本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)的我國汽車銷量預(yù)測(cè)分析，由筆耕文化傳播整理發(fā)布。

【摘要】：汽車產(chǎn)業(yè)是我國經(jīng)濟(jì)的四大支柱產(chǎn)業(yè)之一。伴隨著我國宏觀經(jīng)濟(jì)增速放緩,汽車行業(yè)供求失衡、產(chǎn)銷率下降等問題開始顯現(xiàn)。因而科學(xué)有效地預(yù)測(cè)汽車銷量,并根據(jù)預(yù)測(cè)合理安排汽車生產(chǎn)變得至關(guān)重要。BP神經(jīng)網(wǎng)絡(luò)是人工智能中的代表性方法,具有優(yōu)良的非線性預(yù)測(cè)效果。本文以BP神經(jīng)網(wǎng)絡(luò)技術(shù)為主線,結(jié)合ARIMA模型和主成分分析,分別對(duì)汽車的月度銷量和年度銷量進(jìn)行預(yù)測(cè)。在汽車月度銷量預(yù)測(cè)問題中,分別使用了ARIMA模型和BP神經(jīng)網(wǎng)絡(luò)單獨(dú)進(jìn)行了預(yù)測(cè)。針對(duì)月度數(shù)據(jù)具有的周期波動(dòng)特點(diǎn),對(duì)ARIMA模型采用具有季節(jié)調(diào)整的形式。結(jié)果顯示,這兩種模型均具有良好的預(yù)測(cè)精度。為進(jìn)一步提高預(yù)測(cè)效果,根據(jù)預(yù)測(cè)誤差平方和最小的原則將兩種模型進(jìn)行組合,構(gòu)建新的組合預(yù)測(cè)模型,結(jié)果表明組合模型的預(yù)測(cè)效果優(yōu)于單一的預(yù)測(cè)模型。在汽車年度銷量預(yù)測(cè)問題中,采用了GDP、城鎮(zhèn)居民人均可支配收入、鋼材產(chǎn)量、橡膠輪胎外胎產(chǎn)量等八項(xiàng)經(jīng)濟(jì)指標(biāo)對(duì)汽車銷量進(jìn)行預(yù)測(cè)。運(yùn)用灰色理論分析得到選用的指標(biāo)和汽車銷量的關(guān)聯(lián)度,其中橡膠輪胎外胎產(chǎn)量和鋼材產(chǎn)量與汽車銷量的關(guān)聯(lián)度最高。將這八項(xiàng)指標(biāo)標(biāo)準(zhǔn)化后作為BP神經(jīng)網(wǎng)絡(luò)的輸入值對(duì)銷量進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果的平均相對(duì)誤差為2.34%。針對(duì)指標(biāo)中可能存在的信息冗余,采用了主成分分析方法對(duì)輸入數(shù)據(jù)進(jìn)行降維處理。結(jié)果顯示,主成分BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的平均相對(duì)誤差為1.71%,比BP神經(jīng)網(wǎng)絡(luò)降低0.53%。
【關(guān)鍵詞】：BP神經(jīng)網(wǎng)絡(luò) ARIMA模型 灰色關(guān)聯(lián)度分析 主成分分析
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F426.471;TP183
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-13
• 1.1 研究背景和選題意義10
• 1.2 預(yù)測(cè)問題研究現(xiàn)狀10-12
• 1.3 研究思路與內(nèi)容12-13
• 第二章 我國汽車市場(chǎng)概述13-17
• 第三章 預(yù)測(cè)模型相關(guān)理論17-28
• 3.1 BP神經(jīng)網(wǎng)絡(luò)17-23
• 3.1.1 神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介17-19
• 3.1.2 BP神經(jīng)網(wǎng)絡(luò)概述19-20
• 3.1.3 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)流程20-21
• 3.1.4 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱21-23
• 3.2 ARIMA模型23-28
• 3.2.1 ARIMA模型簡(jiǎn)介23-25
• 3.2.2 建模步驟25-28
• 第四章 基于時(shí)間序列的汽車月度銷量預(yù)測(cè)28-35
• 4.1 基于SARIMA模型的銷量預(yù)測(cè)29-31
• 4.2 基于BP神經(jīng)網(wǎng)絡(luò)模型的銷量預(yù)測(cè)31-32
• 4.3 基于組合模型的預(yù)測(cè)32-33
• 4.4 預(yù)測(cè)結(jié)果分析33-35
• 第五章 基于多因素的汽車年度銷量預(yù)測(cè)35-45
• 5.1 汽車銷量的影響因素35-39
• 5.1.1 影響因素的選取35-37
• 5.1.2 影響因素的關(guān)聯(lián)性分析37-39
• 5.2 基于BP神經(jīng)網(wǎng)絡(luò)的年度銷量預(yù)測(cè)39-41
• 5.3 基于主成分的模型改進(jìn)41-43
• 5.4 結(jié)果對(duì)比分析43-45
• 第六章 總結(jié)與展望45-47
• 6.1 主要結(jié)論45
• 6.2 研究展望45-47
• 參考文獻(xiàn)47-50
• 附錄 150-52
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文52-53
• 致謝53

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 薛蓓蓓;;基于ARIMA模型:全社會(huì)固定資產(chǎn)投資總額預(yù)測(cè)[J];統(tǒng)計(jì)與決策;2014年15期

2 龔承剛;王夢(mèng);謝航;;基于ARIMA模型的湖北省城鄉(xiāng)居民收入差距的預(yù)測(cè)[J];統(tǒng)計(jì)與決策;2014年15期

3 雷鵬飛;;基于季節(jié)性ARIMA模型的中國CPI序列分析與預(yù)測(cè)[J];統(tǒng)計(jì)與決策;2014年14期

4 陳星;武麗芳;王福明;;基于GA-BP神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)研究[J];山西電子技術(shù);2014年01期

5 李娜;薛俊強(qiáng);;基于最優(yōu)ARIMA模型的我國GDP增長預(yù)測(cè)[J];統(tǒng)計(jì)與決策;2013年09期

6 張麗;牛惠芳;;基于SARIMA模型的居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)分析[J];數(shù)理統(tǒng)計(jì)與管理;2013年01期

7 郭曉峰;;基于ARIMA模型的中國CPI走勢(shì)預(yù)測(cè)分析[J];統(tǒng)計(jì)與決策;2012年11期

8 天柱;;2011年中國汽車產(chǎn)業(yè)集中度[J];上海汽車;2012年03期

9 王正宇;王紅玲;;基于ARIMA模型的我國GDP分析預(yù)測(cè)[J];對(duì)外經(jīng)貿(mào);2011年12期

10 王宗帥;楊作賓;羅永豐;程偉宏;;灰色關(guān)聯(lián)分析在裝備故障診斷中的應(yīng)用[J];四川兵工學(xué)報(bào);2010年11期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 蘇子杉;汽車市場(chǎng)的銷量預(yù)測(cè)與離散選擇模型[D];中國科學(xué)技術(shù)大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 田樹茂;中國汽車產(chǎn)業(yè)市場(chǎng)結(jié)構(gòu)分析[D];集美大學(xué);2013年

2 畢建濤;基于主成分和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的促銷產(chǎn)品銷量預(yù)測(cè)研究[D];東華大學(xué);2012年

3 張二紅;基函數(shù)神經(jīng)網(wǎng)絡(luò)在銷售預(yù)測(cè)中的應(yīng)用[D];華南理工大學(xué);2011年

4 陳歡;灰色理論在汽車銷售預(yù)測(cè)和投資決策中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2008年

5 胡偉;我國汽車銷售量預(yù)測(cè)研究[D];河海大學(xué);2007年

  本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)的我國汽車銷量預(yù)測(cè)分析，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：271701