基于神经网络和时间序列的汽车销量预测研究

论文摘要

中国经济由高速增长阶段转向高质量发展阶段,正处在转变发展方式、优化经济结构、转换增长动力的攻关期。作为中国重要的支柱产业,汽车制造工业已经开始出现供需失衡销售与生产比例下降等问题。因此汽车制造商迫切的需要精确预测汽车销量,并将预测结果运用于生产销售的决策。神经网络作为具有代表性的机器学习算法、是卓有成效的非线性预测方法,时间序列模型对汽车销量周期性变化特征具有良好的适用性。本文分别选取循环神经网络算法与时间序列模型以及二者的组合模型,对汽车企业的月度总销量及具体车型月度销量进行研究分析。在针对汽车企业的月度销量预测问题中,分别使用了ARIMA模型和RNN神经网络单独进行了预测。汽车销量变化具备长期性的特征,过去的销量影响当下销售,所以在RNN神经网络中选取LSTM-RNN作为建模算法。结果表明,这两种算法在预测中均具有较好的拟合性。为了提升预测模型的有效性,根据非负权重最优组合原则将两种模型进行组合。结果表明通过两种模型的融合,误差进一步降低,与单一的模型相比效果更佳。针对具体车型的销量预测模型建立能够提升产品的产销率,降低产能过剩发生的概率。在针对具体型号的汽车的模型建立过程中,使用汽车企业月度销量模型建立过程作为参考,结合车型自身特性,对模型进行训练得到最终能适用于具体车型的月度销量预测模型。

论文目录

摘要

abstract

第1章绪论

1.1 研究背景和选题意义

1.2 国内外研究现状

1.2.1 人工神经网络研究现状

1.2.2 销量模型研究现状

1.3 汽车生产企业分析

1.3.1 政治环境

1.3.2 经济环境

1.3.3 社会文化环境

1.4 课题研究主要内容与思路

1.5 本文的组织结构

1.6 本章小结

第2章预测算法及模型

2.1 时间序列模型

2.1.1 时间序列模型基本思想

2.1.2 时间序列模型类型

2.1.3 自回归综合移动模型与实现步骤

2.1.4 应用与分析

2.2 神经网络模型

2.2.1 神经网络模型主要思想

2.2.2 循环神经网络模型

2.2.3 神经网络设计流程

2.2.4 应用与分析

2.3 本章小结

第3章基于神经网络与时间序列的汽车月度销量预测模型

3.1 基于RNN神经网络的销量预测模型设计

3.1.1 特征数据选择

3.1.2 原始数据处理

3.1.3 模型参数设定

3.1.4 模型评价

3.2 基于ARIMA的销量预测模型设计

3.2.1 序列平稳化

3.2.2 阶数确定

3.2.3 建立模型

3.3 基于RNN神经网络及ARIMA的组合销量预测模型

3.3.1 组合模型

3.3.2 组合预测的思想

3.3.3 组合模型预测方法实现

3.4 本章小结

第4章基于神经网络与时间序列的具体车型销量预测模型

4.1 基于ARIMA与 RNN神经网络的实际车型销量预测模型

4.1.1 ARIMA预测模型设计

4.1.2 RNN神经网络预测模型设计

4.2 基于RNN神经网络及ARIMA的组合具体车型销量预测模型

4.3 车型月度销量预测模型分析

4.4 本章小结

第5章总结与展望

5.1 主要结论

5.2 研究展望

致谢

参考文献

文章来源

类型: 硕士论文

作者: 刘永恒

导师: 黄旭慧

关键词: 神经网络,模型,组合模型,汽车销量

来源: 南昌大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技,经济与管理科学

专业: 数学,汽车工业,自动化技术,工业经济,企业经济

单位: 南昌大学

分类号: F426.471;F274;TP183;O211.61

DOI: 10.27232/d.cnki.gnchu.2019.002008

总页数: 58

文件大小: 2261K

下载量: 513

基于神经网络和时间序列的汽车销量预测研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢