随着互联网时代的到来，电商行业正在蓬勃发展。其中，生鲜电商与人们的生活息息相关，生鲜电商是指生鲜产品在网络上进行售卖的电子商务活动，如蔬菜、水果、肉制品、水产品的网上出售。2017年，中国生鲜电商市场交易规模约为1391.3亿元，同比增长59.7%^[1]。生鲜电商的市场在逐年扩大，发展的同时会存在很多问题，尤其是物流方面的问题。生鲜电商物流不同于一般物流，生鲜产品保质期短，易腐烂变质，需求量随季节变化，所以需求预测对生鲜电商物流尤为重要。零散的生鲜产品供应商对仓库的规划，电商企业投资，配送车辆的选择，冷链物流的优化，社区派送点的选址，都需要参考生鲜产品的预测量。

本文研究目的：通过对生鲜物流追踪调查，分析生鲜电商物流系统流程。运用预测方法，进行组合，设计出一种最优的预测模型，对生鲜物流需求进行预测，同时分析其特殊性。对京东生鲜进行物流需求预测，帮助企业更好的经营。

本文通过对生鲜电商物流系统流程分析和需求预测研究，主要有以下意义：

（1）从理论意义上来看，运用基于组合方法的需求预测方法研究生鲜电商物流需求，是对整个预测方法体系的理论完善。对于生鲜电商物流，有关学者研究较多的就是生鲜电商的模式，冷链物流存在的问题，生鲜电商发展趋势等，而关于生鲜电商物流需求预测的研究相对较少，运用基于组合方法的需求预测研究是对整个物流预测体系理论的拓展。

（2）从实践意义上来看，完善生鲜电商物流体系，优化系统流程，加快生鲜电商物流的发展。运用需求预测结果，为投资者投资生鲜电商提供科学依据，帮助生鲜电商企业指导和调节物流活动，为生产商提供决策依据，调整经营方向，迅速满足市场。

研究现状：（1）物流需求预测方面的进展： Joseph Berechunan(2003)利用人工神经网络模型，对物流需求进行预测，并根据预测结果来规划物流系统^[2]。TerryMoore利用了稳定子系统和突变子系统来研究区域物流问题^[3]。对于稳定子系统，运用基于定量分析的量子粒子群优化(QPSOCM)算法，获得改良的预测结果。运用分解统计法对突变子系统进行分析研究。结果表明，QPSOCM 的方法在研究物流预测问题时具备更显著的优越性。2010 年陈长英基于计量经济模型和动态非线性模型，以组合预测方法为依托，预测了广西省的物流需求量，并对运输结构进行优化^[4]。

（2）生鲜电商物流需求预测方法，运用对象等研究进展：F.Dabbene 和 P.Gay 等人对不确定条件下的新鲜食品供应链建立了一个优化模型，用来平衡物流成本、微生物控制、温度与食品质量等有关的指标。模型主要包含以物流活动为主体的事件驱动动态性和以产品参数来量化的时间驱动动态性两方面，通过优化物流和物理参数对供应链进行改进^[5]。2015年余霜和李光通过建立灰色模型对冷链肉类产量进行了预测研究，缺陷是未对结果分析^[6]。