基于SARIMA和BP神经网络的新能源汽车销售预测

论文摘要

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量进行拟合预测,同时与传统（求和自回归移动平均）模型进行模型拟合值、预测值、误差值等方面比较分析。在得出神经网络模型效果更优的基础上,利用神经网络模型预测我国新能源汽车2019-2023年的年度销量,并对预测结果予以相关说明。

论文目录

• 摘要
• abstract
• 第1章 引言
•   1.1 研究背景
•   1.2 研究现状及意义
•     1.2.1 研究现状
•     1.2.2 研究意义
•   1.3 论文的研究内容及方法
•     1.3.1 论文研究内容
•     1.3.2 论文研究方法
• 第2章 相关理论及方法
•   2.1 ARIMA模型
•     2.1.1 ARIMA模型概述
•     2.1.2 平稳时间序列分析方法
•     2.1.3 非平稳时间序列分析方法
•     2.1.4 ARIMA模型建模流程
•   2.2 BP神经网络模型
•     2.2.1 人工神经网络概述
•     2.2.2 BP神经网络模型概述
•     2.2.3 BP神经网络模型流程
•     2.2.4 TensorFlow框架
• 第3章 新能源汽车月度销量预测
•   3.1 数据处理
•   3.2 基于组合模型的拟合预测
•   3.3 基于单一模型的拟合预测
•   3.4 结果比较分析
•   3.5 新能源汽车月度销量预测
• 第4章 新能源汽车年度销量预测
•   4.1 基于BP神经网络的拟合预测
•     4.1.1 影响因素的选取
•     4.1.2 BP神经网络的拟合预测
•   4.2 基于ARIMA模型的拟合预测
•   4.3 结果比较分析
•   4.4 新能源汽车年度销量预测
• 第5章 总结与展望
•   5.1 总结
•   5.2 展望
• 参考文献
• 致谢
• 附录

文章来源

类型: 硕士论文

作者: 白一凡

导师: 袁健美

关键词: 新能源汽车,销量预测,神经网络

来源: 湘潭大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,经济与管理科学

专业: 数学,汽车工业,宏观经济管理与可持续发展,工业经济,企业经济

单位: 湘潭大学

基金: 国家自然科学基金面上项目资助:“多贝西小波密度泛函的高效并行计算及电荷体系应用”,起止年月:2015.1-2018.12,批准号:114712802

分类号: F426.471;F274;F224

DOI: 10.27426/d.cnki.gxtdu.2019.000971

总页数: 57

文件大小: 2022K

下载量: 305