基于数据挖掘的新能源汽车销量预测研究

发布时间：2023-03-23 20:20

　　新能源汽车因其在节能、环保方面所具有的优势,以及国家优惠政策的支持,吸引着越来越多的消费者,成为购车时的一种重要选择。企业瞄准需求快速增长的新能源汽车市场,纷纷加大新能源汽车的生产力度。然而新能源汽车市场的快速扩张导致了严重的产销不平衡问题,造成企业利益的损失。企业如何对新能源汽车的销量进行及时且准确的预测,制定科学合理的生产计划成为亟需解决的问题。研究表明,在互联网时代,消费者在做出购物决策前,越来越依赖于搜索引擎和社交媒体获取商品的相关信息,尤其是汽车这样的高价值商品,关键词网络搜索量在一定程度上能够反映出消费者的需求变化。对消费者留下的网络痕迹数据进行挖掘,为研究新能源汽车销量预测提供了新思路。本文基于数据挖掘的思想,探究信息时代下,新能源汽车历史销量数据、关键词网络搜索数据与销量预测之间的关系,构建模型对新能源汽车销量进行预测。首先从中汽协网站上收集整理了2014年1月——2021年12月国内新能源汽车历史销量数据;利用国内搜索引擎渗透率排名第一的百度搜索引擎,进行同时间范围关键词百度指数数据的收集整理;通过对新能源汽车历史销量数据和百度指数数据进行相关性分析和时差相关性分析,...

【文章页数】：118 页

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状
        1.3.1 销量预测研究
        1.3.2 汽车销量预测研究
    1.4 论文主要研究内容、技术路线和组织结构
        1.4.1 本文主要研究内容
        1.4.2 技术路线和论文组织结构
第二章 相关理论和方法介绍
    2.1 消费者行为理论
    2.2 时间序列模型理论
        2.2.1 平稳时间序列模型
        2.2.2 向量自回归模型
    2.3 LSTM神经网络
        2.3.1 LSTM神经网络原理
        2.3.2 Tensor Flow框架
    2.4 组合模型相关理论
    2.5 本章小结
第三章 数据获取和预处理
    3.1 新能源汽车历史销量数据的获取
    3.2 关键词搜索数据的获取
        3.2.1 搜索关键词的确定
        3.2.2 百度指数数据的获取
    3.3 搜索关键词的筛选
        3.3.1 关键词百度指数数据与新能源汽车销量的相关性分析
        3.3.2 关键词百度指数数据与新能源汽车销量的时差相关性分析
    3.4 数据平稳性检验
        3.4.1 关键词百度指数数据的平稳性检验
        3.4.2 新能源汽车销量数据的平稳性检验
    3.5 本章小结
第四章 基于时间序列模型的新能源汽车销量预测
    4.1 预测指标
    4.2 ARIMA预测模型
        4.2.1 销量数据的季节调整
        4.2.2 ARIMA模型的建立
        4.2.3 基于ARIMA模型的新能源汽车销量预测
    4.3 VAR预测模型
        4.3.1 变量确定
        4.3.2 数据平稳性检验
        4.3.3 VAR模型的建立
        4.3.4 基于VAR模型的新能源汽车销量预测
    4.4 本章小结
第五章 基于LSTM神经网络的新能源汽车销量预测
    5.1 LSTM模型的构建
        5.1.1 输入数据介绍
        5.1.2 建模流程
    5.2 单特征LSTM销量预测模型
    5.3 多特征LSTM销量预测模型
    5.4 改进的销量预测模型
    5.5 模型对比
    5.6 本章小结
第六章 结论与展望
    6.1 研究结论
    6.2 研究展望
致谢
参考文献
附件 A 代码
附录 B 攻读硕士期间科研成果
    附录 B1 攻读硕士期间发表的学术论文
    附录 B2 攻读硕士期间发表的软件著作和专利



本文编号：3768682