基于SARIMA和BP神经网络的新能源汽车销售预测

发布时间：2021-09-18 16:41

　　近年来,我国汽车产业高速发展,产业规模连续多年稳居世界第一。在汽车产业成为国民经济支柱产业和国民经济水平重要衡量指标的现今,为避免该类产业的环境副作用影响,国际上环保新能源汽车产业受到的重视度日益增加。本文瞄准我国新能源汽车销售变化所带来产业提升的问题,借助数学统计模型和机器学习算法对我国新能源汽车月度、年度销量进行预测研究,对新能源汽车销量的准确预测可为政府部门决策、汽车行业制定市场营销策略提供理论统计和预测数据支撑。本文以我国新能源汽车月度销量数据为样本,首先对我国新能源汽车月度销量数据进行因素分解,生成非随机波动序列和随机波动序列,构建（季节性求和自回归移动平均）和神经网络的组合模型对新能源汽车月度销量进行拟合预测,同时对比构建单一的模型拟合预测。接着从模型拟合值与预测值、误差值、数据验证等角度对比分析模型预测效果。在得出组合模型效果更优的基础上,利用组合模型预测我国新能源汽车2019年的月度销量,并对预测结果予以原因分析及合理性说明。另再以我国新能源汽车年度销量数据为样本,通过灰色关联分析法分析销售政策、动力电池产量、传统汽车制造业等影响因素,运用神经网络模型对新能源汽车年度销... 

【文章来源】：湘潭大学湖南省

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

模型建模流程

神经网络建模流程

新能源汽车月度销量时序图

【参考文献】：
期刊论文
[1]基于ARIMA模型的世界大豆总产预测分析[J]. 蔡承智,黄军结,梁颖.  大豆科学. 2019(02)
[2]基于SARIMA模型和X-12-ARIMA季节调整方法预测的比较[J]. 李少雄,李本光.  统计与决策. 2018(18)
[3]基于结构关系识别的中国汽车销量预测[J]. 高俊杰,谢亚南,顾丰,于晗.  大连理工大学学报. 2018(01)
[4]我国新能源汽车产业发展现状及思考[J]. 李振宇,任文坡,黄格省,金羽豪,师晓玉.  化工进展. 2017(07)
[5]基于SARIMA模型的船舶交通流量预测研究[J]. 李晓磊,肖进丽,刘明俊.  武汉理工大学学报(交通科学与工程版). 2017(02)
[6]中国新能源汽车的发展现状及趋势[J]. 王小峰,于志民.  科技导报. 2016(17)
[7]新能源汽车发展影响因素分析及保有量预测[J]. 童芳,兰凤崇,陈吉清.  科技管理研究. 2016(17)
[8]基于弹性系数法和千人保有量法的陕西省电动汽车保有量的预测[J]. 王中阳,王威,戴建卓,焦熠琨,李润秋,罗迪,董明.  电网与清洁能源. 2016(05)
[9]中国新能源汽车市场预测研究[J]. 刘颖琦,王萌,王静宇.  经济与管理研究. 2016(04)
[10]基于专利信息的中国新能源汽车产业技术创新研究[J]. 王静宇,刘颖琦,Ari Kokko.  情报杂志. 2016(01)

硕士论文
[1]基于SARIMA和SVR混合模型的黑河径流量预测分析[D]. 雷昌宁.兰州大学 2018
[2]基于TensorFlow的卷积神经网络的应用研究[D]. 姜新猛.华中师范大学 2017
[3]基于时间序列分析的汽车销量预测研究[D]. 章旭.合肥工业大学 2017
[4]基于BP神经网络的我国汽车销量预测分析[D]. 王旭天.东华大学 2016



本文编号：3400482