，如表3所示，其中数字越大，代表关联性越强。由关联系数进行平均值计算得出关联度值介于0～1，该值越大表示评价项与“参考值”相关性越强，关联度越高，意味着评价项与“参考值”之间关系越紧密，因而其评价越高。结合关联度值，对所有评价项进行排序，得到各评价项排名[12]，如表4所示。

通过分析发现以下情况：1)农产品物流规模占首位，也就是物流规模影响数字技术的使用，规模太小，不利于数字技术的推进；2)居民的食品支出影响冷链物流的发展，只有居民购买需求大，物流行业才能快速发展；3)排最后的是区块链企业数量，说明目前冷链行业对区块链技术还在观望中，未来有很大的发展空间。

2 模型预测

灰色系统是一个既包含已知变量又包含未知信息的系统。通常定义为GM(n,x)模型，其内涵是用n阶微分方程对x个变量进行建模。简单讲即离散的序列看成连续的序列，弱化未知量，强化已知量，最后构建一个以时间为变量的微分方程，达到预测目的。使用该模型预测的前提是数据为线性样本，非线性的数据预测效果差。

课题组先以A0农林牧渔生产总值来做预测分析。建立GM(1,1)模型一般包括四个步骤：1)对原始数列进行级比检验及可行性分析；2)对原始数列进行累加得到累加生成数列，并建立微分方程；3)构造数列矩阵B和向量Yn，利用最小二乘法计算模型的响应方程式；4)进行模型的检验[13]。

2.1 构建原始数据

建立农林牧渔生产总值序列{x0(1),x0(2),x0(3),x0(4),…,x0(n)}。求级比并进行级比的判断：代入上式可以得到(λ2λ3λ4λ5)=(0.963 0.916 0.9 0.937)，原序列的所有级比值都位于区间(0.717，1.396)内，说明原序列适合构建灰色预测模型。通过一次累加之后得到新的序列{x1(1),x1(2),x1(3),x1(4),…,x1(n)}。这样得到GM(1,1)模型的原始形式x0(k)+ax1(k)=b。

2.2 构建基本形式

设有新的序列{z1(1),z1(2),z1(3),z1(4),…,z1(n)}。其中，z1(k)=1/2(x1(k)+x1(k-1))称为邻值生成序列。故x0(k)+az1(k)=b为GM(1,1)模型的基本形式。求解过程如下：针对x0(k)+az1(k)=b这个式子，设α=[ab]且有Yn和B。

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

2.3 微分方程形式

根据前面得到的一次累加序列以及邻值生成序列，把作为灰色微分方程，也就是x0(k)+az1(k)=b的白化方程，其中，a称为发展灰数，b称为内生控制灰数。

通过公式计算，可以得到发展灰数为-0.087，内生控制灰数为99 560.68，后验差比值C为0.006，依据表5，可以得出模型精度高。

求解微分方程，得到预测模型：

最后的预测值序列将上述的做一次累减序列还原。

2.4 模型精度检测

通过计算，得到模型的拟合结果，如表6所示。

模型平均相对误差为0.573%，小于20%即说明拟合良好。基于上面的预测模型原理，数据也符合规律，可以求出A1至A10指标2024—2026年的预测数据。全部预测数据如表7所示。

结合预测数据，发现所有指标都呈现上升趋势，说明人民对冷链的需求比较大，这就需要新技术的支持与投入，才能让冷链行业数字经济快速发展。与此同时，大量冷库的投入也会造成能源的消耗，如何减少碳排放成为需突破的主要问题。

3 结果分析与建议

本模型研究结果说明冷链物流中与农林牧渔生产总值关联最大的就是农产品物流规模及人均食品烟酒支出。应加大对冷链物流产业的投入，帮助农户增加收入。目前我国冷链物流行业法律法规不够健全。应加快物流运输标准化建设，科技的驱动与赋能是运营标准化水平提升的核心动力。

大部分地区冷库成本投入高。除了基地建设初期的重资产投入外，冷库的日常运营成本也远远高于普通仓库。优化冷库的能源消耗，减少能耗成本，也是重要的一环。增加多元的运输方式，发展畅通的海运、陆运和空运综合运输体系来保障运输，加强码头和铁路延伸线规划建设，让企业和农民有更多的选择。通过物联网采集实时数据，并利用区块链技术和云计算技术，将采集的实时数据上传到各种终端设备上，实现数据的可视化。

本研究的不足之处在于，对数字技术的其他模块没有展开调研，只研究区块链企业规模；研究的数据样本偏少，后续研究要扩大样本量。

4 结语

当前的冷链发展存在能耗高、成本高，温度异常造成的货损风险高，专业人才匮乏，人力成本偏高，传统冷库监控无法满足客户要求等问题。构建新型冷库，主要围绕全程冷链物流的数据监测，实现对压缩机转速、膨胀阀开度及风机转速的调控，来改善冷链过程中的蒸发温度和冷凝温度。冷库的信息化参数主要包括冷库基本信息、出入货情况、机组运行状态及设备设定参数，并且通过云平台对冷库进行管理。数字技术在冷链领域的应用还有待企业、高校、科研院所等多方共同努力探索，构建数字化的冷链模式，早日实现“数字中国”目标。