基于TEI@I方法论的电动汽车销量预测模型研究
发布时间：2021-09-16 22:47
基于网络搜索的预测方法具有独立性和真实性,但其在电动汽车销量预测的实际应用效果有待进一步的研究与验证。目前大多数学者根据人口、政策经济等宏观因素进行全国汽车销量预测。少数学者也结合网络搜索数据对具体车型销量进行预测。但是对于电动汽车的销量预测研究较少。本文通过对电动汽车销售预测模型的分析,发现了基于TEI@I方法论的集成模型的预测能力优于线性模型,主要研究内容及结论如下:1、以Web of Science为检索平台,采集了近20年来的相关文献,利用CiteSpace进行文献聚类分析,得到引文聚类网络图和时区图。聚类结果发现美国、中国在汽车市场预测方面的研究较多,起步较早。并且,目前的研究热点主要集中在汽车销量预测模型的构建和电动汽车充电桩的选址。同时,通过文献整理,总结前人预测电动汽车销量的经验和方法,发现中国学者提出的TEI@I方法论在预测模型中应用广泛。2、从消费者决策理论出发,搭建宏观经济数据、百度指数和口碑数据三个方面的影响因素与电动汽车销量之间相关性的理论框架。通过挖掘消费者网络数据,运用格兰杰因果关系检验和灰色关联度定量分析影响电动汽车销量的因素。以电动汽车车型为实例的研究...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
研究国家影响力网络图
销量预测文献的引文网络聚类分析和可视化分析，识别出汽车销量预测研究的发展过研究重点和热点问题。① 引文聚类分析通过聚类方法形成的共引文献聚类将共同引用强度当作测量标准，对各类引用文进行聚合分类。该方法将相互共引的文献聚合在一个集群中，根据各集群之间的共引度进行分类，形成该类文献的引文网络聚类分析。CiteSpace 工具将文献按发表时间行聚类，再将共引强度高的类集合在一起，形成共引网络。图 1-4 为汽车销量预测文研究主题聚类的结果。引用率越高的文献在图中的点越大。两点之间的连接表示两个献同时被引用过，点和线的颜色对应于图上方的时间轴（其中时间轴右侧代表 2018 年左侧代表 1997 年）。从图中可以看出，聚类的大小排序依次为 1、2、3、4，研究电动车销售的类最大，其次是电动汽车、汽车销售预测和激励，这也符合新时代追求环保动汽车的趋势，是本文选择电动汽车作为研究对象的原因。
图 1-5 文献引文网络与聚类时区图图 1-5 为文献聚类结果的时区图，可以看出各类别的聚类文献研究所在的时间。表1-5 总结了引文聚类的基本情况，详细列出了 4 个引文聚类网络的聚类号、聚类标签、平均出版年份和研究重点。其中，聚类标签是根据各个聚类高被引文献的标题提取的特征词，平均出版年份分别代表着不同时期汽车销量预测研究的知识前沿，研究重点是依据每个聚类中频繁出现的关键词以及高被引文献的研究方向总结得出的。聚类标号为 4的文献被引平均年份在2010年，研究重点是激励汽车销售的商业案例分析和服务创新，代表着早期的研究热点。通过分析聚类成员可知，早期的汽车销量预测研究对于影响电动汽车销量的因素也存在着一些颇有启发性的成果。聚类 1 和聚类 2 代表着近年来电动汽车的研究热点，关注电动汽车充电桩分布问题，这类研究同时会涉及预测电动汽车销量的内容。本文研究的重点是聚类 3 汽车销量预测，这些文献发表平均年份在 2013 年，专注于社交媒体创造的汽车消费者所参与的环境与经验。
【参考文献】：
期刊论文
[1]中国消费者信心指数与居民消费价格指数的关系研究[J]. 徐国祥,刘璐. 统计与决策. 2018(23)
[2]我国新能源汽车销量预测的数学模型研究[J]. 余祥宽,廖秋明. 智库时代. 2018(34)
[3]中国新能源汽车销量组合预测模型[J]. 苏越,吴梓乔. 汽车实用技术. 2018(08)
[4]TEI@I框架下的交通道路脆性预测模型研究[J]. 沈书立,李祥飞. 管理工程学报. 2018(02)
[5]基于模糊认知图的纯电动汽车扩散分析[J]. 杨艳萍,闫宏斌,马铁驹. 系统管理学报. 2018(02)
[6]人民币汇率波动原因的集成分析与实际有效汇率预测[J]. 王轩,杨海珍. 金融论坛. 2017(08)
[7]基于主题模型的技术预见定量方法综述[J]. 周源,刘怀兰,廖岭,薛澜. 科技管理研究. 2017(11)
[8]消费者电动汽车购买行为的影响因素及预测[J]. 杨洪宝,干宏程. 物流工程与管理. 2017(01)
[9]基于TEI@I方法论的中国季播电视综艺节目收视率预测[J]. 张茜,吴超,乔晗,方祎劢. 系统工程理论与实践. 2016(11)
[10]网络搜索指数与汽车销量关系研究——基于文本挖掘的关键词获取[J]. 李忆,文瑞,杨立成. 现代情报. 2016(08)
博士论文
[1]网络环境下基于消费者搜索的市场预测研究[D]. 王炼.西南交通大学 2014
硕士论文
[1]基于网络搜索数据的汽车销量预测方法研究[D]. 曹永立.电子科技大学 2018
[2]我国电动汽车市场销量预测研究[D]. 凌拓.重庆理工大学 2018
[3]基于TEI@I方法论的电信业务收入预测研究[D]. 赵丹.北京邮电大学 2018
[4]基于TEI@I方法论的商品住宅价格预测模型研究[D]. 王悦.哈尔滨工业大学 2016
[5]引入网络关注度的汽车销量预测[D]. 袁艳.上海社会科学院 2016
[6]电动汽车充换电需求分析与预测[D]. 陈楚月.北京交通大学 2015
[7]东北三省电动汽车市场分析[D]. 范志丹.吉林大学 2015
本文编号：3397425
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
研究国家影响力网络图
销量预测文献的引文网络聚类分析和可视化分析，识别出汽车销量预测研究的发展过研究重点和热点问题。① 引文聚类分析通过聚类方法形成的共引文献聚类将共同引用强度当作测量标准，对各类引用文进行聚合分类。该方法将相互共引的文献聚合在一个集群中，根据各集群之间的共引度进行分类，形成该类文献的引文网络聚类分析。CiteSpace 工具将文献按发表时间行聚类，再将共引强度高的类集合在一起，形成共引网络。图 1-4 为汽车销量预测文研究主题聚类的结果。引用率越高的文献在图中的点越大。两点之间的连接表示两个献同时被引用过，点和线的颜色对应于图上方的时间轴（其中时间轴右侧代表 2018 年左侧代表 1997 年）。从图中可以看出，聚类的大小排序依次为 1、2、3、4，研究电动车销售的类最大，其次是电动汽车、汽车销售预测和激励，这也符合新时代追求环保动汽车的趋势，是本文选择电动汽车作为研究对象的原因。
图 1-5 文献引文网络与聚类时区图图 1-5 为文献聚类结果的时区图，可以看出各类别的聚类文献研究所在的时间。表1-5 总结了引文聚类的基本情况，详细列出了 4 个引文聚类网络的聚类号、聚类标签、平均出版年份和研究重点。其中，聚类标签是根据各个聚类高被引文献的标题提取的特征词，平均出版年份分别代表着不同时期汽车销量预测研究的知识前沿，研究重点是依据每个聚类中频繁出现的关键词以及高被引文献的研究方向总结得出的。聚类标号为 4的文献被引平均年份在2010年，研究重点是激励汽车销售的商业案例分析和服务创新，代表着早期的研究热点。通过分析聚类成员可知，早期的汽车销量预测研究对于影响电动汽车销量的因素也存在着一些颇有启发性的成果。聚类 1 和聚类 2 代表着近年来电动汽车的研究热点，关注电动汽车充电桩分布问题，这类研究同时会涉及预测电动汽车销量的内容。本文研究的重点是聚类 3 汽车销量预测，这些文献发表平均年份在 2013 年，专注于社交媒体创造的汽车消费者所参与的环境与经验。
【参考文献】：
期刊论文
[1]中国消费者信心指数与居民消费价格指数的关系研究[J]. 徐国祥,刘璐. 统计与决策. 2018(23)
[2]我国新能源汽车销量预测的数学模型研究[J]. 余祥宽,廖秋明. 智库时代. 2018(34)
[3]中国新能源汽车销量组合预测模型[J]. 苏越,吴梓乔. 汽车实用技术. 2018(08)
[4]TEI@I框架下的交通道路脆性预测模型研究[J]. 沈书立,李祥飞. 管理工程学报. 2018(02)
[5]基于模糊认知图的纯电动汽车扩散分析[J]. 杨艳萍,闫宏斌,马铁驹. 系统管理学报. 2018(02)
[6]人民币汇率波动原因的集成分析与实际有效汇率预测[J]. 王轩,杨海珍. 金融论坛. 2017(08)
[7]基于主题模型的技术预见定量方法综述[J]. 周源,刘怀兰,廖岭,薛澜. 科技管理研究. 2017(11)
[8]消费者电动汽车购买行为的影响因素及预测[J]. 杨洪宝,干宏程. 物流工程与管理. 2017(01)
[9]基于TEI@I方法论的中国季播电视综艺节目收视率预测[J]. 张茜,吴超,乔晗,方祎劢. 系统工程理论与实践. 2016(11)
[10]网络搜索指数与汽车销量关系研究——基于文本挖掘的关键词获取[J]. 李忆,文瑞,杨立成. 现代情报. 2016(08)
博士论文
[1]网络环境下基于消费者搜索的市场预测研究[D]. 王炼.西南交通大学 2014
硕士论文
[1]基于网络搜索数据的汽车销量预测方法研究[D]. 曹永立.电子科技大学 2018
[2]我国电动汽车市场销量预测研究[D]. 凌拓.重庆理工大学 2018
[3]基于TEI@I方法论的电信业务收入预测研究[D]. 赵丹.北京邮电大学 2018
[4]基于TEI@I方法论的商品住宅价格预测模型研究[D]. 王悦.哈尔滨工业大学 2016
[5]引入网络关注度的汽车销量预测[D]. 袁艳.上海社会科学院 2016
[6]电动汽车充换电需求分析与预测[D]. 陈楚月.北京交通大学 2015
[7]东北三省电动汽车市场分析[D]. 范志丹.吉林大学 2015
本文编号：3397425
本文链接：https://www.wllwen.com/kejilunwen/qiche/3397425.html
